近十年來無人機攝影測量在風景園林規劃與設計領域的應用研究

蔣 勇 顏 佳 王玉萍 董一凡

（深圳奧雅設計股份有限公司，深圳 518000）

隨著輕型旋翼無人機的商業化普及，攝影測量以高效率、靈活快捷、作業成本低等優點在三維實景重建和工程測量中得到廣泛應用。借助CiteSpace文獻計量工具，系統梳理了2010 - 2022年期間國內外攝影測量技術在風景園林規劃與設計領域中的研究及應用熱點，并結合近1萬hm2的三維實景重建與應用經驗，詳細闡述其基本操作原理、全流程軟件的使用及應用場景。研究發現，無人機攝影測量研究的前沿熱點可概括為測量技術研究與應用場景開發兩個方面。無人機攝影測量生成的“4D”數字化產品主要包括數字表面模型（DSM）、數字高程模型（DEM）、數字正射影像圖（DOM）與數字線劃地圖（DLG），其應用主要集中在5個方面，分別是高精度地理空間數據測量、三維空間數據分析及可視化、風景遺產資源保護與利用、林業及生態資源量化研究以及工程系統信息模型構建。未來，隨著以人工智能為代表的一批新興信息技術的發展，無人機攝影測量將會支持以量化研究為基礎的應用拓展、支持集成化的風景園林規劃設計工作流、支持虛實融合的風景園林空間體驗，并進一步促進行業數字化轉型發展。

風景園林；無人機；攝影測量；三維實景模型；CiteSpace；應用研究

在設計工作初期的調研階段，調查者大多使用拍照標記、經緯度記錄等傳統勘察方式，使用這些方法所收集到的圖片、文字等資料往往會存在碎片化、難以整理、可讀性不強、時效性低等方面的弊端。目前，風景園林規劃與設計工作面臨的空間系統日趨復雜，設計師通常需要獲取更高顆粒度的地理數據進行空間分析及數據表達[1]，從而讓項目場地信息更加直觀、高效地被設計參與者理解與感知[2]。因此，獲取更加精準、高時效的空間物理環境信息（紋理、色彩及結構）數據[3]，是設計流程中所亟需的。除此之外，面對建成環境空間的復雜性問題，精準的數據分析是提高規劃與設計科學性的基礎。有學者提出了數據增強設計[4]、計算性城市設計[5]等概念，這為規劃與設計過程提供了分析及評價的量化方法與思路，而空間量化分析是基于高精度、可分類識別的物理空間數據。在風景園林技術科學研究領域，劉頌等[6]學者于第14屆“國際數字景觀”大會中總結強調了無人機攝影測量技術的發展可以為項目提供高精度的地理信息數據，且其具有低成本、高時效、高精度的特點，這為風景園林行業的“數字化轉型”帶來了新的發展機遇[7-8]。此外，有研究統計了近10年發表的數字景觀相關文獻，發現在“數據與工具”研究領域中，無人機遙感測繪、數據可視化以及地理信息系統等研究應用的趨勢正在日益突顯[9]。

新型科技企業向傳統測繪行業的跨界推進了測繪“平民化”市場的發展，如大疆公司先后推出的精靈4RTK、DJI Terra、DJI M300RTK[10]等無人機機型，使無人機測繪在工程勘探設計領域實現了快速發展。在測繪科學領域，攝影測量是傳統測繪學下的一個分支學科，其研究內容主要是測制地形圖并建立地理信息數據庫，為工程應用提供基礎測繪數據[11]，基本原理是對傾斜影像進行分析和整理，輸出相應成果[12]。而無人機攝影測量系統（UAV Remote Sensing System，UAVRSS），是以UAV為平臺在高空獲取遙感影像、視頻等數據的航空遙感與攝影測量系統[13]。輕便型無人機發展使獲取更高精度、更高時效性的立體三維地理數據變得更加便捷[14]。有研究人員探索了無人機測量的技術方法、數據處理流程及在景觀規劃與設計實踐的全過程[15]，隨著“數字景觀”快速推廣，無人機攝影測量技術在風景園林規劃與設計領域的應用場景迅速拓展至城市公共空間設計、市政公園綠地規劃與設計、城市更新與古城修復等領域。綜上所述，為了進一步探索其熱門應用場景及未來發展趨勢，文章通過文獻計量分析與實踐經驗總結的方法，對該技術及其應用場景展開研究。

1 研究方法及數據來源

無人機攝影測量涉及的技術領域繁多，應用場景廣泛。首先，為了更加充分地探索該技術在空間數字化領域的應用，采用知識圖譜分析法對攝影測量技術的發展進行了分析。其次，在結合大量的無人機攝影測量實踐經驗的前提下，本文使用歸納總結法對無人機攝影測量技術的實現流程及應用場景進行了系統地梳理與拓展。

本文進行知識圖譜分析所使用的軟件是CiteSpace，它是一款能夠進行研究合作網絡、共現、被引和文獻耦合等分析的知識圖譜計算軟件，可處理的數據源包括Web of Science（WoS）、SCOPUS、CNKI、RCI和KCI等[16]。本文主要使用CiteSpace軟件進行了關鍵詞聚類分析、關鍵詞時間線分析及關鍵詞突變分析。關鍵詞聚類分析能夠利用文本中出現的關鍵詞對文本進行分類和聚類，從而揭示在大量文本中潛藏的模式和規律；關鍵詞時間線分析主要是在聚類的基礎上反映出各聚類出現的時間；關鍵詞突變分析則是能夠反映各關鍵詞出現的起止時間與持續時長。本文的整體研究框架如圖1。

圖1 研究技術線路Fig.1 Technical lines

2 無人機攝影測量研究熱點

2.1 基于CiteSpace文獻計量分析

將CNKI核心數據庫、WoS核心數據庫作為數據源，將發表時間設置為2010 - 2022年，提取能夠表達文獻核心內容的關鍵詞并統計其頻次的高低分布，以此來分析無人機攝影測量相關研究的熱點和趨勢。

2.1.1 CNKI 數據庫

基于CNKI檢索核心期刊數據，以“攝影測量技術應用”為主題，選取關鍵詞為“攝影測量” and “城市” or “景觀” or “風景園林” or “生態” or “林業” or “植物” or “建筑” or “遺產資源” or “施工” or “工程”方向的應用，篩選期刊來源為CSSCI、北大中文核心期刊以及CSCD的核心期刊，共得到2010 - 2022年期間發表的文獻882條（圖2）。

圖2 CNKI核心期刊發表時間Fig.2 Publication timeline of CNKI core journals

將CiteSpace計算節點設置為“keywords”，分別針對關鍵詞的聚類、時間線及突變三個方面進行了分析。據關鍵詞聚類圖（圖3）可知，所選文獻共聚類出8大聚類，集中體現在“數字攝影測量”“精度控制”與“信息提取”。該結果反映出在攝影測量應用中，已有的研究對測圖精度控制及地理信息提取這兩個領域有較多的關注。時間線圖（圖4）顯示，2010年之前的研究聚焦于攝影測量、三維建模以及遙感相關技術，多是測繪行業本身的技術發展；2013年，隨著輕型無人機技術的出現，學界逐漸出現了無人機攝影測量及遙感系統相關的研究；2015年后，又逐漸產生了攝影測量技術在工程測量、森林調查、古建筑繪圖等相關方向的應用，這體現了技術與應用研究的相互促進關系。

圖3 CNKI核心期刊關鍵詞聚類圖Fig.3 Clustering diagram of keywords for CNKI core journals

圖4 CNKI核心期刊關鍵詞時間線圖Fig.4 Timeline of keywords for CNKI core journals

據關鍵詞突變圖（圖5）可知，2010 - 2015年期間，無人機攝影測量技術的相關研究主要聚焦在測圖精度控制與像控點等方面，其具體的應用則主要集中在工程施工領域，例如滑坡處理、結構面測量、巖體工程等。2017年以后的攝影測量技術研究大多聚焦于精度分析、像控點布控、模型單體化、點云數據、結構面處理等領域。這一時期，得益于無人機飛行系統與軟件技術的快速發展及更新迭代，無人機攝影測量技術在工程相關行業迎來了應用熱潮，應用場景逐步拓展至景觀測繪、工程測量、森林調查、建筑測繪、繪制地形圖、滑坡處理、變形監測、巖土工程等相關領域。

圖5 CNKI核心期刊關鍵詞突變圖Fig.5 Diagram of keywords mutations for CNKI core journals

2.1.2 Web of Science數據庫

英文文獻計量研究的數據來源主要是WoS核心合集數據庫Science Citation Index Expanded（SCIE）與Social Sciences Citation Index（SSCI）。以“Photogrammetry in landscape architecture”為主題，檢索式定位為TS=（*photogrammetry AND *landscape architecture or *plant or *design or *engineering or *city），剔除無效文章后，總共檢索結果有1 924篇（圖6）。

圖6 WoS核心期刊發表時間Fig.6 Publication timeline of core journals in WoS

將CiteSpace計算節點設置為“keywords”，同樣針對關鍵詞的聚類、時間線及突變三個方面進行了分析。據關鍵詞聚類圖（圖7）可知，所選文獻共聚類出了19個聚類，如“global application、airborne laser、plant responses、comparative study、civil infrastructure”等，因此，其研究的集中度相較只有8個聚類的中文CNKI數據庫來說更加分散。觀察時間線圖（圖8）可以看出，諸如“camera calibration”“caser scanner”“computer vision”“close range photogrammetry”等與攝影測量技術相關的研究主要出現在2010年左右，該類研究更多地聚焦于攝影測量系統、激光掃描、數據結構等領域。同時，結合計算機視覺、卷積神經網絡，圖像分割等深度學習算法與技術，攝影測量技術在這一時期得到了快速發展。2015年后，攝影測量相關的研究大多聚焦于“BIM（Building Information Modeling）”“virtual reality”“augmented reality”等新興應用領域，此時期的攝影測量在新興技術的加持下形成了新的生產工作流。

圖8 WoS核心期刊時間線圖Fig.8 Timeline of keywords for WoS core journals

在關鍵詞突變分析（圖9）中共出現了“digital photogrammetry”“close range photogrammetry”“machine learning”“terrestrial laser scanning”“vegetation index”等25個關鍵詞。由圖9可知，2010 - 2015年，攝影測量相關的研究主要關注的是基礎技術領域。隨著計算機圖形相關技術的發展，該時期的研究中逐漸出現了“機器學習”“無人機系統”“機載 LiDAR”“虛擬現實”“數字攝影”“城市建模”“3D打印”等與新興技術相關的關鍵詞。這些新技術拓寬了攝影測量技術的邊界，使其應用場景也相應地拓展至了植被測算、逆向工程、遺產保護、河流監測、巖土工程、實景地圖、生物多樣性等多個方面。

圖9 WoS核心期刊關鍵詞突變圖Fig.9 Diagram of keywords mutations for WoS core journals

2.2 基于實踐操作的經驗概述

實踐研究是不斷創新思想、理論、方法和技術的必由途徑[17]。本文還將項目實踐與文獻計量分析相結合，總結了近30余個實踐項目、超過1萬hm2的三維實景模型重建的實踐經驗以及在多種類型規劃設計項目中的應用場景的探索經驗，進一步歸納且介紹了無人機攝影測量技術在數據采集處理以及數據輸出與應用這兩個階段的操作流程、軟件使用與數據處理方法。

2.2.1 數據采集及處理

在數據采集的過程中，無人機的飛行路徑、飛行高度與成圖比例往往決定了測量成果的精度。飛行路徑規劃一般使用Pix4D，DJI GS pro，Rockycapture、Waypoint Master等航線規劃軟件，可選的飛行規則一般包括“U”字形、五向飛行、仿地飛行及環繞飛行等。根據實踐經驗，國外的Pix4D與國內的DJI GS pro這兩個軟件較為便捷，在航線規劃可靠性及自動化航測方面具備優勢。同時，不同測繪圖紙比例需要與之匹配相應的飛行高度（表1），此外，還可以使用載波相位差分技術（Real-Time Kinematic，RTK）進一步提高測圖精度，其理論精度可達到±5 cm。

表1 航測精度與飛行高度對照表Tab.1 Mapping table between aerial survey accuracy and flight altitude

在數據處理階段，常用的國外的攝影測量三維重建軟件有Bently ContextCapture、Metashape Photoscan、Pix4Dmapper、StreetFactory、Skyline Globe PhotoMesh、Reality capture[18]，常用的國產軟件有DJI-Terra以及DP-Model-er等。相對來說，國產軟件的操作界面相對更便利，但在三維建模核心算法方面，國外的Bently ContextCapture與Metashape Photoscan這兩個軟件相對更為成熟，此外，Reality capture軟件的模型渲染質量最高。以Bently ContextCapture為例，在深圳某城市更新項目中，三維重建的工作流程主要包括圖像拍攝及清理（圖10-a）、密集點云數據處理（圖10-b）以及三維實景模型重建（圖10-c）三個步驟，最終實現了該項目高精度數字三維模型的建立，且該模型數據支持瀏覽、矢量數據提取、設計效果呈現等。隨著計算機視覺技術、AI技術與云計算的發展，以往存在的掃描測量精度不高、模型破洞、清晰度較低、生成時間長等問題得到了明顯的改善，2022年6月大疆智圖推出的行業應用級無人機測量系統，已經可以實現“智能實時”的空間地理信息采集生成流程。

圖10 三維重建工作流程Fig.10 3D reconstruction workflow

2.2.2 數據輸出及應用

無人機攝影測量一般可輸出“4D”數字化產品，即數字表面模型（Digital Surface Model，DSM）、數字高程模型（Digital Elevation Model，DEM）、數字正射影像圖（Digital Orthophoto Map，DOM）與數字線劃地圖（Digital Line Graphic，DLG）。圖11展示了深圳某城市更新項目中生成的“4D”數字化產品。在規劃設計領域中，DSM數據的應用場景主要是在經過Rhino、Sketchup、3DMax、DP-modeler、Modelfun、MeshMixer等三維建模軟件的處理后，實現三維網格模型修飾及單體化的呈現[19]；目前，Rhino在處理大量的三維網格模型的切片、統計分類、渲染呈現方面較有優勢。此外，在經過Lumion、Twinmotion、Unreal、Unity等軟件的渲染后，DSM數據還可結合VR或MR設備實現沉浸式的虛擬體驗。而DEM數據的應用場景主要是運用ArcGIS、Globalmapper、Rhino+Grasshopper等軟件進行地理空間數據分析；DOM數據則既可以作為視覺數據用于提取場地特征，也可以為DLG數據的提取提供參考；DLG數據作為地籍測繪的交付成果，多用于所測繪區域的存檔、房地一體化、設計及改造工程的數據參考依據等。以上4D數據還可結合更多相關軟件進一步生成其他格式的文件，從而滿足不同場景的使用需求。

圖11 攝影測量生成的4D數字化產品Fig.11 4D digital products generated by photogrammetry

3 無人機攝影測量在風景園林規劃與設計領域的應用概述

通過對CNKI及WoS核心數據庫的檢索發現，在技術領域中，無人機攝影測量的研究熱點多集中在模型精度控制、點云數據處理技術、模型單體優化、計算機視覺、虛擬現實技術、數據結構等；應用場景方面的熱點包括景觀測繪、工程測量、森林調查、植被測算、生物多樣性、單體測繪、地形圖、滑坡處理、變形監測、巖土工程、3D打印、BIM（Building Information Modeling）、CIM（City Information Modeling）等等（表2）。除此之外，在總結了實踐過程中數據采集處理以及數據輸出及應用的相關經驗后，本文進一步結合風景園林規劃與設計的工作內容，將應用研究熱點歸納為5個重要方向：（1）高精度地理空間數據測量；（2）三維空間數據分析及可視化；（3）風景遺產資源保護與利用；（4）林業及生態資源量化研究；（5）系統信息模型的構建。

表2 研究熱點方向概述Tab.2 Overview of research hotspots

3.1 高精度地理空間數據測量

風景園林規劃與設計項目常位于城市偏遠或鄉村地區，而由于地方測繪部門的測繪周期的影響，在項目開展前期經常缺乏可靠、高時效的測繪圖紙，進而影響設計工作的順利開展。無人機攝影測量形成的三維模型可繪制成數字線劃地圖（DLG）[20]，設計師直接通過三維實景模型進行矢量化處理，如EPS信息工作站、DP-Modeler、Idata 3D[21]，可提供1∶500、1∶1 000不同精度的測圖成果。無人機攝影測量打破了傳統地理信息數據的供給壁壘，為規劃設計行業提供低成本、低門檻獲取地理數據的機會，例如通過數字線劃圖輔助規劃審批、竣工核實、規劃監察[22]、界定違章建筑[23]，作為地形觀測[24]、土壤結構分析[25]、土壤粗糙度測量[26]、山體結構面勘測[27]的重要數據。相比傳統測繪圖紙，三維實景模型與二維圖紙的結合可讓項目參與者更充分地理解場地空間[28]，其真正射影像（TDOM）可規避地圖畸變且具有更高精度[29]。因此，無人機攝影測量依靠其高效率、低成本的技術解決方案，推動了地理信息數據獲取的平民化，不僅可以及時彌補項目測繪數據缺失及場地勘察問題，同時也開發出大量全新的應用場景。

3.2 三維空間數據分析及可視化

仿真渲染與可視化表達是充分展示設計信息的關鍵工作。傳統的場地分析普遍是基于主觀感性的圖面表達，往往缺乏較理性、直觀的數據呈現。相較之下，無人機攝影測量系統在設計工作全流程中可提供圖像、視頻、實景模型文件等大量的客觀數據支撐，能夠極大地提高信息傳達效率。在項目前期，項目管理人員可通過云服務器將大體量的三維實景模型分發至多個PC端、客戶端，將場地現狀實時地同步給不同地區的項目參與者、作為溝通信息的重要載體。同時，配合使用Acute 3D Viewer、DasViewer等瀏覽工具，設計師可精確測量模型中任意要素的坐標、尺度、挖填方數據等等。在場地分析階段，設計師可以使用Rhino+Grasshopper、Sketchup等常用的建模分析軟件，依據場地的DEM數據繪制地形地貌或對場地剖面進行高程分析，還可以將三維實景模型結合GlobalMapper、ArcGIS等地理信息平臺，進行三維模型與地理信息相結合的可視化分析。在項目表達階段，設計師可以使用Lumion、Unity、Twinmotion等軟件將設計模型與三維實景模型（OBJ、DAE格式）疊加渲染，借助PICO（AR）[30]、Hololens（MR）[31]等可視化設備，實現虛擬現實表達及體驗。該解決方案可進一步用于設計過程中的公共參與、設計績效量化研究等方面。

3.3 風景遺產資源保護與利用

傳統的風景遺產資源的保護工作，往往通過圖像、手稿繪圖等方式進行信息的整理與匯編，而常用的三維激光掃描儀（如Trimble X80）往往成本高且操作復雜。相比之下，民用級無人機的使用能夠使風景文化遺產的數據采集、處理、儲存和信息管理變得更加靈活便捷[32]。風景遺產資源涉及的數據顆粒度較高，可根據遺產資源形態規劃無人機航線，如山體空間采用仿地飛行、塔型建筑宜采用環繞飛行等實現更高精度測量[33]，也可通過手持無人機進行貼近掃描。有研究通過無人機攝影測量生成的點云數據（Point loud data ）實現對古城風景遺產的實景掃描，并將生成的模型應用于規劃古城旅游、古城虛擬導航、研學教育等場景[34]。利用無人機航攝獲取古城墻遺址實景模型[35]、數字高程圖、數字地表模型[36]可以作為遺址保護存檔數據。點云數據還可以作為遺址墻體裂縫分析、結構分析的數據[37]，并對遺產要素的類型實現量化分析[38]。綜上所述，無人機攝影測量系統所具備的低成本、高效率靈活特點，為尚未得到相關部門認證且具備保護價值的風景遺產資源的保護與維護提供機遇。

3.4 林業及生態資源量化研究

為了獲取較高精度的生態資源數據，從事林業調查、森林研究的工作人員通常需要大量的時間與精力進行現場踏勘。無人機攝影測量在區域性的林業及生態研究方面提供了有效的解決方案。有研究利用CloudCompare軟件，對場地的點云數據進行分類處理，例如識別植被[39]、水域監測[40]等，Urech等[41]將點云數據用于樹葉密度與熱能吸收的迭代優化機制研究。王彬等[42]將林地的DSM和DTM數據疊加相減得到樹木高度變化模型（Canopy Height Model，CHM），Martins等[43]使用深度學習、分析點云數據進行植物類型識別。通過搭載多光譜鏡頭，應用于農作物植株高度測定和生物量估測[44]、三維綠量計算[45]等。除此之外，無人機攝影測量技術在高空植物識別、植物實景建模方面仍然具備進步空間，蘇黎世聯邦理工學院、MIT實驗室借助語義分割將三維點云數據進行修改與分類，可以精準地獲取場地的植物群落的結構化數據[46-47]。林業及生態資源識別涉及的樣本數量大、數據顆粒度高，而隨著計算機視覺技術與人工智能技術的發展，這方面的分析也會在數據準確度、分析智能化方面將有較大的提升。

3.5 系統信息模型基座的構建

系統信息模型常用來幫助人們更好地理解系統內部事物之間的關聯。2002年BIM[48]概念及技術在建筑領域得到快速推廣，2007年城市建設領域提出了城市信息模型CIM[49]，2008年Irving教授提出風景園林信息模型LIM（Landscape Information Modeling）[50]，系統信息模型理念進入了風景園林研究領域。風景園林信息模型涉及了不同類型、格式、維度的數據均需要進行數字化，其物理空間是由建筑、構筑物、植物、地形及水體等要素組成，通常使用矢量、柵格、網格、點云等數據描述[51]，而無人機攝影測量可實現多種顆粒度的數字孿生（digital twin）模型構建，包括宏觀維度的地理信息模型，微觀視角的植物信息模型、建筑信息模型、構筑物信息模型等。有研究通過無人機攝影測量快速創建城市區域信息模型CIM[52]，構建數字孿生可視化平臺，作為城市管理系統[53]、建筑工程管理系統[54]、橋梁信息系統[55]、工程信息系統構建[56]等。目前，無論是城市區域還是建筑景觀等領域，無人機攝影測量均可實現不同尺度的三維實景建模工作，支持系統信息模型的物理實體的數字孿生。

4 討論及展望

無人機攝影測量的解決方案具有機動靈活、高效快速、精細準確、作業成本低、適用范圍廣、生產周期短等特征，為風景園林空間場景數字化提供更多可能性。同時也存在一些亟需解決的技術難題。其一是數據采集問題。無人機飛行需要專業執照，操作人員需要熟練掌握無人機性能，在環境復雜、信號不穩定的城市空間中，需要保證數據的精準采集與飛行安全。其二是模型處理問題。三維實景模型網格面多、文件體量大并難以直接開展基于網格面的設計工作，前期需要大量人工進行矢量化、輕量化與結構化處理，同時也涉及編程與數據格式轉換等技術問題。最后是地理信息安全問題。實景模型完全復刻了地表信息，而項目開展常涉及到歷史文物、建筑與城市的重要空間，在交付與傳輸的過程中需要相應的保護措施防止地理數據被非法使用。但是，隨著新型測繪技術、人工智能等技術的發展，無人機攝影測量將在簡化測繪流程、智能化測繪與自動化數據處理等層面實現不斷革新，風景園林空間海量、高顆粒度的結構化數據收集與監測變得更加容易。在行業數字化轉型背景下，近些年無人機攝影測量無論是在學術研究還是設計實踐中，均有大量的研究與應用，為探索該解決方案的全新應用場景及發展趨勢，遂提出無人機攝影測量在未來應用的三個重要方向。

（1）以量化研究為基礎的應用拓展。無人機攝影測量支持LIM系統構建的空間量化基礎數據。在高質量發展、碳中和、可持續發展目標的背景下，量化研究進一步成為學科研究的新趨勢。通過無人機攝影測量對植物、生態空間的量化數據，可實現例如碳核算、SITE評級等工作，對建成環境的量化研究及評估工作帶來更多可能。隨著AIGC及計算機視覺技術的發展應用，依托無人機低空遙感輸出的圖像數據、三維點云數據進行語義分割、目標識別，可推演未來空間演化規律。

（2）集成化、便捷高效的設計工作流。構建不同部門之間的協同工作流，是規劃與設計行業數字化轉型的關鍵步驟。完整的數字化工作流包括環境數據采集與分析，設計與建模、渲染表現與模擬、建造與施工、景觀績效評價以及運維管理全生命周期。有研究人員將攝影測量技術與參數化、虛擬現實技術相結合，形成了詳細的數字化技術工作流[57]。目前市場已有相關軟件產品的研發，如AsuniCAD公司設計插件Lands Design，支持地圖、地形數據導入與處理，但缺乏對實景模型的導入及處理能力；Vectorworks landmark景觀版，支持單體項目從概念設計到施工圖紙的流程；而Bentley公司開發的Infrastructure Digital Twins系統，多用于市政基礎設施工程的信息集成管理。未來，以攝影測量建立的三維實景模型作為協同工作平臺，在平臺上開發在線設計、數據處理等工具，可實現基于三維實景的設計工作流，包括前期項目信息瀏覽、多方溝通交流、地形處理、設計建模、植物種植、成果渲染展現等功能，工作流的集成化可進一步提升設計工作的效率與科學性。

（3）虛實融合的風景園林空間體驗。隨著虛擬體驗場景的應用需求，虛擬空間設計也成了風景園林行業重要的拓展領域。通過無人機攝影測量構建風景園林場地模型，并進行輕量化、語義化處理，將建成后的三維場景與虛擬場景進行優化處理與再創作，將物理世界轉變為“全真”的虛擬世界系統，結合MR、VR、云渲染等技術的三維實景呈現，可實現虛擬與實景空間相結合的景觀體驗。除此之外，通過游戲平臺的二次開發，如Decentraland、Sandbox等虛擬游戲平臺，創建個人身份、形象，在線上空間進行社交與娛樂體驗。另外可構建創作者經濟，設計師可以在虛擬空間建造城市、建筑、景觀空間等各種數字資產，將創意設計成果轉化為NFT數字資產庫，在虛擬世界、虛擬游戲中拓展風景園林規劃與設計工作范疇。

注：文中圖表均由作者繪制。