基于UGC数据的云水谣古镇景观意象图景时空特征*

黄 攀 夏洋辉 林润泽 李霄鹤

福建农林大学园林学院 福州350002

人类所有感官获得的物体印象就是意象[1],景观意象质量的高低直接映射人们对该景观空间的认同,并作用于使用者的环境责任行为[2]。近年来在大数据环境中,照片元数据的可获得性极高,特别是大量带空间位置的图片成为刻画物质空间和社会空间的有效来源[3-5]。在此背景下,被提出的 “由用户产生的内容 (user-generated content,UGC)”这一概念,一般指游客在社交媒体平台上通过发布旅游文字和照片留下的游览足迹[6]。游客将景观感知与体验在虚拟空间发布,实现了更高层面的自我叙述与自我认同[7],这些分享的照片意味着该地不仅 “值得参观”,而且“值得在视觉上分享”是空间偏好的意象数字代理[8]。与传统的调查小组拍摄照片数据而言,其内容涵盖全面、容易获取、样本来源广泛[9],从大众自身视角出发,反映了日常行为下的观景印象[10],为景观空间研究带来了全新的视角和途径。然而,当前国内学者基于UGC图片数据的景观意象研究大多数汇集在城市范围,通过UGC图片构建城市意象[11]、进行目的地感知研究[12]、研究公园游客行为特征[13],对非城市景观空间的研究较少,尤其对于古镇景观空间 (在一定的地域空间由自然要素和人文因素相互作用形成的综合体[14]),由于本身的复杂性,更需要各类社交媒体上的 “表意数据”,以深入了解人的空间选择和景观意象偏好,借助其反映的频率和密度解析使用者对古镇的关注度。因而本文基于401位游客发布的1670张UGC图片,分析了云水谣古镇景观意象时空分布特征,提出了游客的景观意象反映为导向的云水谣古镇优化建议,以发挥古镇景观规划和大数据在保护地域性景观、促进旅游发展中的积极作用。

1 研究区域概况与数据收集

云水谣古镇地处福建漳州市西南部,距南靖县54km,始建于元朝,原名长教,因为电影《云水谣》而更名为云水谣古镇。云水谣古镇由官洋、坎下、璞山3个古村落组成,面积约为12.2km2,村与村之间由一条长教溪分隔开,四面环山,地势南高北低,呈南北狭长势地带。2008年南靖土楼申遗成功,云水谣因此成为一座拥有世界级文化遗产的古镇,且在2011年被列为5A级景区。

本文以云水谣古镇为研究对象,收集图片及元数据 (照片本身、使用者ID、发布时间),获取渠道以国内最有影响力的社交媒体平台——微博为主,并选取旅游门户网站,如蚂蜂窝和大众点评作为补充。上述3个平台具有海量的图片和开放性的获取方式是当前最主要的数据来源平台。研究数据的选取时间段为2018年1月1日—12月31日,共收集了421位游客发布的共1783张UGC图片,剔除内容重复、不相关等问题照片,最终获得符合要求的图片1670张,分别来自401位云水谣古镇旅游者。同时通过多人实地调研,对照片数据和研究区基础数据进行地理信息配准,构建云水谣古镇景观意象图景的UGC数据库。

2 研究方法

UGC图片为分析游客时空行为特征提供了有力的数据支撑,主要从时间统计分析、核密度分析以及多空间聚类分析3个角度探究云水谣古镇游客的时空分布特征。

1)时间统计分析。根据抓取照片的时间信息,统计游客照片月份、日夜间差异的用户照片数量对比,分析游客活动呈现出的时间规律及特征。根据照片内容的属性和要素对该地的景观意象图片进行分类,共计得到5个维度 (表1),即山水景观、建筑形制、民俗特色、生产生活和动植物。

表1 UGC图片数据分类

2)核密度分析 (KernelDensity)。通过核密度估计寻找样本分布热点区域,得出景观意象图景密度分布,如图1所示,以云水谣古镇范围为研究区域进行核函数计算。在参数设置中,KDE搜索半径大小的设定以游客的拍摄地理位置的平均距离作为参考,经测试,30m作为搜索半径时可清晰表现旅游者拍摄足迹在景点分布的细节差异。采用自然断裂的分级方法把核密度值分为非常低、低、中、高、非常高5类。

3)多距离空间聚类分析 (Ripley'sK函数)。多距离空间分析能有效分析不同距离不同数量的空间聚类关系[15],对网络空间中云水谣古镇游览距离范围内的空间相关性 (要素聚类扩散)进行汇总。通过对古镇内看点和焦点分别进行运算,运用10级距离分段以及边界校正方法对研究区域进行修订,同时设置Permutations为99%,计算得到图片看点与焦点分布的Ripley`sK值并进行L(d)转换。

图1 核密度分析 (Kernel Density)工作方法示意图

3 研究结果与分析

3.1 景观意象图景时间特征

将1670张图片进行拍摄时间统计分析,云水谣在不同季度的景观意象图景和日夜景间的分布占比存在显著差异 (表2)。一年4个季度中主要倾向于4—6月 (30%)和10—12月 (30%)。夜景在照片总数中占比低,仅1.9%。据夜间照片内容显示,夜景灯少,夜间景观设施少,因而景观可视性低。而冬季时增加了灯笼和其他具有民俗特色的夜间照明设施,增加了游客夜间观景的行为,因而10—12月份 (0.8%)出现的夜景图最多。

表2 UGC图片数据时间分布

将照片总数以及夜景照片数按月份进行统计(图2),发现无论是照片总数还是夜景照片数的变化趋势都呈 “W”型。照片数在一年12个月内共出现了3次峰值与两次谷值,3次峰值分别是6月、9月和12月,两次谷值分别是7—8月和10—11月。福建属于亚热带湿润季风气候,1—3月属于最冷时期,7—8月处于最热时期,拍摄照片数量最少。而6月、10月和12月舒适的气候条件则吸引旅游者前来休闲,照片数量也最多。总体而言,景观可视性、可视景观的最佳观赏时间、天气、体感温度、法定节假日都影响游客的出游行为并直观反映在照片数量的时间变化中。

将各景观意象类型分布差异进行分析,统计各维度占比得到结果如表3所示。从总体看,建筑形制、山水景观和民俗特色是旅游者拍摄最多的画面。具体而言,建筑形制类占比最高,是吸引游客的重要旅游资源,是云水谣相较于其他古镇的核心吸引力;山水景观也是云水谣吸引城市人群休闲的主要元素,占比排名第2,主要包括天气、长教溪、山体以及其他自然风景;民俗特色类位列第3,其中4—6月份 (20%)关注度高于其他月份,拍摄画面显示,以民俗文艺表演台和古步道为主体的民俗特色景观对游客具有较强的神秘感和吸引力。动植物类位列第4,10—12月份 (9.1%),7—9月份 (9%),这几个月的关注度要高于其他月份,拍摄画面主要集中于秋色叶与秋季开花植物;而生产生活在图景中占比最小,拍摄最多为7—9月份 (6.3%),包括旅游者自拍、当地特色小食、当地居民生活场景、农业生产等。

图2 云水谣古镇景观意象图景照片数量月变化 (a),夜景照片月变化 (b)

表3 云水谣景观意象比重表 %

3.2 基于GIS的空间分布特征

3.2.1 核密度分析

经由核密度算法,计算得到云水谣古镇景观意象图景核密度图 (图3-a)。从热点足迹分布图(图3-b)可以看出,水车、怀远楼、和贵楼是云水谣古镇的3大热点,以3个点分别向外辐射形成次一级流向。两大土楼是景区标志性景点,水车是云水谣电影拍摄地,这3个区域是游客来此游玩的必到之地,因而这3处照片核密度分布非常高。根据游客照片拍摄地点分布和实地调查的结果分析,古镇南部西侧离书版公路较近,为镇上主要居民区,无景点,游客不愿在此多做停留。云水谣东部相对中部、北部的游客照片核密度分布要低,原因是云水谣东部以山体农田为主,并没有在此规划游览路线,无上山道路,游客极少去。云水谣古镇中部密度值最高,是长教溪最具观赏价值的一段,景点项目内容丰富,游客在中部停留最多。

图3 云水谣古镇景观意象图景空间分布特征

云水谣古镇游览线路 (图3-c)大致成南北纵横的带状。游客进入云水谣古镇的落脚点主要分布在两处,即北部景区入口停车场和中部云水谣停车场,和贵楼处也分布有景区入口但使用者少。游客从景区入口停车场由北往南游览,首先到达正北侧的怀远楼区域,该区域有怀远楼及一些其他土楼,具有极高的地域特征识别度和良好的景观环境特征。景区东侧视野开阔、农田广布,而西侧则连接居民建筑,视野相对较狭窄。从热点足迹分布来看,东侧游客较多,说明游客更偏向于视野开阔的景观面;中段是核心景区,以中部为热点区域向外辐射沿途景点被长教溪串联起来,彰显景区百年古镇特色,游客更偏向于游览平时少见的水车与古榕。古步道下段以溪水、石坎连接当地一些特色建筑,西侧环山,途中经过榕佃、民俗文化表演戏台、翠美楼直至和贵楼。游客的景观意象线主要是怀远楼—土楼之光文化园—古榕—水车—圩市—榕佃—民俗文艺表演戏台—翠美楼—和贵楼这一条自北往南的带状游步道,整个景观意象的热点移动轨迹具有明显的单一性和趋向性。

3.2.2 多距离空间聚类分析 (Ripley's K函数)

景观空间之中看点与焦点是一组互相对应的关系,看点即 “观景点”指从某一点向别处看的地点;焦点则是 “景观点”指从各个方面被观赏的对象[16]。游览者在游览过程中会依据主观偏好和自我体验对景观进行个体偏好和感知,两者存在非一致性分布。本文对研究地看点和焦点分别进行两次Ripley'sK函数计算,结果如图4所示。

图4 云水谣古镇景观意象图景空间聚类特征

图4 表明,云水谣看点分布的观测K值始终处于预期K值之下说明与该距离的随机分布相比,看点分布的离散程度更高。两个K值间的距离差值较大达到4级距离即生态观光园至翠美楼时开始出现明显的正相关,即距离增大,越往和贵楼与怀远楼走,看点离散程度越高。云水谣看点分布意味着云水谣古镇在社交媒体图片反映下的观景空间呈明显的碎片化,无明显中心景观。从焦点分布来看,其观测K值曲线始终大于最高置信区间曲线,有显著的聚集特征,意味着云水谣古镇的景观点分布不均匀,有明显的中心点,如其在2级距离时即水车古榕段达到最高集聚性,且焦点的L(d)曲线的观测K值在1～7.5级距离区间即怀远楼至和贵楼内始高于预期K值,表明其在该距离区间段有较高的集聚程度,随着距离的增加,集聚程度从7级距离时才开始减弱。

综上,云水谣古镇的景观点在空间分布上呈明显的集聚性结构特征,景观空间呈整体化趋势,开发后状态良好,这说明之前的规划行为正适用于云水谣并且正在形成固化的空间形态,影响和规范着游客感知体验。相反,观景点则始终保持为离散状态,这说明在各个观景点能得到不同景观点带来的观景体验,而非集聚在某一中心景观内。

4 结论与建议

基于时间统计分析、核密度分析、多空间聚类分析挖掘UGC图片时空信息,以云水谣古镇为实例进行探索性分析,主要得出以下结论,并给出相应建议。

1)从时间分布看,1—3月是淡季且夜间景观可视性低,夜景缺乏吸引力。从图景分类对比看,游客倾向特色的建筑形制和山水景观,对乡土民情和地方美食以及历史文化等景观地域特征有兴趣和新鲜感,但参与度不高。建议增加夜景的可观赏性和可玩性,丰富活动内容调节淡、旺季,除了增设景点亮化外,还需增加道路网络夜景亮化。目前云水谣的旅游方式以观光为主,景点丰富而景观体验相对匮乏,难以充分欣赏和体验云水谣的古镇风貌,建议加强互动性与参与性景观场所,变观光游为体验游。

2)从核密度分布看,云水谣景点核密度分布不均,有些景点和古镇空间使用频率极少,如东山祠、福星楼等,且游览路径单一,趋向性明显。建议加强对各类闲置土楼资源的深入挖掘利用,激发空间活力,形成完整独特的旅游空间品质。可以优化观景路线设计,形成更具体深入的游览路线,从当地的生产与生活感知中结合传统空间环境提取最佳观景路线。

3)从空间聚类关系看,云水谣景观点具有明显的集聚特征,景观空间结构呈整体化,而观景点则处于明显的离散状态,呈碎片化趋势,可以加强观景点塑造,形成双向交织的景观空间。例如在云水谣内选择游客密度大的区域,建设多层次多方向的观景构筑物、观景平台等满足游客的观景需求。

5 讨论

本文通过大量UGC数据对云水谣游客在景观空间中的足迹与景观意象进行探索性研究,借助互联网技术解决了人工拍照分析图片样本较少的问题,较大程度上去除了调研人员的主观性,为评估和优化各类景观空间提供了依据与新思路。但另一方面,基于UGC图片数据进行景观空间意象研究在景观领域尚处于初级阶段,本文具有以下局限性并有待完善:首先,UGC的优势在于海量的大众视角下的图片数据收集,而对于一些开发程度不高、知名度较差的景观空间则会出现UGC数据不足的短板,无法反映出游客的观景行为;其次,在图片源选取方面,本文采用微博、蚂蜂窝进行图片采集,这些网站为用户提供上传图片、定位、添加时间标签等功能,只基本满足UGC数据采集的需要,一些数据模块是缺失的,导致数据分析结论不够丰富,因此如何对数据进行进一步的筛选与处理有待进一步研究;再次,由于偏好和技术门槛的存在,在交互网站上发布照片的以年轻人居多,老人几乎没有,与实际的观赏人群构成有差距,因而后期在基于UGC数据进行研究时需要与景观空间中其他指标与特征结合起来,以丰富研究数据的多样性,进一步提升研究的客观性。