基于BIB-LCJ 模型的湿地公园生态环境质量评价

陈国栋，王 浩

南京林业大学 风景园林学院，江苏 南京 210037

湿地公园是一种以水为主体的公园，它具备湿地科普宣传、生态观光、休闲旅游和科研研究等功能[1-4]。在湿地公园的规划设计中，合理巧妙的规划各类景观资源有利于增添别样的视觉趣味，提高整体的生态环境。在国内，冯继忠和刘滨谊等人于1984 年以“风景旷奥度”为切入点，从心理、物理和意向三个层面，提炼出12 个指标，并进行计算机数字化，建立了生态环境质量评价体系[5]。随后，国内学者从空间尺度[6]、景观布局、人们心理感受[7]、景观要素丰富度[8]、景观色彩等要素进行了更为详细的基础研究[9]。在前人研究的基础上，本文利用新型的VR 虚拟现实技术[10]（以下简称VR 技术）还原湿地公园现实场地环境，对受访者实现侵入式体验，最大化的减少传统二维场景的平面干扰[11]。VR 场景着重摄取湿地公园景观空间、树群轮廓线、植被景观、水体、焦点景色等相关因素构成的环境，并通过BIB-LCJ 法对不同背景下的受访群体的打分结果进行量化分析。

1 材料与方法

1.1 研究区概况

金坛区隶属于江苏省常州市，地处江苏省南部，位于北亚热带与中亚热带的过渡地带，属北亚热带湿润季风性气候。长荡湖，则位于常州金坛区东南部，在溧阳市区东北部20 km 处，跨金坛区、溧阳市，其中，百分之九十以上在金坛境内，为太湖流域第三大湖泊，是一个集调节洪涝、饮用水源、农业灌溉、交通航运和渔业生产等多种功能于一体的浅水草型湖泊。通过查阅《江苏金坛长荡湖国家湿地公园总体规划》等相关资料发现，金坛长荡湖国家湿地公园现有湿地总面积7567 hm2，湿地率为95%。长荡湖湿地公园水生生物种类繁多，湿地动植物资源较为丰富。湿地公园内现有维管植物208 种，水生植物25 种；鱼类5 目13 科46 种，鸟类多达90 余种，已成为整个太湖流域秋冬季节鸟类主要栖居区之一。

1.2 数据来源

本次研究的数据来源于中景博道城市规划的《江苏金坛长荡湖国家湿地公园总体规划》，江苏省金坛长荡湖旅游度假区管委会提供的长荡湖景区景观设计用地范围图和道路交通图，基于野外调研拍摄的现实环境制作的VR 场景数据，问卷调研数据以及通过网络等搜集的相关参考文献。

1.3 研究过程和方法

1.3.1 湿地公园样本收集 在长荡湖国家湿地公园采集了25 个现实环境，拍摄280 张照片作为辅助，均用同一款相机相同的摄影参数拍摄。拍摄时间在9:00 am～11:30 am，拍摄模式为日光标准模式，横向采样，拍摄高度为1.7 m。室内作业：将拍摄得到的场景数据进行VR 技术虚拟模拟[12]，测试效果较好后邀请受访者进行侵入式体验。

图1 VR 场景样本示例Fig.1 Sample of VR scenario

1.3.2 问卷调查法 首先随机选取不同社会背景下的208 位受访者，按照年龄分成幼年（7～17 岁）、青年（18～40 周岁）、中年（41～65 周岁）、老年（66 岁以上）四组群体。实际发放了208 份调查问卷，得到200 份有效调查问卷。建立湿地公园生态环境质量问卷调查评价指标时，通过查阅文献选择了空间尺度与距离、植被覆盖率、树群轮廓线、植被层次、焦点景色、水类型、驳岸类型、景观色彩种类、景观色彩对比度、有利的人工景观（特色亭台廊榭、木栈道、景石等设施）、不利的人工景观（道路、电力设施、工厂等功能性建筑）11 类指标作为本次评价打分项，具体如表1 所示。

表1 长荡湖湿地公园生态环境质量要素评价标准[13]Table 1 Evaluation criteria for quality factors of ecological environment in Changdang Lake Wetland Park

1.3.3 BIB-LCJ（Balanced Incomplete Block design-Law of Comparative Judgment）法评价 本次研究参考中科院的数理统计表的平衡不完全组[14]来设计评价流程，将每组场景设定为5 个，编为5*5 的矩阵[15]，按照BIB 法进行分组和排序，将评价等级分为1、2、3、4 级，评价者根据播放的场景接受实时询问问卷打分。对搜集的样本数据进行研究时，采取BIB-LCJ 法，即平衡不完全区组-比较评判法。通过分析的样本打分数据研究，来对湿地公园生态环境质量评价。这套评价体系由俞孔坚教授[16]提出，其将SBE（Scenic Beauty Estimation）[17]风景度评价法和LCJ（Law of Comparative Judgment）比较评判法结合在一起，对大量样本进行评价，实现了样本区间之间的比较，能较为专业的反应出评价者对湿地公园景观的审美态度。

1.4 数据处理

评价所得数据使用Excel 2007 软件进行处理，并绘制相应的表格；在此基础上，采用SPSS19.0软件对长荡湖湿地公园生态环境质量的各类要素评价结果进行相关性分析和回归分析，明确评价者对哪些景观要素更为偏爱，分析出对生态环境质量贡献较大的指标要素。

2 结果与分析

2.1 评价群体审美的相关性分析

通过问卷调查，得到长荡湖湿地公园生态环境质量评价数据。将此整理成频率矩阵[18]，表达各类评价群体对样本VR 场景的打分情况。人们通常认为年龄会影响阅历和对待事物的认知，故需要首先确定4 组年龄段下的受访者个体对生态环境质量景观要素的偏好和厌恶，这些审美差异可以通过相关性和回归分析得出一定的结论。首先确定少年A、青年B、中年C、老年D 为四个变量，在此基础上对这四个变量的评价分值的平均值MR 进行正态性检验，如表2 所示。场景调查个数为25个，宜采取Shapiro-Wilk 检验（小样本容量检验）[19]。通过表2 可知，Sig.A＜0.05，Sig.B＞0.05，Sig.C ＜0.05，Sig.D ＜0.05，3/4 变量Sig.值不符合正态分布，故采取Kendall 相关性分析[20]，具体见表3。

表2 正态性检验Table 2 Normality test

通过表3Kendall 相关性分析可知，少年A、青年B、中年C、老年D 四类变量两两的相关系数都在0.7 以上，属于中、高度相关，这表明本次研究不同主体之间的审美较为一致。其中，中年C、老年D 之间的相关系数最高，表明中老年主体的审美更为接近。审美的高度相关性表明本次评价者的群体在对湿地公园的生态环境质量评价上分歧较小，故不同社会背景及年龄段的差异并没给本次评价带来影响，我们认为本次选择的受访者样本可靠而具有代表性。

表3 评价主体生态环境质量审美相关性分析Table 3 Analysis of the aesthetic correlation with ecological environment quality of the subject

2.2 BIB-LCJ 生态环境质量度量值

依据频率矩阵数据，处理平均等级及其修正值，再计算平均选择分数、选择分数百分率及其修正值，最后得到P’。依据PZO 的转换表，得到Z 分数，以此代表各类评价群体对样本VR 场景的生态环境质量评价结果，以平均值Z 代表各类样本的综合生态环境质量评估结果（表4）。

表4 BIB-LCJ 法评价生态环境质量统计表Table 4 statistics of ecological environment quality evaluated by BIB-LCJ method

将25 张VR 场景样本的Z 值平均值用EXCEL 进行图表绘制，得到BIB-LCJ 法对生态环境质量评价结果，具体如图1 所示。从图2 可知，样本VR 场景中有两大高峰5～7 及13～15，其余样本VR场景呈现递减的评价趋势。大部分样本VR 场景的Z 值平均值在1.75 处上下波动，而VR 场景样本1～4 区间Z 值＞8～12 区间Z 值＞16～25 区间Z 值。因此本文认为5～7 及13～15 区间的样本VR 场景为长荡湖湿地公园生态环境质量的最佳代表，16～25 为最次代表。

图2 BIB-LCJ 法对生态环境质量评价结果比较Fig.2 Comparison of ecological quality evaluation results based on BIB-LCJ method

通过对高分段编号5、6、7 及13、14、15 虚拟场景的分析发现它们的景观空间大多开阖有致，既有开阔宏伟的水景观，又有亲切的观景交流空间；它们植被覆盖率较高，远处背景有较为明显的树群轮廓，近处植被层次丰富，从陆生到水生相渐过渡，且拥有的生态驳岸场景更受大家欢迎；此外，样本VR 场景中景观色彩三种以上的人气较高，且有明显视觉焦点的VR 场景打分较高。

从低分区域的VR 场景可以看出评价者对人工痕迹重的区域评价较为负面，如密度较大的路网、硬质驳岸及不利景观的功能设施，这表明在评价标准中人们更喜欢自然影响要素较高的指标因子。值得注意的是，较为杂乱的植被层次同样得到了较低的分数。过于野生的环境会给人们造成潜在危险暗示，故这些场景需要设计师进行有效规划，充分利用场地资源营造出优美有序的生境。

3 结论与创新

3.1 结论

本文选择了空间尺度、植被覆盖率及层次、树群轮廓线、焦点景色等11 类要素作为长荡湖湿地公园的生态环境质量影响要素，基于此构建本次的调查问卷。通过Kendall 相关性分析，发现四组年龄段少年A、青年B、中年C、老年D 两两的相关系数都在0.7 以上，这表明本次研究不同主体之间的审美较为一致，可以合并研究不做群体分类讨论。在不同背景评价者的审美需求较为统一的前提下，以BIB-LCJ 法计算生态环境质量度量值，得出如下结论：编号5、6、7 及13、14、15 虚拟场景生态环境质量评估结果Z 值构成了两大峰值区间[1.85，1.95]、[1.9，2]，其余结果在1.75 处波动；峰值段内的样本场景表明连续优雅的树群轮廓线、生态驳岸、丰富的景观色彩及焦点景色几类影响因子对生态环境质量有着积极的正面影响；从低分区域的VR 场景可以看出评价者对人工痕迹重的区域评价较为负面，如密度较大的路网、硬质驳岸及不利景观的功能设施。

3.2 创新点

传统的生态环境质量评价数据获取方法有两种：1 去实地找受访者打分调查，2 拍摄照片再统一找受访者看照打分。这两种方法前者耗时耗力，一时难以找到多个受采访者，且实地找到的受访者往往只游览公园一角，打分易受到特定环境影响，容易以偏概全；后者相比前者高效一些，但二维平面照片相比实地的体验感大打折扣，评价者只能从表面感官给予打分。而VR 虚拟现实技术结合了以上两种方法的优点，将实地三维空间场景真实还原，侵入式体验更是让受访者身临其境。这种技术的引入有利于受访者给出较为客观的评价打分，且大大提高了调查效率。

目前生态环境质量的研究文献较多，但针对湿地公园的生态环境质量的研究仍然较少。通过查阅大量文献，创新性地引入BIB-LCJ 法至湿地景观评价中，此方法适合分析较复杂指标要素背景下的样本特征。此外，通过BIB-LCJ 法与Kendall 相关性分析结合，可得到受访者个体年龄段之间的审美差异，分析受访样本是否具有代表性和可靠性。