基于GIS和模糊层次分析法的观景点分布区评筛——以株洲九郎山山地公园为例

肖志鹏,刘破浪,刘 晔,胡芳文,彭怀贞,张子妍,高萍

(中南林业科技大学,长沙 410004)

观景点选址是风景规划中的重要组成部分[1-2]。在风景规划的踏勘中,需记录遇到的适宜观景点及相关信息以进行观景点选址。对观景点的选址,传统做法往往依靠规划者的认知及相关经验,但大尺度场地会受踏查时间与次数限制,难以实现全面调查,故传统方法存在局限。

GIS能够集成处理地理信息。模糊层次分析法是规划决策中的一种决策方法,与层次分析法相比更符合人类思维的模糊性[3-4]。为了更好地解决规划中的问题,GIS技术结合模糊层次分析法被运用在选址研究中,对运用这一方法进行选址分析的研究已在一些领域初步展开[5-7]。目前,在风景规划领域,基于GIS技术的景观评价与选址已有初步研究。张强等[8-10]对选定景点的视觉景观效果进行了评价；聂康才等[11]研究了基于景观敏感度与用地适宜性的选址辅助决策；林鹏[12]基于GIS从坡度、游线距离、景观敏感度等角度对亭的选址进行了研究。但目前现有的研究无法确定潜在观景点分布区,国内也未见将模糊层次分析法应用于风景规划选址中的研究。

为减少风景规划中观景点踏查工作量,实现重点踏查,本文提出一种潜在观景点分布区的评筛方法。该方法基于GIS和模糊层次分析法,针对上述问题,构建适用于潜在观景点分布适宜性评价体系。对得到的适宜性评价,结合局部踏查结果设置阈值实现筛查。该方法能够为风景区观景点选址、游线规划提供参考和科学依据。

1 研究方法

1.1 观景点分布适宜性指标设计

观景点分布适宜性反映了某一地点作为观景点的可能性与适宜程度。一方面,与被观测对象相关,如,被观测对象的种类、性质；另一方面,与观测者所在位置是否适宜观景有关,如,是否可达,是否便于停留,与被观察对象是否存在通视关系等。

参考以往的研究[12-15],本文基于指标选取的科学性、表征性、独立性、数据可获取性等基本原则,建立了包括视距适宜性、视域开阔性、驻留适宜性、交通可达性4项基础指标的评价指标体系。单因子评价计算主要参考俞孔坚[15]介绍的方法。因本文旨在评筛潜在观景区,因此,不对单因子评价结果进行分级处理,而是在综合评价后设置筛选阈值。

1.1.1视距适宜性

观景点与特定景物的距离影响景观视觉效果。对于一定的被观测对象,在一定距离范围内,所能取得的视觉效果最佳,超出一定范围,效果随距离变化而改变。

一方面,被观测对象的体量和类别影响最佳观赏距离,如高大山峦、建筑群体及水库、池塘的最佳观赏距离各有区别。另一方面,最佳观赏距离受人眼视物规律影响,一定距离范围内能够观察对象的细部,超出一定范围后细部不可见,一定范围内对象轮廓可被辨识,超出后不可辨识。同时,景物被观察的效果,由近及远,是由清晰到模糊的渐变的过程。

结合研究区具体情况,本文按表1对景物进行分类。

表1 景物类别及其性质Tab.1 Types and characteristics of views

按下列公式计算不同类别的单个景物在不同距离区间内的评价值:

(1)

式中:Di为单个景物在不同距离上的评价值,d为观景点与景物的距离；x1为最佳视距区间的下限,x2为最佳视距区间的上限；v为可见性,v=0代表在该位置与景物不存在通视关系,v=1则相反。

由于一特定位置可能存在多个可被观赏的景物,基于多个景物,按下列公式计算,得到视距适宜性评价:

(2)

考虑本研究区情况,认为适合远距离观赏景物最佳视距范围在300～1 800 m,即对于适合远距离观赏的景物,x1为300,x2为1 800；适合中等距离的观赏景物中,仅适宜在中等距离取得效果的景物,其最佳视距范围为30～300 m,即x1为30,x2为300,而在近距离取得与中等距离相近效果的景物,其最佳视距范围为0～70 m,即x1为0,x2为70。

1.1.2视域开阔性

当视域足够开阔,虽不具特定的观赏对象,同样具有观赏上的意义。同时,在其他条件相同的情况下,在某一位置视域越广阔,则作为观景的位置越有利。结合研究区具体情况,本文按下列公式计算视域开阔性:

B=(α- minα)/(maxα- minα)

(3)

式中:B为视域开阔性评价值,α为在某一位置上环视360°的可视区域面积的大小。研究区所有位置中,可视面积最小为minα,最大为maxα。

1.1.3驻留适宜性

驻留适宜性与观察者所处位置的坡度大小相关,平坦地面适合停留,有利于作为观景点,当地面具有坡度时,则不利于停留观景,坡度越大,可停留性越差,过大的坡度则无法停留。通常1.1 °以下的坡度对人的停留不造成影响,高于5.7 °时不易停留,坡度达到45°时通常无法停留[16]。参考以往研究[12-15],考虑坡度环境对人停留的影响及研究区情况,本文按下列公式计算驻留适宜性:

S=1-sin2[arctan(H×W-1)]

(4)

S=1- sin2β

(5)

式中:S为驻留适宜性评价值,H为等高距(m),W为等高线水平间距(m),β为观察者所处位置的地面坡度值。

1.1.4交通可达性

交通可达性与距离游览道路的距离相关。游人在游览过程中通过道路方能抵达特定区域,同时在距离道路越近的区域,进行新的道路建设,如铺设栈道,其成本更低。因此,距离道路越近,交通可达性越高。参考以往研究[12-15],结合研究区道路具体情况,本文按下列公式计算视距适宜性:

T=f/d

(6)

式中:T为交通可达性评价值,d为观景点至道路边缘的垂直距离。设距离道路一定距离内,对游人的到达基本不造成阻碍的最大距离为f,本文中f取25 m。

1.2 观景点分布适宜性评价

徐泽水[17]提出了一种基于FOWA算子的三角模糊数互补判断矩阵排序法,本文采用该方法计算指标权重。

观景点分布适宜性记为S,结合得出权重,观景点分布适宜性的计算方法如下:

S=w1×Q+w2×B+w3×S+w4×T

(7)

1.3 筛选方法及结果检验

观景点分布适宜性评价,是对研究区内各个位置的作为观景点的适宜性做定量的评价,评价值越高,代表存在适宜的观景点的可能性越高。但对于适宜或不适宜作为观景点的界定值,单凭观景点分布适宜性评价无法确定。

为确定筛选阈值,本文通过对研究区的局部区域进行实地踏查,基于多位相关专业背景的踏查者的踏查结果,确定区域内具有观景点意义的若干地点,并在观景点分布适宜性评价中查询这些地点的评价分值。取这些地点的评价分值的最小值及其它在统计学上有意义的值(最小四分位数、平均值、中位数等),作为筛选阈值。高于阈值的为适宜区域,反之为不适宜区域。

结果检验方法为选定另一条踏查路线,按上述方法得到适宜观景点,计算落在筛选为适宜范围的点数,并计算占总数的百分比。

上述单因子评价,综合评价及筛选均在Arcgis 10.5中完成。

2 案例检验

2.1 研究区概况 数据源及景物选取

本文选取株洲九郎山山地公园作为研究区。九郎山山地公园位于湖南省株洲市石峰区,地处长株潭交界地带,九郎山主峰海拔328 m,为长、株、潭三市城区之最。研究区域总面积为771.1 hm2。区域内主要为自然山体,植被主要为人工林,且植物景观效果不突出,区域内有寺庙、水库数处。

研究数据包括:九郎山地形图(含等高线、高程点、建筑物、道路等信息),谷歌卫星影像,地理空间数据云DEM高程数据。

景物选取:结合卫星影像、地形图及研究区资料,参照《中国森林公园风景资源质量等级评定》对风景资源类型的描述[18],选取在中、远距离上具有观赏价值的景物,得到山体1(第1处突出的高大山体)、山体2(第2处突出的高大山体)、寒塘水库、夹坡水库、芭蕉水库、上林寺、双峰禅寺、九郎寺、秋瑾故居等共计9处观赏对象。按表1所述定义对这些景物进行分类,其中山体1、山体2属于远距离观赏景物；上林寺、双峰禅寺、九郎寺、秋瑾故居属于中距离观赏景物中仅在中等距离取得最佳效果的一类；寒塘水库、夹坡水库及芭蕉水库属于中距离观赏景物中在中、近距离取得最佳观赏效果的景物。

研究区高程、道路与景物分布情况如图1(a)所示。

2.2 基于FAHP的指标权重测算

本文采用徐泽水[17]提出的方法计算指标权重。此计算方法大致步骤如下:

1) 针对决策方案,构造三角模糊数互补判断矩阵。

2) 确定FOWA算子的加权向量:选择模糊语义量化准则,以确定模糊语义量化算子的参数,结合模糊语义量化算子计算结果,计算求得FOWA算子的加权向量。

3) 基于FOWA算子对判断信息进行集结:确定决策态度(保守、中立、追求风险),计算模糊三角数矩阵各元素的期望值,根据期望值大小对模糊三角数矩阵按行进行重排序,再对重排序结果按FOWA算子对判断信息进行集结,得到各方案的优先程度。

4) 计算各指标权重:计算优先程度的期望值,对优先程度的期望值归一化,得到排序向量,基于三角模糊数期望值求得三角模糊数互补判断矩阵的排序向量,排序向量即为权重。

本文指标权重测算过程如下:

通过专家咨询,构建的观景点分布适宜性三角模糊数互补判断矩阵如表2所示。

模糊语义量化准则选择“大多数”,按文中徐泽水[17]提出的计算方法得到加权向量w=(0,0.4,0.5,1)T；决策态度为风险中立,按文中方法求得矩阵中元素期望值,并按期望值大小对矩阵中每行各数据按行进行重排序。因篇幅有限,此处期望值结果及重排序结果省略；将FOWA算子计算方案与其它方案的优先程度相比,计算得到优先程度期望值,对优先程度期望值归一化得到排序向量,此时得到的排序向量即为各因素相对目标所占权重。优先程度、优先程度的期望值与排序向量如表3所示。

表2 观景点分布适宜性三角模糊数互补判断矩阵Tab.2 Triangular fuzzy number complementary judge matrix of suitability of distribution of scenic view-point

表3 优先程度 优先程度期望值与排序向量Tab.3 Priority,priority expectation and ranking vector

2.3 单因子评价及综合评价

2.3.1视距适宜性

对山体1、山体2、寒塘水库、夹坡水库、芭蕉水库、上林寺、双峰禅寺、九郎寺、秋瑾故居共计9处观赏对象,按式(1)计算每一处景物在不同距离位置的评价值,按式(2)对所有景物在不同距离上的评价值求和并离差标准化,得到的视距适宜性评价,具体情况如图1(b)所示。

2.3.2视域开阔性

由于可视区域不局限于研究区红线范围内,而在视域开阔性评价方面,已有的地形图中的高程数据不能满足研究需要,故采用地理空间数据云提供的30m×30m地形高程数据进行替代,以求近似解。过程如下:通过地理空间数据云30m×30m DEM高程数据,取得研究区域边界向外缓冲3 km的DEM栅格数据(同时包括研究区内部区域高程),缓冲范围如图1(c)所示,对得到的高程数据进行栅格转点,对点赋予地形高程,再进行可视性分析。

可视性分析参数:栅格数据选择缓冲3 km的DEM栅格数据,观察点选择赋予地形高程的点,分析类型选择频次,视点高程选择高程字段,表面偏移1.6 m。可视性分析处理得到的栅格数据,其每一栅格单元的值,即为此在单元的中心位置的可视单元的数量,按式(3)计算视域开阔性评价值。视域开阔性评价如图1(d)所示。

2.3.3驻留适宜性

利用研究区地形图,得到高程数据,通过高程数据得到坡度分析结果。坡度分析结果表现形式为坡度值,由于坡度大于45°时游人不能停留,将45°以上坡度值统一为45°,再按式(5)求驻留适宜性评价值,驻留适宜性评价图如图1(e)所示。

2.3.4交通可达性

通过地形图得到道路矢量(Polygon)文件,通过距离分析得到研究区域中各位置与道路的距离,按式(6)求得交通可达性评价,具体情况如图1(f)所示。

2.3.5观景点分布适宜性

按式(7)计算观景点分布适宜性,结果如图1(g)所示。规划范围的观景点分布适宜性评价值在0.02～0.74间,均值为0.28,标准差为0.11。

注:(a)高程、主要道路、景物；(b)视距适宜性评价；(c)边界3 km缓冲区域；(d)视域开阔性评价；(e)停留适宜性评价；(f)交通可达性评价；(g)观景点分布适宜性评价；(h)局部踏查路线及观景点；(i)筛查结果

图1 潜在观景点分布区评筛

Fig.1 Evaluating and Screening of potential scenic spots

2.4 筛选阈值确定 筛选结果及检验

研究中选定观景点的位置,由5名风景园林专业的硕士研究生进行实地踏查确定。具体方法为:每人按相同路线独立踏查,并标记出认为适宜作观景点的位置。当同一位置有3名及以上研究生认为适宜作为观景点位置时,则认为是适宜的。依据此方法,按线路1踏查,踏查得到A1-A16,共计16处适宜观景位置。踏查路线1及A1-A16位置如图1(h)所示。

各个适宜作为观景点的位置在观景点分布适宜性评价中的评价值如表4所示,由表4可知,适宜性评价极小值为0.40,第一四分位数0.43,均值为0.48±0.06,中位数为0.50。当设置筛选阈值分别取0.4,0.43,0.48,0.50时,筛选出潜在观景点分布区的面积,占研究区总面积的16.9%,8.9%,3.6%,2.3%。当筛选阈值为0.4时,得到筛选结果如图1(i)所示 。

对筛查结果进行检验。检验方法为:选定另一条踏查路线,按上述方法得到适宜观景点,计算落在筛选为适宜范围的点数,并计算占总数的百分比。检验选定的踏查路线,文中记为检查路线,得到的适宜观景点文中记为检查点,检查路线及检查点(15处)如图2所示。经检验,80.0%的点都落在筛选得到的适宜范围内。

表4 踏查所得观景点在观景点分布适宜性评价中的评价值Tab.4 Evaluate value from the previous evaluation of scenic view-point that obtained from investigation

图2 检验路线及选定检验点Fig.2 Inspection route and selected inspection point

3 讨论

对于具有一定面积的风景区、旅游区、郊野公园的规划,需要进行多次踏查,而即使多次踏查,也难以真正实现全面踏查。现有的视觉评价研究中,通常引用景观敏感性作为一项主要评价指标[8-10]。但景观敏感性是景观被注意到的程度的度量,因而主要用于景点评价研究,不能为潜在观景点分布区的确定提供帮助。本研究提出的改进指标体系,对研究区任一位置均得到了对应评价,具体情况如图1(b),1(d),1(e),1(f),1(g)所示,因此,能够针对潜在观景点分布区进行评价。

一些基于GIS的景观视觉评价研究,在评价后采取按自然间断点或相等间距的分类方法对评价结果进行分类[11,19]。前者能使各个类之间的差异最大化,后者强调的是每个相同子范围所涵盖数据的量的差异,均是基于数据的数学特征而非实际意义考量。本研究采用局部踏查结果结合评价结果确定分类临界值,能更好地实现对潜在观景点分布区的筛选。

综上,对于具有一定面积的规划区,本研究提供的评筛方法,实现了对规划区整体的评价与筛查,既可在未踏查时进行初步分析,也可结合已有的初步踏查结果来设定筛选阈值,并根据踏查需要设定阈值,实现筛查。故本方法能帮助确定潜在观景点分布的区域,减少踏查工作的工作量,提高踏查工作效率,并为观景点选址及游线规划提供参考。

需要指出的是,在规划层面的工作中,按本研究方法对潜在观景点分布区进行筛选是可行的,而在观景点位置的精确定点上,本方法无法提供解决方案,因为位置的精确定点涉及到形态问题、空间搭配乃至意境的营构,而这一点必须通过实地踏勘才能确定。