植景设计视角下的植物绿色空间美景度数量化模型

唐晶晶 姚崇怀

植物绿色空间是指主要由植物覆盖、依托地形地貌且具有一定人为设计的、提供游憩、观赏、集散等开放功能的空间场所[1]，量化植物绿色空间质量可更好地指导植物绿色空间的配置及规划设计。

人对景观的评价来源于对客观外界的感受，而视觉是人体感官中的主导要素，也是当今数字传媒时代影响下的信息交流主要媒介，相关研究显示：人类活动中高达70%由视觉引导心理感受、思考行为[2-3]。在人对周围景观的感知过程中，视觉感知也占据绝对的优势地位，在此基础上建立的美景度评价法(Scenic Beauty Estimation，SBE)是景观视觉评价中运用广泛且严谨精确的方法[4]。美景度评价属于心理物理学派评价方法的分支，最先用于森林景观评价[5]，逐渐推广到公园景观[6]、居住区绿地[7]、校园景观[8]等，不同学者运用该方法建立了不同类型绿地的美景度评价模型。以往美景度评价研究中，一般依据主观感受对不同景观类型进行分级评分，其优势是与人的直观感受具有较好的一致性，但从设计优化的角度看，人们的视觉感知与景观空间特性、设计要素特性对应性不足，要素间也未能进行关联性、制约性检验，使得评价结果在具体实践中引导性不强。本文基于上述问题的思考与探究，尝试用植景中可操作的要素作为美景度评价因子，并结合因子分析，提取出相互独立的因子来建立数量化模型，以期使美景度评价这一方法能更好地运用于具体植物绿色空间设计的过程中。

1 研究方法

1.1 美景度评价程序

1.1.1 样地选择与拍摄

正常人眼的水平视线能够看清细节的距离为25m，在相应范围空间的景物更能引起视觉注意[9]，人双眼的水平可视范围约220°，因此本研究的样方单元格边长为2×25m，即样方为50m×50m。样地选择武汉市校园、公园中主要以植物营造的绿色空间。

图1 样地拍摄方法示意

图2 16号样地北侧

图3 16号样地东侧

图4 16号样地南侧

图5 16号样地西侧

为减少拍摄带来的差异影响，拍摄时统一相关参数及限定条件。

1)选择晴朗的天气，拍摄时间9：00—11：00及15：00—17：00。

2)固定相机拍摄高度为人眼高度1.6m，保持相同景深横向拍摄。

3)每个样方采用东南西北4个方位向中心各拍摄一张(图1)，其中一组样方照片如图2～5。

按照上述方法拍摄了72组样方，剔除画质模糊、车辆人群干扰照片，获得69组有效样方照片并将其编号。

1.1.2 评分人员

此次评分人员共223人，年龄层集中在18～30岁群体，景观相关专业人员有77人，非专业背景146人。前人的美景度评价研究表明，不同群体尽管年龄层、受教育程度、专业背景差异较大，但审美态度具有较强的一致性[10-11]。

1.1.3 评分方式

样方评分等级为0～10分，将拍摄的各样方照片整理为幻灯片，采用室内幻灯片与网络问卷评分，收集汇总后剔除明显随意评分的数据。

1.2 美景度影响要素选取及量化

1.2.1 影响要素选取分析

本研究选取绿容积率、空间开敞度、植物冠幅、植物丰富度、色彩丰富度、郁闭度6个客观因子来量化植物绿色空间。

绿容积率(Green Volume Ratio，GVR)国内未统一定义，本文是指单位土地面积上的叶面积总量(Leaf Area，LA)，意同叶面积指数(Leaf Area Index，LAI)，语义上类比于建筑容积率，与绿地的结构、强度、功能产业了关联[12]。其确定机制与计算方法是通过实地测算叶面积指数(LAI)、提取遥感影像的植被指数(Vegetation Index，VI)，反演出叶面积指数(LAI)与各植被指数(VI)的回归方程，并通过回归检验、对比分析，建立了叶面积指数(LAI)与归一化植被指数(NDVI)的最优回归反演方程[13]。本文通过该程序建立了基于2018年4月SOPT6武汉市遥感影像的LAI反演方程：

Y=e(1.831-0.833/x)

Y=ln(10×LAI)；

x=ln(10×NDVI)。

样方的绿容积率计算公式为：

GVR=LA样方/S样方=∑(LAI像元×S像元)/S样方

S像元——遥感影像的像元面积；

S样方——样方面积。

空间开敞度(spatial openness)反映了植物绿色空间的开阖关系，表现为植物的配置设计形式。其量化采用以通视率与平均遮挡距离为核心的评价模型[14]，其优势在于优化D/H的不足，能较好反映二维、三维视觉影响。

1)通视率：在某一观察点上，模拟人眼视野为与地面垂直的虚拟面，分为竖向遮挡部分与通视部分。某一观察点的单一方向通视率计算公式为：

O——观察点；

Pi——视野面中任一点；

f(O，Pi)=，当O与Pi通视为1，不通视为0。

2)平均遮挡距离：Perry Yang等学者提出的“视域球体”以人眼为球心的虚拟半球体模拟观察点周边的空间范围[15]。在假定二维视觉影响不变时，障碍物与观察点间的距离同样影响“视域球体”的可视体积，因此遮挡距离可反映三维视觉影响。计算公式：

x0、y0、z0——观察点的三维坐标；

xi、yi、zi——遮挡点i的三维坐标；

k——遮挡点的总数。

一个样方需要多角度才能完整地反映出整体空间开敞程度，环视通视率、环视遮挡距离可简化为4个连续方向平均通视率和平均遮挡距离，其表达式为：

植物冠幅在实地调研中采用手持激光测距仪测量。一定的种植面积内，使用间接因子乔木冠幅与灌草冠幅之比量化不同植物配比的冠幅情况。

植物丰富度即样方中植物的种类数目，反映了植景设计中植物种类的多样性；色彩丰富度反映植物的观赏特性，计测即统计样方中颜色对比差异明显的色彩数目。

郁闭度(crowndensity)的计算即为样方中乔木树冠垂直总投影面积与样方面积之比，反映了植物顶层的遮阴效果。

1.2.2 影响要素的指标构建

6个影响要素的计算方法与取值范围见表1，通过实地调研及内业处理整理出其原始指标数据。

2 绿色空间美景度评价模型建立

2.1 SBE值标准化处理及统计

将每个样方4张照片的平均得分作为该样方的最终评价分值，将样方的最终评分数据导入SPSS 19，显示其符合正态分布。计算出每个样方的平均z值，随机选择一个样方为“基准线”，用来调整SBE度量的起始点，将各样方的平均z值与“基准线”的z值相减再乘以100，得到各样方的原始SBE值[7]。计算公式如下：

Mzi——样方i的平均z值；

CPik——评价者给予样方i的评值为k或高于k的频率；

f(CPik)——累计正态函数分布频率；

m——评值的等级数。

SBE=(Mzi-BMMZ)×100

SBE——样方i原始SBE值；

BMMZ——基准线(base line)平均z值。

原始SBE值除以基准线样方平均z值的标准差，可消除不同样方间因认知不同所造成的度量尺度的差异影响。计算公式如下：

SBE*i=SBE/BSDMZ

SBE*i——样方i的标准化SBE值；

BSDMZ——所有样方平均值的标准差。

2.2 影响因素的因子分析

因子分析(factor analysis)是主成分分析(Principal Components Analysis，PCA)基础上的扩展，保证数据信息损失最小原则下，通过降维的方法将多个指标简化为少数几个互相独立的指标，克服因素间的多重线性关系，得到相关性强的公用因子、相关性弱的特殊因子，可探寻新变量因子的实际释义与逻辑关联[16]。将影响要素的7个指标数据导入SPSS中即可快速进行因子分析(表2～6)。

1)相关系数矩阵。

由表2可知，平均遮挡距离(D)与平均通视率(I)的相关系数为0.814，说明平均遮挡距离(D)与平均通视率(I)相关性较高，而其他因子的相关程度均较低。

2)KMO和Bartlett的检验。

KMO值是检验因子是否适用因子分析的指标值，由表3可知，KMO值为0.592>0.5表示基本适合，Bartlett球形度检验的显著性概率Sig.=0.000<0.001，说明高度显著，适合因子分析。

3)因子累计贡献率。

表1 指标计算及取值范围

表2 相关系数矩阵

表3 KMO和Bartlett的检验

表4 解释的总方差

公因子根据特征值大于1的个数提取，由表4可知，特征值λ1=2.549，λ2=1.369，前2个因子的累积贡献率为55.974%，通常需满足累计贡献率达到80%以上，则应提取4个公因子才能提供足够的原始信息。

4)公共因子提取。

由表5可知，第一列中高载荷的因子有平均通视率、平均遮挡距离，载荷值分别为0.909、0.918，这2个因子是开敞度的指标，故将第一个公共因子命名为空间开敞度因子。

第二列中高荷载的因子有绿容积率、植物丰富度，载荷值分别0.876、0.662，这2个因子与绿量有关，将第二个公共因子命名为绿量因子。

第三列高荷载因子只有色彩丰富度0.943，该因子反映的是绿色空间色相，故命名为色相因子。

第四列的高荷载因子为乔木冠幅与灌草冠幅之比、郁闭度，其荷载值分别为0.927、0.701，该2个因子反映了绿色空间中植物冠幅情况，故命名为冠幅因子。

最终，7个指标归纳为4个公共因子，分别为：空间开敞度因子、绿量因子、色相因子、冠幅因子。

5)公共因子得分。

由Thomson回归法获得因子得分系数，根据表6得到各公共因子的表达式，其中F、ZX不再是原始变量，而是标准正态变换后的变量。

将标准化后的指标数据代入上述4个因子表达式中，即可获得每个样方的公共因子得分。

2.3 多元回归分析

2.3.1 回归模型建立

按照每15个样方随机选择1个作为精度检验的样方，则其中54个样方作为回归分析，15个样方数据作为回归检验。将4个公共因子的标准化数据导入SPSS中进行多元逐步回归分析(表7、8)。

表7显示当4个因子均进入回归模型后，其R方(拟合优度)达到0.802>0.8，表明4个因子与SBE值的回归拟合效果较高。

根据变量系数表8，美景度评价值SBE回归模型表达式为：SBE=48.373+30.201×F1+38.150×F2+16.611×F3+11.703×F4。

表5 旋转成分矩阵a

表6 成分得分系数矩阵

表7 模型相关性

表8 变量系数汇总

表9 显著性F检验

2.3.2 回归方程检验

1)显著性F检验。

显著性检验可验证因变量与自变量间的是否具有显著的线形关系，对回归方程进行显著性检验(表9)。

由表9可知，回归方程Sig.=0.000<0.05，表明回归效果显著。

2)回归精度检验。

用随机选择的15组样方数据进行精度检验，即衡量预测SBE值与实际SBE值间的差异是否显著(表10、11)。

由表10可知，预测SBE与实际SBE间的相关系数中，显著性为0.01<0.05，表明预测SBE值与实际SBE值相关性高。

由表11可知，t检验中的Sig.=0.486>0.05，说明实际SBE与预测SBE不存在显著差异。

综上，回归方程通过了F显著性检验与t检验，说明回归方程精度较高，可用于绿色空间视觉质量的评判。

表10 配对样本相关系数

表11 配对样本t检验

3 结论

本文通过因子分析避免了要素间的制约、关联性，更加明确了美景度中影响要素的重要程度。根据美景度评价模型：SBE=48.373+30.201×F1+38.150×F2+16.611×F3+11.703×F4，影响美景度的重要性排序为：绿量因子39.47%、空间开敞度因子31.24%、色相因子17.18%、冠幅因子12.11%。

其中，绿量因子对植物绿色空间美景度影响最大：表现为植物的结构特征、层次搭配是否丰富，以及植物种类的多样性。其次是空间开敞度：表明绿色空间中植物围合的尺度感对于人的视觉感官冲击较明显，开敞、通透的空间更加吸引人停留、观赏。色彩丰富度与植物的季相相关：在特定季节中，人们会较偏向于具有色彩感的空间，在植物配置中可多考虑采用具有季相性表现的植物，注重其质感与色彩搭配。冠幅因子反映在植物冠幅大小及其乔灌草的配置上，说明人群较偏好于乔木类林荫空间。

数量化的模型能帮助设计者在植物空间营造时，更加科学理性地根据不同因素的重要性考虑，创造更加舒适、吸引人群的植物绿色空间。但植物绿色空间设计涉及生态学、美学、心理学等多学科，而且植物空间是动态变化的，如植物生长周期变化导致绿量、空间开敞度、色彩、植物冠幅都会随之改变，呈现出不同的植物空间感受。因此运用美景度评价模型时，需设计者们不仅需从美学的角度考虑其影响要素，还要熟悉植物的生长习性、成熟状态，从而预判成型的植物绿色空间是否符合大众审美。

注：文中图片均由作者绘制或拍摄。