融合景观资源和图像语义的乡村风景道选线方法*——以苏南水网地区为例

吕 飞，王 帅

1 背景

风景道作为推动城乡生态文明建设、旅游文化产业发展的重要载体[1，2]，通过整合游憩目的地与过程，有力促进了“旅游+”、“生态+”和“交通+”的融合发展[3]，逐渐成为我国推进全域旅游发展、实现交通强国战略以及构建美丽中国的关键工具[4]。特别在乡村地区，风景道被视为连接城乡绿色网络体系的关键通道和拓展空间，其建设日益受到重视[5]。风景道作为绿道概念上衍生出的一种多目标、多功能的线性绿色空间网络系统，乡村风景道致力于联结乡村与城市、不同乡村之间的各类资源[6]。在国土空间规划视角下，乡村风景道的价值体现在整合区域内分散景观资源，将田野、森林、湿地等生态资源与历史遗迹、文物保护单位、风貌聚落等人文资源有序串联，从而提高景观利用率，促进乡村旅游经济的发展[7]。

当前风景道研究主要包括使用后评估和规划前期选线两个方面。使用后评估研究以实地观测为主，对景观资源进行分析评价[8，9]，随着数据和技术手段的丰富，学者们建立了涵盖人文资源、自然资源、地形地貌等多个维度的指标体系开展综合评价[10]，关注风景道对使用者和周边居民的实际影响，评估风景道带来的经济效益[11]。移动互联网时代大数据为深入了解风景道使用者的真实需求提供了契机，利用社交平台的海量图文信息能够有效评价风景道周边资源[12]。

选线是风景道规划的前提性工作[13]，研究者侧重全域的视角审视地区资源开展选线规划。选线过程中既有研究重点关注风景道对区域资源的串联能力以及道路周边景观的游憩价值。研究方法主要包括：1）对公众海量游憩活动“数字足迹”的分析，从自下而上的视角来选取风景道；2）对于景观资源的多维评价以及对于全域资源的空间分析，从客观的角度进行选线[14]。公众的视角能够反映真实环境但不具备全面性，全域数据分析容易忽视在部分地区的复杂现实环境。由此迫切的需要一种能够线上分析和线下优化相结合的选线方法。

为了贯彻党的二十大精神全面推进乡村振兴战略，响应“十四五”规划中的旅游风景道建设要求，江苏省开展了农村人居环境整治提升行动，提出了“农村公路+”融合发展路径。苏南乡村具有典型的水网特征，依托区位和资源优势，农村社会经济繁荣，在绿色发展方面具有辐射带动作用[15]，但由于城市化快速扩张，近年来其特色逐渐消解，亟需可持续的生态资源利用规划[16]。苏州市吴江区生态景观资源丰富但较为分散，吴江区乡村风景道建设作为苏南“农村公路+”融合发展的重要组成部分，对于实现苏南地区乡村振兴，建设水网地区特色田园乡村，改善农村人居环境具有重要意义。

基于以上分析，研究关注能够凸显水网地区乡村区域性和尺度性的自然景观资源以及代表地方功能性、异质性的人文景观资源[17，18]，分析并评价其景观资源的标志性、集聚度、多样性、可视性等因素与乡村道路的关系，借助机器学习的图像语义识别技术，识别乡村风景道的实地景观可视信息，排除无法在线下被真实感受到的无效景观资源，得出能够适应乡村地区复杂环境的风景道选线结果，以期为水网地区乡村风景道建设提供参考依据。

2 研究框架与方法

2.1 研究框架

本研究在现有风景道选线方法基础上，创新性地引入图像语义识别技术（图1），以期解决选线方法在侧重技术分析时忽视实地复杂情况的问题。

图1 研究框架

根据研究区域内当前资源特征以及国土空间规划背景下的未来发展趋势需求，遵循以自然景观资源为核心、人文景观资源为补充的规划原则，明确有效串联区域生态与人文资源的核心目标。参照既有的针对景观视觉质量、空间景观格局评价及城市群风景道资源环境评价的相关研究方法，构建了一套适用于苏南水网地区乡村风景道选线的景观资源评价体系。同时，基于图像语义识别技术在城市空间识别和评价中的有效实践，本研究将该技术融入到景观资源评价过程中，结合实地调研数据，旨在更加精确且全面地优化乡村风景道选线方案。

2.2 研究区域与数据

苏州市吴江区位于长三角城市群的核心地带，是典型的水网地区，生态环境优越，西接浙江、东临上海、北倚太湖。根据第三次国土空间调查结果，其总面积为1237.44km2，其中水域及水利设施占比高达37.79%，耕地和种植园用地占17.48%，林地和草地面积占比为13.48%。2010～2020 年期间，吴江区常住人口总体增长了27.11 万人，但乡村人口减少了2.29 万人，呈现下降趋势。

本研究采用的数据资料包括：吴江区第三次国土空间调查主要数据、12.5m 分辨率DEM 数据、路网数据以及道路周边图片数据（表1）。以“三调”中的乡村道路网为基础，作为风景道选线的主要对象，同时利用土地资源数据进行景观资源评价。借助12.5m 分辨率DEM数据辅助完成景观视域面积分析。鉴于国省县乡交通系统的紧密联系，乡村风景道选线需综合考虑所在区域整体交通系统。在景观资源评价中，“三调”数据由于采集精度高、现势性强，结合详尽全面的土地资源数据，为各类资源要素的空间叠加与融合分析提供了坚实的基础[19]。道路周边图片数据则通过实地调研等距离采集的方式获取，总计49420 张景观图片，具体采集方法参照下文所述的选线优化流程。

表1 研究数据

2.3 研究方法

2.3.1 基于景观资源的风景道初步选线

本研究基于国土空间资源调查结果，对道路周边可利用的自然与人文景观资源进行评价[20]。鉴于乡村道路分布密集且不均衡，并兼具产业资源连接功能[21]，选线过程中不仅考量各类景观资源对于风景道建设的价值，同时关注不同资源间的协调性。风景道选线中的景观资源评价需要紧密结合乡村道路的实际情况，需要确定道路周边的视域范围。既有研究中，研究者在道路周边潜在生态评价时将道路两侧300m 作为研究范围[14]，在景观视觉质量评价时将道路两侧250m 作为研究范围[13]，吴江区地势平坦，景观资源能见度较高，因此将乡村道路两侧300 米作为有效研究范围。

自然景观资源方面，苏南水网地区交错分布的养殖坑塘、农田及丰富的森林资源是风景道选线考虑的重要资源，结合这些生态基础条件可以构建独特的苏南生态风景道或融合人文资源改造为游憩风景道。自然景观资源的评估依据主要包括资源面积、种类、可识别性和可视面积，所采用的方法如廊道分析法[22]、阻力模型、视觉景观质量评估等，这些方法旨在从地表覆盖数据中提取资源空间分布信息。

人文景观资源方面，对风景道建设起关键作用的主要是传统苏南村落、风景名胜区以及历史遗迹，它们彰显出苏南水网地区的文化特色内涵，有助于打造具有地方特色的苏南人文乡村风景道。判断人文景观资源的标准主要涉及聚落风貌品质和人文景观资源集聚度，其中聚落风貌品质通过专家打分法、田野调查法等进行评价，而人文景观资源集聚度则主要运用核密度分析法进行分析。

综合以上分析，本研究选取聚落风貌品质、人文景观资源集聚度、景观空间格局多样性、标志性自然景观要素邻近度、自然景观资源占比以及景观视域面积占比作为景观资源评价指标（表2），各指标权重通过层次分析法确定。

表2 景观资源评价指标

（1）聚落风貌品质

聚落风貌品质的分析对象为苏州市吴江区的特色保护类乡村的临街景观界面。参考既有研究中对于村庄聚落风貌的评价方法[23]，结合本研究用于风景道选线的需求，最终选取采用专家打分的方式对特色田园乡村的临街景观界面进行评价。

（2）人文景观资源集聚度

利用空间分析技术计算人文景观资源集聚度。首先，将区域内所有文物保护单位和特色景点的空间坐标输入ArcGIS 中，通过核密度分析功能，在设定搜索半径的基础上考虑点与点之间的距离，从而得出各个区域的人文景观资源集聚程度。核密度值越高，表示该区域内的景观资源越集中。

（3）景观空间格局多样性

计算风景道周边景观空间格局多样性，参考既有研究中对于景观空间的分析方法[24]，用香农-威纳多样性指数（Shannon's diversity index,SHDI）来概化：

式中，SHDI 代表道路周边研究范围内的景观空间多样性；pi 为类型i 的道路周边的农田、果园、鱼塘、林地、湖荡等景观元素的面积所占的比例；m 为道路景观元素的总数。

（4）标志性自然景观要素邻近度

标志性景观要素因其观赏性、独特性和环境协调性在风景道选线中具有重要价值[25]。本研究借鉴参照城市标志性景观判断方法[26]，结合苏南水网地区的景观特点，基于国土资源调查数据筛选出具有一定知名度和规模的景观资源（如大面积的农田、果园、鱼塘、林地、湖荡等），初步选取标志性自然景观候选要素；结合视觉效果评估，选定观赏性佳、独特性强且与周边环境协调一致的景观资源作为最终标志性自然景观要素；借助ArcGIS 的邻近分析工具，计算标志性景观要素与道路的接近程度，包括距离、角度和视域等因素。

（5）自然景观资源覆盖度

既有研究中，树木、灌木等景观分析往往使用植被覆盖度（fractional vegetation cover,FVC）表示，基于像元二分模型分析有植被覆盖部分地表与无植被覆盖部分地表，具体计算方法如下：

式中，F 代表道路周边有效的生态景观资源，Sveg代表选线道路周边视域范围内乔木、灌木、竹林等植被面积，S 代表选线道路周边视域面积。

（6）视域面积占比

由于选线道路的长度差异较大，基于DEM 数据，利用ArcGIS“视域”工具计算视域面积，并计算视域面积占比。视域分析结果同时用于景观资源覆盖度计算。

2.3.2 基于图像语义识别技术的风景道选线优化

由于乡村地区环境复杂，一些未被数据测度的环境要素会对景观资源的实际价值产生影响。因此，本研究采集并识别道路周边的图像，以期优化风景道选线结果。借鉴已有风景道研究中的视域图像采集方法[27]，道路周边图片数据采集首先利用多镜头组合拍摄乡村道路两侧景观录像，之后按照50m 距离的间隔提取照片帧数，并结合“两步路户外助手”的GPS 轨迹记录功能，获取包含位置信息的道路两侧风景图片，确保采集样本具有代表性，能够真实反映道路实际状况。图像语义识别能够识别“三生空间”[28]，研究者通过对生态空间的视觉廊道、绿视率和高颗粒度景观问题进行分析并开展修补[29]，或者对城市生活生产空间色彩的协调度和丰富度进行分析评价。图像语义识别具体方法参考既有研究，能够识别150 种图像元素并赋予标签[30]。

本研究利用图像语义识别技术对道路周边图片中的植物、构筑物、水、山体等景观元素进行识别并赋予标签，结合道路的景观资源评价结果进行选线优化。根据机器学习的图像语义分析结果，对道路两侧的景观元素面积占比进行统计，基于不同元素可视面积计算有效景观可视面积。根据道路得分结果，计算道路的选线优化系数：

式中，Ci代表道路i 的选线优化系数，该权重数值用于优化景观资源评价结果。mi表示道路i 在图像语义识别后的有效可视景观面积，ni表示道路i 中用于图像语义识别的照片基数。景观资源评价的综合结果经过选线优化系数修正后作为乡村风景道选线的最终结果。

3 结果

3.1 风景道初步选线

根据景观资源风景道初步选线方法，运用ArcGIS 对吴江区道路和各类景观资源进行综合评估分析，得出以下结果（图2）。

图2 景观资源评价结果

在人文景观维度上，吴江区虽拥有丰富的乡村聚落资源，人文景观的开发与利用程度尚不充分。专家打分结果显示，该区特色保护类乡村临街界面整体一般，部分道路周边村庄未能充分发挥其景观价值。综合分析表明，吴江区乡村道路周边聚落风貌品质优越的路段集中于长漾众安桥村、齐心村、开弦弓村、北麻漾、冯家浜美丽乡村、元荡美丽乡村群以及部分四好农村路沿线。此外，风景名胜及历史遗迹等人文景观资源呈现明显的集聚分布特点，对临近路段赋予了较高的景观附加值，如长桥村、祠山庙、黎里古镇、震泽古镇、铜罗古镇周边区域。

自然景观方面，吴江区中部地区的多数乡村道路周边拥有丰富的自然景观资源，部分道路自然资源景观要素占比超过54.92%。其中，蒋家漾、金鱼漾、太浦河沿岸、九里桥村、四都村、三白荡、桃源森林公园周边路段自然景观资源尤其丰富。虽然吴江区景观资源总量大，但种类分布并不均匀，除南太湖大道、四都村、元荡美丽乡村群周边部分路段呈现出较高景观空间格局多样性外，其余路段自然景观空间格局多样性整体差异较小。值得注意的是，虽然部分道路周边缺乏多元多样的空间景观结构，但大面积养殖坑塘、生态农田和森林相互交织，形成了极具游憩价值的标志性景观。标志性的自然景观要素如北麻漾、陆家荡、太浦河、桃源森林公园、三白荡、元荡等地段附近，吴江区的道路均展现出良好的邻近性。此外，吴江区地势平坦，道路周边可视面积广阔。

3.2 选线优化分析

通过对吴江区3028 条道路采集的49420 张景观图片进行图像语义分析，识别并计算出植物、水体、天空等有效景观总面积，进行可视化标识（图3a）。运用公式（3），结合每条道路的有效景观面积和图片数量，计算得出每条道路的选线优化系数（图3b）。将初步选线结果与对应的道路选线优化系数相乘，得出了综合评价分数（图4a）。在考虑风景道连贯性与完整性要求的前提下，排除了国道、省道、高速公路等不适宜作为乡村风景道的道路类型，最终确定了选线优化结果（图4b）。

图3 道路两侧景观资源图像语义识别结果与选线优化系数

图4 风景道选线规划结果

根据选线优化结果，吴江区乡村风景道的理想选址主要集中在元荡区域、南太湖大道沿线、环长漾特色田园乡村地带、四好农村路的部分路段（如长桥村路、谢众路等），以及桃源森林公园周边地区。结合实地考察与综合评价结论，建议优先选取太浦河南岸、环长漾特色田园乡村区段、北麻漾周边自然村落、元荡周边美丽乡村集群、震泽古镇及桃源森林公园等地建设乡村风景道，以串联沿线丰富的自然风光、历史文化景点和特色田园乡村。同时，为保证风景道的可达性和连续性，适当利用部分高等级快速路（如吴江大道、盛八线）对乡村风景道路线进行结构优化。

3.3 风景道选线规划结果

通过景观资源评价和选线优化，最终构建了一横一纵、四环交织、多段串联的乡村风景道总体布局（图5）。东西向主线沿太浦河延伸，形成横向主轴，贯穿吴江区全境；南北向发展轴则分别指向南边的乌镇及北边的环太湖风景道区域，沿途联结北麻漾、长漾等多个重要节点。以长漾特色田园环、北麻漾自然风光环、长荡生态环以及元鹤荡乡村环等四大乡村风景道环带为核心，构筑了吴江区独具特色的乡村风景道环网结构。此外，还包括诸如元杨路、平黎路、杨西路等多条具有鲜明特色的乡村风景道分段（表3）。

表3 吴江区乡村风景道结构构成表

图5 吴江区乡村风景道选线结果

4 结论与讨论

本文以苏南水网地区乡村为例，提出了融合数据和视觉分析的风景道选线方法。宏观层面，利用国土资源调查数据对乡村道路周边的景观资源进行全面评价；微观层面，通过图像语义识别技术细致解析道路两侧风景图片，进而计算选线优化系数以校正资源评价结果，从而实现兼顾宏观空间格局与微观建成环境的乡村风景道选线规划。本研究在理论与实践上具有显著意义：

（1）在景观资源评价方面，引入国土资源调查数据及图像语义识别技术，有效解决了遥感数据精度不足、细节难以辨识的问题，弥补了既有研究对乡村复杂实际情境考虑不周的缺陷，显著提升了景观资源评价的科学性和准确性。

（2）在风景道选线技术方法上，综合运用景观资源评价和图像语义优化方法，全面考量乡村道路周边人文与自然景观的多样性、丰富度、特色性及美感等多维因素，构建了一种基于数据和视觉的新颖乡村风景道选线方法，针对性地解决了现有研究在应对现实环境复杂性方面的局限。

（3）在实践应用上，本研究为苏南水网地区的乡村风景道建设提供了科学的依据和参考方案。采用此研究确定的选线方案，能够充分展示区域内的自然风光与人文魅力，有力推动该区域乡村旅游吸引力的提升、乡村经济的发展以及乡村生活品质的改善。

从规划实践角度审视，本研究的方法框架可为其他地区风景道选线规划提供重要指导。面对规划研究对大数据依赖的趋势，乡村风景道规划建设应注重整合国土资源统筹与现实环境评估。在风景道选线中，准确评价并合理利用周围景观资源至关重要[31]，需确保选线结果最大化发挥地域资源价值，增强风景道整体体验和吸引力。在权衡山水、湖泊、农田、森林等自然元素以及历史遗址、地标建筑等文化元素时，需要考虑到数据准确性、地域差异、复杂乡村环境、主观偏好、服务需求等多种影响因素，不断调整和完善评价标准与方法。

图像语义分析技术的应用为风景道选线带来了新的视角。基于机器学习的图像语义识别技术能高效客观地评估乡村调研数据，批量处理能力提高了规划效率，客观性视角则增强了评估准确性[32，33]。经图像语义优化后的选线方案降低了实际实施中的难度和误差率[34]，通过对图像中景观元素面积占比的分析，可准确理解道路两侧的实际环境状况，揭示影响景观资源价值的乡村环境问题，并据此优化路线设计，避免因环境不佳导致的成本增加问题[35]。尽管图像质量和处理技术仍有较大提升空间，但随着技术进步，未来有望更好地应对自然和人文环境的时间变化，在处理大面积、环境复杂的类似风景道选线项目时发挥更大作用。

同时，本研究也存在一些局限性，当前选线方法更适用于水网地区，对于山地和其他地貌类型的适应性有待进一步验证。此外，通过实地调研获取路周边景观图片的方法可能不适用于大规模区域，未来可探索使用数字足迹等更多元的数据源来拓展该方法的应用范围，并持续改进相关指标与参数设置，以服务于更广泛的乡村风景道规划与建设需求。

图、表来源

文中图、表均由作者绘制。