大数据算法在风景园林规划设计中的运用

2024-06-03李佳骏丁云峰

居业 2024年3期

摘要：随着大数据时代的到来，风景园林也迎来了新的发展。以往许多亟待解决的复杂园林问题可以通过人工智能来完成，但其需要诸多算法和大量数据作为支撑。因此利用大数据及人工智能技术进行风景园林研究成为新的方向。本文从园林规划设计中面对的实际问题切入，引出解决问题所需要的数据。对园林设计中遇到的物种多样性问题、植物环境适应性问题和群落生态稳定性问题进行算法推理。结合编程思维对算法建立流程联系得出解决问题的算法流程图。提出植物大数据信息可以在生态修复、园林养护和植物美学三种设计方向中灵活运用。最后对大数据算法在园林商品和园林人力资源两个方向做出展望。

关键词：风景园林；大数据计算；人工智能；园林规划文章编号：2095-4085（2024）03-0142-03

0 引言

在风景园林规划设计中，大数据计算可以让规划方案更具有落地性、适配性、多样性、可持续性，同时兼顾成本控制及后期养护。做到高效率、低成本、易维护、稳生态。通过多种技术相互配合，获取海量图像和数据进行运算。提供可视化数据和专业算法服务，协助个人或组织进行风景园林规划与管理。

1 相关技术概念

大数据计算的核心是“数据”和“算法”，风景园林数据的获取需要依赖其他相关专业的采集技术。

1.1 北斗定位技术

可在全球范围内全天候、全天时提供高精度、高可靠定位及导航与授时服务。并且具备短报文通讯能力，具备区域导航、定位和授时能力［1］。

1.2 GIS地理信息技术

是在计算机软硬件支持下，通过对地球的整体或局部表层空间中的相关地理数据进行采集、存储、运算、分析的技术系统。一个单纯的经纬度坐标所蕴含的信息量十分庞大，GIS技术把大量数据进行成图和分析，为用户提供信息支持和服务。

1.3 图像识别技术

以识别图像的主要特征为基础，通过大量样本进行特征提取，再根据提取的特征对未知样本进行分类。在许多领域拥有重要的价值，如地形地质勘查，森林、海洋、农业、动物资源调查，自然灾害预测，环境监测等。

1.4 集群机器人技术

集群机器人是通过自组织协同控制方式控制多个机器人高效完成复杂任务。受到自然界生物集群现象的启发，大量简单机器人的相互作用表现出复杂的集群行为，使系统拥有完成复杂任务的集群智能，即可高效完成对陌生环境的探索、狩猎、搬运等任务。

2 大数据算法和运用

算法则是为风景园林专业人士提供解决问题的思维，将专业人士处理数据的思维转换为程序代码，代替大量简单繁杂的劳动，从而提高效率解放生产力。收集分析野生植物信息，服务于人工环境的植物群落。

2.1 大数据信息建设

数据库的建设要利用多种相关技术协同完成［2-4］。

（1）采集信息存储格式，图片+时间+定位。规划调查区域，利用卫星影像和图像识别区分出植被覆盖区域，并通过北斗记录位置［5-6］。

（2）植物信息采集。一是用集群无人机对植被覆盖区域进行扫描探索，记录植物位置及影像。二是通过植物识别app的API接口获取用户拍摄上传的植物图像。三是园林管理人员对管辖的园区植被进行统计录入。四是中科院中国植物主题数据库［7］。地理信息采集及温度、湿度、降水量信息等来源于国家气象科学数据中心；土壤信息来源于中国土壤科学数据库。精细管理的园区可以上传多位置的温度、湿度、降水、光照等传感器数据，以及土壤采样检测数据，作为服务的定制化参考数据。

1）植物数据格式：种类-存活温度、土壤湿度、降水量范围。喜阴阳、病虫害、季相变换、类型、土壤需求、花果期、基础养护、观赏、经济价值、碳中和等数据。

2）地理数据格式：定位-日期-温度、降水量、土壤湿度、风向、地势、土壤等数据［8-9］。

随着上传的植物记录动态数据量持续增长，以及自然环境不断变化，不同植物物种的环境适应属性的变化可以在数据库中得到动态体现。静态数据需要专家学者的不断补充，逐步完善。

2.1.1 物种多样性算法

物种多样性算法是一种筛选算法，物种丰富可以提高生态系统稳定性。数据库对全球地区的自然环境数据与规划地块所处地区的自然环境数据进行相似查找，再从自然环境相似地区的生存物种中根据需求筛选出规划需要引进的新物种。在植物信息数据较为丰富后，可以直接采用植物的生存信息与需求地环境进行筛选。选定物种后根据数据库已有的该种植物分部信息进行定域选种，优选出适宜需求地环境的该物种植株。其中生存条件筛选流程（见图1）。

2.1.2 植物环境适应性算法

植物环境适应性算法是一种对比算法，包括自然环境和种间竞争。自然环境即植物生存所处地理位置的客观环境。种间竞争即两种植物在一定种植密度下出现争夺生长空间的现象，导致一种植物数量锐减。根据一种植物在数据库中所记录的地理位置的自然环境进行计算，可得出其所能存活生长的自然环境数据范围。根据一种植物在不同的群落中的繁荣度和群落的丰富度进行计算，对比不同群落的物种差异，可得出该种植物可能存在的种间竞争，进而预测该种植物在人工规划设计的群落中能否适应环境。

2.1.3 生态稳定性算法

生态稳定性算法是一种推演算法，包括种群稳定性和群落稳定性。种群稳定性即在一段时间内，同一生物群落物种丰富度十分稳定或物种丰富度变化很大，前者为稳定，后者为不稳定。群落稳定性即在同一生物群落，一个物种异常增殖，如其它种类丰富度变化很大则群落不稳定；对其它物种的丰富度影响越小，则群落就越稳定。收集在多个时间对同一区域的群落数据，根据一段时间内群落中物种丰富度的变化情况来判定该群落的生态稳定性，结合数据库中已知的其它群落变化数据，推算出未来一段时间内该群落的生态状况。生态推演流程（见图2）。

2.2 大数据信息运用

植物大数据信息的合理运用有助于园林行业的科学发展，提高园林企业的效率。在大数据支持下的人工智能所做的预测和决策，能够为园林企业的生产、经营、决策提供十分强大的助力。

2.2.1 生态修复

植物修复是生态修复的基本形式，利用人工干预加速群落演替的方式是生态修复的重要部分。通过对采集到的众多植物群落大数据的变化进行算法推演，既可以预测某一种群的未来丰富度变化，也可以预测某一群落未来的新稳态。依据庞大的数据量推算出的种群与种群、种群与群落之间的丰富度相关性及影响力，从而达到对生态环境的引导性和可控性。

2.2.2 园林养护

通过智慧园林系统对园区的植被进行监控，结合多种传感器上传到数据库的环境信息，智能判断植物状态以及需要的养护内容，结合不同地区和级别的养护标准，将养护工作的内容和时间智能排期，为园林管理者提供养护设计辅助。

2.2.3 植物美学

是利用植物各种美的形态，给人审美享受的属性，包括形态美、色彩美、声味美、动态美、象征美等。利用采集到的大量植物图像和影音，通过机器学习进行特征归类记录植物的特征和季相变化［10］，为园林设计师提供美学设计辅助。

3 研究方向与展望

利用大数据对园林行业进行一体化整合，充分发挥行业平台作用。大数据是时代发展的必然产物，恰当的分析和使用这些数据，可以使我们更及时准确的做出决策，以优化行业复杂系统的运行模式［11］。

3.1 园林商品大数据

园林商品包括苗木、花卉、材料、装饰、器具、工程车辆等。打造一个专属于园林行业的商品数据综合购物信用平台，收录全国园林行业的上游供应商信息，商品价格公开透明可对比，可将园林工程中各原料的需求时间、数量、地点录入后由相关供应商竞标。提高行业信息透明度，将园林工程采购一站化，做到物尽其用。

3.2 园林人力资源大数据

园林人力资源包括规划师、设计师、养护师、园艺师、工匠、专家学者等。打造一个园林行业人力资源数据平台，收录行业内的相关人员信息以及园林行业上下游企业人才需求信息，也为行业相关的自由职业者提供平台上传个人作品。提高企业和人才信息透明度，将园林人才和园林企业之间进行充分双选，让人尽其才。

4 结语

在信息化快速发展的今天，园林这门自然与艺术相结合的学科，将在人民群众对美好生活环境的需求中大放异彩，而大数据的采集和运用将带领园林行业进入新的科学发展阶段。