成 實(shí)

張冠亭

張瀟涵

劉奕秋

中國已進(jìn)入了城市化下半場，十九大報(bào)告中明確指出我國正轉(zhuǎn)向高質(zhì)量發(fā)展階段，需滿足人民群眾對(duì)于美好生活的需求。2018年12月，住房和城鄉(xiāng)建設(shè)部發(fā)布了10項(xiàng)標(biāo)準(zhǔn)，旨在適應(yīng)中國經(jīng)濟(jì)由高速增長階段轉(zhuǎn)向高質(zhì)量發(fā)展階段的新要求，以高標(biāo)準(zhǔn)支撐和引導(dǎo)我國城市建設(shè)，以及工程建設(shè)的高質(zhì)量發(fā)展。在這一趨勢下，風(fēng)景園林領(lǐng)域愈發(fā)強(qiáng)調(diào)研究與規(guī)劃設(shè)計(jì)實(shí)踐的精細(xì)化。

隨著計(jì)算機(jī)技術(shù)的發(fā)展，二維數(shù)字繪圖軟件和三維實(shí)體建模方法的出現(xiàn)，影響著設(shè)計(jì)師判斷決策的途徑。時(shí)至今日，在風(fēng)景園林規(guī)劃和設(shè)計(jì)實(shí)踐中這些手段仍有沿用，并且在研究與設(shè)計(jì)實(shí)踐中逐漸融入圖像、視頻、航空攝影、GIS地圖和數(shù)字地形模型等多種場地勘察及建構(gòu)手段，從而塑造出更加精細(xì)化的風(fēng)景園林環(huán)境。

為應(yīng)對(duì)日益復(fù)雜化的風(fēng)景園林環(huán)境，盡管學(xué)者們嘗試將既有三維數(shù)字建模方法加以交互融合，但仍無法精準(zhǔn)呈現(xiàn)出風(fēng)景園林環(huán)境多變的空間特征，如植被、山體等要素的形態(tài)特征。

自20世紀(jì)90年代末起，國內(nèi)外不同科研機(jī)構(gòu)便開始嘗試采用激光掃描技術(shù)以獲得更精確的地理環(huán)境數(shù)據(jù)。同時(shí)，得益于不斷增強(qiáng)的數(shù)字運(yùn)算技術(shù)，在近20年間，三維點(diǎn)云采集技術(shù)得到了迅速發(fā)展，隨著多領(lǐng)域?qū)τ诳臻g數(shù)據(jù)的需求日益增強(qiáng)，三維激光雷達(dá)掃描技術(shù)(Light Detection and Ranging，LiDAR)作為獲取三維空間信息的新技術(shù)手段，突破了傳統(tǒng)測量及數(shù)字建模方式的局限性，可滿足風(fēng)景園林領(lǐng)域研究與實(shí)踐中所面臨的多樣化定量分析需求。

目前，國內(nèi)外風(fēng)景園林領(lǐng)域?qū)τ邳c(diǎn)云數(shù)據(jù)的應(yīng)用主要有三維模型的逆向建造[1]、植被監(jiān)測[2-3]、三維景觀格局分析[4-7]、古典園林測繪[8-9]、微氣候研究[10-11]等多個(gè)方面，而鮮有研究利用點(diǎn)云數(shù)據(jù)針對(duì)中微觀景觀空間形態(tài)展開定量分析。作為風(fēng)景園林領(lǐng)域的一個(gè)新興工具，點(diǎn)云數(shù)據(jù)集能對(duì)各尺度空間進(jìn)行高密度和厘米級(jí)精度記錄，相關(guān)建模技術(shù)的運(yùn)用從微觀層面的復(fù)雜植被要素到宏觀層面的街區(qū)規(guī)劃及地貌復(fù)原均有所涉及[12]。筆者認(rèn)為，LiDAR點(diǎn)云不僅可運(yùn)用于風(fēng)景園林環(huán)境信息的采集與分類整理，更可運(yùn)用于量化解析及評(píng)估景觀空間形態(tài)特征。尤其，針對(duì)景觀空間中植被形態(tài)的量化研究，LiDAR點(diǎn)云相較其他傳統(tǒng)數(shù)據(jù)更具有顯著性優(yōu)勢。由此，本文以常用來描述城市植被形態(tài)變化的“綠視率”指標(biāo)為例，試圖解答以下2個(gè)研究議題。

1)如何基于LiDAR點(diǎn)云技術(shù)進(jìn)行風(fēng)景園林環(huán)境的綠視率量化研究？具體方法及操作途徑有哪些？

2)基于LiDAR點(diǎn)云數(shù)據(jù)的綠視率量化研究具有哪些優(yōu)勢？并存在哪些運(yùn)用可能性？

1 風(fēng)景園林領(lǐng)域中“綠視率”指標(biāo)的計(jì)算分析途徑

綠視率(Green View Index，GVI)指的是一定視野范圍內(nèi)植被所占百分比，它被證實(shí)與人們的身心健康存在著緊密的聯(lián)系[13-15]，是評(píng)價(jià)風(fēng)景園林空間舒適性的重要指標(biāo)之一。

1.1 “綠視率”指標(biāo)的過往計(jì)算方法及局限

傳統(tǒng)綠視率指標(biāo)的計(jì)算多依托于實(shí)地拍攝的二維影像，用人工方式對(duì)圖像中的各類景物要素進(jìn)行分類，再通過計(jì)算植被的像素占比獲得特定圖像中的“綠視率”指數(shù)。隨著街景圖片作為電子地圖的全新服務(wù)方式被Google、百度等大型地圖運(yùn)營商投入使用，為綠視率的研究開辟了新途徑，一些學(xué)者利用海量的街景圖片結(jié)合機(jī)器學(xué)習(xí)、圖像分割等技術(shù)實(shí)現(xiàn)綠視率的自動(dòng)提取及分析等過程[16-18]。

基于對(duì)過往研究文獻(xiàn)的梳理發(fā)現(xiàn)，過往研究中對(duì)于綠視率的分析方法仍存在一定局限性。1)分析視點(diǎn)、視角的固定化及片段化，若需探索不同地點(diǎn)、不同視線方向、不同視野寬度下的綠視率變化，則將拍攝并制作更多二維圖像樣本以供分析。2)難以消除行人、行車等隨機(jī)冗余因素，計(jì)算結(jié)果往往受采集圖像影響而可能存在較大誤差。3)現(xiàn)階段相關(guān)研究多借助圖像識(shí)別技術(shù)利用開源街景數(shù)據(jù)計(jì)算獲得特定街道空間的綠視率變化，反觀，風(fēng)景區(qū)、社區(qū)公園等大量景觀空間則因缺少海量開源攝影數(shù)據(jù)支撐，并不具備較高適用性。

1.2 利用LiDAR點(diǎn)云進(jìn)行“綠視率”計(jì)算的優(yōu)勢

LiDAR系統(tǒng)一般采用非接觸式高速激光測量方式，通過獲取激光發(fā)射點(diǎn)與目標(biāo)之間的距離，結(jié)合激光發(fā)射器的位置和姿態(tài)信息進(jìn)行聯(lián)合計(jì)算，得到目標(biāo)區(qū)域的密集三維坐標(biāo)及激光反射強(qiáng)度等信息，以海量點(diǎn)云數(shù)據(jù)的方式呈現(xiàn)[19-20]。隨著LiDAR技術(shù)的出現(xiàn)及發(fā)展可以逐漸彌補(bǔ)目前綠視率計(jì)算方式所存在的缺陷。首先，LiDAR點(diǎn)云技術(shù)可以實(shí)現(xiàn)對(duì)研究場景的全方位記錄，所獲取的點(diǎn)云數(shù)據(jù)可完整地呈現(xiàn)三維場景信息，在空間分析時(shí)可任意選取視點(diǎn)展開進(jìn)一步研究；其次，可對(duì)點(diǎn)云數(shù)據(jù)加以分類，以剔除隨機(jī)冗余因素的影響，且不同于傳統(tǒng)綠視率分析，借助三維點(diǎn)云數(shù)據(jù)除了能獲取“綠視率”指數(shù)外，還可進(jìn)一步提取植被層次、景深等空間信息，這是傳統(tǒng)圖像數(shù)據(jù)所無法實(shí)現(xiàn)的；最后，LiDAR系統(tǒng)可搭載不同的平臺(tái)及移動(dòng)設(shè)備，不受場地的限制，可應(yīng)用于多種場景的空間信息采集。

聚焦當(dāng)下風(fēng)景園林領(lǐng)域的研究與實(shí)踐訴求，不難發(fā)現(xiàn)，借助LiDAR點(diǎn)云技術(shù)的“綠視率”計(jì)算方法尤為適用于中微觀尺度風(fēng)景園林環(huán)境的相關(guān)研究及設(shè)計(jì)輔助，能精細(xì)化地呈現(xiàn)出植被等復(fù)雜空間要素的形態(tài)差異，實(shí)現(xiàn)對(duì)于景觀空間的量化解譯。但受制于點(diǎn)云數(shù)據(jù)體量相對(duì)較大，在實(shí)際形態(tài)量化分析過程中難以運(yùn)轉(zhuǎn)，故過往研究多停留于對(duì)植被等特定景觀空間要素的采集與歸類。本文試圖構(gòu)建基于LiDAR點(diǎn)云模型的景觀空間“綠視率”指標(biāo)量化解析新方法，以期拓展LiDAR點(diǎn)云在景觀空間研究領(lǐng)域的運(yùn)用途徑。

2 基于LiDAR點(diǎn)云的“綠視率”量化分析方法建構(gòu)

2.1 方法框架

如上文所述，LiDAR點(diǎn)云數(shù)據(jù)在空間信息采集效率及模型呈現(xiàn)精度上均有著顯著的優(yōu)勢，改變并優(yōu)化了傳統(tǒng)景觀空間形態(tài)分析的過程。本文研究嘗試提出了基于LiDAR點(diǎn)云的綠視率計(jì)算方法，方法框架包含數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)處理、空間建模、形態(tài)分析4個(gè)主要步驟(圖1)。

圖1 基于三維點(diǎn)云數(shù)據(jù)的景觀空間分析方法操作步驟Fig.1 Operating steps of landscape spatial analysis method based on three-dimensional point cloud data

2.2 具體操作步驟

1)數(shù)據(jù)準(zhǔn)備。

隨著激光點(diǎn)云采集技術(shù)的發(fā)展，車載、機(jī)載、手持式激光掃描儀等多種采集方式可滿足各類景觀空間采集需求。本文選取手持式GeoSLAM的三維激光掃描儀，經(jīng)提前勘查現(xiàn)場后，展開外業(yè)數(shù)據(jù)采集工作：首先，根據(jù)場地現(xiàn)狀特征設(shè)置閉合采集路線；其次，在采集時(shí)將儀器平端于胸前中線位置，以正常步速沿采集路徑行走，每間隔百米完成四周全景的定點(diǎn)掃描，其中對(duì)于距離道路較遠(yuǎn)及圍合度較高區(qū)域，需進(jìn)一步深入補(bǔ)充采集；最后，經(jīng)查驗(yàn)后，確保采集信息完整，無缺漏，要素結(jié)構(gòu)體現(xiàn)充分，從而完成研究場地三維點(diǎn)云數(shù)據(jù)的采集工作。同時(shí)，另需準(zhǔn)備研究場地的各類矢量基礎(chǔ)數(shù)據(jù)作為后續(xù)場地模型校準(zhǔn)及分析研究開展的輔助資料。

2)數(shù)據(jù)處理。

考慮到所獲取的研究場地點(diǎn)云數(shù)據(jù)，往往數(shù)據(jù)量大且缺少地理參照，需進(jìn)一步處理以滿足后續(xù)研究要求。進(jìn)一步利用Trimble Realworks等軟件對(duì)原始點(diǎn)云數(shù)據(jù)進(jìn)行地理坐標(biāo)配準(zhǔn)、數(shù)據(jù)清理及重采樣等操作，得到研究范圍內(nèi)的精準(zhǔn)點(diǎn)云數(shù)據(jù)；通過軟件算法進(jìn)行點(diǎn)云數(shù)據(jù)自動(dòng)分類，再經(jīng)由人工校準(zhǔn)與分類處理；最后，將完整點(diǎn)云數(shù)據(jù)模型分為地面、植被、建筑及其他4類點(diǎn)云數(shù)據(jù)層，亦可根據(jù)不同研究需求對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行相應(yīng)的分類處理。

3)空間建模。

點(diǎn)云模型由若干測試點(diǎn)組成，且測試點(diǎn)之間存在較大空隙，無法直接用于景觀空間形態(tài)分析，故需將點(diǎn)云數(shù)據(jù)進(jìn)一步實(shí)體化形成封閉實(shí)體。研究選取具有較為完善空間建模及分析工具的ArcScene 10.6平臺(tái)進(jìn)行點(diǎn)云模型建模及空間形態(tài)分析。首先，在平臺(tái)中依次添加場地CAD數(shù)據(jù)和分類后的各點(diǎn)云數(shù)據(jù)層，分別對(duì)植被、建筑、地面、其他4類數(shù)據(jù)層進(jìn)行逐一建模處理；其次，考慮景觀空間中植被要素形態(tài)復(fù)雜度較高，且非連續(xù)實(shí)體面，難以直接利用三角網(wǎng)格面進(jìn)行表面模型構(gòu)建。因此，本文采用目前常用的植被建模手段“體素法”將植被點(diǎn)云數(shù)據(jù)轉(zhuǎn)換為形態(tài)相同的體素模型，并利用kd-tree算法對(duì)植物點(diǎn)云數(shù)據(jù)進(jìn)行鄰域檢索與精簡，在不影響其空間形態(tài)的基礎(chǔ)上大幅縮減運(yùn)算數(shù)據(jù)大小，提升后續(xù)量化計(jì)算速度；與此同時(shí)，在無法獲取研究場地完整建筑等要素信息的特定情況下，亦可借助CAD等矢量數(shù)據(jù)與地面激光雷達(dá)相結(jié)合的方式補(bǔ)充并校準(zhǔn)場地中相應(yīng)模型數(shù)據(jù)；最終，構(gòu)建出可供形態(tài)量化分析的三維點(diǎn)云空間數(shù)據(jù)。

4)形態(tài)分析。

在空間模型建構(gòu)的基礎(chǔ)上，依托于ArcGIS平臺(tái)結(jié)合Python編程手段進(jìn)一步完成對(duì)于研究場地空間形態(tài)特征的量化分析，并計(jì)算出各類三維形態(tài)指標(biāo)的相應(yīng)數(shù)值。其中，考慮目前ArcGIS平臺(tái)自帶的工具集無法滿足風(fēng)景園林環(huán)境中各類形態(tài)量化需求，故針對(duì)不同研究分析的需要，編寫對(duì)應(yīng)的算法腳本，確定研究所需的輸入條件及輸出條件，以及形態(tài)量化評(píng)定過程。最終，形態(tài)量化分析過程與計(jì)算結(jié)果可通過數(shù)值圖表、二維柵格圖及三維數(shù)值分布圖等多種可視化表達(dá)方式加以清晰直觀地呈現(xiàn)。

3 案例運(yùn)用

3.1 案例選取

為體現(xiàn)出LiDAR點(diǎn)云數(shù)據(jù)采集場地的可適應(yīng)性，且考慮到研究對(duì)象的普及性及其空間形態(tài)的豐富性，本文以住區(qū)綠地空間作為研究對(duì)象，對(duì)基于LiDAR點(diǎn)云的綠視率分析方法加以運(yùn)用嘗試。選取南京河西某小區(qū)作為研究樣本展開具體分析運(yùn)算，該小區(qū)占地約7.57hm2，綠化率為45%，戶外空間面積達(dá)4.16hm2，包含水體、植被、微地形、娛樂設(shè)施、小型構(gòu)筑物等多種景觀要素，具有豐富的空間形態(tài)變化。

3.2 分析方法運(yùn)用

1)點(diǎn)云數(shù)據(jù)預(yù)處理及三維模型構(gòu)建。

根據(jù)前文構(gòu)建的方法流程，本研究首先用GeoSLAM手持三維激光掃描儀對(duì)研究場地進(jìn)行全面掃描，并對(duì)所采集的原始數(shù)據(jù)利用Realworks進(jìn)行點(diǎn)云分類，通過自動(dòng)處理與手動(dòng)糾錯(cuò)2種模式對(duì)場地點(diǎn)云進(jìn)行較為準(zhǔn)確的分類，具體分為建筑、地面、植被、其他(含路燈、坐凳、垃圾桶等)4類。其中，通過ArcGIS結(jié)合python編程處理將植被及其他景物信息以體素的形式構(gòu)建，地面點(diǎn)云則以數(shù)字高程模型的形式呈現(xiàn)。考慮地面激光掃描設(shè)備對(duì)于高層建筑信息的采集能力相對(duì)較弱，造成建筑頂層空間信息的缺失，所以在建模過程中會(huì)采用矢量信息根據(jù)建筑輪廓及高度對(duì)建筑三維模型進(jìn)行構(gòu)建及補(bǔ)充，以保證場地空間模型的完整性(圖2)。

圖2 研究場地的三維場地模型構(gòu)建流程Fig.2 Construction process of 3-D point cloud model for research site

2)綠視率指標(biāo)計(jì)算。

本文通過在三維點(diǎn)云模型中模擬人群在住區(qū)景觀內(nèi)部的所視綠化情況，從而分析計(jì)算出從該視點(diǎn)所觀測到的周邊環(huán)境綠視率指數(shù)。具體分析步驟如下。

首先，根據(jù)正常人眼視高及視野范圍，在該研究視點(diǎn)模擬出視高1.6m，水平視野360°，垂直視野120°(視線水平上側(cè)50°、下側(cè)70°)，視線長度為300m的完整視野范圍進(jìn)行分析。其次，在確定完整視野范圍后，由該視點(diǎn)發(fā)射出水平及垂直視角均為2°間隔的300m構(gòu)造視線，共生成5 400根三維構(gòu)造視線，從而形成完整的視線罩面。再次，利用ArcGIS三維分析模塊中的通視分析功能計(jì)算各構(gòu)造視線中的通視視線及不可視視線，確定該視點(diǎn)下的人眼可視范圍及所視空間要素的編號(hào)信息，再通過要素編號(hào)明確各通視視線所觀看到的具體空間要素。最后，根據(jù)計(jì)算獲得的三維可視視線及可視空間要素，經(jīng)進(jìn)一步處理獲得該視點(diǎn)下的360°全景視野立面(圖3)。

圖3 研究場地“綠視率”指標(biāo)計(jì)算過程Fig.3 The calculation process of site GVR

3.3 與傳統(tǒng)計(jì)算方式對(duì)比

為總結(jié)出基于三維點(diǎn)云模型的空間形態(tài)量化方法優(yōu)勢，將各測試點(diǎn)基于點(diǎn)云模型的綠視率分析結(jié)果與傳統(tǒng)計(jì)算途徑所得到的計(jì)算結(jié)果加以對(duì)比及分析。

1)傳統(tǒng)“綠視率”指標(biāo)計(jì)算方法。

文中除基于三維點(diǎn)云數(shù)據(jù)的“綠視率”指標(biāo)量化計(jì)算方式外，另選取了過往研究中常用的2種分析途徑：傳統(tǒng)人工分類的“方格測量法”及機(jī)器自動(dòng)分類的“圖像識(shí)別分析法”，對(duì)相同視點(diǎn)下不同途徑所測算得到的“綠視率”結(jié)果加以比較(圖4)。

(1)方格測量。

采用方格測量分析，需通過Photoshop CC對(duì)照片加以處理，以30×40個(gè)透明方格網(wǎng)完整覆蓋測試照片樣本，再由人工判斷各方格中包含的要素內(nèi)容，并用不同的顏色代表植被、建筑、地面、天空、設(shè)施等，最后統(tǒng)計(jì)各要素所占的格數(shù)，從而計(jì)算出各要素在總圖面中所占的比重。

(2)圖像識(shí)別。

采用圖像識(shí)別分析，本文使用的原始圖片分辨率為4 032×3 024，主要借助機(jī)器學(xué)習(xí)技術(shù)對(duì)樣本圖像信息加以處理與分析，這亦是目前常用的“綠視率”計(jì)算方式之一。本文選擇Deeplab-v3+模型進(jìn)行圖像處理，并利用數(shù)據(jù)集“Cityscapes Dataset”進(jìn)行圖像識(shí)別訓(xùn)練，最后輸入測試照片樣本。

2)3種計(jì)算方式對(duì)比。

為證明基于LiDAR點(diǎn)云的“綠視率”計(jì)算方法的可靠性和適用性，選取了該小區(qū)中4處存在明顯空間差異的景觀節(jié)點(diǎn)，分別涵蓋水景、游樂設(shè)施、停車場等各類景觀要素，且各節(jié)點(diǎn)間呈現(xiàn)出較為明顯的植被分布密度差異，具有較為典型的研究意義及價(jià)值(圖4)。對(duì)各節(jié)點(diǎn)計(jì)算結(jié)果進(jìn)行對(duì)比分析，總結(jié)出以下3點(diǎn)優(yōu)勢。

圖4 4處節(jié)點(diǎn)“綠視率”計(jì)算結(jié)果匯總Fig.4 Summary of the GVR calculation results of 4 nodes

(1)分析高效性。

利用本文提出的方法，對(duì)研究小區(qū)進(jìn)行整體空間信息采集用時(shí)約6h，并且采集過程中可通過采集設(shè)備實(shí)時(shí)觀察數(shù)據(jù)的完整性，及時(shí)對(duì)遺漏區(qū)域進(jìn)行復(fù)采或校準(zhǔn)，后續(xù)分析中可根據(jù)研究需要在測試模型中選取任意測試點(diǎn)加以分析計(jì)算，不僅可計(jì)算出任意測試點(diǎn)下的全景綠視率，更能進(jìn)一步計(jì)算出該視點(diǎn)在不同視距下的可視綠化層次與相應(yīng)面積(圖5)。而無論方格測量抑或圖像識(shí)別2種計(jì)算方法，均需要研究人員實(shí)地拍攝，本文采用的是傳統(tǒng)相機(jī)(焦距35mm)，一張攝影圖像僅能表示單一視點(diǎn)在單一視線方向的畫面，若需單視點(diǎn)多方向或多視點(diǎn)的畫面則需要人工逐一拍攝，令數(shù)據(jù)采集與分析時(shí)間不可估計(jì)。

圖5 基于點(diǎn)云分析的“綠視率”計(jì)算結(jié)果(含：全視景及綠化層次)Fig.5 GVR calculation results based on point cloud analysis (including: panoramic view and greening level)

(2)數(shù)據(jù)準(zhǔn)確性。

在傳統(tǒng)綠視率計(jì)算方法中，圖像識(shí)別可基于原始圖像分辨率進(jìn)行計(jì)算，而方格測量則需要降低圖像分辨率以減少人工成本。但由于目前圖像分割技術(shù)所依托的開源數(shù)據(jù)集多為國外街景數(shù)據(jù)，應(yīng)對(duì)本文研究對(duì)象住區(qū)綠地景觀則分割效果相對(duì)較差，往往人工方式的準(zhǔn)確率較高，因此本文以方格網(wǎng)測量結(jié)果作為參照值進(jìn)行對(duì)比。3種計(jì)算方式的綠視率對(duì)比見表1，從表中可以看出4種不同場景下點(diǎn)云模型與圖像識(shí)別的結(jié)果精度基本相當(dāng)，視點(diǎn)2、3、4的誤差都在10%以內(nèi)。圖像識(shí)別與點(diǎn)云模型誤差最大值均發(fā)生在視點(diǎn)1，點(diǎn)云模型的誤差值達(dá)77.69%，經(jīng)分析原因有二：其一是現(xiàn)場的電動(dòng)車及行人對(duì)植被產(chǎn)生了一定遮擋，但點(diǎn)云模型不存在這些冗余信息，所以計(jì)算結(jié)果為未被遮擋下的真實(shí)植被情況；其二是該場景中地下出入口周邊擋墻在點(diǎn)云模型中未能很好展現(xiàn)，導(dǎo)致綠視率計(jì)算結(jié)果偏高。

表1 不同方式下“綠視率”計(jì)算結(jié)果對(duì)比Tab.1 Comparison of GVR calculation results in different ways

(3)結(jié)果全面性。

針對(duì)特定視角而言，傳統(tǒng)方法與點(diǎn)云均可獲取到相應(yīng)“綠視率”指數(shù)變化，而點(diǎn)云數(shù)據(jù)的分析優(yōu)勢體現(xiàn)在其可以進(jìn)一步提取全景視角下的三維空間信息，如三維視野體積。三維視野體積描述的是視點(diǎn)與某一景物之間的三維可視空間體積，可以進(jìn)一步量化人們的空間感知。三維視野體積越小，說明觀察者與某一類景物之間的空間比較局促，包圍感更強(qiáng)。進(jìn)一步可以利用三維視野體積定義“三維綠視率”指標(biāo)，即植被的三維視野體積占總視野體積的百分比，更直觀地量化人與綠色空間的關(guān)系。以視點(diǎn)3為例，表2列舉了基于點(diǎn)云數(shù)據(jù)所得的多項(xiàng)三維空間信息。綜合對(duì)比所分析的4類景觀節(jié)點(diǎn)下的綠視率變化，不難發(fā)現(xiàn)，應(yīng)對(duì)不同景觀環(huán)境特征時(shí)，基于LiDAR點(diǎn)云數(shù)據(jù)的綠視率分析均顯現(xiàn)較高的數(shù)據(jù)精準(zhǔn)度，不僅能全方位提取出各類復(fù)雜景觀環(huán)境中的植被要素特征，更可以有效劃分出水體、游樂設(shè)施等多種景觀要素與綠化植被之間的空間關(guān)系。

表2 基于點(diǎn)云數(shù)據(jù)的“綠視率”計(jì)算結(jié)果Tab.2 GVR calculation results based on point cloud data

3)點(diǎn)云分析方法優(yōu)勢。

對(duì)比3種分析方式下所得到的“綠視率”指數(shù)可發(fā)現(xiàn)，雖針對(duì)特定研究視角3種分析方式的計(jì)算結(jié)果差異相對(duì)較小，但如前文所述，基于三維點(diǎn)云模型的景觀空間形態(tài)分析優(yōu)勢實(shí)則體現(xiàn)在“分析高效性”“結(jié)果全面性”“數(shù)據(jù)準(zhǔn)確性”3個(gè)方面。具體而言，點(diǎn)云數(shù)據(jù)分析在大幅度提升景觀空間模型采集、建構(gòu)及分析流程中轉(zhuǎn)換效率的基礎(chǔ)上，更加符合人群在實(shí)景空間中全景式的真實(shí)視覺感受，亦可反映出景觀空間中植被、建筑、構(gòu)筑物等多種要素在各角度下的形態(tài)細(xì)節(jié)變化特征及相應(yīng)指標(biāo)變化，實(shí)現(xiàn)從人群真實(shí)視覺感受對(duì)景觀空間形態(tài)及各要素加以評(píng)估。而傳統(tǒng)景觀空間形態(tài)量化仍多以二維圖像為依托，存在分析視角的局限性，相關(guān)分析結(jié)果往往受到拍攝視角、區(qū)位等多方面因素影響，無法展現(xiàn)出景觀空間中多尺度、多視角下植被等復(fù)雜要素的形態(tài)變化特征。

4 討論及展望

4.1 價(jià)值與不足

本文所提出基于LiDAR點(diǎn)云的景觀空間“綠視率”量化分析方法相較于過往在精準(zhǔn)度、計(jì)算效率等多個(gè)方面均有所提升，在景觀空間研究與實(shí)踐過程中均具有較高適用性。對(duì)于實(shí)踐而言，借助三維點(diǎn)云模型的形態(tài)量化研究將便于設(shè)計(jì)者及決策者更加清晰地了解景觀空間的形態(tài)特征及場地條件，從而輔助景觀空間的精細(xì)化評(píng)價(jià)、設(shè)計(jì)與營造；對(duì)于研究而言，基于LiDAR點(diǎn)云的景觀空間綠視率量化分析方法提升了既有風(fēng)景園林領(lǐng)域研究的分析精度與效率，更適用于“生態(tài)”“人群”等多個(gè)方面與空間“形態(tài)”間的關(guān)聯(lián)性探討。

與過往研究相比，本文為實(shí)現(xiàn)在景觀空間研究全過程中充分利用LiDAR點(diǎn)云數(shù)據(jù)的優(yōu)勢，不再僅局限于采集、處理與建模等環(huán)節(jié)，拓展了點(diǎn)云數(shù)據(jù)在“量化分析”中的運(yùn)用可能。以“綠視率”指標(biāo)為切入點(diǎn)展開了研究嘗試，借鑒于過往生態(tài)學(xué)及植物學(xué)領(lǐng)域中“體素化”的植被建模途徑，將復(fù)雜、細(xì)碎的植被形態(tài)轉(zhuǎn)化為可供分析計(jì)算的實(shí)體模型；并在此基礎(chǔ)上，在已轉(zhuǎn)化的點(diǎn)云模型中模擬真實(shí)的人眼視域特征，以分析評(píng)估各視角下植被的景深層次等變化。一方面，突破過往綠視率計(jì)算方式多依托于二維圖像分析的缺陷；另一方面，拓展了LiDAR點(diǎn)云數(shù)據(jù)的分析運(yùn)用途徑。

但不可否認(rèn)，基于點(diǎn)云數(shù)據(jù)的景觀空間形態(tài)量化研究在數(shù)據(jù)處理難度上仍存在一定局限性。既有研究及實(shí)踐中借助三維點(diǎn)云采集技術(shù)雖可精細(xì)化呈現(xiàn)出景觀空間中植被等復(fù)雜要素的物理形態(tài)特征，如通過三維點(diǎn)云數(shù)據(jù)對(duì)城市街道樹木整體形態(tài)及其枝干樹葉形態(tài)精確建模[21]、樹群間景觀格局與連通性[22]、城市三維綠量計(jì)算分析[23]等，但受技術(shù)限制，現(xiàn)階段對(duì)于單株植被等復(fù)雜要素的自動(dòng)分割仍具有較高挑戰(zhàn)性。因此，目前在景觀空間量化研究中植被的形態(tài)仍有所簡化，需進(jìn)一步探索如何精確量化其形態(tài)特征。

4.2 運(yùn)用前景

從運(yùn)用前景來看，基于三維點(diǎn)云模型的空間形態(tài)量化分析在未來的研究與實(shí)踐中均存在積極促進(jìn)作用。不僅可以結(jié)合“健康城市”“碳中和”等當(dāng)下發(fā)展挑戰(zhàn)對(duì)景觀空間形態(tài)加以量化探析，也可以輔助風(fēng)景園林設(shè)計(jì)方案的生成與測試實(shí)踐場景開發(fā)。

結(jié)合當(dāng)下發(fā)展訴求及所面臨的實(shí)際問題與挑戰(zhàn)，現(xiàn)階段景觀空間的相應(yīng)研究手段愈發(fā)數(shù)字化及精細(xì)化?；谌S點(diǎn)云模型的景觀空間量化分析方法作為精準(zhǔn)量化解析景觀空間形態(tài)特征的新途徑，不僅對(duì)傳統(tǒng)形態(tài)量化方法進(jìn)行了優(yōu)化提升，也拓展出更多景觀空間三維形態(tài)量化研究的可能性(如三維可視體積等)，并可結(jié)合人群視覺偏好、心理健康、微氣候等多個(gè)方面的研究視角進(jìn)行探索。例如，結(jié)合AR、VR、MR等虛擬呈現(xiàn)手段用于特定景觀環(huán)境中人群偏好及身心健康的評(píng)估。

與此同時(shí)，輔助設(shè)計(jì)方案生產(chǎn)及測試場景開發(fā)亦是基于三維點(diǎn)云模型形態(tài)量化研究的又一重要運(yùn)用途徑，其對(duì)于設(shè)計(jì)場地特征的細(xì)節(jié)表現(xiàn)能力將極大推動(dòng)當(dāng)前設(shè)計(jì)實(shí)踐中的方法探索?？筛鶕?jù)形態(tài)分析結(jié)果，對(duì)場地現(xiàn)狀點(diǎn)云模型進(jìn)行拆解、重組并逐步優(yōu)化，避免了實(shí)踐過程中的不必要操作。

注：文中圖片均由作者繪制。