黎俊儀

林盈芳

董建文

傅偉聰*

城市濱水區(qū)(Urban Waterfront)在韋氏字典中的解釋為：河流邊緣、港灣等土地，泛指城市中與河流、湖泊、海洋毗鄰的區(qū)域。逐水而居，近水而種，親水是人類的自然本性，研究表明人們對(duì)含水的場(chǎng)景表現(xiàn)出更高的偏好、恢復(fù)性及動(dòng)力[1]。國內(nèi)外針對(duì)濱水的研究，早期從河岸優(yōu)化、生態(tài)治理等角度對(duì)具體案例提出相應(yīng)規(guī)劃設(shè)計(jì)方案，隨著居民精神生活追求的逐漸提高，以美學(xué)[2-3]、恢復(fù)效益[4-5]出發(fā)的濱水研究應(yīng)運(yùn)而生。

視覺評(píng)價(jià)被認(rèn)為能夠幫助探索公眾偏好與景觀之間的規(guī)律，由Daniel等[6]提出的美景度評(píng)價(jià)法(Scenic Beauty Estimation，SBE)通過公眾參與的方式獲得對(duì)景觀的審美態(tài)度，從而達(dá)到評(píng)估景觀的目的，是視覺景觀中成熟且運(yùn)用廣泛的評(píng)價(jià)體系。圖像作為視覺刺激是SBE中常用的方式，但有研究指出，人雙眼的水平可視范圍約220°，垂直可視范圍是標(biāo)準(zhǔn)視野0°向上35°、向下50°內(nèi)[7]，智能手機(jī)或相機(jī)攝影圖像因受到角度與攝影師主觀喜好的限制，常難以向觀看者展示真實(shí)、全面的場(chǎng)景。虛擬現(xiàn)實(shí)技術(shù)(Virtual Reality，VR)的出現(xiàn)為觀看者提供了最大限度的空間感受[8]，其中，全景成像技術(shù)作為虛擬現(xiàn)實(shí)的一個(gè)分支，通過與攝影技術(shù)的結(jié)合向觀看者展示真實(shí)環(huán)境的三維虛擬再現(xiàn)，更新了評(píng)價(jià)場(chǎng)景的呈現(xiàn)方式(圖1)。Li Deng等[9-11]認(rèn)為創(chuàng)建或再現(xiàn)與真實(shí)環(huán)境相同的虛擬場(chǎng)景進(jìn)行評(píng)估是適當(dāng)且有意義的，不僅為觀者提供了身臨其境的環(huán)境體驗(yàn)，同時(shí)增強(qiáng)了視覺探索的趣味。

圖1 被試者VR體驗(yàn)圖

數(shù)字化景觀時(shí)代的發(fā)展對(duì)客觀環(huán)境的認(rèn)知量化提出了新要求，研究者開始將注意力從傳統(tǒng)的定性化評(píng)價(jià)向要素的定量化轉(zhuǎn)移，如崔喆等[12]利用HSL色彩空間模型對(duì)圖像進(jìn)行色彩解析以探索新的綠視率計(jì)算方法；劉可丹等[13]采用Photoshop圖像處理軟件人為辨識(shí)并勾勒景觀要素的外部輪廓，借助網(wǎng)格法獲得場(chǎng)景定量化數(shù)據(jù)，但此類研究仍存在方法局限、時(shí)間成本高昂及精度難以保證等問題。圖像語義分割(Semantic Segmentation)技術(shù)是計(jì)算機(jī)視覺領(lǐng)域的熱門話題，可通過自動(dòng)分析一類或幾類數(shù)據(jù)來獲取規(guī)律，并根據(jù)表達(dá)語義的不同實(shí)現(xiàn)對(duì)未知圖像的像素級(jí)分類。在風(fēng)景園林領(lǐng)域，該技術(shù)在圖片信息識(shí)別、特征提取和分類上應(yīng)用廣泛[14-15]，同時(shí)數(shù)據(jù)獲取的速度得到大幅度提升。

綜上所述，目前的美景度評(píng)價(jià)方法存在一定探討空間，計(jì)算機(jī)輔助技術(shù)作為環(huán)境量化認(rèn)知的方式逐漸獲得關(guān)注，但相關(guān)方法仍需改進(jìn)，基于公眾審美的城市綠地研究仍缺乏更加客觀及科學(xué)的數(shù)據(jù)支撐。本研究以福州西湖公園、左海公園為對(duì)象，以VR圖像為媒介，在消除現(xiàn)場(chǎng)不可控因素的情況下收集更趨近現(xiàn)實(shí)的公眾審美評(píng)判，在場(chǎng)景解析部分，引入圖像語義分割法作為場(chǎng)景定量化解析的輔佐手段，從公眾審美角度為城市濱水綠地營建提供更加客觀有力的數(shù)據(jù)支撐。

1 研究區(qū)域概況

丘陵地區(qū)城市主要風(fēng)貌為山水相連，福州市地處我國三大丘陵之首的東南丘陵，是丘陵地區(qū)典型城市。西湖公園、左海公園位于福建省福州市鼓樓區(qū)，是城區(qū)內(nèi)主要的濱水景觀，兩公園相互毗鄰。西湖公園是福州歷史悠久且保留最完整的古典園林公園，面積42.51hm2，水面面積30.3hm2；左海公園總體設(shè)計(jì)以“五洲風(fēng)光”為主題，面積35.47hm2，水面面積18.14hm2。

公園已建成景觀節(jié)點(diǎn)通常起到引導(dǎo)游客聚集的作用，本研究以此為依據(jù)在對(duì)2個(gè)公園全面踏查的基礎(chǔ)上選定樣地(圖2)，包括濱水步道、濱水廣場(chǎng)、濱水綠地、濱水建筑4類空間，具備一定典型性及多樣性。此外，樣地選擇還遵循以下原則：1)樣地能客觀反映所拍攝景觀的整體特征；2)樣地均視為有水環(huán)境；3)樣地均為公園已建成節(jié)點(diǎn)，并在前期實(shí)際勘察中觀察到一定的人流量；4)樣地具有自然(土壤、植被、水體等)及人工(建筑、廣場(chǎng)、園路、設(shè)施等)景觀要素。

圖2 公園濱水綠地樣地分布圖

2 研究方法

2.1 研究樣本獲取

樣本于2020年12月27日10：00—14：30進(jìn)行采集，采用insta360 ONE全景相機(jī)拍攝。拍攝時(shí)利用三角支架將相機(jī)固定于離地1.6m水平高度，在確保拍攝高度與人眼水平高度一致的同時(shí)減少人為手持操作產(chǎn)生的誤差。

共計(jì)拍攝全景圖像98張，輸出分辨率為6 912×3 456像素。在剔除重復(fù)拍攝、光感差距大、無關(guān)因子較多的圖像后，篩選出36張能夠還原公園全貌的全景圖像作為本研究樣本。

2.2 被試者與評(píng)價(jià)過程

不同人群對(duì)美景度的判別反應(yīng)在統(tǒng)計(jì)學(xué)意義上具有普遍的一致性，本次實(shí)驗(yàn)面向高校師生招募40名志愿者作為被試人員，評(píng)判過程分為三部分進(jìn)行(圖3)：1)將輸出形式為等距投影的全景圖像制成幻燈片，間隔8s[16]向被試者展示全部場(chǎng)景；2)將圖像導(dǎo)入insta360player，通過頭戴式顯示設(shè)備向被試者依次展現(xiàn)36個(gè)場(chǎng)景，被試者被要求通過轉(zhuǎn)動(dòng)頭部或身體來感知立體的環(huán)境和空間感受，相關(guān)研究顯示VR連續(xù)體驗(yàn)時(shí)長(zhǎng)通常為10～15min[17-18]，因此本次時(shí)間控制在15min左右；3)被試者根據(jù)景觀質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)對(duì)場(chǎng)景進(jìn)行打分，問卷采用7級(jí)評(píng)分法，分值3～-3表示階梯式“很喜歡”到“很不喜歡”。

圖3 實(shí)驗(yàn)內(nèi)容與流程圖

2.3 景觀要素選取

2.3.1 要素初選

為確定景觀評(píng)價(jià)與場(chǎng)景之間的關(guān)系，需提取影響風(fēng)景質(zhì)量的景觀要素，以王建國[19]對(duì)公園景觀要素的分類為基礎(chǔ)，通過歸納匯總近幾年國內(nèi)外關(guān)于城市濱水綠地的景觀評(píng)價(jià)研究[13，20-26]，初步從空間要素、自然要素、建設(shè)要素、設(shè)施要素4個(gè)方面將環(huán)境特征分解為20個(gè)預(yù)選景觀要素。

2.3.2 灰色統(tǒng)計(jì)分析

灰色統(tǒng)計(jì)分析法被認(rèn)為能有效提高要素選擇的科學(xué)性[27]，研究使用該方法展開進(jìn)一步要素篩選，具體流程如下：1)以問卷形式向20位風(fēng)景園林專家征詢要素指標(biāo)重要性程度的意見，采用7級(jí)評(píng)分法，等級(jí)1～7表示階梯式的“非常不重要”到“非常重要”；2)構(gòu)建灰類白化函數(shù)；3)計(jì)算灰類決策系數(shù)，得出各要素的高、中和低灰類的決策系數(shù)；4)比較向量中的3個(gè)決策系數(shù)，選取

重要程度為“高”的預(yù)選要素進(jìn)行后續(xù)研究。最終景觀要素選取如表1所示。

表1 景觀要素分解表

2.4 要素定量化分解

2.4.1 卷積神經(jīng)網(wǎng)絡(luò)模型選取

本文選用在全卷積網(wǎng)絡(luò)(Fully Convolutional Network，F(xiàn)CN)基礎(chǔ)上改進(jìn)而來的PSPNet模型展開場(chǎng)景定量化分解(圖4)。識(shí)別精度通常以平均聯(lián)盟交集(MIoU)為標(biāo)準(zhǔn)來衡量[28]，即描述圖像預(yù)測(cè)像素和真實(shí)像素的重疊率，計(jì)算公式如公式(1)所示。PSPNet模型被認(rèn)為適用于相對(duì)復(fù)雜的場(chǎng)景解析，曾獲得2016年ImageNet場(chǎng)景解析挑戰(zhàn)冠軍，在PASCAL VOC 2012基準(zhǔn)測(cè)試中取得最佳效果(MIoU=85.4%)。

圖4 PSPNet網(wǎng)絡(luò)結(jié)構(gòu)[35]

式中，k為景觀標(biāo)簽類別總數(shù)；pii為真實(shí)像素類別為i的像素被預(yù)測(cè)為類別i的總數(shù)量；pij為真實(shí)像素類別為i的像素被預(yù)測(cè)為類別j的總數(shù)量；pji為真實(shí)像素類別為j的像素被預(yù)測(cè)為類別i的總數(shù)量。

2.4.2 訓(xùn)練數(shù)據(jù)集選取

語義分割需對(duì)含有大量已注釋對(duì)象的場(chǎng)景(訓(xùn)練數(shù)據(jù)集)進(jìn)行學(xué)習(xí)并從中獲得規(guī)律。濱水綠地構(gòu)成要素較多，以街道為采集主體的數(shù)據(jù)集較難滿足分割需求，為提升識(shí)別精度，本文選用ADE20K公開數(shù)據(jù)集對(duì)PSPNet進(jìn)行預(yù)訓(xùn)練。ADE20K數(shù)據(jù)集[34]涵蓋室內(nèi)、室外、自然等多種場(chǎng)景，是擁有超過25 000張密集注釋圖像、150種類目標(biāo)簽、3 000個(gè)具體注釋對(duì)象的龐大數(shù)據(jù)集，包含：1)具有明確形狀的離散物體，如汽車、人；2)無定形背景區(qū)域的物體，如草地、天空；3)具有某種功能意義的現(xiàn)有物體的組成部分，如頭部或腿部。

2.4.3 運(yùn)算過程

全景圖像的畸變因不符合算法的語義規(guī)律會(huì)導(dǎo)致分割精度降低，研究借助軟件將全景圖像重映射輸出為前、后、左、右、上、下六方位普通圖像，以此進(jìn)行語義分割(表2)。模型運(yùn)行在PyCharm程序?qū)崿F(xiàn)，輸入圖片大小統(tǒng)一設(shè)置為1 500×1 500像素。

表2 圖像語義分割部分結(jié)果

2.5 數(shù)據(jù)處理與模型建立

2.5.1 美景度標(biāo)準(zhǔn)化計(jì)算

為消除或減少不同評(píng)判者的審美差異，通過公式(2)將美景度評(píng)分標(biāo)準(zhǔn)化處理，進(jìn)一步求平均值得到各場(chǎng)景的美景度值。

式中，Zij為第j位評(píng)判者對(duì)第i個(gè)場(chǎng)景美景度評(píng)分的標(biāo)準(zhǔn)化值；Rij為第i位評(píng)判者對(duì)第j個(gè)場(chǎng)景的美景度評(píng)分；Rj為第j位評(píng)判者對(duì)同一個(gè)景觀美景度評(píng)分的平均值；Sj為第j位評(píng)判者對(duì)同一個(gè)景觀美景度評(píng)分的標(biāo)準(zhǔn)差。

2.5.2 模型建立

研究將美景度標(biāo)準(zhǔn)化值作為因變量，各景觀要素值作為自變量，在建模過程中通過偏相關(guān)分析法逐步剔除相關(guān)性小的因子，保留貢獻(xiàn)較大因子，以此建立最終美景度模型。

3 結(jié)果與分析

3.1 圖像語義分割結(jié)果分析

為衡量模型對(duì)城市濱水綠地的識(shí)別精確性，研究隨機(jī)選取5個(gè)場(chǎng)景作為檢驗(yàn)樣本展開MIoU分析(表3)。語義分割輸出與相應(yīng)的真實(shí)值標(biāo)簽比較結(jié)果表明，經(jīng)由ADE20K數(shù)據(jù)集預(yù)訓(xùn)練的PSPNet模型對(duì)綠植、水體、天空的識(shí)別精度分別達(dá)到90.3%、86%和89.9%，總體模型精度為88.8%。根據(jù)PSPNet模型在多數(shù)據(jù)集上的基準(zhǔn)測(cè)試表現(xiàn)[29]以及學(xué)者對(duì)當(dāng)前經(jīng)典的深度學(xué)習(xí)模型的精度對(duì)比結(jié)果[30]得知，該模型具有較高的識(shí)別精度，適用于城市濱水綠地圖像的定量化分割。

表3 語義分割與人工識(shí)別對(duì)比

根據(jù)綠植的分割結(jié)果表明，與人工識(shí)別相比，語義分割將樹木視作一個(gè)整體，忽略樹干、枝葉等之間的孔隙，從而導(dǎo)致了數(shù)據(jù)的偏差，這與標(biāo)注對(duì)象的深度設(shè)置[31]有關(guān)，當(dāng)分割對(duì)象存在部分重疊時(shí)，通常將大部分相交區(qū)設(shè)置為近景對(duì)象，張煒[14]在其研究中得出一致結(jié)論，并認(rèn)為語義分割結(jié)果可以減少植被在不同季節(jié)產(chǎn)生的誤差。在水體的識(shí)別結(jié)果對(duì)比發(fā)現(xiàn)，倒影的存在會(huì)導(dǎo)致語義分割偏差，錯(cuò)誤地識(shí)別為植物、土壤等其他要素，此外，光線也具有一定影響，亮度較暗的部分常造成識(shí)別偏差。天空的識(shí)別偏差大部分出現(xiàn)在與樹木銜接的地方。

3.2 城市濱水綠地美景度相關(guān)性分析

將美景度與15個(gè)景觀要素值輸入SPSS 22.0軟件進(jìn)行分析，通過6次偏相關(guān)運(yùn)算后得知，除“天空開敞度”“空間色彩豐富度”“建筑比例”“小品比例”及“人文氛圍”外，樣地濱水綠地美景度與剩余10個(gè)景觀要素顯著相關(guān)。

3.3 城市濱水綠地空間評(píng)價(jià)模型構(gòu)建分析

3.3.1 評(píng)價(jià)模型建立

為更直觀地反映美景度與景觀要素之間的關(guān)系，根據(jù)線性回歸結(jié)果建立西湖公園、左海公園濱水綠地美景度模型：SBE=1.795+-0.479K2＋-0.016Z1+-0.03Z2+0.193Z3+0.123Z4+-0.108Z5+0.2Z6+-0.036J2+0.157J3+-0.518S1。

3.3.2 評(píng)價(jià)模型檢驗(yàn)

由表4、5可知，當(dāng)10個(gè)景觀要素均進(jìn)入回歸模型后，調(diào)整后判定系數(shù)R2(擬合優(yōu)度)為0.642>0.6，表明建立的方程回歸擬合程度較高，具有良好的解釋度。同時(shí)，對(duì)模型進(jìn)行相關(guān)系數(shù)的F檢驗(yàn)，得到F＝7.274(P<0.001)，結(jié)果為顯著，方程具有統(tǒng)計(jì)學(xué)意義。

表4 模型摘要

單要素檢驗(yàn)發(fā)現(xiàn)，除“植物生長(zhǎng)狀況”外，其余9個(gè)因子的P＜0.05，T檢驗(yàn)為顯著或極顯著，其中“綠視率”“土壤裸露程度”“鋪裝比例”“商業(yè)設(shè)施”4個(gè)因子的P＜0.01，說明與美景度值之間有極顯著的相關(guān)性(表6)。

表6 美景度估算方程系數(shù)分析

3.4 景觀要素對(duì)美景度的具體影響機(jī)制

3.4.1 正向關(guān)鍵因子分析

由美景度模型可知，“植物生長(zhǎng)狀況”“植物層次”“鋪裝形式”“植物色彩”的正向提升能夠提高公眾審美喜好。

植物是公園中不可或缺的要素，也是景觀評(píng)價(jià)的重要影響因子。豐富的植物色彩[22]和復(fù)合型植物構(gòu)成[32]能在一定程度上提升公眾的審美判定，與前人研究相互印證。由自變量標(biāo)準(zhǔn)化系數(shù)得知，“植物生長(zhǎng)狀況”(貢獻(xiàn)率=10.8%)是濱水綠地美景度的最大正向貢獻(xiàn)因子，與劉健行等[33]研究觀點(diǎn)一致，認(rèn)為樹木枯枝、雜草叢生等衰敗景象容易降低公眾的審美評(píng)價(jià)。在場(chǎng)景營建過程中應(yīng)根據(jù)植物季相特性配置相應(yīng)的景觀構(gòu)筑、小品以及植物搭配，營造季節(jié)性景觀風(fēng)貌。

“鋪裝形式”以鵝卵石鋪地最受公眾偏愛，其次是木棧道，最后為普通磚石。由具體數(shù)據(jù)得知，鋪裝占比為20%～40%，鋪裝的形式對(duì)視覺感受及公園整體風(fēng)貌存在一定的影響。

3.4.2 負(fù)向關(guān)鍵因子分析

“商業(yè)設(shè)施”“視覺復(fù)雜度”“土壤裸露程度”“鋪裝比例”“藍(lán)視率”“綠視率”對(duì)美景度存在負(fù)向影響。

“商業(yè)設(shè)施”包括景觀中出現(xiàn)的游船設(shè)施、廣告牌等(貢獻(xiàn)率=27.8%)，是本模型中具有最大貢獻(xiàn)率的因子。訪談過程得知，停泊游船的高密度聚集會(huì)導(dǎo)致空間開闊感下降，且商業(yè)設(shè)施顏色雜亂，容易造成眼花繚亂的效果[34]。

“視覺復(fù)雜度”(貢獻(xiàn)率=25.8%)反映了圖像信息的豐富度和協(xié)調(diào)度。過多要素的無序堆積容易造成整體協(xié)調(diào)感缺失及視覺感受破碎化，從而降低視覺美感。提高場(chǎng)景的視覺觀賞性不但要避免單一的元素堆積，還應(yīng)考慮合理配置。

植被的影響體現(xiàn)在“綠視率”“土壤裸露程度”2個(gè)要素上?！熬G視率”與美景度的正負(fù)關(guān)系[35-36]在過往研究中均有提及，也有研究[37]認(rèn)為在濱水景觀中，水是重要的構(gòu)景要素，綠化率對(duì)視覺影響不大。本研究指出過高的綠視率可能會(huì)導(dǎo)致環(huán)境視野局限，使觀者產(chǎn)生壓抑及疲勞感?！巴寥缆懵冻潭取笔菍?duì)被解釋變量影響水平最高的自然要素，過往研究表示，相比裸露的土地，草皮、低矮綠籬、花卉作為綠化元素更受人們偏愛，甚至更偏愛缺少樹木但沿路布置花草的街道[38-39]。因此，關(guān)注地表植物覆蓋度能以最低成本獲得景觀效果的快速提升。

“藍(lán)視率”顯示與美景度呈負(fù)相關(guān)，本文研究對(duì)象為城市濱水綠地，選取樣點(diǎn)均為有水環(huán)境，語義分割結(jié)果顯示，樣地藍(lán)視率為1.2%～15%，因此認(rèn)為在此區(qū)間內(nèi)藍(lán)視率與美景度呈現(xiàn)負(fù)相關(guān)。White[40]在研究中表明，考慮與水陸棲息地的生理適應(yīng)有關(guān)，人們對(duì)水體占據(jù)大部分空間的場(chǎng)景偏好更低，朱曉玥[41]也認(rèn)為高藍(lán)視率場(chǎng)景的公眾偏好及恢復(fù)性效能均低于中、低藍(lán)視率場(chǎng)景，高藍(lán)視率意味著距水較近，容易產(chǎn)生心理恐懼，同時(shí)水體比例過大意味著其他景觀構(gòu)成單調(diào)。

3.5 優(yōu)劣樣地景觀分析

在評(píng)價(jià)使用的36個(gè)景觀場(chǎng)景中，得分正值場(chǎng)景19個(gè)，負(fù)值場(chǎng)景17個(gè)，由表7可知，場(chǎng)景31(0.860 945)最受公眾喜愛，場(chǎng)景7(-0.849 000)則獲評(píng)分最低，具體場(chǎng)景展示如圖5所示。

圖5 優(yōu)劣場(chǎng)景對(duì)比圖

表7 樣地美景度評(píng)價(jià)值

由模型可知，高SBE值的場(chǎng)景擁有良好的植物生長(zhǎng)狀況、和諧豐富的植物色彩及復(fù)合型植被層次，鋪裝形式喜好度為鵝卵石>木頭>普通磚石，同時(shí)，整體視覺效果協(xié)調(diào)有序，土壤暴露程度及鋪裝占比低，最重要的是商業(yè)氛圍不高。

根據(jù)具體場(chǎng)景及數(shù)據(jù)分析顯示，評(píng)分前三的樣地呈現(xiàn)古典園林風(fēng)格，“綠視率”占比為30%～50%，“藍(lán)視率”占比為2%～10%，“鋪裝比例”占比為15%～30%，擁有2～3種“植物色彩”，“植物層次”均為喬灌草復(fù)合型植被構(gòu)成，“土壤裸露程度”及“商業(yè)設(shè)施”均為0。3個(gè)場(chǎng)景均具有適當(dāng)?shù)男∑吩O(shè)施搭配，建筑風(fēng)格以古典式為主，與公園總體風(fēng)格協(xié)調(diào)。

美景度正負(fù)得分值統(tǒng)計(jì)結(jié)果得知，得分正值的“商業(yè)設(shè)施”占比總值為0.42%，得分負(fù)值“商業(yè)設(shè)施”占比總值為4.19%。美景度評(píng)分較差的3個(gè)場(chǎng)景的共同特點(diǎn)也在于商業(yè)氛圍濃厚，場(chǎng)景中“植物色彩”通常以大面積綠色為主，缺少顏色搭配，“鋪裝形式”為普通磚石鋪地，此外，“植物生長(zhǎng)狀況”差、“土壤裸露程度”高也是造成評(píng)分較低的原因。

4 結(jié)論與討論

本研究揭示了城市濱水綠地與公眾審美之間的影響機(jī)制，認(rèn)為“植物生長(zhǎng)狀況”“植物層次”“鋪裝形式”“植物色彩”對(duì)城市濱水綠地美景度具有顯著的正向影響作用，其貢獻(xiàn)率依次降低；“商業(yè)設(shè)施”“視覺復(fù)雜度”“土壤裸露程度”“鋪裝比例”“藍(lán)視率”“綠視率”則起到負(fù)向影響作用，其貢獻(xiàn)率依次降低。商業(yè)設(shè)施是對(duì)美景度具有最大負(fù)向影響的因子，在以往研究中常常忽視這一點(diǎn)對(duì)公眾審美的影響。綠視率、藍(lán)視率雖作為相關(guān)因子，但總體貢獻(xiàn)率不高，由訪談得知，這也許與個(gè)體性格有關(guān)，偏愛開闊空間感受的被試者對(duì)綠視率低而藍(lán)視率高的場(chǎng)景評(píng)分較高；反之，部分被試者認(rèn)為郁閉的空間更能帶來安全感。此外，具有顯著影響的因子中，自然要素超過一半，因此認(rèn)為在針對(duì)成熟公園的后期建設(shè)中，可以考慮從自然要素著手。

表5 方差分析

傳統(tǒng)式圖片作為評(píng)價(jià)媒介常受到外界環(huán)境干擾而影響評(píng)判結(jié)果，研究以VR圖像為視覺刺激進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)中，被試者對(duì)體驗(yàn)場(chǎng)景表現(xiàn)出“太陽曬”“私密性強(qiáng)”“想拍照”等感受和行動(dòng)意愿，證明被試者在短時(shí)間內(nèi)已融入場(chǎng)景中，正如侯錦雄在對(duì)不同模擬媒介對(duì)比的研究中指出，受試者對(duì)動(dòng)態(tài)模擬圖像，如3D虛擬現(xiàn)實(shí)有較高的反應(yīng)[42]。虛擬現(xiàn)實(shí)的融入更新了場(chǎng)景的呈現(xiàn)方式，未來可深入探索VR圖像對(duì)現(xiàn)實(shí)場(chǎng)景的替代效應(yīng)。

相比傳統(tǒng)的場(chǎng)景分解方法，本研究創(chuàng)新點(diǎn)在于引入了圖像語義分割法，為美景度評(píng)價(jià)提供場(chǎng)景量化的技術(shù)更新以及更加客觀的數(shù)據(jù)支撐。該方法在以往研究中多應(yīng)用于街道景觀，而公園景觀相較而言擁有更復(fù)雜的景觀構(gòu)成，本文通過實(shí)驗(yàn)證實(shí)了該方法在城市濱水綠地場(chǎng)景中的適用性，為未來研究技術(shù)方面提供新的思路。相比街道景觀常用的Cityscapes數(shù)據(jù)集，ADE20K數(shù)據(jù)集包含標(biāo)簽類目更廣，在公園場(chǎng)景應(yīng)用時(shí)分割精度更佳。目前，公開的模型及數(shù)據(jù)集通常適用于普通圖像的語義分割，未來可通過修改模型層數(shù)結(jié)構(gòu)或建立相應(yīng)數(shù)據(jù)集等進(jìn)一步提升分割精度。

注：文中圖片除注明外，均由作者繪制。