伏學(xué)習(xí),馬識(shí)途,李娟,聶蓓捷,和家歡,楊會(huì)娟,4

(1河北農(nóng)業(yè)大學(xué) 園林與旅游學(xué)院,河北 保定071000;2南開大學(xué) 商學(xué)院,天津 300071;3河北省木蘭圍場國有林場,河北 承德 068456;4河北省城市森林健康技術(shù)創(chuàng)新中心,河北 保定071000)

旅游目的地形象是吸引旅游者的關(guān)鍵因素,代表了旅游者對目的地的觀點(diǎn)與印象,良好的旅游形象可以提高游客滿意度,有利于旅游目的地長期發(fā)展[1-2]。Baloglu提出目的地形象感知由認(rèn)知形象、情感形象和整體形象3個(gè)部分組成[3]。其中,認(rèn)知形象是指對目的地各種旅游屬性的認(rèn)知與感受;情感形象是指旅游者對旅游目的地各種旅游屬性的情感態(tài)度[4];整體形象感知是對旅游目的地整體環(huán)境的感知,受旅游認(rèn)知形象和情感形象共同影響。

傳統(tǒng)旅游目的地形象感知一般采用問卷、訪談等方法對旅游者進(jìn)行調(diào)查,存在樣本量小、主觀性強(qiáng)等不足[5-7]。隨著互聯(lián)網(wǎng)的發(fā)展,更多的用戶將原創(chuàng)內(nèi)容上傳至社交網(wǎng)絡(luò),“由用戶產(chǎn)生的內(nèi)容(UGC)”概念興起。這類數(shù)據(jù)可以分為兩大類,一類是網(wǎng)絡(luò)文本,如游記、評論等;一類是網(wǎng)絡(luò)照片,其中網(wǎng)絡(luò)照片主要包含2個(gè)重要信息:照片元數(shù)據(jù)(附帶的地理位置、時(shí)間等信息)與照片本身的視覺內(nèi)容[8]。大多數(shù)基于UGC數(shù)據(jù)的目的地形象感知研究側(cè)重于對網(wǎng)絡(luò)文本與照片元數(shù)據(jù)的分析[7,9-12]。與文本數(shù)據(jù)相比,照片是旅游者關(guān)于旅游地感知的視覺化表達(dá),更能反映旅游者本身的認(rèn)知與情感,是了解旅游者對旅游地感知的重要途徑[13-14]。因此,通過照片可以獲取游客關(guān)于旅游地的認(rèn)知形象和情感形象。

深度學(xué)習(xí)是對數(shù)據(jù)進(jìn)行表征學(xué)習(xí)的方法[15]?；谏疃葘W(xué)習(xí)的計(jì)算機(jī)視覺技術(shù)的快速發(fā)展,使大規(guī)模圖像視覺內(nèi)容的識(shí)別成為可能,為UGC圖片分析提供了新的研究技術(shù)。張坤等使用深度學(xué)習(xí)模型,對北京入境游客的旅游照片識(shí)別出103種場景類別,分析了入境游客對旅游地的整體感知特征[16];鄧寧等基于深度學(xué)習(xí)模型對Flick圖片進(jìn)行分析,比較了不同來源地旅游者對旅游地形象感知的差異[17];范夢余等基于DeepSentiBank 模型對地理標(biāo)記照片進(jìn)行解析,分析了內(nèi)蒙古地區(qū)的認(rèn)知與情感傾向[18]。利用深度學(xué)習(xí)處理UGC圖片成為旅游地形象感知研究的熱點(diǎn),但研究尺度上以國家、省域、城市為主,因數(shù)據(jù)獲取難度較大,將深度學(xué)習(xí)運(yùn)用于森林旅游地形象感知的研究較少。

旅游目的地情感形象研究多采用ROST情感分析軟件對網(wǎng)絡(luò)文本進(jìn)行分析,產(chǎn)生情感偏差的原因方面多由旅游服務(wù)設(shè)施等方面引起,一定程度上忽略了景觀本身,如景觀要素空間分布和組合特征對情感的影響[19-20]。在景觀美學(xué)評價(jià)中,部分學(xué)者對視覺景觀偏好與景觀格局指標(biāo)之間的關(guān)系進(jìn)行研究,Schirpke等人研究指出,斑塊形狀復(fù)雜性、景觀多樣性和景觀結(jié)構(gòu)的豐富度與視覺質(zhì)量呈正相關(guān)關(guān)系,Dramstad等研究表明,景觀類型數(shù)量、斑塊數(shù)量及多樣性與視覺景觀偏好呈顯著相關(guān)性[21-22]。因此,景觀的情感也與景觀的構(gòu)成和空間格局具有一定的關(guān)系。景觀指數(shù)是衡量景觀格局結(jié)構(gòu)的定量指標(biāo),利用景觀格局指數(shù)研究照片中景觀要素在空間中的分布特征,可以闡述不同照片產(chǎn)生不同情感的具體原因[23]。

對于森林旅游地而言,自然景觀是各種旅游屬性的核心,是人們旅游的主要?jiǎng)恿碓础Ｒ虼?以游客上傳至網(wǎng)絡(luò)的塞罕壩自然景觀照片作為研究對象,利用深度學(xué)習(xí)對照片所反映的景觀內(nèi)容進(jìn)行解析,同時(shí),將照片所反映的景觀進(jìn)行分類研究,結(jié)合景觀生態(tài)學(xué)指標(biāo)探討不同類型景觀產(chǎn)生不同情感原因,可為森林旅游地的景觀提升與形象優(yōu)化提供科學(xué)依據(jù)。

1 研究對象與研究方法

1.1 研究區(qū)概況

塞罕壩國家森林公園(E 116°32′～118°14′,N 41°35′～42°40′)位于河北省承德市圍場滿族蒙古族自治縣境內(nèi),地處內(nèi)蒙古高原與河北北部山地的交界處。區(qū)域平均海拔1 500 m,寒溫帶大陸性季風(fēng)氣候。主要喬木包括白樺(Betulaplatyphylla)、華北落葉松(Larixprincipis-rupprechtii)、云杉(Piceaasperata)、樟子松(Pinussylvestrisvar.mongolica)等,生態(tài)系統(tǒng)復(fù)雜多樣,生物多樣性豐富。塞罕壩作為森林旅游地,擁有森林、草原、濕地、沙漠等自然景觀,已開發(fā)七星湖、塞罕塔等旅游景區(qū)。

1.2 照片的爬取與篩選

“六只腳”“兩步路”與Flickr網(wǎng)站分別是國內(nèi)與國外最大的旅游照片記錄與分享的平臺(tái)之一,本研究以“塞罕壩”為關(guān)鍵詞,使用“八爪魚”軟件對“六只腳”“兩步路”以及Flickr網(wǎng)站進(jìn)行照片的爬取,見表1。

表1 照片數(shù)據(jù)來源

由表1可知,共爬取3 253張照片,刪除圖像模糊、拍攝對象不明確以及非景觀照片,篩選出以風(fēng)景為主的照片,最終獲取有效照片共計(jì)1 656張,照片拍攝時(shí)間集中在2014年—2021年。

1.3 研究方法

1.3.1 景觀要素提取 圖像語義分割是指為圖像中的每個(gè)像素點(diǎn)分配一個(gè)預(yù)先設(shè)定好的表示其語義類別的標(biāo)簽,可識(shí)別出圖片不同要素并計(jì)算出各要素占比[24]。本研究采用Yao等提出的基于全卷積神經(jīng)網(wǎng)絡(luò)(FCN)的圖像語義分割軟件進(jìn)行語義分割,運(yùn)用FCN網(wǎng)絡(luò)在ADE-20K數(shù)據(jù)集進(jìn)行訓(xùn)練,可識(shí)別出150種物體,在訓(xùn)練集的識(shí)別精度為81.44%,測試集的識(shí)別精度為66.83%,表現(xiàn)出良好的性能[25]。對選取的1 656張照片進(jìn)行圖像語義分割,可輸出16位的分割PNG圖像數(shù)據(jù)及各景觀要素占比,其要素為照片內(nèi)容的解析,體現(xiàn)了景觀的認(rèn)知形象。圖像語義分割示意,見圖1。

1.3.2 情感形象分析 DeepSentiBank是由哥倫比亞大學(xué)Chen等研究者開發(fā)的基于圖片深度學(xué)習(xí)的分析工具,可將圖片信息轉(zhuǎn)化為文本,生成由231個(gè)形容詞和424個(gè)名詞組成的2 089個(gè)ANP(“形容詞-名詞”組)[26]。根據(jù)ANP與圖片內(nèi)容的相關(guān)性進(jìn)行排序,排序靠前的ANP數(shù)值越大,表示其與圖片內(nèi)容越相關(guān)?；贒eepSentiBank解析圖片流程如圖2。

圖2 基于Deepsentibank解析圖片流程

運(yùn)用DeepSentiBank對景觀照片進(jìn)行解析,并計(jì)算景觀照片的每1項(xiàng)ANP出現(xiàn)的次數(shù)。本研究僅統(tǒng)計(jì)每張照片的前10項(xiàng)ANP,以突出重點(diǎn)認(rèn)知形象與情感形象。其名詞部分表示為游客對塞罕壩景觀的認(rèn)知形象,形容詞部分表現(xiàn)情感形象。

HowNet情感詞典由91 016個(gè)中文詞語和85 295個(gè)英文詞語組成,并為每個(gè)詞和詞組標(biāo)注了基于義原的定義以及詞性、情感傾向等信息,可將詞語進(jìn)行正向、負(fù)向的情感分類[27]。經(jīng)ANP詞組的形容詞與HowNet詞典比對發(fā)現(xiàn),部分詞匯與HowNet不重合,由園林專業(yè)教師及研究生對此類形容詞進(jìn)行正、負(fù)向的情感分類。

則該張照片的情感值計(jì)算方法為:

Vi=Pi-Ni

(1)

式中:Vi為某張照片情感值;Pi為照片正向詞數(shù)量;Ni為負(fù)向詞數(shù)量。情感值Vi的取值范圍為-10～10,當(dāng)-10≤Vi<-3時(shí),照片情感傾向?yàn)樨?fù)面情感;當(dāng)-3≤Vi≤3時(shí),照片情感傾向?yàn)橹行郧楦?當(dāng)3

1.3.3 照片景觀格局分析 景觀格局指數(shù)對景觀類型斑塊的數(shù)量、分布的定量描述具有重要意義,為探索不同照片產(chǎn)生情感偏差原因,本研究引入描述景觀格局的相關(guān)指標(biāo)[28]。將圖像語義分割的圖片導(dǎo)入Arcgis進(jìn)行可視化,將數(shù)據(jù)導(dǎo)出為TIFF格式,利用Fragstats進(jìn)行指標(biāo)計(jì)算,對照片的各景觀組成成分的空間分布和組成特征進(jìn)行分析。景觀格局指數(shù)包含斑塊水平、類型水平、景觀水平3個(gè)層次,其中,景觀水平的指標(biāo)針對整體的景觀特征進(jìn)行分析處理,因此本研究基于景觀層次指標(biāo)進(jìn)行選取,結(jié)合前人對景觀美學(xué)與景觀生態(tài)學(xué)指標(biāo)的研究,最終選取:斑塊數(shù)量(NP)、斑塊豐富度(PR)、斑塊密度(PD)、景觀形狀指數(shù)(LSI)、最大斑塊指數(shù)(LPI)、香農(nóng)多樣性指數(shù)(SHDI)、香農(nóng)均勻度指數(shù)(SHEI)7個(gè)指標(biāo)[21-22]。各指標(biāo)含義及計(jì)算,見表2。

表2 景觀指數(shù)選取

2 結(jié)果與分析

2.1 認(rèn)知形象分析

2.1.1 景觀要素提取 對篩選出的1 656張照片進(jìn)行圖像語義分割并計(jì)算各要素占比,見圖3。

圖3 景觀要素構(gòu)成

由圖3可知,在150個(gè)要素類別中,占比超過0.10%的要素有29類,可反映86.82%的要素信息。其中占比最多的5類要素為天空(sky)、樹(tree)、場地(field)、地面(ground),草(grass),分別占比36.51%、11.68%、7.30%、5.96%、4.89%,占比全部要素的66.34%。由于150類景觀要素過于碎片化,根據(jù)視覺感知的相似性,將29類景觀要素重新歸納為9大類景觀要素,分別為天空、植物、地物、水體、山石、建筑、人物、車輛、動(dòng)物。景觀要素分類,見表3。

表3 景觀要素分類

由表3可知,天空是塞罕壩游客拍攝照片的核心構(gòu)圖元素,其占比高達(dá)36.51%,是塞罕壩最具吸引力的景觀要素,關(guān)注度遠(yuǎn)高于其他要素;植物、地物占比分別達(dá)到了17.69%、17.34%。天空、植物和地物3個(gè)景觀要素構(gòu)成了大多數(shù)照片的主要部分。而水體、山石、建筑等要素是游客照片所反映的次要元素,其占比均高于1.00%;人物、車輛、動(dòng)物等要素占比則較低,其占比均小于1.00%。

2.1.2 景觀要素聚類 具有相似元素的照片結(jié)合起來會(huì)形成一種風(fēng)格或范式來強(qiáng)調(diào)景觀的獨(dú)特點(diǎn),運(yùn)用K-Mean聚類分析對景觀要素進(jìn)行聚類,參照岑先梅對景觀類型分類結(jié)果,結(jié)合研究目的,最終將照片確定為4類[29]。統(tǒng)計(jì)各類別景觀要素占比,見圖4。

圖4 各類別景觀要素占比

由圖4可知,第一類別中,植物要素占比最高,為57.86%,定義第一類別為植物景觀;第二類別中,天空要素占比最高,為63.47%,定義第二類別為天氣天象景觀;第三類別中,天空占比28.55%,水體占比25.32%,水體要素占比也較高,定義第三類別為水域景觀;第四類別中,地物占比41.64%,將其定義為地物景觀。

2.1.3 照片景觀格局分析 為探究景觀指數(shù)在不同景觀類型間的差異,對景觀類型間的景觀指數(shù)進(jìn)行方差分析。景觀格局指數(shù)方差分析,見表4。

表4 景觀格局指數(shù)分析

由表4可知,斑塊數(shù)量(NP)、斑塊密度(PD)常用來描述景觀的異質(zhì)性與破碎化程度,其中,水域景觀的NP與PD最大,分別為787.34、2 714.65,顯著高于其他景觀類型,表明其景觀的破碎化程度較高;而天氣天象景觀的值最小,分別為410.84、1 385.82,景觀破碎度最低。在斑塊豐富度(PR)方面,水域景觀和地物景觀的斑塊豐富度較大(14.29、13.41),景觀組成的類型數(shù)量較多,顯著高于植物景觀和天氣天象景觀(11.01、11.46)。最大斑塊指數(shù)(LPI)是指某一景觀類型最大斑塊的占比,可反映出景觀的優(yōu)勢度,方差分析可知,各景觀類型間均呈顯著性差異,其中天氣天象景觀值最高(56.34),其次為植物景觀、地物景觀(44.09、39.19),水域景觀的LPI最小(37.21),表明其優(yōu)勢景觀要素不明顯。景觀形狀指數(shù)(LSI)代表斑塊形狀的不規(guī)則程度,在一定程度上反映景觀受人為干擾的程度,水域景觀與地物景觀的LSI顯著高于其他景觀類型(7.59、6.08),表明其受到人為干擾程度較大。多樣性指數(shù)與均勻度指數(shù)代表了景觀的多樣性和均勻程度,水域景觀的多樣性指數(shù)與均勻度指數(shù)較高(1.63、0.63),表明景觀類型在景觀空間中呈均衡化分布。

2.2 情感形象分析

2.2.1 情感高頻詞對比 各類型景觀形容詞高頻詞統(tǒng)計(jì),見表5。

表5 各類型景觀形容詞高頻詞統(tǒng)計(jì)(前10項(xiàng))

由表5可知,游客對塞罕壩各類型景觀情感具有一定差異。植物景觀集中表現(xiàn)為晴朗、多霧、自然等,情感以正向?yàn)橹?天氣天象景觀多為干凈、荒涼、偉大等;水域景觀則表現(xiàn)出平靜、清靜等;地物景觀表現(xiàn)出自然、荒涼、野生等,情感形象以負(fù)向?yàn)橹鳌?/p>

值得注意的是,"干燥的"在植物景觀、天氣天象景觀、地物景觀中均為最高情感詞。這可能與塞罕壩地區(qū)的氣候相關(guān)。塞罕壩地區(qū)屬溫帶半濕潤季風(fēng)氣候區(qū),冬季漫長,低溫寒冷;春季錯(cuò)后,干燥多風(fēng);夏季不明顯,光照強(qiáng)烈;晝夜溫差大;降水量偏少;蒸發(fā)潛量大于降水量;大風(fēng)、沙暴、干旱、霜凍等災(zāi)害性天氣比較多。

2.2.2 情感傾向 各景觀類型情感傾向占比,見表6。

表6 各景觀類型情感傾向占比

由表6可知,對塞罕壩景觀具有正向情感比例為26.57%,中性情感比例為33.27%,負(fù)向情感比例為40.16%,負(fù)向情感高于正向情感。從不同景觀類型來看,植物景觀呈現(xiàn)“正向>負(fù)向”形態(tài),天氣天象景觀、水域景觀和地物景觀則負(fù)面情感高于正面情感。其中,地物景觀的正向情感與負(fù)向情感比例差距最大,差值為24.37%,最小的為水域景觀,為0.57%。植物景觀、天氣天象景觀分別是正向情感比例最高和負(fù)向情感最低的景觀,分別為34.98%、28.40%;地物景觀是正向情感比例最低、負(fù)向情感比例最高的景觀,分別為16.86%、41.23%。

2.2.3 情感值與照片景觀格局指數(shù)相關(guān)性分析 為探究情感值與景觀格局指數(shù)之間的關(guān)系,采用Spearman相關(guān)性分析。照片情感值與照片景觀格局相關(guān)性分析,見表7。

表7 情感值與照片景觀格局相關(guān)性分析

由表7可知,照片的情感值與斑塊數(shù)量、斑塊密度、景觀形狀指數(shù)呈現(xiàn)極顯著負(fù)相關(guān)(P<0.01),與最大斑塊指數(shù)呈現(xiàn)顯著正相關(guān)(P<0.05),與其他指標(biāo)無顯著相關(guān)關(guān)系。這表明,隨著景觀的異質(zhì)性、破碎度以及人為干擾程度的增加,其景觀的情感值呈現(xiàn)下降趨勢,而具有明顯優(yōu)勢景觀要素的出現(xiàn)提高了照片的情感值。

2.3 塞罕壩景觀整體形象分析

塞罕壩相關(guān)圖片景觀感知統(tǒng)計(jì),見表8。

表8 塞罕壩相關(guān)圖片整體景觀感知統(tǒng)計(jì)表(前10項(xiàng))

由表8可知,蓬松的云、風(fēng)景道路、美麗的云彩等景觀出現(xiàn)的頻率較高,是游客對塞罕壩地區(qū)的整體感知。湖、云、風(fēng)景、道路等名詞出現(xiàn)頻次均較高,這表明圖像語義分割與DeepSentiBank在認(rèn)知內(nèi)容上具有較高的一致性,判斷較準(zhǔn)。根據(jù)塞罕壩相關(guān)圖片形容詞高頻詞統(tǒng)計(jì),總體而言,游客拍攝照片所蘊(yùn)含的情感多為干旱、荒涼等負(fù)面情感詞語,同時(shí)自然、干凈等正面情感詞語占比也較高。

3 討論

豐富的網(wǎng)絡(luò)照片數(shù)據(jù)為旅游目的形象研究提供了新的視角,游客上傳網(wǎng)絡(luò)的照片不僅是旅游者對旅游地形象的特殊表達(dá)形式,更是旅游者對旅游地形象的整體認(rèn)知,在一定程度上反映了其對旅游地相關(guān)資源和特征的認(rèn)知偏好[30-31]。以往利用圖片大數(shù)據(jù)研究旅游地形象感知多集中于國家、省市域等尺度較大的區(qū)域,針對景區(qū)尺度,由于數(shù)據(jù)獲取難、數(shù)據(jù)量少等原因研究較少。森林旅游地主要依托森林、湖泊、濕地等景觀,這些景觀是各種旅游屬性的核心,因此,對塞罕壩自然景觀進(jìn)行研究,可為森林旅游地獨(dú)特景觀資源的高水平保護(hù)和精準(zhǔn)化提升提供科學(xué)依據(jù)。

當(dāng)前,深度學(xué)習(xí)應(yīng)用于旅游地認(rèn)知形象研究主要體現(xiàn)在圖像標(biāo)簽識(shí)別上,少有研究對景觀照片的組成要素進(jìn)行解析,本研究利用圖像語義分割對照片內(nèi)容解析,能夠快速掌握照片中的關(guān)鍵信息。在認(rèn)知形象方面,天空是旅游者拍攝的核心景觀要素,占比36.51%,表明大面積的天空占比及開闊的視線是吸引游客的主要因素。地物、植物、水體等要素則具有較高的提升潛力。通過聚類分析將塞罕壩景觀分為植物景觀、天氣天象景觀、水域景觀、地物景觀,符合塞罕壩“水的源頭(水域景觀)、云的故鄉(xiāng)(天氣天象景觀)、花的世界(地物景觀)、林的海洋(植物景觀)”的旅游地宣傳形象,機(jī)構(gòu)投射形象與旅游者感知形象保持了一致。其中云彩、道路、森林等是游客對塞罕壩景觀整體感知形象,可成為塞罕壩地區(qū)旅游營銷的重點(diǎn),在旅游形象宣傳資料中作為主景照片。

利用深度學(xué)習(xí)進(jìn)行照片情感研究尚處于探索階段[32]。本研究基于DeepSentiBank情感分析模型,對照片所反映的內(nèi)容進(jìn)行情感分析,同時(shí),嘗試結(jié)合景觀生態(tài)學(xué)指標(biāo)解釋產(chǎn)生情感偏差具體原因。地物景觀正向情感最低(占比16.86%)而負(fù)向情感最高(占比41.23%),是塞罕壩地區(qū)情感形象薄弱環(huán)節(jié),為旅游形象優(yōu)化的重點(diǎn)對象。地物景觀由于受到人為活動(dòng)干擾較大,景觀破碎化嚴(yán)重,從而導(dǎo)致多樣性指數(shù)較高,景觀要素相對豐富,復(fù)雜程度較高,且景觀過于均質(zhì)化,優(yōu)勢度不明顯,造成游客情感呈現(xiàn)負(fù)面傾向,這與公眾對過于破碎化的景觀覺得缺乏美感的研究結(jié)論一致[33-34]。而植物景觀由于受人為干擾程度較小,存在優(yōu)勢景觀要素,導(dǎo)致圖片呈現(xiàn)正面情感傾向占比較大。水域景觀的破碎化程度與人為干擾程度也較高,但由于天空和水體要素占比較大,導(dǎo)致游客正面情感傾向占比較高,這與前人研究結(jié)果類似,天空、水景是最具吸引力的景觀元素[35-37]。天氣天象景觀的負(fù)面情感占比最低(占比28.40%),主要是由于受人為干擾程度最小,景觀破碎化程度最低,優(yōu)勢度最明顯,所以大多表現(xiàn)出正向與中性情感。

4 結(jié)論

選取游客上傳網(wǎng)絡(luò)的塞罕壩景觀照片,利用深度學(xué)習(xí)研究基于景觀尺度的森林旅游地認(rèn)知情感形象,引入景觀格局指數(shù)解釋照片所反映的情感偏差原因,可以得出以下結(jié)論。

(1)天空是塞罕壩游客拍攝照片的核心構(gòu)圖元素,即最具吸引力的景觀要素,地物、植物、水體等要素則具有較高的提升潛力。通過形象聚類,可將塞罕壩地區(qū)景觀分為植物景觀、天氣天象景觀、水域景觀、地物景觀。

(2)塞罕壩游客在照片中的情感表達(dá)總體上表現(xiàn)為正向及中性情感。就不同類型景觀而言,植物景觀正向情感比例最高;地物景觀正向情感最低而負(fù)向情感最高。

(3)基于照片景觀格局分析可知,在不同景觀類型上,水域景觀的斑塊數(shù)量、斑塊豐富度、景觀形狀指數(shù)最高,天氣天象景觀的最大斑塊指數(shù)最高。照片景觀空間格局指數(shù)與情感值相關(guān)性分析結(jié)果發(fā)現(xiàn),情感值與景觀的破碎化程度、人為干擾程度呈現(xiàn)極顯著負(fù)相關(guān)關(guān)系,與景觀類型的優(yōu)勢度呈現(xiàn)顯著正相關(guān)關(guān)系。