基于社交平臺照片數據的城市次級荒野空間景觀偏好研究
——以杭州江洋畈生態公園為例

楊龍旭，李 煜

（西南林業大學園林園藝學院，云南 昆明 650224）

1 研究背景

次級荒野景觀空間是由于人類活動干預的減少而促使植物群落結構發生自我演替形成的景觀。視覺上呈現出土地撂荒、植物自由生長，甚至野生動物棲息于其中。而這種在城市中因人類干預減少而自發演替形成的荒野景觀，其最大的特點是具有穩定的群落結構和豐富性物種。

景觀偏好理論最早由Kaplan 夫婦提出，環境偏好其本質是指景觀產品的使用群體由于多種因素而在景觀的選擇上偏向于某一種或某一類的現象，景觀偏好研究則是通過對研究不同群體對不同景觀的態度和偏好程度進行研究和評估分析的過程[1]。

傳統上景觀偏好研究多通過問卷調查或半結構化訪談進行。例如，郭麗麗等人對太原市迎澤公園美景度進行評價，通過向50 名游人發放印有取樣點照片的問卷對樣點按照喜愛程度打分[2]。又如，為了研究西班牙南部安達盧西亞的兩個地中海農村地區居民對景觀的偏好，Manuel Arriaza 等人召集226 名受試者，對取樣點拍攝的160 張照片排序，選出個人最喜歡的和最不喜歡的，最喜歡的+4 分最不喜歡的-4 分其他的各0分，以此方法獲得每個場景的平均視覺質量指數（AVQ）[3]。

“杭州江洋畈生態公園” 位于杭州城南鳳凰山路北虎跑路東，它的前身是西湖淤泥疏浚的堆積場。由于西湖疏浚淤泥在此的堆曬泥中的水生、陸生植物種子紛紛發芽，江洋畈堆積場變成了以垂柳、濕生植物為主的次生濕地。2008年杭州決定將此地打造成我國第一個城市次級荒野公園，占地19.8 hm2，公園中按照人工干預的大小分為生態保育區、景觀保護區、文化活動區，因此可以就游客偏好“一般人工景觀”還是“荒野景觀”的問題提供對照（見圖1；圖2）。

圖1 江洋畈生態公園平面圖

圖2 江洋畈生態公園功能分區圖

傳統的景觀偏好研究方法，費時費力并且獲取到的數據總量有限，也不能反應受試者的景觀偏好，也不是無意識真實的反應，最重要的是數據的準確性非常依賴受試者的配合度。

隨著我國的發展國內網民數量呈現指數級增長，網絡平臺也成為大眾展現自我的多樣舞臺，也為景觀研究提供了海量數據。用戶發布的照片絕大部分是基于自愿拍攝所得，這種攝影行為能真實的表達游客對于旅游消費對象的理解和認知甚至欲求。這種被稱為旅游攝影的行為其動機可被描述為①被景致所吸引；②對異地的好奇和旅游的新鮮感；③為拍出好作品，特意選擇地方旅游，并找尋最佳取景點；④與親朋好友、當地人或自己獨照[5]。并且游客發布在社交平臺上的照片數據符合游客自愿拍攝法對于數據的要求。游客自愿拍攝法(VSEP)在受雇游客拍攝法（VEP）的基礎上發展而來，該方法賦予被試者自主拍攝偏好景觀的權利，能更準確地表達被試者的真實想法及偏好[4]。因此，通過對網絡平臺旅游攝影者發布的照片進行分析，依據照片中主景是否呈現低人工干預的特征分類，分為“一般人工景觀”和“荒野景觀”[6]。并分析哪一類數據在總樣本數中占比較大，即游客更喜愛更關注該公園中哪一類景觀即可以較真實的得出游客在城市次級荒野空間中是更加偏好荒野景觀還是一般人工景觀。通過對圖像數據反應的景觀要素進行統計，則能分析并較真實的得出游客在景觀中特別關注的內容。該方法使分析結果受研究員個體偏見和主觀性影響大大降低。

截止2022 年底在相關荒野景觀的中文研究文獻當中，鮮見學者針對國內大眾群體進行公眾對于荒野景觀偏好的調查研究。而了解國內荒野景觀在大眾群體中是否接受或喜歡，并且了解大眾群體在城市次級荒野空間中偏好什么樣的景觀內容，對于現代化城市綠地構建營造有重要的意義。

2 研究過程

2.1 研究方法

本研究應用“飛槳EasyDL（百度AI 開放平臺）”提供的圖像分類模型以及圖像內容識別模型，通過人工標注后的圖像數據組成訓練數據集、測試數據集、驗證數據集，將訓練數據集和驗證數據集導入模型進行訓練，其中訓練數據集的數據起主要訓練作用，驗證數據集的數據起到監督訓練的作用。模型訓練完成后通過測試數據集得出模型整體和各個標簽下的的置信度、準確率以評估模型的總體識別效果以及各個標簽的識別效果。

2.1.1 圖像分類模型

將經過人工粗篩去除無關圖片和4MB 以下的模糊圖片數據導入訓練后的圖像分類模型中進行批量預測分類，將所有圖片數據分為“一般人工景觀”和“荒野景觀”。并將模型分類結果文本通過Excle統計分析得到每一類別標簽下圖像數據的數量以及該標簽下圖像數據占總數據數量的占比。

2.1.2 圖像內容識別模型

以圖像分類模型處理結果為依據，選擇被識別為荒野景觀的圖像數據創建數據集。將荒野景觀圖像數據集導入訓練后的圖像內容識別模型中，進行批量預測識別。最后導出模型識別結果的文本，通過Excle 處理結果文本，將置信度不足0.5 的標簽除去。最后統計每一標簽的數量。

2.2 數據收集處理

為保證數據的真實性和分析的效果，圖片數據主要來源于以旅游游記分享為主要功能的網站上發表的帶有“江洋畈生態公園”位置坐標的游記圖片。本文中，選取了攜程旅游網、大眾點評、馬蜂窩旅游網3 個國內知名度較高用戶數量較高的旅游網站。通過“八爪魚RPA”對時間尺度在2021 年2 月16 日至2023 年2月21 日網頁照片進行截取，3 個平臺共計3510 張。對照片進行人工粗篩，篩去文件小于16KB、特寫鏡頭、人像寫真、美食照片、拼圖照片、杭幫菜館內部照片等無關的數據后有效數據共計2758 張。

2.3 圖像標簽分析

在正式開始處理網絡獲取的數據之前，結合實驗的目的對所獲取的數據進行初步的人工分析。從經過人工粗篩的2758 張圖片數據中隨機抽取300 張圖片進行分析。

2.3.1 圖像分類模型—單標簽

依據研究目的設置“一般人工景觀”和“荒野景觀”兩個單標簽。從抽取的圖片數據被攝物來看，江洋畈生態公園中的一般人工景觀主要為廊架、標識牌、宣傳欄、景墻、人工花壇、車行道、雕塑、棧道等，識別特征清晰明顯。

江洋畈生態公園中的荒野景觀主要為以水生草本植物為主的濱水景觀、水生喬灌木為主的濱水景觀、中喬木為主的森林景觀、草本花卉為主的景觀等。自然演替特征明顯。

2.3.2 圖像內容識別模型—多標簽

通過對隨機抽取的300 張圖片進行人工觀察分析并歸納總結出了自然景物標簽——灌木叢、浮葉植物、挺水植物、水塘、山、樹林、樹叢、旱生草本植物、野花海、野花叢，人工景物標簽——小徑、棧道、建筑、園林小品、標牌，共15 類景觀要素（見圖3）。

圖3 部分內容標簽示意圖

2.4 模型訓練

2.4.1 圖像分類模型

在經過人工粗篩的2758 張照片數據中，按照10%的比例隨機抽取出276 張圖片數據，并分別通過人工標記上“一般人工景觀”和“荒野景觀”，同時保證“一般人工景觀”和“荒野景觀”下標簽數據數量為1:1。隨后將這276 張圖片數據按照8:1:1 的比例分為訓練集數據、驗證集數據、測試集數據并進行模型訓練和模型測試。

2.4.2 圖像內容識別模型

在圖像分類模型結果為荒野景觀的結果中隨機抽取圖像數據進行人工標注，并保證訓練數據集中每個標簽下標注不少于50 個，數據集、驗證集下每個標簽標注不少于10 個，對模型進行訓練。

2.5 EasyDL 模型評估

2.5.1 圖像分類模型

在該圖像分類模型中，基于測試數據集中28 個樣本的計算，模型正確分類的測試數據集樣本數占測試數據集總樣本數的96.3%。模型精確率（‘某類樣本正確預測為該類的樣本數’占‘預測為該類的總樣本數’的比率）為90.0%，召回率（‘某類樣本正確預測為該類的樣本數’占‘標注為該類的總樣本數’的比率）為97.8%，其中各類別精確率和召回率的調和平均值為93.3%。從每個標簽來看，一般人工景觀識別的精確率為80.0%，召回率為100%；荒野景觀的精確率為100.0%，召回率為96%?？傮w來看模型的識別效果較好，其中模型對于荒野景觀的識別效果最好，而對于一般人工景觀的識別效果則不如荒野景觀的識別效果。究其原因可能因為，被攝人工景觀主體周邊或多或少的參雜了一些由于低人工干預而形成的荒野景觀而對識別造成一定的困難?？紤]到圖像數據呈現的景觀復雜性與人工操作產生的誤差，可以將該部分誤差列為正常結果。

2.5.2 圖像內容識別模型

在圖像內容識別模型中，由于建筑、園林小品、標牌該3 類標簽人工標注數據低于10 個，因此予以剔除?；?4 張圖片數據12 個標簽，每個標簽下標注數據不少于10 個的測試數據集測試結果來看，在平臺建議閾值0.6 的情況下模型精確度80.6%，召回率為84.7%。12 個標簽的識別效果中，挺水植物和灌木叢的識別效果最差 （見圖4）。通過平臺導出的錯誤示例來看，識別效果差主要是由于，測試數據集人工標注的遺漏而導致模型識別到了相應內容而在測試數據集中的圖片數據中卻沒將該內容標注出來，而被平臺判斷為誤識別造成的（見圖5）。因此模型的精確度實際應遠高于該值。

圖4 內容識別模型各標簽識別效果（mAP）

3 結果與分析

3.1 結果

3.1.1 圖像分類模型

通過對網絡社交平臺圖像數據的收集和圖像分類模型的分類，最終在有效的2758 張圖片之中，得到分類結果為一般人工景觀的465 張，得到分類結果為荒野景觀的2293 張。即一般人工景觀占所收集到有效數據的16.9%，荒野景觀占所收集到有效數據的83.1%。

3.1.2 內容識別模型

通過對圖像分類模型分類結果中2293張結果為荒野景觀的照片進行內容識別分析。共識別到內容標簽6987 個，在所識別到的內容標簽中樹林最多為1503 個，浮葉植物最少為180 個（見圖6）。

圖6 圖像內容識別模型識別結果

圖7 杭幫菜博物館的屋頂綠化與周邊環境

3.2 分析

3.2.1 圖像分類模型

從分類結果上來看，杭州江洋畈生態公園的游客在進行旅游攝影分享時更愿意分享低人工干預的景觀，即荒野景觀，通過旅游攝影心理理論分析可以得出，游客相比于一般人工景觀更喜歡荒野景觀的結論。

究其原因，其一是，隨著我社會經濟和人口質量的不斷提高，對于不規則野性的自然的美鑒賞力在不斷的提高[7]；其二則是，隨著城市化的進程，人們在城市生活中接觸自然的機會不斷減少，而人們生活在城市當中的壓力和負擔卻在不斷增加，以心理學家榮格的原型理論來分析，生活在城市中的人們越逐漸認為規則的城市景觀并不能給人帶來安全感，這喚醒了人類DNA 中對自然的渴望，因此與高人工干預的景觀相反的自然野性的景觀反而更能帶給人安全舒適適宜生存的感覺，所以游客們會認為荒野景觀相較于一般人工景觀來說更美并且更加偏好[8]。

3.2.2 內容識別模型

從圖像內容識別結果來看，標簽數量占前3 的是樹林、挺水植物、水塘，標簽數量位于后三的是小徑、野花叢、浮葉植物。

從江洋畈生態公園自身情況分析。江洋畈生態公園就自然演替階段上來說處于喬木群落階段，并且在濱水景觀的植物中以挺水植物為主，森林景觀中植物層次豐富但以喬木、灌木、草本的層次為主。在被圖像分類模型標記為“荒野景觀”的圖片數據中，有大部分被內容識別模型識別出具有人類活動標志的內容標簽如棧道、園林建筑、小徑。說明①棧道為江洋畈生態公園的主要游覽路徑設計形式；②江洋畈生態公園中的園林建筑在外觀上與周邊環境融合較好，查看被標記為園林建筑的內容可以發現主要為“杭幫菜博物館”，說明該建筑是園中處于中心地位的園林建筑，其次是廊道、亭子等；③小徑為江洋畈生態公園內容識別結果中數量最小的人類活動產物。在識別結果中可以發現，江洋畈生態公園中的小徑多為青石板、小料石、鵝卵石鋪裝，部分為水泥瀝青材料鋪裝，從景觀的角度上看，說明石材鋪裝對荒野景觀的整體影響較小，更顯自然；④江洋畈生態公園中棧道、園林建筑、小徑的設計皆與周邊環境融合較好，在較大程度上降低了對以植物為主的群落自然演替過程的影響，并在景觀上對總體荒野景觀的景觀效果影響較小。

從發布旅游攝影作品的游客行為分析。自然景物標簽占前三的是樹林、挺水植物、水塘，說明游客在游覽江洋畈生態公園時的旅游攝影行為中，對森林景觀和濱水景觀更加青睞，自然景物標簽位于后三的是浮葉植物、野花叢、野花海，說明草本植物形成的景觀以及林下景觀游客的關注度較低，這一現象可以解釋為由于江洋畈生態公園土壤條件多為淤泥，多數草本花卉不適應這種土壤條件，因此長勢較差；加上自播能力較差并且主要花海植物如金雞菊(Coreopsis drummondii)，波斯菊(Cosmos bipinnata)、硫華菊(C.sulphureus)等，盛花期正值杭州雨季易霉爛倒伏，因此頭一年人工撒播的花海景觀效果一年不如一年，最后銷聲匿跡，無法形成規模引起游人的注意[9]。識別結果中人工景物“棧道”識別結果較多，說明游客活動被較多的限制在棧道之中。

4 結 論

綜上所述基于社交平臺照片數據分析。在有江洋畈生態公園游憩經歷并將游歷江洋畈生態公園旅游攝影分享在社交平臺的游客中①相較于一般人工景觀，他們更喜歡公園中的荒野景觀；②而通過對社交平臺照片數據內容的分析發現，在城市次級荒野空間景觀中游客對森林景觀和濱水景觀更加偏愛。

通過對江洋畈生態公園現狀以及社交平臺數據的分析可得，建設廣泛的被游客喜愛的城市次級荒野空間景觀需要滿足的原則有①景觀較穩定層次較豐富，江洋畈生態公園的自然演替階段處于演替時間較長的喬木群落階段，因此有穩定和豐富的群落層次；②人工景物在設計上應著重考慮其與周邊環境植物群落演替的關系，江洋畈生態公園中最大的建筑“杭幫菜博物館”設計理念中傳達出對自然立場的尊重以及對杭州建筑地域特色的尊重和使用，并且在建筑材料上采用植草屋頂和綠色的遮陽立面隔柵，使建筑真正的融入城市次級荒野景觀空間（見圖6）[10]；③豐富的濱水景觀空間，依據生態學邊緣理論處于兩種生態系統之間的邊緣地區往往是物種最豐富的區域，因此形成的景觀效果也是豐富最多變的，另外水面在園林空間當中往往會形成一個開敞空間，與周邊閉合的森林景觀形成空間開度上的對比，對于游人來說這樣的開敞水景空間也是最有吸引力的空間；④森林景觀與生態保育區結合，通過查看含有“森林”標簽的圖片數據可以發現大多森林都是以背景的形式出現在圖片中，這也說明了游客對森林景觀的喜愛，更具體的說是對森林林緣景觀的青睞，而森林景觀與生態保育區的結合非常利于自然演替過程中形成豐富自然的林緣景觀。