观景距离和光照条件对黄栌林景观色彩的影响

曹瑜娟，徐程扬，崔 义，岳 阳，任雅雪

（北京林业大学 林学院，北京 100083）

近年来，城市林业在生态环境建设中的关注度日益提高，森林景观在美化城市、提升市民生活质量中发挥的作用日渐明显。人类在自然环境中生活，能够提升幸福感，有益于身心健康[1-2]。随着社会经济的快速发展，生活质量不断提高，人们在游憩欣赏过程中会对某些景观的美景度提出质疑与期许[3-4]。景观游憩体验是人多感官综合体验的结果，其中视觉刺激带来了大部分信息，而视觉刺激中色彩对人眼具有直接刺激效应。正如瑞士艺术家约翰内斯·伊顿在《色彩艺术》中所述：不论造型艺术如何发展，色彩永远是首当其冲的造型要素。

目前针对景观色彩的相关研究主要集中在高速公路路旁植物[5-6]、城市湿地公园[7-8]、乡村景观优化[9]、园林植物设计[10-14]等方面，关于森林景观色彩[15-17]方面的研究较少，其中针对客观影响因素的定量论证更是匮乏，亟待相关科技工作者深入研究。本研究对同一日内研究区黄栌景观林不同观景距离、不同光照条件下色彩的变化进行定量对比分析，以期为森林景观管理与精准优化提供科学的理论依据。

1 材料与方法

1.1 研究区概况

黄栌Cotinus coggygriavar.cinerea为漆树科Anacardiaceae 黄栌属Cotinus落叶灌木或小乔木，具有耐瘠薄和碱性土壤、抗旱、耐寒的特性。分枝习性较强，分枝点低，一棵树常常形成多个树干，秋季叶色艳丽，极具观赏价值，是北京乃至华北地区理想的营林造景树种[18]。

八达岭国家森林公园（39°57′38″ ～39°58′12″N，116°11′12″～ 116°11′33″E）位于北京市西北部延庆区境内，属典型的大陆季风性气候，具有半干旱、半湿润暖温带气候特点，年平均气温10.8 ℃，7月平均气温最高（26.9 ℃），1月平均气温最低（-7.2 ℃）。年均降水量454 mm，主要集中在7—8月份，约占年降水量的59%。年均相对湿度56.2%，无霜期160 d。平均海拔780 m，土壤类型属山地褐土，植物种类十分丰富[19]。八达岭地区空气洁净，气温低，昼夜温差大。由于公园海拔较高、森林茂盛和古长城隔挡，公园气温比市区低5℃，促使红叶变色相对较早，延长了首都地区的红叶观赏期。

1.2 试验设计

本文分别探究观景距离和光照条件对黄栌林景观色彩呈现的影响，设计了两组相互独立的对照试验。试验1 以观景距离为试验变量，试验2以光照条件为试验变量，其他因素保持不变，分别设置4 个试验组，试验组间相互对照。

于2018年10月22日天气晴朗的条件下，利用Nikon D3S 相机，对八达岭国家森林公园红叶岭秋季黄栌森林景观进行拍照取样。为降低小样本造成的不确定性，选择3 个拍摄点对不同的黄栌景观林进行拍照取样。试验1 中，利用拍摄焦距变化模拟观景距离改变，采用Nikon AF-S 24-70mm f/2.8ED 镜头，利用三脚架固定相机，在相同时间点，分别使用24、28、35、50 mm 4个焦距（下文中分别用FL24、FL28、FL35、FL50 表示），在3 个不同观景点（下文中分别用A、B、C 表示）拍摄取样。在4 个不同的时间点内，重复取样，共取得48 组相互独立的试验数据。试验2 中，利用拍摄时间不同改变光照条件，分别在7:00（环境中光照度41 000 lx，温度13.7 ℃）、8:30（环境中光照度63 000 lx，温度14.5 ℃）、10:00（环境中光照度86 000 lx，温度16.4 ℃）、11:30（环境中光照度124 000 lx，温度18.9 ℃）4个时间点（下文中分别用T1、T2、T3、T4 表示），利用三脚架固定相机，采用相同的拍摄焦距，在3 个不同观景点进行拍照。使用4 个不同焦距，重复取样，共取得48 组相互独立的试验数据。

1.3 色彩空间选取

位图图片以每个像素点RGB 的二进制值存储在计算机中，RGB 色彩模式最初应用在CRT 显示器中，是通过对红（R）、绿（G）、蓝（B）3 个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色，该模式几乎包括了人类视力所能感知的所有颜色，是目前运用最广的色彩模式之一。但该模式中RGB 的值表示每个颜色的亮度，不符合人类对色彩构成的理解，不便于对色彩变化进行量化分析。

HSV 色彩空间是A.R.Smith[20]在1978年根据颜色的直观特性创建的一种色彩空间。HSV 色彩模式将色相（Hue）、彩度（Saturation）、明度（Value）作为描述颜色的三个维度，通常而言，色相（H分量）即红色、黄色、蓝色等的点值，可以用色环进行表示，取值范围为[0°，360°）；彩度（S分量）即该色相偏离灰白色的程度，取值范围为[0,1]，其值越接近于0，颜色越偏向于白色；明度（V分量）即色相偏离黑色的程度，取值范围为[0,1]，其值越接近于0，颜色越偏向于黑色。为便于色彩量化，通常需要将H、S、V分量根据人眼辨识情况进行类别划分。本研究借鉴Chen[21]的量化方法，将色彩空间划分为H+S+V=16+4+4共24 个类别。利用Smith[22]提出的非均匀色彩量化方法进行类别划分，结果如图1所示。从图1中可以看出，（a）中将H分量划分为H1，H2，…，H16共16 个类别，（b）中将S分量划分为S0，S1，S2，S3共4 个类别，（c）中V分量划分为V0，V1，V2，V3共4 个类别。

1.4 照片处理与色彩提取

以往研究中，景观色彩量化与提取环节相对薄弱。目前应用最多的方式有比色卡对比读值[23]、色彩辅助软件Color Impact 提取[16,24]、脚本语言编程量化[17,25]3 种方法。为确保提取色彩的准确度和有效性，本文利用Python 脚本语言编程，对图片色彩进行量化和提取。

拍摄焦距不同，图片所包含的景观范围存在差异。本文以森林景观色彩为主要研究对象，故应摒除天空、山峦等无关因素色彩产生的影响。利用Photoshop 软件按照固定的试验范围对图片进行准确截取，并将截取后的图片另存为高质量JPG文件，作为试验用图像数据。随后利用Python 脚本程序将图像由RGB 模式转换为HSV 色彩空间，根据色彩空间类别划分范围，对每一个像素点进行色彩提取，选择色相、彩度、明度三个属性进行分析和研究。由于拍摄焦距不同，在相同的显示范围内，每幅预处理后图像的像素总数存在较大差异，为保证试验数据的一致性和可比较性，本文将各色彩分量划分类别在总像素中所占的比例作为直接研究数据。

设hi代表色相划分类别i在图片中像素的数量，Ap代表图片的总像素，则色相划分类别i的占比为Hi=hi/Ap，于是

同样的，设si代表彩度划分类别i在图片中像素的数量，则彩度划分类别i的占比为Si=si/Ap，则设vi代表明度划分类别i在图片中像素的数量，则明度划分类别i的占比为Vi=vi/Ap，则那么可以得到色彩分量占比向量组：

当某色彩划分类别占比很小时，肉眼难以发现。为提高试验说服力，在分析时忽略占比小于0.1 划分类别，那么最终用于数据分析的色彩分量占比向量组为：

1.5 数据处理方法

本文旨在定量分析观景距离、光照条件对景观色彩呈现的影响。显著性检验是用于判定两者之间是否有差异以及差异是否显著的方法，一般可按照以下4 个步骤进行。接下来以试验1 的数据进行举例说明，试验2 的数据处理方法与此相同。

1.5.1 建立假设

一般显著性检验问题需要建立两个假设，为与色相划分比例Hi区分，本文中假设用Hy表示。原假设Hy0：不同观景距离下，景观色彩相同。备择假设Hy1：不同观景距离下，景观色彩不同。

1.5.2 统计方法的选定

在进行显著性检验时，参数检验常假定数据总体服从正态分布，当实际总体分布与假定分布存在差异时，得到的结果可能会出错。于是，首先采用非参数检验Friedman 法对拍摄照片的色彩分量占比是否存在明显差异进行判定。

令A=[H，S，V]表示将色彩分量占比向量H，S，V进行拼接，组成的色彩占比总向量。令aj，wherej=1，2，…，J代表A中的一个元素，J表示A中元素总个数。试验1 中某组照片的色彩占比总向量[A1，A2，S3，A4]作为待检样本（又称为处理），令p表示处理个数，此处p=4；每一个元素aj作为待检水平（又称为区组），令q表示区组个数，此处q=J。

首先以区组为单位将数据按升序排序，并求得各处理在各区组中的秩；然后，分别计算各处理下的秩总和r.j与平均秩建立Friedman 检验统计量当p或q大于6 时近似服从χ2(q-1)分布。

然而，Friedman 秩和检验仅能判定样本总体是否存在显著性差异，无法从数值上对差异的大小进行判定。鉴于各色彩分量划分类别占比与拍摄地点密切相关，没有固定的均值和方差，需要对各色彩分量占比向量进行适当运算，以适应现有的参数检验方法。设[A1，A2，S3，A4]为待检样本色彩占比总向量，令Dmn=|Am-An|，where 1 ≤n＜m≤4表示向量Am与An对应元素相减取绝对值后组成的新向量，令dmn,j，wherej=1，2，…，J表示Dmn中的元素，那么当待检样本色彩占比无明显差异时，dmn,j应趋近于0，且当j固定时所有Dmn对应元素的平均值，where 1 ≤n＜m≤4 应趋近于零。此处可近似认为，当j固定时dmn,j符合均值为μ0，方差为σ的正态分布。因为dmn,j为差的绝对值，且照片拍摄过程中受多种随机因素影响，故μ0为某接近0的正数，为保证试验数据的有效性，取μ0=0.1 进行单总体T检验。

单总体T检验是用t分布理论来推论差异发生的概率，从而比较一个样本平均数与一个已知的总体平均数的差异是否显著的方法。单侧T检验需针对数值大小重新建立假设，建立原假设Hy0，μ≥μ0；备择假设Hy1，μ＜μ0。建立T 检验统计量服从t(C24-1)分布，式中S为所有dmn,j的方差。

1.5.3 确定临界值和拒绝域

在数理统计中一般以概率α=0.05 作为显著性判定标准，且本文试验所取数据受多种因素影响，无法杜绝其他因素对景观色彩的影响，故取α=0.05 为检验的显著性水平。Friedman 秩和检验中，当p或q大于6，SFri＞χ2α(q-1)时拒绝原假设，当p和q均不大于6 时，需查阅Friedman 检验表确定临界统计量Sp,q，当SFri＞Sp,q时拒绝原假设；T检验中，T＜tα(C24-1)时拒绝原假设。

1.5.4 作出检验决策

P值（p-value）是当原假设为真时所得样本观察结果或更极端结果出现的概率。P值很小时，说明原假设的发生概率很小，有理由拒绝原假设。P值越小，拒绝原假设的理由越充分。若P＞α，则按α水平差异不显著，不拒绝Hy0，认为差异可能是由于随机误差造成的；若P≤α，则按α水平差异显著，拒绝Hy0接受Hy1，认为差异不仅由随机误差所致，可能由试验因素不同造成。

2 结果与分析

2.1 观景距离对色彩的影响

对试验1 中的数据进行色彩选定，得到色彩分量占比向量组：

以A-T1 的4 个不同焦距的拍摄数据为例进行分析，宏观上不同焦距拍摄的照片各选定色彩划分类别占比基本相同，无明显波动（图2）。

2.1.1 非参数检验结果分析

对试验1 中12 组照片的色彩分量占比分别进行Friedman 秩和检验。查表可知，χ20.05(12-1)= 4.575，S4,6=7.3，S4,3=6.6。由表1可知，全分量SFri均小于χ20.05(12-1)=4.575，P值均大于0.637，远大于显著性水平0.05；H分量SFri均小于S4,6=7.3，P值均大于0.392，远大于显著性水平0.05；同样S分量、V分量SFri均小于S4,3=6.6，P值均大于0.801，远大于显著性水平0.05。故无法拒绝原假设，即在显著性水平α=0.05 的前提下，不同焦距拍摄的图片间色彩各分量划分类别占比无显著差异。

图2 A-T1 不同观景距离下主要色彩分量比例分布Fig.2 Proportion distribution of main color components with different viewing distances of A-T1

2.1.2 各色彩分量T 检验结果分析

Friedman 非参数秩和检验只能从整体上判定各样本间是否存在差异，若仅以此下结论，不能充分说明情况。因此需要进一步对12 组照片中各分量划分的差值进行T 检验。由表2可知，所有划分类别的P值均小于0.05，那么拒绝T 检验的原假设，接受备择假设，即μ＜μ0，因此可认为从数值上分析，各色彩分量划分类别均未发生明显变化。

表1 不同观景距离下景观色彩占比Friedman检验结果Table1 Friedman test results of landscape color ratio with different viewing distances

表2 不同观景距离下景观色彩分量划分类别差值T检验结果Table2 T-test results of landscape color component ratio difference with different viewing distances

由表2可知，试验数据分析，可以得出结论，观景距离对景观色彩呈现无明显影响。

2.2 光照条件对色彩的影响

环境温度变化会引起空气密度发生变化，进而影响光线折射率，对景观色彩的呈现存在一定扰动作用。但4 个拍摄时间点间的最大温差为5.2 ℃，故试验中不考虑温度微小变化对景观色彩呈现的影响。

对试验2 中数据进行色彩选定，得到向量：

以A-FL24 的4 个不同时间点的拍摄数据为例进行分析，T2、T3、T4 拍摄的照片中H分量各划分类别占比基本相同，无明显波动，S分量和V分量各划分类别占比发生了小幅度波动（图3）。T1拍摄的照片各色彩分量划分类别占比与其他照片差异较大。

2.2.1 非参数检验结果

对试验2 的12 组照片的色彩分量占比分别进行Friedman 秩和检验。由表3可知，全分量SFri均小于χ20.05(12-1)=4.575，P值均大于0.195，大于显著性水平0.05；H分量，除A-FL35、A-FL50 外，SFri均小于S4,6=7.3，P值均大于显著性水平0.05；同样S分量、V分量SFri均小于S4,3=6.6，P值均大于0.801，远大于显著性水平0.05。故无法拒绝原假设，即不同光照条件下景观色彩占比没有显著差异。然而，表3部分P值小于0.3，A-FL35、A-FL50 组H分量P值小于0.05，此处只能以小概率接受原假设。

图3 A-FL24 不同光照条件主要色彩分量比例分布Fig.3 Proportion distribution of main color components with different light conditions of A-FL24

表3 不同光照条件下景观色彩占比Friedman检验结果Table3 Friedman test results of landscape color ratio with different light conditions

2.2.2 各色彩分量T 检验结果分析

上述Friedman 检验结果没有像试验1 一样大概率通过检验，然而从数值上进一步分析，需对照片中色彩分量划分类别占比差值进行T 检验。结果如表4所示，在A 观景点获得的4 组照片中，H3类别均未通过T检验，P值在0.1 附近浮动。S0、S1类别，V1、V2类别均未通过T 检验，超过50%的P值大于0.5。在B 观景点获得的4组照片各色彩划分类别均通过T检验，P值小于0.01。在C 观景点获得的4 组照片中有C-FL24、C-FL28 2 组照片的H1类别未通过T检验，P值在0.1 附近浮动。S0类别均未通过T检验，C-FL24、C-FL35、C-FL50 3 组照片的V1类别未通过T 检验。

12 组试验数据中，92%的H分量划分类别通过了T 检验，另8%未通过检验的划分类别中，P值较小，因此可认为光照条件对景观色彩的H分量无明显影响。S分量超过33%的划分类别未通过T 检验，且P值多大于0.5，因此可认为光照条件对景观的S分量有较大影响。同样的，V分量超过27%的划分类别未通过T 检验，且P值较大，可认为光照条件对景观色彩的V分量有较大影响。

进一步探究光照条件对景观色彩的S分量和H分量的影响，结果如图4所示，A 观景点照片的S0和S1类别占比随着拍摄时间变化发生了较明显的波动。从T1 到T4，S0类别占比下降，S1类别占比上升，S0和S1占比之和均大于0.8 且无明显变化。同样的，图5中照片的V1、V2类别占比发生了明显变化，从T1 到T4，V1类别占比略有增加，V2类别占比相应减小，V1、V2占比之和超过了0.9 且有逐步提升的趋势。

表4 不同光照条件下景观色彩分量划分类别差值T检验结果Table4 T-test results of landscape color component ratio difference with different light conditions

图4 光照条件对景观色彩彩度S 分量占比的影响Fig.4 Effects of light conditions on the landscape color saturation ratio

图5 光照条件对景观色彩明度V 分量占比的影响Fig.5 Effects of light conditions on the landscape color value ratio

3 结论与讨论

一天内不同时间点、不同观景点观赏黄栌森林景观，视觉感受有很大区别。景观色彩作为产生视觉效应的首要刺激源，直觉上认为不同时间、不同观景点对景观色彩呈现产生了明显影响，进而导致了景观感受的差异。在前人研究中，通过对比比色卡确定植物色彩观测值，认为景观色彩随不同光照条件发生不同程度的变化[23]，光照强度影响色彩的对比度[26]，观景距离影响色彩的饱和度[27]。

然而，人眼视觉形成受多种因素影响，不能仅根据主观感受下定结论。本文利用数码相机拍照、脚本程序提取色彩等方法，对研究区黄栌景观林的HSV 色彩进行了定量试验。试验中通过对不同焦距拍摄的多组景观照片的色彩分量占比变化进行分析，其Friedman 检验色彩全分量P值均远大于显著性水平α=0.05，色彩分量占比差值的T 检验均以P值小于α=0.05 拒绝μ≥0.1 的原假设，得出观景距离对森林景观色彩无明显影响的结论。与车生泉等[23]、杨春宇等[27]的结论产生了明显分歧，然而其研究是基于人眼直观感受下定的结论，未进行定量数据证明。在不同的观景距离下，视野范围不同，景观周围环境会产生变化，由于人眼对色彩的视错觉等原因造成了观景距离影响景观色彩的错觉[28]，因此观景距离对森林景观色彩无明显影响。

对同一日内不同光照条件下拍摄的多组照片中色彩各分量占比进行定量分析，其中Friedman 检验色彩全分量的统计量均远小于临界值χ20.05(12-1)= 4.575，且在T 检验中92%的H分量划分类别通过了T 检验，因此可以认为光照条件的改变对景观色彩的色相分量无明显影响。然而S分量超过33%的划分类别、V分量超过27%的划分类别未通过T 检验，其P值较大，因此可认为光照条件对景观色彩的彩度、明度分量有较大影响。该结论与祝振敏等[26]、顾金梅[29]的研究具有相似性，然而其研究[26,29]均在小尺度水平下进行，未涉及大尺度下的森林景观色彩，且未对HSV 色彩空间进行深入说明。太阳高度角变化、空气质量差异、景观光影遮挡等因素综合造成了光照条件对景观色彩彩度、明度分量的影响。温度变化会影响空气密度、光线透射率，对景观色彩呈现有一定扰动作用，其影响的显著性还需在今后研究中进一步验证。

本文通过定量分析黄栌林景观色彩各分量占比的变化，对观景距离与光照条件对色彩呈现的影响进行了分析论证，首次对大尺度水平下的森林景观色彩进行定量分析，否定了观景距离、光照条件对景观色彩呈现影响较大的感性观点，为进一步开展景观美学研究提供了理论依据。在后续工作中将探究光照度变化与景观色彩呈现之间的关系。