罗涛 张瑾青 徐敏 刘江
作为一种文化现象,迅猛发展的城镇化进程不仅直接改变了区域景观格局,并对区域内的社会价值体系产生巨大的影响[1-2]。居住文化及价值观念也伴随城镇化进程由传统乡村型向现代城镇型转变[3-4]。而景观偏好是地区价值体系的重要组成部分。科学评价城镇化进程对其发生区域内特定人群景观偏好的影响,对理解景观发展规律、重新认识景观健康程度及科学规划城镇布局具有重要意义。
对公众景观偏好的系统研究始于景观美学评价和规划管理的实践需求。景观偏好是指公众在经过一系列感知、认知心理评估过程后,对不同类型景观产生的不同好恶感[5]。该好恶感以“比较”为基础产生差异性,以选择行为结果表明最终态度。行为结果又因个人生理状态、文化差异等而各不相同[6]。
俞孔坚[7]等认为景观评价随着20世纪60年代计量科学的发展和推广,由定性研究逐渐转为定量的景观元素[8]、结构[9]、功能的空间分布和时间演化的分析[10]。其中,景观认知的研究主要聚焦在认知主体的个体(群体)特征及景观客体的特征(属性)对景观偏好的影响两方面[11]。对于景观偏好的研究,目前常用的方法有调查分析法、民意测验法。通过测量认知主体的景观偏好类型,进而分析不同个体(群体)景观偏好差异机制[12]。
分析个体(群体)特征对景观偏好的影响主要通过对特定人群人口学特征[13]、心理需求[14]、专业背景(文化)差异[15]的分析开展。而景观特征(属性)对景观偏好的影响研究则以地理信息系统为辅助工具,研究景观元素构成比例以及空间结构对景观偏好判断的影响[16]。亦有研究采用空间距离分布表示居民景观偏好与地域性认同之间的关系[17]。目前所见的研究均重点描述区域内影响景观美学质量的景观元素、结构、格局或解释影响景观偏好的人文因素[18-20]。迄今,尽管有研究关注城镇化对特定群体(儿童)景观偏好的影响[21-23],但鲜见覆盖全年龄段的景观偏好差异及其空间分布特征的研究。而辨识景观偏好空间分布特征是在城镇化背景下理性认识和科学评价地区传统景观价值的基础。
因此,本文的研究目标为:辨识不同城镇化阶段人群景观偏好差异,分析自然景观偏好度的空间分异特征,并尝试构建可以量化景观偏好的地区差异并描绘其空间分布的创新方法体系。
1-1 福建省文化分区情况The cultural districts of Fujian
1-2 地理生态分区情况The geo-ecology districts of Fujian
1-3 人口城镇化率分区情况The population urbanization districts of Fujian
表1 典型地区城镇化率Tab.1 The urbanization rate of typical areas
首先,福建省具有鲜明的自然地理—生态背景。福建省地处中国东南,背山面海,地形以山地丘陵为主(占全省面积80%以上)。闽西、闽中两大东北—西南走向的山带形成西北高东南低的基本地势。闽北、闽西众多海拔1 000~2 000m的山地连同大片的山前丘陵与闽东、闽南沿海冲积、海积平原对照鲜明。福建省域可分为两大生态区(闽东闽中和闽北闽西生态区、闽东南生态区)及5个生态亚区(闽北闽西山地盆谷生态亚区、闽东闽中中低山山原地生态亚区、闽东沿海海岸带与近岸海域生态亚区、闽东南西部低山丘陵盆谷地生态亚区、闽东南沿海台丘平原与近岸海域生态亚区)[24]。
其次,包含城镇化初期、快速期到成熟期以至郊区化等不同阶段特征。至2015年末,福建省辖9个设区市,下设28个市辖区(为保证数据与2011年立项时一致,龙岩永定、南平建阳仍作为县级单元分析)、13个县级市、44个县(含金门县)[25]。将26个市辖区合并为9个市区单元后,共67个县级统计单元(平均人口城镇化率为62.6%)。其中,人口城镇化率最低为38.3%(福州闽清),最高为97.5%(福州市辖区)[25]。
综合考虑导致人群景观偏好差异的5种地域因素(文化背景、景观类型、语言、地理和生态),对67个研究单元进一步分类(图1)。结合2015年各地区人口城镇化率(下文通称城镇化率),筛选确定13个地区作为研究的典型地区(表1)。
为在照片上呈现景观“城镇化”的痕迹,本文作者选择的测试媒介为同一地点的历史及复拍照片。
首先,笔者通过对典型地区地方志、城市档案等历史文献的整理,收集了各地区20世纪末具有代表性的城镇全景照片。从中筛选出17张具有典型地区代表性的照片进行复拍。复拍时尽可能使拍摄的参数、时间、天气状况等与历史照片拍摄条件一致,后期未对照片修图。为了降低复拍照片与历史照片的色彩差异对认知偏好造成的影响,对照片进行统一色彩渲染处理(渲染色系选择及其对景观偏好的影响另文讨论,图2)。利用ArcGIS对图片进行识别,并根据识别像素计算每张照片中所包含的8种景观元素及其面积占比。其中,以山体、水体、草地及树木的面积占比之和作为景观自然度。34张照片景观自然度的平均值为50.05%(表2)。在不考虑景观元素类别差异的前提下,样本中自然度的比例范围为7.50%~76.57%,满足研究要求(对不同自然景观要素的偏好差异研究另文讨论)。共计17组经过上述标准化处理的照片用于景观偏好测试。照片打印尺寸为19cm×13cm(图3)。
表2 自然景观构成元素占比对照Tab.2 Comparison table of the proportion of natural landscape elements %
表3 样本抽样安排Tab.3 Sampling arrangement
2 历史照片与复拍照片处理前后对照图Contrast of historical photos,rephotograph photos on the same viewpoints and their rendered duplicates
3 照片编码规则Photo coding rules
景观认知及偏好调查问卷总体分为两部分。第一部分是被试者的人口学特征及影响其景观偏好的相关因素(思维模式、认知能力、景观元素需求等,仅限本地人)。第二部分是景观偏好等级测试。为降低被试短时间内(约5min)对大量照片(34张)打分的难度,笔者要求被试按偏好程度分次筛选[26],以此替代传统打分法。即从34张乱序照片中挑选喜欢的12张,再从12张中挑选较为喜欢的6张,最后从6张中保留最喜欢的3张。
由于城镇居民不仅愿意评价城镇进程对其生活的影响,并据其各自所处环境有不同类型的评价指标[27],因此,为保证抽样人群的随机性、全面性[28]和可比性,咨询社会科学领域相关专家后,笔者将典型地区人群按年龄划分为小学(J)、中学(T)、中年(M)及老年(S)4组(表3)。
由10~12名经过培训的志愿者组成的调查组赴各典型地区进行一对一测试(图4),每个年龄段耗时约3h。
调研按照逐地逐年龄段调查的方式开展。调研于2015年10月启动,2016年11月收尾,共收集有效问卷2 696份。问卷按地区和年龄分组统计(表4)。
表4 样本人数统计Tab.4 Sample statistics
4 问卷调研现场Scenes of questionnaire survey
5 自然景观偏好度百分比堆积柱形图Percentage accumulation column map of natural landscape preference
景观偏好值评分规则如下:被选择的12张照片中,最喜欢得3分,较喜欢得2分,喜欢得1分,未选得0分。笔者首先计算13个典型地区抽样人群对每张照片的景观偏好均值,然后以卡方检验分析不同地区居民景观偏好差异,以相关性分析检验审美偏好值均值与城镇化率之间的相关性。其次,为定量表达人群景观偏好的倾向性(自然倾向或人文倾向),以受访者对34张照片的评价值对每张照片赋予权重。将34张照片的自然度加权平均值与照片呈现的自然度平均值之比定义为该受访者的自然景观偏好度。公式为:
若Pj>1,抽样人群偏好自然景观;若Pj<1,偏好人工景观。
通过分析典型地区城镇化率与该抽样人群偏好度之间的相关性,并由ArcGIS描绘其自然景观偏好空间分布。
最后,根据抽样人群的偏好度与城镇化率的回归曲线,对福建省其余54个研究单元进行插值运算,利用ArcGIS将插值所得偏好度绘制成福建省自然景观偏好空间分布图。
利用柱形堆积图表示每张照片的景观偏好总分值及其分地区构成情况(图5)。虚线标注景观偏好在13个典型地区存在显著差异的照片,点划线标注景观偏好与城镇化率显著相关的照片,实线标注差异性及相关性均显著的照片,未标注代表偏好差异不显著的照片。
由图5可见,不同照片景观偏好总分差异明显。35.3%(12张)的照片总分高于34张照片总分平均值(8.02)。最受欢迎的照片(MG6-n)总分是最不受欢迎的照片(MA1-5-o-2)的12.20倍。17张复拍照片平均总得分(9.23)明显高于历史照片平均总得分(6.81)。得分构成堆积柱的颜色越深则代表该景观越受城镇化率低的地区居民偏好,反之则表示更被城镇化率高的地区居民所接受。
卡方检测显示,5张照片景观偏好差异显著(3张为复拍照片)。其中2张偏好值高于平均值(8.02)。5张照片都具有鲜明的特征并分属不同的景观类型。
6 典型地区自然景观偏好度与人口城镇化率Natural landscape preference and population urbanization rate in typical areas
7 典型地区抽样人群自然景观偏好度Sample population’s preference of natural landscape in typical areas
9 人群自然景观偏好度分级分布Hierarchical distribution of residents’natural landscape preference
据公式(1)计算得到各典型地区抽样人群的偏好度与该地区城镇化率的关系(图6)。可见典型地区抽样人群对偏好度除霞浦县(0.997)外均大于1。最高的福州辖区(1.065)比霞浦县高0.068个单位。典型地区居民偏好度随城镇化率的升高而逐渐增加。
对偏好度与城镇化率进行相关性分析显示,两者(K-S分析显示,两变量均服从正态分布)相关性显著(p=0.014,r=0.660):随着城镇化率的提升,居民对自然景观的偏好显著提高,且随区位变化而异(图7)。
为描述全省67个研究单元居民偏好度的空间分布状况,依据城镇化率及偏好度相关性显著的关系,建立回归方程式(2),对其余54个行政区偏好度进行插值运算。
式中:Pk为研究区k的自然景观偏好度,Xk为研究区k的人口城镇化率。
人口城镇化率Xk已知,可得其余54县(区)偏好度。
从福建省偏好度分布看(图8),福建省各地区的偏好度大致呈“川”字分布。福建省沿海及中部城镇化率较高的条带状地区,表现较高的偏好度;与江西省接壤的省界周边条带状区域及中部偏东的山区整体偏好体较低。
进一步以诺瑟姆城市发展“S”曲线理论[29]及2011年中国城镇化率首次突破50%[30]为城镇化等级划分基准,将研究单元划分为低于50%、50%~70%和高于70%三组,可得偏好度分级结果(图9)。
结果显示,福建省各地偏好度的“川”字分布明显。福建省沿海及中部两条状带地区,尤其是闽南片区及以三明辖区为中心的条带状片区,偏好度较高;省界边缘地区及中部山区的偏好度较低。
中国城镇化进程的影响在地域广度和价值深度上的持续加剧,导致景观文化价值的转移[31]。系统刻画区域城镇体系发展的多层面影响,是全方位理解该过程和正确选择区域发展模式的基础;理解城镇化进程中景观在社会价值体系内的新定位,明确城镇化在社会价值层面所造成的影响,也是全面刻画城镇化过程所不可或缺的部分。
1)基于照片的问卷调查方法是测量景观偏好最传统、最常用的方法。本文作者继承景观偏好测试传统并创新性地从照片色彩、问卷内容、样本及过程控制方面,构建了一套系统的景观偏好调查方法。对福建省内13个地区近3 000人进行大规模测试,调查结果聚焦于描述和定量分析不同城镇化阶段居民景观偏好的差异,并利用与城镇化率显著相关的偏好度分布图来表达,总结出福建省居民景观偏好及其“川”字分布特征。
2)数据分析结果显示,不同城镇化阶段抽样人群对多类景观的偏好差异显著,且各典型地区抽样人群的偏好度与城镇化率显著相关。即居民的景观审美判断体系随着城镇化水平的提升而变化。
3)偏好地图可表达不同地区居民自然偏好度的空间分布及其特征。笔者将插值后的67个研究单元的偏好值绘制于地图上,得到福建省景观自然度偏好的空间分布图。由福建省地理状况可知,福建省居民景观偏好呈“川”字分布可能与其自然地理条件(山水分布格局)具有一定的相关性。
4)除了人口城镇化水平,用以解释区域景观偏好差异的动力因子还应包括地理、文化、生态等因素。笔者在量化居民的景观审美感知、评价及过程控制方面仍有不足:是否能将多方面的人口学影响因素叠加、综合反映到景观偏好的空间分布分析中;如何既能获得全面准确的数据,又能避免笔者遇到的调研过程复杂、时间跨度大、成本高等问题。此外,插值法本身具有系统误差,如何通过对其他地区采样的方式对公式验证,是下一步工作的重点。
以人口城镇化水平作为连接和表达人群景观价值演变的纽带,并以城镇化率的空间属性来描述自然偏好度的空间分布,所使用的空间属性要素虽然单一未必全面,但该问卷调查的全套方法体系仍可为“美丽中国”实践中科学评估特定人群对景观的审美偏好提供方法支持。
随着城镇化进程的发展,由于缺少对居民景观偏好差异进行定量描述的方法,导致中国广大地区尤其是城市周边的景观美学资源缺乏科学合理评估。保护乏力和开发无序使得我国景观资源失去历史沿革和特性,进而导致居民对家乡缺乏认同和归属感。本文创新之处正在于针对以往景观偏好研究在定量描述及空间表达方面的欠缺,构建了景观偏好差异的量化描述及空间分布描绘的方法体系。
综上,在城镇化建设中要充分理解景观发生发展的规律,重新评估区域景观健康程度,通过对城镇—地域特色的合理辨识,实现对传统文化、民族特色和地方风情的保护,避免陷入同质化造成的“千城一面”误区。对景观偏好差异性及其空间分布的研究将有助于实现景观资源的保护和合理开发,从而为城市景观的建设、保护、改造提供一个人性化的标准依据和方法手段。
注释:
① 图1、图7~9底图来源于全国地理信息资源目录服务系统(主管:自然资源部;运行维护:国家基础地理信息中心);图2中照片编号:MA1-5-o-1来自福建省图书馆地方志;其余图片为作者拍摄或绘制。
② 表1数据取自福建省统计局《福建省统计年鉴2016》;表2数据由课题组采用GIS分析所得;表3、4均为课题组统计结果。