视角系数能否预测景观认知——以东京文化遗产庭园为例

施佳颖

陈 格

夏宜平

(日)古谷胜则*

全球范围下的文化遗产景观正面临城市化的挑战和冲击，风景园林从业者迫切地需要相关研究和理论的支持。联合国教科文组织于2003年颁布的《保存数字遗产宪章》为文化景观的研究指明了数字化的新途径。新的数据捕获方法能够极大地促进风景园林和文化遗产的管理、保护、展示，以及研究领域的进步。同时，对客观环境认知的量化也是实现景观数字化的关键技术[1]。探索环境和认知之间的规律，一方面为文化遗产景观的评价标准提供依据，另一方面也为公众参与和政策制定增加实践经验。本研究以日本东京都立文化遗产庭园为研究对象，提出一种新的文化景观空间形态测量方法，旨在探究在都市背景的文化遗产景观中游客的景观认知和视角系数之间的量化关系，力求为数字化文化遗产景观的研究提供新的视角。

1 理论基础

1.1 遗产景观空间形态的测量

目前，利用光学传感器(如数码相机、激光扫描仪)或雷达传感器测量和记录遗产景观的可行性和重要性已得到了公认[2]。风景园林研究中，常采用的景观视率的测量方法会受到摄影角度的限制。本研究从城市气象学领域的指标——天空视角系数(Sky View Factor，SVF)中获得启发。SVF是指在某一点的水平面所对应的上半球可以看见多少天空的几何比率[3-4]。它将以观测点为中心的三维环境简易描述为二维，常用于研究城市峡谷的几何特征、城市的气温分布和热舒适性等[5]。已有研究证实利用街景图计算的视角系数可以绘制高密度城市街道峡谷的天空、树木和建筑物的空间特征[6-7]。相比于只覆盖城市街道的街景图像，球面相机摄影像更灵活，常被用于计算离散位置的SVF，更加适合风景园林的测量[8]。

1.2 景观认知的量化

景观感知研究的范例主要来自环境心理学。卡普兰(Kaplan)、库特尔(Coeterier)和特维特(Tveit)等提出的整体性认知评估构成了该领域的知识基础[9-11]。他们的研究证实观察者的体验可以解释视觉景观的变化。同理，视觉景观的变化也可以预测观察者的认知。因此，研究文化遗产景观参与者的感知是重要且必需的，这其中的规律能帮助设计者和决策者预判文化遗产景观更新造成的公众对景观认知的变化。

1.3 东京都立文化遗产庭园

东京都立文化遗产庭园[12]兼具了江户、明治、大正时代传承下来的历史、文化和自然，既有类似中国传统园林“借景”的审美情趣，也符合西方的美学理论，吸引着全世界的目光。20世纪后半叶，由城市化运动应运而生的高楼不可避免地改变了造园者原本的意图：摩天大楼代替了山林树木，闯入游园者的视野，成为庭园的新背景。针对这一现象，有日本学者分析了园外建筑物的距离和高度与压迫感之间的关系，但缺少对其他景观认知的调查[13]。另一些学者讨论了庭园外部高层建筑的影响，他们发现园外建筑的几何比例对景观偏好没有显著影响，并且日本人和外国人的审美偏好存在显著差异[14]。作为城市背景下文化遗产景观的典型案例，研究现代建筑对传统庭园内景观体验的影响不仅有利于保护日本的传统文化景观，对我国城市化进程下的文化遗产保护也有着普适意义。

基于以上研究背景，本文利用全景图计算都市背景下的文化遗产庭园内各种景观要素的视角系数，并分析其与游客认知的相关性。主要研究以下问题：1)景观视角系数可以预测游客的某些认知属性吗？2)视角系数的预测性是否受观测者属性的影响？3)视角系数的最佳视域范围是多少？

2 研究方法

2.1 调查地点

图1 东京都立文化遗产9处庭园的区位

东京都内共有9处都立文化遗产庭园，由于本研究的调查对象是都心圈内被高层建筑环绕的传统庭园，故将不符合要求的旧岩崎邸庭园、旧古河庭园和殿谷户庭园排除在外。因此，目标研究区域是浜离宫恩赐庭园、旧芝离宫恩赐庭园、小石川后乐园、六义园、清澄庭园和向岛百花园(图1)。

观测点的具体位置根据共享地理信息生成的热力图筛选而出[15]。通过Flickr API的关键字标签搜索6个目标庭园的日语和英语名称，共获取2004—2018年研究区域内带有地理标记的照片6 513张。对数据集进行整理后，导入QGIS生成热力图。除了选择照片热点，观测点的选择还遵循以下原则：1)观测点看到的天际线是连贯的；2)观测点之间具有不同景观要素；3)观测点之间看到的园外建筑视角是不同的；4)观测点的现场是安全、不受打扰的。如图2所示，最终筛选出9个观测点。

2.2 问卷调查

试验于2019年3月25—28日进行，4个试验日气温相近，晴朗少云。在目标庭园内，随机邀请游客在指定的观测点全视角观察风景并现场填写问卷。观测者被要求单独填写问卷以保证观测是独立的。最终有效问卷共计388份，其中日本游客50份，外国游客338份。每个观测点平均43名受访者(最少26人，最多47人)。受访者年龄分布在16～82岁，平均39.8岁。

图2 通过地理标记照片生成的热力图筛选出的观测点

问卷项目综合了认知评分和美学特征选择。第一部分认知评分由14个项目组成，受访者需要回答例如“在多大程度上你认为眼前的风景是多样的？”一类的设问。6点李克特量表用以描述受访者对各项认知属性的赞同程度：完全不赞同、不赞同、有点不赞同、有点赞同、赞同、完全赞同，从1～6分别赋值。14个认知属性分别是：“多样”“连贯”“受人为影响”“维护良好”“安静”“植物优美”“自然未遭破坏”“吸引人参观”“有历史意义”“有保护价值”“均质”“承载很多功能”“容易到达”及“有代表性”[16]。问卷的第二个部分是美学特征的选择，受访者需要评价他们对风景园林的“尺度感”“质感”“构成感”及“开阔感”的认知[17]，选项和赋值如表1所示。此外，受访者自愿填写国籍、年龄、性别等个人信息。问卷被翻译成中、日、英3种语言，以应对不同国籍游客的需求。

2.3 视角系数

问卷调查的同时，在观测点使用GoPro Fusion球面相机拍摄全景图像(图3-a)。相机固定在离地平面170cm高的位置，以确保拍摄高度与人眼水平高度一致。用R将拍摄得到的全景图从圆柱投影转化为方位角投影以生成鱼眼图[18](图3-b)，图4展示了这一过程的几何模型。

利用城市气象学分析软件RayMan的“自由编辑SVF”功能模块计算SVF[19-20]。人眼垂直有效视角场的范围是标准视野0°向上35°、向下50°以内[21]。由于SVF只考虑相机水平面上半球的部分，所以进一步限定垂直视野0°到向上35°是SVF的计算范围。利用同样的方法，分割并计算了庭园视角系数(GVF)和庭园外建筑的视角系数(BVF)。图3-c展示了按照景观要素分割后的鱼眼图。

2.4 分析方法

本研究用到的数据是认知属性的评分、各观测点SVF、BVF、GVF的值及受访者的属性。使用开源统计软件JASP，1)分析认知属性的信度；2)针对第1个问题进行相关性分析和多元逐步线性回归分析；3)针对第2个问题进行二维组间方差分析；4)针对第3个问题进行相关性分析。

3 结果和讨论

3.1 信度分析和描述性统计

图3 所有观测点的全景图(a)、鱼眼图(b)和被分割的鱼眼图(c)

每个观测点的认知属性评分被用于计算非标准化的阿尔法信度(表2)。所有观测点的信度均高于0.74，说明数据内部一致性较高，可用于后续进一步分析。视角系数SVF、GVF、BVF的结果也在表2中显示。

3.2 视角系数和认知的相关性

认知项目“安静”“尺度感”“质感”“构成感”和“开阔感”与所有视角系数的Spearman相关性系数显著(表3)。逐步多元线性回归分析进一步排除自变量的共线性，找出对认知项目最具预测力的视角系数(表4)。

如表4所示，所有与视角系数有关的认知属性的最强烈的预测因子都是GVF。回归模型的R2解释量不高，意味着GVF对景观认知的预测具有较大的不确定性。但是R2的值并不是拟合优度的绝对度量，本研究的目的也不在于确定线性关系的阈值。逐步多元回归的ANOVA分析均显著，说明回归模型都具有显著的统计意义。

因此本研究认为，文化遗产庭园的GVF是庭园的安静感、尺度感、质感、构成感及开阔感的有效预测因子，GVF与其中的安静感、质感(粗糙)和构成(复杂)积极相关，而与尺度(大)和开阔感消极相关。

除了发现GVF的预测性，一些与直觉相悖的结果也值得关注，BVF与“自然未遭破坏”“受人为影响的”“有历史意义的”及“均质的”认知属性均没有明显的关系，意味着无论游客看到多少园外建筑，都不会影响他们对风景园林的自然性、人工感、均质感，以及历史价值的评价。这验证了之前一些学者的研究：庭园外的现代建筑的视率并不能解释游客的偏好[14]。根据他们的研究，受访者的属性(国籍和性别)及个人经历对认知产生更大的影响。因此判断游客的属性是否会影响视角系数对景观认知的预测能力是有必要的。

3.3 游客属性对认知的影响

二维组间方差分析用于研究受访者的属性对认知项目的影响，可以被GVF预测的认知项目为因变量，受访者的国籍(日本/外国)和性别(男/女)为自变量，受访者的年龄作为潜变量也加入分析(图5)。

如图5所示，国籍对“尺度感”“质感”及“开阔感”的认知产生影响，性别只对“构成感”的认知产生影响，国籍和性别的交互效应对“安静”和“构成感”的认知存在影响。可见相比于性别，国籍的不同导致了认知上更多的不同。不过根据科恩(Cohen)约定的效应量[22]，不管是国籍、性别还是这2个变量的交互效应，都只是对认知属性有很小的影响量(η2＜0.06)。因此本研究的结论是：GVF对游客认知的预测性不会因为游客的国籍或性别而有很大的改变。

表1 调查问卷的美学特征评价部分

表2 每个观测点认知属性的信度系数和视角系数

表3 认知项目与视角系数的Spearman相关性

表4 逐步多元线性回归中出现的视角系数预测因子

图4 从圆柱投影到方位角投影的全景图的几何模型(作者改绘自参考文献[6])

图5 不同国籍和性别的受访者在认知依变量的均值轮廓图

图6 35°、45°、55°视域范围内的GVF和认知项目的Spearman等级相关系数的对比

3.4 视角系数的最佳视域范围

人眼在0°标准视野以上的有效视野范围是35°以内，另外人的头部垂直运动范围是60°(向下40°和向上20°)[21]。因此应考虑0°～55°的视角系数的最佳视域范围。景观表征的有效性可以用Spearman相关系数来度量[23]。因为在个别场景中的SVF可能为0，所以小于35°视域范围的视角系数没有进行计算。

图6展示了不同视域范围下(35°、45°、5 5°)最有效预测因子G V F 和认知项目的Spearman等级相关系数的对比(所有相关性都是显著的，P＜0.05)。图中可以明显看到35°视域范围的视角系数与认知项目评级的相关性大于其余对比项。因此0°～35°似乎是景观视角系数的最佳视域范围，这也与此前有关人眼有效视域的研究结果吻合[21]。

4 结论和展望

本研究的调研对象是日本东京都心的文化遗产庭园。东京作为人口密度极高的国际大都市，文化根源深受汉文化影响，又早早完成了城市化进程，其在文化遗产景观方面的经验对我国的传统园林研究和保护有着重要的借鉴和前景意义。

本研究将景观认知和环境形态进行了量化，发现SVF、BVF和GVF均与文化遗产庭园的安静感、尺度感、质感、构成感，以及开阔感显著相关，其中GVF是3种视角系数中对认知项目最有效的预测因子。GVF与安静感、质感(粗糙)和构成(复杂)正相关，与尺度(大)和开阔感负相关。BVF与庭园的自然感、人工感及历史感均无明显关系。比起性别不同，游客国籍的不同导致了认知上更多的不同，但是不管是性别还是国籍，对庭园的认知都只有很小的影响。另外，GVF的最佳视域范围是0°标准视野至以上35°以内。这些发现将景观认知研究拓展到文化遗产景观的空间形态领域，为文化遗产景观的评价提供了潜在的环境指标，亦是园林评价公众参与的一次实践经验。

本研究的创新性在于提出了一种低成本、新颖的方法量化景观形态，利用球面相机计算任意观测点全景视角下的SVF、BVF和GVF。这种方法成本较低、灵活便捷，不仅可以测量文化遗产景观的空间特征，对其他的风景园林类型也有适用性。本研究也率先尝试分析景观要素的视率与认知的关联性。

未来的研究将进一步挖掘视角系数与景观认知和偏好的关系，验证GVF作为景观指标的可能性，为文化遗产景观提供更多量化模型的支持。本研究中并没有发现BVF对认知属性更多的预测性，但这并不表示庭园外的现代建筑对传统园林的认知属性没有影响，建筑的形态、色彩、密度和风格等都是潜在的可能导致差异的变量，值得进一步的研究。比如在方位角投影的全景图中，天空、绿化、建筑的映射反映了相应的空间配置信息，可以利用景观格局指标进行量化，如分维度(FD)和景观形状指数(LSI)等计算树冠线/天际线的复杂程度。另外，未来的研究程序也可以进一步开发，结合众包技术和机器学习，从手动程序转为自动，扩大数据的获取量，降低人工成本。比如本研究中从鱼眼图提取景观元素是人工划分的，未来可利用深度学习的图像语义分割技术(如DeepLab V3+)替代手动分割，实现视角系数的自动化计算。

注：文中图片均由施佳颖、陈格绘制；照片均由施佳颖拍摄。

致谢：感谢日本千叶大学Honjo Tsuyoshi教授对SVF计算提供的帮助。