解析欧洲多尺度风景特质识别的5项议题

杨叠川 高翅＊

在快速全球化、城镇化背景下，风景的衰退式变化已在世界范围内受到持续关注。风景具有动态属性，风景变化本身是正常事件，符合自然运作规律。但自工业革命以来，人类认知世界与改造世界的能力陡增，这种“现代性”（modernity）导致风景变化幅度已远超任何历史时期，风景正丧失其多样性、连续性和地域性特征[1]。如何对风景进行系统性的保护、规划与管理是20世纪至今一直需要解决的问题。

在此背景下，尤其是以英国为代表的欧洲国家对风景的管护有着清晰的思想变革，风景管护理念可分为3个阶段：20世纪50—70年代，以国家公园等优质风景为对象的风景评价（evaluation）；20世纪80年代，强调视觉分析的风景评估（assessment）；20世纪90年代至今，以风景整体论（landscape holism）为纲要的风景特质评估（landscape character assessment, LCA）[2]。评估对象逐渐从优质风景迈向寻常风景，评估规模从单体评估迈向全域评估，评估方法从客观打分迈向主客观相结合[3]。这种思想的变革也直接体现在风景特质的正式定义中，在2002年由英格兰乡村署和苏格兰自然遗产部联合发布的LCA导则中，风景特质被定义为“在一定范围内使风景与众不同而非好坏并赋予场地某种独特感受的景素”[4]。LCA作为理解风景内涵、管理风景变化、判别风景价值的有效工具，在欧洲乃至世界范围内被广泛研究与实践[5]。

在大量的LCA研究中，由于跨学科、跨地域、跨文化背景、跨尺度等因素的影响，不同的风景特质识别案例在识别人员、识别指标、识别方法、识别可视化等维度都存在着一定差异，这使得风景特质的识别工作显得较为庞杂。因此，有必要对识别的核心议题进行归纳和梳理。与此同时，在高速城镇化背景下，中国国土风景面临的风景同质化、破碎化等问题日益明显，本研究期望通过系统梳理欧洲风景特质识别中的关键议题，为中国不同尺度的风景保护、规划与管理提供借鉴。

1 《欧洲风景公约》与风景特质研究的关系

1.1 风景特质概念影响《欧洲风景公约》定义

《欧洲风景公约》（“Europe Landscape Convention”, ELC）于2000年由欧洲理事会718次会议审议通过。如果仅从时间上来看，ELC先于LCA的正式发布，但实际上，2002版LCA导则是在1999年发布的临时性导则的基础上修改而来的[4]，在导则制定前英国已有政府主导的风景特质研究，例如1994年由英国乡村委员会主导的乡村特质项目（Countryside Character Program）已开展了西-南试点区域（South-West Pilot）风景特质类型和区域的识别[6]。在ELC的具体措施中，许多思想都受到LCA影响。例如，强调不能因保护显著的风景区域而牺牲其周边地区的价值，全域风景都有其潜在价值[7]，这种不以优劣好坏视角而以与众不同视角对待全域风景的价值观也继承于风景特质研究。在ELC颁布前，特质维度的风景保护与管理已在欧洲范围内形成了一定共识[8]。

LCA对ELC更加直观的影响体现在ELC的定义中：“由人们所知的一片区域，其特质（character）是自然和人类共同作用的结果。”[9]ELC作为首个专用于风景的国际条约[10]，其定义中明确使用的“特质”一词，第一次正式出现在欧洲政府法律法规中[3,11]。ELC对整合欧洲风景相关研究有着深刻影响，风景再次被视作整体概念（图1）。在ELC颁布前，早在13世纪荷兰语中的“landscap”有着与ELC类似的定义：“一处有组织的区域，能被公众所识别。”但从工业革命开始，伴随着航拍、遥感、空间分析等新技术的进步，风景概念的整体论产生了分野，随着学科细分与交叉，景观考古学、景观生态学等许多新领域的出现，众多风景相关学科对“landscape”概念的理解差异越来越大。ELC的颁布是风景概念从分野到拓界整合的关键触媒，从法律法规层面促进了欧盟各成员国在风景议题上进行跨国界、跨学科沟通，这是LCA得以在欧盟持续开展的基础。

图1 欧洲风景研究的演变轨迹[12]Evolution trajectory of European landscape research[12]

1.2 《欧洲风景公约》推动风景特质全面开展

ELC在实施过程中制定了12个具体步骤。其中步骤3、4分别是识别风景（identify landscape）和评估风景（assess landscape）[13]，以促进风景保护、规划和管理，并监测风景变化（图2）。这与LCA识别、评估分离的特点十分相似，即分为相对“价值中立”的识别阶段和基于识别结果的“决策判断”阶段。以ELC为契机，比利时[14]、瑞典[15]、丹麦[16]等欧盟成员国先后开展风景特质识别工作，并逐渐拓展到全球范围[3]。现有LCA研究多数集中在识别阶段，这是因为识别是评估的前提，更重要的是LCA和ELC的内涵都给识别工作综合处理定性与定量、主观与客观的关系提出了挑战[17-18]。尽管ELC统一了各学科对于风景概念的认知分歧，但有关风景的研究兼具自然与人文属性，各学科从各自学科背景进行风景特质研究，也常带有显著的主观与客观、定量与定性的视角差异[17,19]。社会科学背景的学者更多聚焦公众参与机制[20]、历史风景特质[21-22]、审美感受与偏好[23]等以人为核心的风景特质研究；自然科学背景的学者常基于数理分析和统计通过生物-物质方法（biophysical approach）识别自然风景特质[24-25]、景观格局特征[19]。

图2 《欧洲风景公约》的主要实施内容[13]Implementation elements of the ELC[13]

虽然LCA导则制定了风景特质识别的4个步骤：1）确立目标和范围；2）初步识别；3）田野调查；4）分类与描述[26]。但在具体问题上并未给出明确的操作办法，例如，如何识别风景的与众不同，如何根据研究区域筛选风景要素，如何合理地分析某种独特感受等。在不同的案例研究中，由于识别范围、识别材料、识别方法等维度的差异性，风景特质识别常显得错综复杂，需要系统归纳分析。因此，笔者将从风景特质的定义引申特质识别的5个核心问题：1）风景特质识别主体是谁；2）风景要素包含哪些；3）如何感知风景特质；4）怎么识别风景特质；5）如何表达风景特质。通过对风景特质识别案例的归纳与演绎分析，以尺度的变化作为综合风景特质客观属性与识别过程主观判断的载体。

2 风景特质定义引申的 5项议题

2.1 识别主体

在英国风景特质定义中省略了主语，没有指明是谁“在一定范围的感受”。风景“感受”的参与者和组织者是人，不同利益相关者对于相同场地可能会有不同的理解，需权衡分歧、组织沟通。在LCA的补充文件《议题三：利益相关者参与LCA》中[4]，将识别主体划分为3类：关注群体、本地群体、二者均涵盖的交集群体[4]（图3）。早期LCA工作由领域专家开展，随着ELC对全民风景教育的推广，越来越多的LCA实践鼓励本地居民参与到他们日常的风景管护中[27]。统筹利益相关者的核心是统筹本地居民代表的内部人（insiders）和专家代表的外部人（outsiders）的意见[28]。

图3 英国风景特质导则划分的利益相关主体[4]Stakeholder types in British Landscape Character Guideline[4]

2.2 要素类别

在英国风景特质定义中提及的“赋予独特感受的景素（elements）”，涉及风景要素议题。风景特质以要素的组合关系为表征，不同风景要素的相互组合形式是风景特质识别结果差异化的主因之一。在已有的LCA研究中，描述风景要素的术语较多：因子（factors）[26]、特征（features）[29]、组分（components）[30]、属性（attributes）[31]、变量（variables）[4,14]，但各术语的实质指代相同，不同案例的差异主要体现在类别的选取上，被广泛采纳的是LCA导则以及欧洲风景特质评估倡议（European Landscape Character Assessment Initiative, ELCAI）项目中划分的要素类别。它们都将风景要素划分为自然要素、文化/社会要素、文化关联要素3类（表1）。整体来看，自然要素作为风景特质的基底，在这点上LCA导则和ELCAI项目基本一致。在文化/社会要素方面，LCA导则中的圈地概念以英国为典型，而ELCAI项目中以空间形态、土地管理代替圈地，并增加建筑与社会经济。在文化关联要素的选取标准上，二者差异较大，LCA导则选取的信仰、宗教、音乐等无形要素是人对场所感受的衍生，ELCAI则侧重于场所感、审美偏好等人的在地感受。

表1 风景特质识别要素分类[4,32]Tab.1 Classification of landscape character identification elements[4,32]

2.3 感知方式

在英国风景特质定义中描述的“可辨别的（recognizable）某种独特感受”，意味着需要对辨别方法进行界定，也就是分析在识别过程中人们通过何种途径品味并解读出“某种独特感受”。地理学常用认知地图理论分析人对环境的辨别，可分为“直接感知”和“间接感知”2种途径[33]：直接感知可以被理解为人在特定环境或情境中获取的视觉、听觉等感官信息；间接感知可以理解为通过推论，以文字、图片、影像等途径获取的关于环境的认知。在现有LCA研究中，间接感知的途径主要依靠卫星影像、航测照片等地图信息[14]。直接感知和间接感知并非是2个独立的体系，而是互相补充和交流的关系。在真实风景环境下，人们对环境产生的直观、真实的感受，可以通过文字、图片等形式转译为间接感知；同时，更多间接感知所传递的信息和视角，能够帮助人们在直接感知过程中更全面地理解和感受风景。

2.4 识别方法

风景特质识别的结果通常包括风景特质类型（types）与风景特质区域/单元（areas/units）[31]，这二者对应的是地理学中的2个基本概念——类型学（typology）和分布学（chorology）[12]。类型学是对共同属性的归纳；分布学是关于空间分布关系的研究。风景特质类型和区域的识别是以“特质”视角对风景空间的一种归纳[19]。现有类型与区域的识别可分为数字方法和人工解译方法2类。1）数字方法，包括聚类法[34]、叠置法[35]、图像分割技术[36]，其中利用不同数学算法的聚类法最为常用，如k均值聚类[37]、affinity propagation聚类等[38]。聚类方法的主要步骤包括：首先选取变量数据，其次划定网格单元，然后构建数据矩阵，最后指定风景特质类型（图4）。2）人工解译，基于格式塔（Gestalt）心理学，以航拍图片作为解译基底，并借用格式塔洞察力（图5），通过启发讨论法（heuristic methods）识别特质类型与区域[14]。为消减算法误差，并提高人工效率，也有将数字与人工方法相结合的综合识别方法[39]。

图4 聚类法风景特质识别步骤Steps of cluster analysis for landscape character identification

图5 基于格式塔的人工识别步骤[14]Steps of Gestalt-based artificial landscape character identification[14]

2.5 图解形式

风景特质识别的可视化结果以特质图的形式呈现。图解是一种设计表达与交流的语言[40]，风景特质图与一般专题地图的区别在于制图人员与使用人员身份的重合性。这种重合性是指它的制图者可能既有专家也有公众，而使用者也包括了专家或公众（图6）。这种跨受众特性需要特质地图的图解权衡科学性与科普性。例如，现有LCA案例在图解的命名表达上存在一定差异。风景特质类型的命名方式有2类：一种方式是对公众判读友好的文字描述，如在英国国家风景特质图中，某一种特质类型被命名为“起伏的山地农田”，用高度抽象概括的形式描述其关键特质；另一种是理性的编码描述，如ELCAI项目中类型“Mhr_sh”含义是：地中海气候（Mediterranean, M）、丘陵（hills, h）、岩石（rocks, r）、灌木和草本植物（shrubs and herb, sh）。编码描述与文字描述相反，字母的排列与组合所承载的信息量比文字描述方式更全面。但其缺点是编码需要与图例同时使用，解读不便，更适于专业人士使用。

3 多尺度层级特征及其对 5 项议题的影响

3.1 多尺度层级特征

3.1.1 尺度大小

无论是ELC定义中强调的“一片区域”，还是LCA定义描述的“一定范围内”，都涉及对尺度大小的界定。在风景特质识别中，通常使用本土（local）、区域（regional）、国土（national）、国际（international）、全球（global）的术语来表达由小到大的尺度变化梯度。也有研究将这种由小到大的关系定义为微观（micro/small/detail）、中观（meso/intermediate）和 宏 观（macro/large/general/broad）[34,39]。现有研究在不同的语境中会针对其特定研究区域进行名称调整或层级增减，例如在国土尺度之下增加亚国土尺度（subnational）、亚区域尺度（sub-regional）[41]，或在区域尺度之上增设生物气候区尺度（bioclimatic zone），在本土尺度之下增加场地尺度（site）[31]。由于国情不同、研究背景不同等原因，尺度大小的衡量标准会有较大差异。在LCA导则中建议以比例大小确立尺度，英国全域风景特质识别包括了国土、区域、本土3个层级，国土尺度采用比例为1∶250 000，涵盖郡县面积的区域尺度比例在1∶50 000～1∶25 000，本土尺度则小于1∶10 000[26]，也有研究认为在本土尺度以下还可细化至1∶1 250的场所尺度[31]。

3.1.2 尺度下移

在ELC的推动下，欧洲已完成了全域范围风景特质的整体识别[36]，确定了宏观尺度上的基本特质类型和区域。在此基础上，陆续开展了针对跨国界[42]、岛屿[43]、滨海地区[44]等多样地理空间的详细识别。这种从宏观尺度到中观、微观尺度缩小的过程，在LCA中可被定义为“尺度下移”（downscaling）[45]。它一方面代表识别结果的细化，同时伴随着风景特质类型与风景特质区域的相互转换。例如在英国国土、区域、本土的嵌套尺度上，南奔宁山区（South Pennines）定义的特质区域在更下一层级尺度上需要被定义为特质类型（图7）。但这种尺度的下移不仅仅是指从抽象到具体、从较粗分辨率到更细致分辨率的过程，更重要的是在下移的过程中伴随着关注点的变化[39]。以风景要素为例，地中海岛屿国家面积较小，风景受人为活动的影响更显著，因此在从欧洲尺度下移到岛屿尺度时，其特质识别过程在要素层面增加了视觉影响、坡向、坡度、建筑密度等指标[43,46]。除了风景要素，上述梳理与识别相关联的主体、感知、方法、图解都可以作为关注点在不同尺度上进行内容增补和细节丰富。因此，如果从尺度下移的视角梳理风景特质识别中的主观与客观、定性与定量挑战，可以将上述5项议题不同的关注点综合起来。

3.2 尺度下移过程中的5项议题

3.2.1 识别主体从专家向公众转变

风景特质研究要求相关专家从平等的视角审视每一寸研究区域，不对风景进行“寻常”与“特殊”的区别对待，与之不同的是，公众通常会对风景有着明显的价值高低判断。风景特质识别过程需要判定识别主体的“话语权”大小，以为结果优化提供帮助。据笔者综述范围，现有涉及公众参与的特质识别案例尺度均属于中、微观尺度。瑞典学者安德鲁（Andrew Butler）曾总结过2007—2011年英国的52项LCA实践，其中28项包含公众参与[47]。项目类型集中在中观尺度，例如东林齐地区（East Lindsey District）等地区尺度，以及湖区国家公园（Lake District National Park）等国家公园的尺度。在英国柴郡（Cheshire）还曾在微观尺度开展过完全以社区为主导的（community-led）特质识别[48]。公众参与案例常聚焦于中、微观尺度的原因是本土居民的场所感（sense of place）会对他们生活的周遭风景有着特殊的感知，他们能弥补专家因场所感缺失而造成的识别结果的“不合适”，风景特质类型与区域的界定需要公众的本土经验以便阐明风景自明性（landscape identity）[49]。因此，如果在尺度下移的过程中综合识别主体关系，识别主体应由专家向公众倾斜。

在尺度下移过程中，由于利益相关者数量与类型的增加，如何统筹利益相关者意见是识别主体议题的重点与难点。统筹的核心需要专家与公众双方减少沟通成本。一方面，专家需要将术语转化为通俗语言，并理解公众意见。另外一方面，也需要公众能够有效参与，将公众的共同观念进行反馈。参与式制图（participatory mapping）是连接公众经验与专家决策的有效方式[50]，常有手绘兴趣点、工作坊、公众访谈等形式[20,48]，通过这些方式能有效捕捉公众对于空间认知和审美偏好等维度的共同集合（common set）。

3.2.2 要素类别从自然向文化转变

由瓦格宁根大学主持的欧洲风景特质识别项目（Identification and Characterisation of Environments and Landscapes in Europe）认为可以依照风景要素的独立性（independence）进行要素的排序[51]。独立性的含义是：一种要素的形成与演替是否需要其他要素的共同作用。从宏观到微观尺度，风景要素的独立性应逐渐减少，这意味着在宏观尺度应该选取气候、地形、水文等独立性高的非生物性要素（abiotic）；中尺度应选择植被、动物群等独立性适中的生物性要素（biotic）；微观尺度则选择土地利用、风景形态等独立性低的文化性要素（图8）。LCA导则和ELCAI项目的风景要素都包含自然、文化社会、文化关联3种类型，文化社会、文化关联都属于文化要素，表征着文化的有形与无形。如果按照独立性进行排列，在尺度下移的过程中，要素构成是由自然向文化转变。

图8 基于独立性的风景特质要素选择[32]Selection of landscape elements based on independence[32]

近年随着遥感等数字技术的发展，地形、植被等自然要素的完整性与精细化程度有着长足发展，基本能满足不同尺度的识别分类与制图。然而，文化要素在识别过程中一直都存在着度量和落图的难题，这也是为何在大量欧洲案例中常以土地利用数据作为文化要素，而缺失其他有形和无形文化要素的主要原因[12]。随着尺度的下移，文化要素在识别过程中的占比越来越大，这需要在案头研究中广泛收集文献，整理时间深度、社会经济等文化（社会）数据，以及开展全面的田野调查获取翔实的文化关联要素数据。此外，在尺度下移过程中，也涉及要素类别的选取与组合，更多的要素类别能够反映更加真实的风景特质，但过多的数据也会导致识别结果的冗余，风景特质图上的特质类型会极为碎片化，不利于整合与分区，进而阻碍后续的风景保护与管理策略的制定。如何恰当的选取要素类别也是尺度下移过程中的难点。

3.2.3 感知形式从间接向直接转变

ELC强调“由人所知”，LCA强调“独特感受”。显然，在较大尺度上仅依靠人的感知系统来分析“独特感受”具有一定难度。这是因为人能亲身感知的范围必然是有限度的。在人的感知系统中，虽然视觉感知的能力强于嗅觉、听觉、味觉、触觉，感知的范围也最广，但人能有效识别风景整体与细节信息的极限距离不超过2 km，在合适的天象情况和合适的眺望点，能看到整体形象但不能观察到细节信息的距离也仅有几十千米[12,52]。在省域、国土乃至跨国际的风景特质识别研究中，如果以人的直接感知作为刻度很难有操作办法。在尺度下移的过程中，分析“由人所知”，可将尺度的变化与直接感知以及间接感知进行关联。尺度越大，依靠卫星影响等形式间接感知[14]的比重越大；尺度越小，依靠人感知系统的直接感知比重越大。

在LCA导则中，直接感知属于文化关联要素，如何对它进行度量一直是风景特质感知维度的重点。以进化理论（evolutionary theories）和文化偏好理论（cultural preference theories）为基础，瑞典欧德（Asa Ode）教授等近15年里致力于风景视觉特质（landscape visual character）的理论构建和测度[53-54]，他们将风景视觉的特质分为管护力（stewardship）、一致性（coherence）、干扰性（disturbance）、历史性（historicity）、视域（visual scale）、意象性（imageability）、复杂性（complexity）、自然性（naturalness）和时变（ephemera）9项内容，并探索了对除管护力和时变外7项内容的度量和可视化[23,55]。除视觉感知外，当前声景、香景等感知维度的定量研究也受到越来越多的关注[56-57]，可以将其与风景特质结合起来以进行更为全面的识别。在LCA研究领域，对于视觉感知以外的嗅觉、听觉等多维感知的特质识别，是在尺度下移过程中该议题研究的趋势。

3.2.4 识别方法从数字向人工转变

关于尺度变化过程中如何将不同识别方法相结合的问题，一直是风景特质识别的重点。被广泛采用的是比利时学者马克·安特罗普（Marc Antrop）教授及其团队构建的参量（parametric method）和 整 体（holistic method）相结合的框架[14,34,38-39]。其核心是以聚类分析进行初步识别，然后以格式塔心理学为依据进行整体手动调整，并在不同尺度上往复“参量—整体—参量—整体”的过程。框架中的参量方法是一种客观的数字方法，整体方法是一种主观的人工划分方法，主观和客观分析相结合的方式高效且灵活。通常，在宏观尺度上采用数字方法的结果与人工依照卫星影像目视解译的结果差距较小。但在微观尺度上，由于数字方法受限于数据精度、数据时序、数据完整性等因素[39,58]，识别结果与人的主观判断结果差别较大。过度依赖数据资源的数字方法也被认为更像一种客观制图的过程[19]，而非ELC和LCA定义的“人的感知”。随着尺度的下移，人的直接感知逐渐增强，更需要进行人工的调整。整体而言，在尺度下移中，宏观尺度更依靠于数字识别，而微观尺度更需要人工识别。

在数字方法的识别过程中，聚类分析是整合参量的核心步骤。随着数理统计方法的进步，迭代的聚类分析工具能为聚类过程提供更多可能性。传统k均值聚类虽然具备高效的特点，但需人为指定k值，即聚类数目，因此两步聚类或亲和聚类等自动识别聚类数目的聚类算法更多被采用。数字方法将特质识别过程抽象为分析数值的距离关系，在后续数理统计方法的不断完善下，能够进一步提高识别可靠性与精度。当下人工识别的问题在于识别效率和识别稳定性不足。识别效率不足是指与数字划分相比，人工识别显然在时间和精力上投入更大；而识别稳定性不足是指不同人员的人工识别结果极有可能存在差异，即使是相同人员在不同时间段进行识别，可能也会存在一定区别。这是为何在人工识别过程中常引入启发讨论的原因，也就是以群体性思维方式降低识别人员判断的主观性。如何对人工识别提供统一化的技术保证和操作步骤，是该议题的难点。

3.2.5 图解形式从科学向科普转变

风景特质图的制图与使用都可能涉及专业人员和公众，二者对于图的理解与需求存在差异，需要平衡图解的科学性与科普性。科学图解和科普图解的差异性主要体现在表达方式、制图内容、应用途径上。科学图解制图严谨，在坐标系、比例尺、符号设计上有制图规范的共性要求，制图内容包含较大信息量的专业知识，能服务于专项用途。科普性图解更注重用简明的语言和图形表达以适应普通公众的需求，强调图解的个性、趣味性和视觉效果。在风景特质图中，在宏观尺度的制图往往需要多学科协同工作，服务于空间规划等战略需求，这需要科学图解；在微观尺度上公众参与程度更多，需要更有吸引力和可读性的科普图解。

传统图解方式是对固定尺度下识别结果的静态表达，随着数字交互技术的逐渐普及，风景特质图的交互式设计也日益增加。它的优势在于能够不局限在单张图纸的表达中，实时呈现尺度下移过程中图解模式的动态变化。以英国的历史风景特质在线地图（HLA Map）为例①，在小于1∶10 500的宏观尺度上采用分区色彩平涂的形式，而在大于1∶10 500的中、微观尺度采用了图案肌理填充的方式，即在海岸线附近填充贝壳图案，在林区填充树木图案。这种肌理填充的办法在不依靠图例的情况下仍旧可以进行判读，同时丰富了特质图的趣味性。风景具有动态的属性，通过该类在线交互地图的方式也方便后续地图的修改，保证了风景特质图的时效性。

3.3 综合主观与客观性的议题整体表达

ELCAI项目在识别欧洲多层级风景特质时，曾采用数学式的形式来表征风景[36]：

式中，各自变量分别是C气候（climate）、G地质与地貌（geology and geomorphology）、H水文（hydrology）、S土壤（soils）、V植被（vegetation）、F动物群（fauna）、LU土地利用（land use），STR风景结构（landscape structure），t时间（time）。要素从非生物（C、G、H、S）、生物（V、F）到文化因素（LU、STR）按照独立性递减的顺序排列，各自变量间存在相互联系与影响。这种采用数学式表达风景与要素集的关系，启发了笔者对于多尺度5项关键议题所构建风景特质识别框架的整体表达：

式中，各自变量分别是P识别主体（participant）、F要素类别（factor）、C感知方式（cognition），M识别方法（method）、G图解模式（graphic）、t时间深度（time depth）。除5项议题外，将时间深度也纳入其中的原因是风景在具有空间尺度的同时也具有时间尺度[45]，风景变化过程中会产生不同历史层级的特质识别结果[21]。按照风景特质的识别流程排列各自变量顺序，即优先确定人员，其次确定指标，再者是方式与方法，最后为表达。同样，各自变量之间存在着相互联系与影响。以微观尺度为例，由于公众的“话语”权重更大，适宜采用科普性的图解方式，并且由于公众长期在本土环境中直接感知形成了特定的场所精神，这种场所精神更适宜用人工解译的方法来识别并制图。

在空间尺度的作用下，多尺度的风景特质识别过程会有不同自变量的选取结果，以宏观和微观尺度为例：

式（3）为宏观尺度，式（4）为微观尺度（图9），数学式的函数图像能反映不同尺度下各自变量权重变化特征。式中函数f（x）的定义域，即各自变量从宏观到微观尺度变化趋势是：P，专家（Pa）递减，公众（Pz）递增；F，自然要素（Fa）递减，文化要素（Fz）递增；C，间接感知（Ca）递减，直接感知（Cz）递增；M，数字划分（Ma）递减，人工解译（Mz）递增；G，科学性图解（Ga）递减，科普性图解（Gz）递增。需要说明的是，图中的自变量曲率的高低变化是一种概念性图示表达，在尺度下移过程中，5项议题对应的自变量并非以相同的速度线性变化。

图9 不同尺度下关键议题自变量的权重变化Changes in the weighting of key issues at different scales

4 结语

中国一直以“人与天调”的哲学观念理解人与自然的关系，与ELC风景定义相似，早在20世纪90年代丁文魁先生就认为风景是人和环境之边际存在的美。这种“人和环境”“边际存在的美”与ELC的核心“自然和人类共同作用”“一片所知区域”有着异曲同工的理解。在当下人类世（Anthropocene）阶段，东西方的风景认知观从概念分野走向了拓界交融，这种风景认识论层面的统一是风景特质理论在中国进行研究的基础。当下，对地域性传统风景进行有效保护和管理是世界范围内的共同认知，全球化、快速城镇化等因素带来的风景衰退化演变是各国面临的共性挑战，ELC和LCA为全域风景的保护、规划和管理带来了思想的革新，也带来了如何系统性识别与评估风景的挑战。为了厘清风景特质识别中主观与客观、定性和定量的关系，本研究系统梳理了欧洲多尺度风景特质识别的5项议题，即识别主体、要素类别、感知方式、识别方法、图解形式。以尺度作为转变载体，解析了在尺度下移过程中5项议题的变化模式：识别主体由专家转向公众转变；要素类别由自然向文化转变；感知方式由间接向直接转变；识别方法由数字向人工转变；图解形式由科学性向科普性转变。同时归纳了多尺度识别的公式化表达。通过解析多尺度风景特质识别中定性与定量、主观与客观之间的关系，以期为不同尺度层级的风景特质识别提供参考框架，为全域风景特质识别工作奠定基础。

致谢(Acknowledgments)：

感谢比利时根特大学Veerle Van Eetvelde教授对本文撰写提供的帮助。

注释(Note)：① 英国历史风景特质在线地图（网址：map.hlamap.org.uk）能在地图中实时选取史前时期（Prehistoric）、中世纪（Medieval）等不同时间段的风景特质图，也能根据使用类型进行不同的可视化表达，如林业农业和土地管理（forestry, farming and land management）、风景和管理规划（landscape and strategic planning）等地图形式。

图表来源(Sources of Figures and Table)：

图1、2、3由作者根据参考文献[12][13][4]绘制；图4、6、9由作者绘制；图5由作者根据参考文献[14]绘制；图7由作者根据参考文献[4]绘制；图8由作者根据参考文献[32]绘制；表1由作者根据参考文献[4][32]绘制。