基于BIB-LCJ 模型的濕地公園生態環境質量評價

陳國棟，王 浩

南京林業大學 風景園林學院，江蘇 南京 210037

濕地公園是一種以水為主體的公園，它具備濕地科普宣傳、生態觀光、休閑旅游和科研研究等功能[1-4]。在濕地公園的規劃設計中，合理巧妙的規劃各類景觀資源有利于增添別樣的視覺趣味，提高整體的生態環境。在國內，馮繼忠和劉濱誼等人于1984 年以“風景曠奧度”為切入點，從心理、物理和意向三個層面，提煉出12 個指標，并進行計算機數字化，建立了生態環境質量評價體系[5]。隨后，國內學者從空間尺度[6]、景觀布局、人們心理感受[7]、景觀要素豐富度[8]、景觀色彩等要素進行了更為詳細的基礎研究[9]。在前人研究的基礎上，本文利用新型的VR 虛擬現實技術[10]（以下簡稱VR 技術）還原濕地公園現實場地環境，對受訪者實現侵入式體驗，最大化的減少傳統二維場景的平面干擾[11]。VR 場景著重攝取濕地公園景觀空間、樹群輪廓線、植被景觀、水體、焦點景色等相關因素構成的環境，并通過BIB-LCJ 法對不同背景下的受訪群體的打分結果進行量化分析。

1 材料與方法

1.1 研究區概況

金壇區隸屬于江蘇省常州市，地處江蘇省南部，位于北亞熱帶與中亞熱帶的過渡地帶，屬北亞熱帶濕潤季風性氣候。長蕩湖，則位于常州金壇區東南部，在溧陽市區東北部20 km 處，跨金壇區、溧陽市，其中，百分之九十以上在金壇境內，為太湖流域第三大湖泊，是一個集調節洪澇、飲用水源、農業灌溉、交通航運和漁業生產等多種功能于一體的淺水草型湖泊。通過查閱《江蘇金壇長蕩湖國家濕地公園總體規劃》等相關資料發現，金壇長蕩湖國家濕地公園現有濕地總面積7567 hm2，濕地率為95%。長蕩湖濕地公園水生生物種類繁多，濕地動植物資源較為豐富。濕地公園內現有維管植物208 種，水生植物25 種；魚類5 目13 科46 種，鳥類多達90 余種，已成為整個太湖流域秋冬季節鳥類主要棲居區之一。

1.2 數據來源

本次研究的數據來源于中景博道城市規劃的《江蘇金壇長蕩湖國家濕地公園總體規劃》，江蘇省金壇長蕩湖旅游度假區管委會提供的長蕩湖景區景觀設計用地范圍圖和道路交通圖，基于野外調研拍攝的現實環境制作的VR 場景數據，問卷調研數據以及通過網絡等搜集的相關參考文獻。

1.3 研究過程和方法

1.3.1 濕地公園樣本收集 在長蕩湖國家濕地公園采集了25 個現實環境，拍攝280 張照片作為輔助，均用同一款相機相同的攝影參數拍攝。拍攝時間在9:00 am～11:30 am，拍攝模式為日光標準模式，橫向采樣，拍攝高度為1.7 m。室內作業：將拍攝得到的場景數據進行VR 技術虛擬模擬[12]，測試效果較好后邀請受訪者進行侵入式體驗。

圖1 VR 場景樣本示例Fig.1 Sample of VR scenario

1.3.2 問卷調查法 首先隨機選取不同社會背景下的208 位受訪者，按照年齡分成幼年（7～17 歲）、青年（18～40 周歲）、中年（41～65 周歲）、老年（66 歲以上）四組群體。實際發放了208 份調查問卷，得到200 份有效調查問卷。建立濕地公園生態環境質量問卷調查評價指標時，通過查閱文獻選擇了空間尺度與距離、植被覆蓋率、樹群輪廓線、植被層次、焦點景色、水類型、駁岸類型、景觀色彩種類、景觀色彩對比度、有利的人工景觀（特色亭臺廊榭、木棧道、景石等設施）、不利的人工景觀（道路、電力設施、工廠等功能性建筑）11 類指標作為本次評價打分項，具體如表1 所示。

表1 長蕩湖濕地公園生態環境質量要素評價標準[13]Table 1 Evaluation criteria for quality factors of ecological environment in Changdang Lake Wetland Park

1.3.3 BIB-LCJ（Balanced Incomplete Block design-Law of Comparative Judgment）法評價 本次研究參考中科院的數理統計表的平衡不完全組[14]來設計評價流程，將每組場景設定為5 個，編為5*5 的矩陣[15]，按照BIB 法進行分組和排序，將評價等級分為1、2、3、4 級，評價者根據播放的場景接受實時詢問問卷打分。對搜集的樣本數據進行研究時，采取BIB-LCJ 法，即平衡不完全區組-比較評判法。通過分析的樣本打分數據研究，來對濕地公園生態環境質量評價。這套評價體系由俞孔堅教授[16]提出，其將SBE（Scenic Beauty Estimation）[17]風景度評價法和LCJ（Law of Comparative Judgment）比較評判法結合在一起，對大量樣本進行評價，實現了樣本區間之間的比較，能較為專業的反應出評價者對濕地公園景觀的審美態度。

1.4 數據處理

評價所得數據使用Excel 2007 軟件進行處理，并繪制相應的表格；在此基礎上，采用SPSS19.0軟件對長蕩湖濕地公園生態環境質量的各類要素評價結果進行相關性分析和回歸分析，明確評價者對哪些景觀要素更為偏愛，分析出對生態環境質量貢獻較大的指標要素。

2 結果與分析

2.1 評價群體審美的相關性分析

通過問卷調查，得到長蕩湖濕地公園生態環境質量評價數據。將此整理成頻率矩陣[18]，表達各類評價群體對樣本VR 場景的打分情況。人們通常認為年齡會影響閱歷和對待事物的認知，故需要首先確定4 組年齡段下的受訪者個體對生態環境質量景觀要素的偏好和厭惡，這些審美差異可以通過相關性和回歸分析得出一定的結論。首先確定少年A、青年B、中年C、老年D 為四個變量，在此基礎上對這四個變量的評價分值的平均值MR 進行正態性檢驗，如表2 所示。場景調查個數為25個，宜采取Shapiro-Wilk 檢驗（小樣本容量檢驗）[19]。通過表2 可知，Sig.A＜0.05，Sig.B＞0.05，Sig.C ＜0.05，Sig.D ＜0.05，3/4 變量Sig.值不符合正態分布，故采取Kendall 相關性分析[20]，具體見表3。

表2 正態性檢驗Table 2 Normality test

通過表3Kendall 相關性分析可知，少年A、青年B、中年C、老年D 四類變量兩兩的相關系數都在0.7 以上，屬于中、高度相關，這表明本次研究不同主體之間的審美較為一致。其中，中年C、老年D 之間的相關系數最高，表明中老年主體的審美更為接近。審美的高度相關性表明本次評價者的群體在對濕地公園的生態環境質量評價上分歧較小，故不同社會背景及年齡段的差異并沒給本次評價帶來影響，我們認為本次選擇的受訪者樣本可靠而具有代表性。

表3 評價主體生態環境質量審美相關性分析Table 3 Analysis of the aesthetic correlation with ecological environment quality of the subject

2.2 BIB-LCJ 生態環境質量度量值

依據頻率矩陣數據，處理平均等級及其修正值，再計算平均選擇分數、選擇分數百分率及其修正值，最后得到P’。依據PZO 的轉換表，得到Z 分數，以此代表各類評價群體對樣本VR 場景的生態環境質量評價結果，以平均值Z 代表各類樣本的綜合生態環境質量評估結果（表4）。

表4 BIB-LCJ 法評價生態環境質量統計表Table 4 statistics of ecological environment quality evaluated by BIB-LCJ method

將25 張VR 場景樣本的Z 值平均值用EXCEL 進行圖表繪制，得到BIB-LCJ 法對生態環境質量評價結果，具體如圖1 所示。從圖2 可知，樣本VR 場景中有兩大高峰5～7 及13～15，其余樣本VR場景呈現遞減的評價趨勢。大部分樣本VR 場景的Z 值平均值在1.75 處上下波動，而VR 場景樣本1～4 區間Z 值＞8～12 區間Z 值＞16～25 區間Z 值。因此本文認為5～7 及13～15 區間的樣本VR 場景為長蕩湖濕地公園生態環境質量的最佳代表，16～25 為最次代表。

圖2 BIB-LCJ 法對生態環境質量評價結果比較Fig.2 Comparison of ecological quality evaluation results based on BIB-LCJ method

通過對高分段編號5、6、7 及13、14、15 虛擬場景的分析發現它們的景觀空間大多開闔有致，既有開闊宏偉的水景觀，又有親切的觀景交流空間；它們植被覆蓋率較高，遠處背景有較為明顯的樹群輪廓，近處植被層次豐富，從陸生到水生相漸過渡，且擁有的生態駁岸場景更受大家歡迎；此外，樣本VR 場景中景觀色彩三種以上的人氣較高，且有明顯視覺焦點的VR 場景打分較高。

從低分區域的VR 場景可以看出評價者對人工痕跡重的區域評價較為負面，如密度較大的路網、硬質駁岸及不利景觀的功能設施，這表明在評價標準中人們更喜歡自然影響要素較高的指標因子。值得注意的是，較為雜亂的植被層次同樣得到了較低的分數。過于野生的環境會給人們造成潛在危險暗示，故這些場景需要設計師進行有效規劃，充分利用場地資源營造出優美有序的生境。

3 結論與創新

3.1 結論

本文選擇了空間尺度、植被覆蓋率及層次、樹群輪廓線、焦點景色等11 類要素作為長蕩湖濕地公園的生態環境質量影響要素，基于此構建本次的調查問卷。通過Kendall 相關性分析，發現四組年齡段少年A、青年B、中年C、老年D 兩兩的相關系數都在0.7 以上，這表明本次研究不同主體之間的審美較為一致，可以合并研究不做群體分類討論。在不同背景評價者的審美需求較為統一的前提下，以BIB-LCJ 法計算生態環境質量度量值，得出如下結論：編號5、6、7 及13、14、15 虛擬場景生態環境質量評估結果Z 值構成了兩大峰值區間[1.85，1.95]、[1.9，2]，其余結果在1.75 處波動；峰值段內的樣本場景表明連續優雅的樹群輪廓線、生態駁岸、豐富的景觀色彩及焦點景色幾類影響因子對生態環境質量有著積極的正面影響；從低分區域的VR 場景可以看出評價者對人工痕跡重的區域評價較為負面，如密度較大的路網、硬質駁岸及不利景觀的功能設施。

3.2 創新點

傳統的生態環境質量評價數據獲取方法有兩種：1 去實地找受訪者打分調查，2 拍攝照片再統一找受訪者看照打分。這兩種方法前者耗時耗力，一時難以找到多個受采訪者，且實地找到的受訪者往往只游覽公園一角，打分易受到特定環境影響，容易以偏概全；后者相比前者高效一些，但二維平面照片相比實地的體驗感大打折扣，評價者只能從表面感官給予打分。而VR 虛擬現實技術結合了以上兩種方法的優點，將實地三維空間場景真實還原，侵入式體驗更是讓受訪者身臨其境。這種技術的引入有利于受訪者給出較為客觀的評價打分，且大大提高了調查效率。

目前生態環境質量的研究文獻較多，但針對濕地公園的生態環境質量的研究仍然較少。通過查閱大量文獻，創新性地引入BIB-LCJ 法至濕地景觀評價中，此方法適合分析較復雜指標要素背景下的樣本特征。此外，通過BIB-LCJ 法與Kendall 相關性分析結合，可得到受訪者個體年齡段之間的審美差異，分析受訪樣本是否具有代表性和可靠性。