視角系數能否預測景觀認知
——以東京文化遺產庭園為例

施佳穎

陳 格

夏宜平

(日)古谷勝則*

全球范圍下的文化遺產景觀正面臨城市化的挑戰和沖擊，風景園林從業者迫切地需要相關研究和理論的支持。聯合國教科文組織于2003年頒布的《保存數字遺產憲章》為文化景觀的研究指明了數字化的新途徑。新的數據捕獲方法能夠極大地促進風景園林和文化遺產的管理、保護、展示，以及研究領域的進步。同時，對客觀環境認知的量化也是實現景觀數字化的關鍵技術[1]。探索環境和認知之間的規律，一方面為文化遺產景觀的評價標準提供依據，另一方面也為公眾參與和政策制定增加實踐經驗。本研究以日本東京都立文化遺產庭園為研究對象，提出一種新的文化景觀空間形態測量方法，旨在探究在都市背景的文化遺產景觀中游客的景觀認知和視角系數之間的量化關系，力求為數字化文化遺產景觀的研究提供新的視角。

1 理論基礎

1.1 遺產景觀空間形態的測量

目前，利用光學傳感器(如數碼相機、激光掃描儀)或雷達傳感器測量和記錄遺產景觀的可行性和重要性已得到了公認[2]。風景園林研究中，常采用的景觀視率的測量方法會受到攝影角度的限制。本研究從城市氣象學領域的指標——天空視角系數(Sky View Factor，SVF)中獲得啟發。SVF是指在某一點的水平面所對應的上半球可以看見多少天空的幾何比率[3-4]。它將以觀測點為中心的三維環境簡易描述為二維，常用于研究城市峽谷的幾何特征、城市的氣溫分布和熱舒適性等[5]。已有研究證實利用街景圖計算的視角系數可以繪制高密度城市街道峽谷的天空、樹木和建筑物的空間特征[6-7]。相比于只覆蓋城市街道的街景圖像，球面相機攝影像更靈活，常被用于計算離散位置的SVF，更加適合風景園林的測量[8]。

1.2 景觀認知的量化

景觀感知研究的范例主要來自環境心理學?？ㄆ仗m(Kaplan)、庫特爾(Coeterier)和特維特(Tveit)等提出的整體性認知評估構成了該領域的知識基礎[9-11]。他們的研究證實觀察者的體驗可以解釋視覺景觀的變化。同理，視覺景觀的變化也可以預測觀察者的認知。因此，研究文化遺產景觀參與者的感知是重要且必需的，這其中的規律能幫助設計者和決策者預判文化遺產景觀更新造成的公眾對景觀認知的變化。

1.3 東京都立文化遺產庭園

東京都立文化遺產庭園[12]兼具了江戶、明治、大正時代傳承下來的歷史、文化和自然，既有類似中國傳統園林“借景”的審美情趣，也符合西方的美學理論，吸引著全世界的目光。20世紀后半葉，由城市化運動應運而生的高樓不可避免地改變了造園者原本的意圖：摩天大樓代替了山林樹木，闖入游園者的視野，成為庭園的新背景。針對這一現象，有日本學者分析了園外建筑物的距離和高度與壓迫感之間的關系，但缺少對其他景觀認知的調查[13]。另一些學者討論了庭園外部高層建筑的影響，他們發現園外建筑的幾何比例對景觀偏好沒有顯著影響，并且日本人和外國人的審美偏好存在顯著差異[14]。作為城市背景下文化遺產景觀的典型案例，研究現代建筑對傳統庭園內景觀體驗的影響不僅有利于保護日本的傳統文化景觀，對我國城市化進程下的文化遺產保護也有著普適意義。

基于以上研究背景，本文利用全景圖計算都市背景下的文化遺產庭園內各種景觀要素的視角系數，并分析其與游客認知的相關性。主要研究以下問題：1)景觀視角系數可以預測游客的某些認知屬性嗎？2)視角系數的預測性是否受觀測者屬性的影響？3)視角系數的最佳視域范圍是多少？

2 研究方法

2.1 調查地點

圖1 東京都立文化遺產9處庭園的區位

東京都內共有9處都立文化遺產庭園，由于本研究的調查對象是都心圈內被高層建筑環繞的傳統庭園，故將不符合要求的舊巖崎邸庭園、舊古河庭園和殿谷戶庭園排除在外。因此，目標研究區域是浜離宮恩賜庭園、舊芝離宮恩賜庭園、小石川后樂園、六義園、清澄庭園和向島百花園(圖1)。

觀測點的具體位置根據共享地理信息生成的熱力圖篩選而出[15]。通過Flickr API的關鍵字標簽搜索6個目標庭園的日語和英語名稱，共獲取2004—2018年研究區域內帶有地理標記的照片6 513張。對數據集進行整理后，導入QGIS生成熱力圖。除了選擇照片熱點，觀測點的選擇還遵循以下原則：1)觀測點看到的天際線是連貫的；2)觀測點之間具有不同景觀要素；3)觀測點之間看到的園外建筑視角是不同的；4)觀測點的現場是安全、不受打擾的。如圖2所示，最終篩選出9個觀測點。

2.2 問卷調查

試驗于2019年3月25—28日進行，4個試驗日氣溫相近，晴朗少云。在目標庭園內，隨機邀請游客在指定的觀測點全視角觀察風景并現場填寫問卷。觀測者被要求單獨填寫問卷以保證觀測是獨立的。最終有效問卷共計388份，其中日本游客50份，外國游客338份。每個觀測點平均43名受訪者(最少26人，最多47人)。受訪者年齡分布在16～82歲，平均39.8歲。

圖2 通過地理標記照片生成的熱力圖篩選出的觀測點

問卷項目綜合了認知評分和美學特征選擇。第一部分認知評分由14個項目組成，受訪者需要回答例如“在多大程度上你認為眼前的風景是多樣的？”一類的設問。6點李克特量表用以描述受訪者對各項認知屬性的贊同程度：完全不贊同、不贊同、有點不贊同、有點贊同、贊同、完全贊同，從1～6分別賦值。14個認知屬性分別是：“多樣”“連貫”“受人為影響”“維護良好”“安靜”“植物優美”“自然未遭破壞”“吸引人參觀”“有歷史意義”“有保護價值”“均質”“承載很多功能”“容易到達”及“有代表性”[16]。問卷的第二個部分是美學特征的選擇，受訪者需要評價他們對風景園林的“尺度感”“質感”“構成感”及“開闊感”的認知[17]，選項和賦值如表1所示。此外，受訪者自愿填寫國籍、年齡、性別等個人信息。問卷被翻譯成中、日、英3種語言，以應對不同國籍游客的需求。

2.3 視角系數

問卷調查的同時，在觀測點使用GoPro Fusion球面相機拍攝全景圖像(圖3-a)。相機固定在離地平面170cm高的位置，以確保拍攝高度與人眼水平高度一致。用R將拍攝得到的全景圖從圓柱投影轉化為方位角投影以生成魚眼圖[18](圖3-b)，圖4展示了這一過程的幾何模型。

利用城市氣象學分析軟件RayMan的“自由編輯SVF”功能模塊計算SVF[19-20]。人眼垂直有效視角場的范圍是標準視野0°向上35°、向下50°以內[21]。由于SVF只考慮相機水平面上半球的部分，所以進一步限定垂直視野0°到向上35°是SVF的計算范圍。利用同樣的方法，分割并計算了庭園視角系數(GVF)和庭園外建筑的視角系數(BVF)。圖3-c展示了按照景觀要素分割后的魚眼圖。

2.4 分析方法

本研究用到的數據是認知屬性的評分、各觀測點SVF、BVF、GVF的值及受訪者的屬性。使用開源統計軟件JASP，1)分析認知屬性的信度；2)針對第1個問題進行相關性分析和多元逐步線性回歸分析；3)針對第2個問題進行二維組間方差分析；4)針對第3個問題進行相關性分析。

3 結果和討論

3.1 信度分析和描述性統計

圖3 所有觀測點的全景圖(a)、魚眼圖(b)和被分割的魚眼圖(c)

每個觀測點的認知屬性評分被用于計算非標準化的阿爾法信度(表2)。所有觀測點的信度均高于0.74，說明數據內部一致性較高，可用于后續進一步分析。視角系數SVF、GVF、BVF的結果也在表2中顯示。

3.2 視角系數和認知的相關性

認知項目“安靜”“尺度感”“質感”“構成感”和“開闊感”與所有視角系數的Spearman相關性系數顯著(表3)。逐步多元線性回歸分析進一步排除自變量的共線性，找出對認知項目最具預測力的視角系數(表4)。

如表4所示，所有與視角系數有關的認知屬性的最強烈的預測因子都是GVF。回歸模型的R2解釋量不高，意味著GVF對景觀認知的預測具有較大的不確定性。但是R2的值并不是擬合優度的絕對度量，本研究的目的也不在于確定線性關系的閾值。逐步多元回歸的ANOVA分析均顯著，說明回歸模型都具有顯著的統計意義。

因此本研究認為，文化遺產庭園的GVF是庭園的安靜感、尺度感、質感、構成感及開闊感的有效預測因子，GVF與其中的安靜感、質感(粗糙)和構成(復雜)積極相關，而與尺度(大)和開闊感消極相關。

除了發現GVF的預測性，一些與直覺相悖的結果也值得關注，BVF與“自然未遭破壞”“受人為影響的”“有歷史意義的”及“均質的”認知屬性均沒有明顯的關系，意味著無論游客看到多少園外建筑，都不會影響他們對風景園林的自然性、人工感、均質感，以及歷史價值的評價。這驗證了之前一些學者的研究：庭園外的現代建筑的視率并不能解釋游客的偏好[14]。根據他們的研究，受訪者的屬性(國籍和性別)及個人經歷對認知產生更大的影響。因此判斷游客的屬性是否會影響視角系數對景觀認知的預測能力是有必要的。

3.3 游客屬性對認知的影響

二維組間方差分析用于研究受訪者的屬性對認知項目的影響，可以被GVF預測的認知項目為因變量，受訪者的國籍(日本/外國)和性別(男/女)為自變量，受訪者的年齡作為潛變量也加入分析(圖5)。

如圖5所示，國籍對“尺度感”“質感”及“開闊感”的認知產生影響，性別只對“構成感”的認知產生影響，國籍和性別的交互效應對“安靜”和“構成感”的認知存在影響。可見相比于性別，國籍的不同導致了認知上更多的不同。不過根據科恩(Cohen)約定的效應量[22]，不管是國籍、性別還是這2個變量的交互效應，都只是對認知屬性有很小的影響量(η2＜0.06)。因此本研究的結論是：GVF對游客認知的預測性不會因為游客的國籍或性別而有很大的改變。

表1 調查問卷的美學特征評價部分

表2 每個觀測點認知屬性的信度系數和視角系數

表3 認知項目與視角系數的Spearman相關性

表4 逐步多元線性回歸中出現的視角系數預測因子

圖4 從圓柱投影到方位角投影的全景圖的幾何模型(作者改繪自參考文獻[6])

圖5 不同國籍和性別的受訪者在認知依變量的均值輪廓圖

圖6 35°、45°、55°視域范圍內的GVF和認知項目的Spearman等級相關系數的對比

3.4 視角系數的最佳視域范圍

人眼在0°標準視野以上的有效視野范圍是35°以內，另外人的頭部垂直運動范圍是60°(向下40°和向上20°)[21]。因此應考慮0°～55°的視角系數的最佳視域范圍。景觀表征的有效性可以用Spearman相關系數來度量[23]。因為在個別場景中的SVF可能為0，所以小于35°視域范圍的視角系數沒有進行計算。

圖6展示了不同視域范圍下(35°、45°、5 5°)最有效預測因子G V F 和認知項目的Spearman等級相關系數的對比(所有相關性都是顯著的，P＜0.05)。圖中可以明顯看到35°視域范圍的視角系數與認知項目評級的相關性大于其余對比項。因此0°～35°似乎是景觀視角系數的最佳視域范圍，這也與此前有關人眼有效視域的研究結果吻合[21]。

4 結論和展望

本研究的調研對象是日本東京都心的文化遺產庭園。東京作為人口密度極高的國際大都市，文化根源深受漢文化影響，又早早完成了城市化進程，其在文化遺產景觀方面的經驗對我國的傳統園林研究和保護有著重要的借鑒和前景意義。

本研究將景觀認知和環境形態進行了量化，發現SVF、BVF和GVF均與文化遺產庭園的安靜感、尺度感、質感、構成感，以及開闊感顯著相關，其中GVF是3種視角系數中對認知項目最有效的預測因子。GVF與安靜感、質感(粗糙)和構成(復雜)正相關，與尺度(大)和開闊感負相關。BVF與庭園的自然感、人工感及歷史感均無明顯關系。比起性別不同，游客國籍的不同導致了認知上更多的不同，但是不管是性別還是國籍，對庭園的認知都只有很小的影響。另外，GVF的最佳視域范圍是0°標準視野至以上35°以內。這些發現將景觀認知研究拓展到文化遺產景觀的空間形態領域，為文化遺產景觀的評價提供了潛在的環境指標，亦是園林評價公眾參與的一次實踐經驗。

本研究的創新性在于提出了一種低成本、新穎的方法量化景觀形態，利用球面相機計算任意觀測點全景視角下的SVF、BVF和GVF。這種方法成本較低、靈活便捷，不僅可以測量文化遺產景觀的空間特征，對其他的風景園林類型也有適用性。本研究也率先嘗試分析景觀要素的視率與認知的關聯性。

未來的研究將進一步挖掘視角系數與景觀認知和偏好的關系，驗證GVF作為景觀指標的可能性，為文化遺產景觀提供更多量化模型的支持。本研究中并沒有發現BVF對認知屬性更多的預測性，但這并不表示庭園外的現代建筑對傳統園林的認知屬性沒有影響，建筑的形態、色彩、密度和風格等都是潛在的可能導致差異的變量，值得進一步的研究。比如在方位角投影的全景圖中，天空、綠化、建筑的映射反映了相應的空間配置信息，可以利用景觀格局指標進行量化，如分維度(FD)和景觀形狀指數(LSI)等計算樹冠線/天際線的復雜程度。另外，未來的研究程序也可以進一步開發，結合眾包技術和機器學習，從手動程序轉為自動，擴大數據的獲取量，降低人工成本。比如本研究中從魚眼圖提取景觀元素是人工劃分的，未來可利用深度學習的圖像語義分割技術(如DeepLab V3+)替代手動分割，實現視角系數的自動化計算。

注：文中圖片均由施佳穎、陳格繪制；照片均由施佳穎拍攝。

致謝：感謝日本千葉大學Honjo Tsuyoshi教授對SVF計算提供的幫助。