大數據算法在風景園林規劃設計中的運用

摘 要：隨著大數據時代的到來，風景園林也迎來了新的發展。以往許多亟待解決的復雜園林問題可以通過人工智能來完成，但其需要諸多算法和大量數據作為支撐。因此利用大數據及人工智能技術進行風景園林研究成為新的方向。本文從園林規劃設計中面對的實際問題切入，引出解決問題所需要的數據。對園林設計中遇到的物種多樣性問題、植物環境適應性問題和群落生態穩定性問題進行算法推理。結合編程思維對算法建立流程聯系得出解決問題的算法流程圖。提出植物大數據信息可以在生態修復、園林養護和植物美學三種設計方向中靈活運用。最后對大數據算法在園林商品和園林人力資源兩個方向做出展望。

關鍵詞：風景園林；大數據計算；人工智能；園林規劃文章編號：2095-4085（2024）03-0142-03

0 引言

在風景園林規劃設計中，大數據計算可以讓規劃方案更具有落地性、適配性、多樣性、可持續性，同時兼顧成本控制及后期養護。做到高效率、低成本、易維護、穩生態。通過多種技術相互配合，獲取海量圖像和數據進行運算。提供可視化數據和專業算法服務，協助個人或組織進行風景園林規劃與管理。

1 相關技術概念

大數據計算的核心是“數據”和“算法”，風景園林數據的獲取需要依賴其他相關專業的采集技術。

1.1 北斗定位技術

可在全球范圍內全天候、全天時提供高精度、高可靠定位及導航與授時服務。并且具備短報文通訊能力，具備區域導航、定位和授時能力［1］。

1.2 GIS地理信息技術

是在計算機軟硬件支持下，通過對地球的整體或局部表層空間中的相關地理數據進行采集、存儲、運算、分析的技術系統。一個單純的經緯度坐標所蘊含的信息量十分龐大，GIS技術把大量數據進行成圖和分析，為用戶提供信息支持和服務。

1.3 圖像識別技術

以識別圖像的主要特征為基礎，通過大量樣本進行特征提取，再根據提取的特征對未知樣本進行分類。在許多領域擁有重要的價值，如地形地質勘查，森林、海洋、農業、動物資源調查，自然災害預測，環境監測等。

1.4 集群機器人技術

集群機器人是通過自組織協同控制方式控制多個機器人高效完成復雜任務。受到自然界生物集群現象的啟發，大量簡單機器人的相互作用表現出復雜的集群行為，使系統擁有完成復雜任務的集群智能，即可高效完成對陌生環境的探索、狩獵、搬運等任務。

2 大數據算法和運用

算法則是為風景園林專業人士提供解決問題的思維，將專業人士處理數據的思維轉換為程序代碼，代替大量簡單繁雜的勞動，從而提高效率解放生產力。收集分析野生植物信息，服務于人工環境的植物群落。

2.1 大數據信息建設

數據庫的建設要利用多種相關技術協同完成［2-4］。

（1）采集信息存儲格式，圖片+時間+定位。規劃調查區域，利用衛星影像和圖像識別區分出植被覆蓋區域，并通過北斗記錄位置［5-6］。

（2）植物信息采集。一是用集群無人機對植被覆蓋區域進行掃描探索，記錄植物位置及影像。二是通過植物識別app的API接口獲取用戶拍攝上傳的植物圖像。三是園林管理人員對管轄的園區植被進行統計錄入。四是中科院中國植物主題數據庫［7］。地理信息采集及溫度、濕度、降水量信息等來源于國家氣象科學數據中心；土壤信息來源于中國土壤科學數據庫。精細管理的園區可以上傳多位置的溫度、濕度、降水、光照等傳感器數據，以及土壤采樣檢測數據，作為服務的定制化參考數據。

1）植物數據格式：種類-存活溫度、土壤濕度、降水量范圍。喜陰陽、病蟲害、季相變換、類型、土壤需求、花果期、基礎養護、觀賞、經濟價值、碳中和等數據。

2）地理數據格式：定位-日期-溫度、降水量、土壤濕度、風向、地勢、土壤等數據［8-9］。

隨著上傳的植物記錄動態數據量持續增長，以及自然環境不斷變化，不同植物物種的環境適應屬性的變化可以在數據庫中得到動態體現。靜態數據需要專家學者的不斷補充，逐步完善。

2.1.1 物種多樣性算法

物種多樣性算法是一種篩選算法，物種豐富可以提高生態系統穩定性。數據庫對全球地區的自然環境數據與規劃地塊所處地區的自然環境數據進行相似查找，再從自然環境相似地區的生存物種中根據需求篩選出規劃需要引進的新物種。在植物信息數據較為豐富后，可以直接采用植物的生存信息與需求地環境進行篩選。選定物種后根據數據庫已有的該種植物分部信息進行定域選種，優選出適宜需求地環境的該物種植株。其中生存條件篩選流程（見圖1）。

2.1.2 植物環境適應性算法

植物環境適應性算法是一種對比算法，包括自然環境和種間競爭。自然環境即植物生存所處地理位置的客觀環境。種間競爭即兩種植物在一定種植密度下出現爭奪生長空間的現象，導致一種植物數量銳減。根據一種植物在數據庫中所記錄的地理位置的自然環境進行計算，可得出其所能存活生長的自然環境數據范圍。根據一種植物在不同的群落中的繁榮度和群落的豐富度進行計算，對比不同群落的物種差異，可得出該種植物可能存在的種間競爭，進而預測該種植物在人工規劃設計的群落中能否適應環境。

2.1.3 生態穩定性算法

生態穩定性算法是一種推演算法，包括種群穩定性和群落穩定性。種群穩定性即在一段時間內，同一生物群落物種豐富度十分穩定或物種豐富度變化很大，前者為穩定，后者為不穩定。群落穩定性即在同一生物群落，一個物種異常增殖，如其它種類豐富度變化很大則群落不穩定；對其它物種的豐富度影響越小，則群落就越穩定。收集在多個時間對同一區域的群落數據，根據一段時間內群落中物種豐富度的變化情況來判定該群落的生態穩定性，結合數據庫中已知的其它群落變化數據，推算出未來一段時間內該群落的生態狀況。生態推演流程（見圖2）。

2.2 大數據信息運用

植物大數據信息的合理運用有助于園林行業的科學發展，提高園林企業的效率。在大數據支持下的人工智能所做的預測和決策，能夠為園林企業的生產、經營、決策提供十分強大的助力。

2.2.1 生態修復

植物修復是生態修復的基本形式，利用人工干預加速群落演替的方式是生態修復的重要部分。通過對采集到的眾多植物群落大數據的變化進行算法推演，既可以預測某一種群的未來豐富度變化，也可以預測某一群落未來的新穩態。依據龐大的數據量推算出的種群與種群、種群與群落之間的豐富度相關性及影響力，從而達到對生態環境的引導性和可控性。

2.2.2 園林養護

通過智慧園林系統對園區的植被進行監控，結合多種傳感器上傳到數據庫的環境信息，智能判斷植物狀態以及需要的養護內容，結合不同地區和級別的養護標準，將養護工作的內容和時間智能排期，為園林管理者提供養護設計輔助。

2.2.3 植物美學

是利用植物各種美的形態，給人審美享受的屬性，包括形態美、色彩美、聲味美、動態美、象征美等。利用采集到的大量植物圖像和影音，通過機器學習進行特征歸類記錄植物的特征和季相變化［10］，為園林設計師提供美學設計輔助。

3 研究方向與展望

利用大數據對園林行業進行一體化整合，充分發揮行業平臺作用。大數據是時代發展的必然產物，恰當的分析和使用這些數據，可以使我們更及時準確的做出決策，以優化行業復雜系統的運行模式［11］。

3.1 園林商品大數據

園林商品包括苗木、花卉、材料、裝飾、器具、工程車輛等。打造一個專屬于園林行業的商品數據綜合購物信用平臺，收錄全國園林行業的上游供應商信息，商品價格公開透明可對比，可將園林工程中各原料的需求時間、數量、地點錄入后由相關供應商競標。提高行業信息透明度，將園林工程采購一站化，做到物盡其用。

3.2 園林人力資源大數據

園林人力資源包括規劃師、設計師、養護師、園藝師、工匠、專家學者等。打造一個園林行業人力資源數據平臺，收錄行業內的相關人員信息以及園林行業上下游企業人才需求信息，也為行業相關的自由職業者提供平臺上傳個人作品。提高企業和人才信息透明度，將園林人才和園林企業之間進行充分雙選，讓人盡其才。

4 結語

在信息化快速發展的今天，園林這門自然與藝術相結合的學科，將在人民群眾對美好生活環境的需求中大放異彩，而大數據的采集和運用將帶領園林行業進入新的科學發展階段。

參考文獻：

［1］喬雪峰.帶你認識中國北斗衛星導航系統［J］.珠江水運，2015（15）：22-24.

［2］秦萱.智慧園林規劃與建設背景下園林大數據發展的價值［J］.南方農業，2021，15（21）：53-54.

［3］谷榮，戴其.基于園林大數據發展方向下的智慧園林規劃與建設［J］.現代國企研究，2017（2）：160.

［4］孫麗君.智慧園林規劃與建設背景下園林大數據的發展價值［J］.智慧農業導刊，2022（15）：4-6.

［5］李方正，李雄，李婉儀，等.大數據時代位置服務數據在風景園林中應用研究［C］//.中國建筑工業出版社，2015：271-275.

［6］覃俊.基于大數據分析指導風景園林研究方法［J］.智能城市，2020，6（20）：47-48.

［7］王亞楠，莊會富，王雨華.支持植物學大數據整合與公眾服務的iFlora云平臺建設［J］.大數據，2016，2（6）：34-42.

［8］彭鴻元，吳戀，鄭旭，等.基于深度學習的植物識別技術的發展［J］.電腦知識與技術，2018，14（19）：200-202.

［9］賈培義.大數據時代的風景園林學［J］.風景園林，2013（5）：150.

［10］趙晶，曹易.風景園林研究中的人工智能方法綜述［J］.中國園林，2020（5）：82-87.

［11］吳殿義，陳蘇城，龍思薇，等.巨人大腦：算法新世界［J］.國際品牌觀察，2021（27）：26-31.

作者簡介：李佳駿（1998—），男，漢族，吉林四平人，碩士研究生。研究方向：園林大數據應用。

通訊作者：丁云峰（1970—），男，漢族，吉林舒蘭人，碩士研究生，副教授。研究方向：園林工程。