城市蓝色空间感知物理质量和美学质量对环境偏好的影响

作为重要的城市自然环境,蓝色空间提供了许多益处,因此建设吸引人的蓝色空间是有价值的。研究通过实地调查日本3个城市蓝色空间,收集了75份观测样本,并执行了多元线性回归分析,以讨论城市蓝色空间的感知环境质量(物理质量和美学质量)与环境偏好之间的联系。模型结果表明9个环境质量维度中的6个,对偏好得分产生了显著的影响,其中和谐感的影响最高,人工元素和神秘感具有中等影响,最小的是安全感知和水体条件;视觉宽敞度和视觉多样性维度意外地产生了负面影响。研究结果可以帮助我们了解如何有效利用城市中这些自然资本,并且为蓝色空间的环境设计提供指导。

食物·景观·建筑——日本濑户内海艺术节促进自然保护地的区域协同发展途径研究

自然保护地是世界重要的自然资源,如何促进自然保护地的区域协同发展是一个重要的议题。目前,对于该问题的研究大多集中在宏观层面指导保护的相关法规以及协调发展的理论措施。然而,对于微观层级,在特定区域的自然与人文资源背景下,有哪些可行的方法和成功的案例可以作为借鉴较少有研究分享和探讨。通过实地调查、资料收集以及归纳总结的方法探讨了日本濑户内海艺术节如何促进该自然保护地的区域协同发展。研究结果基于食物、景观、建筑三大途径,以及“生产、食用、学习、参访、环保、联系、艺术、生活、回忆”9个主题进行阐释。最后,总结濑户内海艺术节促进自然保护地的区域协同发展的途径以及对中国的启示,这些发现可以更好地推动国内自然保护地的保护与发展工作。

利用游客受雇拍摄法和云图标注应用程序接口探究均质化景观的识别与分类——以日本东京桥区河流景观为例

对景观照片进行有效的分类是数据处理和环境分析中至关重要的一步。随着地理信息的收集逐渐采用众包模式,越来越多的研究开始利用带有地理标记的照片,将人们对场所的感知与互动可视化,并探究场所的美学、文化和游憩价值。近年来,图像识别机器学习算法的应用极大提高了关键词匹配的效率,并实现了大批量照片的自动分类。然而,这类方法在景观分类实践中—尤其是针对具有相似特点的均质化景观—应用仍显不足。本研究利用谷歌云视觉API和多层次聚类法,研发了一种半自动化的分类器来识别均质化景观照片,并将其应用于日本东京桥区城市河流均质化景观照片的分类中。分类器将所有河流景观划分为9个特征组,这些特征组的视觉印象与人们的直观感知一致。研究中所应用的混淆矩阵显示,分类器分类结果总体上的准确性达82.61%,表明机器分类与人工分类的结果十分相近。因此,该分类器对均质化河流景观照片的分类切实有效。这种方法可大力推动评估过程中的公众参与及城市旅游管理。