基于UGC數(shù)據(jù)的云水謠古鎮(zhèn)景觀意象圖景時(shí)空特征*

黃 攀 夏洋輝 林潤澤 李霄鶴

福建農(nóng)林大學(xué)園林學(xué)院 福州350002

人類所有感官獲得的物體印象就是意象[1],景觀意象質(zhì)量的高低直接映射人們對(duì)該景觀空間的認(rèn)同,并作用于使用者的環(huán)境責(zé)任行為[2]。近年來在大數(shù)據(jù)環(huán)境中,照片元數(shù)據(jù)的可獲得性極高,特別是大量帶空間位置的圖片成為刻畫物質(zhì)空間和社會(huì)空間的有效來源[3-5]。在此背景下,被提出的 “由用戶產(chǎn)生的內(nèi)容 (user-generated content,UGC)”這一概念,一般指游客在社交媒體平臺(tái)上通過發(fā)布旅游文字和照片留下的游覽足跡[6]。游客將景觀感知與體驗(yàn)在虛擬空間發(fā)布,實(shí)現(xiàn)了更高層面的自我敘述與自我認(rèn)同[7],這些分享的照片意味著該地不僅 “值得參觀”,而且“值得在視覺上分享”是空間偏好的意象數(shù)字代理[8]。與傳統(tǒng)的調(diào)查小組拍攝照片數(shù)據(jù)而言,其內(nèi)容涵蓋全面、容易獲取、樣本來源廣泛[9],從大眾自身視角出發(fā),反映了日常行為下的觀景印象[10],為景觀空間研究帶來了全新的視角和途徑。然而,當(dāng)前國內(nèi)學(xué)者基于UGC圖片數(shù)據(jù)的景觀意象研究大多數(shù)匯集在城市范圍,通過UGC圖片構(gòu)建城市意象[11]、進(jìn)行目的地感知研究[12]、研究公園游客行為特征[13],對(duì)非城市景觀空間的研究較少,尤其對(duì)于古鎮(zhèn)景觀空間 (在一定的地域空間由自然要素和人文因素相互作用形成的綜合體[14]),由于本身的復(fù)雜性,更需要各類社交媒體上的 “表意數(shù)據(jù)”,以深入了解人的空間選擇和景觀意象偏好,借助其反映的頻率和密度解析使用者對(duì)古鎮(zhèn)的關(guān)注度。因而本文基于401位游客發(fā)布的1670張UGC圖片,分析了云水謠古鎮(zhèn)景觀意象時(shí)空分布特征,提出了游客的景觀意象反映為導(dǎo)向的云水謠古鎮(zhèn)優(yōu)化建議,以發(fā)揮古鎮(zhèn)景觀規(guī)劃和大數(shù)據(jù)在保護(hù)地域性景觀、促進(jìn)旅游發(fā)展中的積極作用。

1 研究區(qū)域概況與數(shù)據(jù)收集

云水謠古鎮(zhèn)地處福建漳州市西南部,距南靖縣54km,始建于元朝,原名長教,因?yàn)殡娪啊对扑{》而更名為云水謠古鎮(zhèn)。云水謠古鎮(zhèn)由官洋、坎下、璞山3個(gè)古村落組成,面積約為12.2km2,村與村之間由一條長教溪分隔開,四面環(huán)山,地勢南高北低,呈南北狹長勢地帶。2008年南靖土樓申遺成功,云水謠因此成為一座擁有世界級(jí)文化遺產(chǎn)的古鎮(zhèn),且在2011年被列為5A級(jí)景區(qū)。

本文以云水謠古鎮(zhèn)為研究對(duì)象,收集圖片及元數(shù)據(jù) (照片本身、使用者ID、發(fā)布時(shí)間),獲取渠道以國內(nèi)最有影響力的社交媒體平臺(tái)——微博為主,并選取旅游門戶網(wǎng)站,如螞蜂窩和大眾點(diǎn)評(píng)作為補(bǔ)充。上述3個(gè)平臺(tái)具有海量的圖片和開放性的獲取方式是當(dāng)前最主要的數(shù)據(jù)來源平臺(tái)。研究數(shù)據(jù)的選取時(shí)間段為2018年1月1日—12月31日,共收集了421位游客發(fā)布的共1783張UGC圖片,剔除內(nèi)容重復(fù)、不相關(guān)等問題照片,最終獲得符合要求的圖片1670張,分別來自401位云水謠古鎮(zhèn)旅游者。同時(shí)通過多人實(shí)地調(diào)研,對(duì)照片數(shù)據(jù)和研究區(qū)基礎(chǔ)數(shù)據(jù)進(jìn)行地理信息配準(zhǔn),構(gòu)建云水謠古鎮(zhèn)景觀意象圖景的UGC數(shù)據(jù)庫。

2 研究方法

UGC圖片為分析游客時(shí)空行為特征提供了有力的數(shù)據(jù)支撐,主要從時(shí)間統(tǒng)計(jì)分析、核密度分析以及多空間聚類分析3個(gè)角度探究云水謠古鎮(zhèn)游客的時(shí)空分布特征。

1)時(shí)間統(tǒng)計(jì)分析。根據(jù)抓取照片的時(shí)間信息,統(tǒng)計(jì)游客照片月份、日夜間差異的用戶照片數(shù)量對(duì)比,分析游客活動(dòng)呈現(xiàn)出的時(shí)間規(guī)律及特征。根據(jù)照片內(nèi)容的屬性和要素對(duì)該地的景觀意象圖片進(jìn)行分類,共計(jì)得到5個(gè)維度 (表1),即山水景觀、建筑形制、民俗特色、生產(chǎn)生活和動(dòng)植物。

表1 UGC圖片數(shù)據(jù)分類

2)核密度分析 (KernelDensity)。通過核密度估計(jì)尋找樣本分布熱點(diǎn)區(qū)域,得出景觀意象圖景密度分布,如圖1所示,以云水謠古鎮(zhèn)范圍為研究區(qū)域進(jìn)行核函數(shù)計(jì)算。在參數(shù)設(shè)置中,KDE搜索半徑大小的設(shè)定以游客的拍攝地理位置的平均距離作為參考,經(jīng)測試,30m作為搜索半徑時(shí)可清晰表現(xiàn)旅游者拍攝足跡在景點(diǎn)分布的細(xì)節(jié)差異。采用自然斷裂的分級(jí)方法把核密度值分為非常低、低、中、高、非常高5類。

3)多距離空間聚類分析 (Ripley'sK函數(shù))。多距離空間分析能有效分析不同距離不同數(shù)量的空間聚類關(guān)系[15],對(duì)網(wǎng)絡(luò)空間中云水謠古鎮(zhèn)游覽距離范圍內(nèi)的空間相關(guān)性 (要素聚類擴(kuò)散)進(jìn)行匯總。通過對(duì)古鎮(zhèn)內(nèi)看點(diǎn)和焦點(diǎn)分別進(jìn)行運(yùn)算,運(yùn)用10級(jí)距離分段以及邊界校正方法對(duì)研究區(qū)域進(jìn)行修訂,同時(shí)設(shè)置Permutations為99%,計(jì)算得到圖片看點(diǎn)與焦點(diǎn)分布的Ripley`sK值并進(jìn)行L(d)轉(zhuǎn)換。

圖1 核密度分析 (Kernel Density)工作方法示意圖

3 研究結(jié)果與分析

3.1 景觀意象圖景時(shí)間特征

將1670張圖片進(jìn)行拍攝時(shí)間統(tǒng)計(jì)分析,云水謠在不同季度的景觀意象圖景和日夜景間的分布占比存在顯著差異 (表2)。一年4個(gè)季度中主要傾向于4—6月 (30%)和10—12月 (30%)。夜景在照片總數(shù)中占比低,僅1.9%。據(jù)夜間照片內(nèi)容顯示,夜景燈少,夜間景觀設(shè)施少,因而景觀可視性低。而冬季時(shí)增加了燈籠和其他具有民俗特色的夜間照明設(shè)施,增加了游客夜間觀景的行為,因而10—12月份 (0.8%)出現(xiàn)的夜景圖最多。

表2 UGC圖片數(shù)據(jù)時(shí)間分布

將照片總數(shù)以及夜景照片數(shù)按月份進(jìn)行統(tǒng)計(jì)(圖2),發(fā)現(xiàn)無論是照片總數(shù)還是夜景照片數(shù)的變化趨勢都呈 “W”型。照片數(shù)在一年12個(gè)月內(nèi)共出現(xiàn)了3次峰值與兩次谷值,3次峰值分別是6月、9月和12月,兩次谷值分別是7—8月和10—11月。福建屬于亞熱帶濕潤季風(fēng)氣候,1—3月屬于最冷時(shí)期,7—8月處于最熱時(shí)期,拍攝照片數(shù)量最少。而6月、10月和12月舒適的氣候條件則吸引旅游者前來休閑,照片數(shù)量也最多?？傮w而言,景觀可視性、可視景觀的最佳觀賞時(shí)間、天氣、體感溫度、法定節(jié)假日都影響游客的出游行為并直觀反映在照片數(shù)量的時(shí)間變化中。

將各景觀意象類型分布差異進(jìn)行分析,統(tǒng)計(jì)各維度占比得到結(jié)果如表3所示。從總體看,建筑形制、山水景觀和民俗特色是旅游者拍攝最多的畫面。具體而言,建筑形制類占比最高,是吸引游客的重要旅游資源,是云水謠相較于其他古鎮(zhèn)的核心吸引力;山水景觀也是云水謠吸引城市人群休閑的主要元素,占比排名第2,主要包括天氣、長教溪、山體以及其他自然風(fēng)景;民俗特色類位列第3,其中4—6月份 (20%)關(guān)注度高于其他月份,拍攝畫面顯示,以民俗文藝表演臺(tái)和古步道為主體的民俗特色景觀對(duì)游客具有較強(qiáng)的神秘感和吸引力。動(dòng)植物類位列第4,10—12月份 (9.1%),7—9月份 (9%),這幾個(gè)月的關(guān)注度要高于其他月份,拍攝畫面主要集中于秋色葉與秋季開花植物;而生產(chǎn)生活在圖景中占比最小,拍攝最多為7—9月份 (6.3%),包括旅游者自拍、當(dāng)?shù)靥厣∈?、?dāng)?shù)鼐用裆顖鼍?、農(nóng)業(yè)生產(chǎn)等。

圖2 云水謠古鎮(zhèn)景觀意象圖景照片數(shù)量月變化 (a),夜景照片月變化 (b)

表3 云水謠景觀意象比重表 %

3.2 基于GIS的空間分布特征

3.2.1 核密度分析

經(jīng)由核密度算法,計(jì)算得到云水謠古鎮(zhèn)景觀意象圖景核密度圖 (圖3-a)。從熱點(diǎn)足跡分布圖(圖3-b)可以看出,水車、懷遠(yuǎn)樓、和貴樓是云水謠古鎮(zhèn)的3大熱點(diǎn),以3個(gè)點(diǎn)分別向外輻射形成次一級(jí)流向。兩大土樓是景區(qū)標(biāo)志性景點(diǎn),水車是云水謠電影拍攝地,這3個(gè)區(qū)域是游客來此游玩的必到之地,因而這3處照片核密度分布非常高。根據(jù)游客照片拍攝地點(diǎn)分布和實(shí)地調(diào)查的結(jié)果分析,古鎮(zhèn)南部西側(cè)離書版公路較近,為鎮(zhèn)上主要居民區(qū),無景點(diǎn),游客不愿在此多做停留。云水謠東部相對(duì)中部、北部的游客照片核密度分布要低,原因是云水謠東部以山體農(nóng)田為主,并沒有在此規(guī)劃游覽路線,無上山道路,游客極少去。云水謠古鎮(zhèn)中部密度值最高,是長教溪最具觀賞價(jià)值的一段,景點(diǎn)項(xiàng)目內(nèi)容豐富,游客在中部停留最多。

圖3 云水謠古鎮(zhèn)景觀意象圖景空間分布特征

云水謠古鎮(zhèn)游覽線路 (圖3-c)大致成南北縱橫的帶狀。游客進(jìn)入云水謠古鎮(zhèn)的落腳點(diǎn)主要分布在兩處,即北部景區(qū)入口停車場和中部云水謠停車場,和貴樓處也分布有景區(qū)入口但使用者少。游客從景區(qū)入口停車場由北往南游覽,首先到達(dá)正北側(cè)的懷遠(yuǎn)樓區(qū)域,該區(qū)域有懷遠(yuǎn)樓及一些其他土樓,具有極高的地域特征識(shí)別度和良好的景觀環(huán)境特征。景區(qū)東側(cè)視野開闊、農(nóng)田廣布,而西側(cè)則連接居民建筑,視野相對(duì)較狹窄。從熱點(diǎn)足跡分布來看,東側(cè)游客較多,說明游客更偏向于視野開闊的景觀面;中段是核心景區(qū),以中部為熱點(diǎn)區(qū)域向外輻射沿途景點(diǎn)被長教溪串聯(lián)起來,彰顯景區(qū)百年古鎮(zhèn)特色,游客更偏向于游覽平時(shí)少見的水車與古榕。古步道下段以溪水、石坎連接當(dāng)?shù)匾恍┨厣ㄖ?西側(cè)環(huán)山,途中經(jīng)過榕佃、民俗文化表演戲臺(tái)、翠美樓直至和貴樓。游客的景觀意象線主要是懷遠(yuǎn)樓—土樓之光文化園—古榕—水車—圩市—榕佃—民俗文藝表演戲臺(tái)—翠美樓—和貴樓這一條自北往南的帶狀游步道,整個(gè)景觀意象的熱點(diǎn)移動(dòng)軌跡具有明顯的單一性和趨向性。

3.2.2 多距離空間聚類分析 (Ripley's K函數(shù))

景觀空間之中看點(diǎn)與焦點(diǎn)是一組互相對(duì)應(yīng)的關(guān)系,看點(diǎn)即 “觀景點(diǎn)”指從某一點(diǎn)向別處看的地點(diǎn);焦點(diǎn)則是 “景觀點(diǎn)”指從各個(gè)方面被觀賞的對(duì)象[16]。游覽者在游覽過程中會(huì)依據(jù)主觀偏好和自我體驗(yàn)對(duì)景觀進(jìn)行個(gè)體偏好和感知,兩者存在非一致性分布。本文對(duì)研究地看點(diǎn)和焦點(diǎn)分別進(jìn)行兩次Ripley'sK函數(shù)計(jì)算,結(jié)果如圖4所示。

圖4 云水謠古鎮(zhèn)景觀意象圖景空間聚類特征

圖4 表明,云水謠看點(diǎn)分布的觀測K值始終處于預(yù)期K值之下說明與該距離的隨機(jī)分布相比,看點(diǎn)分布的離散程度更高。兩個(gè)K值間的距離差值較大達(dá)到4級(jí)距離即生態(tài)觀光園至翠美樓時(shí)開始出現(xiàn)明顯的正相關(guān),即距離增大,越往和貴樓與懷遠(yuǎn)樓走,看點(diǎn)離散程度越高。云水謠看點(diǎn)分布意味著云水謠古鎮(zhèn)在社交媒體圖片反映下的觀景空間呈明顯的碎片化,無明顯中心景觀。從焦點(diǎn)分布來看,其觀測K值曲線始終大于最高置信區(qū)間曲線,有顯著的聚集特征,意味著云水謠古鎮(zhèn)的景觀點(diǎn)分布不均勻,有明顯的中心點(diǎn),如其在2級(jí)距離時(shí)即水車古榕段達(dá)到最高集聚性,且焦點(diǎn)的L(d)曲線的觀測K值在1～7.5級(jí)距離區(qū)間即懷遠(yuǎn)樓至和貴樓內(nèi)始高于預(yù)期K值,表明其在該距離區(qū)間段有較高的集聚程度,隨著距離的增加,集聚程度從7級(jí)距離時(shí)才開始減弱。

綜上,云水謠古鎮(zhèn)的景觀點(diǎn)在空間分布上呈明顯的集聚性結(jié)構(gòu)特征,景觀空間呈整體化趨勢,開發(fā)后狀態(tài)良好,這說明之前的規(guī)劃行為正適用于云水謠并且正在形成固化的空間形態(tài),影響和規(guī)范著游客感知體驗(yàn)。相反,觀景點(diǎn)則始終保持為離散狀態(tài),這說明在各個(gè)觀景點(diǎn)能得到不同景觀點(diǎn)帶來的觀景體驗(yàn),而非集聚在某一中心景觀內(nèi)。

4 結(jié)論與建議

基于時(shí)間統(tǒng)計(jì)分析、核密度分析、多空間聚類分析挖掘UGC圖片時(shí)空信息,以云水謠古鎮(zhèn)為實(shí)例進(jìn)行探索性分析,主要得出以下結(jié)論,并給出相應(yīng)建議。

1)從時(shí)間分布看,1—3月是淡季且夜間景觀可視性低,夜景缺乏吸引力。從圖景分類對(duì)比看,游客傾向特色的建筑形制和山水景觀,對(duì)鄉(xiāng)土民情和地方美食以及歷史文化等景觀地域特征有興趣和新鮮感,但參與度不高。建議增加夜景的可觀賞性和可玩性,豐富活動(dòng)內(nèi)容調(diào)節(jié)淡、旺季,除了增設(shè)景點(diǎn)亮化外,還需增加道路網(wǎng)絡(luò)夜景亮化。目前云水謠的旅游方式以觀光為主,景點(diǎn)豐富而景觀體驗(yàn)相對(duì)匱乏,難以充分欣賞和體驗(yàn)云水謠的古鎮(zhèn)風(fēng)貌,建議加強(qiáng)互動(dòng)性與參與性景觀場所,變觀光游為體驗(yàn)游。

2)從核密度分布看,云水謠景點(diǎn)核密度分布不均,有些景點(diǎn)和古鎮(zhèn)空間使用頻率極少,如東山祠、福星樓等,且游覽路徑單一,趨向性明顯。建議加強(qiáng)對(duì)各類閑置土樓資源的深入挖掘利用,激發(fā)空間活力,形成完整獨(dú)特的旅游空間品質(zhì)?？梢詢?yōu)化觀景路線設(shè)計(jì),形成更具體深入的游覽路線,從當(dāng)?shù)氐纳a(chǎn)與生活感知中結(jié)合傳統(tǒng)空間環(huán)境提取最佳觀景路線。

3)從空間聚類關(guān)系看,云水謠景觀點(diǎn)具有明顯的集聚特征,景觀空間結(jié)構(gòu)呈整體化,而觀景點(diǎn)則處于明顯的離散狀態(tài),呈碎片化趨勢,可以加強(qiáng)觀景點(diǎn)塑造,形成雙向交織的景觀空間。例如在云水謠內(nèi)選擇游客密度大的區(qū)域,建設(shè)多層次多方向的觀景構(gòu)筑物、觀景平臺(tái)等滿足游客的觀景需求。

5 討論

本文通過大量UGC數(shù)據(jù)對(duì)云水謠游客在景觀空間中的足跡與景觀意象進(jìn)行探索性研究,借助互聯(lián)網(wǎng)技術(shù)解決了人工拍照分析圖片樣本較少的問題,較大程度上去除了調(diào)研人員的主觀性,為評(píng)估和優(yōu)化各類景觀空間提供了依據(jù)與新思路。但另一方面,基于UGC圖片數(shù)據(jù)進(jìn)行景觀空間意象研究在景觀領(lǐng)域尚處于初級(jí)階段,本文具有以下局限性并有待完善:首先,UGC的優(yōu)勢在于海量的大眾視角下的圖片數(shù)據(jù)收集,而對(duì)于一些開發(fā)程度不高、知名度較差的景觀空間則會(huì)出現(xiàn)UGC數(shù)據(jù)不足的短板,無法反映出游客的觀景行為;其次,在圖片源選取方面,本文采用微博、螞蜂窩進(jìn)行圖片采集,這些網(wǎng)站為用戶提供上傳圖片、定位、添加時(shí)間標(biāo)簽等功能,只基本滿足UGC數(shù)據(jù)采集的需要,一些數(shù)據(jù)模塊是缺失的,導(dǎo)致數(shù)據(jù)分析結(jié)論不夠豐富,因此如何對(duì)數(shù)據(jù)進(jìn)行進(jìn)一步的篩選與處理有待進(jìn)一步研究;再次,由于偏好和技術(shù)門檻的存在,在交互網(wǎng)站上發(fā)布照片的以年輕人居多,老人幾乎沒有,與實(shí)際的觀賞人群構(gòu)成有差距,因而后期在基于UGC數(shù)據(jù)進(jìn)行研究時(shí)需要與景觀空間中其他指標(biāo)與特征結(jié)合起來,以豐富研究數(shù)據(jù)的多樣性,進(jìn)一步提升研究的客觀性。