面向聚落景觀空間的三維形態(tài)指數(shù)體系構建與實現(xiàn)途徑研究*

孫松林， 杜文武， 李奕成， 錢云

1. 西南大學 園藝園林學院， 重慶 400715； 2. 北京林業(yè)大學 園林學院， 北京 100083；3. 城鄉(xiāng)生態(tài)環(huán)境北京實驗室， 北京 100083

空間形態(tài)是規(guī)劃設計研究關注的核心內容之一， 是各類要素在一定空間范圍內規(guī)模、 位置、 形狀以及組合形式的表達. 聚落景觀作為特定歷史文化的載體和產物， 其空間形態(tài)與人們的風俗習慣、 宗教文化、 生產生活、 社會關系等息息相關， 科學解析聚落景觀的空間形態(tài)特征， 將有助于發(fā)現(xiàn)不同聚落的景觀特質與內在形成機制. 但在實際研究中， 內在形成機制往往需要借助數(shù)學模型進行量化分析， 而量化分析需要輸入具體參數(shù)， 這就要求我們將實體景觀空間通過合理的識別、 分類和轉化， 提取出空間形態(tài)的邊界輪廓、 面積、 體積等數(shù)據， 并將這些數(shù)據轉換為數(shù)學參數(shù)(形態(tài)指數(shù))， 為量化分析提供支撐.

當前對空間形態(tài)的研究多是基于人工視覺圖像的定性分析， 少數(shù)借用景觀生態(tài)學的景觀格局指數(shù)， 對斑塊面積、 周長、 斑塊密度、 分維度、 隔離度、 多樣性等二維空間形態(tài)進行分析； 城市形態(tài)學也主要從城市地圖、 城市平面圖以及立體影像圖中提取街道網絡和城市天際線等形態(tài)要素， 來研究其形態(tài)特征和歷史演進. 但這些形態(tài)指數(shù)在研究聚落景觀上具有一定的局限性， 無法全面表達聚落景觀空間形態(tài)的三維、 活態(tài)特征. 因此， 構建一個易于獲取、 操作性強、 涵蓋面廣的三維空間形態(tài)指數(shù)體系， 可在常規(guī)經驗歸納與形象描述之外， 為景觀空間形態(tài)特征提供更為精準的參數(shù)， 更有利于運用數(shù)學模型對空間形態(tài)進行科學的量化分析， 解析聚落景觀空間形態(tài)的內在機理， 也為后續(xù)景觀空間形態(tài)與地理、 經濟、 社會因素的關聯(lián)研究提供參考， 具有極大的研究價值.

1 研究背景與綜述

1.1 分形理論成為研究空間形態(tài)特征與規(guī)律的主要方法

“形態(tài)”是事物基于某種客觀規(guī)則而表現(xiàn)出的結果， 景觀的大小、 形狀和空間結構影響著其功能特征的發(fā)揮以及物質、 能量、 信息流的過程與形式， 并對景觀的性質、 變化方向起著決定性作用[1]. 分析景觀空間形態(tài)的目的在于從看似無序的景觀中發(fā)現(xiàn)潛在有意義的序列或規(guī)律， 并把其空間特征與時間過程聯(lián)系起來， 研究其隨時間的變化、 演替以及外界干擾對景觀形態(tài)的影響， 從而更清楚地研究和把握景觀形態(tài)與生態(tài)過程相互作用的內在規(guī)律性[2]. 因此景觀空間形態(tài)特征是景觀空間結構深化的研究方向， 是景觀生態(tài)學基本理論研究的重要組成部分， 是景觀生態(tài)評價、 規(guī)劃、 管理及建設等應用研究的基礎.

為了揭示復雜現(xiàn)象背后所隱藏的規(guī)律性、 層次性和標度不變性問題， 分形、 分形維數(shù)和分形幾何相繼誕生， 并成為一門區(qū)別于傳統(tǒng)歐式幾何的獨立學科. 它在定量表達復雜的不規(guī)則空間格局方面具有顯著優(yōu)勢[3]， 其中分形指標作為度量事物分形特征的重要參數(shù)， 成為量化研究的主要手段與討論焦點， 包含了景觀(斑塊)的形狀、 分維數(shù)、 邊界(長度、 復雜程度等)、 多樣性等多方面內容.

建筑、 城鄉(xiāng)規(guī)劃、 風景園林等規(guī)劃設計研究一直注重空間形態(tài)， 但主要集中在建筑形式、 類型區(qū)劃、 空間結構、 功能分布等方面. 1996年城市形態(tài)學成立后， 將形態(tài)分析作為整個城市形態(tài)學研究的基礎和關鍵[4-5]. 此后， 空間句法[6]、 分形理論等量化分析方法被引入， 用以精細化、 定量化描述建筑平面， 城市邊界形態(tài)， 交通網絡形態(tài)等復雜的分形特征， 并建立了系列與空間形態(tài)相關的變量指數(shù)[7]. 而聚落景觀的空間形態(tài)具有無序性、 復雜性、 非線性特征， 能從復雜系統(tǒng)中提取簡單規(guī)律的分形理論則剛好適合探究聚落空間形態(tài)體系中的秩序與規(guī)律.

1.2 定量研究成為聚落景觀空間形態(tài)研究的重要趨勢

聚落空間形態(tài)研究過去主要以建筑學的定性研究為主， 通常采用田野調查與實地測繪對聚落空間形態(tài)與類型、 構成元素、 美學價值、 譜系特征等進行探究[8]， 并揭示自然人文環(huán)境對聚落空間形態(tài)的影響[9]， 方法多偏向于空間形態(tài)的現(xiàn)象描述與經驗性歸納總結. 風景園林學[10]、 社會人類學等學者也對聚落景觀的空間形態(tài)特征、 人文背景因素與多元價值進行了探討， 但同樣缺乏對其形態(tài)特征的量化分析. 隨著學科交叉的發(fā)展與計算機技術的運用， 定量研究快速發(fā)展， 不僅提高了研究效率， 也增加了研究的科學性. 尤其3S技術的發(fā)展與普及使聚落景觀空間形態(tài)在定量研究方面取得了豐碩成果[11-12]， 并催生了一系列景觀空間形態(tài)的量化分析方法， 為聚落景觀空間形態(tài)研究提供了更多的可能. 例如景觀生態(tài)學常利用遙感影像分析聚落空間分維值及其與自然環(huán)境的相互關系[13-14]， 并基于分形、 信息熵[15]、 遺傳算法[3]等方法進行空間形態(tài)特征研究； 建筑學則依據聚落邊界與建筑輪廓線， 借助拓撲學、 分形維數(shù)[16]等方法來測度其空間形態(tài)特征與空間結構的發(fā)展演變. 除了平面空間形態(tài)， 城市天際線曲折度、 層次度等立面空間分形研究也方興未艾[17]. 可見， 定量研究已成為聚落景觀空間形態(tài)研究的重要發(fā)展方向.

2 聚落景觀空間形態(tài)研究的技術瓶頸及指數(shù)體系構建

當前對空間形態(tài)的研究主要來源于景觀生態(tài)學基于遙感圖斑的二維平面形態(tài)， 對聚落景觀三維實體空間形態(tài)的量化研究較少涉足， 同時在測繪方式和數(shù)據處理上也存在技術瓶頸， 所以要構建聚落空間形態(tài)指數(shù)體系， 首先要找準存在的問題， 并在方法上尋求突破， 由此打開聚落景觀空間形態(tài)研究的大門.

2.1 技術瓶頸

對現(xiàn)有研究和技術進行分析， 總結起來有3個方面的技術瓶頸亟待突破. 一是獲取多尺度、 全方位、 精細化空間形態(tài)的數(shù)據存在不足. 由于受制于技術手段， 對三維空間形態(tài)， 特別是復雜環(huán)境下的空間形態(tài)難以實現(xiàn)有效的數(shù)據測定， 不同尺度空間形態(tài)之間的數(shù)據缺乏有效的轉換和管理途徑. 二是缺乏將圖像數(shù)據轉化為具有分層分類信息的批量處理途徑. 傳統(tǒng)的多光譜數(shù)據與實地測繪方式， 獲取成本高、 人工解譯與描圖方式效率低下， 難以滿足無人機、 數(shù)碼相機等快速成像設備的大批量處理要求. 三是量化表達空間形態(tài)的景觀形態(tài)指數(shù)還不完善. 既有的定量刻畫空間形態(tài)的景觀形態(tài)指數(shù)， 多是基于景觀生態(tài)學的二維平面形態(tài)指數(shù)， 缺少對立面景觀空間形態(tài)、 三維景觀空間形態(tài)的指數(shù)表達. 這三大難題使空間形態(tài)在強調三維空間效果的研究實踐中缺少科學的基礎支撐與實現(xiàn)條件.

2.2 指數(shù)體系構建

為了開展聚落景觀空間形態(tài)研究， 有必要建立一套相對完善且具有實用價值的聚落景觀空間形態(tài)體系. 景觀形態(tài)指數(shù)(Landscape morphology index)， 可以將真實的圖像景觀轉化為可進行量化計算的數(shù)字景觀， 來定量描述景觀空間的規(guī)模、 形狀以及組合特征. 除此以外， 還可以較好地刻畫空間形態(tài)的復雜程度， 作為連接景觀空間形態(tài)與生成機理的量化參數(shù)以及揭示自然、 經濟、 社會活動對空間形態(tài)的影響. 經過全面梳理景觀生態(tài)學、 幾何形態(tài)學、 城市形態(tài)學、 建筑學等相關學科的空間形態(tài)指標及其相關理論， 在景觀格局指數(shù)的二維平面形態(tài)指數(shù)基礎上， 經過歸納整理、 類比推算以及專家咨詢后， 篩除量化描述意義不大的指標， 合并相同或相似概念指標， 補充必要的三維立體形態(tài)指標， 構建了包含平面形態(tài)指數(shù)、 立體形態(tài)指數(shù)、 綜合形態(tài)指數(shù)的多維景觀空間形態(tài)指數(shù)， 并檢驗、 完善其數(shù)學理論模型， 使其具有形態(tài)數(shù)據采集與分析的可操作性. 選取了3個大類共42個景觀空間形態(tài)指數(shù)， 并將每類指數(shù)按照其所描述內容的不同分為幾何特征指數(shù)和空間關系指數(shù)兩個類型(表1). 既包括面積、 周長等描述具體物體形態(tài)的幾何特征指數(shù)， 又包括密度、 連接度等描述物體內在關聯(lián)的特征指數(shù)， 即空間關系指數(shù). 這些不同層面的指數(shù)， 為空間形態(tài)研究找到了將實體景觀空間形態(tài)轉換為抽象形態(tài)參數(shù)的途徑， 搭建了量化分析的橋梁， 提供了科學的計算方法. 以后可根據具體形態(tài)分析目標， 選用合適的指數(shù)對景觀空間進行形態(tài)指數(shù)計算， 以量化特定聚落景觀的空間形態(tài)特征.

表1 景觀空間形態(tài)指數(shù)體系

續(xù)表1

續(xù)表1

3 聚落景觀空間形態(tài)指數(shù)的實現(xiàn)途徑

大部分鄉(xiāng)土聚落都留存于經濟欠發(fā)達的偏遠山區(qū)， 其特殊的地形地貌與復雜的居住環(huán)境， 加之易受云霧、 天氣等影響， 導致空間正投影與實際情況差異較大， 因此常規(guī)的衛(wèi)星遙感影像及土地利用數(shù)據難以真實反映其空間形態(tài)的豐富性與特殊性， 更無法對小尺度空間形態(tài)要素進行高精準測定與分析. 而傳統(tǒng)的實地測繪方式又難以快速獲取大尺度區(qū)域的大規(guī)模聚落景觀形態(tài)， 也缺乏必要的三維實體空間形態(tài)信息. 所以要獲得聚落景觀的空間形態(tài)指數(shù)， 首先要對聚落景觀的三維實景進行高精度采集， 然后將采集到的圖像進行分類解析， 識別出平立面圖像中的建筑、 庭院、 道路、 公共空間、 農田、 林地、 水系、 門窗、 墻體、 植物、 天空等空間要素， 實現(xiàn)從實體空間到二維圖像再到矢量數(shù)據的轉換， 最后基于分類矢量數(shù)據， 運用指數(shù)計算公式進行不同類別景觀空間形態(tài)指數(shù)計算. 這里涉及數(shù)據采集、 數(shù)據處理與指數(shù)計算3個步驟， 其中數(shù)據采集與數(shù)據處理是要解決的兩個關鍵子問題. 主要技術框架如圖1所示.

3.1 對聚落景觀空間進行高精度采集

當前一系列數(shù)據采集與圖像處理技術不斷涌現(xiàn)， 為開展聚落景觀空間形態(tài)研究提供了新的途徑. TM、 SPOT、 QuickBird等傳統(tǒng)光學遙感影像雖然不能滿足復雜環(huán)境下的精細化要求， 但其數(shù)據量大、 時間跨度長、 覆蓋范圍廣等優(yōu)勢， 可作為基礎數(shù)據與其他資料相結合， 進行長時間跨度的動態(tài)模型研究. 移動通信、 定位導航、 社交網絡、 街景照片、 Open Street Map等開放大數(shù)據具有客觀、 多源、 動態(tài)、 精細、 實時等優(yōu)點[18]， 還可提供街道、 建筑、 道路等精細空間的形態(tài)要素數(shù)據， 使研究者可以突破傳統(tǒng)空間研究尺度范圍小、 高度依賴手工作圖等局限， 進行大尺度范圍的精細化分析[19-20]. 但不論是遙感還是開放數(shù)據， 其覆蓋面與數(shù)據精度在鄉(xiāng)村地區(qū)都難以滿足研究需求， 因此必須進行局部數(shù)據增強采集. 無人機低空遙感(UAV-RS)具有高靈活性、 高時效、 高分辨率、 低成本等諸多優(yōu)點， 已成為景觀空間信息提取的新技術之一[21]. 其中傾斜攝影測量技術可以高精度和高清晰度全面感知復雜場景， 并通過三維數(shù)字表面模型(DSM)直觀反映地物的外觀、 位置、 高度等屬性， 為景觀空間形態(tài)數(shù)據采集提供了新的途徑. 而在地面攝影方面， 激光雷達(Lidar)可通過對空間點云數(shù)據的梳理來快速建立結構復雜、 不規(guī)則場景的三維可視化模型， 讓空間形態(tài)的高精度三維數(shù)據獲取與分析變得簡便易行[22]. 這些新技術使我們可以測度那些過去難以測度的精細要素， 更深入地認知聚落景觀的空間形態(tài)特征. 但目前各項技術的研發(fā)應用大多各自獨立， 缺少一個集遙感、 無人機傾斜測量、 激光雷達、 手持點云攝影、 實地測繪等多方技術優(yōu)點的“空地一體化”信息采集與處理平臺， 真正實現(xiàn)“宏觀+微觀”、 “三維+時間”的根本性轉變. 因此， 針對聚落景觀空間尺度多變， 空間形態(tài)復雜等特征， 可從宏觀、 中觀、 微觀3個尺度， 分別對聚落景觀的二維平面空間形態(tài)數(shù)據與三維立體空間形態(tài)數(shù)據進行采集與批量化處理(圖2).

圖2 多尺度聯(lián)動的聚落景觀空間形態(tài)數(shù)據采集

宏觀尺度的空間形態(tài)研究著重關注聚落在空間上的分布特征和相互關系， 因而略去聚落輪廓、 面積等屬性， 將聚落單元抽象表達為一個中心點. 運用ERDAS和GIS對TM、 SPOT5、 QuickBird等遙感影像對聚落點位(也可用居民點數(shù)據代替)和區(qū)域性景觀要素進行提取， 分析研究聚落的聚集度指數(shù)、 平均最近鄰指數(shù)、 分布密度等形態(tài)特征， 以及與區(qū)域水系、 道路、 耕地、 草地、 林地等要素的相關關系特征.

中觀尺度則將聚落看作景觀生態(tài)學中的斑塊， 利用無人機低空航測技術(UAV-RS)， 從垂直、 傾斜等多個角度對聚落平面、 節(jié)點以及組團空間等進行高重疊度影像采集， 再利用Pix4DMapper等軟件， 基于影片所包含的POS信息進行畸變差校正、 自由網平差、 正射影像拼接等處理， 獲得正射影像(DOM)數(shù)據， 再匹配、 疊加衛(wèi)星遙感影像， 獲得聚居區(qū)、 道路、 公共設施、 水域、 林地、 草地、 耕地、 園地等圖斑的準確數(shù)據.

在微觀尺度， 受地形起伏、 建筑與植物遮擋等限制， 無人機也無法完成復雜環(huán)境中的空間形態(tài)數(shù)據獲取， 需借助地面手持攝影設備對街巷空間、 特殊建筑物、 內部道路等景觀節(jié)點進行補充增強拍攝獲得密集點云(Point Cloud)數(shù)據， 再利用Pix4DMapper等軟件和無人機獲取的影像照片一起進行空中三角測量計算， 構建三角網格模型， 最后結合影像中的像素信息生成富有紋理的高精度三維數(shù)字表面模型(DSM).

3.2 從海量圖像中提取空間形態(tài)的分類矢量數(shù)據

傳統(tǒng)的空間形態(tài)矢量數(shù)據主要依靠測繪圖紙或人眼識別解譯后進行手工制圖來完成， 但高精度測繪對于超大尺度的聚落景觀來說成本昂貴. 而無人機、 手持相機等采集的海量圖像超出了人工解析處理的范疇， 必須采取智能的方式進行圖像識別與分類. 基于深度學習(Deep Learning)的卷積神經網絡模型(Convolutional Neural Networks)圖像分類方法沖破了傳統(tǒng)圖像分類方法的瓶頸， 是當前圖像識別與分類領域的核心算法之一. 它由數(shù)據輸入層、 卷積計算層、 激勵層、 池化層、 全連接層構成， 經過圖像預處理、 圖像壓縮、 圖像特征提取、 圖像分割和圖像識別五大步驟[23]實現(xiàn)對圖像內容的分類識別. 其中圖像語義分割是判別圖像特征的關鍵操作， 它將圖像的每一個像素同一個類型標簽(人物、 植物、 建筑、 道路等)建立聯(lián)系， 可高效、 精準解析圖像的幾何形態(tài)、 紋理和空間分布特征， 廣泛應用于遙感影像分類、 自動駕駛、 災害分析等領域[24]. 對于大部分缺少人工智能專業(yè)知識的研究人員， 也可以選擇基于Caffe的Fine-tuning定型模型工具包對所采集的圖像(遙感、 照片、 模型)中各像素目標進行識別， 然后利用圖像語義分割將具有相似紋理、 顏色和亮度等特征的相鄰像素點進行分類， 再將相同類別的相鄰像素合并(合并后的像素能夠組成圖像中的各目標物體， 且擁有準確的原始邊界)， 實現(xiàn)圖像中建筑、 植物、 天空等目標物體的識別和分類[25](圖3，圖4). 當然， 對于高光譜遙感影像也可以借助ERDAS IMAGINE進行地物分類與信息提??； 而對于僅需識別植被、 天空、 硬質空間等簡單分類要求時， 還可采用Matlab等軟件基于圖像的HSV色彩空間來識別、 提取粗略分類的物體空間形態(tài)， 再結合人機交互解譯而獲得物體面積、 輪廓等空間形態(tài)數(shù)據. 這些途徑都可以相對準確、 批量化地提取聚落景觀中的空間形態(tài)， 為計算各類景觀空間的形態(tài)指數(shù)創(chuàng)造條件.

圖3 利用卷積神經網絡進行遙感影像分類的流程及不同方法模型分類結果對比

圖4 不同卷積神經網絡模型進行全景圖像識別與分類的結果對比

3.3 空間形態(tài)指數(shù)計算

地理信息系統(tǒng)(GIS)提供了一些針對聚落斑塊數(shù)、 斑塊面積、 斑塊密度、 近鄰距離等景觀空間形態(tài)指數(shù)的定量分析工具[26]， 但可使用的范圍較小. 專門計算景觀生態(tài)學指數(shù)的Fragstats軟件包含了大量的形態(tài)指數(shù)工具， 可對具有分類信息的柵格地圖進行復雜計算， 但其主要適用于土地利用等宏觀尺度的平面數(shù)據， 難以對精度1M以下的中微觀數(shù)據以及立面與三維數(shù)據進行分析計算. 除了GIS平臺， Fractalyse也可用于計算空間的分形維數(shù)， 但在規(guī)劃設計行業(yè)中普及度較低. 希列爾(Hillier)提出的空間句法(Space Syntax)理論也被廣泛運用于街道空間形態(tài)與可達性研究， 基于該理論開發(fā)的Depthmap與Spatial Design Network Analysis(SDNA)等軟件可對街道網絡的拓撲學距離、 幾何學距離和物理距離等形態(tài)特征進行分析[27-28]. 此外， Place Syntax可將街道可達性與建筑密度、 設施、 功能、 人口等要素疊合， 進行空間活力分析[29]. 這些軟件為景觀空間形態(tài)分析提供了數(shù)據與平臺支撐， 但均有其適用的分析尺度與有限的形態(tài)指標范圍， 因此針對聚落景觀這種跨尺度、 多維度的形態(tài)指數(shù)計算則需要對多種軟件平臺進行綜合運用. 斑塊密度、 斑塊形狀指數(shù)、 公共空間密度、 周長面積比分維數(shù)等指標主要依靠GIS、 Fragstats等軟件平臺來計算， 輪廓分形維數(shù)、 公共空間分維指數(shù)、 建筑密度、 天空可視指數(shù)、 景觀層次度等指標則依靠Fractalyse、 Depthmap等軟件來實現(xiàn)(圖5).

圖5 聚落景觀空間形態(tài)指數(shù)的實現(xiàn)途徑及主要操作平臺

4 聚落景觀空間形態(tài)指數(shù)的應用前景

4.1 精準表達聚落景觀的空間形態(tài)特征

由于大量鄉(xiāng)土聚落都位于自然地理條件極為復雜的偏遠地區(qū)， 其范圍跨度大、 個體數(shù)量多、 形態(tài)特征復雜， 且存在融合與漸變現(xiàn)象. 因此， 單靠以往的定性歸納與分類總結遠遠不夠， 必須對聚落空間特征進行精準表達， 而景觀空間形態(tài)指數(shù)作為形態(tài)特征方面的量化參數(shù)， 可使聚落景觀特征的精準表達成為可能， 實現(xiàn)對聚落景觀空間形態(tài)特征的科學識別， 推動景觀空間形態(tài)特征研究的長足發(fā)展.

4.2 為聚落景觀空間的演變機制研究提供基礎工具

絕大多數(shù)聚落景觀都處于不斷地演變之中， 這種演變不僅體現(xiàn)在不同年代的革新與變化， 還體現(xiàn)在不同地域、 不同民族之間的逐漸過渡與演化之中. 通過景觀空間形態(tài)指數(shù)這一研究工具， 可幫助我們從復雜的聚落實體空間中， 提取出可以量化分析的指標， 辨析出聚落景觀在時間跨度上的演變要素與規(guī)律， 進一步解析聚落景觀空間形態(tài)變化的驅動因子與演變機制.

4.3 實現(xiàn)聚落景觀空間形態(tài)特征的量化對比

應用景觀形態(tài)指數(shù)可以定量描述聚落景觀的空間形態(tài)特征， 并基于這些量化參數(shù)， 對不同民族、 不同類別、 不同時間的景觀形態(tài)特征進行精準對比分析， 突破傳統(tǒng)的經驗描述與歸納總結研究方式， 更精確地了解各類聚落景觀的特征與差異， 引導其正確開展傳統(tǒng)文化景觀的原真性與多樣性保護開發(fā).

4.4 助力地域文化景觀保護與鄉(xiāng)村振興

聚落景觀作為獨特地理環(huán)境與地域文化的產物， 是一個地方歷史層積的鮮活文檔， 記載了該地區(qū)不同時期人居環(huán)境的形成與演變過程， 也是族群宗教文化、 價值觀念、 生態(tài)智慧的集中體現(xiàn)， 具有重大價值與意義. 但隨著經濟發(fā)展與新農村建設， 大量傳統(tǒng)聚落景觀逐漸消失， 新農村建設則以標準模板快速推進， 古村古鎮(zhèn)也在風貌打造中， 由于人為偏好與定性指導而出現(xiàn)嚴重趨同與“漢化”“中式”現(xiàn)象. 因此， 深入探究聚落景觀的空間形態(tài)指數(shù)， 可將聚落景觀的空間形態(tài)特征由因人而變的定性表達轉化為以數(shù)據為依托的精準畫像， 進而為規(guī)劃設計人員提供參數(shù)指引， 優(yōu)化設計成果； 為地方管理者提供管控指標， 形成精準決策. 對增強地方的文化認同與文化自信， 實現(xiàn)該區(qū)域的鄉(xiāng)村振興與社會和諧有積極作用.

5 總結與展望

景觀空間形態(tài)指數(shù)作為表達景觀空間形態(tài)特征的量化指標， 可將三維實體景觀空間形態(tài)轉換為可進行數(shù)學模擬分析的量化指標(景觀形態(tài)指數(shù))， 突破了因研究者主觀判斷與手工制圖的差異而評價標準難以統(tǒng)一的難題， 實現(xiàn)了對不同尺度復雜景觀空間形態(tài)特征的精準表達與規(guī)律總結. 還可以對同一景觀空間形態(tài)進行連續(xù)對比分析， 以及對不同景觀空間形態(tài)進行關聯(lián)性分析. 這有助于全面把握景觀空間形態(tài)的整體特征、 變化過程、 變化規(guī)律， 并解析其背后的演變驅動機制， 具有廣闊的研究前景與應用價值， 必將成為未來聚落景觀空間研究的重要突破方向.