深度學(xué)習(xí)技術(shù)在城市農(nóng)園景觀中的應(yīng)用研究

摘要：深度學(xué)習(xí)技術(shù)在圖像與圖形數(shù)據(jù)處理中的廣泛應(yīng)用，為風(fēng)景園林研究的大樣本數(shù)據(jù)獲取、分析、預(yù)測，以及景觀設(shè)計圖的快速生成提供了新的解決思路與有效途徑。文章以城市農(nóng)園景觀設(shè)計為研究對象，探究深度學(xué)習(xí)技術(shù)在城市農(nóng)園景觀設(shè)計中的應(yīng)用途徑，分別從圖像識別、圖像生成兩個方面出發(fā)，強(qiáng)調(diào)深度學(xué)習(xí)技術(shù)通過處理城市農(nóng)園景觀圖像與圖形，在分析場所空間環(huán)境、自動生成景觀表現(xiàn)圖、快速智能化建模、農(nóng)園蔬菜種類識別等方面發(fā)揮著巨大的作用，將其應(yīng)用于城市農(nóng)園景觀設(shè)計領(lǐng)域，能夠有效推動農(nóng)園景觀智慧化發(fā)展。

關(guān)鍵詞：深度學(xué)習(xí)；城市農(nóng)園；景觀設(shè)計；人工智能

中圖分類號：TU986 文獻(xiàn)標(biāo)識碼：A 文章編號：1004-9436（2024）21-00-03

1 研究背景

我國城鎮(zhèn)化進(jìn)程的加速擴(kuò)大了城市空間規(guī)模，目前我國城市數(shù)量已由1960年的199個增長至現(xiàn)在的672個［1］。城鎮(zhèn)化率的急速提升與人口的空間集聚效應(yīng)在驅(qū)動社會經(jīng)濟(jì)轉(zhuǎn)型的同時，也引發(fā)了各種典型的城市系統(tǒng)性問題。隨著社會矛盾加劇、食品安全問題頻現(xiàn)與人居環(huán)境退化，此類結(jié)構(gòu)性障礙對中國城市可持續(xù)發(fā)展形成顯著制約。在應(yīng)對城市生態(tài)發(fā)展問題時，城市農(nóng)園不僅能夠增進(jìn)居民之間的交流，確保當(dāng)?shù)氐娘嬍嘲踩?，為人們營造休閑氛圍，也為社會帶來了豐厚的經(jīng)濟(jì)回報。

城市農(nóng)園的營建并非簡單的種植作業(yè)，而是涵蓋策劃、營建、運維等環(huán)節(jié)的全周期管理過程。實踐過程中需平衡政府機(jī)構(gòu)、參與主體、非參與居民及管理方等多元利益訴求，同時系統(tǒng)協(xié)調(diào)多維現(xiàn)實矛盾。其中，空間維護(hù)與設(shè)施更新構(gòu)成復(fù)合型挑戰(zhàn)，并且城市諸多農(nóng)園景觀的維護(hù)與建造是一個比較復(fù)雜的問題。針對城市農(nóng)園建設(shè)現(xiàn)狀及發(fā)展瓶頸，亟須構(gòu)建科學(xué)的發(fā)展策略體系，合理利用人工智能視域下的深度學(xué)習(xí)技術(shù)進(jìn)行輔助設(shè)計與實施，為農(nóng)園發(fā)展建設(shè)提供科學(xué)參考成為當(dāng)務(wù)之急。

2 概念界定

2.1 人工智能與深度學(xué)習(xí)

人工智能概念于20世紀(jì)50年代被提出，它旨在利用計算機(jī)算法模擬人類的智能，從而開發(fā)出更加先進(jìn)的技術(shù)。這一領(lǐng)域涉及多個不同的分支，而機(jī)器學(xué)習(xí)則是其中最重要的技術(shù)之一（見圖1）。作為人工智能領(lǐng)域的突破性進(jìn)展，深度學(xué)習(xí)方法在圖像處理領(lǐng)域展現(xiàn)出顯著技術(shù)優(yōu)勢。基于風(fēng)景園林領(lǐng)域圖像數(shù)據(jù)的特征分類，本研究通過圖像識別與生成的雙重技術(shù)路徑，構(gòu)建智能化處理框架。通過特征解碼機(jī)制實現(xiàn)空間信息提取、方案自動生成及關(guān)聯(lián)性預(yù)測等多維度處理，該技術(shù)體系能夠為城市農(nóng)園全生命周期研究提供科學(xué)量化支持。

2.2 深度學(xué)習(xí)與城市農(nóng)園景觀的關(guān)系

城市農(nóng)園景觀研究的演進(jìn)過程實證分析顯示，其場地解析、方案設(shè)計及效果評估等階段均呈現(xiàn)出顯著的圖像依賴性，典型數(shù)據(jù)載體包括設(shè)計表現(xiàn)圖與景象圖等。特別值得注意的是，這些圖像數(shù)據(jù)蘊含多維隱性空間信息，可作為定量分析與模型構(gòu)建的基礎(chǔ)數(shù)據(jù)源，能夠有效解決傳統(tǒng)數(shù)據(jù)處理的復(fù)雜性問題，并顯著提升研究的科學(xué)性與實證效度。因此，圖像解析技術(shù)能夠為城市農(nóng)園景觀規(guī)劃設(shè)計與科學(xué)研究提供方法論支撐。

城市農(nóng)園景觀由高維度復(fù)合型圖像與圖形構(gòu)成，深度學(xué)習(xí)作為具有多層感知架構(gòu)的網(wǎng)絡(luò)模型，能夠挖掘圖像數(shù)據(jù)的潛在規(guī)律與深層特征，具備智能化數(shù)據(jù)解析與運算能力，其技術(shù)體系整合卷積神經(jīng)網(wǎng)絡(luò)（CNN）、生成對抗網(wǎng)絡(luò)（GAN）等核心算法?；诰坝^圖像數(shù)據(jù)的類型學(xué)特征，通過識別－生成雙模技術(shù)框架實現(xiàn)分類處理，能夠顯著提升研究方法的科學(xué)效度與結(jié)果可靠性，從而為城市農(nóng)園景觀的可持續(xù)發(fā)展提供技術(shù)支撐。

3 城市農(nóng)園景觀設(shè)計的困境

城市農(nóng)業(yè)形態(tài)有悠久的歷史，考古證據(jù)顯示，古希臘羅馬時期的貴族宅邸已配置Atrium（中庭）與Peristylium（周柱中庭）等種植空間。近現(xiàn)代演進(jìn)歷程顯示，其形態(tài)發(fā)生范式轉(zhuǎn)型，實現(xiàn)與城市空間的有機(jī)融合，歷經(jīng)生存保障期（1900—1950年）、功能拓展期（1951—2000年）、品質(zhì)提升期（2001年至今）的演進(jìn)，逐步形成符合技術(shù)標(biāo)準(zhǔn)的規(guī)范化管理框架。值得關(guān)注的是，該領(lǐng)域公眾參與度顯著高于傳統(tǒng)社區(qū)項目。

相較而言，我國城市農(nóng)園發(fā)展起步較晚，歷經(jīng)20余年探索仍處于初級階段，在實踐層面呈現(xiàn)出概念界定模糊、模式趨同化及景觀辨識度不足等問題。學(xué)術(shù)研究呈現(xiàn)多維度探索特征，但現(xiàn)有成果主要集中于開發(fā)模式解析，亟待深化理論建構(gòu)與實踐應(yīng)用研究。整體表現(xiàn)為缺乏對城市農(nóng)園景觀綜合性的研究；城市農(nóng)園景觀發(fā)展緩慢；缺乏有效的農(nóng)園管理機(jī)制、有效的農(nóng)園養(yǎng)護(hù)機(jī)制與科學(xué)的景觀規(guī)劃設(shè)計，缺乏景觀設(shè)計創(chuàng)新性，發(fā)展模式單一。

城市農(nóng)園需在有限用地中平衡農(nóng)業(yè)生產(chǎn)、生態(tài)服務(wù)與公共活動功能，但在現(xiàn)實操作中常陷入土地權(quán)屬、功能配比的失衡等問題。城市存量用地往往涉及多元主體權(quán)益，如社區(qū)閑置地塊可能同時歸屬物業(yè)、業(yè)主或市政部門。設(shè)計團(tuán)隊提出的立體種植、屋頂農(nóng)場等方案，常因產(chǎn)權(quán)糾紛被迫擱置。某些項目甚至因居民反對拆除原有綠化帶，陷入“要農(nóng)田還是保綠地”的爭議。農(nóng)業(yè)生產(chǎn)需要連續(xù)性土地，但市民活動空間、基礎(chǔ)設(shè)施通道等必然分割種植區(qū)域。部分項目為追求視覺美觀，過度設(shè)計步道與景觀小品，導(dǎo)致實際種植面積不足；另一些則因強(qiáng)調(diào)產(chǎn)量而忽視休憩功能，最終淪為“城市菜地”，失去公共空間吸引力，這些困境將進(jìn)一步阻礙城市農(nóng)園的可持續(xù)發(fā)展。

工業(yè)遺留用地常存在污染問題，簡單覆蓋種植土雖能短期見效，卻可能切斷自然水文循環(huán)。而無土栽培雖規(guī)避了土壤問題，但依賴持續(xù)能源供給的滴灌系統(tǒng)，反而加劇了生態(tài)負(fù)擔(dān)。城市農(nóng)園中傳粉昆蟲、微生物群落等生態(tài)要素難以自然存續(xù)。設(shè)計師嘗試引入人工蜂箱或益蟲，卻引發(fā)居民對安全的擔(dān)憂。這種“人造自然”的脆弱性，暴露出城市農(nóng)業(yè)生態(tài)系統(tǒng)的先天不足。景觀設(shè)計師注重空間美學(xué)與生態(tài)價值，而社區(qū)居民更關(guān)心作物產(chǎn)量與使用便利。曾有項目設(shè)計師堅持曲線田埂造型，導(dǎo)致耕種工具無法進(jìn)入，引發(fā)實用性質(zhì)疑。這種專業(yè)理想與現(xiàn)實需求的錯位，反映出設(shè)計邏輯的單一性。在農(nóng)園設(shè)計方面，老年群體偏好傳統(tǒng)耕種方式，年輕群體則期待智能灌溉、植物識別等技術(shù)的應(yīng)用。一些社區(qū)為兼顧兩者購置昂貴設(shè)備，反而因操作復(fù)雜降低了使用效率。不同世代對“田園生活”的想象差異，增加了設(shè)計整合難度。

4 深度學(xué)習(xí)在城市農(nóng)園景觀中的主要應(yīng)用領(lǐng)域

4.1 圖像識別

深度學(xué)習(xí)可以用于分析遙感圖像和無人機(jī)拍攝的圖像，以識別和分類不同的農(nóng)作物、監(jiān)測作物生長狀況和病蟲害情況。例如，通過深度學(xué)習(xí)算法準(zhǔn)確地觀察和檢測橄欖樹的物候響應(yīng)，這對病蟲害綜合治理（IPM）至關(guān)重要。

大數(shù)據(jù)技術(shù)的快速發(fā)展推動多源數(shù)據(jù)融合應(yīng)用，其海量數(shù)據(jù)處理的能力能夠克服傳統(tǒng)方法的局限。該技術(shù)革新能夠有效拓展城市農(nóng)園景觀研究維度，同時提升實證研究效度。而景象圖、遙感影像圖、點云數(shù)據(jù)圖的運用，從不同視角對景觀環(huán)境進(jìn)行了描述，為分析人群活動及物質(zhì)空間奠定了重要的數(shù)據(jù)基礎(chǔ)，從而有效支持空間環(huán)境的定性與定量研究［2］?；诖笠?guī)模圖像樣本的迭代學(xué)習(xí)，深度學(xué)習(xí)方法可實現(xiàn)圖像特征提取與語義分割，能夠有效處理城市農(nóng)園中多因素交織的復(fù)雜空間問題，包括場所特征量化、環(huán)境感知評估、地物分類識別及空間環(huán)境解析。技術(shù)實現(xiàn)層面采用批量訓(xùn)練策略（每批5張樣本），通過損失函數(shù)（Loss）與像素級準(zhǔn)確率（Acc）的雙重驗證機(jī)制評估模型性能，其中準(zhǔn)確率指標(biāo)通過像素級比對統(tǒng)計正確分類比例，確保預(yù)測結(jié)果的可靠性。準(zhǔn)確率（Acc）公式如下：

圖像識別技術(shù)顯著提升空間環(huán)境解析能力，其技術(shù)路徑涵蓋二維景象解析、遙感影像分類及三維點云特征提取?；诙嗉壜?lián)分層模型的研究范式，通過多尺度空間量化方法解譯景觀認(rèn)知特征與行為模式，構(gòu)建智能化的信息分類體系。這一技術(shù)框架將隱性空間規(guī)律轉(zhuǎn)化為顯性決策依據(jù)，為城市農(nóng)園景觀規(guī)劃決策提供數(shù)據(jù)驅(qū)動支持。

4.2 圖像生成

深度學(xué)習(xí)在圖像識別和圖像生成方面表現(xiàn)優(yōu)異，它能夠從大量的數(shù)據(jù)中提取出關(guān)鍵特征，并將其轉(zhuǎn)換為可用于圖像處理的模型，從而更準(zhǔn)確地捕捉和描述圖像中的細(xì)節(jié)。此外，該項技術(shù)還可以幫助人們更好地理解觀測數(shù)據(jù)中的統(tǒng)計規(guī)律，從而更快地將其轉(zhuǎn)換為更接近真實的圖像?，F(xiàn)階段深度學(xué)習(xí)技術(shù)在城市農(nóng)園景觀研究領(lǐng)域的技術(shù)應(yīng)用，主要聚焦于二維景觀圖示、人群行為熱力圖及三維場景建模的生成。據(jù)相關(guān)文獻(xiàn)統(tǒng)計（2020—2023），這三類生成任務(wù)分別占比62%、28%、10%，構(gòu)成當(dāng)前技術(shù)應(yīng)用的核心方向。

深度學(xué)習(xí)中的圖像生成技術(shù)可以為城市農(nóng)園景觀的規(guī)劃設(shè)計提供智能化技術(shù)支撐?；诙嘣磾?shù)據(jù)融合分析，算法模型在參數(shù)約束框架下，通過迭代優(yōu)化實現(xiàn)目標(biāo)趨近，自主解析要素關(guān)聯(lián)性、空間拓?fù)浼肮δ芘渲玫冉M構(gòu)規(guī)律。該技術(shù)體系可系統(tǒng)解譯復(fù)雜結(jié)構(gòu)特征與動態(tài)演變機(jī)制，最終輸出優(yōu)化方案解集并生成三維參數(shù)化模型，從而更好地幫助城市農(nóng)園景觀設(shè)計師快速生成設(shè)計方案。

4.3 圖形預(yù)測

時空變量的多維耦合效應(yīng)引發(fā)新的研究熱點，針對城市農(nóng)園公共空間可達(dá)性評估及使用者行為偏好預(yù)測的研究需求顯著增加。傳統(tǒng)方法（如統(tǒng)計分析、模糊聚類）難以有效揭示內(nèi)在驅(qū)動機(jī)制及預(yù)測演變趨勢，而深度學(xué)習(xí)技術(shù)具備處理復(fù)雜非線性關(guān)系的技術(shù)優(yōu)勢，能夠更好地幫助設(shè)計者了解農(nóng)園參與者的偏好，從而設(shè)計出更加符合大眾需求的農(nóng)園景觀。

深度學(xué)習(xí)基于智能推理與并行計算的技術(shù)優(yōu)勢，綜合考量交通、生態(tài)、行為及社會等多維度因子，完成多情景的景觀系統(tǒng)模擬，有效處理系統(tǒng)內(nèi)的非線性關(guān)系?；趫D神經(jīng)網(wǎng)絡(luò)技術(shù)框架，整合時序分析與非物質(zhì)屬性研究，開發(fā)高精度時空特征聚合模型。利用大規(guī)模的樣本訓(xùn)練解析數(shù)據(jù)層級特征，模型可揭示物質(zhì)與非物質(zhì)的時空交互規(guī)律，從而實現(xiàn)農(nóng)園景觀可達(dá)性、行為模式及格局演變的動態(tài)預(yù)測，為農(nóng)園景觀的建設(shè)與可持續(xù)發(fā)展提供保障。

引入深度學(xué)習(xí)技術(shù)，可以更加精準(zhǔn)地識別遙感圖像中的語義特征。這種技術(shù)不僅可以替代人類的腦力勞動［3］，而且能夠快速、高效地識別城市農(nóng)業(yè)景觀，有利于城市農(nóng)園景觀的建設(shè)與發(fā)展。

5 結(jié)語

本研究立足于中國城鎮(zhèn)化進(jìn)程中衍生的“城市病”治理需求，聚焦城市農(nóng)園景觀設(shè)計的科學(xué)化路徑，系統(tǒng)探討了深度學(xué)習(xí)技術(shù)在其規(guī)劃、建設(shè)與管理中的理論價值與實踐潛力。通過對城市農(nóng)園景觀發(fā)展困境與技術(shù)應(yīng)用場景的交叉分析，論證了人工智能視域下深度學(xué)習(xí)技術(shù)對突破傳統(tǒng)設(shè)計方法局限、提升景觀規(guī)劃科學(xué)性的重要作用，深度學(xué)習(xí)技術(shù)通過圖像識別、生成與圖形預(yù)測三大核心領(lǐng)域深度介入城市農(nóng)園景觀全生命周期，為城市農(nóng)園景觀可持續(xù)發(fā)展提供支撐。

本研究雖然創(chuàng)新性地構(gòu)建了深度學(xué)習(xí)與城市農(nóng)園景觀設(shè)計的跨學(xué)科應(yīng)用框架，但技術(shù)落地的普適性仍需進(jìn)一步驗證。未來研究可結(jié)合具體城市尺度案例，深化多模態(tài)數(shù)據(jù)融合算法優(yōu)化，并探索人機(jī)協(xié)同設(shè)計模式下公眾參與機(jī)制的適應(yīng)性調(diào)整，以推動技術(shù)工具與社會價值有機(jī)統(tǒng)一。

參考文獻(xiàn)：

［1］ 國家統(tǒng)計局.城鎮(zhèn)化水平不斷提升城市發(fā)展闊步前進(jìn)：新中國成立70周年經(jīng)濟(jì)社會發(fā)展成就系列報告之十七［EB/OL］.國家統(tǒng)計局，（2019-08-15）［2024-10-10］. http：//www.stats.gov.cn/tjsj/zxfb/201908/t20190815_1691416.html.

［2］ 張帆，劉瑜.街景影像：基于人工智能的方法與應(yīng)用［J］.遙感學(xué)報，2021，25（5）：1043-1054.

［3］ 盧宏濤，張秦川.深度卷積神經(jīng)網(wǎng)絡(luò)在計算機(jī)視覺中的應(yīng)用研究綜述［J］.數(shù)據(jù)采集與處理，2016，31（1）：1-17.

作者簡介：姚秋秋 （1996—） ，女，研究方向：景觀設(shè)計；吳曉晴 （1998—） ，女，研究方向：視覺傳達(dá)設(shè)計；鄒淑珍 （1968—） ，女，博士，教授，系本文通訊作者，研究方向：景觀園林。