大數(shù)據(jù)算法在風(fēng)景園林規(guī)劃設(shè)計中的運用

摘 要：隨著大數(shù)據(jù)時代的到來，風(fēng)景園林也迎來了新的發(fā)展。以往許多亟待解決的復(fù)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(shù)據(jù)作為支撐。因此利用大數(shù)據(jù)及人工智能技術(shù)進(jìn)行風(fēng)景園林研究成為新的方向。本文從園林規(guī)劃設(shè)計中面對的實際問題切入，引出解決問題所需要的數(shù)據(jù)。對園林設(shè)計中遇到的物種多樣性問題、植物環(huán)境適應(yīng)性問題和群落生態(tài)穩(wěn)定性問題進(jìn)行算法推理。結(jié)合編程思維對算法建立流程聯(lián)系得出解決問題的算法流程圖。提出植物大數(shù)據(jù)信息可以在生態(tài)修復(fù)、園林養(yǎng)護(hù)和植物美學(xué)三種設(shè)計方向中靈活運用。最后對大數(shù)據(jù)算法在園林商品和園林人力資源兩個方向做出展望。

關(guān)鍵詞：風(fēng)景園林；大數(shù)據(jù)計算；人工智能；園林規(guī)劃文章編號：2095-4085（2024）03-0142-03

0 引言

在風(fēng)景園林規(guī)劃設(shè)計中，大數(shù)據(jù)計算可以讓規(guī)劃方案更具有落地性、適配性、多樣性、可持續(xù)性，同時兼顧成本控制及后期養(yǎng)護(hù)。做到高效率、低成本、易維護(hù)、穩(wěn)生態(tài)。通過多種技術(shù)相互配合，獲取海量圖像和數(shù)據(jù)進(jìn)行運算。提供可視化數(shù)據(jù)和專業(yè)算法服務(wù)，協(xié)助個人或組織進(jìn)行風(fēng)景園林規(guī)劃與管理。

1 相關(guān)技術(shù)概念

大數(shù)據(jù)計算的核心是“數(shù)據(jù)”和“算法”，風(fēng)景園林?jǐn)?shù)據(jù)的獲取需要依賴其他相關(guān)專業(yè)的采集技術(shù)。

1.1 北斗定位技術(shù)

可在全球范圍內(nèi)全天候、全天時提供高精度、高可靠定位及導(dǎo)航與授時服務(wù)。并且具備短報文通訊能力，具備區(qū)域?qū)Ш?、定位和授時能力［1］。

1.2 GIS地理信息技術(shù)

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(guān)地理數(shù)據(jù)進(jìn)行采集、存儲、運算、分析的技術(shù)系統(tǒng)。一個單純的經(jīng)緯度坐標(biāo)所蘊含的信息量十分龐大，GIS技術(shù)把大量數(shù)據(jù)進(jìn)行成圖和分析，為用戶提供信息支持和服務(wù)。

1.3 圖像識別技術(shù)

以識別圖像的主要特征為基礎(chǔ)，通過大量樣本進(jìn)行特征提取，再根據(jù)提取的特征對未知樣本進(jìn)行分類。在許多領(lǐng)域擁有重要的價值，如地形地質(zhì)勘查，森林、海洋、農(nóng)業(yè)、動物資源調(diào)查，自然災(zāi)害預(yù)測，環(huán)境監(jiān)測等。

1.4 集群機器人技術(shù)

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

2 大數(shù)據(jù)算法和運用

算法則是為風(fēng)景園林專業(yè)人士提供解決問題的思維，將專業(yè)人士處理數(shù)據(jù)的思維轉(zhuǎn)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(chǎn)力。收集分析野生植物信息，服務(wù)于人工環(huán)境的植物群落。

2.1 大數(shù)據(jù)信息建設(shè)

數(shù)據(jù)庫的建設(shè)要利用多種相關(guān)技術(shù)協(xié)同完成［2-4］。

（1）采集信息存儲格式，圖片+時間+定位。規(guī)劃調(diào)查區(qū)域，利用衛(wèi)星影像和圖像識別區(qū)分出植被覆蓋區(qū)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(qū)域進(jìn)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(qū)植被進(jìn)行統(tǒng)計錄入。四是中科院中國植物主題數(shù)據(jù)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(xué)數(shù)據(jù)中心；土壤信息來源于中國土壤科學(xué)數(shù)據(jù)庫。精細(xì)管理的園區(qū)可以上傳多位置的溫度、濕度、降水、光照等傳感器數(shù)據(jù)，以及土壤采樣檢測數(shù)據(jù)，作為服務(wù)的定制化參考數(shù)據(jù)。

1）植物數(shù)據(jù)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(chǔ)養(yǎng)護(hù)、觀賞、經(jīng)濟價值、碳中和等數(shù)據(jù)。

2）地理數(shù)據(jù)格式：定位-日期-溫度、降水量、土壤濕度、風(fēng)向、地勢、土壤等數(shù)據(jù)［8-9］。

隨著上傳的植物記錄動態(tài)數(shù)據(jù)量持續(xù)增長，以及自然環(huán)境不斷變化，不同植物物種的環(huán)境適應(yīng)屬性的變化可以在數(shù)據(jù)庫中得到動態(tài)體現(xiàn)。靜態(tài)數(shù)據(jù)需要專家學(xué)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(tài)系統(tǒng)穩(wěn)定性。數(shù)據(jù)庫對全球地區(qū)的自然環(huán)境數(shù)據(jù)與規(guī)劃地塊所處地區(qū)的自然環(huán)境數(shù)據(jù)進(jìn)行相似查找，再從自然環(huán)境相似地區(qū)的生存物種中根據(jù)需求篩選出規(guī)劃需要引進(jìn)的新物種。在植物信息數(shù)據(jù)較為豐富后，可以直接采用植物的生存信息與需求地環(huán)境進(jìn)行篩選。選定物種后根據(jù)數(shù)據(jù)庫已有的該種植物分部信息進(jìn)行定域選種，優(yōu)選出適宜需求地環(huán)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(huán)境適應(yīng)性算法

植物環(huán)境適應(yīng)性算法是一種對比算法，包括自然環(huán)境和種間競爭。自然環(huán)境即植物生存所處地理位置的客觀環(huán)境。種間競爭即兩種植物在一定種植密度下出現(xiàn)爭奪生長空間的現(xiàn)象，導(dǎo)致一種植物數(shù)量銳減。根據(jù)一種植物在數(shù)據(jù)庫中所記錄的地理位置的自然環(huán)境進(jìn)行計算，可得出其所能存活生長的自然環(huán)境數(shù)據(jù)范圍。根據(jù)一種植物在不同的群落中的繁榮度和群落的豐富度進(jìn)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(jìn)而預(yù)測該種植物在人工規(guī)劃設(shè)計的群落中能否適應(yīng)環(huán)境。

2.1.3 生態(tài)穩(wěn)定性算法

生態(tài)穩(wěn)定性算法是一種推演算法，包括種群穩(wěn)定性和群落穩(wěn)定性。種群穩(wěn)定性即在一段時間內(nèi)，同一生物群落物種豐富度十分穩(wěn)定或物種豐富度變化很大，前者為穩(wěn)定，后者為不穩(wěn)定。群落穩(wěn)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(wěn)定；對其它物種的豐富度影響越小，則群落就越穩(wěn)定。收集在多個時間對同一區(qū)域的群落數(shù)據(jù)，根據(jù)一段時間內(nèi)群落中物種豐富度的變化情況來判定該群落的生態(tài)穩(wěn)定性，結(jié)合數(shù)據(jù)庫中已知的其它群落變化數(shù)據(jù)，推算出未來一段時間內(nèi)該群落的生態(tài)狀況。生態(tài)推演流程（見圖2）。

2.2 大數(shù)據(jù)信息運用

植物大數(shù)據(jù)信息的合理運用有助于園林行業(yè)的科學(xué)發(fā)展，提高園林企業(yè)的效率。在大數(shù)據(jù)支持下的人工智能所做的預(yù)測和決策，能夠為園林企業(yè)的生產(chǎn)、經(jīng)營、決策提供十分強大的助力。

2.2.1 生態(tài)修復(fù)

植物修復(fù)是生態(tài)修復(fù)的基本形式，利用人工干預(yù)加速群落演替的方式是生態(tài)修復(fù)的重要部分。通過對采集到的眾多植物群落大數(shù)據(jù)的變化進(jìn)行算法推演，既可以預(yù)測某一種群的未來豐富度變化，也可以預(yù)測某一群落未來的新穩(wěn)態(tài)。依據(jù)龐大的數(shù)據(jù)量推算出的種群與種群、種群與群落之間的豐富度相關(guān)性及影響力，從而達(dá)到對生態(tài)環(huán)境的引導(dǎo)性和可控性。

2.2.2 園林養(yǎng)護(hù)

通過智慧園林系統(tǒng)對園區(qū)的植被進(jìn)行監(jiān)控，結(jié)合多種傳感器上傳到數(shù)據(jù)庫的環(huán)境信息，智能判斷植物狀態(tài)以及需要的養(yǎng)護(hù)內(nèi)容，結(jié)合不同地區(qū)和級別的養(yǎng)護(hù)標(biāo)準(zhǔn)，將養(yǎng)護(hù)工作的內(nèi)容和時間智能排期，為園林管理者提供養(yǎng)護(hù)設(shè)計輔助。

2.2.3 植物美學(xué)

是利用植物各種美的形態(tài)，給人審美享受的屬性，包括形態(tài)美、色彩美、聲味美、動態(tài)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(xué)習(xí)進(jìn)行特征歸類記錄植物的特征和季相變化［10］，為園林設(shè)計師提供美學(xué)設(shè)計輔助。

3 研究方向與展望

利用大數(shù)據(jù)對園林行業(yè)進(jìn)行一體化整合，充分發(fā)揮行業(yè)平臺作用。大數(shù)據(jù)是時代發(fā)展的必然產(chǎn)物，恰當(dāng)?shù)姆治龊褪褂眠@些數(shù)據(jù)，可以使我們更及時準(zhǔn)確的做出決策，以優(yōu)化行業(yè)復(fù)雜系統(tǒng)的運行模式［11］。

3.1 園林商品大數(shù)據(jù)

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(yè)的商品數(shù)據(jù)綜合購物信用平臺，收錄全國園林行業(yè)的上游供應(yīng)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(shù)量、地點錄入后由相關(guān)供應(yīng)商競標(biāo)。提高行業(yè)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(shù)據(jù)

園林人力資源包括規(guī)劃師、設(shè)計師、養(yǎng)護(hù)師、園藝師、工匠、專家學(xué)者等。打造一個園林行業(yè)人力資源數(shù)據(jù)平臺，收錄行業(yè)內(nèi)的相關(guān)人員信息以及園林行業(yè)上下游企業(yè)人才需求信息，也為行業(yè)相關(guān)的自由職業(yè)者提供平臺上傳個人作品。提高企業(yè)和人才信息透明度，將園林人才和園林企業(yè)之間進(jìn)行充分雙選，讓人盡其才。

4 結(jié)語

在信息化快速發(fā)展的今天，園林這門自然與藝術(shù)相結(jié)合的學(xué)科，將在人民群眾對美好生活環(huán)境的需求中大放異彩，而大數(shù)據(jù)的采集和運用將帶領(lǐng)園林行業(yè)進(jìn)入新的科學(xué)發(fā)展階段。

參考文獻(xiàn)：

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

［2］秦萱.智慧園林規(guī)劃與建設(shè)背景下園林大數(shù)據(jù)發(fā)展的價值［J］.南方農(nóng)業(yè)，2021，15（21）：53-54.

［3］谷榮，戴其.基于園林大數(shù)據(jù)發(fā)展方向下的智慧園林規(guī)劃與建設(shè)［J］.現(xiàn)代國企研究，2017（2）：160.

［4］孫麗君.智慧園林規(guī)劃與建設(shè)背景下園林大數(shù)據(jù)的發(fā)展價值［J］.智慧農(nóng)業(yè)導(dǎo)刊，2022（15）：4-6.

［5］李方正，李雄，李婉儀，等.大數(shù)據(jù)時代位置服務(wù)數(shù)據(jù)在風(fēng)景園林中應(yīng)用研究［C］//.中國建筑工業(yè)出版社，2015：271-275.

［6］覃俊.基于大數(shù)據(jù)分析指導(dǎo)風(fēng)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(xué)大數(shù)據(jù)整合與公眾服務(wù)的iFlora云平臺建設(shè)［J］.大數(shù)據(jù)，2016，2（6）：34-42.

［8］彭鴻元，吳戀，鄭旭，等.基于深度學(xué)習(xí)的植物識別技術(shù)的發(fā)展［J］.電腦知識與技術(shù)，2018，14（19）：200-202.

［9］賈培義.大數(shù)據(jù)時代的風(fēng)景園林學(xué)［J］.風(fēng)景園林，2013（5）：150.

［10］趙晶，曹易.風(fēng)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(shù)據(jù)應(yīng)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。