当代风景园林研究密切关注共性心理与景观环境的交互关系,景观关注度成为景观心理描述与环境绩效的重要评价标准,是衡量景观环境对人的吸引力的重要指标,景观关注度研究推动了景观设计实践在物质空间上落实“景观—心理”关系。脑电分析技术作为景观关注度研究的重要途径,为风景园林学科研究认知行为与心理提供了新的思维模式与技术途径。本研究以脑电信号采集技术（EEG）为依托,结合风景园林“环境-耦合”机制与景观关注度相关研究进展,将景观因子对景观环境的关注度贡献率作为研究对象,采用主成分分析法构建景观关注度脑电数据主成分解析模型,利用全移动脑电数据采集分析系统与SPSS数据处理平台进行脑电数据量化解析工作。研究内容包括:（1）搭建虚拟仿真实验平台,以东南大学景观学系数字实验室为实验地点,实验采用曲面屏幕照片投射的方式创造沉浸式实验空间,建立EEG实验室,形成数据收集系统、刺激呈现系统和数据分析系统。（2）以南京市玄武湖公园为样本采集案例,通过图像要素识别技术对景观因子取样,采集各景观因子影响下脑电数据,建立变量观测体系并通过主成分分析法对原始景观因子整合筛选,通过算法设定与数据分析获取景观关注度主成分及其量化耦合关系。（3）以常州市新浮水库为实证研究,在实地环境中采集脑电信号并全面收集人的综合感知度,以此确定风景资源最优节点与景观关注度潜力较大的区域。将主成分解析理论模型应用于景观改造设计,充分考虑主成分景观关注度影响因子,展开设计成果的脑电回馈分析,验证理论模型的可行性。研究结果表明,色彩丰富度、空间集成度、水体形态变化度、材质多样性、群落丰富度和设施完整性对景观关注度的贡献率最为显著,其中色彩丰富度、空间集成度、水体形态变化度三项评价指标对景观关注度起主要作用,景观关注度与景观因子种类呈正相关关系。研究结果为景观心理量化描述与算法分析提供了一种基于脑电数据的景观关注度分析技术,也为相关领域纵深研究与实践应用提供了一种可参考、具备发展潜力的景观关注度专项解析技术。

景观要素是风景环境重要构成内容,多以绿化植被要素为基质,人工、自然景观要素高度复合,是数字化风景园林调研与分析、规划与设计等科研工作的基础内容。相关研究正在由感性走向理性,由定性发展至定量,由读图分析与认知发展至高精度、像素化影像分析与算法描述。运用新兴遥感影像解析技术精准研判地表景观要素,结合算法创新实现遥感影像数据的自动识别与精度提升,是当代数字景观遥感研究关注的问题。本研究以参数化风景园林耦合理论为依托,结合高分遥感影像、数据分析、智能图像识别技术研究进展,聚焦景观环境规划设计前期开发与深化设计中的景观要素数字化识别现实问题,利用eCognition遥感分析平台进行景观要素量化解析研究。研究结合溧阳松岭头茶文化园规划设计案例,基于资源3号卫星多光谱融合遥感影像数据,采用面向对象分类方法（OBIA）对影像进行解译试验,运用光谱异质性指数和NDVI指数等遥感影像解译指数构建地表景观要素分类特征,通过CART决策树等算法探索与创新,量化提取出乔木、灌木、地被、滩涂、建筑、道路、裸地、水体、茶园和竹林共10类地表景观要素信息,并对解析精度进行回归分析与量化评价,以期科学地呈现研究案例地表景观要素分布情况。论文同时结合地表景观要素分析结论,运用参数化规划设计方法深入解析,进行了溧阳松岭头茶文化园项目规划设计研究与实践,对相关技术的实践应用能力进行验证。本项研究为景观调研、分析、设计、评价提供了一种数字景观背景下,基于eCognition的风景环境地表景观要素高分遥感影像解析量化分析方法,形成了一种应对风景园林遥感研究与工程实践需求,具有高光谱、高精度、大尺度特点,且具有可借鉴、可发展潜力的遥感分析专项技术。

空间整合度是当代风景园林空间本体构成、耦合机制乃至空间效能的重要表征概念之一,相关研究已由“图式语言”发展至“量化描述”,Depthmap等建成环境空间解析技术已成为相关景观空间量化分析研究的关键技术途径。红色景观作为一种本土孕育,极具中国特色的纪念性景观类型,是革命事迹与爱国主义精神的空间载体,其空间构型通常伴随着强烈的空间层次与秩序,逻辑建构特性显著。红色景观空间建构规律有待结合整合度量化技术深入分析,发掘一种基于空间分析模型的科学方法与技术支持其纵深研究。论文以空间句法理论为基础,基于Depthmap句法软件平台建立了一种重点针对红色景观空间的量化解析模型。以拓扑意义上的轴线代表几何空间,选取当代红色景观中具有轴线式布局特点的实例作为研究对象,录入模型进行整合度量化分析,对所得全局整合度数据与局部整合度数据分别进行“K均值聚类法”与“移动平均法”的量化统计分析,获取红色景观空间整合度数据与图谱。最终对红色景观整体空间效能进行综合评价,并以马山烈士陵园为例进行了景观实证设计。在充分尊重场地现状条件的基础上,结合红色景观空间进程变化特征,对研究结论进行项目验证。研究结果表明,在整体景观中纪念性核心空间具有最强的空间渗透力和整合力,其对于周围关联的节点空间组织的影响范围通常在100~150m内,极值距离在约105m左右;其次在局部整合度分析方面,对红色景观纪念性核心空间进行单独提取,利用整合度量化描述核心空间中次级节点之间的关联度,反映空间序列进程的建构逻辑与演进机制,为纪念性空间的规划与设计提供相关思路与方法。本研究建立了一种基于Depthmap的景观空间整合度量化分析技术途径与技术,拓展了空间句法在景观空间研究中的使用,为红色景观空间关联度研究提供了数字化方法,探讨了红色景观空间构成与基本规律;将研究结果与马山烈士陵园实证设计相结合,进行了理论与实践的相结合的工程探索。研究为红色景观空间分析提供了一个客观理性的、具有纵深发展潜力的空间绩效评价体系,同时也为今后其他景观空间绩效研究提供了一种可参照的思路与方法。

The rapid expansion of cities brings in new challenges for the urban firefighting security, while the increasing fire frequency poses serious threats to the life, property, and safety of individuals living in cities. Firefighting in cities is a challenging task, and the optimal spatial arrangement of fire stations is critical to firefighting security. However, existing researches lack any consideration of the negative effects of the spatial randomness of fire outbreaks and delayed response time due to traffic jams upon the site selection. Based on the set cover location model integrated with the spatiotemporal big data, this paper combines the fire outbreak point with the traffic situation. The presented site selection strategy manages to ensure the arrival of the firefighting task force at random simulated fire outbreak points within the required time, under the constraints of the actual city planning and traffic situation. Taking Nanjing city as an example, this paper collects multi-source big data for the comprehensive analysis, including the full data of the fire outbreak history from June 2014 to June 2018, the traffic jam data based on the Amap, and the investigation data of the firefighting facilities in Nanjing. The regularity behind fire outbreaks is analyzed, the factors related to fire risks are identified, and the risk score is calculated. The previous fire outbreak points are put through the clustering analysis, the spatial distribution probability at points in each cluster is calculated according to the clustering score, and the random fire outbreak points are generated via the Monte Carlo simulation. Meanwhile, the objective emergency response time is set as five minutes. The average vehicle speed for each road in the urban area is calculated, and the actual traffic network model is built to compute the travel time from massive randomly-distributed simulated fire points. The problem is solved by making the travel time for all simulated demand points below five minutes. At last, the site selection result based on our model is adjusted and validated, according to the planned land use. The presented method incorporates the view of the spatiotemporal big data and provides a new idea and technical method for the modification and efficiency improvement of the fire station site selection model, contributing to a service cover ratio increase from 58% to 90%.