校园空间尺度研究（精选七篇）
校园空间尺度研究 篇1
——伊塔洛·卡尔维诺
1. 人尺度的空间情境
情,即情感,指在一定物质环境下,人特定的生活方式、规律及相应产生的情绪。境,指为人的生活而设计或组织的物质环境。城市的发展面临着效率与人性的双重问题,在速度引导的时代背景下,片面追求“快、大、密”的城市发展,造成了人尺度的丢失。忽视了人尺度的城市公共空间是无法有全面良好的空间情境表达的。人在这样缺乏自身尺度关注的城市空间中,行为与心理都是很不适的。
布鲁诺·赛维在《现代建筑语言》中谈到,“尽管我们可能忽视空间,空间却影响着我们,并控制着我们的精神活动,我们从建筑中获得的美感大部分是从空间中产生出来的。”空间情境的塑造,即主观层面与客观层面的相互作用,是需要在一定的尺度范围内才能够清晰体现的。行为心理学的研究指出,超出人行为范围感知的空间,由于客体环境无法直接作用主观层面,其建构的情境更多是以空间意象的方式传递,是建立在人对信息、图像以及过往经验的回忆与参考上。(图1)相比与凯文·林奇《城市意象》中提到的环境的“意象”(image),和诺伯格·舒尔茨的场所精神,空间的情境(situation)可以看作是意象“可读性”的深入,同时也是对场所更人本主义的阐述。意象侧重人的心理感受,场所侧重空间的营造,而客体与主体的相互作用,正是产生了情境。“城市的具有高度连续的形态,由许多各具特色的部分相互清晰连接,能够逐渐被了解。” [1]因而, 只有在人尺度可感知、可体会的情境表达的基础上, 才能营造出“有情有境、情境交融”的城市公共空间。
2.城市公共空间的情境表达
狭义的“城市公共空间”通常指“供城市居民日常生活和社会生活公共使用的室外空间,它包括街道、广场、居住区户外场地、公园、体育场地等。”[2]城市公共空间本身界定为城市或城市群中,在建筑实体之间所存在着的开放空间体。结合图-底关系分析方法,将其划按尺度划分为:点状的节点空间、线形的街道空间、面域的广场空间。(图2)
2.1面状公共空间—广场
在城市设计宏观尺度下,广场是往往作为城市的公共空间节点存在。但在人的空间体验来看,面域的广场空间是公共空间情境表达的重要环节。而在现代都市生活中,设计者往往提出“着力打造”的口号,但由于车行交通便捷地串联着各种城市广场,其面域的情境感受正逐步被弱化成点状的目的地。这也导致了原本鲜明的生活情境模糊化。
凯文·林奇在《场地规划》中把25m左右(看清面部表情的最大距离)的空间尺度作为城市环境中最舒适的尺度,他还指出,超过110m的空间尺度(人观看活动的最大距离)在良好的城市空间中是罕见的。良好的广场空间强调面域的场所体验,其空间形态应该通过界面围合、标志物设置以及铺装细部等方式加强其空间特色,以避免感受的模糊化。例如,巴黎的城市广场在人尺度与城市的融合上堪称典范,从凯旋门的星形广场到协和广场等,都有来自城市尺度的考虑,有与整个城市相协调的“大”尺度,与运动中人的视觉相适应的形象,也有来自对步行者的关照。埃菲尔铁塔下的环境就十分宜人,在巨大尺度旁仍设有小水池、林地、小活动场等。(图3)
城市广场是各种活动与事件的聚散地,可作为节庆活动的大舞台, 是城市人文活动情境表达的公共平台。休闲座位的设置、广场中心雕塑布局都对广场空间情境的表达起到重要作用,这些也都是针对“人”这一尺度的思考。
2.2线状公共空间—街道
“街道为我们提供城市生活所必需的交通自由,街道创造并展现了城市,但因为忙于应对交通,他的其他功能已经被忽略了。”[3]。线性道路空间本质是交通,但还应该具有更多的功能。与面状的广场相比,街道作为联系各部分的线性要素,其空间情境通过人的行走被感知。情境化的街道空间往往表现良好的空间节奏感。街道空间形态的纵向节奏依靠人在街道中的主要活动方向,通过街道的长宽比的变化来获得,体现出运动感。横向节奏则依靠人在街道中的次要活动方向,借助建筑物、树木等的高度来完成,体现静止感。设计者可以通过边界、建筑立面、墙体细节来对加以控制,实现有序的变化,框住人们的视线及视野范围,暗示人们的行为。
作为观察城市的路线,街道是公共空间人视角表达的重要串联面域与点空间的要素。不同于面域空间能够承载大规模社会性活动,街道空间活动一般规模较小。“人们游走在城市路网中,游览这座城市,同时将其他的环境因素加以整理,建立起相互的关系,形成人们心中的城市意象。”[4]纽约百老汇的改建中,设计师在地面铺装上设计了舞步地砖(dance steps),走在这里的人们争相去踩踏这些舞蹈的步调,试图体会昔日百老汇的风采。这种可参与性空间设计的手法,创造了趣味的空间情境。不同功能不同时期其街道空间情境或许各异,但只有针对人群在街道活动行为的多样性与可参与性的特点进行设计,才创造良好的街道空间情境。
2.3点状公共空间
点状城市空间包括以下两种:一是随着城市发展,越来越多的公共化的建筑室内空间,尤其体现在城市综合体与山地建筑上;二是在城市街头巷尾、墙角、“丁”字路口处,建筑道路之间非刻意设计的边角空间。这些点状空间形态界定没有之前线、面空间明确,但最接近人活动与行为尺度,常常是城市生活的真实写照,同时通过活动的策划与形态的改造,可以成为城市生活中一幕幕难忘的情境,是城市公共空间情境的最细致的表现。
1 | 环境圈层图(图片来源:杨贵庆,《城市社会心理学》,同济出版社,2000,P60)
2 | 锡耶纳坎波广场图底分析—城市公共空间划分( 图片来源:自绘)
3 | 巴黎城市广场的情境表达(图片来源:www.nicpic.com)
4 | 纽约曼哈顿佩利公园(图片来源:《城市公园设计》 艾伦·泰)
公共化建筑空间
建筑单体通过城市空间的内化、城市要素的引用以及建筑空间的外延,与所处基地的相邻城市环境发生关系,虽在城市空间体系中呈独立节点式分布,却借助城市空间公共化执行城市功能,引导人的行为,形成特色的建筑城市空间情境。通过对建筑局部或整体功能空间的城市公共化处理,为城市创造出新的且有机的公共空间,不但在数量上弥补了城市交往及活动场所的不足,还在满足了娱乐、交往、休憩的功能要求同时,符合了建筑本身的商业等功能,为市民日常休闲游憩提供了更多的选择模式。
“遗落”的边角空间
边角空间是现代城市中普遍存在的一种空间形态,可能因为人活动的偶然聚集形成固定场所,亦可能被遗落。在分布上多处于空间的边缘,如台阶、围栏、树荫下、交叉口等。但结合一些既有要素具有一定的私密性,不易受到交通和行人的干扰,不归属于任何具体的所有者,因此容易产生聚集行为。通过再设计和更新策略,边角空间往往能作为“口袋公园”与“袋形广场”,重塑公共空间情境。其行为活动起于自发性活动,如打盹、遛狗、晒太阳等行为,而细微的自发性行为会诱发更复杂的社会性活动,例如,纽约曼哈顿佩利公园占地仅390平方米,是典型的袖珍城市公园,位于市中心的必经之路。松散种植的皂荚树延伸到人行道,形成轻松的气氛,成为了曼哈顿匆忙工作的白领们的休憩场所。(图4)
4.结语
商业街空间尺度设计分析 篇2
商业街的主要特点是因商业店铺的集中而形成了室外购物、休闲、餐饮等功能的空间。基于商业街的店铺特色，决定了其设计的核心就是让空间适用。一般商业街宽度都控制在20米以内。又考虑到车行对人流的影响，利用竖向高差的变化将其划分成两个不同的空间。弯曲的街，使步行变得更加有趣，且会减少风力干扰。变换的街道空间，小型广场的穿插使步行的心理距离变短了。人在步行时都爱走近道，所以提供便捷的路线是游线设计的重要原则之一。
商业街的理想气氛应该是使人觉得亲切、放松、平易近人、有人情味，使人有愉悦的消费心情，而不是单纯的行走空间，人们在其中流连的过程本身也是一种体验和休闲！所以购物者所关注的纵向范围主要集中在建筑一层。对一层以上的范围几乎是“视而不见”。而横向关注范围一般也就在10米——20米之间，而超过20米宽的商业街，行人很可能只关注街道一侧的店铺，不会在超20米宽的范围内“之”字前行。商业街的长度不能太长，超过600米，消费者就可能产生疲劳、厌倦的感觉。
人类学家霍尔于1966年在《潜在尺度》（The Hidden Dimension）一书中，提出了美国白人中年男子的四个级别的空间距离：
A．亲密距离（约0.15～0.45m）。在这种距离内可进行爱抚、格斗、安慰、保护等行为动作的发生；
B．个人距离（约0.45～1.2m）。在这种距离内能看清对方表情等，可获取交流信息；
C．社会距离（约1.20～3.60m）。在这种距离内有社会交往的意向；
D．公共距离（约3.60～7.50m）。在这种距离内人们行同陌路。
现代研究认为，人体视野水平方向约180°，垂直方向约120°，其中视平线上方55°，下方65°。正常人的视力范围要比视野小一些，视力范围是要求能迅速地看清目标细节的范围，一般把视野分为三个主要视力范围区：
A．中心视力范围（直视区），视角1.5°到3°，该区域内的物体视觉效果最清晰；
B．瞬间视力范围，视角18°，特点是通过眼球的转动，在有限的时间内就能获得该区域内物体的清晰形象；
C．有效视力范围，视角30°，特点是利用头部和眼球的转动，在该区域内注视物体时，必须集中注意力方有足够的清晰视觉。
人站在竖高的物体旁边会有意无意地向上看，去寻找它的轮廓，如果过于高耸，找不到它的边缘，他就会感到迷茫、无所适从、压抑、不安全，所以，在一定的距离内，必然有一个适宜的高度不致于使人产生这种感觉。在上述视力范围内确定的建筑高度无疑是最人性的：方便、轻松，但在商业街这样特别金贵的地方显然是很不经济的。
现在以“公共距离”W＝3.60～7.50m为基本宽度，来确定最大适宜建筑高度H＝h＋W/2.tga，其中h为人眼的高度，这里取较高人体地区男子正立时眼的高度1.57m另加鞋厚度0.02m为1.59m；a为仰视角，为求得建筑主要视力范围内的最大高度，这里取为30°；W取为7.50m, W/2表示人走在中间的宽带区内。可知，H＝3.76m，这也就是一层房的高度。
如果考虑到区位的经济因素，那么视平线上方a＝55°是最大的仰视角，由此确定的视野内最大经济建筑高度为H＝h＋W/2.tg55°，即H＝6.95m，这也就是二层楼的高度。
校园空间尺度研究 篇3
[摘要]西方学者在对全球城市、世界城市网络及巨型城市区域的研究中，提出利用高端生产者服务业的空间分布来研究城市群体区域空间联系格局的理论和方法。立足生产者服务业布局数据，根据咨询管理、会计、律师、保险、银行、物流等六个高端生产者服务业的公司及分支机构在山东省沿海城市带9个城市和73个区（县）级空间单元的业务联系建寺量化矩阵，研究山东沿海城市带区域空间联系格局的特征。研究表明，在城市和功能区尺度上，山东沿海城市带区域空间联系格局具有层级性、尺度敏感性、跳跃性、距离衰减性、方向性、选择性和双中心空间格局特征；在不同行业上，高端生产者服务企业构筑了特征各异的联系网络格局。这—研究对于解析城市群体区域空间联系内在机理有着重大意义。
[关键词城市群体区域；多尺度；高端生产者服务业；空间联系格局；山东沿海城市带
[中图分类号] F129.9 [文献标识码]A [文章编号]1671-8372（2015）04-0001-06
一、引言
20世纪90年代，美国著名社会学家Sassen（1991）提冉了关于世界城市是生产者服务企业（尤其是金融业）重要聚集地和重要市场的假设，在此基础之上，英国著名城市研究学者Taylor（2004）指导下的“全球化与世界城市”网络研究小组（GJaWC）基于“中心流动理论”和关系型数据的创造，详细阐述了世界城市网络的理论与分析方法，并且进行了大量世界城市联系的实证研究。Hall和Pain（2006）应用了GJaWC的城市联系分析方法，剖析了欧洲八个巨型城市区域的内部联系，产生了巨大的学术影响和政策影响。其中，以高端生产者服务业（Advanced Producer Service，下文简称APS）为基本数据指标的城市网络研究方法被广泛应用，APS开始成为解释城市间联系的有效工具，其研究方法不断走向成熟。中国学者基于APS对城市网络结构进行的研究也在日益推进。较早见于郑红伯（2005）实证性地推演了全球城市网络的计算过程和结果；张晓明和汪淳（2008）从网络性、功能性、多中心性三个角度分析了长三角巨型城市的城镇分布格局；唐子来和赵渺希（2010）采取关联网络和价值区段的分析方法，以地域间企业分支机构数据为基础，探讨了长三角区域多中心化的城市体系演化趋势；尹俊等（2011）通过金融服务业企业的布局对中国城市网络进行了定量分析；谭一洺等（2011）基于服务值、连通性和网络性研究了成渝地区城市网络体系结构及其特征；路旭等（2012）基于国际APS布局信息对珠三角城市网络格局以及世界城市对珠三角城市群发展的影响进行了实证研究；赵渺希等（2014）基于跨年度总部一分支机构企业数据，从生产性服务业、一般服务业、制造业等三个产业部类度量城市间的功能联系变化，并运用复杂网络方法分析了京津冀城市群空间网络的连接效率、出入点度、规模匹配性；王娟等（2015）基于国际酒店集团布局对中国城市网络连接度进行了研究；邹小华等（2015）基于律师事务所的空间分布格局对中国城市体系进行了等级化、网络化和区域化的研究。
此外，学者们还通过交通网络联系定量化地测度城市群体区域内部空间联系的基本格局。比如，罗震东（2010）利用长三角高速铁路（动车组）每日的发车班次作为商务旅行交通流的替代数据，定量测度并比较长三角的功能多中心强度；罗震东等（2011）以城市间客运交通流的替代数据，从联系强度和节点关系两个方面对长三角城市区域功能多中心结构的特征及演变趋势进行解析；陈伟劲等（2013）利用长途客运交通流，分析了珠三角城际功能联系的空间格局；蔡莉丽等（2013）运用社会网络测度方法对珠三角功能多中心性进行定量测度与比较分析；冯长春等（2014）基于城际轨道交通流，对珠三角的功能多中心性进行探讨，发现珠三角地区具有较高的功能多中心性，功能多中心度进入离心发展阶段。此外，还可以用航空乘客流、铁路（地铁）乘客流、港口货物流以及基于大数据的电信流（手机，宽带等）等进行分析，但因数据获取难度较大，相关研究正在渐次展开。
总之，国内学者借助于单个或多个APS行业企业布局信息来探讨城市群体区域内部构成的方法已较为通行，实证地域主要基于全国性或区域性尺度，聚焦于城市群体区域的总体格局及其内部联系。本文借鉴世界城市网络的研究经验，采用APS公司办公网络分布数据，以城市服务值和连通性为衡量指数，分析山东沿海城市带区域空间联系格局的多尺度空间特征，为探讨区域空间形态与区域协调发展提供新的视角。
二、研究设计
从APS视角人手分析城市群体区域的方法主要是通过测度APS公司在各空间分析单元（即功能性城市区，Functional Urhan Region，简称FUR）中的分支机构等级规模，建立其在各FUR间的等级联系网络，反映该城市在此APS公司联系中的地位。将多个APS公司耦合起来统一考虑，以得出基于APS公司的城市群体区域空间联系格局，以此来反映城市与城市之间的功能分工、信息传递等空间联系。这种通过将城市作为网络中节点来研究的方法的优势是易于获取数据，用办公机构的地理分布来印证城市之间是否存在持续性的功能互动，即使在不能准确获得公司业务量数据的情况下，也可以揭示出城市之间功能联系的强度和基本格局。该方法的关键在于将APS公司的空间分布信息转化为城市间的连通关系。
（一）研究区域与研究单元
本文研究区域为山东沿海城市带，包括山东省的青岛、烟台、潍坊、威海、东营、滨州、日照、淄博和济南等9个城市，以及该区域范围内73个县（市、区）空间单元（即FUR）。
（二）研究对象选择
本文通过测量APS公司的地址信息及业务联系来分析城镇网络空间结构。APS是广义中介经济的一部分，主要组成部分包括保险、银行、金融服务、房地产、法律服务、会计和专业协会等。本文选择在山东沿海城市带设有总部或分支机构的咨询管理公司、银行、会计事务所、保险公司、物流公司、律师事务所等六个行业的60家APS公司作为研究对象。通过访问APS公司的网站获取其分支机构的分布地点和规模信息，并基于此种信息收集方式进行企业选择。在研究区各城市中设有两个以上（含两个）分支机构的，纳入研究对象名单中。共选取了10所银行、10家会计师事务所、10家保险公司、10家律师事务所、10家物流公司和10家咨询管理公司，共计60家APS公司。在对公司进行择取后，进一步对已选取公司在各个城市的分支机构等级和规模进行量化，获取服务值信息。最终，全部FUR中的APS公司服务值数据可以量化为一个73个FUR×60家公司的矩阵。
（三）连通度分析方法
借鉴世界城市网络研究的计算方法，将企业地址信息转化为m个APS公司在n个城市分布的数据库，然后将世界城市网络量化定义为一个关于V的矩阵X，Vij是这个矩阵X的初始数据，表示公司j在城市i提供的“业务量”。在本研究中，采用公司j在城市i的办公室数量和规模（包括总部与分公司）来衡量Vij。主要包括以下4个指标：
公司j在城市a与城市h之间的连通值Rab，j
Rab，j=Vaj·Vbj （j=1，2，…m）
（1）
城市a与城市h之间的总体连通值Rab
Rab=∑Rab，j （j=1，2，…m）
（2）
城市a在网络中的总体连通值Na（每个城市都连接n-1个城市）
Na=∑Rai （i=1，2，…n；且i≠a）
（3）
城市a在网络中的连通度La
La=（N/∑Ni）（i=1，2，-n）
（4）
（四）研究单元的量化赋值
参考国内外相关文献，将各空间分析单元分支机构的等级规模量化赋值为0～4之间的整数，即服务值。其中，0表示该APS公司未在此FUR设立分支机构；1表示分支机构规模明显偏小或需要依赖其他FUR分支机构才能实现其功能；2表示一般分支机构的功能；3表示分支机构为区域性总部或规模数倍于其他一般分支机构；4表示该公司的总部设在此地。这样的量化方法只需在取值1和2之间、2和3之间进行判别，可以最大限度避免主观判断的误差。
三、山东沿海城市带区域空间联系格局的特征
对APS企业网络的分析包括两个方面：单一城市研究单元的连通度分析和城市研究单元之间的连通度分析，从“点”和“线”两个角度归纳网络的基本特征。通过划分各城镇研究单元的连通度等级，分析城市空间联系格局的连通度特征。主要结论如下：
（一）山东沿海城市带区域空间联系格局具有明显的层级性和尺度敏感性特征
通过对各区域服务值、城镇节点连通度、城市连通度这些量的数据的分析，研究发现，在城市尺度和功能区尺度上，山东沿海城市带区域空间联系均有着明显的层级性。
首先，在城市尺度上，各城市之间的区域空间联系格局的层级分布较为明显。山东沿海城市带区域空间联系格局呈现出如下特征（见图1）：（1）可以划分为三个层级，各层级之间的等级分布特征较为明显；（2）呈现出济南一青岛双中心的空间联系结构特征；（3）中心城市及其周边地区呈现出核心一边缘式空间分异结构特征。山东沿海城市带区域空间联系格局的中心节点在东部地区比较集中，在其他地区较为分散，主要围绕青岛与济南两个节点扩展。淄博、东营和潍坊位于青岛和济南之间，而烟台紧邻青岛。第三等级包括威海、日照和滨州，这3个城市位于青岛沿海城市带的最西端、最南端和最北端。从空间分布来看，山东沿海城市带第一与第二等级城市服务值较大且差距较小，集中在山东沿海城市带中西部地区且连接成片；在鲁东威海、鲁南日照和鲁北滨州FUR服务值较小，差异不明显。因此山东沿海城市带各城市服务值分级现象明显，地理位置及行政重心导致的地理空间差异明显，围绕青岛市与济南市向外扩展，边缘地区缺乏次高等级的点来带动周边城市的发展。
其次，在功能区尺度上，各空间单元连通度具有显著的层级特征。山东沿海城市带区域空间联系格局呈现出如下层级发展特征（见图2）：（1）各功能性城市区（FUR）组合形成多中心体系化的空间结构；（2）各FUR存在集中成片发展的态势；（3）以中心城区为核心的圈层一漫溢式空间分异结构。9个城市连通度最高的城镇节点均是该城市行政中心。城市中心区有良好的交通条件和服务设施优势，容易吸引APS公司集聚。
山东沿海城市带各功能性城市区的连通度具有显著的层级特征：青岛市南区和济南历下区属于最高层级，是山东省城市网络的中心节点，集中了较多数量和类型的高端生产者服务业公司，服务网络较为健全。烟台芝罘区、济南市市中区、淄博张店区、东营东营区共4个内陆市辖区的FUR处于次高等级，属于次中心节点，集中了一定数量、多种类型的高端生产者服务业公司。荣成市、即墨市、诸城市、东港区等部分县市以及龙口区、崂山区、福山区等部分市辖区共23个FUR属于第三等级，集中了类型和数量相对较多的生产者服务业，其中主要是银行业和保险以及物流分公司。环翠区、黄岛区、奎文区、市北区、历城区等5个FUR处于第四等级，生产者服务业的类型和数量偏少，仅有保险公司和银行的低等级分支机构的分布。文登区、昌邑区、蓬莱区、河口区、莱西市、邹平县、长清区、博山区、莒县等39个FUR属于第五等级。这些FUR中的县市大部分位于鲁西地区，位于内陆，比较闭塞，导致连通度较低，而少量的市辖区连通度低的原因是其周围的其他市辖区连通度较高，取代了该地区的部分服务功能，例如潍坊奎文区连通度很高，导致其周围的坊子区、寒亭区与潍城区连通度处于较低等级。
其中，日照岚山区、烟台长岛县和滨州无棣县连通度等值最低，与其他区域差异明显，究其原因，主要是由其地理位置决定的。长岛县位于烟台北部的一个海岛上，与其他地区联系不便，导致其连通度很低。岚山区与无棣县因位于研究区边缘，与研究区内部地区关系松弛，其连通度在本研究区内最低。总体来看，山东省的各个县市区均分布有APS公司，服务网络已相对较为健全，但是区域差异明显，尤其是鲁西部分县市区连通度较低，与服务值分布相比，连通度缩小了区域差异。.
（二）山东沿海城市带区域空间联系格局具有双核心特征
校园空间尺度研究 篇4
关键词：生境选择,微生境,宏生境,家域,空间尺度
1 引言
生境 (habitat) 一词是由美国的Grinnel J (1917) [1]首先提出, 其定义是生物的个体、种群或群落生活地域的环境, 包括必需的生存条件和其他对生物起作用的生态因素, 是动物生存和繁衍的重要场所, 为动物提供资源和交配的场所 (Reunanen, Monkkonen, Nikula, 2002) [2]。生境选择 (habitat selection) 是指某一动物或种群为了某一生存目的 (如觅食、迁移、繁殖或逃避敌害等) , 在可达的生境 (非生物和生物环境) 之间寻找一项对适宜生境的过程 (Krausman, 1999) [3]。也就是说野生动物通过对生境中生境要素与生境结构作出反应, 以确定它们的适宜生境。生境选择是行为响应的过程, 即动物为了生存及其适合度而对生境不成比例的利用过程 (Block&Brennan, 1993) [4]。生境选择是一个非常复杂的过程, 包括多层次的判别和一系列的等级序位, 可以发生在多个水平或尺度上。与生境选择相关的另外两个概念是生境偏爱性与生境利用。生境偏爱性是指某一动物个体或种群对某一生境的选择程度超过其他类型的生境, 并不考虑这种生境是否在其活动范围内存在或者能否达到该生境 (尚玉昌, 1998) [5]。生境利用是指某一动物个体或种群占据某一生境, 是阐述动物个体在不同生境类型中的实际分布 (Hutto, 1985) [6], 是动物个体或群体对某一生境不含任何偏好的占有。生境利用可以通过比较分析动物对某种生境的利用程度与其利用性来确定动物对生境的选择性, 是生境选择过程的最终结果 (Jones, 2001) [7], 二者通常都不严格地进行区分 (Hall, Krausman, Morrison, 1997) [8]。
生境选择是一个相对较为复杂的过程, 可以发生在多个水平或尺度上, 包括多级别的判别和系列的等级序位, 对野生动物生境选择规律的探索、揭示, 主要依赖于研究人员对生境研究尺度的选择和应用 (张明海和李言阔, 2005) [9]。Johnson (1980) [10]认为, 动物对生境的选择包括4个自然等级。第一等级的选择是自然选择或称作一个种的地理分布区;第二等级的选择是地理分布区内某一个体或社群的家域;第三级选择是在家域范围内动物所选择使用的不同生境类型;第四级选择是第三级选择确定的取食点中所能提供的实际环境条件。实际上, 在这四个生境选择尺度中, 通常前两个选择尺度被称作宏生境 (macrohabitat) , 后两个选择尺度被称作微生境 (microhabitat) 。而李宁在空间尺度上将生境选择研究划分为微生境、宏生境和家域 (home range) 等 (李宁, 2009) [11]。动物的生境选择是生态学的核心问题, 是物种协同进化的主动力 (Pettorelli&Durant, 2007) [12], 影响着动物的生存与繁衍 (张明海和萧前柱, 1990) [13];因此, 野生动物生境选择的研究意义重大, 是开展珍稀濒危物种保护及生物多样性保护的基础。对于以野生动物生境为主题开展的研究, 不仅可以掌握动物的与生态环境的关系, 也可以更好的了解掌握濒危野生动物对生存环境的适应机制。因此, 笔者结合对生境的研究和大批量文献的积累, 从时间和空间两个尺度上综述了近几十年陆生野生动物生境选择研究的一些概况, 以期对我国该项研究领域提供借鉴和参考。
2 微生境尺度研究
吴华等 (2000, 2001, 2002) [14~16]采用主成分分析和判别分析来解释羚牛 (Budorcas taxicolor) 、斑羚 (Naemorhedus goral) 和鬣羚 (Capricornis sumatraensis) 春冬季对生境的选择, 并探讨了其春冬季生境分离的机理。认为三者在生境选择上有部分重叠, 但是其对生境的利用方式均有显著的差异。海拔高低、食物丰富度高低、灌木大小、离灌木距离是影响三者生境分离主要因子。龚明昊和胡锦矗 (2003) [17]报道了四川西北部高原藏狐 (Vulpes ferrilata) 的夏季微生境选择特征, 藏狐偏好选择30~50cm的灌木丛、草丛、中坡位、坡度为20°~30°、远离人为活动干扰的区域活动, 食物丰富度和水源分布对藏狐的微生境选择影响不显著。鲁庆彬等 (2003, 2004) [18,19]报道了影响藏原羚 (Procapara picticaudata) 取食生境选择的主要因子为植物营养度、干扰度、水源。王秀磊 (2004) [20]研究后发现影响普氏原羚 (Procapra przewalskii) 生境的主要因素为食物丰富度、坡度、隐蔽地、人类活动。刘国库等 (2010) [21]发现矮岩羊 (Bovidae schaeferi) 对生境的利用具有选择性, 影响矮岩羊生境选择行为的主要因子为草因子、灌木因子、坡度、活动基底、水源和安全性。骆颖等 (2010) [22]针对发情季节岩羊 (Pseudois nayaur) 和马鹿 (Cervus elaphus) 生境选择进行研究, 发现二者在生态因子选择上存在极显著差异, 乔木高度存在显著差异, 而其余生态因子无显著差异, 海拔高低及灌木密度、植被盖度、坡度是影响分布季节性差异的主要原因。高惠 (2013) [23]报道影响岩羊分布的最主要环境因子为坡度、海拔、矿区、道路和水源。矿区和道路是对岩羊分布影响最大的两个人为干扰因子。艾尼瓦尔·吐米尔和马合木提·哈力克 (2009) [24]研究后发现马鹿对植被类型、优势乔木、坡向、坡位四种生态因子有选择性。影响塔里木马鹿生境选择的主要因素依次为人为干扰、植被类型和距水源距离。食物、隐蔽条件是影响马鹿冬季取食和卧息生境选择的主要因素。郭建等 (2001) [25]研究发现林麝 (Moschus berezovskii) 趋向活动于竹子密度较小、郁闭度为0.5~0.75、东南坡、海拔约3400~3550m的竹林边缘活动, 对坡度的选择没有表现出明显的差异, 人类活动的影响使适宜林麝生存活动的面积减小。杨萃等 (2011) [26]和王向伟 (2012) [27]分别针对春夏季和冬季马麝 (Moschus sifanicus) 生境选择的影响因子进行研究, 结果发现三个季节主导因子略有差异, 主要限制因子为水源因子、坡度因子、开阔度因子、地表因子和干扰因子。周玲玲 (2005) [28]研究认为原麝 (Moschus moschiferus) 生境具有海拔高、郁闭度小、食物丰富和坡度陡等特征, 食物因子和地表因子分别为原麝夏冬季生境选择的首要影响因子。张冬冬等 (2014) [29]以国内外有关原麝生境选择的有关资料为参考, 对植被类型、食物、水源、人为干扰、气候五类主要影响原麝生境选择的生态因子加以分析, 探讨原麝生境选择的生态机制。邹师杰 (2012) [30]研究发现影响糜鹿 (Elaphurus davidianus) 卧息地微生境选择的决定性因子是食物因子、温度因子、人为干扰因子。王晓彬 (2006) [31]和沈才智、贾竞波 (2006) [32]研究认为海拔高度在500~700m的区域和阔叶混交林为驼鹿 (Alces alces) 的优良生境, 是驼鹿活动最频繁的区域;距离居民区12.9-14.5km和8.1~9.7km的范围是驼鹿的适宜生境。影响冬季驼鹿分布的主要因子是隐蔽程度和坡位, 且以落叶阔叶林、灌丛为主要生境。王丽冰等 (2010a, 2010b) [33,34]通过研究坡鹿 (Cervus eldii) 的生境选择类型及制约因子, 结果发现野放海南坡鹿主要活动于草地和次生热带雨林, 选择郁闭度和灌木盖度较低、草本盖度高、半阴半阳坡、下坡位、坡度平缓、海拔≤300m、水源距离≤200m以及人为干扰>5000m的生境。李石华等 (2006, 2007) [35,36]研究发现影响羚牛生境选择的主要生态因子是植被、人类干扰和坡度, 其次是距农业用地距离、距主要公路距离、水源和隐蔽条件, 坡向和植被型对羚牛生境选择的影响不明显。而另一种动物黑熊 (Selenarctos thibetanus) 其生境选择的主要因子是食物丰富度因子、干扰因子、地形因子、气候因子、海拔因子、隐蔽因子和植被因子 (战如亮, 2010;陈洋, 2010;齐增湘等, 2011;原宝东, 2011) [37~40]。顾志宏 (2007) [41]、刘广超 (2007) [42]和唐诚 (2014) [43]分别针对川金丝猴 (Rhinopithecus roxellanae) 生境进行研究, 结果发现其对食物有明显的选择性, 所取食植物的种类和取食部位随季节的变化而变化。主要影响因子包括海拔、坡度、坡向、郁闭度、乔木平均高度、灌木盖度、食物丰富度、距道路距离、距水源距离。杨海龙等 (2010) [44]发现中山常绿、落叶阔叶混交林和低山常绿阔叶林是黔金丝猴 (Rhinopithecus brelichi) 主要选择的植被类型。张泽钧等 (2007) [45]和韩宗先等 (2004) [46]及朱印酒 (2005) [47]对大熊猫 (Ailuropoda melanoleuca) 和小熊猫 (Ailurus fulgens) 生境选择进行研究, 发现同域分布的大、小熊猫具有明显不同的生境利用模式, 是其同域分布长期共存的原因之一。大熊猫取食微生境选择研究表明 (赵德怀, 2006;王笑坤等, 2008, 2009;刘雪华和金学林, 2008;张琼, 2009;滕继荣等, 2010;康东伟等, 2011;王芸和赵鹏祥, 2012;金学林, 2012) [48~56]影响大熊猫适宜生境选择主要因子是食物因子 (竹子生长状况、海拔、竹种盖度、竹子生长类型) 、植被因子 (食物丰富度、与最近乔木、灌木距离等) 、地理特征因子 (海拔、坡形、生境类型、坡位、坡向、坡度) 、隐蔽条件因子 (植被高度、盖度和密度等) 、干扰因子等, 水源对大熊猫活动的影响不显著。在不同的保护区内, 大熊猫对生境的选择具有一定的差异, 且不同因子造成的差异不同。邹业爱 (2010) [57]对影响狼 (Canis lupus) 冬季生境选择的因子进行研究, 结果表明植被高度、植被类型和隐蔽级为主要因子。次要因子为距围栏距离、雪深、距水源距离、生境类型、距牧场距离、食物丰富度和距居民点距离。徐峰等 (2006) [58]研究发现雪豹 (Uncia uncia) 对海拔、地形、植被类型、生境平坦度和坡向存在选择性, 影响雪豹生境选择的主要因素依次为放牧状况、植被类型、地形和生境平坦度。李颖 (2011) [59]研究后发现影响东北虎 (Panthera tigris altaica) 生境选择的主要因子是阔叶林及与水系的距离。吴娱等 (2014) [60]针对同域分布的藏野驴 (Equus kiang) 和野牦牛生境选择类型及其影响因子进行研究, 发现两者存在生境显著分离。植被类型、植被盖度、坡度、海拔、土壤pH是影响二者生境选择的主要因子。
3 宏生境尺度研究
相对于微生境来讲, 宏生境是指由同科或同属的其它种类动物共同占据的大块生境, 动物在不同的生境类型之间进行选择。在该尺度上, 对四川梅花鹿 (Cervusnippon sichuanicus) 动物的生境选择结果研究表明, 影响动物分布的因子多为海拔、地貌和植被类型等 (李宁, 2009) [11]。Migmar Wangdwei和Joseph L Fox (2008) [61]发现藏羚和藏原羚对低海拔、相对平地、针茅—非禾本科群落以及北坡的资源选择具有相似性, 但对低海拔苔草平地具有强烈的避开。随后, 这一观点即得到了证实。李晓晓 (2011) [62]报道影响藏羚和藏原羚生境选择的主要因子以此为线杆距离和铁路距离、地形和地表类型、水源距离和植被盖度、公路距离、优势植被。张博 (2010) [63]通过对达赉湖地区蒙原羚 (Procapra gutturosa) 潜在生境和实际生境中的适宜生境和中度适宜生境面积占总面积比例进行研究后发现, 二者存在差异, 尤其是在不适宜生境面积方面。且在人为干扰影响下, 适宜生境、中度适宜生境、一般适宜生境面积均减少, 不适宜生境面积均增加。吴鹏举和张恩迪 (2004) [64]针对鬣羚春夏冬季的生境利用林型进行研究后发现, 鬣羚冬季主要选择箭竹—针叶林型, 到春季向下迁移, 对针阔混交的选择性最大, 而夏季向上迁移, 利用范围扩大, 选择类型包括针阔混交林、箭竹—针叶林、杜鹃—针叶林。食物的季节性变化可能是鬣羚对植被类型和垂直高度选择变化的主要原因。薛亚东 (2014) [65]对影响野骆驼 (Camelus bactrianus) 分布和迁徙的三个重要环境因子 (水源、植被、干扰动态) 进行了研究, 发现野骆驼在水源点的相对活动强度呈明显的单峰型, 且冬季水源利用强度和频率均高于夏季。李路云等 (2014) [66]总结了赤狐 (Vulpes vulpes) 生境选择的研究方法和研究内容, 概括了影响赤狐生境选择的主要因素, 并探讨了赤狐生境选择的灵活性及赤狐和与其同域分布的动物种的共存机制。张洪海等 (2012) [67]阐述了食物和隐蔽性是赤狐生境选择的主要因子, 距居民点距离和距围栏距离是赤狐生境选择的次要因子。李莹等 (2009) [68]研究后发现不同季节鹅喉羚 (Goitred Gazelle) 对植被类型的选择有差异, 其分布主要受植被类型和水源的影响, 人类干扰、食物、隐蔽性和地形因素是影响鹅喉羚冬季分布的重要因素。李言阔等 (2008) [69]发现马鹿采食生境和卧息生境对各类因子具有不同的选择性, 表现出不同功能生境分离的特征。罗翀等 (2011) [70]利用MAXENT和ENFA模型预测了秦岭山系林麝的生境分布, 发现MAXNET模型预测效果更为优秀。交通干道、农田和居民点是影响林麝生境选择的主要人类干扰因子。张明海和李言阔 (2005) [9]对带岭地区冬季马鹿的活动区、采食区、巢区生境选择进行了研究。发现马鹿在这三个空间尺度上对生境的选择有明显的差异, 食物是影响马鹿生境选择的关键因素。
4 家域尺度研究
家域指能够保证动物个体或其整个家族的生活所需要的自由空间, 且动物经常在此空间中进行活动, 其目的是用以取食、筑巢、交配、繁殖等主要行为 (张明海和李言阔, 2005) [9]。
校园空间尺度研究 篇5
1 区域概况与研究方法
1.1 研究区概况
高峰马岭村位于重庆市万州区,位于东经108°19′15″~108°19′52″,北纬30°43′44″~30°43′55″。马岭村幅员面积为2.14 km2,距离集镇中心3 km。总人口1 200人,耕地面积为45.33 hm2,属亚热带季风湿润带,气候四季分明,日照充足,雨量充沛,天气温和,无霜期长。境内多年平均气温17.7℃。多年平均降水1 243 mm,海拔介于400~500 m,属于典型的丘陵区。
1.2 土壤样品采集与测定
在实地调查的基础上,在马岭村范围内,针对农田土壤采用随机取样法进行取样(图1)。并用GPS(GARMIN72)确定地理位置,取0~30 cm土层,每个土样以1个节点为中心,在1 m半径内取土,3点混合成1个土样。共采集土壤样点20个。土壤样品均采用常规方法测定。
1.3 数据分析处理方法
1.3.1 地统计学方法。
在地统计学中,常用半方差函数来研究区域化变量,是研究土壤特性空间变异性的关键,例如通过基台值、块金系数、变程等重要参数,可以了解一定尺度上的相关和空间变异程度[7]。半方差函数表达式如下:
式中:h为样点空间间隔距离(即步长);γ(h)为半方差函数;N(h)为间隔距离为h时的所有观测样点的成对数;Z(xi)表示区域化变量Z(x)在空间位置xi的实测值;Z(xi+h)是区域化变量Z(x)在空间位置xi+h的实测值。
1.3.2 软件平台。
运用SPSS 13.0软件进行经典统计学分析,研究土壤碱解氮和速效磷分布;运用GS+5.3进行半方差函数分析;碱解氮、速效磷的空间分布分析运用ArcGIS9.3软件中的普通Kriging插值功能完成。
2 结果与分析
2.1 统计特征分析
土壤碱解、氮速效磷描述性统计见表1。研究表明,研究区土壤碱解氮平均含量约为195.08 mg/kg,总体水平较丰富,而速效磷含量较低。根据变异系数的划分等级标准[8]分析碱解氮、速效磷含量的变异系数,其分别为40.27%和64.21%,属于中等程度变异。峰度统计结果表明,二者数据分布较集中;而偏度检验结果表明,二者呈正偏分布。运用SPSS统计软件进行单一样本K-S检验,其结果表明,土壤碱解氮、速效磷含量满足地统计学分析要求,其均呈正态分布。
2.2 空间结构分析
2.2.1 半方差函数结构分析。
运用变异函数如高斯模型、指数模型、球状模型、线性模型等对土壤碱解氮、速效磷数据进行模型模拟,研究土壤碱解氮、速效磷含量的半方差函数的最佳模型。由表2可知,高斯模型决定系数最大(R2=0.995),残差较小(RSS=2.140×10-6),C0/(C0+C)值为14.5%,变程为61 m。该模型为土壤碱解氮模拟的最佳理论模型。研究结果表明,农田土壤碱解氮在空间上的分布表现出强烈的相关性,随机性因子对空间变异影响较小,其主要影响因素是结构性因子。因此,管理、施肥等随机因素在小范围内变化较小;而不同海拔高度和坡面位置等的差异引起土壤碱解氮含量的较大变化。
由表3可知,土壤速效磷含量半方差函数理论模型为指数模型。该模型下决定系数(R2=0.989)最大,残差(RSS=2.152×10-8)最小,变程为47 m,C0/(C0+C)值为45.0%,表明在该尺度范围内土壤碱解氮具有中等程度的空间相关性,其空间变异的因素由结构性因子和随机性因子共同影响。土壤碱解氮、速效磷含量的半方差理论模型的块金值C0值都较小,表明由试验误差和小于试验取样尺度引起的变异较小。
2.2.2 土壤氮磷含量趋势分析。
利用ArcGIS软件的地统计分析模块对土壤碱解、速效磷含量数据进行趋势性分析。结果表明,由于受到地形以及人为因素的影响,土壤氮、磷的空间分布表现出明显的趋势特征。
由图2可知,土壤碱解氮含量在南北方向表现出各向同性,趋势特性不明显。而土壤碱解氮的含量在东西方向上呈现出明显的趋势特征,表现出异向性分布。由图3可知,土壤速效磷的趋势在东西、南北方向上都表现出明显的趋势特征,呈异向性分布。土壤速效磷与海拔高度呈显著负相关(R2=-0.869*)。这表明在马岭村土壤磷素含量不仅受到地形方面的影响,人为管理及施肥以及水土流失对土壤速效磷含量也有一定的影响。
3 结论
研究结果表明,土壤碱解氮含量的总体水平较高,平均含量约为195.08 mg/kg;而土壤速效磷含量较低,按照土壤养分含量丰缺划分标准划分,处于很缺程度,因而在施肥时应注意补充磷肥。碱解氮、速效磷含量的变异均属于中等程度变异。
土壤碱解氮含量的半方差最适理论模型为高斯模型,而速效磷含量的半方差最适理论模型为指数模型。村级尺度下农田土壤碱解氮含量具有强烈的空间相关性,且主要受到结构性因素影响,在东西方向上呈现出明显的趋势特征。土壤速效磷具有中等程度的空间相关性,在东西、南北方向上都表现出明显的趋势特征,受到施肥及水土流失等因素影响明显。
摘要：运用GIS与地统计学相结合的方法,在村级尺度下研究了渝东北丘陵区农田土壤碱解氮、速效磷的空间变异性。结果表明:在村级尺度下土壤碱解氮、速效磷含量都具有中等程度变异,变异系数分别为40.27%和64.21%。土壤碱解氮半方差函数最佳理论模型为高斯模型,且具有强烈的空间相关性,C0/(C0+C)值为14.5%,空间相关距离为61 m;速效磷以指数模型模拟最好,具有中等程度的空间相关性,C0/(C0+C)值为45.0%,空间相关距离为47 m。土壤碱解氮在东西方向上表现出各向异性,与地形表现出很好的一致性;土壤速效磷在东西、南北方向上都有明显的趋势特征,表现出各向异性。
关键词：农田土壤,碱解氮,速效磷,空间变异,丘陵区,村级尺度
参考文献
[1]杨梅.重庆三峡库区耕地土壤重金属含量的空间变异性研究[J].中国生态农业学报,2006,14(1):100-103.
[2]王永东,冯娜娜,李廷轩,等.不同尺度下低山茶园土壤阳离子交换量空间变异性研究[J].中国农业科学,2007,40(9):1980-1988.
[3]秦钟立,秦松,刘洪斌.贵州省植烟区土壤pH值和养分空间变异特征的研究[J].土壤通报,2007,38(6):1046-1051.
[4]盛建东,肖华,武红旗,等.不同取样尺度农田土壤速效养分空间变异特征初步研究[J].干旱地区农业研究,2005,23(2):63-67.
[5]李子忠,龚元石.不同尺度下田间土壤水分和混合电导率空间变异性与套合结构模型[J].植物营养与肥料学报,2001,7(3):255-261.
[6]张世熔,孙波,赵其国,等.南方丘陵区不同尺度下土壤氮素含量的分布特征[J].土壤学报,2007,44(5):885-892.
[7]王政权.地统计学及在生态学中的应用[M].北京:科学出版社,1999.
校园空间尺度研究 篇6
90m2的住宅已经在很多的房地产开发项目中有所体现, 但还没有成为中国住宅的主流, 小户型究竟能不能在房地产市场中得到很好的发展, 这个问题还有待我们继续探索与研究。但是日本, 几乎一半以上的公寓住宅面积都在90m2以下, 为什么90m2的住宅能在日本成为主流, 被大范围的推广。我们也能将日本的住宅经验拿来为自己所用吗, 中日在小住宅方面究竟有怎样的差异?本文主要对中日公寓住宅进行对比和分析, 从小户型中的空间尺寸和面积分配这两点出发, 进行差异分析, 探究中日住宅之间的差异化程度。
2 在户型空间尺度上中日间的差异
在日本, 房屋开发商对住宅中走道的净宽度、卧室的面宽等都有一套比较严格细致的设计标准和规定。我们将这个标准尺度与中国的规范尺寸进行对比, 数据显示, 中日之间的差异性大概在20%~30%。同时, 日本房屋开发商对居室面积也有比较详细严格的规范标准, 将这些面积指标与中国的进行比较, 我们能发现其中有很明显的差异性, 如表1。
其实中国人和日本人在体格外貌, 甚至生活习性上, 都没有很大的差异, 但是为什么在空间标准上的差异会如此之大呢。我们主要从以下三个方面来探讨差异。
2.1 在功能设定方面的差异
住宅的空间尺度主要是根据使用功能来设定与布置的, 它是所有家具布置形式的前提与依据, 但是在主卧的空间尺度中, 日本只考虑壁柜和卧床的安排与设置, 而中国除了考虑壁柜和卧床外还要对窗前的起居空间进行布置, 这明显比日本的主卧要奢侈, 因此相应需要的进深和面宽也增加。在对次卧的布置中, 日本主要是将次卧作为儿童房, 布局也只考虑书桌、单人床和壁柜。而中国对次卧的功能没有一个定向的要求, 可以是儿童房, 也可以是作为客房, 所以在布置上类似于主卧。
对于餐厅和起居室, 中国还是保留传统的观念, 偏爱比较宽敞的空间, 这样可以接待亲戚朋友和其他来宾, 但是在日本, 没有招待亲朋好友的观念与习惯。所以, 日本住宅的起居室和客厅只是满足家庭成员的生活用餐和起居需要。
要在80m2内的面积下实现三室两厅的居室数量, 就一定要从居室的功能设计着手, 对功能需求做一定的取舍。根据中国对居室的功能要求和习惯, 相较于日本来说, 要大出1.2~1.5倍的面积。如果要在90m2内的面积下实现三室两厅, 就要从根本上改变中国消费者的居住观念与生活习惯。例如在主卧中, 其实滞留的时间不是很长, 那么可以相应减少面积, 同时, 随着液晶电视的普及, 也没有必要一定要安装电视柜。
2.2 尺度控制方面的差异
日本的房地产开发商, 会根据户型的特点和大小来设计相对科学合理的空间方案标准, 并且会为设计师提供比较详尽的空间尺寸和面积标准。设计师会严格根据开发商的设计规范与标准来进行空间设计。日本设计师在控制尺寸方面有着十分严格的标准, 绝不会任意违背设计要求, 工作严谨, 很少会出现中国户型中尺度虚大、面积虚高的现象。
而在国内, 很多开发商都没有形成一套科学合格的设计标准, 而国家对住宅的空间尺寸设计要求也没有很明确的规定和标准, 所以经常导致建筑设计和后期的装修设计有一定的差距。设计师和建筑师在模棱两可的标准范围下, 只能对尺度进行比较粗略的控制, 有些建造师对室内的尺度没有良好地进行运用和把握, 有的甚至缺乏实践经验, 导致凑模数、凑平面的状况频频发生, 大大降低了住宅空间的使用率。
3 在住宅面积分配中的中日差异性
在小户型的面积分配上, 中日之间也存在着很大的差异。我们主要对比较常见的典型户型进行具体的分析和比较, 探讨中日之间的差异。
日本的公寓户型如今已经达到模式化程度, 一般是采用“南面合适型”为主要的户型平面, 而中国还是采用实际面积比较接近的两室两厅户型, 这比较符合中国人对房屋住宅的基本消费观。通过数据分析, 我们能清楚看到其中的消费倾向, 如表2。
从上述表格中, 我们能发现以下几点差异:
(1) 起居室和餐厅在整个房屋住宅面积中的占比, 中国要明显高于日本, 这表明中国消费者对厅的重视程度比较强。而在日本住宅中有个很关键的房间叫做和室, 和室可以当作厅来使用, 关上门又可以当做卧室, 大大减少了住房的空间面积, 提高了对面积的使用率, 这种变通空间的方式很值得我们学习。
(2) 中国卧室的面积也远远高于日本, 中国还是保持着大卧室大客厅的传统观念和习惯。
(3) 在户内的交通面积上, 中国就低于日本了, 这是因为日本很重视家庭成员间的隐私性和保密性, 不允许卧室的大门朝着客厅敞开, 但是这样削弱了家庭成员之间的沟通。设置玄关主要可以作为储物空间, 提升了厅的质量。
(4) 通过对实际案例的分析和对比, 我们发现, 日本对碗柜的长度、储物柜的长度都有比较细致明确的模式和标准, 但是中国的开发商没有形成比较科学合理的规范和标准, 对面积和形状的要求都比较粗略, 厨房的面积会根据整个户型的大小相应进行改变和伸缩, 降低了小户型厨房的品质。
(5) 在卫浴方面, 日本的面积要大大超出中国的面积。主要是因为中日在卫浴方面有不同的设计理念和生活观念, 中国偏重外观和数量, 而日本更看重功能和舒适性。中国一般是采用主卧配套独卫的形式, 虽然中国选用的洁具尺度都比较大, 但是功能交叉使用, 降低了功能性和舒适性。而日本通常都是采用浴室和洗脸室分开的形式, 厕所独立, 虽然每一个空间都安排得很紧密, 但是面积的总和要大于中国的独卫, 这从侧面反应了日本对卫浴方面的重视程度。
(6) 储藏室的空间上, 中国要小于日本。中国的设计者往往先考虑居室的面积, 而忽略储藏室面积, 衣帽间、碗柜、鞋柜等都不是很普及, 而日本储藏室的面积在整个住宅中的比重却一直在上升, 储物室也是住宅舒适度的一个重要体现。
4 结语
日本能在90m2内实现所有住宅的功能, 主要是因为他们对居室的功能有很深入的了解和认识, 对面积进行了细致严格的控制, 不同的户型大小和规模都能保证达到科学合理的水准, 我国的小户型可从中借鉴。我们要积极推广对空间使用更为精细的措施和态度, 但是这并不代表要牺牲居室以外的配套功能。
参考文献
[1]吴鹏飞.基于开放建筑理论的北京市高层保障性住房设计策略研究[J].北京工业大学, 2013 (06) .
[2]崔光勋.日本集合住宅体系的类型演变与设计策略[J], 大连理工大学, 2013 (07) .
[3]赵泽宏.北京市保障性住房套型及套内空间精细化设计研究[J].北京建筑工程学院, 2012 (06) .
校园空间尺度研究 篇7
早期的纹理提取方法[2]没有具体的定义或数学模型,仅仅是某种数学变换;后来随着研究的不断深入,出现了一些像灰度共生矩阵、马尔可夫随机场模型等的经典纹理分析方法。20世纪90年代后,研究人员发现传统纹理分析方法的一个瓶颈在于不能从多尺度有效描述纹理特征。为此,近年来出现了一些新的纹理特征提取方法。例如,Roslan等[3]提出了一种利用二维Gabor滤波器提取逆纹理特征傅里叶变换(IFFT)的纹理描述子;这类描述子可以在不同的方向和频域上捕捉纹理特征;但其生成的特征向量维度高、冗余信息含量大,若用于本身维度偏高的花粉图像分类,分类耗时长时效性差。Chen Kaizhi[4]等人提出了具有旋转平移不变性的特征点邻域的纹理特征描述子(RTI),这类描述子虽然可以有效地描述像素点的分布和区分不同方向的纹理细节,提高描述子的处理速度和降低特征描述子的计算复杂度,但是特征描述子信息含量少,若用于大量的花粉分类,会导致算法鲁棒性不稳,影响识别精度。Eva Cernadas等[5]提出一种新的基于纹理与形状的描述子(TSS),这类将结构与纹理相结合的特征描述方式能更全面地描述图像,但识别结果会因为花粉类别的不同而产生较大的差异,不利于实际的应用。Qinggang Wu等[6]提出了一种基于动态轮廓模型的纹理特征描述子(STD-GMAC),这类描述子的次级图像噪声干扰会导致原始图像信息的改变,使得后续的描述符变得不稳定,导致图像的鲁棒性不稳,影响相似度匹配的准确度。
因此,本文提出了一种基于多尺度空间子带共生矩描述子的花粉图像特征提取方法。该方法的主要原理是将原始花粉图像利用Mallat小波变换分割成不同层次的尺度空间子图像,然后在多尺度空间上对花粉图像灰度共生矩纹理统计特征的提取。本文方法将图像的灰度与频域结合实现对纹理特征全面细致的描述,计算简单易于实现,对图像的旋转和姿态变化具有良好的适应能力和鲁棒性,实验仿真结果验证了本算法能够同时提高花粉图像分类的识别精度和处理速度。
1 多尺度空间子带共生矩
1.1 多尺度塔式小波变换
多尺度技术也称多分辨率技术[7]。在图像中某种尺度下不容易看出或获取的特性在另外的尺度下很容易看出或检测到,所以常可以用来更有效地提取图像特征,获取图像内容。小波变换是一种用一组小波函数或者基函数表示一个函数或者信号的变换分析方法,提供了一个随频率改变的“时间-频率”窗口,经过连续多次的小波变换[8]称为多尺度塔式小波变换。其主要特点是能对时间频率进行局部化分析,通过伸缩平移运算对函数逐步进行多尺度细化,最终达到高频处时间细分,低频处频率细分。对一副图像ckj,其Mallat分解算法可以描述为:
其重构算法为:
可以看出,利用二维Mallat分解[9]算法能够把一幅图像Cj+1={Cj+k,k,m}k,m分解为一个低频子带Cj、一个高频子带Gj和水平、垂直两个方向的中频子带D1j,D2j。同样,可以把低频子图Cj继续分解为Cj-1和水平、垂直与对角线3个方向的中高频子带D1j-1,D2j-1,Gj-1,…。花粉图像3层小波分解示意图如图1所示。
1.2 灰度共生矩阵
灰度共生矩阵[10]是对图像上某指定距离的两像素间灰度状况的统计,是一种通过研究灰度的空间相关特性来描述纹理的方法。该方法是对区域纹理的一种描述,能够有效提取不同尺度纹理的空间分布特征。
灰度共生矩阵主要用到了反差、熵等参数[11]来表示图像纹理。反差直接反映了某个像素值及其邻域像素值的亮度的对比情况;熵表示了图像中纹理的非均匀程度或复杂程度;灰度相关反应了图像纹理的一致性;能量反映了图像灰度分布均匀程度和纹理粗细度。设灰度级数为L,参数定义如下:
1.2.1 反差(或称为主对角线的惯性矩)
1.2.2 熵
1.2.3 灰度相关
1.2.4 能量(角二阶矩)
1.3 多尺度子带共生矩描述子
本文选择在尺度空间提取特征是为了突出不同层面上图像信息的不同特性,低频尺度层面是对图像细节纹理的描述,中高频尺度层面是对图像整体信息的描述,因而在不同尺度空间上计算子图像的灰度共生矩阵,既降低了图像维度,也增加了算法的鲁棒性。为此,提出了一种新的基于小波中高频子带的灰度共生矩阵描述子,通过计算小波分解的中高频子带区域中的灰度共生矩阵,结合共生矩阵的四个纹理特征统计量反差、熵、灰度相关、能量生成最终的特征向量子带共生矩描述子。具体步骤如下:
(1)计算n层Mallat小波变换后的小波系数矩阵,即:
式(8)中,序列{hk-2lhm-2n}为低频分量系数;序列{gk-2lgm-2n}为高频分量系数;{hk-2lgm-2n}和{gk-2lhm-2n}为中频分量系数;Cj,l,n为低频子图;Gj,l,n为高频子图;D1j,l,n,D2j,l,n分别为水平、垂直两个方向的中频子图。
(2)在小波变换后生成的子带图像上构造4个方向(0°,45°,90°,135°)的灰度共生矩阵,即P1,P2,P3,P4,取相邻间矩d为5,再对共生矩阵归一化,即灰度共生矩阵通式P为:
式(9)中,Lx为图像的灰度级。
(3)计算共生矩阵的能量E(n)、熵H(n)、惯性矩I(n)、相关C(n)4个纹理参数,形成一个16维的纹理特征向量。假设对每层尺度空间n个不同方向上提取4个纹理参数生成特征向量WCM,这个向量即为当前尺度下该图像的子带共生矩阵特征向量,该特征向量可用如下矩阵表示:
(4)假设每幅图像经过n次小波变换,从而整幅图像的子带共生矩描述子可表示为一个M维的矩阵……MSSCM(基于多尺度空间的子带共生矩描述子),即为:
2 实验及结果
实验环境为PIV计算机,2.8 GHz CPU和6GB内存。实验数据共有两组数据集,数据集1是Confocal花粉图像,由来自26个不同类群共389个花粉颗粒图像组成,其数据集直接从植物上采集而来,通过共焦激光扫描显微术手动生成未收污染和变形的二维体积数据。数据集2是Pollenmonitor花粉图像,由来自33个不同类群共22 750个花粉粒组成,其数据的收集、准备和记录都是通过欧洲第一个Pollenmonitor原型自动生成,图像质量相对较低。采用支持向量机SVM分类器来计算特征相似度。每一类花粉选取其中25%作为训练样本,剩下的作为实验样本。本文分别采用正确识别率(CRR)=(正确分类的数量/总花粉数量)×100%,错误识别率(FRR)=(错误分类的数量/总花粉数量)×100%对实验性能进行验证。
为了提高算法的分类精度和识别速度,本文只保留塔式小波n层变换中的中高频分量上的纹理信息,表1表明,当n取3时,同等算法下识别精度最高。此外,在不同参数[12]下提取灰度共生矩阵其特征向量分类结果有所不同,为此,需要考虑以下两个因素:一是量化灰度级Ng的选择。表1表明,当Ng取16时,减少计算量的同时更能保持纹理信息的完整;二是相邻间隔d的选择。表1表明,当d取5时,可以进一步描述不同花粉纹理的差异。
2.1 Confocal花粉图像的实验结果
图2给出了5种具有代表性的Confocal花粉图像的分类结果。实验结果表明,对于同种类花粉,在没有变形和污染的情况下,Confocal花粉颗粒图像具有明显的边缘和清晰的局部结构,即便具有不同的姿态变化和空间旋转,大部分也能够被正确的分类,拥有较高的正确识别率。表2给出了这5种花粉的识别结果,该5种花粉的平均正确识别率能达到86.42%。其中,对于花粉纹理较清晰的Alnus花粉图像,获得了100%的正确识别率,对于花粉图像质量较差的Fraxinus(Esche)也能达到75%以上的识别率。错误分类的花粉主要是由于样本图像纹理特征不够丰富或受图像光照干扰的缘故。
2.2 Pollenmonitor花粉图像的实验结果
图3给出了5种有代表性的Pollenmonitor花粉图像的实验结果。相对于confocal数据库里高质量的图像,Pollenmonitor数据库里的质量较低,这是因为采集过程中显微传感器和不规则采集方法导致的变形和污染以及各图像质量间本身存在的较大差异,尽管如此,通过本文算法,大部分的花粉图像仍能够被正确分类。虽然相对于confocal数据库花粉图像的高识别率,Pollenmonitor数据库图像的识别率略低,主要原因是采集过程中样本受到污染或噪音干扰。表3结果表明,尽管识别精度在一定程度上受到花粉图像质量的影响,但5种花粉的平均识别率仍能达到84.46%,对于质量较好的花粉图像Alnus,正确识别率达到100%,Fraxinus(Esche)的识别率最低,只有59.37%。实验结果表明,本文提出的MSSCM对于花粉图像的空间旋转、比例放缩和姿态变换具有很好的鲁棒性。
2.3 算法对比分析
为了验证本文方法有效性,本文将实验结果与IFFT算法[3],RTI算法[4],TSS算法[5]以及STD-GMAC算法[6]的实验结果进行了比较。表4给出了在两类数据集上本文算法和其他4种算法的平均识别率的比较结果。从实验结果可以看出,本文所提的MSSCM算法的平均识别率明显高于其他4种算法。对于Confocal花粉数据集,MSSCM的平均正确识别率达到了86.42%,比其他算法明显高出许多,其主要原因是MSSCM描述子是基于多分辨性的小波尺度空间下精细的分析纹理信息,特征提取过程中与灰度共生矩相结合可避免由于花粉颗粒发生平移伸缩或姿态变化等几何变换带来的影响,保证了描述子特征的鲁棒性。对于Pollenmonitor花粉数据集,尽管识别率略低于Confocal花粉数据集,但MSSCM的平均正确识别率仍可达到84.46%,依然高于其他算法;实验证明,本文的算法对于花粉识别具有更高的识别率,并具有良好的适应能力和鲁棒性。
同时为了验证算法的时效性,同样将本文算法的分类时间结果与IFFT算法[3],RTI算法[4],TSS算法[5]以及STD-GMAC算法[6]的分类时间进行了比较。表5给出了在两类数据集上本文算法和其他四种算法平均分类时间的比较结果。从实验结果可以看出,本文所提的MSSCM算法的分类时间明显高于其他4种算法,在Confocal数据集和Pollenmonitor数据集速率分别为10.2 s和22.5 s,实验证明,本文算法不仅在姿态变换和图像伸缩平移上有良好的不变性,且算法简单易于实现,在处理速度上具有明显优势。
3 结语
本文提出了一种基于多尺度空间子带共生矩描述子的花粉图像特征提取方法应用于花粉图像的自动识别。本方法具有以下几方面的优势:采用多尺度空间,通过塔式小波分解,可以更好地检索图像特征,且时频小波分析具有多分辨率的优势;其次,采用纹理特征———灰度共生矩作为特征提取,能有针对性地表示局部细节的纹理信息,较好地反应图像灰度的变化,适用于本文采用的电镜花粉图像数据集;最后,将多尺度空间和灰度共生矩结合进行纹理特征提取,不仅保证了特征提取的完整性,增强了算法的自适应能力和鲁棒性,而且解决了塔式小波分解中混频、缺乏方向性的问题,使得描述子具有更优良的性能。
参考文献
[1] Bush M B,Weng C.Introducing a new(freeware)tool for palynology.Journal of Biogeography,2007;34(3):377—380
[2] Rodriguez-Damian M,Cernadas E,Formella A,et al.Automatic detection and classification of grains of pollen based on shape and texture.Systems Man&Cybernetics Part C Applications&Reviews IEEE Transactions on,2006;36(4):531—542
[3] Roslan R,Jamil N.Texture feature extraction using 2-D Gabor Filters.IEEE,2012:173—178
[4] Chen K,Hu A.Fingerprint matching using texture feature extracted from minutiae neighborhood.Fourth International Conference on Computational Intelligence and Communication Networks,IEEE,2012:322 —326
[5] Tian H,Cui W R,Wan T,et al.A computational approach for recognition of electronic microscope plant pollen images.2008 Congress on Image and Signal Processing.IEEE Computer Society,2008:259 —263
[6] Wu Q,An J.An active contour model based on texture distribution for extracting inhomogeneous insulators from aerial images.IEEE Transactions on Geoscience&Remote Sensing,2014;52(6):3613—3626
[7] 韩永华,汪亚明,康锋,等.基于小波多分辨率分解的农田障碍物检测.农业机械学报,2013;44(6):215—221Han Yonghua,Wang Yaming,Kang Feng,et al.Farmland obstacle detection basedon wavelet multiresolution decomposition.Chinese Journal of Agricultural Machinery,2013;44(6):215—221
[8] 甘甜,冯少彤,聂守平,等.基于分块离散小波变换的图像信息隐藏与盲提取算法.物理学报,2012;61(8):84203Gan Tian,Feng Shaotang,Nie Shouping.Image information hiding and blind extraction algorithm based on block discrete wavelet transform.Journal of Physics,2012;61(8):84203
[9] 李弼程.智能图像处理技术.北京:电子工业出版社,2004LI Bicheng.Intelligent image processing technology.Beijing:Electronic Industry Press,2004
[10] Champion I,Germain C,Costa J P D,et al.Retrieval of forest stand age from SAR image texture for varying distance and orientation values of the gray level co-occurrence matrix.Geoscience&Remote Sensing Letters,IEEE,2014;11(1):5—9
[11] Yang J,Guo J.Image texture feature extraction method based on regional average binary gray level difference co-occurrence matrix.Virtual Reality and Visualization(ICVRV),2011 International Conference on,IEEE,2011:239—242