研究结果与讨论

下图列举了经Segformer-B5模型语义分割后图像中不同景观元素的构成情况，表格中为4个客观评价指标的统计信息。4项指标中，各点位绿视率平均值最高，表明珠江公园中的植被条件十分优秀，构成了公园景观的主要骨架。相应地，高植被覆盖度也导致天空视域因子较低。

语义分割结果示例 © 赵旭凯，林广思

主观评价指标的5折交叉验证数据分布情况与模型预测准确率结果显示，测试集的平均准确率依次为69%（吸引力）、70.5%（丰富度）、82%（自然程度）、68.5%（压抑程度），预测结果可信度较高。

5折交叉验证数据分布与模型预测准确率 © 赵旭凯，林广思

主观指标评分统计结果显示，自然程度的均值最高，表明珠江公园的自然程度在人类感知中较为突出。吸引力和压抑程度的均值也较高，表明自然程度较高的公园场景整体上具有较强的吸引力，但过于茂盛的植被可能增加压抑感。相比之下，丰富度的分布更为集中，标准差较低，其均值也最低，表明公园视觉要素的多样性较低，与自然程度的较高波动性形成对比，表明虽然不同场景中自然程度变化较大，但视觉元素的丰富性相对不足。

珠江公园主、客观指标的得分的空间分布模式较为相似。公园西门入口前的草坪区（C区）主要由开阔的草坪与低矮的乔木组成，辅以少量灌木，整体空间较为开阔、道路较为宽敞，天空占比较高，绿视率与自然程度较低，同时吸引力偏低。公园中部的快绿湖区域（E区），虽然绿视率较低、天空占比较高，但吸引力较高，符合人们对水体有普遍偏好的既有研究发现。公园东部为植被茂盛的风景林区（F区），绿视率与自然程度较高，在广州繁华的市中心十分难得，该区域道路曲折蜿蜒、起伏多变，路面与人工构筑物占比较低，总体吸引力也较高。而位于公园东侧的服务型建筑立面较为单一（G区），吸引力偏低，需要公园管理者重点关注。

公园场景示意图 © 赵旭凯，林广思

各指标空间分布图 © 赵旭凯，林广思

Spearman相关性分析结果显示，自然程度与吸引力之间存在显著的正相关，表明自然程度高的场景更受人们的喜爱，与前人研究结果相符，即游客偏好自然植被丰富的环境，这可能会积极影响游客的公园使用频率和满意度。其次，丰富度与地被占比呈负相关关系，意味着地被的增加可能导致整体丰富度的降低。例如，珠江公园中以地被为主的区域（画面中地被占比较高），集中在公园西侧，且以开阔草坪为主，空间丰富度较低。自然程度与绿视率、乔木、灌木占比存在显著正相关趋势。其中，自然程度和绿视率分别反映了图像中主观和客观的生态环境状况，而主观自然程度的感知不仅受到植被占比的影响，还涉及其他影响因素，如绿色元素在图像中的整体构成比例、画面中呈现的其他材料（如水体、泥土、透水路面）等。

Spearman相关性分析结果（*表示在0.05的水平上显示显著相关性，**表示在0.01的水平上显示显著相关性） © 赵旭凯，林广思

结语与展望

总体而言，本研究在以下三个方面展现出积极意义：1）采用的方法克服了传统视觉景观评估中难以高效评估大批量图像与多场景评估时易于出现的视觉疲劳问题，验证了基于图像大数据与深度学习技术的城市感知研究在绿地中应用的有效性。2）通过精准提取并评估客观指标与预测主观评分，发现植物与水体的存在有助于提升公园场景的吸引力与使用者的积极感知，而天空、道路与人工构筑物占比过高则会产生负面效果。3）采用的智能方法通过部分场景照片主观评分的学习，能够预测新场景的主观评分，帮助公园管理者高效识别出低分值区域，为城市绿地的更新设计提供指引，具有较强的实践应用价值。 

然而，本研究经由人工采集与筛选的图像数据与被试者的样本量相对有限，且仅针对珠江公园的夏季场景，难以预测与珠江公园差异较大或其他季节的公园场景。此外，全景相机采集的图像可能存在一定畸变，会导致一定误差。未来研究中应补充更多绿地与不同季节的景观图像，并纳入更多使用者的评分，以完善绿地感知数据集，并有必要针对不同群体的偏好进行细化研究。

最后，本研究所提取出的主、客观感知评价指标，可以与公园活力、功能使用、环境质量等多元数据结合，进一步挖掘公众感知与公园的景观吸引力、使用者行为模式和公园客观物理特征等方面的关系，系统化地为城市管理者提供科学的决策支持。