基于LCA的区域性乡村景观游憩网络构建-以京津冀平原地区为例

Employing the methodology of landscape character assessment (LCA), this study explores an integrated planning approach for regional rural recreational network with a multi-goal of vernacular landscape protection, urban-rural spatial integration and sustainable utilization of rural tourism resources. In the integrated development of Beijing, Tianjin and Hebei province, this study selects the plain area between Beijing-Tianjin as the study area. First of all, it identified the landscape character types and areas following the guiding principle of LCA. And then, it obtained the preference and demand of stakeholders for different landscape character types, as the result, a rural landscape value map was derived. In the third part, three spatial planning approaches were processed and compared, which include landscape ecological planning, urban-rural spatial planning, tourism spatial planning. Finally, a comprehensive approach for integrated rural recreational network was concluded, which could be a spatial strategy for regional integrated development.

本研究采用景观特征评估（Landscape character assessment, LCA）的方法，以多利益群体的景观评价结果为依据，从学科交叉的角度综合考虑满足景观保护，城乡开放空间统筹，乡村游憩资源可持续利用的区域性乡村游憩网络的构建方法。在京津冀一体化的背景下，研究以北京、天津两大都市间的平原乡村地带为研究范围，首先采用景观特征评估的方法对研究区域内的景观特征单元进行分类和系统描述；其次针对景观特征单元进行多利益群体的价值判断，获得景观价值评估地图；最后基于景观评估结果，从景观生态规划、城乡规划，乡村旅游规划三种视角对京津冀乡村游憩网络的空间构建模式进行对比研究。最终得出区域性乡村游憩网络的综合性构建模式。

本研究以京津冀景观游憩资源为研究对象，通过借鉴LCA（landscape character assessment）理论战略框架，即景观表述、景观评价与景观决策，对研究区域开展了三部分的研究。研究核心内容包括：（1）景观表述-基于POI（point of interesting）大数据的京津冀地区景观游憩资源表述；（2）景观评价-基于社交媒体大数据的不同游客群体景观游憩资源感知评价；（3）景观决策-基于大数据与计算机视觉技术的景观游憩资源空间构建与优化途径。. 研究结论主要包括（1）景观表述方面，绘制完成一系列的京津冀景观游憩资源空间分布图。景观游憩资源特征主要为，自然地形是京津冀地区景观游憩资源的重要环境条件。景观游憩资源在京津冀地区分布不平衡，京津冀地区城市相对乡村具备更多元的景观游憩资源类型，其中北京的大都市效应最为明显。（2）景观评价方面，研究发现不同游客群体对景观游憩资源有不同的感知偏好与评价，以北京为例，古建筑景观空间是最具有吸引力的景观游憩资源，其次为长城为主的自然山地景观游憩资源。（3）景观游憩资源空间构建与优化方面，研究通过历史回顾对比，以北京为例，揭示了景观游憩资源时空演变规律以及游客感知评价的变化过程，为北京景观游憩空间构建提供了具体的优化策略。. 理论技术方面，本研究在LCA的理论框架上融入了大数据与人工智能分析工具，从技术层面扩展了实现景观特征评价的途径。具体来说，本项目通过python等工具获取了空间地理数据图集，POI数据,UGC（user-generated content）社交媒体大数据三方面的基础数据，并通过编码对基础数据进行了追溯、筛选与净化，建立了综合性的景观资源与景观评价数据库。另外，本研究应用了跨领域的人工智能分析工具，通过计算机视觉的语义分割深入学习模型对社交媒体图片进行了分析，获取了不同群体游客对景观资源的偏好与评价。应用层面，本研究所得出的结果和结论对京津冀地区，特别是北京地区景观游憩资源的空间构建提供了具体的参考信息。