《Buildings》：Visual Perception Within the Built Environment of Traditional Villages in Karst Areas: Exploring Multidimensional Associations of Landscape Features
编辑推荐：
喀斯特自然遗产区传统村落是自然、文化与景观要素交织的独特乡村建成环境。识别建成环境特征与视觉偏好之间的关系，对于提升空间质量和支持可持续旅游具有重要意义。本研究以中国桂林九仙村为案例，运用刺激—机体—反应（stimulus–organism–response,
喀斯特自然遗产区传统村落是自然、文化与景观要素交织的独特乡村建成环境。识别建成环境特征与视觉偏好之间的关系，对于提升空间质量和支持可持续旅游具有重要意义。本研究以中国桂林九仙村为案例，运用刺激—机体—反应（stimulus–organism–response, S-O-R）理论构建指标框架。研究人员收集了194幅全景图像，并招募72名大学生，采用美景度评估（Scenic Beauty Estimation, SBE）和语义差异（Semantic Differential, SD）法评估视觉质量。通过计算机视觉量化图像特征，并应用机器学习模型结合SHapley Additive exPlanations（SHAP）进行解释。视觉秩序和即时情感反应与SBE呈正相关，而历史感与SBE的直接关联弱于上述两个维度。可见自然要素和色彩丰富度具有正向贡献，而建筑覆盖率、硬质景观和公共设施具有负向贡献。自然要素和人为要素呈现非线性预测模式，SHAP贡献在不同比例范围内变化，并表现出正向、负向和条件性联合预测模式。这些发现为喀斯特环境中传统村落的景观规划和空间质量提升提供了指导。
在背景方面，传统村落建成环境承载历史记忆与地方认同，是国际文化遗产的组成部分。2012年以来，中国通过国家名录系统和乡村振兴战略推动传统村落保护与发展，但快速城镇化和旅游开发持续重塑村落视觉环境。华南喀斯特自然遗产区传统村落体现喀斯特地貌与人类活动的耦合，常表现为山—水—林—田—村共生系统。视觉体验是游客感知村落景观综合价值、获得恢复与游憩效益的主要途径，良好景观还可增强目的地吸引力、强化地方依恋并传达地方文化。因此，明确村落景观特征与视觉偏好的关系，对喀斯特自然遗产区环境管理和可持续乡村旅游十分重要。既有景观感知与视觉偏好研究发展迅速，视觉偏好被理解为认知与情感加工后的整体评价，常以喜爱程度表达。环境心理学和视觉美学将景观欣赏视为外部刺激、内部加工与可观察响应的多阶段过程，刺激—机体—反应（stimulus–organism–response, S-O-R）框架和格式塔知觉组织原则均表明可见环境特征并非孤立评价。实证研究已将前景—庇护理论、唤醒理论、恢复性环境理论等应用于滨水、街道和乡村绿道，并比较自然与人为建成要素，将客观景观属性与注意、感知、情绪和偏好联系。植被、水体、适当开敞、空间秩序和本地文化要素通常支持积极评价，视觉杂乱、建筑不协调和过度视觉复杂性则降低偏好。定量评估中，美景度评估（Scenic Beauty Estimation, SBE）和语义差异（Semantic Differential, SD）法应用广泛，SBE提供整体景观偏好标准化测量，SD刻画场景引发的认知与情感意义。视觉刺激也从静态二维照片发展到沉浸式虚拟现实和全景图像，眼动、脑电、皮电、心率和心率变异性等可补充自我报告，计算机视觉可量化绿量、色彩饱和度与多样性、空间开敞度等属性。然而仍存在三方面不足：许多研究仅识别影响因素或用预设线性函数估计直接关联，对阈值、非线性响应和景观要素间交互认识有限；传统村落研究仍偏重描述性分析和定性解释，尚未充分阐明细尺度与中尺度景观要素如何对应感知响应；多数分析关注村内空间，对更大地形和生态背景关注不足。研究人员因此需要结合感知评分与客观景观指标的多模态框架，以厘清景观特征与视觉偏好之间的非线性关系，并弥合感知理论与保护实践之间的差距。全景成像、计算机视觉和机器学习的进展为应对上述不足提供了基础。全景图像可捕捉连续视野下的沉浸式视觉刺激，语义分割和单目深度估计可量化可见景观要素与空间结构，随机森林（Random forests, RF）和极端梯度提升（extreme gradient boosting, XGBoost）可建模高维非线性关系，结合SHapley Additive exPlanations（SHAP）后可揭示预测方向、过渡范围和交互，同时保持可解释性。基于此，研究人员以九仙村为案例，依据层级化视觉信息加工，采用S-O-R模型组织变量：景观特征作为外部刺激，空间认知与情绪作为机体层感知加工，视觉偏好作为可观察评价响应。其方法创新在于将基于S-O-R的层级、全景图像、计算机视觉、主成分分析（principal component analysis, PCA）、机器学习和可解释人工智能整合为统一框架，考察喀斯特传统村落景观偏好背后的多维关联。研究提出三个问题：哪些因素与景观视觉偏好最强相关；单个景观要素呈现何种非线性响应模式；景观要素如何交互影响预测视觉偏好。研究得出：视觉秩序和即时情感反应与SBE正相关，可见自然要素和色彩丰富度正向，建筑覆盖、硬质景观和公共设施负向，自然与人为要素呈非线性预测，SHAP贡献随比例范围变化，并呈正向、负向和条件性联合预测模式。这些发现为景观规划与空间质量提升提供指导，对喀斯特自然遗产区传统村落保护与可持续旅游具有意义。
关键技术方法（≤250字）：研究人员以九仙村为案例，样本为194幅全景图像；受试者为72名大学生，来自旅游管理、城乡规划或风景园林专业，分3组，有效响应分别为23、23和19。全景图像于2025年8月至9月晴天09:00—17:00用Insta360 X4在1.60 m高度采集。图像分析采用基于Transformer的Mask2Former连接ADE20K数据集进行语义分割，Depth Anything V2进行单目深度估计，OpenCV和Pillow提取颜色指标，并计算绿色视野指数（green view index, GVI）、硬质—软质比（hardscape–softscape ratio, HSR）、景观可见性指数（landscape visibility index, LSV）、负面干扰指数（negative interference index, NII）、功能发展程度（functional development degree, FDD）及前景、中景、远景、背景比例。主观评价采用SBE和SD。统计与建模采用PCA、Spearman相关、RF和XGBoost，按80:20划分训练—测试集，RF较优，并以SHAP解释。
研究结果如下。
3.1 计算机视觉量化的景观特征
3.1.1 景观要素特征：通过语义分割结果计算六类景观空间平均要素指数。滨水生态空间GVI和LSV最高，HSR为0.616且最低，表明人工干预有限；遗产聚落空间相反，传统建成环境密集，HSR最高为13.424，GVI和LSV最低，自然要素视觉渗透有限。NII在公共服务空间最高、田园农业空间最低；FDD在特色商业空间最高，在滨水生态和田园农业空间接近零。自然主导与建成主导空间景观组成明显不同。
3.1.2 空间形态特征：通过深度层比例分析，遗产聚落空间前景比例最高且中景比例较高，空间结构紧凑；滨水生态空间和特色商业空间前景比例中等偏高，但滨水生态空间背景比例更高，视觉深度更大。居住生活空间与田园农业空间前景比例相似，前者中景比例更大。所有空间类型的中心视觉界面主要由前景和中景构成，远景和背景占比较小。深度剖面可区分紧凑建成空间与相对开放自然空间。
3.1.3 景观色彩特征：通过OpenCV分析，田园农业空间亮度和饱和度最高；滨水生态空间和特色商业空间色彩数和熵最高；遗产聚落空间对比度最高、色彩数中等、饱和度较低。居住生活空间和公共服务空间多数指标处于中低范围。自然主导空间色彩更鲜艳丰富，建成空间色谱更稳定克制。
3.2 与视觉偏好相关的关键因素
3.2.1 感知偏好的内部维度：对20个感知指标进行PCA，Kaiser–Meyer–Olkin值为0.930，Bartlett球形检验显著（p < 0.001）。保留两个特征值大于1的成分，累计解释74.9%方差。主成分1解释56.3%，主成分2解释18.6%。主成分1高载荷变量包括视觉统一、视觉整洁、视觉和谐、视觉秩序、空间开敞、视觉精致、艺术质量、愉悦和探索欲，代表视觉秩序、审美质量和即时情感体验；主成分2正载荷归属感、历史感和感知文化特征，反映深度地方与文化体验，感知开发强度呈相反方向。
3.2.2 主观感知因素的相关：SBE与多数指标正相关。按从强到弱，主要正相关包括美学质量、视觉吸引力、感知愉悦、视觉统一、探索欲、视觉精致、感知新颖性、视觉和谐、视觉秩序、艺术质量、视觉整洁和归属感；空间开敞、自然性、宁静、感知开发强度和文化特征也呈中弱显著正相关。历史感与SBE无显著相关（r = 0.007, p = 0.925）。商业氛围与SBE显著相关（p = 0.003），但系数小，解释相关性有限。
3.2.3 视觉偏好与景观特征的相关：自然和色彩相关特征正相关最强。LSV和GVI与愉悦、探索欲、视觉吸引力等积极响应强相关，凸显喀斯特山水林田村格局的感知意义。饱和度是最有影响的色彩指标，并与色彩数、熵共同表明鲜艳、丰富和复杂与积极情感响应相关。前景比例与空间开敞强相关。NII与SBE、宁静等正相关指标负相关。HSR与SBE负相关（r = ?0.229, p < 0.01），硬质景观过多与较低偏好相关。中景比例是唯一与SBE负相关的深度指标（r = ?0.231, p < 0.01），其具体视觉构成需进一步验证。
3.3 景观要素对视觉偏好的非线性贡献
通过SHAP summary plot，建筑、公共设施、道路、水面和山体是最有影响的五个要素。水面、山体、天空和草地高比例通常对应正SHAP值；建筑、公共设施和道路高比例通常对应负值。树和植物呈双向分布，无单一单调模式。SHAP dependence plots显示非线性关系和过渡范围：建筑SHAP范围最宽（?0.3至0.3），约低于10%时贡献一般正向，比例升高后转为负向；水面贡献初期增加，超过约15%后减弱但仍为正；天空呈U形，约20%最低，超过约35%后为正；道路低于15%时正向，之后越来越负；公共设施即使小比例也对应SHAP值显著下降；山体呈复杂非线性并在过渡范围后稳定；草地持续增加，田地约高于10%后正向；植被总体弱正贡献；汽车和标牌高比例产生适度负贡献；人、花和船因占比较低贡献有限。说明单一要素变化不会线性改善视觉偏好，规划需考虑过渡范围和空间情境。
3.4 景观要素间的交互
通过SHAP交互值识别三类联合预测贡献。自然要素呈负向和正向联合预测模式。较高植被比例伴随开放田地联合贡献降低；约2—8%中等山体比例与田地正交互，支持更高预测视觉偏好。人为建成要素的预测贡献随自然要素比例条件变化：植被低于10%时，增加建筑一般降低预测贡献；高于该范围后，建筑负贡献被缓和，植被可能既是景观组分也是建成环境视觉缓冲。建筑与道路低比例时交互小；道路超过30%且建筑超过40%时，联合贡献急剧下降。标牌和游憩设施等较小人为建成要素在某些比例范围内与建筑正交互。游憩设施和道路各自超过特定范围后呈正联合贡献。天空与水面分别在约25%和15%时联合贡献最高；天空比例超过40%会削弱水面贡献。
讨论部分总结：九仙村保留相对完整遗产景观，但文化与历史指标解释的方差少于空间表征和形式审美指标。该结果与Zhangguying和Anyi村中评价更响应绿色和田园景观的证据一致，但与优先传统村落文化属性的研究形成对比。这并非说明文化价值有限，而揭示遗产重要性与即时视觉显著性之间的不对称。喀斯特山水主导视野，色彩、开敞和秩序可快速引发审美与积极情绪；建筑历史、地方记忆和民俗意义需要语境知识和持续投入，在简短视觉评价中不突出。该研究通过区分遗产重要性与即时感知质量推进已有工作。九仙村历史文化内涵仍是保护核心，但仅静态展示历史空间未必转化为审美感知，景观设计与功能激活可通过视觉廊道和连贯体验序列连接文化环境与自然环境。喀斯特自然遗产区传统村落可提供恢复性体验，感知愉悦在即时情感上载荷高并与自然生态背景强关联。LSV和GVI与愉悦及积极情绪正相关，有助于解释自然主导空间偏好；植被也提升建成环境内预测视觉偏好，支持植物恢复效益。结果将恢复性景观研究扩展至生态—遗产复合环境。克制色彩对维持历史氛围重要，但单调场景弱引发积极情绪，适度增加色彩丰富度与偏好正相关，因此保护传统特征可能需在克制色谱内控制性丰富，而非色彩统一。非线性与条件关系表明规划不应孤立控制任一要素。植被总体支持视觉偏好，但高比例伴随开放田地贡献减弱，突出空间分层重要性。水面贡献先增后减，说明可见性增加不持续提升偏好；标牌也呈类似过渡，适度商业表达可增强视觉兴趣，但需尺度与视觉协调。规划建议包括优先生态完整性与视觉廊道，平衡遗产真实性与体验质量，并通过精细设计控制负面视觉干扰。局限包括：静态全景不能复现动态视觉序列、季节和光照变化，感知还受声景、氛围、旅游服务等多感官因素影响；受试者样本有限且未包括当地居民；仅研究九仙村，向其他喀斯特传统村落和其他地貌村落的可迁移性未检验；S-O-R仅用于变量分类，SHAP变化范围和联合模式为描述性，像素比例受和为常数约束，单要素效应、中介效应和因果机制需进一步研究；全景投影畸变及传统建筑、喀斯特地貌和乡村特征领域验证缺失可能引入分割误差。未来研究可通过虚拟现实、眼动和脑电考察注意与情感加工，加入听觉等感官维度；开展多地貌类型和更多样受试者比较以检验外部效度；开展纵向研究考察景观变化—感知交互，并通过中介分析和结构方程模型（structural equation modeling, SEM）验证路径，支持传统村落保护规划。
研究结论翻译：研究人员招募相关学科大学生作为受试者，以九仙村为案例，考察喀斯特自然遗产地多维景观—视觉偏好关联，得出四项主要发现。（1）空间秩序感知，包括空间开敞、视觉统一和视觉整洁，与积极偏好密切关联；即时响应，包括探索欲、感知新颖性和感知愉悦也突出。历史感与即时视觉美学评价无显著相关，其他文化指标关系较弱。（2）GVI、LSV、空间开敞和色彩丰富度与视觉偏好正相关；人为干扰和大量硬质景观与偏好负相关。（3）田地、草地和山体等自然要素显示正向饱和模式，其边际贡献在过渡范围后下降或稳定；建筑和公共设施等人为建成要素超过特定比例后负向性增强；游憩设施在某些范围内呈正贡献但趋于饱和。（4）景观要素表现三类条件交互模式：自然—自然、自然—建成和建成—建成组合在不同比例配置下显示正向或负向联合贡献，提示要素间可能存在相互调节或约束。在S-O-R理论框架下，本研究开发多维分析指标，并采用计算机视觉和可解释机器学习模型进行综合分析，提出针对九仙村的建成环境规划建议。研究结果可支持利益相关者做出信息充分的规划和管理决策，并为类似地貌条件村落提供参考。
