解码生态修复中的视觉可接受性：一种多模态可解释人工智能方法

《Land》：Decoding Visual Acceptability in Ecological Restoration: A Multi-Modal Explainable AI Approach

　　

虽然生态修复能够复兴退化的城市土地，但生物物理上的恢复并不能天然地保证公众的视觉接受度。本研究引入了一种无需调查的计算框架，用于评估修复后景观的视觉可接受性，分析了来自韩国生态系统保护征收费返还项目（Ecosystem Conservation Levy Return Projects）的685张修复后照片。研究人员整合了SegFormer和MiDaS模型，提取了22个深度加权的、人眼视角的景观指标，并通过K均值聚类（K-means clustering）将场地划分为三种不同的视觉组成类型。为了近似审美反应，一个CLIP视觉-语言模型生成了CLIP衍生的、图像级别的偏好评分。随后，研究人员应用随机森林模型（Random Forest model）（样本内R2 = 0.882）和SHAP分析来解码物理景观元素与CLIP衍生分数之间的非线性关系。结果揭示了一种非对称的关联结构：退化的视觉证据（裸土）和城市侵入物（建筑物）与较低的预估偏好密切相关，而展现照管痕迹的元素（未铺砌的小径）则与显著的正向效应相关联。SHAP依赖性分析确定了与较高预估偏好相关的有利条件，包括裸土暴露低于10%、建筑物可见度最小化，以及基线视觉多样性（SHDI）高于1.0-1.1——这种正相关性一直持续到数据集观察到的最大复杂度（约2.0）。通过将视觉景观组成转化为量化的、可解释的阈值，这种无需调查的框架为将美学考量融入基于证据的生态修复设计提供了一个可扩展且可解释的基础。

论文解读文章

研究背景与问题

生态修复已成为全球土地和生物多样性管理的核心战略。然而，修复项目的成功不仅取决于生态功能的恢复，还取决于公众如何感知和接受这些景观。过往研究表明，高生态价值的景观往往因其看似杂乱或不安全而获得较低的视觉偏好，而低生物多样性的整洁绿地却更受青睐。这种“生态质量”与“审美价值”之间的矛盾被称为“感知困境”。为了解决这一问题，Nassauer提出了“照管线索”（cues to care）理论，认为即使是生态上不熟悉的景观，如果能展现出人类意图和管理的迹象（如整齐的小路、清晰的边界），也能获得公众接受。然而，以往的研究多依赖于定性的案例研究和问卷调查，难以精确量化何种视觉元素及其比例与偏好相关。因此，迫切需要一种新的、可量化的、大规模的方法来评估修复后景观的视觉可接受性，并找出具体的设计阈值。

研究方法与技术

为解决上述问题，研究人员开发了一个集成了多种前沿技术的计算框架。首先，数据来源于韩国环境部发布的三个《生态系统保护征收费返还项目案例手册》，从中筛选出685张修复后的现场照片作为分析对象。关键技术方法包括：

1. 1.
   语义分割与深度估计：利用Transformer架构的SegFormer模型对图像中的22种景观元素进行像素级分割，并使用单目深度估计模型MiDaS（Mixed Data Sampling）来校正二维图像的透视失真，从而计算出每个元素的“深度加权视觉显著性指标”（depth-weighted visual-prominence metric）。
2. 2.
   视觉偏好代理指标：采用OpenAI的CLIP（Contrastive Language-Image Pre-training）视觉-语言模型，通过零样本强制选择程序，比较图像与“高度偏好的景观”和“高度厌恶的景观”这对文本提示的相似度，生成一个连续的、图像级别的“CLIP衍生视觉偏好分数”（CLIP-derived visual-preference score）作为因变量。
3. 3.
   预测建模与可解释分析：以22个深度加权指标和香农视觉多样性指数（Total-SHDI）为自变量，以CLIP偏好分数为因变量，构建随机森林模型（Random Forest model）进行拟合。随后，应用SHAP（SHapley Additive exPlanations）分析来解释模型的预测结果，识别关键特征的非线性影响和设计阈值。

研究结果

1. 物理景观结构与类型学

通过K均值聚类（K-means clustering），685张照片被分为三种视觉组成类型：

• •
  A型（裸土主导型，n=211）：裸土占比最高（61.8%），植被稀疏，视觉多样性最低（SHDI=1.00），CLIP偏好分数也最低（0.238）。
• •
  B型（草地主导型，n=174）：草地覆盖率高（58.2%），裸土少，空间结构相对单调，偏好分数居中（0.302）。
• •
  C型（多层复合型，n=300）：元素构成均衡复杂，包含灌木、树冠、自然水体、小路等，视觉多样性最高（SHDI=1.25），偏好分数也最高（0.333）。

方差分析（ANOVA）显示三组间偏好分数存在显著差异（p < 0.001）。但事后检验（Tukey HSD）发现，A型与B型、C型差异显著，而B型与C型之间无统计学显著差异（p = 0.072），表明宏观类型学不能完全解释偏好。

2. 与CLIP偏好分数相关的特征

随机森林模型在样本内拟合度很高（R² = 0.882），但其交叉验证性能较低（R² ≈ 0.12-0.15），表明泛化能力有限。SHAP全局特征重要性分析显示，裸土（Bare_Soil）（22.77%）和建筑物（Building_and_House）（17.37%）是对CLIP偏好分数影响最大的两个负面预测因子，其重要性远超植被元素。

3. CLIP偏好中的非对称关联结构

SHAP分析揭示了偏好与景观元素之间存在一种非对称的关联结构。一方面，高比例的裸土和建筑物与较低的CLIP分数强烈负相关；另一方面，人行尺度设施（如未铺砌的小径、长椅、围栏）和自然锚点（如水体、岩石）则显示出正相关。这表明，偏好并非简单地由“自然vs人工”决定，而是取决于对“退化迹象”（裸土、建筑体块）的严格抑制和对“照管线索”（人性化设施）的策略性提供。

4. 从依赖性分析中得出的设计阈值

SHAP依赖性图进一步明确了关键变量的非线性阈值：

• •
  裸土：当裸土暴露低于约10%时，对偏好分数的贡献为非负；一旦超过10%-20%，偏好分数急剧下降。
• •
  建筑物：表现出悬崖式的下降阈值，即使仅有2%-5%的建筑视觉侵入，也会导致偏好分数大幅降低。
• •
  未铺砌小径：在整个观测范围内（0-68%），其存在与偏好分数呈持续正相关，未发现饱和点。
• •
  视觉多样性（Total SHDI）：当SHDI值超过约1.0-1.1时，开始产生持续的正面贡献，且这种正面效应一直延续到数据集的最大观测值（约2.05）。

讨论与结论

讨论总结：

本研究的核心发现——“非对称偏好结构”——支持了景观偏好是由多重因素介导的观点，而非简单的植被覆盖率或复杂性决定的。研究发现，偏好与“照管线索”的存在与否关联更强，而非植被数量本身。特别是在生态修复场地的背景下，由于访客预先知道该区域曾是退化土地，他们对“荒野感”的期望值可能更高，因此少量的干预（如一条泥土小径）就足以传递“照管”的信号，其“最低有效剂量”低于传统公园。这为Nassauer的理论提供了计算层面的证据。研究还指出，景观偏好高度依赖于情境和预期，同样的元素在不同场所可能被截然不同地解读。

研究结论翻译：

本研究开发了一个计算框架，通过整合计算机视觉、集成机器学习和可解释人工智能，来表征韩国生态系统保护征收费返还项目（ECLRP）下生态修复场地的视觉组成和CLIP衍生的视觉偏好分数，并描述了景观组成与该代理指标之间的非线性关联。结果表明，维持裸土暴露低于10%、总体视觉多样性（Total SHDI）高于约1.0-1.1、屏蔽大型结构的可视暴露至约2-5%以下，并策略性地纳入泥土小径和其他小型基础设施，这些条件的共同作用与更高的CLIP衍生视觉偏好分数相关联，研究人员将其解释为一个合理的、但尚未独立验证的公众审美可接受性代理指标。本研究为计算景观评估提供了一个方法论框架，并为修复设计提供了可测试的假设基础。未来的研究应验证CLIP衍生分数与人类评分的相关性，并考察它们与实地测量的生态指标之间的关系。