除了去年推送过的基本的快题设计培训（包括广场、公园、住区等）的画法之外，在景观设计中一些新出现的前沿热点，包括：数字景观、棕地再生、海绵城市等，都是我们在课余之外需要了解的，也可能是会出现在某些考察之中的，所以特地做了一个专题科普一下。
我们本次的专题叫做景观设计前沿热点专题，包括：数字景观、宗地再生、海绵城市3篇，每周陆续推送一篇，本周推送的是数字景观。
时代背景：
今天的风景园林师需要在计算机上进行分析、设计、审查、施工及提交成果，越来越多专业人士的工作已经开始接近无纸化、数字化，并可通过互联网在全球范围内进行协作。数字技术已经渗透到风景园林的各个领域，不仅影响着风景园林师的工作方式和思维方式，也促进了世界范围内风景园林信息的共享，对于促进全球的风景园林业发展具有重要意义。
数字景观是数字技术与风景园林学相结合的产物，随着计算机、互联网技术的飞速发展及其向风景园林行业的渗透，风景园林进入到数字化时代。
1.数字景观的概念及意义
1.1数字景观的概念：
关于数字景观的概念，至今并未达成共识，但可以大致理解为：
数字景观是借助计算机技术，综合运用GIS、遥感、遥测、多媒体、互联网、人工智能、虚拟仿真、仿真和多传感应等数字技术，对景观信息进行采集、监测、分析、模拟、创造、再现的过程、方法和技术。
1.2数字景观的意义：
2.数字景观教育及研究生阶段研究方向选择指导
2.1数字景观教育：
1）关于数字技术的教学，包括课程设置、思维模式的培养等；
2）数字技术（主要是网络技术）作为技术支持参与教学，这改变了传统的教育方式。
3.数字景观设计案例
可能对于多数本科阶段的同学来说，学习内容主要是针对一些基础的理论学习和课程设计，数字景观是一个陌生的方向，也不太了解具体是做什么的。事实上，数字景观主要用于项目的前期分析，我们通过两个案例来具体讲解一下：
3.1风景园林信息模型技术辅助秦始皇陵规划（规画）研究——清华大学郭湧
郭湧老师将过去两年中作为博士后，在清华大学武廷海教授的“秦始皇陵国家考古遗址公园规划”项目中做了一些初步工作。清华大学武廷海教授在古城研究的二重证据法基础上发展了以“大地”为第三重证据的“三重证据法”研究方法，即“规画”研究的方法。在项目中，郭湧老师利用风景园林信息模型技术辅助规画研究，对秦陵地形进行了构建，初步尝试了以Autodeskcivil3D，Infraworks和TrimbleSketchUp构成的风景园林信息模型工作流。
3.1.1秦陵概况
秦陵位于西安东部，临潼附近。北侧渭河，南侧骊山，骊山渭水之间大约60平方公里的范围是秦始皇的陵区，秦兵马俑只是整个陵区很小的一个组成部分。整个陵区有非常丰富的埋藏，尤其是以封土为中心的陵园部分，反映了秦代最高工程的体制，有丰富的文化内涵。
3.1.2问题
现场有一个很大的秦始皇陵公园，但其规划以及空间关系并没有反映出应有的大格局，导致人们在秦陵的认识上产生一些问题。郭湧老师当时基于秦始皇陵国家考古公园的项目产生了这个研究，根据调查以及规划过程对其规划目标进行了定义，其中最主要的就是展示陵园的空间结构，彰显陵园的文化价值。为了实现这个目标，产生了一个非常集中的问题，即该怎样认识秦始皇陵本身的规划思想与内容。落实到研究内容，即是如何使用信息模型技术来支持规划研究，去发现阐释秦始皇陵本身的内涵。
3.1.3实验
1）规划方法
武廷海老师提出的古代都邑的规划方法对秦始皇陵的研究应用在三个方面：
l考察它建设的历史建造过程和工序以及工程主持者对其的影响；
l还原其规划方法，怎么从相地开始到建成的过程；
l总结秦始皇陵的空间内涵。
为什么选在骊山之阿
怎么改善其水土条件，进行了很多工程建造
确定轴线关系以及大体结构
功能分区与尺度的确认
总体规划方案的形成
在陵园范围内进行管理和设计，形成现在的骊山园
郭湧老师在此做的工作就是通过风景园林信息模型构建方法对大地进行考察，利用AutodeskCivil3D、Infraworks、SketchUp形成一个风景园林信息构建的工作流，目的是为了模拟场地的情况。
从开元地理云拿到了30m*30m的DEM模型，形成了一个骊山区域的模型。
因为尺度太大，不足以进行研究，所以找到了一个1：2000的测绘数据。
数据处理好之后从Civil3D导入Infraworks进行数据的融合，形成一个陵园的素模，要表现出区域的地貌和特征，需要制备一个足够精细的地面图像，可以用到AutodeskRasterDesign，其功能是可以赋予矢量图地理坐标，使其成为包含地理信息的图像，赋予其一个坐标，就可以投影在模型上，在Infraworks里面就可以看到一个即时的渲染效果。
2）模型构建
模型特点：
跨尺度的模型，关中平原的尺度，骊山渭水尺度，陵区尺度的信息全部包含在一个模型里面；
人视角度的模拟；
信息化更集成，一般的地理基本信息都可以实现，一个模型承载的信息更综合。
3）规划中的研究工作
经过武老师的包括文献研究和考古报告的梳理，骊山和渭水之间吴西村的位置大概可以认定为整个规划的原点，从这里按照推论出来的一个模式，形成一个图示之后，可以把目前所有已有的考古发现比较完备地包括在这个模式中，这个模式就是一个方和圆的模式，就是利用基本的规矩准绳形成的一个图示。
从吴西村向南望，在人的视域范围内可以看到骊山的两个山脚，以此为一个大的规划方向去看望峰，望峰作为一个尖峰，正好在居中的位置，是一个特别突出的准望点，大概可以确定了轴线。然后以吴西村为圆心，可以确定规划的半径，形成一个圆，这个圆把所有的考古内涵都包含进去。同理，以吴西村为圆心，到骊山山前为半径作圆，可以把都邑和陵园的范围都包含在内。再把六个步骤都包含分析，就可以很好地解释目前形成的空间格局。
LIM作为一种辅助模型，模拟了以吴西村为规划原点的视域效果，这是骊山的整个模型，它等于是在关中平原的尺度上把骊山的模型建成后，模拟很大范围的视觉效果。这个效果在现场是不太容易体现的，毕竟有很多的干扰和限制，但是在模型里却可以进行精确的测量，测量结果就证明这个点恰好是一个人自然视域的点。现场调查与模型的对应可以帮忙确定规划里需要重点设计和强调的空间节点。
为了体现信息化的特点，郭湧老师对封土进行了一个数据操作，结果可以发现，地宫南侧的给排水系统和地陵的本身位置和封土位置是恰好能够融合的，在空间上是有准确的地理空间关系的。这个系统可以很好地还原建模的内容，另外可以进行一些数据运算和模拟。
恢复它的“回”字的二重结构，突出南北的轴线，对东西门址的发现进行一个呼应，总体上恢复它历史上的空间格局。另外，因为它是一个考古遗址公园，考古工作在不断进行，考古发掘的现场要长期的存在，通过考古报告的分析和模型的模拟，可以得出一个结论，大部分区域还有很丰富的考古遗存，考古价值还很大，要给考古工作发掘留出余地来，而已经推断出地下没有遗存的区域可以作为游憩展览的功能。
3.1.4成果
3.2基于低空高分辨影像的三维绿量计算方法——同济大学陈荻
3.2.1材料与方法
1）研究区概况：
研究区位于江苏省南京市南京林业大学新庄校园。地理上属于华东地区，长江下游中部(31°13’－32°36’N，118°19’－119°24’E)，气候类型属亚热带季风气候，冬季温和少雨、夏季高温多雨。校园坐落于山水秀丽的紫金山脚下、玄武湖畔，占地面积79.977hm2，绿地面积43万m2，绿化覆盖面积62.3万m2，绿地率达53.8%，绿化覆盖率达78%。校园内植物主要有91个科，245个属，603个种，其中正种546种，变型种12种，栽培变型种15种。
为研究方便，我们根据不同的使用功能，把校园绿地进行分区：A.教学区、B.学生生活区、C.运动区、D.校园主入口开放空间区、E.教工生活区、F.教研储备用地区、G.商业服务区(图1，G区占地面积较小，且与校园无紧密联系，不纳入此次研究范围内；F区处于建设施工阶段，亦不纳入)。
2）无人机影像数据获取与处理影像的获取
影像质量评估
对获取的航空影像进行质量评估，筛除成像质量较差相片，主要通过以下4种指标：
1)航高差：各航带之间的最大航高差及每条航带内的航高最大值与最小值之差，差值越大说明飞行高度越不稳定，影像几何变形较大，影响后续拼接工作。
2)影像重叠度：
航向重叠度：the-calculation-of-three-dimensional-green-biomass-based-on-low-altitude-high-accuracy-photo-06
旁向重叠度：the-calculation-of-three-dimensional-green-biomass-based-on-low-altitude-high-accuracy-photo-07
其中，LX、LY表示像幅的边长，PX、PY表示航向和旁向重叠影像部分的边长。
3)影像最大旋偏角：
指一张影像上相邻主点连线与同方向框标连线间的夹角，连线间的夹角越大，航线的中心点偏离越大，影像越不适合参与多幅影像的拼接工作。
4)航带弯曲度：
航带两端影像主点之间的直线距离L与偏离该直线最远的像主点到该直线垂直距离Q的比，采用百分数表示：R%=(Q/L)×100%
航线弯曲度越小，说明一条航带拍摄影像中心点在同一直线上的几率越大。
通过计算以上4种影像质量评估的指标，本次试验各航带之间的最大航高差为10m，每条航带内的最大与最小值之差为6m，航摄实际航向重叠度平均为76%，旁向重叠度为50%。删除影像最大旋转角大于3°相片5张，这些相片位于航线转弯掉头处，并不连续。航带弯曲度为0.5%。因此，本次航摄251张相片质量较好，为后续拼接做好了准备。
地面像控点(GCP)的采集
通过RTK差分GPS(南方测绘S82)采集40个地面上具有明显特征的标志点，尽可能选在道路交通标志线交叉点、体育场地设施标志等易于识别的地方。同时，避免采用由于拍摄角度不同，变形严重的建筑屋顶或其他具有高程的物体。地面像控点在整幅图像内均匀分布(图2)。20个点参与空三运算，剩余20个点作为检查点，来衡量图像拼接处理的精度。GCP采用高斯—克里格投影，北京1954地理坐标系统。
3.2.2校园三维绿量空间分布特征
根据校园功能分区及树木树冠外轮廓所在位置，分别计算出不同分区内的树种、植株数、冠径、绿地覆盖面积等指标。进一步根据单株植物三维绿量，得出总三维绿量，各主要功能区内的三维绿量和分布如下图：
由图表可知，在校园总体三维绿量中，教学区三维绿量为618355.263m3，占40.61%，所占比重最大。植物种类丰富，有120种。这一分区是整个学校的核心区域，是师生教学的重要场所，丰富的树木种类及数量有利于为师生提供舒适安静的学习环境，营造理性、生态、宽敞的教学空间。同时，该区域也为本科生植物教学提供了便利的实习基地。
4.数字景观未来发展
数字景观模拟技术、地理设计方法以及数字文化素养的培养将是未来数字景观教育的发展趋势。
4.1景观的数字模拟
当前的三维模拟技术已经趋于成熟，各种三位模拟软件也层出不穷，同时出现了诸如增强现实、自由立体可视化等让人身临其境的技术。未来的三维模拟将不会仅仅局限在视觉感受上，如2012年的DLA会议上已经将声音和视野通过地理位置、风向、风速等参数连接起来。使得人在观看模拟场景时能够有更加真实的体验。这种多元化的三维模型不仅能够提供更接近现实的体验，也能够更加引起公众的兴趣，从而在环境的评估、规划方案的选择等过程中发挥更大的作用。
4.2地理设计
尽管地理设计的理念近几年才提出，还处于发展之中，但在城乡规划和风景园林领域被迅速认识并推广。它集成了现有城乡规划与风景园林研究所需的一些主要成果和理念，如情景分析、循环评估、动态规划、公众参与、即时评价、参数化设计等。规划设计人员可将大脑中的构思方案通过系统所提供的智能化设计工具绘制出来，也可方便地通过系统所提供的各种分析工具对所绘制的方案进行分析和评估。方案的每次局部调整，都可通过所设置的指标参数得到反馈。规划参与人员在这样一个高度可交互的环境中对设计方案进行充分的交流和评估，直到满足规划设计目标和规划设计指标的要求。
4.3数字文化素养的培养
随着互联网的快速发展，人们获取信息(数据)的途径、规模、数据种类正在以极快的速度增长，大数据时代已悄然降临。大数据具有量大(volume)、流速快(velocity)和类型丰富(variety)和价值高(value)4个特征。如何对海量的、结构化或非结构化的数据进行采集、分析并有效利用成为未来风景园林师面临的巨大挑战。
1）重视引导大数据知识发现的方法教育——数据挖掘
数据挖掘是通过聚类、关联、回归等规则，对数据进行分析，进而发现知识/规律。但不同于依靠有限样本的传统同济方法，大数据的统计分析建立在“全体数据”基础上，通过频繁出现模式和关联分析，压制了有限样本的个体结果波动，能更可靠地揭示数据背后隐藏的知识。大数据强调在人机交互体系中，通过“统计计算”和“统计学习”实现统计分析。大数据规模巨量化和样式多样化为规划决策提供了基本的素材，而通过各种计算模型和空间分析模型得到的潜在规律，则是真正帮助决策者进行决策的关键。
2）加强大数据逻辑表达技术的传授—数据可视化
数据可视化，即是运用表格、图解、图像以及其他直观的数据可视化行驶，实现对数据的分析和交流，并激发观赏者的参与。大数据规模的激增，使人们急需展示数据、理解数据和演绎数据的工具，法国统计学家伯廷认为，“图形是解决逻辑问题的视觉方法”。塔夫特在《定量信息的视觉展示》中，将每一个数据集都做成图示物，对大数据可视化压缩后的知识和视觉传输的高吞吐信息进行结合处理，收获可视化的“乘数效应”来获得更多有价值的数据。
5.1研究生阶段研究方向：
第二，数字景观的研究是科学的、理性的、为项目设计提供了很多依据，让你的项目更有说服力。学了5年设计的同学都明白，设计最大的弊端，就是它整体过于感性，就算你的设计做得很完善很充足，图纸画的完善，你的评图老师（甲方）不喜欢，你就功亏一篑。所以，如果你在做设计的前期，就能拿出完整的数据分析，去证明我这个项目就应该这么做，找到一些拿出来就是大家哑口无言、放之四海皆准的根据，那么你的设计就会做的很顺利。同时，如果你毕业之后继续进入设计单位工作，在你对政府、甲方各方汇报的时候，你有科学的前期分析，也会让你加大项目中标的概率。总的来说，建议研究生阶段，选择导师和方向，要么选自己喜欢的，要么选最前沿的。
1.什么是数字景观？
1）数字景观：数字景观是借助计算机技术，综合运用GIS、遥感、遥测、多媒体、互联网、人工智能、虚拟现实、仿真和多传感应等数字技术，对景观信息进行采集、监测、分析、模拟、创造、再现的过程、方法和技术。
2.什么叫数据挖掘？
数据挖掘是通过聚类、关联、回归等规则，对数据进行分析，进而发现知识/规律。但不同于依靠有限样本的传统同济方法，大数据的统计分析建立在“全体数据”基础上，通过频繁出现模式和关联分析，压制了有限样本的个体结果波动，能更可靠地揭示数据背后隐藏的知识。
3.什么叫数据可视化？
数据可视化，即是运用表格、图解、图像以及其他直观的数据可视化行驶，实现对数据的分析和交流，并激发观赏者的参与。