EN中文

地球信息科学学报 >

2025 , Vol. 27 >Issue 2: 441 - 460

DOI: https://doi.org/10.12082/dqxxkx.2025.240513

地球信息科学理论与方法

面向视觉感知计算的古典园林景观3D数据模型设计——以苏州拙政园为例

  • 张江玥 ,
  • 苏世亮
展开
  • 武汉大学资源与环境科学学院城市计算与可视化研究室，武汉 430079
*苏世亮（1985— ），男，河北秦皇岛人，博士，教授，主要从事地理时空建模与地图可视化研究。 E-mail:

张江玥（1998— ），女，甘肃天水人，博士生，主要从事视觉感知与地图可视化研究。E-mail:

Copy editor: 黄光玉 , 蒋树芳

收稿日期: 2024-09-10

  修回日期: 2024-12-26

  网络出版日期: 2025-01-24

基金资助

国家自然科学基金面上项目(4247011627)

中国工程科技发展战略湖北研究院咨询重点项目(HB2024B12)

湖北省青年拔尖人才计划项目(212100006)

武汉大学人才启动基金项目(413100138)

收起

A Novel 3D Data Model for Chinese Classical Gardens Tailored to Visual Perception Computing: A Case Study of the Humble Administrator's Garden, China

  • ZHANG Jiangyue ,
  • SU Shiliang
Expand
  • Urban Computing and Visualization Lab, School of Resource and Environmental Sciences, Wuhan University, Wuhan 430079, China
*SU Shiliang, E-mail:

Received date: 2024-09-10

  Revised date: 2024-12-26

  Online published: 2025-01-24

Supported by

National Natural Science Foundation of China(4247011627)

The Academy-Local Cooperation Project of Chinese Academy of Engineering(HB2024B12)

The Young Top-notch Talent Cultivation Program of Hubei Province(212100006)

The Fundamental Research Funds for the Central Universities(413100138)

Fold

摘要

【目的】 作为世界文化遗产和城市游憩空间的重要组成部分，中国古典园林文化生态系统服务的发挥主要依赖于游客与景观的视觉感知与交互。然而，如何为古典园林景观视觉感知模拟建立相应的3D数据模型仍存在以下方法挑战：如何构建视觉感知框架以表征中国古典园林所特有的“景”概念?如何以游客视觉感知为切入点剖析其游园观景行为?以何种形式组织古典园林景观3D数据模型，从而实现视觉感知的全流程模拟计算，并提升计算效果和效率?【方法】 针对这些挑战，本文从游客视觉感知过程的“客体-路径-主体-结果”4个环节出发，以“叙事符号系统-叙事策略”的空间叙事为切入点，将古典园林景观构成剖析为“环境空间-视觉感知空间-视知觉空间”，提出了古典园林景观的视觉感知框架，并基于相关领域本体模型 语义复用，将模型梳理为“地物层-行为层-分析层”3个层次，扩展并设计了面向视觉感知计算的古典园林景观3D数据模型。【结果】 以苏州拙政园为例，从地物数据处理、行为数据配置、存储环境搭建，再到分析数据计算，阐述了古典园林景观3D数据模型实施应用的方法流程，以期为中国古典园林乃至其他文化遗产三维空间视觉感知研究提供理论与方法参考。

关键词： 中国古典园林; 部件级实景三维; 3D数据模型; 空间叙事; 视觉感知计算; 本体语义复用; 数字地图

本文引用格式

张江玥 , 苏世亮 . 面向视觉感知计算的古典园林景观3D数据模型设计——以苏州拙政园为例[J]. 地球信息科学学报, 2025 , 27(2) : 441 -460 . DOI: 10.12082/dqxxkx.2025.240513

Abstract

[Background] Chinese Classical Gardens (CCGs), as integral components of world cultural heritage and essential urban recreational spaces, hold profound cultural, historical, and aesthetic value. Renowned for their intricate design, these gardens provide cultural ecosystem services through dynamic interactions between tourists and landscapes. Visual perception plays a pivotal role in these interactions, directly influencing how visitors engage with and interpret the "scenery"—a concept central to CCGs. With rapid advancements in 3D real scene reconstruction and digital simulation technologies, a pressing challenge has emerged: developing a 3D data model for CCGs tailored to visual perception computing. Traditional models fail to capture the complex interplay between spatial elements and human perceptual responses. [Objectives] This study aims to address this challenge by tackling three core methodological issues: (1) constructing a visual perception framework to represent the unique "scenery" concept inherent to CCGs; (2) analyzing tourist behavior through the lens of visual perception processes; and (3) organizing a 3D data model that supports robust analysis and visualization. [Methods] To systematically address these challenges, the study elaborates on a visual perception framework for CCGs, integrating four critical stages of visitors' visual experiences: object (what is seen), path (how one navigates), subject (who perceives), and outcome (the resulting impressions and emotions). This framework incorporates spatial narratives, consisting of a narrative symbol system and strategies, and landscape space composition, distinguishing among environmental space, visual perception space, and visual cognition space. Building on this framework, a novel 3D data model tailored to visual perception computing in CCGs is proposed. The model is structured into three interrelated layers: the physical features layer (capturing spatial and structural details), the behavior patterns layer (analyzing tourists' movements and gaze behaviors), and the analytical layers (integrating visual perception metrics). [Results] The feasibility of the proposed approach is demonstrated through a case study of the Humble Administrator's Garden in Suzhou. The implementation process involves acquiring physical data, configuring behavioral data, setting up the storage environment, and computing visual perception. This multi-layered approach provides a theoretical framework for understanding visual perception in CCGs and establishes a methodological pathway for applying 3D technologies to cultural heritage research. [Conclusions] The proposed 3D data model offers a deeper understanding of visual perception within CCGs, facilitating new insights into spatial design and visitor experiences. Furthermore, the methods outlined in this paper have broader implications for studying and preserving other cultural heritage sites, advancing the integration of digital technology in heritage conservation and cultural landscape analysis.

Key words： chinese classical gardens; component-level 3D Real Scene; 3D data model; spatial narratives; visual perception computing; ontological semantic reuse; digital cartography

1 引言

随着人类社会步入视觉经济时代，视觉感知与体验逐渐成为人们生产、交换与消费系统中的重要影响部分[1]。作为世界文化遗产的苏州古典园林景观具有科学研究和文化消费的双重属性，而视觉感知则是实现其游憩观赏功能的前提[2]。在数字技术不断发展的今天，数字环境下的视觉感知模拟计算在古典园林景观研究领域的定量转向中蕴藏着巨大潜力，如何为视觉感知模拟提供相应的数字环境，成为古典园林景观视觉感知模拟的数据基础问题。实景三维（3D Real Scene，3DRS）能够真实、立体、时序化反映人类生产生活空间的时空信息[3]，因此成为应用广泛的数字模拟环境，三维数据模型与其他领域数据的集成开发也成为行之有效的方法[4]。自然资源部《关于全面推进实景三维中国建设的通知》[5]提出了以专业化、个性化应用需求为导向进行部件级实景三维（Component-level 3DRS）建设，从而实现历史文化遗产的活化利用[6]。目前古典园林景观领域的相关研究亦呈现出三维化[7]、定量化[8]的趋势，形成了“3D GIS+HBIM[9]”的数据组织范式，许多学者从园林要素信息的存储管理和三维可视化等角度对古典园林景观3D数据模型进行了探讨和实践。在视觉感知方面，数字环境下的三维视觉感知特征量化成为该领域的热点议题[10]，有学者从算法角度引入了光线追踪法[11]、体素法[12]、虚拟现实模拟[13]等方法量化视觉感知，也有学者从平台建设角度开展研究，设计了视觉感知驱动的城市数字孪生平台，旨在对城市客观视觉特征进行评估、对主观视觉感知进行量化和模拟[14]。然而目前相关研究仍存在以下问题： ① 现有研究较少从挖掘中国古典园林景观的独特性入手来探讨其视觉感知特征[15-16]，如何构建视觉感知框架、从而阐释中国古典园林所特有的“景”的概念?② 多数研究落脚于古典园林景观的宏观结构分析[17]，较少将游客视觉感知纳入考量，如何以游客视觉感知为切入点剖析其游园观景行为?③ 相关研究大多局限于三维数据管理、可视化、查询等功能应用[18⇓-20]，鲜少面向视觉感知模拟计算，且三维模型往往使用点云模型[21-22]和可视化效果较好的精细模型[23]，难以适应视觉感知模拟计算的数据轻量化需求。那么应该如何针对古典园林特点、以何种形式组织古典园林景观3D数据模型，从而实现视觉感知从客体、过程、主体再到结果的全流程模拟计算，并提升计算效果和效率?
针对以上研究不足和问题，本研究以中国古典园林为研究对象，构建基于游客视觉感知与空间叙事理论的古典园林景观视觉感知框架，设计面向视觉感知计算的古典园林景观3D数据模型，以苏州拙政园为案例应用场景、以苏州古典园林景观部件级实景三维为数据基础，说明模型应用的方法和流程，以期推动苏州古典园林这一世界文化遗产的活化利用，并为古典园林景观的视觉感知模拟计算提供理论构建、数据组织和方法应用层面的参考。

2 基于游客视觉感知与空间叙事理论的古典园林景观视觉感知框架

数据模型的构建是从具象到抽象的过程，古典园林景观作为具有强文化属性的游览空间，其数据模型的构建应基于古典园林景观的形成和应用特点[24]。游园观景是具有具身性的行为，为了强化古典园林景观视觉感知与语义获取之间的联结，本文构建了如下古典园林景观视觉感知框架（图1），梳理游园者视觉感知过程、造园者空间叙事及其与古典园林景观构成之间的关系。古典园林的语义传达本质上是造园者向游园者传达精神意趣的过程[25]：造园者借造园手法、通过空间叙事将语义转译到古典园林景观这一叙事媒介中，游园者通过以视觉为主的具身感知从古典园林景观中获取信息、形成对古典园林景观空间的视觉语义感知。视觉感知过程是视觉感知客体经由视觉感知路径被主体所感知，形成视觉感知结果的过程。空间叙事由叙事符号系统和叙事策略构成，叙事符号系统包括基于直觉和基于文化语境的符号系统，叙事策略分为宏观结构、微观纹理和修辞3个方面，叙事符号系统作为物质基础组织了叙事策略。景观空间构成搭建了古典园林的“景”，古典园林景观由环境空间、视觉感知空间和视知觉空间构成，其中视觉感知空间由环境空间采样形成，分别对应视觉感知过程中的4个环节，叙事符号系统搭建了环境空间，叙事策略影响了视觉感知空间和视知觉空间。本文借由此框架提取出古典园林景观的数据概念（地物、行为、分析），继而构建数据模型，为古典园林景观视觉感知过程的数字模拟计算提供数据支持。
图1 古典园林景观视觉感知框架

Fig. 1 Visual perception framework for CCGs

2.1 古典园林景观视觉感知过程

游园者的具身感知由视觉行为主导[26]，视觉感知是古典园林景观语义信息获取的主要手段，其过程由视觉感知客体、视觉感知路径、视觉感知主体和视觉感知结果构成[27]：视觉感知客体是古典园林景观的地物与环境；视觉感知主体是游园者，其空间位置在游园过程中能够发生主观能动的变换；视觉感知路径是游园者在园林景观中通过变换空间位置、视线方向而形成的一系列视觉感知获取模式；视觉感知结果是游园者最终通过个体视觉感知系统获得的视觉感知信息。视觉感知客体、主体和结果均能在数字环境中实体化，是古典园林景观的构成依据。

2.2 基于造园手法的古典园林景观空间叙事

2.2.1 古典园林景观的叙事性

游园者在古典园林中的移动、观察、交互过程中蕴含时间因素，因而展现出具有文本阅读倾向的叙事性[28]。中国古典园林具有较强的文学性，其造园主体（造园者）、造园要素和造园思路无不与文学挂钩，空间叙事也与文学叙事有着极强的类比关系[29]，如表1所示。
表1 文学叙事与古典园林景观空间叙事对比

Tab. 1 Comparison between literary narratives and spatial narratives of CCGs

文学叙事 空间叙事
叙述者 作者 造园者
叙事媒介 语言文字 造园要素（叠山理水、建筑花木等)
叙事内容 事件、故事 精神意趣
叙述对象 读者 游园者
叙事策略 结构编排与修辞 造园手法
解码路径 基于阅读构建意象 以视觉为主，多感官调动体会意境

2.2.2 叙事符号系统

叙事符号系统为叙事媒介构建了底层框架。古典园林景观的叙事媒介由物质变量——造园要素构成，包括山石、理水、建筑、花木和铺地[30]。叙事符号系统可以根据其特征概括为两层：一层是基于直觉的符号系统；另一层是基于文化语境的符号系统[28]。古典园林景观视知觉特征由空间结构特征、色彩质地特征和语义特征所共同构成（图2）。基于直觉的符号系统以视觉为主、其他感觉为辅，游园者对园中各要素进行直观感觉，从而触发自身对园林意境的浅层感知。在基于直觉的符号系统中，各造园要素的空间结构特征对叙事线索编排起到了重要作用。基于文化语境的符号系统是浅层感知与游园者既有文化语境的进一步融会，继而唤醒游园者的文化审美与情感归属。在基于文化语境的符号系统中，语义特征传达了造园要素的符号象征意义。造园要素通过不同的组合和配置，借基于直觉的符号系统“造境”，借基于文化语境的符号系统“点题”，进而达到彰显山水精神和比德象征的叙事目的。
图2 叙事符号系统

Fig. 2 Narrative symbol system

2.2.3 叙事策略

古典园林景观的叙事策略是造园手法，其通过对叙事符号系统的塑造，影响视觉感知主体形成特定的视觉感知结果并获得审美体验，进而传达园林空间意境。叙事策略可以分为宏观结构、微观纹理和修辞（图3）。
图3 叙事策略

Fig. 3 Narrative strategy

宏观结构是古典园林景观的主体叙事线索[31]。中国古典园林“园中有园，景中有景”，在空间层次上可以按照常识性的地物界限（如院墙、篱落、水系等）以及可视性与可达性将古典园林景观分为“词-句-段落-篇章” 4个层次。结构衔接由空间单元的邻接关系决定，以游园者的视线通路为接口，利用门窗洞开等空间隔断上的通道使空间单元之间相互渗透穿插，形成叙事上的预览与回顾。时空布局是对结构衔接的升级扩展，指通过园路系统组织串联空间序列，以游览顺序为叙事线索、以游园者的身体时间为尺度，借游览过程的时间流逝感受古典园林景观的叙事展开。
微观纹理便是古典园林景观的章法，在园林中依照一定的频率重复出现，形成造景组景的配置模式，从维度上可以分为界面纹理和空间纹理。界面纹理即要素细部，包含了复杂的语义信息。空间纹理亦为空间层次中的“句”，是形成范式的多种造园要素的配置模式，所构成的叙事画面单元是观景的主要对象（图4）。
图4 空间纹理

注:图中字母表示5种造园要素的组合形式，其中“.”表示没有出现在该类型中的造园要素。每种造园要素的代表字母表示在最外圈。

Fig. 4 Spatial texture

修辞是古典园林景观空间叙事的灵魂，面向叙事符号系统，渗透于宏观结构与微观纹理，以呈现古典园林“巧于因借，精在体宜”的表现力。针对基于文化语境的符号系统的修辞（语境修辞）有隐喻、象征、比兴等，以达到比德象征、托物言志的目的；针对基于视觉（直觉）的符号系统的修辞（视觉修辞）有借代、对偶、对比、留白等[32]，构景手法即是对视觉修辞的活化运用，从游园者视角出发组织造园要素的布局与层次，从而放大古典园林从局部到整体的美学特质，借造园要素的视觉特征和语义特征塑造中国古典园林的“景”。修辞在具体构景手法中的应用见图5。
图5 修辞在构景手法中的应用

Fig. 5 The application of rhetoric in scenery construction techniques

2.3 基于视觉感知的古典园林景观构成

法国哲学家梅洛庞蒂[33]认为，身体具有主体—客体的“两义性”：相对于外部地理空间，身体承载意识，并作为主体的一部分接收环境信息；相对于精神空间，身体又作为客体能动地参与到与外部空间的交互中。游园者作为在地理空间中客观存在的主体，具有物理空间坐标和空间运动；游园者的身体作为意识的客体和信息传感器，能够帮助游园者能动地接收视觉信息，并凭借个人阅历和审美经验甄别景观之美、合成观景体验。造园者从宏观视角造园筑景、讲故事的地理空间在空间叙事上由叙事符号系统搭建，称之为环境空间。游园者以自身身体为坐标原点从微观视角在环境空间中游园观景、读故事，在视觉层面上对环境空间采样形成视觉感知空间。游园者通过在环境空间中移动、观察、交互，将一个个碎片化的视觉感知空间在精神空间中进行组合串联，形成古典园林景观的视知觉空间[34]。视觉感知空间和视知觉空间在空间叙事上受叙事策略的影响，三者共同构成中国古典园林的“景”。在数字环境下，环境空间、视觉感知空间和视知觉空间分别可以抽象为地物、行为和分析3类数据概念，进而设计古典园林景观3D数据模型（图1）。

3 面向视觉感知计算的古典园林景观3D数据模型设计

在数字环境下，视觉感知路径作为视觉感知过程的模拟计算方法，从视觉感知客体（地物数据）、视觉感知主体（行为数据）和视觉感知结果（分析数据）3部分进行数据调用和存储，所涉及的数据加工程度依次加深（图6）。基于这一应用模式，本文从概念模型设计和几何细化设计2个方面对古典园林景观3D数据模型进行构建。
图6 古典园林景观3D数据模型应用模式

Fig. 6 Application mode for 3D data model of CCGs

3.1 基于本体模型语义复用的概念模型设计

概念模型设计是对古典园林景观数据（地物数据、行为数据和分析数据）的抽象综合过程，而本体（ontology）是对概念模型的形式化和显式说明[35]。古典园林景观既是地理现象，也是文化遗产，因此可以将地理信息领域本体和文化遗产领域本体结合复用，并根据古典园林景观数据的特殊需求进行扩展，从而形式化地表达古典园林景观数据概念并构建模型。

3.1.1 相关领域本体

OGC GeoSPARQL标准是开放地理空间信息联盟（OGC）所开发的地理查询语言标准，支持在资源描述框架（RDF）语义网上表达和查询地理空间数据，命名空间为http://www.opengis.net/ont/geosparql#（缩写为前缀geo）；CIDOC概念参考模型（简称CIDOC CRM）是文化遗产领域通用本体，命名空间为http://www.cidoccrm.org/cidoc-crm/（缩写为前缀crm，类和属性标识符前缀分别为“E”和“P”）。CIDOC CRM扩展出了多个兼容模型：CRMgeo（命名空间缩写为前缀cg，类和属性标识符前缀分别为“SP”和“Q”）是CIDOC CRM的时空模型扩展，通过时空细化将CIDOC CRM与OGC GeoSPARQL标准相连接，从而为文化遗产在地理空间中的量化研究提供参照；CRMba（命名空间缩写为前缀cb，类和属性标识符前缀分别为“B”和“BP”）是CIDOC CRM的建筑模型扩展，并复用了CRMgeo中的概念，旨在记录古建筑的物质证据资料、建筑组件之间及其与整个建筑之间的关系（图7）。
图7 相关领域本体及其之间的关系[36]

Fig. 7 Related domain ontologies and their relationships

3.1.2 古典园林景观数据本体

为了支持跨领域模型和异构数据间的语义互操作性，实现GIS领域、文化遗产领域和园林建筑领域之间知识信息的共享重用，本文将本体作为古典园林景观3D数据模型设计的语义基础，对各元素之间的语义关系进行显式表达[37]，复用OGC GeoSPARQL标准、CIDOC CRM与CRMgeo、CRMba的相关概念和属性，并根据模型构建需要进行扩展，扩展部分命名空间用前缀g3am表示。
地理信息领域本体对地理空间中的实体和现象进行形式化、概念化描述，由空间本体和概念本体两部分组成[38]。参考目前使用最广泛的地理信息本体五元组表达模型O=<C, R, F, A, I>[39]（依次指代地理信息本体的概念、关系、函数、公理和实例），本文提出古典园林景观数据本体（CGOnto）的形式化表达模型[40]：
C G O n t o = C G C ,   C G R ,   C G P ,   C G R u ,   C G I
式中：CGC表示CGOnto概念的集合；CGI表示CGC下的具体实例；CGR表示CGOnto中关于CGC和CGI的关系；CGP表示CGC和CGI的属性；CGRu表示CGC和CGI的类型、范围等约束。CGC和CGI沿用上述相关领域本体的标准。从面向对象的角度来看，CGC和CGI分别是CGOnto的类与对象，CGR、CGP与CGRu分别是方法、属性和约束，因此可以将CGOnto的逻辑划分为（概念域，实例域）×（地物层，行为层，分析层）（图8），即概念域与实例域中分别包含了CGC、CGI及与其关联的CGR、CGP与CGRu。
图8 古典园林景观数据本体逻辑分层

Fig. 8 Logical layering of CCGs data ontology

CGC={CFeature, CBehavior, CAnalysis}={c1,c2,c3,…,cn}，是古典园林景观地物要素类CFeature、行为现象类CBehavior与分析结果类CAnalysis的概念及其层级分类的n维集合。古典园林景观的空间叙事贯穿在古典园林景观及其视觉感知的全过程中，可据其对古典园林景观数据进一步细化概念层级、扩展命名空间（表2）。
表2 概念层级及其命名空间扩展

Tab. 2 Concept hierarchy and namespace extension

一级类 命名空间 二级类 命名空间 三级类 命名空间
地物
要素		 G1 Garden Feature 山石 G2 Rockery 假山 G3 Hill
叠石 G4 Stone
理水 G5 Waterbody - -
建筑 G6 Construction 门 G7 Door
窗 G8 Window
桥 G9 Bridge
柱 G10 Column
屋顶 G11 Roof
室内家具 G12 Furniture
矮墙/护栏 G13 Parapet
其他构筑物 G14 other Construction
花木 G15 Vegetation 乔木 G16 Tree
灌木 G17 Shrub
草地 G18 Lawn
铺地 G19 Pavement - -
景框 G20 Scene Frame - -
行为
现象		 G21 Behavioral
Phenomenon		 观景行为 G22 Viewing Behavior 静观行为 G23 Static Viewing Behavior
观景视点 G26 Viewing Point
游园行为 G25 Tour Behavior 游观行为 G24 Dynamic Viewing Behavior
游园路线 G27 Tour Line
分析
结果		 G28 Analysis Result 结构分析结果 G29 Structural Analysis Result - -
视点分析结果 G30 Viewpoint Analysis Result 点类结果 G31 Point Data
格网类结果 G32 Grid Data

注：命名空间前缀均为“g3am:”。

地物数据描述古典园林景观中地物要素的实体三维特征。根据古典园林景观的叙事符号系统，5个地物要素类可以按照不同的性质继续细分。山石按照其土石属性和体积大小分为假山与叠石，山体能够塑造地势起伏、划分大尺度空间单元、引导视线与游线，叠石则在局部范围内作修饰用途。理水即水体，在宏观结构上的不可达性限制了游园者的活动范围，在空间纹理上的灵动感为园林增添了自然意趣。建筑状态稳定、形态规整，是园林中最直观的人造地物要素，能够组织景观、引导视线、约束游线、明确表达语义。建筑可按照部件形态功能细分为门、窗、桥、柱、屋顶、矮墙/护栏和其他构筑物：门、窗按照透光性分为门洞、空窗、花窗/漏窗，在宏观结构层面能够衔接结构，常用于构景；花木是活的造园要素，区别于西方园林理性秩序的处理手法，中国古典园林更加注重其本身的长势、姿态和活性，可按照植被体量和形态分为乔木、灌木和草坪，乔木又可以按形态分为树干和树冠。铺地是对园林中路面的硬化处理，构建了古典园林景观的园路系统，在结构衔接和时空布局上能够串联空间单元、引导游线，在界面纹理上其花纹图样能够表达语义。此外，古典园林中存在大量具有空间渗透性质的构景手法体现了叙事策略的修辞（如框景、漏景等），因此数字环境下的视觉感知模拟计算还须考虑视线的通过问题。本文提出特殊的“景框”类，它继承自CRMba类中的B4空置形态建筑部分，通常由门、窗以及廊柱屋檐形成的闭合视线通路所构造，能够在不形成遮挡关系的前提下记录自身与视线的相交情况。此外，古典园林中四时之景各不相同，时令属性能够对园林地物要素这一现象时空体做进一步描述。
行为数据将游览的行为现象实体化、抽象化，描述游园者在古典园林景观中游览行为的特征，是采集分析数据的基站（图9）。游览行为从身体功能调用上可以分为游园行为和观景行为。游园行为主要由游园路线数据描述，依据园林中可步表面的高低起伏表达游园者的身体坐标位移轨迹，是三维线状要素；观景行为主要以观景视点为基点（观景时双眼的三维坐标），围绕观景视点派生出观景视野、观景朝向和观景视线等子类数据，用以捕获各类评价叙事策略的视觉感知信息。游览行为可以按照观景时视点的坐标位移情况分为静观和和游观：静观行为是观景行为，由单一的观景视点来描述；游观行为既是观景行为也是游园行为，由观景视点与游园路线相结合来刻画。游观行为是时空变化下游园者与古典园林景观环境的交互过程，因此游园路线是有向三维折线，与之关联的观景视点亦是有序三维点列，以描述游园行为的时空关联和变化，刻画古典园林“移步易景”的游观效果。
图9 行为数据示意

Fig. 9 Behavioral data schematic

分析数据描述视觉感知模拟计算的结果特征。依照古典园林景观的叙事策略，视觉感知模拟计算功能主要包括单元结构分析和视线相交分析，分别得到结构分析结果和视点分析结果（图10）。单元结构分析评价叙事策略中的宏观结构，将空间层次实体化，从而以空间单元为单位分析结构衔接和时空布局（例如空间句法和连通度等指标）。视线相交分析以游园者的观景视点为起点、设置合适的视野和朝向来构造观景视线，通过视线与地物要素实体的相交计算来捕获并分析游园者在特定观景环境下的三维空间视觉感知情况，进而评价叙事策略中微观纹理和修辞的应用效果。将视点分析结果按照几何特征实体化：点模型是以独立点为观景视点，在视线相交计算后返回结果到点，得到的点类结果在微观层面表达该点模拟人眼视觉的捕获结果，即视觉信息和语义信息；格网模型是将古典园林景观的可行层划分为格网，以格网几何中心所在位置的视点高度为观景视点，在视线相交计算后返回结果到格网单元得到格网类结果，在宏观层面表达某一空间范围的视觉感知情况。
图10 分析数据示意

Fig. 10 Analysis data schematic

CGI={EFeature, EBehavior, EAnalysis}={e1, e2, e3, …, em}，是关于CGC的具体实例集合，例如拙政园的“香洲”是“建筑”概念下的一个实例，“香洲的屋顶”是“建筑”-“屋顶”概念下的一个实例。
CGR={RC, RIsA, RE}，包括概念与概念间的关系RC、概念与实例间的关系RIsA、实例与实例间的关系RE。RC={(ci, cj) |ci, cj∈ CGC且i≠j∈{1, 2， …, n}}，具体包括继承关系和关联关系，例如“人工构筑物”与“建筑”间是继承关系、“门窗”与“建筑”的关联关系是聚合关系。RIsA={(ci, eik)| ci∈CGC, eik ∈CGI，i∈{1, 2，…，n}且k∈N*}，其中eik表示概念ci下的第k个实例，例如“香洲”和“见山楼”是拙政园“建筑”的2个实例。RE={(ep, eq)|ep, eq∈CGI且p≠q}，由关联关系和空间关系（包括拓扑关系、方位关系和度量关系[41]）组成。例如观景视点与游园路线的关联关系是依赖关系，“玲珑馆”与“枇杷园”之间的空间关系是包含关系等。
CGP={p|p∈PS×PN}，由空间属性PS与非空间属性PN构成。空间属性是地物要素所寄居的物理实体或游览行为实体化后的几何形态与方位特征，例如凉亭的几何形状、空间位置等；非空间属性是空间属性之外的其他属性，例如建筑名称、游园路线等级、时序属性等。
CGRu约束CGC和CGI的类型、范围、单位等，例如建筑数据几何类型为PolyhedralSurface、建筑名称数据类型为String、视点高度精确到2位小数等。

3.1.3 古典园林景观概念模型

依照RDF三元组“定义域（domain）-属性（property）-值域（range）”，基于相关领域本体语义复用和CGOnto，本文对既有概念模型进行扩展，提出面向视觉感知计算的古典园林景观概念模型，如图11所示。
图11 面向视觉感知计算的古典园林景观概念模型

Fig. 11 Conceptual model of CCGs for visual perception computing

3.2 数据模型语义与几何细化设计

依据古典园林景观数据本体和概念模型，结合面向对象的地理实体数据存储和调用需求，本节采用通用建模语言（UML）进一步细化数据模型的语义逻辑与几何表达。

3.2.1 地物层

地物层由地物要素数据组成，构造地物要素类，为其设置要素索引、要素类型、更新时间等语义特征，并依照概念模型添加类型属性、对地物要素类的语义特征进行细化（图12）：建筑要素增加建筑名称属性和构件类型属性，山石要素增加山石类型属性，花木要素增加植被种类名称属性和植被类型属性。构造空间单元类，为其设置单元索引、单元等级和单元名称，实现地物要素到空间单元的聚合。构造地物要素类类，描述各地物要素类的基本属性，如要素类型、要素类描述、参考系编码、时令属性等。以建筑要素为例设计的地物要素如表3所示。
图12 地物层数据模型组织结构

Fig. 12 Structure of garden feature layer data model

表3 建筑类型地物要素非空间属性

Tab. 3 Garden features of building type

字段名 类型 描述 是否可为空 键说明
id INTEGER 自增加主键 否 主键
geometry GEOMETRY 存储几何数据类型 否
type STRING 要素类型，从ElementType中选择，建筑类type=’construction’ 否
name STRING 要素所属建筑名称 否
memberType STRING 建筑构件类型，从枚举类ComponentType中选择 否
updateTime DATETIME 要素更新日期与时间 否
unitId INTEGER 所属最低等级空间单元编号 是 外键
空间特征通过构造三维几何实体来表达，方法一般包括构造实体法（Constructive Solid Geometry，CSG）、扫描法（Sweep Representation）、体素表示法（Voxels Representation）[12]和边界表示法（Boundary Representation，B-Rep）。CSG在表达异形结构时具有局限性，扫描法和体素表示法对三维模拟计算而言有较大的数据冗余和运算压力，且本文中的数据模型仅针对游览性景观，不探讨其不可视的部分，因此地物要素的空间特征表达采用B-Rep方法。本文遵循OGC的简单要素访问（Simple Features Access，SFA），用于将地物要素数据几何实体化。选用三角面片的PolyhedralSurface类型，以空间坐标形式存储面片顶点，以顶点索引形式存储边与面（图13）。目前古典园林景观部件级实景三维模型的获取方式主要是近景摄影测量（Close Range Photogrammetry，CRP）和三维激光扫描测量（Terrestrial Laser Scanning，TLS），数据形式以三维点云为主。要面向介于微观BIM和宏观GIS之间的中观分析需求、同时适配三维模拟计算的算力限制，宜使三维模型的细节层次（Level of detail，LoD）介于城市地理标记语言（CityGML）多尺度建模的LoD2-3级别之间（图14）。建筑要素应参照LoD2-3级别，使用单个或一组几何实体对建筑形状大致概括，表现其屋顶形状、边界表面、门窗等，忽略其中较小的细节（突起、凹痕等）和室内结构。山石和花木要素的几何形态复杂不定，应参照LoD2级别，表现其大致空间形态。铺地要素是游览行为分析的基准面，应参照LoD2级别，仅表现对观景视点高程产生显著影响的起伏形态。
图13 三角面片PolyhedralSurface类型几何模型

Fig. 13 PolyhedralSurface model of triangular surface type

图14 CityGML建筑LoD模型（LoD 0-3）[42]

Fig. 14 LoD of building model in CityGML (LoD 0-3)[42]

3.2.2 行为层

行为层包括游园路线数据、观景视点数据和有序视点列数据（图15）。游园路线数据的语义特征包括路线索引、路线长度、起点、终点、节点数和节点序列；其空间特征用LineString类型表达，其控制点由铺地要素几何表面提取的中心线所决定，需要反映游园者在其上的时空位移特征，因此为其增加方向属性、补充拓扑结构。观景视点数据的语义特征包括视点索引和所属空间单元索引，并增加视野（Field of View，FoV）、朝向、视线数量、观景时间、观景时长等属性；其空间特征用Point类型表达，视点坐标避免位于非可步区域与地物要素内部，其z值Hv=H+hp，其中H是所处水平坐标处的高程，hp是游园者直立时双眼相对高度。有序视点列是位于游园路线上的观景视点集，其属性包括点集索引、所在路线索引、点集中的视点数量、视点序列和视点间距。根据有序视点列的始末视点可以得到游园路线的时间跨度情况。
图15 行为层数据模型组织结构

Fig. 15 Structure of behavioral layer data model

3.2.3 分析层

分析层数据按照实体化形态分为结构分析结果、点类结果和格网类结果（图16）。结构分析结果由空间单元数据生成，其语义特征包括索引、名称、分析结果指标名称、指标数值、所属单元等级等属性，其空间特征由Solid类型存储表达。点类结果继承自观景视点数据，其空间特征由Point类型表达，此外，其与视觉感知分析得到的专题栅格数据相连接并存储其统计信息，例如专题栅格数据数量、专题栅格数据索引数组等。专题格网模型也由观景视点数据生成，其语义特征有索引、格网名称、指标描述等，空间特征由Grid类型表达如图16所示。
图16 分析层数据模型组织结构

Fig. 16 Structure of analysis layer data model

4 实践案例

本节以苏州古典园林拙政园为应用区域，实施构建前文提出的古典园林景观3D数据模型，并将其应用到视觉感知模拟计算。整体技术流程如图17所示。
图17 面向视觉感知计算的古典园林景观3D数据模型实施技术流程

Fig. 17 Implementation process of 3D data model of CCGs for visual perception computing

4.1 案例区概况

江南地区水网密布、花木繁茂、盛产湖石，其所孕育的苏州园林更是中国古典园林的典范，位列联合国教科文组织世界文化遗产名录。其中典型代表拙政园位于苏州市东北街178号（31°19′36.2″N，120°37′32.3″E），占地约52 000 m2，是苏州最大的古典园林，结构多变、景致各异，东部“归田园居”视野开阔，中部拙政园主体颇有明代遗风，西部“补园”秀丽精致。因拙政园的代表性、规模性和复杂性选取其作为本文研究区域。

4.2 原始数据获取与整理

本文数据源为拙政园部件级实景三维，并在此基础上从以下渠道收集数据资料对原数据进行调整核实： ① 拙政园OSGB倾斜点云数据和30 m DEM数据（图18(a)））； ② 拙政园全园测绘图纸（刘敦桢[30]版本）； ③ 局部（建筑）测绘图纸（陈从周[43]版本）； ④ 实地拍照调研（图18(b)）。选择WGS_1984_UTM_Zone_31N投影带，并将所有数据源进行地理配准。
图18 拙政园三维模型调整数据源

Fig. 18 Data source for adjusting the 3D model of Humble Administrator's Garden

4.3 地物要素模型数据调整

将完成地理配准的参考图纸和模型导入Rhinoceros软件进行调整，其自带的Grasshopper插件支持可视化编程和参数化建模，能大大提高建模效率。以DEM数据为高程基准、OSGB数据为尺度参考、建筑测绘图纸为依据，按照古典园林景观3D数据模型的语义标准对地物要素进行分类，并以图层和物件名称的形式为各三维几何对象附加基本属性值，按照几何标准对地物要素进行空间特征调整。此外，需要额外补充景框要素。完成模型数据调整后，将其转换为三角网格形式，存储为3DM文件格式（图19）。
图19 拙政园地物要素3DM模型

Fig. 19 3DM model of garden features in Humble Administrator's Garden

4.4 游园观景行为数据配置

（1）游园路线配置：拙政园入口位于东园兰雪堂南侧，2个出口分别位于东园天泉亭东侧和中园枇杷园西南角。对游园路线分级，首先对模型中的“铺地”类要素提取中心线获得全园园路系统；其次根据轨迹数据（获取自“六只脚”行程分享平台，共71条）进行线密度分析，结合分析结果和线路连续特征提取主要游园路线；最后标注园林管理方推荐主游线。上述游线等级由低到高（图20）。
图20 游园路线配置

Fig. 20 Tour lines configuration

（2）观景视点配置：观景视点分为2类，一类是根据轨迹数据线密度分析和打卡热点数据（获取自“Flickr”网络社群分享平台，共1 362个）核密度分析生成全园热门观景点92个（图21(a)），另一类是将全园可行层划分为单元格网，取格网中心点作为细分观景点，依据成年人慢步时的一般步长约0.6 m[44]，确定单元格网大小为0.6 m×0.6 m（图21(b)）。2类观景点均需根据园林铺地要素高程增加z值转换为三维点要素。
图21 观景视点配置

Fig. 21 Viewing points configuration

4.5 数据存储与读取

包括地物要素模型数据、游园观景行为数据在内的3D数据模型大小为85.3 MB，其中地物模型网格2 748个，网格面片955 490个，游园路线段257段，热门观景点92个，细分观景点35 343个。为便于后续分析计算时调用GPU进行并行计算、保持编程语言一致性，采用C++进行全流程的数据读写和计算操作。利用Rhinoceros的opennurbs接口读取3d m文件，并通过mongo-cxx-driver驱动将园林地物要素数据写入文档型非关系数据库MongoDB中，后续对数据的读取和调用仍然使用mongo-cxx-driver驱动。

4.6 视觉感知计算示例

选取适宜的观景视野、朝向和视线密度配置观景视线，采用光线追踪管线原理进行“视线-地物”相交计算（图22）。列举如下几例视觉感知计算结果（图23）：捕获单个视点上视线的相交地物类型，作为点属性存储在分类专题栅格中，用以揭示空间纹理的应用效果；获取单个视点上视线的色彩质地特征，作为点属性存储在数值专题栅格中，用以模拟微观纹理的感知情况；计算单个视点的视距，作为点属性存储在数值专题栅格中，用以揭示结构衔接的微观体验；将细分观景点专题栅格中的数据统计结果提取到点属性值中，以属性值构造园林全局细分观景点统计栅格，从全局层面表征叙事策略的应用效果；结构分析结果存储各空间单元的空间句法指标和连通度指标等。其中视点分析栅格和全局分析栅格结果以TIFF格式文件保存，结构分析结果以DXF格式文件保存。
图22 视线配置示意

Fig. 22 Visual rays configuration

图23 视觉感知计算结果示例

Fig. 23 Example of visual perception calculation results

在运算效率方面，对92个热门观景点的地物类型专题栅格和视距专题栅格采用视觉感知模拟计算进行捕获，采用了GPU并行计算和AABB层次包围盒加速算法以提升运算效率，算法原理与运算效率如图24所示；利用所采集的各视点可见地物类型和视距数据，能够计算各类型地物要素占比、可视体积、视距分布情况、基于游览路线的各类型地物要素占比变化等指标（图25），进而结合游园者的行为和审美偏好等展开相关分析与建模。
图24 加速算法原理与运行效率对比

Fig. 24 Principle of acceleration algorithm and comparison of operational efficiency

图25 视觉感知计算结果分析示例

Fig. 25 Example of analysis of visual perception calculation results

5 结语

本文首先从游客视觉感知过程的“客体—路径—主体—结果”4个环节出发、以“叙事符号系统—叙事策略”的古典园林景观空间叙事为切入点，将古典园林景观构成剖析为“环境空间—视觉感知空间—视知觉空间”，构建了古典园林景观视觉感知框架，阐释古典园林“景”的概念和构成；其次提出了面向视觉感知计算的古典园林景观3D数据模型，复用了地理信息和文化遗产相关领域本体并扩展了数据模型的概念，将模型梳理为“地物层—行为层—分析层”3个层次，同时面向功能需求细化设计了数据模型的语义与几何特征约束标准；最后以苏州拙政园为应用场景案例，从地物数据处理、行为数据配置、数据构建存储，再到视觉感知计算与分析，阐述了古典园林景观3D数据模型实施应用的方法流程。
本文构建的面向视觉感知计算的古典园林景观3D数据模型，为古典园林乃至其他文化遗产三维空间视觉感知研究提供了理论构建、数据组织和方法应用层面的支持，其应用场景可以拓展到类似的三维空间中游客行为和景观审美偏好等相关研究中，所涉及的视觉感知采样指标包括色彩、语义、视距等，进一步计算的指标有各类型地物要素占比、视距分布、可视体积等，更多视觉感知计算指标可以在未来的研究中继续深入，例如景的几何构成[45]、体积开放度[46]等。另外，本文的研究成果仅停留在数据组织层面，尚未验证3D数据模型与人眼视觉感知的契合度，后续可以借助调查问卷[47]、生理实验[48-49]、机器学习[50-51]等研究方法进一步开展研究。
利益冲突： Conflicts of Interest
所有作者声明不存在利益冲突。
All authors disclose no relevant conflicts of interest.
作者贡献： Author Contributions
苏世亮和张江玥负责论文的构思、写作和修改，张江玥负责模型的设计、实施、验证和可视化呈现，苏世亮负责获取资助。所有作者均阅读并同意最终稿件的提交。
The study was conceptualized by SU Shiliang and ZHANG Jiangyue. The design, implementation, and validation of the model and the visualization were completed by ZHANG Jiangyue. The manuscript was drafted and revised by ZHANG Jiangyue and SU Shiliang. Funding acquisition was managed by SU Shiliang. All the authors have read the last version of paper and consented for submission.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
苏世亮, 王卓伦, 何深静, 等. 社会地理计算的理论逻辑与研究范式及展望[J]. 地理学报, 2024, 79(1):187-205.

DOI

[ Su S L, Wang Z L, He S J, et al. Rethinking the theoretical genesis, research paradigm and research agenda of Geo-computational Social Sciences[J]. Acta Geographica Sinica, 2024, 79(1):187-205. ] DOI:10.11821/dlxb202401012

[2]
Zhang J Y, Luo Y, Cao H J, et al. Scrutinizing the cultural ecosystem services of Chinese classical gardens: A novel deep learning approach based on online reviews from a multisensory perspective[J]. Applied Geography, 2024, 172:103404. DOI:10.1016/j.apgeog.2024.103404

[3]
胡校飞, 周杨, 蓝朝桢, 等. 结构语义辅助约束的数字孪生场景虚实配准方法[J]. 地球信息科学学报, 2023, 25(5):883-895.

DOI

[ Hu X F, Zhou Y, Lan C Z, et al. Virtual real registration assisted by structural semantic constraint for digital city scene[J]. Journal of Geo-information Science, 2023, 25(5):883-895. ] DOI:10.12082/dqxxkx.2023.220544

[4]
刘承承, 朱海红, 李霖. 融合建筑物所有权及其附属权利的LADM-BIM数据模型研究[J]. 地球信息科学学报, 2024, 26(5):1229-1242.

DOI

[ Liu C C, Zhu H H, Li L. Integrated LADM-BIM data model for building ownership and its subsidiary rights[J]. Journal of Geo-information Science, 2024, 26(5):1229-1242. ] DOI:10.12082/dqxxkx.2024.230487

[5]
蔡军, 江伟, 温日强, 等. 贴近摄影测量与BIM技术在濒危民族建筑部件级实景三维建设中的应用[J]. 测绘通报, 2022(12):19-23.

DOI

[ Cai J, Jiang W, Wen R Q, et al. Application of close to photogrammetry and BIM technology in component level 3D real scene construction of endangered ethnic buildings[J]. Bulletin of Surveying and Mapping, 2022(12):19-23. ] DOI:10.13474/j.cnki.11-2246.2022.035

[6]
林珲, 胡明远, 陈富龙. 文化遗产多源探测技术与环境重建展望[J]. 地球信息科学学报, 2014, 16(5):673-680.

DOI

[ Lin H, Hu M Y, Chen F L. Review on multi-source detection technology and environment reconstruction of cultural heritage[J]. Journal of Geo-information Science, 2014, 16(5):673-680. ] DOI:10.3724/SP.J.1047.2014.00673

[7]
Liang H L, Li W Z, Lai S Q, et al. How to survey, model, and measure rockeries in a Chinese classical garden: A case study for Huanxiu Shanzhuang, Suzhou, China[J]. Landscape Research, 2020, 45(3):377-391. DOI:10.1080/01426397.2019.1632276

[8]
Zhou K, Wu W T, Dai X L, et al. Quantitative estimation of the internal spatio-temporal characteristics of ancient temple heritage space with space syntax models: A case study of Daming Temple[J]. Buildings, 2023, 13(5):1345. DOI:10.3390/buildings13051345

[9]
Murphy M, McGovern E, Pavia S. Historic Building Information Modelling-Adding intelligence to laser and image based surveys of European classical architecture[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2013, 76:89-102. DOI:10.1016/j.isprsjprs.2012.11.006

[10]
Liu M, Nijhuis S. Mapping landscape spaces: Methods for understanding spatial-visual characteristics in landscape design[J]. Environmental Impact Assessment Review, 2020, 82:106376. DOI:10.1016/j.eiar.2020.106376

[11]
张一. 景观环境视觉感知空间量化研究[D]. 天津: 天津大学, 2021.

[ Zhang Y. Research on the quantification of landscape and environment visual-perceptual space[D]. Tianjin: Tianjin University, 2021. ]

[12]
Peng Y Y, Zhang G T, Nijhuis S, et al. Towards a framework for point-cloud-based visual analysis of historic gardens: Jichang Garden as a case study[J]. Urban Forestry & Urban Greening, 2024, 91:128159. DOI:10.1016/j.ufug.2023.128159

[13]
Zhu H P, Gu Z C, Ohno R, et al. Effect of landscape design on depth perception in classical Chinese gardens: A quantitative analysis using virtual reality simulation[J]. Frontiers in Psychology, 2022, 13:963600. DOI:10.3389/fpsyg.2022.963600

[14]
Luo J J, Liu P Y, Xu W H, et al. A perception-powered urban digital twin to support human-centered urban planning and sustainable city development[J]. Cities, 2025, 156:105473. DOI:10.1016/j.cities.2024.105473

[15]
Potteiger M, Purinton J. Landscape narratives: Design practices for telling stories[M]. San Francisco, CA: John Wiley & Sons, 2015.

[16]
Sigley G, An Z L, Song C Q, et al. Cultural route heritage as mobility narrative: The world heritage inscription of China's Grand Canal[J]. International Journal of Heritage Studies, 2024, 30(9):997-1009. DOI:10.1080/13527258.2024.2363824

[17]
Yamaguchi H. Spatial structure of the front garden and site arrangement in the Honbou and Tacchu of Daitokuji and Myoshinji temples: Study on spaces that connect the interior and exterior[J]. Japan Architectural Review, 2022, 5(4):445-457. DOI:10.1002/2475-8876.12274

[18]
Redweik P, Reis S, Duarte M C. A digital botanical garden: Using interactive 3D models for visitor experience enhancement and collection management[J]. Virtual Archaeology Review, 2022, 14(28):65-80. DOI:10.4995/var.2023.17629

[19]
Scianna A, La Guardia M. Main features of a 3D GIS for a monumental complex with an historical-cultural relevance[J]. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2017,XLII-5/W1:519-526. DOI: 10.5194/isprs-archives-xlii-5-w1-519-2017

[20]
Dell’Unto N, Landeschi G, Leander Touati A M, et al. Experiencing ancient buildings from a 3D GIS perspective: A case drawn from the Swedish Pompeii Project[J]. Journal of Archaeological Method and Theory, 2016, 23(1):73-94. DOI:10.1007/s10816-014-9226-7

[21]
Tran H, Khoshelham K, Kealy A, et al. Shape grammar approach to 3D modeling of indoor environments using point clouds[J]. Journal of Computing in Civil Engineering, 2019, 33(1):04018055. DOI:10.1061/(asce)cp.1943-5487.0000800

[22]
Herrero-Tejedor T R, Soler F A, Medina S L C, et al. Documenting a cultural landscape using point-cloud 3d models obtained with geomatic integration techniques. The case of the El Encín atomic garden, Madrid (Spain)[J]. PloS One, 2020, 15(6):e0235169. DOI:10.1371/journal.pone.0235169

[23]
Godinho M, Machete R, Ponte M, et al. BIM as a resource in heritage management: An application for the National Palace of Sintra, Portugal[J]. Journal of Cultural Heritage, 2020, 43:153-162. DOI:10.1016/j.culher.2019.11.010

[24]
Rebec K M, Deanovič B, Oostwegel L. Old buildings need new ideas: Holistic integration of conservation-restoration process data using Heritage Building Information Modelling[J]. Journal of Cultural Heritage, 2022, 55:30-42. DOI:10.1016/j.culher.2022.02.005

[25]
Genette G. Narrative discourse: An essay in method[M]. Ithaca, N.Y: Cornell University Press, 1980.

[26]
Proffitt D R. An embodied approach to perception: By what units are visual perceptions scaled?[J]. Perspectives on Psychological Science, 2013, 8(4):474-483. DOI:10.1177/1745691613489837

PMID

[27]
Palmer S E. Vision science: Photons to phenomenology[M]. Cambridge, MA: MIT Press, 1999.

[28]
方晓风. 楼山和鸣的空间叙事艺术:中国传统造园新诠[M]. 南京: 江苏凤凰美术出版社, 2023.

[ Fang X F. The spatial narrative arts of harmony between pavilions and hills: A new interpretation of China's traditional gardening[M]. Nanjing: Jiangsu Phoenix Fine Arts Publishing House, 2023. ]

[29]
苏世亮, 王令琦, 杜清运, 等. 叙事地图的基本理论问题——逻辑理据、概念界定、表征机制与研究议题[J]. 测绘学报, 2023, 52(12):2178-2196.

DOI

[ Su S L, Wang L Q, Du Q Y, et al. Revisiting narrative maps: Fundamental theoretical issues and a research agenda[J]. Acta Geodaetica et Cartographica Sinica, 2023, 52(12):2178-2196. ] DOI:10.11947/j.AGCS.2023.20220324

[30]
刘敦桢. 苏州古典园林[M]. 北京: 中国建筑工业出版社, 2005.

[ Liu D Z. Classical gardens of Suzhou[M]. Beijing: China Architecture & Building Press, 2005. ]

[31]
陆邵明. 景观叙事:解码海派古典园林[M]. 北京: 中国建筑工业出版社, 2018.

[ Lu S M. Landscape narritives: Exploring the cultural codes of Shanghai classical gardens[M]. Beijing: China Architecture & Building Press, 2018. ]

[32]
苏世亮, 李千千, 李子纯, 等. 叙事地图的修辞体系框架——概念界定、类型划分与作用机制[J]. 地球信息科学学报, 2025, 27(1):131-150.

[ Su S L, Li Q Q, Li Z C, et al. Rhetoric of narrative maps: Conceptualizations, categories, and working mechanism[J]. Journal of Geo-information Science, 2025, 27(1):131-150. ] DOI:10.12082/dqxxkx.2025.240589

[33]
Merleau-Ponty M. Phenomenology of perception[M]. London: Routledge, 2002.

[34]
冯雷. 理解空间:20世纪空间观念的激变[M]. 北京: 中央编译出版社, 2017.

[ Feng L. Understanding space[M]. Beijing: Central Compilation & Translation Press, 2017. ]

[35]
Gruber T R. A translation approach to portable ontology specifications[J]. Knowledge Acquisition, 1993, 5(2):199-220. DOI:10.1006/knac.1993.1008

[36]
Hiebel G, Doerr M, Eide Ø. CRMgeo: A spatiotemporal extension of CIDOC-CRM[J]. International Journal on Digital Libraries, 2017, 18:271-279. DOI:10.1007/s00799-016-0192-4

[37]
Su L, Chen Y J, Zhou D H. Conceptual modeling of spatial database based on geographic ontology[C]// 2006 IEEE International Symposium on Geoscience and Remote Sensing. IEEE, 2006:1584-1586. DOI:10.1109/IGARSS.2006.408

[38]
Chuang I T, Benita F, Tunçer B. Effects of urban park spatial characteristics on visitor density and diversity: A geolocated social media approach[J]. Landscape and Urban Planning, 2022, 226:104514. DOI:10.1016/j.landurbplan.2022.104514

[39]
Gómez-Pérez A, Benjamins V R. Overview of knowledge sharing and reuse components: Ontologies and problem-solving methods[C]// Proceedings of the IJCAI-99 Workshop on Ontologies and Problem-Solving Methods:Lessons Learned and Future Trends. CEUR, 1999,18.

[40]
卢慧佳, 胡最. 传统聚落景观基因的本体模型及其构建[J]. 地球信息科学学报, 2024, 26(6):1407-1425.

DOI

[ Lu H J, Hu Z. An ontological modelling method for cultural landscape genes of traditional settlements[J]. Journal of Geo-information Science, 2024, 26(6):1407-1425. ] DOI:10.12082/dqxxkx.2024.240008

[41]
王家耀. 普通地图制图综合原理[M]. 北京: 测绘出版社, 1993.

[ Wang J Y. Principles of general map synthesis[M]. Beijing: Sino Maps Press, 1993. ]

[42]
Kolbe T H, Kutzner T, Smyth C S, et al. OGC City Geography Markup Language (City GML) part 1: conceptual model standard, Version 3.0.0[S]. Open Geospatial Consortium Inc., 2021.

[43]
陈从周. 苏州园林:纪念版[M]. 上海: 同济大学出版社, 2018.

[ Chen C Z. Suzhou gardens[M]. Shanghai: Tongji University Press, 2018. ]

[44]
Sekiya N, Nagasaki H, Ito H, et al. Optimal walking in terms of variability in step length[J]. Journal of Orthopaedic and Sports Physical Therapy, 1997, 26(5):266-272. DOI:10.2519/jospt.1997.26.5.266

PMID

[45]
Van Tonder G J. Visual geometry of classical Japanese gardens[J]. Axiomathes, 2022, 32(5):841-868. DOI:10.1007/s10516-018-9414-2

[46]
Ali L A, Mustafa F A. Mosque morphological analysis: The impact of indoor spatial-volumetric visibility on worshipers' visual comfort[J]. Sustainability, 2023, 15(13):10376. DOI:10.3390/su151310376

[47]
Kurnaz A, Aniktar S. Visual perception and contextual relationship of contemporary extensions and historical buildings[J]. Journal of Architectural Conservation, 2024, 30(1):35-55. DOI:10.1080/13556207.2024.2318923

[48]
Chumachenko D, Shvarts A, Dreneva A, et al. Eye movements in the development of geometric shape recognition: From sensory-motor processes to theoretical perception[J]. Educational Studies in Mathematics, 2024:1-26. DOI:10.1007/s10649-024-10298-5

[49]
Larsen O F P, Tresselt W G, Lorenz E A, et al. A method for synchronized use of EEG and eye tracking in fully immersive VR[J]. Frontiers in Human Neuroscience, 2024, 18:1347974. DOI:10.3389/fnhum.2024.1347974

[50]
Stein N, Bremer G, Lappe M. Eye tracking-based LSTM for locomotion prediction in VR[C]// 2022 IEEE Conference on Virtual Reality and 3D User Interfaces (VR). IEEE, 2022:493-503. DOI:10.1109/VR51125.2022.00069

[51]
Fang Y N, Tian J, Namaiti A, et al. Visual aesthetic quality assessment of the streetscape from the perspective of landscape-perception coupling[J]. Environmental Impact Assessment Review, 2024, 106:107535. DOI:10.1016/j.eiar.2024.107535

Options
文章导航

/

〈 〉