胡雅琴 唐 文

（昆明理工大學(xué)建筑與城市規(guī)劃學(xué)院，昆明 650000）

國(guó)外數(shù)字景觀研究經(jīng)歷了長(zhǎng)期且完整的體系構(gòu)建和研究領(lǐng)域的擴(kuò)展與深入，對(duì)其進(jìn)行全面系統(tǒng)的梳理總結(jié)，將對(duì)國(guó)內(nèi)數(shù)字景觀研究有重要的參考價(jià)值。利用科學(xué)計(jì)量軟件CiteSpace，以“Web of Science”數(shù)據(jù)庫(kù)中2000-?2020年的SCI核心期刊內(nèi)的外文文獻(xiàn)作為研究對(duì)象，分析國(guó)際領(lǐng)域數(shù)字化景觀研究的國(guó)別差異、機(jī)構(gòu)分布、學(xué)科合作網(wǎng)絡(luò)、研究趨勢(shì)、知識(shí)基礎(chǔ)和熱點(diǎn)前沿。研究表明：（1）國(guó)外數(shù)字化景觀的發(fā)展程序完整，歐美國(guó)家學(xué)者構(gòu)筑了知識(shí)網(wǎng)絡(luò)早期的知識(shí)骨架，中國(guó)學(xué)界起步較晚但發(fā)展勢(shì)頭迅猛；（2）研究方向多樣，網(wǎng)絡(luò)體系完整，方法上借鑒了多個(gè)學(xué)科的前沿技術(shù)和模型方法，具有明顯的多學(xué)科交叉集成特征；（3）數(shù)字景觀領(lǐng)域各個(gè)階段研究熱點(diǎn)方向差異大，現(xiàn)階段基于人群體感舒適度的環(huán)境氣候改善研究、以社交媒體為代表的新信息來(lái)源媒介數(shù)據(jù)在景觀的分析研究和機(jī)載雷達(dá)（LiDAR）的應(yīng)用為熱點(diǎn)研究領(lǐng)域。

數(shù)字化；風(fēng)景園林；研究熱點(diǎn)；前沿展望；可視化軟件

“數(shù)字化景觀”一般是指景觀各個(gè)過(guò)程結(jié)合了如GIS、遙感、多媒體、人工智能、虛擬現(xiàn)實(shí)等數(shù)字化技術(shù)的產(chǎn)物[1]。其作為新興技術(shù)理念與景觀學(xué)科的結(jié)合，受到國(guó)內(nèi)外業(yè)內(nèi)人士與學(xué)術(shù)界的熱切關(guān)注。數(shù)字化技術(shù)的發(fā)展也輔助風(fēng)景園林研究實(shí)現(xiàn)從定性到定量、感覺(jué)到知覺(jué)的轉(zhuǎn)變[2]。由于“數(shù)字化”這一方向的技術(shù)理念更新迭代快，在近幾年新技術(shù)新概念更是層出不窮，故數(shù)字化景觀方向具有極強(qiáng)的時(shí)效性，對(duì)近年熱點(diǎn)與演進(jìn)趨勢(shì)的剖析介紹便顯得十分必要。

文章利用可視化知識(shí)圖譜軟件CiteSpace，基于國(guó)際已有的學(xué)術(shù)成果，結(jié)合文獻(xiàn)計(jì)量方式和傳統(tǒng)的文獻(xiàn)綜述寫作方式，試圖挖掘數(shù)字化景觀的發(fā)展歷程、抓取國(guó)際領(lǐng)域內(nèi)現(xiàn)階段的熱點(diǎn)前沿、分析數(shù)字化景觀的發(fā)展趨勢(shì)。研究旨在清晰直觀地展示這一研究領(lǐng)域的研究概況，對(duì)中國(guó)數(shù)字化景觀研究提供參考。

1 研究方法及數(shù)據(jù)來(lái)源

1.1 研究方法

CiteSpace是由陳超美教授研發(fā)的基于java的文獻(xiàn)數(shù)據(jù)挖掘和可視化軟件，包括關(guān)鍵詞共現(xiàn)、聚類分析等多種方法。本文主要借助CiteSpace（版本：5.7.R2）軟件對(duì)樣本文獻(xiàn)的關(guān)鍵詞、所屬國(guó)家機(jī)構(gòu)以及引用文獻(xiàn)信息生成不同類型的圖譜表格，將繁雜的信息可視化，以此來(lái)研究探測(cè)目標(biāo)領(lǐng)域的知識(shí)基礎(chǔ)、發(fā)展前沿、研究熱點(diǎn)以及演化路徑等[3]。軟件參數(shù)選取Selection Criteria為g-index，k值設(shè)定為默認(rèn)的25。Time Slicing中時(shí)間跨度為2000-2020年。為了使可視化結(jié)果能盡量顯示全貌，操作過(guò)程中未使用剪切功能（pruning）。CiteSpace根據(jù)網(wǎng)絡(luò)結(jié)構(gòu)和聚類的清晰度，提供了Q和S兩個(gè)指標(biāo)，用以評(píng)判圖譜繪制的效果，Q值意為模塊值，Q＞0.3時(shí)表示得到的聚團(tuán)結(jié)構(gòu)是顯著的；S值為平均輪廓值，當(dāng)S＞0.5時(shí)聚類就可認(rèn)為是合理的[4]。中介中心性表示網(wǎng)絡(luò)中所有最短路徑經(jīng)過(guò)該節(jié)點(diǎn)的數(shù)量，是節(jié)點(diǎn)在整個(gè)網(wǎng)絡(luò)中發(fā)揮連接作用大小的度量。

需提到的一點(diǎn)是，因軟件本身識(shí)別模式的原因，所有的“GIS”在關(guān)鍵詞一項(xiàng)中都被識(shí)別成了“GI”?？紤]到數(shù)據(jù)的原真性和完整性，故不對(duì)原數(shù)據(jù)庫(kù)進(jìn)行修改。文中所有圖片內(nèi)的“GI”節(jié)點(diǎn)，實(shí)際皆為“GIS”。

1.2 數(shù)據(jù)來(lái)源

本文所使用的數(shù)據(jù)來(lái)自“Web of Science”，根據(jù)在知網(wǎng)文獻(xiàn)庫(kù)中的出現(xiàn)詞頻高低，“數(shù)字化”方向選擇“digital”“digitalization”和“digitization”三個(gè)詞作為搜索詞，“景觀”方向由于英文詞語(yǔ)的多義性，單純檢索“l(fā)andscape”會(huì)出現(xiàn)大量的其他學(xué)科嚴(yán)重離題的檢索結(jié)果，為保證所得到數(shù)據(jù)結(jié)果的嚴(yán)謹(jǐn)性，選擇“l(fā)andscape architecture”和“l(fā)andscape design”作為搜索詞。

考慮到數(shù)字化技術(shù)的時(shí)效性，檢索平臺(tái)的檢索時(shí)間范圍定為“2000-2020”。文獻(xiàn)的具體檢索方式為：在Web of Science網(wǎng)站選擇“Web of Science核心數(shù)據(jù)庫(kù)”，文獻(xiàn)類型選擇Article和Review，依次檢索數(shù)據(jù)化方向和景觀方向的檢索詞，再在Web of Science網(wǎng)站的高級(jí)搜索功能中分別將兩個(gè)主題的檢索詞用“or”連接詞組團(tuán)，此時(shí)得到的是分屬兩個(gè)主題的相對(duì)完全的文獻(xiàn)組。接著在高級(jí)搜索中將兩個(gè)文獻(xiàn)組用“and”連接詞鏈接。對(duì)搜索結(jié)果創(chuàng)建引文報(bào)告后，篩除不符合要求的領(lǐng)域，此時(shí)得到的結(jié)果即是在盡最大可能查全的基礎(chǔ)上兼具客觀性與準(zhǔn)確性的文獻(xiàn)集合（檢索日期：2020年10月25日）。

對(duì)檢索結(jié)果進(jìn)行整理去重篩選后，一共得到1 866篇Sci核心文獻(xiàn)作為研究樣本。

2 總體特征

2.1 國(guó)家分布

圖1顯示，景觀數(shù)字化技術(shù)的研究力量來(lái)自全世界百余個(gè)國(guó)家和地區(qū)，美國(guó)以452篇文獻(xiàn)居于榜首，中國(guó)413篇緊隨其后，屬于第一集團(tuán)；屬于第二集團(tuán)的是土耳其（160）、英國(guó)（126）、加拿大（107），論文數(shù)量為100～200篇；第三集團(tuán)的論文數(shù)量為50～99篇，共有7個(gè)，分別是澳大利亞（96）、意大利（91）、西班牙（88）、德國(guó)（87）、韓國(guó)（61）、法國(guó)（60）、印度（57）；第四集團(tuán)論文數(shù)量為10～49篇，共26個(gè)國(guó)家和地區(qū)的文獻(xiàn)數(shù)目在此區(qū)間內(nèi)；其余國(guó)家地區(qū)的文獻(xiàn)數(shù)目在9篇及以下。此外，美國(guó)、德國(guó)、法國(guó)、中國(guó)和加拿大的中介中心性大于等于0.1，分別為0.46、0.24、0.21、0.11和0.10（圖1中的紫圈節(jié)點(diǎn)），表示該五國(guó)的知識(shí)產(chǎn)出在世界范圍內(nèi)的整個(gè)知識(shí)網(wǎng)絡(luò)結(jié)構(gòu)中是重要節(jié)點(diǎn)，起到了橋梁作用。

圖1 國(guó)家/地區(qū)共現(xiàn)知識(shí)網(wǎng)絡(luò)Fig.1 Country/region co-occurrence knowledge network

2.2 機(jī)構(gòu)分布

WOS來(lái)源文獻(xiàn)的景觀數(shù)字化技術(shù)的研究機(jī)構(gòu)分布共有439個(gè)（圖2）。發(fā)文量最大的是99篇，文獻(xiàn)數(shù)量在20篇以上的有8個(gè)機(jī)構(gòu)；發(fā)文量在10至19篇的機(jī)構(gòu)有23家；文獻(xiàn)數(shù)量在9篇以下的機(jī)構(gòu)數(shù)量眾多。對(duì)發(fā)文量排前25的機(jī)構(gòu)進(jìn)一步分析可以得知，排在首位的是中國(guó)科學(xué)院，文獻(xiàn)數(shù)量遙遙領(lǐng)先，一共99篇。美國(guó)共9個(gè)機(jī)構(gòu)進(jìn)入了發(fā)文量前25，如加州大學(xué)伯克利分校（27）、亞利桑那州立大學(xué)（23）、伊利諾斯州大學(xué)（19）等。中國(guó)以8個(gè)機(jī)構(gòu)緊隨其后，分別是中國(guó)科學(xué)院（99）、中國(guó)科學(xué)院大學(xué)（34）、北京師范大學(xué)（28）和北京林業(yè)大學(xué)（23）等。機(jī)構(gòu)數(shù)量排名第三的是土耳其，有4個(gè)機(jī)構(gòu)，其中卡斯塔莫努大學(xué)以44篇的數(shù)量排在第二，但是土耳其的機(jī)構(gòu)在圖譜中抱團(tuán)成一個(gè)小聚集，與主體組團(tuán)無(wú)合作連線并距離甚遠(yuǎn)且中介中心性皆為0，表明這一領(lǐng)域僅在土耳其國(guó)內(nèi)存在合作和聯(lián)系，機(jī)構(gòu)本身影響力相對(duì)較弱，與世界其他國(guó)家機(jī)構(gòu)少有合作聯(lián)系。除上述國(guó)家外，韓國(guó)（國(guó)立漢城大學(xué)，23）、希臘（雅典農(nóng)業(yè)大學(xué)，14）、英國(guó)（南安普頓大學(xué)，13）和荷蘭（特溫特大學(xué)，11）各有一家機(jī)構(gòu)進(jìn)入發(fā)文量前25名排名。

圖2 機(jī)構(gòu)合作網(wǎng)絡(luò)Fig.2 Institutional cooperation network

2.3 學(xué)科合作網(wǎng)絡(luò)

利用軟件的Category共現(xiàn)功能進(jìn)行分析，得到了景觀相關(guān)領(lǐng)域數(shù)字化技術(shù)的研究方向現(xiàn)狀圖表（圖3）。排名前5的合作學(xué)科分別是環(huán)境科學(xué)與生態(tài)學(xué)（Environmental Science & Ecology）、環(huán)境科學(xué)（Environmental Sciences）、遙感（Remote Sensing）、地質(zhì)學(xué)（Geology）、地球科學(xué)，多學(xué)科（Geosciences,Multidisciplinary）。其中環(huán)境科學(xué)與生態(tài)學(xué)方向尤為突出，以696篇的數(shù)量高居第一，約占整個(gè)研究的37.30%。工程（Engineering）、計(jì)算機(jī)科學(xué)（Computer Science）、環(huán)境科學(xué)與生態(tài)學(xué)（Environmental Science & Ecology）、計(jì)算機(jī)科學(xué)，跨學(xué)科應(yīng)用（Computer Science,Interdisciplinary Applications）這4個(gè)研究方向節(jié)點(diǎn)的中介中心性大于0.1，表明在該4個(gè)方向發(fā)生了高頻次的多個(gè)領(lǐng)域多學(xué)科合作。

圖3 學(xué)科合作網(wǎng)絡(luò)圖譜Fig.3 Discipline cooperation network atlas

3 國(guó)際上景觀領(lǐng)域數(shù)字化研究進(jìn)展

3.1 研究趨勢(shì)與主要關(guān)注點(diǎn)

近20年來(lái)，國(guó)際上景觀領(lǐng)域數(shù)字化技術(shù)的文獻(xiàn)數(shù)量除了2002年和2019年有小幅度回落外，一直呈增長(zhǎng)的態(tài)勢(shì)（圖4）。對(duì)文獻(xiàn)發(fā)表年份做分階段討論：

圖4 WOS數(shù)字化景觀文獻(xiàn)數(shù)量年度變化Fig.4 Annual change of WOS digital landscape literature quantity

（1）2006年以前可以看作是景觀數(shù)字化的萌芽階段，文獻(xiàn)數(shù)量少，年發(fā)表量在10篇以下浮動(dòng)。2000-2006年的文獻(xiàn)中，出現(xiàn)頻率最高的關(guān)鍵詞為Classification”“Information”和“GIS”。同時(shí)，近20年景觀數(shù)字化領(lǐng)域文獻(xiàn)內(nèi)出現(xiàn)次數(shù)排名前10的關(guān)鍵詞有4個(gè)（圖5），分別為“GIS（地理信息系統(tǒng)）”“Model（模型）”“Classification（分類）”“Area（區(qū)域）”。圖中節(jié)點(diǎn)的大小代表了該關(guān)鍵詞出現(xiàn)的頻次高低，節(jié)點(diǎn)所在時(shí)間區(qū)間是該關(guān)鍵詞首次出現(xiàn)的時(shí)間。一項(xiàng)可利用遙感數(shù)據(jù)、空間紋理以及基于GIS的土地利用數(shù)據(jù)和數(shù)字高程模型等數(shù)據(jù)的專家系統(tǒng)被應(yīng)用于對(duì)目標(biāo)地塊的土地覆被類型的分析歸類和繪制[5]。一種被稱為“距離衰減可視度”的方法于2005年被提出，該方法利用GIS實(shí)現(xiàn)森林景觀靜態(tài)可視化三維場(chǎng)景的合成。在GIS中計(jì)算三維場(chǎng)景上投影模型的點(diǎn)分布，以分配一個(gè)適當(dāng)?shù)摹澳芤?jiàn)度衰減常數(shù)值”，將觀測(cè)點(diǎn)到植被的距離與函數(shù)中植被的細(xì)節(jié)水平聯(lián)系起來(lái)[6]。早期的研究文獻(xiàn)多是屬于其他學(xué)科，期間有涉及景觀，其成果亦位于其他學(xué)科與景觀的交界。

圖5 WOS關(guān)鍵詞共現(xiàn)時(shí)區(qū)分布Fig.5 Co-occurrence area distribution of WOS keywords

（2）2007-2012年為起步階段，文獻(xiàn)數(shù)量緩緩上升，出現(xiàn)頻率最高的關(guān)鍵詞為“GIS”“Vegetation（植被）”“Classification（該階段一般指遙感影像分類）”。從圖5可看到“Climate change（氣候變化）”“Vegetation（植被）”“Impact（影響）”“Remotesensing（遙感）”等眾多重要關(guān)鍵詞在這一階段首次出現(xiàn)。景觀可視化是該階段的熱點(diǎn)，Stephen R.J.于2009年以某可視化和共享3d環(huán)境數(shù)據(jù)的軟件為切口，從道德守則、軟件設(shè)計(jì)和元數(shù)據(jù)模板的角度，討論了景觀可視化的閾值[7]。Christopher J.P.團(tuán)隊(duì)開發(fā)了一套景觀可視化系統(tǒng)，并采用案例研究的方式，讓現(xiàn)在用戶（景觀規(guī)劃的管理者、設(shè)計(jì)者和研究人員）和未來(lái)用戶（相關(guān)專業(yè)學(xué)生）參與評(píng)價(jià)景觀視覺(jué)化，以更好地了解可視化的優(yōu)缺點(diǎn)。最后，提出了景觀可視化科學(xué)和環(huán)境建模成果交流的一些未來(lái)方向[8]。

（3）2013-2016年是發(fā)展階段，文獻(xiàn)數(shù)量穩(wěn)步上升。出現(xiàn)頻次最高的關(guān)鍵詞是“Model（模型）”。Masselink R于2013年的文獻(xiàn)中將具有不同景觀形態(tài)的數(shù)字高程模型輸入演化模型LAPSUS，從而量化連通性和復(fù)雜性之間的關(guān)系。旨在更好地理解和量化景觀復(fù)雜性與流域連通性之間的關(guān)系，并作出連通性隨景觀形態(tài)復(fù)雜性的增加而降低的結(jié)論[9]。Bethanna J及其團(tuán)隊(duì)開發(fā)了一個(gè)名為Polyscape的地理信息系統(tǒng)制圖框架，能為多種生態(tài)系統(tǒng)服務(wù)進(jìn)行有效且空間明確的景觀規(guī)模評(píng)估[10]。

（4）2017年至今是激增階段，文獻(xiàn)數(shù)增長(zhǎng)迅速，尤其2018年及2020年增幅超過(guò)了百篇，2017-2020年產(chǎn)出文獻(xiàn)數(shù)約占該領(lǐng)域文獻(xiàn)總數(shù)的54%。文獻(xiàn)出現(xiàn)頻率最高的關(guān)鍵詞為“Climate change（氣候變化）”。該階段有4個(gè)突現(xiàn)熱點(diǎn)關(guān)鍵詞：“Plant（植物）”“Body size（體量尺度）”“Social media（社交媒體）”“Photosynthesis（光合作用）”。Kuper R是該階段的活躍作者，于2017年1月發(fā)表的文獻(xiàn)中闡述了數(shù)字景觀模型設(shè)計(jì)中的景觀偏好、復(fù)雜性和連貫性評(píng)估，利用色彩數(shù)字景觀模型視圖將特定植物種類數(shù)量（即復(fù)雜性）的變化，轉(zhuǎn)化為香農(nóng)信息熵位值，以及描述了野外區(qū)、住宅區(qū)域和城市區(qū)域中勻質(zhì)、集群的和散點(diǎn)的三種植物組團(tuán)連貫性方式[11]；又于同年11月發(fā)表的文獻(xiàn)中測(cè)驗(yàn)了業(yè)內(nèi)外受眾對(duì)給出的數(shù)字景觀模型視圖的偏好程度是否于每個(gè)模型各自的客觀指標(biāo)有關(guān)，并研究了模型化環(huán)境中與喜好程度可能有關(guān)的客觀指標(biāo)對(duì)非業(yè)內(nèi)人士的恢復(fù)潛力（RP）評(píng)分的潛在影響[12]。

3.2 知識(shí)基礎(chǔ)與熱點(diǎn)前沿

3.2.1 知識(shí)基礎(chǔ)

一般概念中，一個(gè)領(lǐng)域的知識(shí)基礎(chǔ)是由高被引文獻(xiàn)組成的，本文利用軟件中的“Reference”功能提取分析了1 007篇共被引文獻(xiàn)。前5的共被引次數(shù)依次是：118、60、60、59和52，值得提到的是，該5篇文獻(xiàn)皆來(lái)自同一位作者Cetin M[12-17]。圖6為景觀領(lǐng)域數(shù)字化應(yīng)用的文獻(xiàn)共被引聚類時(shí)間線圖譜，兩個(gè)節(jié)點(diǎn)間若存在連線，就表示該兩篇文獻(xiàn)被同一篇文獻(xiàn)引用過(guò)，這兩篇文獻(xiàn)是共被引的關(guān)系。利用軟件對(duì)原始數(shù)據(jù)的參考文獻(xiàn)進(jìn)行分析，對(duì)這些參考文獻(xiàn)提取關(guān)鍵詞作為聚類命名，并如圖6所示以時(shí)間線的形式呈現(xiàn)，節(jié)點(diǎn)面積越大代表該文獻(xiàn)被原始文件共被引的次數(shù)越多。節(jié)點(diǎn)所在的實(shí)線與上方的時(shí)間標(biāo)度對(duì)應(yīng)，為該聚類的持續(xù)時(shí)間。左上角可看到該圖譜Q=0.9281，S=0.955，此處的S是所有能夠成立的合理聚類的S值的平均數(shù)，表明該聚類網(wǎng)絡(luò)結(jié)構(gòu)十分顯著且高效令人信服。

圖6 WOS文獻(xiàn)共被引時(shí)間線聚類圖譜Fig.6 Cluster map of WOS literature co-cited timeline

數(shù)字景觀領(lǐng)域知識(shí)基礎(chǔ)文獻(xiàn)的研究方向可分為4個(gè)大類：遙感影像、地理信息系統(tǒng)（GIS）、災(zāi)害和生態(tài)。

聚類3（紋理）、聚類9（紋理識(shí)別，紋理分類）與聚類10（圖像分類）可被歸為一個(gè)大類，即：利用含有景觀要素的遙感影像，圍繞其分類方法、器材手段與結(jié)果分析的各類研究。該大類與地理、遙感、計(jì)算機(jī)算法等學(xué)科領(lǐng)域聯(lián)系得相當(dāng)緊密。聚類3主要關(guān)注于以隨機(jī)森林（Random forest）[18-19]、最大似然估計(jì)法（ML）[20]、Adaboost[21]等為代表的機(jī)器學(xué)習(xí)算法在遙感影像紋理分類上的應(yīng)用；聚類9聚焦于基于遙感影像分類的植被覆蓋分析[22-23]；聚類10在利用遙感影像進(jìn)行紋理分類的基礎(chǔ)上另關(guān)注著自然災(zāi)害對(duì)土地覆被的影響[24]。聚類7（數(shù)字高程模型）與聚類13（地理信息系統(tǒng)）可歸為一個(gè)大類，即地理信息系統(tǒng)工具（GIS）的應(yīng)用。聚類7主要關(guān)注于基于地理信息系統(tǒng)的地理高程模型（Dem）的構(gòu)造方式和優(yōu)化手段[25-26]，該共被引文獻(xiàn)聚類可認(rèn)為是國(guó)內(nèi)外2007年起始的長(zhǎng)時(shí)間共同的研究熱點(diǎn)即景觀三維可視化的知識(shí)基礎(chǔ)。聚類7與聚類13，前者著眼于三維的塑造，后者是二維領(lǐng)域的分析[27]。土地利用、景觀格局等熱門領(lǐng)域可被認(rèn)為一定程度脫胎于這兩個(gè)大類。

上文提到的聚類10、研究方向?yàn)榫坝^在動(dòng)態(tài)、變化狀態(tài)下的測(cè)繪和信息捕捉[28-29]（出現(xiàn)頻率最高的變化原因即是災(zāi)害）的聚類8（山體滑坡）和聚焦討論汶川地震對(duì)植被與環(huán)境的影響[30]的聚類37（云霧林）構(gòu)成了知識(shí)基礎(chǔ)中的災(zāi)害模塊。而生態(tài)這一項(xiàng)除了以群落過(guò)渡帶為關(guān)鍵詞的聚類20（生態(tài)交錯(cuò)帶）外，更是緊密結(jié)合于各個(gè)大類中。

不難發(fā)現(xiàn)，組成景觀數(shù)字化領(lǐng)域知識(shí)基礎(chǔ)的文獻(xiàn)中有大量的其他學(xué)科的學(xué)術(shù)成果，如地理信息、計(jì)算機(jī)科學(xué)、工程、遙感和生態(tài)等。考慮到共被引文獻(xiàn)在整個(gè)知識(shí)體系內(nèi)的位置，這一現(xiàn)象除了表明該領(lǐng)域與其他學(xué)科聯(lián)系密切以外，更說(shuō)明景觀數(shù)字化相關(guān)的學(xué)術(shù)成果本就是汲取了多個(gè)學(xué)科的土壤所成長(zhǎng)起來(lái)的，進(jìn)一步突顯了國(guó)際數(shù)字景觀領(lǐng)域研究視角具有的多學(xué)科交叉與集成的特征。

3.2.2 熱點(diǎn)前沿

Web of Science網(wǎng)站內(nèi)排序功能中有對(duì)近180 d使用次數(shù)從高到低排列的選項(xiàng)，是指最近180 d內(nèi)某篇文獻(xiàn)的全文訪問(wèn)或是對(duì)記錄進(jìn)行保存的次數(shù)。該計(jì)數(shù)會(huì)隨著固定時(shí)段結(jié)束日期的推進(jìn)而上升或下降?？梢院饬坑脩魧?duì)于 Web of Science 平臺(tái)上一個(gè)特定項(xiàng)目的關(guān)注程度。故近180 d使用次數(shù)靠前的文獻(xiàn)研究?jī)?nèi)容可被認(rèn)為是近期的熱點(diǎn)前沿。獲得最近180 d使用次數(shù)最高的50篇文獻(xiàn)（搜索日期：2020年11月16日），對(duì)該批文獻(xiàn)的篇名、關(guān)鍵詞和摘要分析，出現(xiàn)頻次最高關(guān)鍵詞依次是 Design、Model、GIS、 Landscape、Classification、Management、Area、Biodiversity等。用CiteSpace軟件對(duì)其進(jìn)行聚類分析，結(jié)果如圖7所示。

圖7 WOS近180天熱點(diǎn)文獻(xiàn)聚類圖譜Fig.7 Cluster atlas of WOS hot literature in recent 180 days

對(duì)近180 d使用次數(shù)排前位的論文進(jìn)行閱讀分析后，得到的前沿?zé)狳c(diǎn)領(lǐng)域有：（1）微氣候的分析：Ng E等利用ENVI-met模擬比較了33種不同綠化策略和建筑高度下，行人層面的環(huán)境空氣溫度[31]；Atwa S等以調(diào)查人群的熱舒適度水平對(duì)某商業(yè)園區(qū)現(xiàn)狀進(jìn)行了模擬，提出了一種在炎熱氣候下的商業(yè)園區(qū)中樹木位置的選擇與環(huán)境參數(shù)之間關(guān)系的模式[32]。（2）景觀格局與城市熱島效應(yīng)的關(guān)系：Estoque RC等研究了東南亞數(shù)個(gè)大都市地區(qū)的LST（地面溫度）與不透水地面和綠地斑塊的豐度和空間格局之間的關(guān)系[33]；Li JX等通過(guò)分析地表溫度與歸一化差異植被指數(shù)、植被分?jǐn)?shù)和不透水表面積百分比的關(guān)系研究大都市地區(qū)的景觀組成和配置如何影響城市熱島[34]。（3）遙感影像在景觀格局變化和植被動(dòng)態(tài)監(jiān)測(cè)上的應(yīng)用：Mu SJ等應(yīng)用OBIA和隨機(jī)森林分類器考察了1987-2017年低水位季節(jié)鄱陽(yáng)湖的土地覆蓋構(gòu)成及其變化[35]；Taddeo S等采用斷點(diǎn)分析法檢測(cè)從Landsat獲得的增強(qiáng)植被指數(shù)所估計(jì)的植被像素的發(fā)展階段以尋找一套對(duì)植被動(dòng)態(tài)反應(yīng)最靈敏的景觀指標(biāo)[36]。（4）機(jī)載雷達(dá)（LiDAR）的應(yīng)用：Mahdianpari M等將一種基于對(duì)象的隨機(jī)森林算法應(yīng)用于WorldView-4、Geoye-1和LiDAR數(shù)據(jù)，以描述城市地區(qū)內(nèi)的多個(gè)濕地類別，獲得了極高的總體精度和濕地地表水流量連通性[37]；Sankey T等使用了從機(jī)載雷達(dá)收集高分辨率多光譜數(shù)據(jù)，研究了在生態(tài)交錯(cuò)帶中的激光雷達(dá)-高光譜圖像融合方法，該方法可廣泛應(yīng)用于植被和地形的漸變地帶，以監(jiān)視經(jīng)歷大規(guī)模變化的景觀[38]。（5）社交媒體數(shù)據(jù)與景觀的結(jié)合：Gosal AS等利用社交媒體公開的圖像文本開發(fā)了一個(gè)空間模型，預(yù)測(cè)并幫助繪制了一個(gè)大型自然保護(hù)區(qū)的景觀美學(xué)價(jià)值梯度地圖[39]；Song XP等根據(jù)公園內(nèi)的社交媒體照片的視覺(jué)內(nèi)容，分析了公園的空間屬性及其與在線共享照片的數(shù)量和內(nèi)容的關(guān)系，比較了依據(jù)社交媒體數(shù)據(jù)得出的公園受歡迎程度與當(dāng)?shù)鼐用褡晕覉?bào)告的偏好的區(qū)別[40]。

從宏觀的整個(gè)城市角度的分析，到中觀的城市公園綠地，再到微觀的精確到單棵樹木的微氣候，可以看出國(guó)際上目前的景觀數(shù)字化領(lǐng)域的熱點(diǎn)前沿覆蓋面廣，分析研究的方法手段多樣。其中地理信息系統(tǒng)（GIS）工具、以Python為代表的編程算法語(yǔ)言、遙感影像的獲取以及如隨機(jī)森林等的機(jī)器學(xué)習(xí)工具，出現(xiàn)頻次之高，幾乎可以說(shuō)是現(xiàn)階段在數(shù)字化景觀方向渴望有所建樹的學(xué)者們的必備技能。

4 結(jié)論

本文利用文獻(xiàn)可視化工具CiteSpace對(duì)近20年來(lái)國(guó)際上數(shù)字景觀領(lǐng)域研究的Sci核心文獻(xiàn)進(jìn)行知識(shí)圖譜分析，分別研究了其研究力量的國(guó)家分布、機(jī)構(gòu)貢獻(xiàn)、學(xué)科合作網(wǎng)絡(luò)、研究趨勢(shì)及熱點(diǎn)、知識(shí)基礎(chǔ)構(gòu)成和近現(xiàn)階段的熱點(diǎn)前沿。研究結(jié)論及建議如下：

（1）國(guó)際數(shù)字景觀的發(fā)展歷程中經(jīng)歷了萌芽期、起步期、發(fā)現(xiàn)期、激增期4個(gè)階段，發(fā)展歷程脈絡(luò)清楚。歐美國(guó)家學(xué)者構(gòu)筑了知識(shí)網(wǎng)絡(luò)早期的知識(shí)骨架，以Cetin M為代表的幾個(gè)關(guān)鍵學(xué)者貢獻(xiàn)突出。早期研究成果主要產(chǎn)出自其他學(xué)科中與景觀交叉的領(lǐng)域，屬于別家土地生長(zhǎng)出的自家果實(shí)，隨著景觀學(xué)科對(duì)多種手段方法的納入，情形才開始不同。

（2）研究方向多樣，網(wǎng)絡(luò)體系完整，早期的知識(shí)基礎(chǔ)到中期的研究主題再到新近的研究熱點(diǎn)，脈絡(luò)清晰，有跡可循。研究視角不乏有社會(huì)道德評(píng)價(jià)、醫(yī)療保健、災(zāi)后重建等似乎與景觀相去甚遠(yuǎn)的研究角度。研究尺度從精確到單棵樹的局域氣候到洲際尺度的生態(tài)研究皆有涉及，研究?jī)?nèi)容不斷鋪陳深入。研究方法與如地理學(xué)、計(jì)算機(jī)科學(xué)、地質(zhì)學(xué)、生態(tài)學(xué)、遙感科學(xué)等學(xué)科結(jié)合深入，借鑒了多個(gè)學(xué)科的前沿技術(shù)和模型方法，能明顯看出多領(lǐng)域?qū)W者合作的痕跡。隨著理論的進(jìn)步和技術(shù)的突破，方法手段與時(shí)俱進(jìn)，考慮到數(shù)字景觀特殊的時(shí)效性、前沿性，國(guó)內(nèi)學(xué)者想在這方面有所建樹，單純?cè)谝婚T一類上鉆研恐將力有不逮，需放寬視野，關(guān)注其他學(xué)科領(lǐng)域的熱點(diǎn)前沿尖精技術(shù)，以他山之玉攻于景觀研究應(yīng)是方便之途。

（3）各個(gè)階段研究熱點(diǎn)方向大相徑庭，20年間熱點(diǎn)從景觀可視化長(zhǎng)時(shí)間一枝獨(dú)秀到近年四面開花至氣候變化、社交媒體、空間設(shè)計(jì)網(wǎng)絡(luò)等多個(gè)方向。縱使國(guó)際數(shù)字景觀研究發(fā)展幾度轉(zhuǎn)型，GIS與遙感影像在景觀領(lǐng)域的應(yīng)用仍是數(shù)字景觀方向上無(wú)阻于時(shí)代更迭的長(zhǎng)青熱點(diǎn)，這兩個(gè)工具在數(shù)字景觀領(lǐng)域可以說(shuō)是基石般的存在。目前國(guó)外該領(lǐng)域處于文獻(xiàn)的激增階段，且隨著環(huán)境氣候的變化、新工具手段的誕生興起、對(duì)弱勢(shì)群體關(guān)注的增加和社會(huì)矛盾的多樣，未來(lái)基于人群體感舒適度的環(huán)境氣候改善研究、借助新數(shù)據(jù)新度量手段的社會(huì)學(xué)角度的景觀資源分配研究、機(jī)載雷達(dá)（LiDAR）的應(yīng)用、以社交媒體為代表的新信息來(lái)源媒介數(shù)據(jù)與景觀的分析研究預(yù)計(jì)仍然將會(huì)是未來(lái)數(shù)年受重點(diǎn)關(guān)注的方面。

中國(guó)目前發(fā)文量已達(dá)到世界第二，起步較晚但發(fā)展勢(shì)頭迅猛。針對(duì)以上結(jié)論，為促進(jìn)我國(guó)數(shù)字景觀發(fā)展提出相關(guān)建議：（1）學(xué)術(shù)界應(yīng)及時(shí)掌握國(guó)際領(lǐng)域內(nèi)的最新動(dòng)向，加強(qiáng)相關(guān)標(biāo)準(zhǔn)的制定、掌握數(shù)據(jù)方法渠道的更新迭代趨勢(shì)以及集成應(yīng)用研究。（2）應(yīng)以我國(guó)國(guó)情及所在地為主體，以此為基準(zhǔn)，對(duì)模型的構(gòu)建、選擇設(shè)定算法以及參數(shù)等環(huán)節(jié)進(jìn)行修正與適配。（3）鼓勵(lì)多學(xué)科合作，結(jié)合遙感、城鄉(xiāng)規(guī)劃、計(jì)算機(jī)科學(xué)、醫(yī)學(xué)和社會(huì)科學(xué)等多學(xué)科的相關(guān)知識(shí)，實(shí)現(xiàn)整體社會(huì)效益的最大化。