張瀟涵 成玉寧

景觀空間密度（landscape spatial density, LSD）是在景觀環(huán)境空間形態(tài)一定的前提下，表征要素（植被、置石、設(shè)施小品等）體積、數(shù)量及組合狀態(tài)的空間指標(biāo)[1]，其主要特征為空間密度數(shù)值隨時(shí)間動態(tài)變化且空間分布差異較大。

不同類型景觀空間所需的建設(shè)量以及要素在其中的分布狀態(tài)是有差異的，兩者直接影響空間的品質(zhì)[1]。運(yùn)用現(xiàn)代數(shù)字景觀技術(shù)來精準(zhǔn)測量景觀空間數(shù)據(jù)，科學(xué)化、定量化地認(rèn)知空間形態(tài)特征進(jìn)而發(fā)掘既有空間存在的主要問題，以及預(yù)測未來景觀空間的變化，是引導(dǎo)高品質(zhì)空間設(shè)計(jì)的重要手段之一。

長期以來，景觀空間密度是植物群落長勢與種群數(shù)量、園林碳匯、景園空間形態(tài)特征量化及設(shè)計(jì)營造相關(guān)領(lǐng)域的熱點(diǎn)話題。例如在綠化種植中探討如何通過控制種植密度以達(dá)到植物最佳的長勢[2]；在建成環(huán)境的景觀設(shè)計(jì)中，通過控制空間要素的密度以達(dá)到合適的空間疏密狀態(tài)[3]等。近年來，在“城市雙修”的背景下，大量既有景觀空間面臨更新改造，如何精準(zhǔn)化、低影響化地提升空間品質(zhì)成為學(xué)者們討論的熱點(diǎn)。而景觀空間密度作為反映空間組構(gòu)與形態(tài)特征的重要指標(biāo)之一，能夠?yàn)榭茖W(xué)量化地認(rèn)知空間結(jié)構(gòu)提供幫助，更是在風(fēng)景園林空間微氣候改善[4]及環(huán)境對人的心理健康影響[5]等領(lǐng)域展現(xiàn)出重要的研究價(jià)值。

然而對于大量年代久遠(yuǎn)的建成環(huán)境中的景觀空間而言，存在諸如郁閉度過高、枝葉密集交錯(cuò)、視線被遮擋等問題，導(dǎo)致難以通過傳統(tǒng)的實(shí)地調(diào)研、二維圖紙記錄及人工建模等方式全面認(rèn)知、模擬以及展現(xiàn)真實(shí)的空間形態(tài)。點(diǎn)云技術(shù)（point cloud technology）的迅速發(fā)展，為精確量化復(fù)雜的景觀空間形態(tài)提供了可能。與傳統(tǒng)手工測繪相比，點(diǎn)云技術(shù)的數(shù)據(jù)采集方式能夠更加高效、便捷、靈活[6]地呈現(xiàn)出高精度的景觀空間數(shù)據(jù)[7]，進(jìn)而為景觀空間形態(tài)的精準(zhǔn)量化提供新的手段。

1 研究綜述

1.1 景觀空間密度

景觀空間密度已在多個(gè)研究領(lǐng)域中有所運(yùn)用與探討。例如，過往學(xué)者將景觀空間密度作為描述景觀空間的疏密程度和景觀空間建設(shè)量的指標(biāo)，在對多個(gè)建成環(huán)境景觀空間要素尺寸實(shí)際測量與經(jīng)驗(yàn)估算的基礎(chǔ)上，歸納總結(jié)景觀空間密度閾值，進(jìn)而對具體案例進(jìn)行空間密度的調(diào)控[8]。同時(shí)，景觀空間密度也常被解讀為與綠量相關(guān)的概念與指標(biāo)，如趙亞琳通過對多個(gè)綠地植物三維密度的調(diào)查研究，提出綠地植物密度的設(shè)計(jì)、管理及調(diào)控建議[9]；姚崇懷等將植物葉片面積與土地面積的比值定義為綠容積率，提出了計(jì)算的方法，并將其作為評價(jià)城市綠地綠量的重要指標(biāo)之一[10]。但上述研究主要關(guān)注植被要素的數(shù)量及分布，未涉及景觀空間整體形態(tài)。而在建筑與城市設(shè)計(jì)領(lǐng)域中，空間密度指標(biāo)有多種釋義，如Berghauser等將建筑容積率、覆蓋率、平均層數(shù)和開放空間率這4種建筑密度指標(biāo)結(jié)合，建立了一種評價(jià)建筑密度與城市形態(tài)之間關(guān)聯(lián)的圖表，并探討了不同密度數(shù)值對應(yīng)的建筑與城市形態(tài)特征[11]；孔斌等提出將一定地塊內(nèi)非建筑空間的體積占總空間體積的比例定義為孔隙度，用來描述地塊內(nèi)建筑群體的空間秩序[12]。

在過往研究中，景觀空間密度指標(biāo)量化結(jié)果以單一的數(shù)值呈現(xiàn)，無法直觀反映空間形態(tài)特征；同時(shí)，由于景觀空間中的要素形態(tài)不規(guī)則且分布不均，建筑與城市領(lǐng)域?qū)臻g密度的釋義在景觀空間中難以直接應(yīng)用。因此，本研究將嘗試進(jìn)一步拓展景觀空間密度的內(nèi)涵，探討景觀空間密度在三維空間中的分布狀態(tài)。

1.2 景觀空間形態(tài)量化方法

對景觀空間形態(tài)的量化是景觀空間密度計(jì)算的基礎(chǔ)，過往研究利用二維平面圖及人工實(shí)地調(diào)研測量要素尺寸的方法在計(jì)算效率和結(jié)果精度上存在不足。隨著數(shù)字技術(shù)的發(fā)展，利用無人機(jī)傾斜攝影得到的數(shù)字地表模型（digital surface model, DSM）與數(shù)字高程模型（digital elevation model, DEM）之間的差值作為景觀空間要素體積的方法較為便捷[3]，但由于該方法缺少對林下空間的考慮，因此計(jì)算得到的空間密度數(shù)值較實(shí)際情況偏大。近年來，點(diǎn)云技術(shù)作為精確獲取三維空間信息的新型技術(shù)手段，無論是在宏觀尺度下城市的三維格局[13]與鄉(xiāng)村空間模式研究[14]，還是中觀尺度下城市公園[15]、城市街道[16]以及古典園林空間形態(tài)量化分析[17]，抑或是微觀尺度下假山石輪廓[18]、植物單體枝干與冠層結(jié)構(gòu)精細(xì)化形態(tài)模擬[19]等方面都較傳統(tǒng)信息采集技術(shù)具有較大優(yōu)勢。由于景觀空間中植被要素形態(tài)復(fù)雜，難以利用網(wǎng)格面進(jìn)行表面模型構(gòu)建，虞思逸等在點(diǎn)云技術(shù)的基礎(chǔ)上提出利用體元法（voxelization）將點(diǎn)云模型轉(zhuǎn)化為形態(tài)相同的體元模型，進(jìn)而對要素體積進(jìn)行計(jì)算[20]。

綜上，點(diǎn)云技術(shù)為優(yōu)化景觀空間密度的量化方法帶來了契機(jī)。本研究在景觀空間密度量化中首創(chuàng)性運(yùn)用點(diǎn)云等數(shù)字技術(shù)，利用其在數(shù)據(jù)采集與分析的效率以及數(shù)據(jù)的精度等方面的優(yōu)勢，優(yōu)化現(xiàn)有量化方法并探討其在實(shí)際案例中應(yīng)用的可能性。

2 基于點(diǎn)云技術(shù)的景觀空間密度量化方法

2.1 量化技術(shù)路線

空間要素體積與空間總?cè)莘e的比值即為景觀空間密度，如何利用點(diǎn)云及相關(guān)數(shù)字技術(shù)精確獲得兩者數(shù)值并直觀地展現(xiàn)空間密度的三維分布特征成為本研究的重點(diǎn)。本研究的技術(shù)路線共分為5個(gè)步驟，分別為空間數(shù)據(jù)采集與處理、空間形態(tài)確定、空間密度計(jì)算、空間密度可視化以及空間密度特征分析（圖1）。

1 基于點(diǎn)云技術(shù)的景觀空間密度量化方法技術(shù)路線Technical route of quantification method for landscape space density based on point cloud technology

2.2 具體操作步驟

2.2.1 空間數(shù)據(jù)采集與處理

研究選用無人機(jī)傾斜攝影與地面基站激光掃描儀結(jié)合的方式，采集研究范圍內(nèi)要素的空間數(shù)據(jù)。利用Context Capture軟件將傾斜攝影模型轉(zhuǎn)化為點(diǎn)云數(shù)據(jù)，與基站掃描采集到的點(diǎn)云數(shù)據(jù)融合，進(jìn)而與CAD圖紙坐標(biāo)配準(zhǔn)，并根據(jù)研究精度需求重采樣，得到最終的三維點(diǎn)云模型，利用Cloud Compare軟件對三維點(diǎn)云模型初步可視化（圖2-1）。

2 景觀空間密度量化具體操作步驟Operating steps for quantification of landscape space density

2.2.2 空間形態(tài)確定

本研究采用體元法對景觀空間要素點(diǎn)云模型體元化。在Grasshopper中，通過控制單個(gè)體元邊長和其內(nèi)部包含點(diǎn)的數(shù)量等參數(shù)來確定點(diǎn)云模型體元化的結(jié)果（圖2-2）。由于景觀空間形態(tài)復(fù)雜、要素類型多，需對體元大小等數(shù)值進(jìn)行多次調(diào)整，最終以滿足不同層面研究的精度需求為準(zhǔn)。而場地空間總?cè)莘e的確定則以研究范圍二維平面為基礎(chǔ)，向上拉伸至四周圍合建筑的最高高度或通過其他要素確定空間高度，所形成的立方體的體積即為空間總?cè)莘e（圖2-3）。

2.2.3 空間密度計(jì)算

在確定了景觀空間內(nèi)部要素三維形態(tài)與空間容積后，分別計(jì)算空間要素的總體積以及空間的總?cè)莘e，兩者的比值為景觀空間密度DLS，計(jì)算方法如式（1、2）：

其中，

式中，Vi為景觀空間要素體積，Vz為景觀空間總?cè)莘e，L為每一個(gè)體元的邊長，n為體元的總個(gè)數(shù)。

再將代表空間總?cè)莘e的三維體塊細(xì)分為等大的立方體，作為空間密度研究的最小單元（圖2-4）。為滿足不同層面研究的精度需求，通過對細(xì)分單元的邊長大小控制，改變空間細(xì)分的精度。利用布爾運(yùn)算①得到每一個(gè)空間細(xì)分單元內(nèi)部所包含的體元，其體積數(shù)值與空間細(xì)分單元的體積比值為細(xì)分單元的空間密度DLS,j，計(jì)算方法如式（3、4）：

其中，

式中，Vj為每個(gè)細(xì)分單元中包含的景觀空間要素體元體積，Vd為細(xì)分單元的體積；a、b、c分別為細(xì)分單元的長、寬、高。

2.2.4 空間密度可視化

用細(xì)分單元中心點(diǎn)坐標(biāo)（x,y,z）對細(xì)分單元進(jìn)行編號，并輸出每個(gè)單元的空間密度數(shù)值（圖2-5）。選取特定漸變色彩區(qū)間（如綠—紅漸變色帶）將空間密度數(shù)值與色彩一一對應(yīng)，給每一個(gè)細(xì)分單元賦色，對空間密度進(jìn)行三維可視化表達(dá)（圖2-6）。

2.2.5 空間密度特征分析

本研究利用水平、豎直兩個(gè)方向的剖切，研究不同剖切面之間空間密度數(shù)值分布的差異以及同一剖面上不同密度空間細(xì)分單元的組合，從而探析空間要素的密集程度以及實(shí)體與空間的三維分布特征。以水平方向?yàn)槔B續(xù)的低密度細(xì)分單元代表了空間中的空隙呈線性分布，具有成為空間視廊的潛質(zhì)；不同密度的空間單元雜糅代表了空間的復(fù)雜等。

3 案例應(yīng)用

3.1 研究區(qū)域概況

本研究以東南大學(xué)四牌樓校區(qū)梅庵及其周邊景觀空間為例，運(yùn)用點(diǎn)云技術(shù)對場地景觀空間密度進(jìn)行量化研究，并嘗試探討點(diǎn)云技術(shù)對景觀空間優(yōu)化設(shè)計(jì)的幫助。研究場地位于校園西北角，面積共計(jì)4 697m2（圖3）。梅庵位于研究場地西北角，為磚混結(jié)構(gòu)的單層平房，是校園歷史發(fā)展的見證。然而其周邊植物老化、枝葉密集，阻擋人們望向梅庵的視線，整體視覺效果較為雜亂。如何從空間整體的角度出發(fā)，精準(zhǔn)化、低影響化地改造梅庵周邊的景觀成為設(shè)計(jì)的重點(diǎn)。

3 梅庵及其周邊平面圖Master plan of Mei’an and surroundings thereof

3.2 量化方法的實(shí)際應(yīng)用

利用無人機(jī)傾斜攝影與地面基站式激光掃描結(jié)合的方式獲取梅庵及周邊景觀要素空間數(shù)據(jù)，在Trimble Realworks軟件中進(jìn)行點(diǎn)云的配準(zhǔn)與取樣抽稀，取樣值為50 mm。為確保后續(xù)景觀空間要素體元化結(jié)果準(zhǔn)確，本研究將場地中臨時(shí)的人和汽車等干擾項(xiàng)點(diǎn)云單獨(dú)分類移除，不作為后期體元化的點(diǎn)云數(shù)據(jù)源。利用Cloud Compare軟件對三維點(diǎn)云進(jìn)行可視化（圖4），對空間總體認(rèn)知。從空間高程圖（圖5）來看，梅庵高5.9 m，南側(cè)建筑檐口高14.0 m，北側(cè)建筑檐口高13.9 m。場地內(nèi)部，下層小喬木高度集中在2.4～7.0 m，上層喬木高度>7.0～15.0 m，梅庵外圍喬木顯著較高，高度最高為35.6 m。

4 梅庵周邊景觀空間三維點(diǎn)云模型Three-dimensional point cloud model of landscape space around Mei’an

5 梅庵周邊景觀空間高程圖Elevation map of landscape space around Mei’an

首先以研究場地的二維紅線范圍為底，梅庵南側(cè)建筑檐口高度14.0 m作為空間總體高度，生成立方體并減去梅庵建筑體積，即得到空間容積為65 766.5 m3。其次，用得到的總體空間立方體對點(diǎn)云模型進(jìn)行裁剪，得到空間要素點(diǎn)云并體元化，筆者考慮到場地中喬木樹齡較高，大部分胸徑在0.3 m左右及以上，因此將體元邊長設(shè)為0.3 m。經(jīng)統(tǒng)計(jì)，體元數(shù)量（n）為278 882個(gè)，總要素體積（Vi）為7 529.8 m3。最后利用景觀空間密度的計(jì)算公式得到梅庵周邊景觀空間密度為0.114，內(nèi)部景觀要素體積占據(jù)了超過1/10的空間容積。

進(jìn)一步對空間進(jìn)行細(xì)分，以研究空間密度的三維分布特征。由于本研究對象的尺度較小，內(nèi)部空間復(fù)雜度高，為便于研究，將單元的長、高、寬分別設(shè)置為3.0、3.0、2.8 m，共計(jì)3 755個(gè)單元。計(jì)算每個(gè)單元的空間密度并利用按照數(shù)值從小到大，賦予單元綠—紅漸變色帶顏色，得到最終景觀空間密度可視化結(jié)果；以固定方向和單位長度進(jìn)行連續(xù)剖切，即可展現(xiàn)空間內(nèi)部的空間密度特征（圖6）。

6 梅庵周邊景觀空間密度量化Quantification of landscape space density around Mei’an

3.3 空間密度三維分布特征

3.3.1 水平方向空間密度變化

自西向東以3 m為單位長度對場地連續(xù)剖切得到30個(gè)剖面，對水平方向的空間密度分布情況展開研究。提取連續(xù)剖面細(xì)分單元密度數(shù)值，并繪制密度變化箱形圖（圖7）來描述空間密度的分散情況。上、下四分位數(shù)的差值反映了空間的復(fù)雜度，中部空間差值最大，東西部差值較小。中位數(shù)數(shù)值能夠反映各剖面空間要素總體密集程度，從變化趨勢來看，在中部19號剖面處達(dá)到峰值，為0.162 4；而在20號剖面處數(shù)值驟減，且往西數(shù)值進(jìn)一步減小，反映出此處空間形態(tài)發(fā)生較大變化，呈現(xiàn)出明顯的空間界面。從各剖面空間密度的最大值來看，19號剖面處出現(xiàn)了峰值0.994 9，即局部景觀空間要素呈現(xiàn)實(shí)體的狀態(tài)。梅庵在4號至8號剖面處，單元密度數(shù)值無論是總體分布還是最大值都處于較低的水平，即空間要素對視線的阻擋程度較弱；而上、下四分位數(shù)差值較為平均，反映出空間總體較為均質(zhì)。

7 水平方向景觀空間密度分布箱形圖與實(shí)景Box diagram and real scene of horizontal distribution of landscape space density

3.3.2 豎直方向空間密度變化

自下而上以2.8 m為單位長度將場地連續(xù)剖切為5個(gè)剖面，對豎直方向的空間密度數(shù)值分布進(jìn)行分析（圖8）。各層上、下四分位數(shù)差值彼此間差異較小，在2號剖面處（2.8～＜5.6m）差值達(dá)到最大后，隨著高度增加分散程度減小，反映出人頭頂上方區(qū)域空間復(fù)雜度較高，變化豐富。且此剖面的空間密度最大值與上四分位數(shù)最高，表明局部空間近似實(shí)體，樹冠彼此交織構(gòu)成了較為明顯的空間頂界面。從各層單元密度中位數(shù)來看，最底層剖面數(shù)值最大為0.178，主要是由于地面地形連續(xù)起伏，地物要素?cái)?shù)量較多。

8 豎直方向景觀空間密度分布箱形圖Box diagram of vertical distribution of landscape space density

3.4 空間密度輔助空間優(yōu)化

與原始點(diǎn)云模型相比，空間密度三維分布圖能夠忽略景觀要素復(fù)雜的細(xì)節(jié)信息，更加直觀地反映場地不同位置空間單元的疏密狀態(tài)，進(jìn)而輔助設(shè)計(jì)師進(jìn)行設(shè)計(jì)決策。經(jīng)上文分析可知，梅庵周邊場地水平方向中部密度最高；而中下層是要素最為密集且變化豐富的部分，且與人在其中的感知直接相關(guān)，因此選取豎直方向1號剖面（0～＜2.8 m）和2號剖面（2.8～＜5.6 m）層空間密度分布圖進(jìn)一步研究空間特征。以梅庵主游線空間優(yōu)化設(shè)計(jì)為例，探討空間密度在輔助既有老舊景觀空間優(yōu)化方面的優(yōu)勢。視點(diǎn)1和視點(diǎn)2分別為李瑞清雕像以及梅庵的重要觀景點(diǎn)，現(xiàn)狀視覺效果不佳（圖9）。從豎直方向1號剖面空間密度分布圖來看，雕像西側(cè)空間密度總體較低，且分布數(shù)值差異較大，雕像成為空間中孤立的實(shí)體。故考慮通過增植梅花加大雕像西側(cè)底層空間密度，形成連續(xù)背景襯托雕像。視點(diǎn)2視域范圍內(nèi)空間密度在2號剖面處過大，且梅庵東側(cè)底層密度與周邊綠地差異較小。因此考慮通過移除現(xiàn)狀植被要素以降低空間密度，更好地展現(xiàn)梅庵形象。由此可見，空間密度的三維分布圖能夠有效輔助設(shè)計(jì)師對空間疏密關(guān)系進(jìn)行解讀，進(jìn)而在整體層面把握空間結(jié)構(gòu)特征，并提出相應(yīng)設(shè)計(jì)策略。

9 景觀空間密度輔助下的空間優(yōu)化Space optimization assisted by landscape space density

3.5 與傳統(tǒng)量化方法對比

與傳統(tǒng)人工實(shí)地調(diào)研的方式估算要素體積進(jìn)行空間密度計(jì)算相比，基于點(diǎn)云技術(shù)的景觀空間密度量化方法在數(shù)據(jù)采集處理方式、計(jì)算結(jié)果的精度以及結(jié)果的可讀性3個(gè)方面具有優(yōu)勢。

3.5.1 數(shù)據(jù)采集處理方式

從空間數(shù)據(jù)采集與處理的操作流程來看，傳統(tǒng)實(shí)地調(diào)研的方式需要對場地內(nèi)的植被與小品的種類及尺寸大小數(shù)據(jù)實(shí)地采集，并需要人工將信息錄入電腦，最終結(jié)果以表格形式呈現(xiàn)，所需時(shí)間和人力成本較大，且難以通過人工測量得到復(fù)雜景觀空間的準(zhǔn)確數(shù)據(jù)。而本研究采用的地面基站點(diǎn)云激光掃描與無人機(jī)傾斜攝影采集信息以及后期點(diǎn)云數(shù)據(jù)導(dǎo)出、配準(zhǔn)、采樣與分類這一系列操作，僅由一名專業(yè)人員使用設(shè)備即可完成，大大減少了空間數(shù)據(jù)采集所需的人力與時(shí)間成本。

3.5.2 密度計(jì)算結(jié)果精度

傳統(tǒng)景觀空間密度對于空間植物要素體積的計(jì)算大多是將植被形態(tài)進(jìn)行抽象化后，采用常用園林植物樹冠體積計(jì)算方程[21]，利用冠幅與冠厚2個(gè)指標(biāo)計(jì)算得到單株植被的體積。但此種方式為經(jīng)驗(yàn)估算，對于較為復(fù)雜的景觀空間計(jì)算結(jié)果精度不高。相比點(diǎn)云數(shù)據(jù)體元化后得到的空間要素體元模型可以較為真實(shí)地反映空間形態(tài)，在此基礎(chǔ)上得到的要素體積及計(jì)算得到空間密度數(shù)值也更加精確。

3.5.3 成果的可讀性

傳統(tǒng)景觀空間密度最終結(jié)果以單一總體空間密度數(shù)值呈現(xiàn)。本研究提出的景觀空間密度可視化方法能夠直觀展現(xiàn)總體空間密度三維分布和特定剖面空間密度分布特征，進(jìn)而輔助設(shè)計(jì)師對空間優(yōu)化設(shè)計(jì)。

4 結(jié)語

本研究構(gòu)建了基于點(diǎn)云技術(shù)的景觀空間密度量化方法，包括景觀空間三維形態(tài)的提取、空間密度計(jì)算以及空間細(xì)分密度可視化，對于景觀空間形態(tài)特征的量化研究與既有景觀的更新設(shè)計(jì)在以下3個(gè)層面上具有積極意義。

1）方法層面：優(yōu)化量化途徑。將點(diǎn)云及其他數(shù)字景觀技術(shù)運(yùn)用于空間數(shù)據(jù)的采集與處理、空間形態(tài)確定、空間密度計(jì)算以及結(jié)果展示整個(gè)過程中，極大提升了計(jì)算的便捷度與結(jié)果的精度。

2）理論層面：拓展密度內(nèi)涵。通過在原有計(jì)算邏輯的基礎(chǔ)上增加景觀空間三維細(xì)分步驟，使景觀空間密度不僅能夠描述空間總體建設(shè)量大小，也可作為反映空間要素三維分布特征的指標(biāo)。景觀空間中的要素形態(tài)自由、隨機(jī)且變化多樣，當(dāng)人們著眼于具體形態(tài)的細(xì)微差別時(shí)，對空間的組構(gòu)關(guān)系就難以把控。使用景觀空間密度細(xì)分可視化的方法即可較為宏觀地認(rèn)知景觀空間形態(tài)。

3）實(shí)踐層面：引導(dǎo)空間優(yōu)化。在實(shí)踐層面通過對現(xiàn)狀景觀空間密度三維分布情況進(jìn)行分析，可以迅速地對空間要素的組構(gòu)特征進(jìn)行識別，并精準(zhǔn)地判斷其中存在的主要問題，從而有效地結(jié)合實(shí)際需求輔助精準(zhǔn)設(shè)計(jì)，助力高品質(zhì)景觀空間營造。同時(shí)，景觀空間密度未來也可作為綠地調(diào)控的參照性指標(biāo)，為綠地的建設(shè)與管理提供幫助。

未來可進(jìn)一步通過大樣本量調(diào)查分析，探討不同類型的景觀空間密度的閾值區(qū)間，并以此來輔助確定所需建設(shè)強(qiáng)度；對不同形態(tài)的景觀空間密度三維分布特征分析并探討與其他形態(tài)指標(biāo)的關(guān)系，輔助景觀空間參數(shù)化生成；同時(shí)，對景觀空間密度隨時(shí)間動態(tài)變化的研究，有助于預(yù)測未來空間的要素變化，在設(shè)計(jì)之初預(yù)留植被生長余量。

本研究在點(diǎn)云模型的建模處理方面仍存在一定的局限。盡管體元法能較為便捷地對要素點(diǎn)云三維實(shí)體化，但由于不同要素形態(tài)、尺度差異較大，均一化的體元邊長大小將帶來空間密度計(jì)算的誤差；而過小的體元邊長將造成計(jì)算效率的降低。

注釋(Note)：

① 犀牛軟件中實(shí)體布爾運(yùn)算交集工具（BooleanIntersection）。

圖片來源(Sources of Figures)：

文中圖片均由作者繪制。