王思陽(yáng)，路 毅

（東北林業(yè)大學(xué)，黑龍江哈爾濱 150000）

植物景觀設(shè)計(jì)是集藝術(shù)審美、社會(huì)服務(wù)、生態(tài)科學(xué)多維度的高度統(tǒng)一的科學(xué)，是人與自然溝通的橋梁，也可以為生產(chǎn)生活添光加彩，不斷追求更科學(xué)合理的配置方案已經(jīng)成為設(shè)計(jì)者們永恒的議題。為此，學(xué)者們從不同角度出發(fā)提出了多樣的評(píng)價(jià)標(biāo)準(zhǔn)，旨在為植物景觀評(píng)價(jià)提供科學(xué)的理論依據(jù)。

在植物景觀量化發(fā)展的過(guò)程中，傳統(tǒng)方式的局限性也愈加明顯，繁復(fù)冗雜的數(shù)據(jù)收集和處理流程與現(xiàn)今大數(shù)據(jù)時(shí)代下以Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價(jià)值密度）、Veracity（真實(shí)性）這5V特性為發(fā)展目標(biāo)的追求格格不入，亟須新技術(shù)的加入，將多元數(shù)據(jù)以科學(xué)的手段進(jìn)行高效精準(zhǔn)的表達(dá)，從而為更多評(píng)價(jià)視角的擴(kuò)展提供技術(shù)支持[1]。

深度學(xué)習(xí)，作為人工智能與數(shù)據(jù)科學(xué)的核心，將計(jì)算機(jī)科學(xué)和統(tǒng)計(jì)學(xué)融合，在“信息超載”的挑戰(zhàn)下能快速挖掘大數(shù)據(jù)所蘊(yùn)含的潛在價(jià)值，為植物景觀的量化注入了新動(dòng)力；而全景圖像則是深度學(xué)習(xí)與植物景觀聯(lián)合中成效突出的媒介，為真實(shí)場(chǎng)景的多維度呈現(xiàn)提供了可能[2]。然而由于植物景觀評(píng)價(jià)范圍較廣且新技術(shù)存在一定的應(yīng)用難度，在相關(guān)的研究中沒(méi)有得到很好的應(yīng)用。基于此，本研究從過(guò)往相關(guān)領(lǐng)域中深度學(xué)習(xí)與全景圖像技術(shù)的應(yīng)用出發(fā)，結(jié)合其應(yīng)用特征，就在植物景觀量化中適用的范圍、條件特征與未來(lái)展望進(jìn)行多方面闡述與分析，旨在為今后深度學(xué)習(xí)與全景圖像技術(shù)和植物景觀評(píng)價(jià)指標(biāo)量化更為深入的實(shí)踐應(yīng)用提供參考。

1 材料和方法

1.1 植物景觀高頻評(píng)價(jià)指標(biāo)整理

采用內(nèi)容研究法，在中國(guó)知網(wǎng)（CNKI）數(shù)據(jù)庫(kù)中以關(guān)鍵詞為植物景觀評(píng)價(jià)進(jìn)行檢索，時(shí)間為1995年10月—2022年10月，在核心期刊內(nèi)篩選建立植物景觀評(píng)價(jià)體系的文獻(xiàn)共147篇，分析文獻(xiàn)中各個(gè)評(píng)價(jià)指標(biāo)的關(guān)鍵詞、頻率及其所屬評(píng)價(jià)層次，并將詞義相同或相近的指標(biāo)進(jìn)行合并，利用Excel軟件進(jìn)行統(tǒng)計(jì)，共提取評(píng)價(jià)指標(biāo)83個(gè)，按照普萊斯公式M2=0.749 Nmax計(jì)算出核心關(guān)鍵詞頻次M=6.53，選取整數(shù)提取出詞頻大于7次的評(píng)價(jià)指標(biāo)26個(gè)。

為避免分析結(jié)果分散、變形，需要合并歸納相同或相近的指標(biāo)，參考過(guò)往文獻(xiàn)中各評(píng)價(jià)指標(biāo)的研究方向，根據(jù)表1所示的分類(lèi)依據(jù)進(jìn)行相似性歸類(lèi)，統(tǒng)計(jì)各層次的應(yīng)用情況；將數(shù)據(jù)以圖表的形式進(jìn)行各個(gè)層次及總體評(píng)價(jià)體系中各評(píng)價(jià)指標(biāo)應(yīng)用頻次的可視化；比較每個(gè)同屬于2或3個(gè)準(zhǔn)則層的評(píng)價(jià)指標(biāo)在各個(gè)層次中出現(xiàn)的次數(shù)，分析其應(yīng)用特征；在每個(gè)評(píng)價(jià)指標(biāo)中選取出現(xiàn)頻次最高的準(zhǔn)則層，并記錄頻次及評(píng)價(jià)性質(zhì)，生成植物景觀評(píng)價(jià)的共性評(píng)價(jià)指標(biāo)。

1.2 深度學(xué)習(xí)與全景圖像技術(shù)在植物景觀量化中的應(yīng)用

由于在中國(guó)知網(wǎng)（CNKI）數(shù)據(jù)庫(kù)中應(yīng)用深度學(xué)習(xí)和全景圖像技術(shù)處理植物景觀評(píng)價(jià)的文獻(xiàn)較少，因此擴(kuò)大數(shù)據(jù)庫(kù)，在中國(guó)知網(wǎng)（CNKI）數(shù)據(jù)庫(kù)和Web of Science數(shù)據(jù)庫(kù)中以關(guān)鍵詞“深度學(xué)習(xí)”“全景圖像”“植物景觀評(píng)價(jià)”“景觀評(píng)價(jià)”以及“deep learning”“panoramic image”“plant landscape evaluation”“l(fā)andscape evaluation”為關(guān)鍵詞分別檢索并人工篩選使用深度學(xué)習(xí)和全景圖像技術(shù)處理植物景觀評(píng)價(jià)和其他相關(guān)景觀評(píng)價(jià)的研究文獻(xiàn)，分析其在植物景觀評(píng)價(jià)指標(biāo)量化的現(xiàn)狀特征；討論在景觀評(píng)價(jià)中的研究方向、數(shù)據(jù)來(lái)源，記錄其在景觀數(shù)據(jù)及其他數(shù)據(jù)多種評(píng)價(jià)指標(biāo)中的應(yīng)用情況，并闡述深度學(xué)習(xí)的應(yīng)用形式；最后依據(jù)這些評(píng)價(jià)指標(biāo)和兩種技術(shù)的功能特征在傳統(tǒng)植物景觀高頻評(píng)價(jià)指標(biāo)中區(qū)分是否可以利用深度學(xué)習(xí)進(jìn)行處理，并探討各自難以操作的原因。

2 結(jié)果與分析

2.1 植物景觀的評(píng)價(jià)指標(biāo)

植物景觀評(píng)價(jià)體系大多從生態(tài)層次、景觀層次和社會(huì)層次3個(gè)準(zhǔn)則層進(jìn)行劃分，其中以視覺(jué)為評(píng)價(jià)依據(jù)的景觀層次應(yīng)用頻次最多（圖1），這是因?yàn)橐曈X(jué)能夠?qū)⑷说母杏X(jué)與知覺(jué)進(jìn)行“可成像”，從而達(dá)到感知與表達(dá)的良性互動(dòng)循環(huán)，是人們感受植物景觀、度量環(huán)境體驗(yàn)的主體因素，此外國(guó)外對(duì)以視覺(jué)作為切入點(diǎn)進(jìn)行評(píng)價(jià)的重視及相關(guān)評(píng)價(jià)方法的創(chuàng)新性與相對(duì)成熟性也有一定的影響[3-4]。

圖1 高頻評(píng)價(jià)指標(biāo)Figure 1 High-frequency evaluation indicators at all levels

由圖2可知，各評(píng)價(jià)層次的高頻評(píng)價(jià)指標(biāo)大多呈現(xiàn)兩種趨勢(shì)：各層次內(nèi)均有3～6個(gè)評(píng)價(jià)指標(biāo)應(yīng)用頻次顯著，這些評(píng)價(jià)指標(biāo)廣泛適用于大多數(shù)的評(píng)價(jià)體系，是衡量植物景觀質(zhì)量的核心評(píng)價(jià)指標(biāo)；一些評(píng)價(jià)指標(biāo)在多個(gè)評(píng)價(jià)層次中均有出現(xiàn)，這表明每個(gè)評(píng)價(jià)指標(biāo)都可能存在多層的含義與側(cè)重點(diǎn)，在建立評(píng)價(jià)指標(biāo)時(shí)不宜生搬硬套，應(yīng)著眼于實(shí)際，因時(shí)制宜、因事制宜。探究各評(píng)價(jià)層次的研究熱點(diǎn)，社會(huì)層次聚焦于經(jīng)濟(jì)性、可達(dá)性與安全性，重視植物的經(jīng)濟(jì)價(jià)值及其他功能屬性；生態(tài)層次聚焦于植物物種適用性和群落結(jié)構(gòu)穩(wěn)定性，考慮植物能否在當(dāng)?shù)亟】瞪L(zhǎng)并促進(jìn)生態(tài)系統(tǒng)的穩(wěn)定性；而景觀層次則更關(guān)注于植物觀賞特征的多樣性、層次豐富度及與整體環(huán)境和諧性等，以植物更合理的配置形式為研究重點(diǎn)。

圖2 各層次高頻評(píng)價(jià)指標(biāo)Figure 2 High-frequency evaluation indicators at all levels

評(píng)價(jià)指標(biāo)量化的方法有定性和定量?jī)煞N（表2），其中定性評(píng)價(jià)占總體評(píng)價(jià)的比重更大，但居于前列的高頻評(píng)價(jià)指標(biāo)大多由定量評(píng)價(jià)進(jìn)行分析。定量評(píng)價(jià)運(yùn)用數(shù)量分析的方法，以數(shù)值的形式對(duì)某一數(shù)據(jù)進(jìn)行描述和價(jià)值判斷，具有強(qiáng)烈的客觀性[5]。傳統(tǒng)的植物景觀評(píng)價(jià)樣本數(shù)量少、調(diào)研精度低、普查難度大，在數(shù)據(jù)的獲取和數(shù)據(jù)處理中存在昂貴且耗時(shí)的問(wèn)題[5]。隨著多媒體數(shù)據(jù)、3S、計(jì)算機(jī)模擬等技術(shù)的滲透，植物景觀的定量評(píng)價(jià)正不斷向多維度、大尺度、高效率的評(píng)價(jià)方向發(fā)展和轉(zhuǎn)變[6]。定性分析則是一種非量化的手段，通過(guò)問(wèn)卷調(diào)查的方式對(duì)現(xiàn)場(chǎng)記錄的照片、文字、視頻等進(jìn)行人為評(píng)分，其實(shí)質(zhì)在于對(duì)數(shù)據(jù)“質(zhì)”的分析，受個(gè)人的相關(guān)學(xué)術(shù)水平、分析能力及主觀傾向等影響因素的制約[7]；評(píng)價(jià)指標(biāo)多為社會(huì)層次，一般通過(guò)提供形容詞或劃分等級(jí)的方式供被調(diào)查者選擇[8-9]；調(diào)查方式與分析方法較單一，調(diào)查難度大、影響因素多。由于研究方式不同，定性和定量?jī)煞N評(píng)價(jià)方法都能達(dá)到一定的評(píng)價(jià)效果，受因人而異的主觀評(píng)價(jià)進(jìn)行客觀性表達(dá)的影響，對(duì)傳統(tǒng)的定性評(píng)價(jià)進(jìn)行定量分析的更新開(kāi)始不斷出現(xiàn)，客觀性進(jìn)一步增強(qiáng)?？傮w來(lái)說(shuō)，園林植物景觀評(píng)價(jià)角度多變、指標(biāo)分支繁多、評(píng)價(jià)方式彼此互補(bǔ)、評(píng)價(jià)標(biāo)準(zhǔn)尚不唯一。

表2 共性評(píng)價(jià)指標(biāo)Table 2 Common evaluation indicators

2.2 深度學(xué)習(xí)與全景圖像技術(shù)對(duì)植物景觀量化的介入實(shí)踐

由圖3可知，基于深度學(xué)習(xí)與全景圖像技術(shù)對(duì)植物景觀進(jìn)行量化分為4個(gè)步驟：（1）數(shù)據(jù)收集。全景圖像的獲取主要有兩種方式，即相機(jī)拍攝與采用專業(yè)的全景設(shè)備。普通相機(jī)和單反相機(jī)擁有操作簡(jiǎn)單、成本低的優(yōu)勢(shì)，但拍攝方法要求嚴(yán)格，后期拼接過(guò)程難度大，適合小場(chǎng)景的使用。實(shí)地采集時(shí)通常采用加裝特殊鏡頭或使用球形相機(jī)的方式達(dá)到縮短焦距、擴(kuò)大成像視角的效果，無(wú)須經(jīng)過(guò)后期的拼接過(guò)程即可獲得完整的全景圖像，但由于透視角度的問(wèn)題，變形相對(duì)嚴(yán)重，且分辨率較低。專業(yè)全景設(shè)備可實(shí)現(xiàn)全景圖像的自動(dòng)、實(shí)時(shí)獲取與對(duì)應(yīng)的三維空間信息收集，采集速度快、圖片質(zhì)量高，適合虛擬環(huán)境下的圖像獲取，但公開(kāi)的全景圖像獲取系統(tǒng)多為街景圖像，如谷歌街景、百度街景等，構(gòu)建個(gè)人的全景獲取系統(tǒng)操作復(fù)雜且造價(jià)昂貴[10]。通過(guò)全景圖像的方式收集數(shù)據(jù)能夠?qū)崿F(xiàn)場(chǎng)景多維度的實(shí)時(shí)再現(xiàn)，為植物景觀的量化提供了更多評(píng)價(jià)依據(jù)。（2）圖像處理。通過(guò)圖像分割的方式提取全景圖像中的各個(gè)景觀要素，是圖像預(yù)處理的環(huán)節(jié)?，F(xiàn)有的有關(guān)場(chǎng)景解析的大規(guī)模圖像數(shù)據(jù)集，如 ADE20K Dataset、Cityscapes，等可直接應(yīng)用于一些景觀類(lèi)的圖像分割，均呈現(xiàn)出良好的分割效果，但一般應(yīng)用于街景圖像。在不同的場(chǎng)景圖片中，為追求更高的適應(yīng)性則需要訓(xùn)練更為精確的語(yǔ)義分割模型，其步驟分為圖像標(biāo)注、文件預(yù)處理、模型訓(xùn)練、模型檢驗(yàn)4個(gè)部分[11]。通過(guò)深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)處理圖片能削弱人工提取數(shù)據(jù)時(shí)的主觀性，減少冗雜的基礎(chǔ)工作，是科學(xué)性與高效性的高度展現(xiàn)。（3）指標(biāo)量化。將所提取的各個(gè)景觀要素通過(guò)數(shù)學(xué)方法計(jì)算為需要的評(píng)價(jià)指標(biāo)量化，分為定性與定量?jī)煞N。定量評(píng)價(jià)指標(biāo)量化結(jié)果可由圖像處理結(jié)果直接計(jì)算，計(jì)算公式與傳統(tǒng)植物景觀量化方式一致，同時(shí)由于全景圖像透視角度的不同，針對(duì)不同的全景圖像如等距圓柱全景圖像、魚(yú)眼圖像等需要進(jìn)行不同的圖像轉(zhuǎn)換與公式換算過(guò)程以保證計(jì)算結(jié)果的準(zhǔn)確性。定性評(píng)價(jià)指標(biāo)量化則需要通過(guò)新的模型訓(xùn)練，將人工評(píng)價(jià)的流程運(yùn)用數(shù)據(jù)標(biāo)注的方法建立評(píng)價(jià)模型，以達(dá)到大批量、高效率、客觀性的評(píng)價(jià)結(jié)果。大量實(shí)際案例表明，該量化方法能達(dá)到傳統(tǒng)量化方式的效果，且更具客觀、高效性。（4）綜合評(píng)價(jià)。即將評(píng)價(jià)指標(biāo)相互結(jié)合進(jìn)行植物景觀的綜合評(píng)價(jià)，本研究的綜合評(píng)價(jià)方法和流程與傳統(tǒng)植物景觀綜合評(píng)價(jià)相同，但其中大量的計(jì)算過(guò)程可通過(guò)python等腳本進(jìn)行簡(jiǎn)化，降低使用門(mén)檻。

圖3 基于深度學(xué)習(xí)與全景圖像的植物景觀量化流程圖Figure 3 Quantitative flow chart of plant landscape based on deep learning and panoramic image

全景圖像技術(shù)能夠采集人雙眼有效視角外的周邊信息甚至更廣的圖像，打破了普通相機(jī)對(duì)完整環(huán)境要素轉(zhuǎn)述的局限性[12]。將全景圖像技術(shù)應(yīng)用于植物景觀評(píng)價(jià)，植物個(gè)體要素的微小細(xì)節(jié)和植物景觀在整體大環(huán)境的配置模式均被鏡頭捕捉，海量的新型全景數(shù)據(jù)匯聚于評(píng)價(jià)模型中，帶來(lái)了數(shù)據(jù)調(diào)研中場(chǎng)景信息采集的全面化和便捷化，為更多評(píng)價(jià)指標(biāo)的量化提供了數(shù)據(jù)依據(jù)。深度學(xué)習(xí)能夠以抽象的結(jié)構(gòu)將讀取的多層數(shù)據(jù)間復(fù)雜的映射關(guān)系加以分析學(xué)習(xí)、整合加工，將深度學(xué)習(xí)技術(shù)嵌入植物景觀評(píng)價(jià)鏈條，不僅能解決數(shù)據(jù)處理時(shí)操作難度大的問(wèn)題，起到高效準(zhǔn)確的效果，更能削弱人因狀態(tài)和偏好的不同所帶來(lái)的主觀感知偏差，在實(shí)際應(yīng)用中大大提升了評(píng)價(jià)的科學(xué)性[13]。深度學(xué)習(xí)與全景技術(shù)結(jié)合，達(dá)到了數(shù)據(jù)收集更完整和數(shù)據(jù)處理更科學(xué)兩方面的優(yōu)化，同時(shí)降低了操作難度并提升了工作效率，在植物景觀評(píng)價(jià)方面是行之有效、值得探索實(shí)踐的良好方式。

目前，深度學(xué)習(xí)與全景圖像的量化技術(shù)在純植物景觀評(píng)價(jià)中應(yīng)用較少，高頻評(píng)價(jià)指標(biāo)是針對(duì)綠視率和景觀開(kāi)闊度的評(píng)價(jià)，在各個(gè)評(píng)價(jià)系統(tǒng)中均有出現(xiàn)，指標(biāo)量化大多停留在定量評(píng)價(jià)中[14-15]。由表3（各案例中采用的評(píng)價(jià)指標(biāo)用“√”標(biāo)注，應(yīng)用形式用“O”標(biāo)注）可知，觀察既有的一些在景觀評(píng)價(jià)中的應(yīng)用案例，與純植物景觀評(píng)價(jià)一致，更為廣泛的深度學(xué)習(xí)網(wǎng)絡(luò)的便捷性在景觀客觀感知評(píng)價(jià)中得以體現(xiàn)，例如通過(guò)對(duì)綠視率、天空開(kāi)敞指數(shù)、區(qū)域飽和度、色彩豐富度、道路機(jī)動(dòng)化程度等評(píng)價(jià)指標(biāo)量化對(duì)景觀的形態(tài)與空間規(guī)劃進(jìn)行具有科學(xué)性與全面性的評(píng)價(jià)研究；在此基礎(chǔ)上結(jié)合基于深度學(xué)習(xí)的行人數(shù)據(jù)、街道營(yíng)業(yè)時(shí)長(zhǎng)分布等評(píng)價(jià)指標(biāo)能夠衡量居民對(duì)景觀的接觸，進(jìn)行更深層次的景觀規(guī)劃；結(jié)合其他來(lái)源的評(píng)價(jià)指標(biāo)如空間地理數(shù)據(jù)進(jìn)行景觀的格局分析以及結(jié)合網(wǎng)絡(luò)大數(shù)據(jù)中用戶的圖像、語(yǔ)言與時(shí)空信息進(jìn)行景觀的意向認(rèn)知評(píng)價(jià)，這些結(jié)合能夠在主觀感知評(píng)價(jià)中將專家評(píng)價(jià)的結(jié)果運(yùn)用深度學(xué)習(xí)推廣到大規(guī)模景觀評(píng)價(jià)當(dāng)中，達(dá)到公眾層面與專家層面兩方面主觀感知評(píng)價(jià)的多方法、多維度、少主觀、少工作量的轉(zhuǎn)變?？傮w而言，基于深度學(xué)習(xí)與全景圖像技術(shù)的植物景觀評(píng)價(jià)是以傳統(tǒng)植物景觀評(píng)價(jià)為依據(jù)的，是傳統(tǒng)植物景觀評(píng)價(jià)在技術(shù)上的延伸，而各評(píng)價(jià)指標(biāo)的選取也是在傳統(tǒng)植物景觀評(píng)價(jià)中選擇可操作的部分，并針對(duì)特定的評(píng)價(jià)角度達(dá)到客觀、高效、精準(zhǔn)的效果。

表3 既有基于深度學(xué)習(xí)的景觀評(píng)價(jià)案例Table 3 Existing cases of landscape evaluation based on deep learning

由表4、表5可知，深度學(xué)習(xí)與全景圖像技術(shù)對(duì)植物景觀于大部分的評(píng)價(jià)指標(biāo)量化都是適用的，而不適用的原因主要為全景圖像拍攝技術(shù)操作的困難性與圖像對(duì)真實(shí)場(chǎng)景展現(xiàn)的局限性所導(dǎo)致的圖像信息不足。拍攝難度大主要是因?yàn)槠胀ǖ娜皥D像在精度上難以展示出植物個(gè)體完整的生理細(xì)節(jié)、在拍攝過(guò)程中難以保證相同的時(shí)間與外界環(huán)境、在拍攝技術(shù)上難以達(dá)到任意角度的拍攝需求，這便導(dǎo)致了評(píng)價(jià)植物開(kāi)花情況、季相特征、郁閉度等評(píng)價(jià)指標(biāo)的困難性，但拍攝困難并非無(wú)法克服，一定的新興技術(shù)和科學(xué)手段可以達(dá)到縮減誤差的效果；圖像信息不足大多欠缺在對(duì)具體植物種類(lèi)、數(shù)量等信息和地形環(huán)境數(shù)據(jù)的掌握，需要實(shí)地調(diào)研進(jìn)行數(shù)據(jù)補(bǔ)充，如鄉(xiāng)土性、生態(tài)型、科普教育、地形環(huán)境多樣性、防震減災(zāi)效果等改善環(huán)境的這類(lèi)評(píng)價(jià)指標(biāo)則需要對(duì)整體環(huán)境和其他因素進(jìn)行統(tǒng)一評(píng)價(jià)，局部的圖像信息難以達(dá)到良好的評(píng)價(jià)效果。

表5 難以處理的評(píng)價(jià)指標(biāo)Table 5 Evaluation indicators that are difficult to address

3 討論與結(jié)論

在適用程度上，深度學(xué)習(xí)與全景圖像技術(shù)在植物景觀量化中的應(yīng)用范圍廣泛，大部分常用的植物景觀評(píng)價(jià)指標(biāo)都可以通過(guò)深度學(xué)習(xí)技術(shù)進(jìn)行處理，適應(yīng)性強(qiáng)，在植物景觀評(píng)價(jià)不斷向數(shù)字化發(fā)展的今天依舊占據(jù)重要作用，尤其是在樣本數(shù)量過(guò)大的案例中均展現(xiàn)出突出效果。

在適用條件上，就目前研究現(xiàn)狀而言，大部分相關(guān)技術(shù)無(wú)法利用的原因均來(lái)自圖像信息無(wú)法完全表達(dá)。需要通過(guò)傳統(tǒng)調(diào)研等來(lái)補(bǔ)足信息，因此為保證評(píng)價(jià)指標(biāo)量化研究的全面發(fā)展，應(yīng)注重傳統(tǒng)方法與新興技術(shù)的融合，避免產(chǎn)生求數(shù)量而放棄質(zhì)量的負(fù)面效果。

在未來(lái)發(fā)展上，將強(qiáng)勢(shì)崛起的深度學(xué)習(xí)與全景圖像技術(shù)滲透到更多的評(píng)價(jià)指標(biāo)量化進(jìn)程，在傳統(tǒng)量化過(guò)程的千軍萬(wàn)馬中，深度學(xué)習(xí)技術(shù)的介入試驗(yàn)在其中只占寥寥，眾多未被嘗試的評(píng)價(jià)指標(biāo)正翹首企足地等待研究者們以新技術(shù)的方式進(jìn)行實(shí)踐，進(jìn)而挖掘深度學(xué)習(xí)對(duì)于植物景觀全景評(píng)價(jià)指標(biāo)量化在未知方面的契合度，并思考引入更多技術(shù)的可能性。