专类园植物配置模式研究与SOM模型的识别

• 作 者: 钟哲
• 机 构: 华南农业大学
• 出 处: 华南农业大学
• 发表日期: 2009年期
• 关键词: 植物配置 园林绿化 园林植物 植物景观 SOM模型

植物专类园因其优美的环境、富有特色的植物景观和科普作用，深受城市居民喜爱。植物景观营造是建设植物专类园的重要一环。研究和总结植物景观的植物配置模式，有助于推广成功经验，提高植物配置水平，减少工程建设的成本与风险。
本文提出以植物生长型系统为蓝本划分植物类型。着眼于植物群落中各类植物间的数量关系，结合其他与植物群落外貌息息相关的因素，构建植物配置指标体系。其中共有31个基本指标表示不同类型的植物，用以描述群落内的植物组成，表征植物群落的基本外貌特征；另外还有3个补充指标，从郁闭度、植物的丰富程度以及是否整形三方面补充描述植物景观的外貌。充分考虑同一指标下各样方数据的离散程度，以平均值和标准差计算各指标的取值范围，用以归纳为某类景观的植物配置模式。
本文将植物专类园中的植物景观分为水生(滨水)植物景观、阴生(雨林)植物景观和早生植物景观三类。共调查广州与深圳两市的样地67个，总面积为5325㎡。其中水生(滨水)植物景观样地21个，共2090㎡；阴生(雨林)植物景观样地23个，共2270㎡；早生植物景观样地23个，共965㎡。
经实地调查和数据统计，总结出公园中水生(滨水)植物景观、阴生(雨林)植物景观和旱生植物景观的植物配置模式。计算出植物配置描述指标体系中每项指标的平均值、标准差和取值范围。结果显示，该植物配置描述指标体系和计算方法能较好地体现三类植物景观之间在植物类型和数量上的差异，反映出各自的特点。
统计数据结合植物地理学理论，对比指标在三类植物景观之间的差异、探寻自然式景观的模拟对象及模拟方式，反映每类景观各自在植物配置上的特点，指出能表现某类景观特色的代表性植物。同时列举目前常用的植物种类以供参考。
在园林领域的植物配置模式研究方向上首次运用自组织人工神经网络(SOM)技术研究植物种类和数量与植物景观效果之间的非线性关系。本研究在构建SOM模型后，在三类景观中各取10个样方的数据作为输入，以三类景观的类型代码作为输出。在MATLAB6.5.1中将该模型成功训练，使其能对植物配置形式进行三种景观类型识别。用剩余的37个随机排列的样方检验模型对这三类植物景观植物配置模式辨别的准确度。结果为识别正确率达97.3％，错误识别1个。分析被错误识别的样方，模型将其错误识别的原因并非该样方数据异常，与同类景观的样方数据差距较大，而是在神经网络在训练或运算时造成的。该植物配置模式SOM神经网络模型是作为不断总结和吸收前人植物配置成功经验的载体。设计师可根据前文得出的某类景观的植物配置模式设计出某地块的植物配置形式，将数据输入该SOM模型，其识别结果可作为设计师进行植物配置时的参考。