第4章 具有文物古迹的城市综合公园历史氛围研究
对具有文物古迹的城市综合公园进行历史氛围研宄,主要是针对建设控制地带、环境协调区。据第三章影响公园历史氛围的景观设计要素,分为以下五个方面:水、建筑、道路、植物、景观小品与设施。本文选取实地调研的公园,对景观要素进行分类拍照,结合网络搜索的相关图片,整理之后,制作幻灯片并发放问卷,邀请不同人群对照片打分,最后收集问卷。对问卷评分结果进行数据统计,通过均值分析、相关分析、因子分析等方法对评分结果进行分析,提取影响此类公园历史氛围的几个主要景观要素,并研究与其他景观要素的相关度,对影响公园历史氛围的几个景观要素进行重要度排序。
通过对公园景观要素指标的分析,选取影响公园历史氛围较重的景观要素指标,从而进行重点设计,营造公园的历史氛围。
4.1影响公园历史氛围的景观要素问卷调查步骚
即提取影响公园历史氛围的景观要素。根据景观设计的相关参考文献对景观要素进行分类,并且选取能够进行设计的景观要素,将公园景观要素分为五类:水、建筑、道路、植物、景观小品与设施。
1)问卷图片选取
根据影响公园历史氛围的景观要素初步选择图片。图片一部分是作者实地考察国内几个城市公园拍摄的,包括北京_和园、北京陶然亭公园、成都望江楼公园。拍摄日期是2013年4月,天气相似,晴朗或少云天气,拍摄相机型号为PanasonicDMC-LX5型号卡片机,默认自动拍摄模式,尽量保持照片的风格统一。图片另一部分是选取网络的照片,尽量与实地拍摄的照片保持一致。
2)制作幻灯片及问卷
每一类景观要素选取5-20张图片,最终选取78张图片制作成幻灯片,每一页幻灯片上放置4张图片,作为最终问卷评价的幻灯片(见附录1),同时制作问卷打分表(见附录2)。问卷打分表包括简要评价说明介绍,问卷对象的个人基本信息,包括性别、年龄、教育程度。评价分数采用五分制0-5分(0=没有、1=很少、2:较少、3=中等、4二较高、5=很高)。
3)发放问卷并评分回收问卷
问卷通过问卷星网站及网络发送形式结合周边人群发放问卷,给测试者打分评价;测试者依次对78张图片进行打分,打分的范围为0到5,0代表没有,〗代表很少,2代表较少,3代表中等,4代表较高,5代表很高。网络发放问卷总共400份,回收有效问卷174份,周边人群发放50份,回收有效问卷39份,总共得到有效问卷213份。
将得到的有效问卷数据输入SPSS19.0软件,进行数据统计,回收的问卷评分数据汇总表见附录3。
4. 2问卷数据分析方法及分析结果
公园的历史氛围评价的景观要素和对应的景观照片较多,景观分析评价需要处理多个变量(景观要素对应的图片L1-L78)的观测数据,和多个变量之间的关系和内在规律。因此,对于公园历史氛围评价方法选取对多个变量进行综合处理的多元统计分析(Multivariate Statistical Analysis)。应用SPSS软件进行实现。可以米用描述量统计、相关分析和回归分析。
4.2.1描述统计?分析结果
在现实生活中,很多社会、经济等问题很复杂,通过抽样调查等方式获取大量数据,而这些数据中包含了许多信息,存在内在相关的关系。为了从这些数据中提取有用的信息,可以通过描述统计量来对样本数据进行分析,进而推断总体特征。
1)描述统计量
在SPSS软件中,将数据执行下列步骤,分析(A)—描述统计爿描述(D),点击确定。输出结果如下表。
问卷中关于水体的图片是LOl- L06;建筑是L07-L30;道路是L 31- L 44;植物是L 45- L 66;景观小品与设施是L67-L78。
均值方面均值分析表明,L26均值最高,为4. 79,L55均值最低,为1.46。较高(大于4)的还有 L4、L7-L13、U5、L18、L20、L22、L28、L30、L38、L46、L57、L62、L63、L66、L72。均值较低(小于 2)的有.L1、L31、L36、L39、L40、L4K L53。
上表中,评分较高的图片中15张是关于建筑的,1张关于道路,5张关于植物,1张景观小品与设施。由此可以看出,对于影响公园历史氛围比较重的因素大部分集中在建筑一类,古建筑在公园中营造历史氛围是最佳的景观要素。道路一类是条形铺装加青草及古建筑的构筑物存在的情况下分值较高,因此,可以推断,一方面是建筑构筑物可以营造历史氛围,另一方面,图片中的水缸是传统建筑院落中常用的器物,因此分值较高。同时从表中可以看出,竹和莲是影响公园历史氛围较重的植物,都有寓意,可以推断,竹和莲在营造公园历史氛围方面,是比较合适的。
可以看出,水一类中的喷泉是得分较低的,喷泉是西方传统景观中常用的景观要素,展现的是西式传统,对于营造中国的历史氛围很有影响。另一类较弱营造公园历史氛围的是铺装大类,有五张图片均得分较低,整体来说是五类景观要素中最弱的一项。
这五张图片的材质均釆用仿古铺装样式,但铺设方式较为现代,说明铺装在营造历史氛围时,比较注重铺设方式。若使用铺装进行历史氛围营造,需要对中国古典园林的铺装铺设方式进行学习借鉴,根据道路规模及位置设计相应的铺装形式。
标准差方面
标准差L26最低,为0. 439,说明L26离散程度最低,大部分人对图片的评价较为一致;L55最高,为1.188,说明离散程度也是最大的,说明打分者对图片的评分标准看法不一。离散程度较大(大于1)的有:L01、L03、L36、L41、L44、L45、L48、L49、L59> L61、 L64、 L69、 L78。
可以看出,人们对喷泉和水帘的看法较为不一致,有很大分歧。究其原因,一方面是由于水景单独造景营造历史氛围会比较弱,另一方面,喷泉是现代景观中常用的水景,表现的较为常见。比较有争议的还有铺装一类,说明每个人对于铺装的看法不太一样。植物一大类也是比较有争议的,有七张图片离散程度较高,说明人们对于植物营造历史氛围还是分歧较大,究其原因,推测是因为植物造型方面不容易控制。另一类是景观小品与设施,包括景墙和石刻,离散程度较大,一方面是由于石刻做工较为粗糖,另一方面,对于石刻和景墙不了解所致。
2)信度分析
信度分析是测度研究工具是否稳定和一致的分析方法。信度测量产生的误差来自研究者和被调查者两个方面。研究者方面有:测量内容不够准确、问卷说明不当以及研宄者数据输入错误,被调查者的因素则可能是由于年龄、教育程度等因素造成的。
根据被测时间和测试内容,信度分为内部内部信度和外部信度。本文研宄内容使用内部信度分析。信度分析结果如下表。
信度分析大于0.7则视为可靠的数据来源,分析数据为0.934,说明数据的来源很可靠,可以进行其他分析。
4.2.2相关分析结果
本文进行的相关分析都是在两两变量之间进行的,用到的是简单相关分析。采用适用于测度两顺序变量的相关性的Spearman等级相关系数。
取均值最髙值、较高值、最低值、较低值进行相关分析,将其均值作为因变量,将景观分析要素分析表中的各项二级景观要素和图片对应的数值作为自变量。使用SPSS软件进行相关性分析。每张图片的均值反应了评分者对该景观展现的历史氛围评分高低,还需要进一步分析每张图片中哪些景观要素影响了评分判断。研究采用视觉资源管理(Visual Resources Management)这一评估方法。现代心理学研究证明,我们感觉得到的接近的87%的景观基于视觉,视觉环境质量的好坏对人们的生活工作环境是相当重要的14。视觉资源管理系统是确定、提出并满足保持美学价值这种多目标的分析过程15。根据这一评估方法对景观要素进行分析。陈伯超编着的《景观设计学》对构景要素进行详细的分类介绍、从状态、形态等各方面阐述各个景观要素的特点,计对各个景观要素的特点提出景观要素评分标准表(表4-6),对均值较高和较低的30张图片中的景观要素进行分析,根据景观要素评分标准表中的评分标准对30张图片进行评价,输入SPSS软件,得到景观要素评分表(表4-7)。
在SPSS软件中,将数据执行下列步骤:分析(A)—相关(C)两变量分析(B),由于测度的是顺序变量的相关性,,因此使用Spearman等级相关系数,双侧检验。输出结果如下表。
在表中给出了 Spearman等级相关系数。
从表中可以看出,“图片均值”与“水体面积”的相关系数为0.578,与“建筑形式”相关系数为0.674,与“建筑细部”相关系数为0.626,与“植物长势”两变量进行相关分析,相关系数为0.631。两个星号,表示在置信度(双侧检验)为0.01时,相关性是显着的。相关系数数值较小,位于0.5<1 r |<0.8范围内,视为中度相关。
“图片均值”与“水体岸线”两变量进行相关分析,从表中可以看出,两变量相关系数0.497,两个星号,表示在置信度(双侧检验)为0.01时,相关性是显着的。表明“水体岸线”为仿古或自然场地时,“图片均值”得分也相对较高。但相关系数数值较小,在0.3<| r丨<0.5范围内,视为低度相关;“图片均值”与“植物寓意”两变量进行相关分析,从表中可以看出,两变量相关系数0.380,一个星号,表示在置信度(双侧检验)为0.05时,相关性是显着的。
表明有“植物寓意”,“图片均值”得分相对较高。但相关系数数值较小,在0.3<| r丨<0.5范围内,视为低度相关。
4.2.3回归分析结果
本文使用回归分析,研究图片均值和景观要素评分标准表中二级景观要素(水体面积、水体载体、建筑形式、建筑细部、铺装材质、铺装样式、破损程度、植物生长状况、植物寓意、小品形式)之间的相关关系。对均值较高和较低的30张图片中的景观要素进行回归分析。
对问卷评分数据汇总表(附录3)表格中的数据在SPSS软件中执行步骤:分析回归分析一线性回归,得到下表(表4-9-表4-13)。
表中是描述统计量的结果,显示变量的均值、标准差和图片数目。均值中“植物长势”“建筑形式”得分较高,说明这些图片中大部分存在仿古建筑或古建筑,植物长势良好对营造公园历史氛围也有一定影响。均值得分较低的是“铺装样式”和“小品形式”,推测是因为铺装在景观设计中围合空间的能力是较弱的,不容易引起人的注意,小品形式一方面是由于做工原因,另一方面是由于样式比较现代。
表格中显示了各个变量的相关系数,单侧检验,Pearson系数。"图片均值”与“建筑形式”、“建筑细部”相关系数较高,在I r |>0.8范围内,视为高度相关;“图片均值”与“植物长势”相关系数在0.5<| r I <0.8范围内,视为中度相关。
拟合优度检验
回归方程的拟合优度检验就是要检验样本数据聚集在样本回归直线周围的密集程度,从而判断回归方程对样本数据的代表程度。“表中是模型汇总数据,复相关系数R=0.937,判定系数R Square=0.877,调整判定系数 Adjusted R Square=0.813,估计值的标准误差 Std.Error of the Estimate=0.51789。
复相关系数R的取值范围为0<R<1。R越是接近1,表明回归方程拟合越好,线性回归方程显着。
方差分析
回归方程的显着性检验(F检验)
回归方程的显着性检验是对因变量与所有自变量之间的线性关系是否显着的一种假设检验。I7回归方程的显着性检验一般采用F检验,利用方差分析的方法进行。表中是方差分析结果,回归方程的显着性检验(F检验)是对因变量"图片均值”与所有自变量(二级景观要素)之间的线性关系是否显着的一种假设检验,F=13.587。相伴概率(Sig) P=0.000,小于显着性水平0.05,因此判定线性回归方程显着。
回归系数的显着性检验(t检验)
回归系数(B)全不是0,说明这些自变量都与因变量“图片均值”有关。但是并不意味着每个自变量对“图片均值”的影响都显着,所以对每个自变量进行显着性检验。
使用t值对应的相伴概率(Sig) P值来检验每个自变量的显着相关性。在显着性水平为0.05的情况下,小于显着性水平0.05的自变量有“建筑细部”(0.009) “铺装样式” (0.047)。因此,判定“图片均值”与“建筑细部”和“铺装样式”显着相关。
表中是回归系数结果,常数项(Constant) =1.918, “建筑细部”回归系数(B)=0.632,回归系数的t检验的t值=2,898,相伴概率(Sig) P=0.009。“铺装样式”回归系数(B) =-0.621,回归系数的t检验的t值=-2.121,相伴概率(Sig) P=0.047o认为“建筑细部”和“铺装样式”的回归系数显着有意义。古建筑因其历史信息最多,细部精致,体量较大,因此,容易成为视觉焦点,而且建筑是具备一定功能的,更容易被吸引。铺装在样式选取上如果越是精细复杂,越容易表现历史氛围,因此花街铺地是一个很好的铺装样式。
4. 3小结
经过均值分析,得出影响公园历史氛围较重的30张图片,以此来进行相关性分析和回归分析。
均值分析选取的得分较高的类型有:建筑(15张)、道路(1张)、植物(5张)、景观小品与设施(1张)。均值分析选取的得分较低的类型有水(1张),铺装(5张),植物(2张)。因此可以看出,得分较高的大部分集中在建筑一类中,说明景观设计中,建筑是一个很关键的设计要素,建筑因其历史信息最多,最能直观的体现历史氛围。但是在设计过程中需要注意的是,避免制作假古董,造成以假乱真的混乱局面。
经过相关性分析得出,与“水体面积”、“建筑形式”、“建筑细部”、“植物长势”中度相关,与“水体岸线” “植物寓意”低度相关。因此,可以看出,营造公园历史氛围较为相关的是建筑、水体和植物,在景观设计中,予以重点设计。
经过回归分析得出,与“图片均值”显着性相关的是,“建筑细部” “铺装样式”。
因此,从多方面分析得出,影响历史氛围较重的主要是“水体面积” “建筑形式” “建筑细部” “铺装材质” “铺装样式” “植物长势”。在景观设计时,重点考虑这几个设计因素。
使用两种判定相关性的分析方法,相关分析和回归分析,试图把与公园历史氛围相关的景观要素提取出来,相关分析是比较概括的提取景观要素,回归分析是较为精确的提取景观要素。分析结果有所不同,见下表。
在这两种分析结论中,得出相同的景观要素是“建筑细部”,说明建筑是影响公园历史氛围浓厚程度较大的要素。但是,在公园景观设计中,也要结合其他景观要素进行设计。
