PenJing8|盆景吧: 分享我的盆景生活日志

市民使用app识别的植物多样性及景观偏好研究

日期:2023-03-11 22:29:59     作者:李晓鹏    浏览:0    
核心提示:摘要:随着信息技术的进步,植物识别app日益增多。力探究市民识别植物的多样性及植物景观特征与市民偏好,本研究以成都浣花溪
摘要:随着信息技术的进步,植物识别app日益增多。力探究市民识别植物的多样性及植物景观特征与市民偏好,本研究以成都浣花溪为例,针对市民在公园中使用“形色app”识别植物的情况进行了深人分析。结果表明:截至2021年5月2日,市民共鉴定植物4119次,正确率78.22%,共涉及450种植物,原产我国的乡土植物297种。
 
市民在4月识别的次数最多,共计848次,涉及201个物种;不同生活型中,乔木被识别的次数最多,为1322次,涉及123种;被识别次数最多的植物是梅和杜鹃草本植物的花色最丰富,成为吸引市民的重要特征之一。植物显现的顔色、生活型和不同观赏部位之间的识别表现出正相关性,物种来源与观赏特征之间也具有显著规律。本研究结果反映了浣花溪公园的植物景观营建特点,为公园植物景观营建提供了新思路。
 
植物不仅是为我们提供氧气的不可缺少的绿色生命体,也是城市自然、风景园林的重要组成部分。近年来气候变化和新冠病毒的暴发表明,迫切需要重新平衡我们与地球的关系,建立一个健康的社会[1]。植物是生态系统的重要组成,也是文化载体。植物以其美观性、功能性等因素吸引了许多爱好者。早期识别不认识的植物,需要借助专业的植物志或者植物图鉴,费时费力。智能手机的高度普及和人工智能技术的进步也促成了一系列植物识别app的出现。

市民使用app识别的植物多样性及景观偏好研究
 
图像识别技术、基于移动位置服务(Loca?tionBasedService,LBS)和卷积神经网络(ConvolutionalNeuralNetwork,CNN)的应用,使得自动识别技术取得了长足的进步[2'3],“拍照识花”辨识产品应运而生[4]。目前,国内外识别植物的主流app见图1。
 
迄今为止,人工智能在生物多样性中的应用主要集中在主动采样上,即专门为记录野生生物而采集的图像。例如,美国的FutureGreenStudio利用Instagram收集纽约市民拍的自生植物照片,以专题活动形式研究其多样性M。Yang等人通过微信和网站建立公民科学项目,监测中国城市木本植物多样性,并评估项目绩效。目前社交网络图片已成为生物多样性探索研究的新途径m。
 
August等人利用英国城市和农村地区60000幅花卉地理定位图像,评估在线社交图片作为生物多样性观测数据集的可靠性M。在国内通过分析用户识别信息进行的研究,大多采取新浪微博获取关键字的方式展开。从市民利用app识别植物的角度进行的风景园林植物景观设计探讨在国内外均未见报道。
 
公园中游人对植物的识别情况不仅直接反映了比较受欢迎的植物种类,也间接反映了植物景观的营建模式。基于以上背景,本研究以历史文化与现代结合的名园垸花溪为例,分析游人使用app识别植物这一行为的特点,探寻垸花溪公园植物景观特征,为公园城市建设提供参考。
 
1研究地与研究方法
 
1.1研究地概况

市民使用app识别的植物多样性及景观偏好研究
 
浣花溪公园位于成都市西南方的一环路与二环路之间,北接杜甫草堂,东邻四川省博物馆,占地32.32hm2,于2003年建成,被评为成都市五星级公园。浣花溪公园由万树园、梅园、白鹭园三园组成。成都市属于亚热带湿润季风气候类型,雨热同期、雨量充沛?气候适合公园内乔木、灌木、花灌木、地被、水生植物的生长[9]。浣花溪公园以杜甫草堂的历史文化内涵为背景,是一座将自然景观和城市景观、古典园林和现代建筑艺术有机结合的城市公园DQ](图2)。
 
1.2研究方法
 
市民使用app识别的植物多样性及景观偏好研究
 
研究中的基础数据来源于形色app(V3.14.2)公开的信息和用户所拍摄的植物照片,界面如图3所示。使用形色app的“地图”版块,定位到成都垸花溪公园,将界面最大化,逐一点击和记录由市民拍摄并识别过的植物,包括物种名、月份、识别的部位、颜色、生活型、是否为自生植物(部分用户照片见图3)。

整个记录过程始于2021年4月24日?终于2021年5月2日,以当时显示的数据为依据,共持续9天,平均1小时记录所识别的植物约80个(包括核实识别结果是否正确的时间在内)。
 
数据处理与分析运用Excel2019以及R4.0?5进行。对于基础统计及柱状图、折线图的绘制在Excel中进行,对于物种观赏性状的联合相关性分析采取R语言的ved包_-11]以及马赛克图(mosaicplot)[12]表示,统计图由Ex?cel2019和ggplot2绘制。
 
标签: 植物识别app
>更多关于植物识别app的文章     
最新文章

Processed in 0.207 second(s), 191 queries, Memory 1.49 M