1、 ICS 65.020.40 B 61 DB51 四川省地方标准 DB51/T 19112014 森林风景资源美景度评价技术规程 2014 - 11 - 11 发布 2014 - 12 - 01 实施 四川省质量技术监督局 发布 DB51/T 19112014 I 目 次 前 言 . . II 1 范围 . . 1 2 规范性引用文件 . . 1 3 术语和定义 . . 1 4 照片获取 . . 1 5 美景度值计算 . . 2 6 美景度评 价模型建立 . . 3 附录 A（资料 性附录） 景观要素各类目分解表 . 5 附录 B（资料性附录） 美景度评判数据处理 Matlab 程序. 6 D
2、B51/T 19112014 II 前 言 本标准按 GB/T 1.1-2009标准化工作导则 第 1 部分：标准的结构和编写的规定编写。 本标准 A、B是资料性附录。 本标准由四川省林业厅提出并归口。 本标准由四川省林业厅负责解释。 本标准由四川省质量技术监督局批准。 本标准起草单位：四川省林业科学研究院、西南科技大学、阿坝州藏族羌族自治州林业科学技术研 究所。 本标准主要起草人：蔡小虎、陈翰林、闵安民、吴雪仙、谢大军、王宇、何建社、张利。 DB51/T 19112014 1 森林风景资源美景度评价技术规程 1 范围 本标准规定了森林风景资源评价中的相关术语和定义、照片获取、评价数据收集、美
3、景度值计算、 美景度评价模型建立。 本标准适用于四川以美化环境和旅游休闲地，维护自然生态景观的森林风景资源的规划设计和管 理。 2 规范性引用文件 下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件，仅所注日期的版本适用于本文 件。凡是不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。 GB/T 18005-1999 中国森林公园风景资源质量等级评定 LY/T 2012-2012 林种分类 3 术语和定义 下列术语和定义适用于标准。 3.1 森林风景资源 forest landsc ape rescources 以满足人类生态需求，优化美化环境维护自然生态景观为主要目的的
4、一类特种用途林，包括森林、 林木和灌木林。 3.2 美景度 scenic beauty 是在视觉上最能体现森林美学的指标之一， 即森林环境的视觉特征给人们的感觉以及对森林美景的 美感判断。 3.3 SBE法 scenic beauty estimation method 是一种广泛应用于森林美景度测定的心理物理学方法，即通过测定公众对森林景观的审美态度，获 得美景度量值，同时对森林景观要素进行类目分解，建立美景度值与类目之间的关系模型，为森林景观 规划设计和经营提供科学依据。 4 照片获取 4.1 调查单元 DB51/T 19112014 2 按照LY/T 2012-2012标准确定森林风景资
5、源评价范围，结合区域森林资源景观状况，选择典型性景 观单元作为美景度调查单元，进行照片拍摄和评价项目调查。（参见附录A） 4.2 拍摄时间和光照条件 尽量选择最能反映森林景观视觉特色的时间进行拍摄，以8：00 16：00之间拍摄为宜。除季相景观 拍摄外，不同地点的拍摄工作最好能在同一季完成。要求天气明朗、能见度高，尽可能在顺光条件下以 平视景为主拍摄。 4.3 拍摄数量和方法 4.3.1 林内景观拍摄 在林分内部拍摄时，景观照片的数量决定于景观的多样性和调查单元面积，多样性程度按GB/T 18005-1999执行。 多样性高或面积超过0.4hm 2 的森林景观，采用8张照片来代表，即从林分中心
6、各大4个角各拍1张， 再从4个角向中心各拍1张；如有一定坡度无法全面反映林分特征，则采用5张照片代表，以一个坡面(或 包括其相邻区域)为主，某个方向或顺坡向每隔50m 100m选择5个点，从第1个点向东拍摄，第2、3个点 向南拍摄，第4个点向西拍摄，第5个点向北拍摄。小于0.4hm 2 、多样性低或单一森林景观采用1张照片 即可。 4.3.2 林缘景观拍摄 根据林分高度， 在离林缘10m 50m的地方， 与林缘垂直拍摄1张正面照， 再偏斜30左右拍摄1张即可。 4.3.3 林外景观拍摄 在林分外部拍摄时，根据调查单元面积大小和目标要求，可拍摄林外景观前景照片（距离调查单元 800m内）、中景照
7、片（距离调查单元800m 5000m）和远景照片（距离调查单元5000m外），每个点1张即 可。 4.3.4 不同季相拍摄 选择相同地点、角度，以获取最能代表不同季节森林景观特征的照片，每个点各拍1张即可。 4.4 其他条件 拍摄过程中宜使用相同的相机和拍摄模式，尽量避免将人类活动等非林分结构因素拍入照片内。 5 美景度值计算 5.1 评价量表 每张照片评价量表要求30份以上，以保证最小统计样本数不少于30份。 5.2 评价分值获取 5.2.1 评判者要求 评判者对每张照片代表的森林，选择喜好度作为评价指标，按10分制记分。 5.2.2 照片播放要求 DB51/T 19112014 3 先将所
8、有照片以5秒/张的投影速度播放，让评判者对拟评判的林地有初步的认识。正式评判时，每 张照片的观看与评判时间不超过10秒钟。每次评判的照片数量以不超过100张为宜。 5.3 评分预处理 评分表中数据有缺失或评分范围在1 10之外的无效数据，可人工进行删除，也可采用处理Matlab 程序删除处理，不予考虑这部分数据。（参见附录B） 5.4 美景度值计算 5.4.1 传统标准化 SBE 计算法 根据评价者的评分数值计算所得，公式如下： j j ijij SRRZ /)( = （1） j j ij i N Z SBE = （2） 其中， ij Z 为第j评价者对第i个景观的评价标准化值； ij R 为
9、 第j评价者对第i个景观的评价等级值； jR 为第 j 评价者对同一类景观的所有评价值的平均值； j S 为 第 j 评价者对同一类景观的评价值的标准差； i SBE 为第 i 张照片最终的美景度值， N 为参与评价 的人员数。 5.4.2 累积频率 SBE 计算法 按评分值的大小顺序统计各等级值的频率（ f ），计算累积频率（ cf ）,将累积频率除以评判者 总人数得累积概率（ CP ），根据累积概率查正态分布单侧分位数值（ z ），计算 z 的平均值。计算公 式如下： = = m k iki CPf m MZ 2 )( 1 1 （3） 100)( = BMMZMZSBE ii （4） 式中
10、： i MZ 为照片i的平均 z 值， m 为评分值的等级数， ik CP 为评判者给予照片 i 的评分值为 k 或 高于 k 的频率， )( ik CPf 为累积正态函数分布频率（查找正态分布单侧分位数值）， i SBE 为照片 i 的 美景度值， BMMZ 为随机选取的对照景观的 z 值。 6 美景度评价模型建立 6.1 影响因子筛选 依据各项目的反应值或原始数据为自变量，采用应用统计分析软件SPSS多元线性回归程序 Backward，筛选美景度影响因子。逐步剔除模型中不太重要的要素，保留贡献较大的要素作为美景度评 价模型的自变量。优先删除偏相关系数小的自变量。充分考虑自变量间的多重共线性
11、关系，尽量使模型 自变量具有良好的独立性；优先保留可确定性和可解释性更好的自变量，尽量减少模型自变量的数量。 6.2 影响因子类目分解 DB51/T 19112014 4 为建立美景度与影响因子的关系模型， 将剔除后所得的变量按不同标准划分类目或保留原始数据值 （定量变量）。分解类目时，应充分考虑每张景观照片所蕴含的景观信息，保证所有参与评判的景观照 片均具有该景观信息。（参见附录A） 6.3 评价模型建立 依据数量化理论I，对保留变量的类目分别赋值。如第i个自变量 有r个类目，分别记作 、 、 ， 按其所在的范围， 分别赋值0或1， 可看成 1i x + 2i x + ir x =1。 将最
12、后一个类目删掉， 使 、 、 之间没有相关性，使保留的类目成为独立自变量，采用SPSS多元线性回归程序Enter法建立模型。 各类目在模型中的贡献大小，即可说明其对风景林美景度的影响程度，也是风景林经营、抚育技术 措施制定的理论依据之一。 DB51/T 19112014 5 A A 附 录 A （资料性附录） 景观要素各类目分解表 类目 项目 1 2 3 4 树种组成 多样(优势树种50%) 一般(50%优势树种80%) 单一(优势树种80%) - 针阔比 0.3 0.3-0.49 0.5-0.79 0.8及以上 龄组 幼龄 中龄 近成熟林 成、过熟林 色调变化 单一 有变化 变化丰富 - 树
13、干形态 弯曲 一般 通直 - 枯树倒木 很少 一般 较多 - 林木密度 较小 中等 密 很密 自然整枝 几乎没有 一般 明显 - 通视性 极差（10m） 一般（10m-20m） 好（20m-30m） 很好（30m） 下木盖度 低（30%） 一般（30%-60%） 高（60%-90%） 很高（90%） 下木高度 一般（1m） 高（1m-3m） 很高（3m） - 郁闭度 0.9 平均胸径 实测值 平均高度 实测值 DB51/T 19112014 6 B B 附 录 B （资料性附录） 美景度评判数据处理 Matlab 程序 n,m=size(A); for i=1:n for j=1:m for k=1:10 if A(i,j)=k-0.5 break; end end end end B=zeros(m,10); for i=1:n for j=1:m for k=1:10 if A(i,j)=k B(j,k)=B(j,k)+1; end end end end _ DB51/T 19112014
