时空大数据 (spatiotemporal big data) 、大数据平台 (big data platform) 、大数据分析 (big data analysis) 和大数据应用 (big data application) 是近年来引起各行各业普遍关注的重要领域， 涉及时空大数据内涵解析与发展机遇、大数据平台构建与数据管理、大数据分析技术与数据挖掘、大数据应用探索与决策支持等多个方面。近年来， 在城乡景观规划设计研究中， 时空大数据的应用也逐步受到重视， 既涉及大数据在城乡规划设计领域应用研究的技术与方法、也涉及大数据时代风景园林的发展和教育， 研究范围既有大中尺度的风景名胜区及新型城镇化背景下的城市园林规划设计、也有关注使用者活动方式的中小尺度的城市绿地系统规划设计；特别是将多种类型的大数据应用于景观规划设计的具体案例中， 包括手机信令数据的应用、卫星定位导航数据的应用、社交网络 (SNS) 大数据的应用、具有地理位置的景观照片分析， 以及基于社会感知大数据的人群行为模式分析等， 表现出全方位的大数据辅助景观规划设计态势。本文就是基于现状研究， 拟从时空大数据内涵与特征、城乡景观规划设计大数据研究进展， 以及发展趋势3个方面， 梳理基于时空大数据的城乡景观规划设计研究。
1 时空大数据的内涵与特征
通常认为， 时空大数据是指无法在一定时间内用常规软件工具对其内容进行获取、管理、处理和分析的具有时空属性的数据集合。时空大数据的应用离不开大数据技术支撑， 涉及大数据的采集、清洗、处理、挖掘等重要环节， 旨在从多种类型的大数据中快速获得有价值信息。有学者认为， 时空大数据的概念与之前的海量数据 (mass data) 不同， 海量数据更强调数据的量， 而时空大数据不仅关注大量的时空属性数据， 更关注数据的复杂形式、数据的快速变化， 以及数据所蕴含的相关关系。也有学者认为， 时空大数据实质上是海量数据概念的进一步扩展， 既包括近年来被广泛关注的新型数据， 也包括之前的海量数据。
城乡景观规划设计是基于对场地的自然和人文价值的认知， 通过对场地自然与人文的要素分析， 确定未来一定时期内保护与利用、建设与管理的发展方案。随着智慧城市、智慧景区、移动互联网、智能终端等的迅速发展与广泛应用， 景观规划设计已经进入时空大数据时代。下面从内涵、类型、特征等3个维度分析景观时空大数据， 以便探讨基于时空大数据的景观规划设计。
1.1 景观时空大数据内涵释义
从地理学视角来看， 景观 (landscape) 具有地表可见景象的综合与某个限定性区域的双重含义。19世纪初期， 德国著名地理学家洪堡 (A.V.Humboldt) 最早提出景观作为地理学的中心问题， 并从此形成作为“自然地域综合体”代名词的景观含义。可见， 景观规划设计的场所往往是一个自然地理综合体或社会文化区域， 既涉及地质地貌、河流水系、生态系统等丰富的自然要素， 也涉及社会经济、历史文化、城镇体系等厚重的人文要素。因此， 景观规划设计大数据必然要涵盖空间地理数据与历史人文数据， 既包括地质、地貌、土壤、水文、植被、大气等自然地理数据， 也包含人口、历史、文化、建筑、道路、社区等人文历史数据。同时， 随着智慧城市与智慧景区的建设， 有更多的数据丰富了景观时空大数据的内容， 诸如智慧城市及智慧景区动态监测数据、街区或者景区人流实时统计数据、市民与车辆定位通信数据、市民或游客网络媒体数据、网民的社交网络数据、市民刷卡消费数据等。显然， 景观规划设计大数据属于时空大数据的范畴， 不仅具有大数据的基本特征， 而且具有重要的空间性和时间性， 是数字景观规划设计的重要数据源和定量科学依据。
1.2 景观时空大数据类型解析
根据城乡景观规划设计的内涵与内容， 特别是结合智慧城市与智慧景区的规划与建设， 可以发现景观时空大数据类型多样、构成复杂， 为了更好地认识景观时空大数据， 可以按照常规的空间数据 (直接定位) 与属性数据 (间接定位) ， 或者新型的静态数据 (相对稳定) 和动态数据 (快速变化) 2个视角进行梳理 (表1、2) ， 涉及2个大类、12个中类和30多个小类。
1.3 景观时空大数据特征分析
时空大数据与普通大数据相比， 具有空间性、时间性、多维性、海量性、复杂性等特点。景观时空大数据不仅具有大数据的6V基本特征， 亦即：规模大 (volume) 、种类多 (variety) 、变化快 (velocity) 、真实性 (veracity) 、化合性 (valence) 、价值性 (value) ， 同时又具有时空大数据的特征， 下面从6个方面描述景观时空大数据特征。
1) 景观时空大数据的客观性。
数据的客观性是指数据是客观事物或现象的真实反映， 没有经过人为的干扰或加工， 是认识景观规划设计场地与制定景观规划设计方案的客观依据。景观时空大数据中的动态监测数据 (包括遥感影像数据、视频监控数据、环境参数传感数据等) ， 是通过记录目标对象反射或发射的电磁波信号来获取场地信息并记录的， 这些数据是景观规划设计场地各种目标对象空间形态、物质组成、物理特征、化学性质的综合反映， 不受任何人为因素的干扰， 具有很好的客观性。再如场地人流与车流定位通信数据， 是进入场地的车辆及人群所携带智能终端的卫星定位导航技术记录的轨迹以及移动通信行为的客观记录， 可以真实地反映人群或者车辆在场地的时空行为模式或行为偏好， 有助于规划设计人员分析与认识人们对场地设施的需求， 以便在规划设计过程中有针对性地配置服务设施。
2) 景观时空大数据的多源性。
数据的多源性直观是指数据的来源多种多样， 在此， 实质上要说明的是景观时空大数据类型的多样性。从表1和表2不难看出， 景观时空大数据涉及2个大类、12个中类、30多个小类， 而事实上， 每一个小类又包含多种来源与类型的数据。就基础空间数据中的遥感影像数据而言， 由于遥感技术包涵多种类型， 涉及多种遥感平台 (气象卫星、陆地卫星、环境卫星等) 、多种传感器 (多光谱、高光谱、全色等) 、多种电磁波谱 (可见光、热红外、微波等) 、多种分辨率 (低分辨率、中分辨率、高分辨率等) 等， 必然导致多种类型的遥感数据。再如动态监测数据， 既包括针对场地自然环境监测数据， 诸如温度数据、湿度数据、植被数据、鸟类数据等， 也包括人流监测数据、噪声监测数据及设施监测数据等人文环境数据。
3) 时空大数据的动态性。
数据的动态性主要关注数据的实时获取、处理、分析、应用， 进一步提供决策支持。表2中的动态数据显然具有实时获取的动态性， 如景观规划设计场地监测数据随时反映场地资源与环境的动态状况、人流数量与时空分布状况， 而场地的社交网络数据可以随时反映市民或者游客对于场地资源、设施与环境的认可及使用程度。特别是随着高分遥感技术的迅速发展与普及应用， 其周期性动态获取数据的能力大幅度提高， 对研究景观规划设计场地的动态变化非常重要， 诸如景观绿地生态效益的监测、极端天气现象的预测预报及损失评估分析等。当然， 仅仅有动态数据的获取是不够的， 在动态获取数据的基础上， 进一步开展同步的数据处理与分析， 并结合规划设计需求进行决策应用， 是景观时空大数据动态性的关键所在。
4) 景观时空大数据的精细性。
数据的精细性主要是指数据的空间与时间分辨率， 高空间分辨率则表征数据分辨细小事物与现象的水平， 高时间分辨率反映数据捕捉动态事物与现象的能力。表2中的动态数据， 诸如人流统计数据、网络媒体数据、社交网络数据等基本都具备高时间分辨率， 而场地监测数据、定位通信数据、遥感影像数据则可以同时具备高时间与高空间分辨率；特别是遥感影像数据， 还可以具备高光谱分辨率和高辐射分辨率， 对于景观规划设计场地自然及人文要素的精细化识别与分析意义非凡。我国正在实施的“高分辨率对地观测卫星系统”， 是由高空间分辨率、高时间分辨率、高光谱分辨率、高辐射分辨率的一组卫星组成， 已经发射的“高分二号”获取的数据达到80cm的空间分辨率， “高分四号”获取的数据达到高时间分辨率；而高景商业小卫星所获取遥感影像数据的空间分辨率已经达到50cm。
表1 景观时空大数据的常规分类分析
表2 景观时空大数据的新型分类分析
5) 景观时空大数据的现势性。
数据的现势性是指数据可以随时反映景观规划设计场地最新的自然及人文环境状况、设施及人群的分布状况等， 与数据的获取途径及快速变化密切相关。表2中的动态数据无疑具有很好的现势性， 如人流统计数据可以随时认识规划设计场地人流的数量、分布、构成， 而网络媒体数据则可以随时了解市民或者游客对于场地资源、环境、设施、活动的喜好或者认可程度， 或者对于公园绿地或游乐场所的管理水平及服务质量的满意程度；再如遥感影像及视频监控数据的实时获取与传输， 可以实现对场地环境与活动的动态监测， 及时记录与分析可能出现的重要事件发生的时间、空间、强度、范围及其变化等信息， 为场地资源、财产、人群的保护提供定量支撑；而定位通信数据与社交网络数据， 更是随时随地记录在场地里活动的人群的时空行为方式， 以及对于场地设施或者活动的喜好程度。
6) 景观时空大数据的人本性。
数据的人本性是指数据能够反映人的特征， 包括人的外在属性 (性别、年龄、身高等) 、内在属性 (教育、兴趣、情绪等) 、行为属性 (时间、空间、轨迹等) 、关系属性 (亲情、友情、职住等) 。表2中的动态数据几乎都与人有关， 诸如动态监测数据、定位通信数据、网络媒体数据、社交网络数据、刷卡消费数据、活动行为数据等， 都可以从某个或某些侧面刻画人， 于是便诞生了基于大数据的“人物画像”。例如定位数据反映人的行为轨迹及时空特征， 通信数据揭示人的时空行为模式及社会关系网络、网络媒体数据体现人的文化素养及情感状态、社交网络数据至少反映人的职业交际与业余爱好、刷卡数据说明人的生活方式与生活水平等。总而言之， 时空大数据能够很好地揭示人的自然属性与社会属性， 特别是人与人以及人与社会的关系特性。利用景观时空大数据的人本属性， 可以支撑开展以人为本的规划设计。
2 景观规划设计大数据研究进展
2.1 基于移动通信大数据的研究
移动通信设备和移动通信手段已经相当普及， 成为居民生活方式的有机组成部分。手机信令数据可以很好地反映居民或游客的时空活动方式， 为规划设计提供人与场地之间的互动关系。钮心毅等 (2014) 以上海中心城为例， 提出了利用手机定位数据识别城市空间结构的方法。通过使用移动通信基站地理位置数据和手机信令数据， 采用核密度分析法生成工作日和休息日不同时段手机用户密度图， 进一步识别城市公共中心的等级和职能类型， 并识别就业、游憩、居住功能区及其混合程度， 对于城市精细化规划设计具有辅助决策意义。方家等 (2018) 利用手机信令大样本数据中提取上海32个大型公园游客出发、抵达、离开时间、居住地坐标等数据信息， 解析不同公园的游客时空行为， 依据客源地空间与游客量随时间的分布特征， 将公园分为8类， 分别通过8类公园的时空指标 (客源地空间面积、核心聚集面积、游客居住地至公园的人均OD、高峰开始与持续时间等) ， 对每类公园特征进行量化描述， 对其成因进行了解析， 发掘产生公园定位错位的原因， 对公园的规划管理现状的改进具有指导意义。
2.2 基于定位导航大数据的研究
定位导航数据是非常典型的位置服务 (LBS) 数据， 其中包含的位置信息与轨迹信息， 可以很好地刻画人群的时空行为模式， 揭示人与场地的关系， 以及人群与场地的时空特征。李渊等 (2018) 以卫星定位导航数据轨迹为基础， 以旅游者参观景点类型为聚类要素， 定量分析鼓浪屿景区的旅游者行为模式， 研究表明：旅游者在鼓浪屿景区的空间行为存在4种模式， 即历史文化-海岛沙滩型、美食购物型、历史文化-美食购物型、美食购物-历史文化-海岛沙滩混合型， 其中美食购物在典型行为模式占据较大比重， 这对更好地理解鼓浪屿旅游空间结构和空间优化组织具有重要意义。黄蔚欣 (2018) 等基于Wi Fi的定位技术和环境行为学理论， 在黄山风景名胜区主要景点布设Wi Fi定位设备获取手机位置数据， 经过脱敏和清洗压缩处理之后形成游客时空轨迹的数据， 用于分析游客游览行为的时空分布， 为智慧黄山景区的规划管理与服务提供客观和量化的决策依据， 对于改善其智慧规划、精明管理和精准服务具有重要意义。
2.3 基于环境感知大数据的研究
环境感知大数据包括遥感大数据及感知大数据2种类型， 所获取的数据可以很好地揭示场地自然及人文环境或者资源状况， 或者用户对于规划设计的反馈及响应状况， 有助于改善或者优化景观规划设计， 体现以人为本。薛飞等 (2018) 的研究表明：城市植被覆盖是衡量城市生态状况和推进城市生态景观规划的重要基础， 通过多时相航天遥感数据的对比分析， 获得北京六环范围内从1984—2014年30年间的植被覆盖及其空间分布变化， 对于进一步通过空间规划手段为北京城市生态系统建设提供了定量依据和新的思路。刘松等 (2018) 研究了一种依靠可穿戴生物传感器进行实景环境实时情绪感受评价的新方法， 依靠实验方法通过心电传感器、脑电传感器、皱眉肌肌电传感器、皮温传感器、皮电传感器和呼吸传感器， 记录实时环境行走中的人的情绪体验， 再与GPS空间位置做数据融合， 生成具有空间属性的情绪评价轨迹， 能够较好地反映受空间影响的情绪反应， 提升景观环境规划设计对用户心理及情绪的积极作用。
2.4 基于社交网络大数据的研究
社交网络大数据蕴涵着大量的时空信息、语义信息、情感信息、关联信息等， 对其分析和挖掘可以在多个方面辅助我们认识景观规划设计场地。李方正等 (2016) 利用新浪微博签到数据进行北京市中心城公园绿地使用研究， 分析表明：首都功能核心区公园绿地使用率高于城市功能拓展区， 公园绿地使用受公园类型影响较大， 不同时期北京市中心城绿地使用会发生空间、游憩类型和立地条件上的变化， 进一步从绿地使用角度为城市绿地系统规划的修编提供建议。李苗裔等 (2018) 以黄山风景名胜区为例， 研究构建了基于社交网络 (SNS) 数据的景区客流研究模型， 通过获取国庆期间景区游客的新浪微博社交网络数据， 分析了黄山景区客流的客源地构成、时间特性、空间分布和情感探测， 在此基础上， 对于智慧黄山景区精明规划、精细管理、精准服务方面提出了建议。邵隽等 (2018) 利用蚂蜂窝和携程网网站上的游记大数据进行挖掘分析， 揭示华山景区内旅游者的客源地构成、空间行为模式、对景点的偏好、满意度评价等， 进一步分析华山与相关旅游节点的关联度强弱， 为景区地规划设计提供支持。
2.5 基于数值模拟大数据的研究
数值模拟分析是数字景观规划设计的重要手段之一， 基于对景观规划设计要素特性及其环境效益的认识， 可以设定多种不同的景观规划设计方案， 并进行数值模拟分析， 进一步可以结合流体动力学方程进行温度场、湿度场、风场等进行三维模拟仿真， 并进行结果的定量评价， 这也是数字景观规划设计的方向。章莉等 (2018) 基于武汉市典型居住小区建筑布局， 选择8种地方性的代表乔木建模， 以植物间高宽比 (aspect ratio of trees， ART) 量化描述植被布局， 借助微气候模型， 模拟分析夏季8种植物在3种不同植被布局中的环境效益 (降温通风效果) ， 研究表明：乔木布局、植物物理属性 (叶面积指数、冠幅和树高) 均会影响绿地降温通风效果；叶面积指数大、树冠大的高大乔木， 有较强的温度调节能力， 能积极改善户外热舒适度；而且， 当乔木以ART<2布局时， 小区绿地能有效降低居住小区内平均温度， 显著提升户外热舒适度；当乔木以ART≥2布局时， 居住小区中乔木对风速的阻挡最小。
2.6 基于景观照片大数据的研究
智能手机照相功能的广泛应用， 使得人们随时随地都在照相、随时随地都在网络上传输照片， 其中包含大量的景观照片；不仅如此， 这些照片具有地理编码或者位置信息 (geotagged photos) ， 于是利用这些景观照片辅助开展城乡景观规划设计便成为一种新的数字景观规划设计方向。龙瀛等 (2016) 提出了图片城市主义这一概念， 研究图片城市主义的本质内涵及其规划设计价值， 首先获取若干来源的城市景观图片， 借助多种定量分析与可视化工具， 在城市空间品质测度、街道绿化水平评价和城市意象分析等方面进行定量研究， 提出城市意象研究模型， 包括城市意象要素构成、城市意象主导方向、城市意象特色度和城市意象相似度等4个分析模块， 通过定量的方式综合认知城市意象， 以全国24个主要城市为研究对象进行实证， 这种理论与方法对于景观规划设计过程中提升城市空间品质、街道绿化水平等具有积极意义。
3 未来发展趋势分析
上述基于大量文献的分析所呈现的景观规划设计过程中大数据的探索似乎已经比较成熟， 其实不然， 可以说是依然处于探索阶段。主要的原因是2个方面：其一是大数据的获取途径还比较有限， 很多的景观时空大数据存储在事业或者企业服务器中， 对于广大景观规划设计从业者来说， 并没有真正的时空大数据可以随时应用；其二是大数据的处理能力还比较有限， 多数景观规划从业人员对于大数据分析和应用的技能还没有达到预期的水准， 所以也无法在自己承担的景观规划设计研究中尝试应用大数据。
面向未来， 目前的状况应该会得到改变。并呈现出下列几个总体的发展趋势。
1) 大数据应用的生态环境逐步构建。国家已经出台了《促进大数据发展行动纲要》， 明确要立足我国国情和现实需要， 推动大数据发展和应用在未来5—10年逐步实现以下目标：打造精准治理、多方协作的社会治理新模式， 建立运行平稳、安全高效的经济运行新机制， 构建以人为本、惠及全民的民生服务新体系， 开启大众创业、万众创新的创新驱动新格局， 培育高端智能、新兴繁荣的产业发展新生态， 可以预期， 上述大数据获取的瓶颈将逐步打破。
2) 大数据应用的技术体系逐步形成。国家为了实施国家大数据战略、落实《促进大数据发展行动纲要》， 实现我国从数据大国向数据强国转变， 工业和信息化部正式印发了《大数据产业发展规划 (2016-2020年) 》， 部署7项重点任务：强化大数据技术产品研发、深化工业大数据创新应用、促进行业大数据应用发展、加快大数据产业主体培育、推进大数据标准体系建设、完善大数据产业支撑体系、提升大数据安全保障能力。
3) 大数据应用的人才力量逐步壮大。大数据人才就是具备大数据处理能力的科学家和工程师。借鉴国际上所开设的数据科学方面的课程、数据科学学位计划以及数据科学培训计划， 我国也制定了大数据人才战略， 部分高校开设了大数据硕士班， 按照“具有较宽的知识面、具有独立获取知识的能力、具有较强的实践能力、创新意识和团队合作意识”等目标进行培养， 塑造具备获取大数据的能力， 具备分析大数据的能力， 具备团队合作精神的专业人才。
4) 大数据应用的多源集成创新发展。已经开展的基于大数据的景观规划设计研究工作， 往往是某一种大数据的试验探索；事实上， 表1和表2中所列的2个大类12个中类30多小类的景观时空大数据， 各有其特点与应用优势， 单纯依靠某一类大数据也许只能解释或刻画景观规划设计的某个方面或者某些维度；随着大数据应用生态环境和应用体系的构建， 以及专业人才的培养， 将多种类型的时空大数据集成分析应用是重要的发展趋势。
5) 大数据应用的人本主义特色体现。上文分析了时空大数据的人本特性， 事实上， 城乡景观规划设计都是在尊重自然及社会规律的前提下， 围绕满足人的生产、生活、休闲、游憩、娱乐的需求所产开的， 要体现以人为本。所以， 基于时空大数据的景观规划设计必须始终体现人本主义特色， 通过大数据分析定量刻画人的自然、社会、文化、情感等多维特性， 然后通过规划设计的手法， 在空间、时间、设施、环境等多个维度满足人的多维特性。
