細節(jié)中的風景：景觀風貌圖像的高頻細節(jié)和冪律特征

陳箏 李曄

1 背景

傳統(tǒng)風景視覺評價往往采用標準化的實景或照片打分[1-4]方式，由于高昂的研究成本，這類打分研究的被試樣本和照片樣本的數(shù)量往往都不多。而照片分享網(wǎng)站則提供了風景照片的眾包評價數(shù)據(jù)，可以對海量風景照片進行主觀偏好打分[5-6]，比傳統(tǒng)方式更加方便、成本更低。研究發(fā)現(xiàn)，不僅是評價數(shù)據(jù)，社媒數(shù)據(jù)中照片分享頻度及其文本信息也能在一定程度上反映風景的社會價值和優(yōu)美度，并且在不同社交平臺上有較好的相似性和穩(wěn)定性[7]。有相當一部分的學者關注通過對照片圖像進行語義分割，提取畫面中的內(nèi)容及其組合這類高級認知信息，研究它們是如何影響環(huán)境宜人性[8-9]。

新數(shù)據(jù)和分析的準確性取決于識別有效指標并將之作為輸入特征，而這種特征的選擇有賴于中小樣本研究所得到的揭示影響機制的結論。需要注意的是，目前對于景觀風貌偏好的特征較大程度上依賴于語義分割的具體要素面積占比[10-13]，這種畫面內(nèi)容屬于信息加工的后期高級階段。但認知加工其實也包括初級加工，它們都會影響認知和偏好，而目前主流街景偏好的機器學習模型在初級加工的特征選擇上缺乏神經(jīng)認知學基礎。實驗證據(jù)顯示，初級認知加工中的高頻細節(jié)信息可能是影響人們偏好自然環(huán)境的關鍵因素[14]。根據(jù)進一步證據(jù)推測，在長期的自然環(huán)境生存進化中，人的視知覺神經(jīng)結構可能逐漸進化為擅長于加工處理自然圖像中高低頻比例的信息[15-16]，從而一定程度上產(chǎn)生了人們對自然景觀的偏好。為此，本研究主要根據(jù)視知覺早期加工原理，探索傅里葉斜率這一低層級特征在不同景觀環(huán)境中的分布特征。

目前以圖像內(nèi)容為主的街景語義分割主要依靠提高綠視率從而提高環(huán)境恢復性，可在一定程度上改善環(huán)境品質。但迫于土地、預算、功能等現(xiàn)實限制，實際項目的設計建造和改造更新并不總能滿足綠植的增加，這時候就需要探索除了增加綠色自然要素以外的其他途徑。城市景觀具有較強的規(guī)律性和秩序性，自然景觀則相對隨機并富有多變的細節(jié)。既然更豐富的細節(jié)信息是人們喜歡自然景觀的關鍵因素之一，那么我們是否應該向自然學習，讓人工設計擁有更類似自然的細節(jié)，從而使人工景觀更宜人？

本研究旨在探索通過改善形態(tài)，尤其是豐富形態(tài)上的細節(jié)變化，提高高頻細節(jié)來促進環(huán)境審美和恢復性。為此，本研究探索了如何通過常見的形態(tài)處理手法，利用綠色植被之外的要素，尤其是人工要素，來提升形態(tài)上的細節(jié)復雜程度。具體來說，本研究首先延續(xù)了對綠色植物的自然和人工模擬的差異[17-19]的關注；接著，進一步將自然的概念拓展到綠色植物以外的自然景觀，如巖石、水景等，同時區(qū)別不同的自然景觀占比，探索它們的高頻細節(jié)信息有何不同。此外，筆者還研究了師法自然的中國古典園林，試圖探索其高頻細節(jié)與典型自然景觀的異同。

2 相關理論

2.1 景觀風貌研究

景觀風貌是人對環(huán)境信息認知感受加工的產(chǎn)物。環(huán)境信息由空間物質形態(tài)的“貌”和人文社會物質形態(tài)的“風”兩種客觀資源共同組成[20-21]，對這種客觀“景”，人們通過“觀”的主動參與[22]，對于信息進行有差異的加工篩選和結合個人經(jīng)驗情感的關聯(lián)解讀[23-24]，從而形成一種內(nèi)化的綜合環(huán)境感受[25-26]。

隨著中國城市化進程的推進和人民生活水平的穩(wěn)步提高，提升城市空間品質，營造宜人的景觀風貌逐漸成為當下中國城市建設的重要內(nèi)容之一。在《國家新型城鎮(zhèn)化規(guī)劃（2014—2020年）》等文件的推動下，住房和城鄉(xiāng)建設部先后出臺了《城市設計管理辦法》和《住房和城鄉(xiāng)建設部國家發(fā)改委關于進一步加強城市與建筑風貌管理的通知》等一系列文件，逐步明確了城市設計和風貌管控在當下城市建設中的重要性。

在景觀風貌的研究中，對于客觀空間要素的提取相對容易，而對于信息篩選和感受加工理解是比較困難的。有學者通過專家經(jīng)驗方法對景觀風貌要素和核心感受進行系統(tǒng)性梳理和提煉[27]，也有學者采用問卷等方法采集人們真實的偏好和感受，從而進一步挖掘和提煉收集到的信息[28-30]。后者往往采用標準化的實景或照片打分的方式，由于高昂的研究成本，往往這類打分研究的被試和照片樣本數(shù)量都不大。所以近年來的趨勢是將街景圖像的信息挖掘與主觀評價的機器學習相結合。但目前用于圖像信息挖掘的輸入特征主要以語義分割的空間要素像素點數(shù)等高級知覺信息為主，對底層信息考慮較少；而計算機視覺和認知心理學的證據(jù)表明，空間統(tǒng)計頻率、色彩等低層級統(tǒng)計特征對人們的景觀偏好也產(chǎn)生了重要的影響[31]。

2.2 自然景觀的高頻細節(jié)信息及其對宜人性的影響

在低層級統(tǒng)計特征中，有很多指標都可以作為圖像分析的特征指標[31-32]。為什么僅關注高頻細節(jié)信息的比例呢？這主要是因為高頻細節(jié)信息可能是影響人們偏好，尤其是親自然偏好的關鍵因素。一項實驗顯示[14]，人們一般更偏好自然照片，但去掉照片（圖1-1）中的低頻輪廓信息僅保留高頻細節(jié)信息（甚至都難以辨識具體內(nèi)容，圖1-2），人們?nèi)匀桓米匀?；相對的，如果僅保留低頻輪廓信息（盡管可辨認大致內(nèi)容，圖1-3），人們就不再明顯偏好自然（圖1-4）。在這一基礎上，有一系列的環(huán)境心理學研究開始討論自然的這些高頻細節(jié)如何影響了人的偏好，以及對注意力的恢復性效應[33-36]。

人對自然豐富高頻細節(jié)的偏好，可能是視知覺神經(jīng)生物基礎決定的。在生理結構上，人們在視知覺初級加工時期，就對光影、大致輪廓等整體信息（圖1-5藍色）和顏色、邊界等細節(jié)信息（圖1-5紅色）進行分開加工[37]。在長期的生物進化過程中，人類發(fā)展出適合這兩類信息的加工系統(tǒng)及相應的神經(jīng)細胞比例并和更高層級的網(wǎng)絡連接，進而可以快速高效地加工野外生存環(huán)境信息，從而提高生存概率。相對地，人類知覺系統(tǒng)并不能快速進化出可以高效處理城市環(huán)境統(tǒng)計特征的信息[38]，這可能導致了人類的親自然偏好。同時，環(huán)境心理學認為，自然環(huán)境之所以具有恢復性效應的一個原因是其延展性（extent）或協(xié)調性（coherent），即自然有足夠豐富的信息，但又不過分喧囂紛雜讓人覺得目不暇接[39]。自然常常呈現(xiàn)分形（factal）特征，即整體和細節(jié)信息具有同一種規(guī)律且在不同的尺度上重復[40]，這種整體與細節(jié)的比例關系影響著知覺加工[41]。在數(shù)字圖像處理中，對于整體和細節(jié)信息的比例，可以簡單地通過傅里葉斜率來計算，這一部分將在研究方法中做進一步闡述。

1 視知覺對低頻整體和高頻細節(jié)的分開加工會影響宜人性Low-frequency (overall) and high-frequency information (detail) are processed separately and thus influence preference1-1 實驗照片1：僅保留低空間頻率信息[14]Experiment 1: low-frequency spatial frequency information remained[14]1-2 實驗照片2：僅保留高空間頻率信息[14]Experiment 2: high spatial frequency information remained[14]1-3 實驗照片3：高低空間頻率兼有的原圖[14]Experiment 3: original image with both high and low spatial frequencies[14]1-4 實驗結果：3種情況的宜人性評價[14]Pleasant evaluation across three experiments[14]1-5 視知覺把低頻整體（藍）和高頻細節(jié)（紅）分開加工[37]Low-frequency overall information (blue) and high-frequency detail information (red) are processed separately[37]

3 研究設計

3.1 研究問題和圖片篩選

為了探索自然高頻細節(jié)宜人性的原因，筆者圍繞以下3個問題，對不同景觀圖像的冪律特征進行了比較。

1）自然景觀是否比城市人工景觀具有更復雜的高頻細節(jié)？

本研究在更加嚴格的條件下檢驗自然景觀和城市人工景觀的高頻細節(jié)成分是否存在差異。雖然已經(jīng)有不少研究證明自然景觀確實比城市景觀有更復雜的高頻細節(jié)[42-43]，主要體現(xiàn)在自然有更平緩的傅里葉斜率（如自然傅里葉斜率=2.24±0.19，城市建筑傅里葉斜率=2.51±0.24[42]）。但這些研究對照片的近中遠景組合和拍攝視角缺乏足夠控制，往往自然照片遠景較多，而城市照片近中景較多。

故此，本研究嚴格控制拍攝視距和方式，對自然和城市照片的傅里葉斜率差異進行驗證。筆者選取了150張自然景觀和69張城市景觀照片，所有樣本均具有一定的代表性。過去的研究表明，一般而言圖片內(nèi)容對傅里葉斜率影響較大，橫豎構圖、不同相機等因素影響較小[42-43]。本研究以自攝照片為主，絕大部分照片為筆者在2009—2013年拍攝（Panasonic DMC-LX2和NIKON D60相機），未經(jīng)過任何圖片處理。地質地貌景觀由于自攝樣本較少，后期選取了一些網(wǎng)絡圖片作為補充。

2）在自然和城市中，某些要素是否比其他要素具有更復雜的高頻細節(jié)成分？

對自然和城市兩類景觀進行進一步細分。對自然的細分旨在進一步理解豐富高頻細節(jié)是否是自然中普遍存在的特征。研究中常常采用控制綠色植物的占比來研究自然偏好和健康影響[17,44]，也有一些學者在綠色植物基礎上加入水景[45-46]，但鮮有學者考慮其他自然要素，如地質地貌景觀等。豐富高頻細節(jié)究竟是一種自然的屬性，還是一種綠色植物的屬性？一方面，水面會不會比較規(guī)律，更像城市人工景觀要素，比如平靜的水面像玻璃，微波的水面像鋪地？看似細節(jié)簡單的地質地貌景觀，會不會更接近硬質城市景觀？另一方面，同樣都是綠色植物，草坪是否和喬木一樣，具有豐富的細節(jié)？

為了分別回答上述問題，筆者選取了4種自然細分景觀：無綠色植物或水體的地質地貌景觀（以下簡稱地質地貌景觀，39張）、水域景觀（31張）、樹林景觀（31張）、草坪景觀（29張），以及綜合自然景觀（20張），并分析其冪律特征。為了解釋人工環(huán)境細節(jié)豐富度低的原因，對城市中的街道和建筑群這兩類進行細分考察。

3）是否可以通過設計來影響高頻細節(jié)的復雜程度？

那么如何通過設計來增加空間的細節(jié)復雜性呢？本研究嘗試從2個角度探索設計方法對細節(jié)復雜性的影響。

①在空間中增加有復雜細節(jié)的自然要素。考慮到豐富的細節(jié)延展性給樹林帶來了明顯的恢復效果[47-49]，選取了60張不同林冠覆蓋率的樹林景觀照片（覆蓋率為0%和20%的樹林景觀各15張，覆蓋率為40%、60%和80%的樹林景觀各10張），同時還考察了不同林冠覆蓋率對城市公共綠地的細節(jié)復雜性的影響（表1）。

②空間布局參考自然已有的邊界和規(guī)律所形成的豐富多變的秩序。中國古典園林重視利用自然現(xiàn)有的邊界，將其作為原則，營造出更接近自然的細節(jié)。為了檢驗這種布局方法是否增加了細節(jié)復雜度，選取了31張古典園林（27張江南園林和4張北方園林）照片進行驗證（表1）。

表1 所有樣本詳細數(shù)據(jù)Tab. 1 Detailed data for all samples

3.2 分析方法

研究采用了傅里葉斜率，通過高頻細節(jié)和低頻輪廓能量比例關系來度量高頻細節(jié)復雜度。具體處理步驟為：先將圖像轉換成RGB模式中紅、綠、藍3個單獨的通道下由像素點的值構成的矩陣[50]；再將矩陣進行傅里葉變換，分別沿橫、縱軸計算一維信號的功率譜[50]；平均后得到圖像頻域能量分布（圖2）。其中低頻代表著模糊的大輪廓、平均灰度等整體信息，中頻往往代表較小的局部信息，而高頻代表著材質、細節(jié)輪廓等細節(jié)信息，除此之外常常還會有些超高頻噪聲。這種頻域的功率分布不是任意的，一般都遵從冪律分布（power law distribution）的特征[42-43]，這是分形現(xiàn)象在圖像空間統(tǒng)計上的分布特征[51]，在自然界中廣泛存在[43,52-53]。由于這種分布符合冪律（y=cx-r），因此該頻域分布直線log-log的斜率，又稱為傅里葉斜率（Fourier slope），反映了圖像中低頻整體信息和高頻細節(jié)信息的比例關系。同類型圖像的傅里葉斜率往往遵循正態(tài)分布[42-43]，這意味著同類型圖像擁有類似的整體和細節(jié)信息的比例關系。對大量圖像進行統(tǒng)計分析發(fā)現(xiàn)，自然環(huán)境照片往往比城市環(huán)境照片有更多的高頻細節(jié)信息，所以呈現(xiàn)出更平緩的斜率[42-43]。在本研究中，傅里葉斜率的計算采用了經(jīng)典的基于圖像分析方法[51]開發(fā)的開源matlab分析包fdsurfft v.1.0.0.0[54]。該分析包通過對log-log中24個等距采樣點進行線性回歸擬合，從而確定傅里葉斜率，該分析在Matlab R2014a平臺下完成。

2 數(shù)字圖像處理及頻譜分析Digital image processing and spectrum analysis2-1 原始圖像照片Original image photo2-2 通過對原始圖像分別就紅色、綠色、藍色三通道的快速傅里葉變換分析Through the fast Fourier transform analysis of the original image on the red, green and blue channels respectively2-3 再疊加，獲得圖像在不同空間頻率下的功率譜Superimpose again to obtain the power spectrum of the image at different spatial frequencies

對2組圖片組的傅里葉斜率差異對比采用T檢驗，對兩組以上圖片的對比采用方差分析，并分別采用Turkey法和Dunnett T3法對方差齊性滿足和不滿足兩種情況進行多重事后比較修正。該分析在SPSS v21平臺下完成。

4 研究發(fā)現(xiàn)

4.1 自然景觀確實比人工景觀有更復雜的細節(jié)

在進一步限定照片拍攝方式后，自然景觀和城市景觀單張照片斜率分布均呈現(xiàn)明顯的聚集性正態(tài)分布（圖3），且自然景觀（傅里葉斜率=2.26±0.25）和城市景觀（傅里葉斜率=2.62±0.19）的傅里葉斜率分布驗證了現(xiàn)有文獻的結論[43]。數(shù)據(jù)分析顯示，自然景觀和城市景觀在不同頻率下的log-log功率分布呈現(xiàn)顯著的線性趨勢，即冪律特征，并且自然在高頻段比城市功率更高。這種高頻特征使自然照片相較城市照片呈現(xiàn)顯著更高的傅里葉斜率（T(171.6)=11. 042,p＜0.001）。本研究團隊通過控制視距和拍攝的方式所得到的數(shù)據(jù)再一次驗證了同類圖片的log-log頻譜分布具有較好的穩(wěn)定線性冪律特征，同時傅里葉斜率指標也能清楚、簡潔地描述圖像空間變化頻域的分布差異。因此，在接下來的分析中，本研究僅聚焦于傅里葉斜率，這也是類似研究主要的指標[42,43]。

3 城市景觀和自然景觀頻譜和傅里葉斜率分布及照片舉例Urban landscape and natural landscape spectrum and Fourier slope distribution and photo examples3-1 自然和城市景觀的頻譜分布Spectrum distribution of natural and urban landscape3-2 傅里葉斜率Fourier slope3-3 城市景觀典型照片Typical photos of urban landscape3-4自然景觀典型照片Typical photos of natural landscape

正如上文所述，城市景觀的細節(jié)較為規(guī)律且相對簡單，而自然景觀卻更加隨機和復雜。比如城市景觀的細節(jié)多為窗戶或立柱等規(guī)則元素的重復與疊加（圖3），在功率譜中一般體現(xiàn)為幾個特定頻率的抬升。由于抬高只存在于較窄的頻段，因而對于整體高頻段和回歸線的影響非常?。ㄉ踔羻螐堈掌械恼l段抬升都不一定總能被采樣所捕捉到）。與此相對應，自然景觀的高頻細節(jié)平緩抬高，這也和自然具有復雜系統(tǒng)分形的自相似特征有關，這使其內(nèi)在的各個部分看似不規(guī)則卻又有一定的相似性。

4.2 不同細分類別的細節(jié)復雜度

分析結果顯示，在大部分細分類別中，自然景觀有著類似的細節(jié)比例，但樹林景觀表現(xiàn)出了更豐富的細節(jié)（圖4）。樹林景觀（傅里葉斜率=2.08±0.21）不僅顯著高于不含綠色植被的類別——即地質地貌（傅里葉斜率=2.30±0.26；Tukey HSD修 正：p=0.001）和水域（傅里葉斜率=2.36±0.19；Tukey HSD修正：p＜0.001），也顯著高于草坪（傅里葉斜率=2.24±0.25；Tukey HSD修正：p=0.034）和綜合自然（傅里葉斜率=2.39±0.21；Tukey HSD修正：p＜0.001）等綠色植被占比較高的類別。此外，所有的自然細分類別都顯著高于街道（傅里葉斜率=2.62±0.18）和建筑（群）（傅里葉斜率=2.61±0.19)這2種城市人工景觀（兩者Tukey HSD修正均為：樹林/水域/草坪/地質地貌p＜0.001；綜合自然p=0.004）

4 城市景觀和自然景觀及其細分類別傅里葉斜率分布統(tǒng)計Fourier slope distribution statistics of urban landscapes and natural landscapes and their sub-categories4-1 城市景觀細分類別及自然景觀細分類別傅立葉斜率分布Fourier slope distribution of urban landscape subcategories and natural landscape sub-categories4-2 城市街道景觀斜率分布統(tǒng)計Urban street landscape slope distribution statistics4-3 城市建筑（群）景觀斜率分布統(tǒng)計Urban building(s) landscape slope distribution statistics

值得一提的是，看上去單一的自然要素，即地質地貌景觀、水域景觀和草坪景觀并沒有因為缺少了綠色植被而使其細節(jié)變化接近于城市，反而是更接近于自然景觀。同時，2種城市的細分類別——街道和建筑（群）呈現(xiàn)出類似的細節(jié)比例，這意味著人工城市低復雜度的細節(jié)是普遍存在的，不僅反映在簡單規(guī)律的建筑立面上，也反映在街道等外部空間布局上。

為什么樹林比其他自然景觀有更為豐富的細節(jié)呢？通過考察景觀圖像發(fā)現(xiàn)，樹林景觀以樹為中心主體，樹葉、樹枝的分形特征得到了極大地展現(xiàn)。有研究專門考察了沒有樹葉的枯枝，發(fā)現(xiàn)其細節(jié)比例比本研究中的樹葉樹林更加豐富（傅里葉斜率=1.83±0.17）[43]，這說明樹木的豐富細節(jié)可能主要體現(xiàn)在它們豐富的枝干形態(tài)。

為什么看似簡單的自然要素，如地質地貌、水景、草坪等仍然有復雜的細節(jié)呢？可以進一步比較這些細分類別的具體景觀特征（圖5）。比如，地質地貌景觀雖然沒有綠色植被，但地面的起伏與律動本質上也具有分形和自相似特征，使得景觀具有豐富的細節(jié)信息。

5 自然景觀斜率分布統(tǒng)計及典型照片舉例Statistics on the natural landscape slope distribution and examples of typical photos

4.3 通過設計提升細節(jié)復雜度

既然細節(jié)復雜度能夠提升人們對環(huán)境偏好和恢復性效果，那么應該如何通過設計來提升細節(jié)復雜度呢？本研究圍繞增加林冠郁閉度和引入自然復雜秩序2個議題，進一步增加了2個檢驗來探索該問題。

1）增加林冠郁閉度。利用設計增加細節(jié)復雜度的第一個思路，就是提高林冠郁閉度。正如前面的研究所指出，喬木比灌木、地被植物的細節(jié)復雜度更高，效果更好。

為了更好地說明喬木的增加對細節(jié)復雜度的影響，考察了不同林冠覆蓋率對傅里葉斜率的影響。總體上看，隨著林冠覆蓋率的增加，傅里葉斜率總體傾向于平緩，這意味著細節(jié)越來越豐富（圖6）。經(jīng)過多重比較分析，可將5個梯度歸為0%～20%（p=0.184）和40%～80%（p=0.997）2個大組，隨著覆蓋率的增高，細節(jié)信息并沒有持續(xù)增高，反而在局部呈現(xiàn)下降趨勢。在林冠率從60%（傅里葉斜率=1.97±0.08）到80%（傅里葉斜率=2.11±0.14）的提升過程中，細節(jié)比重開始下降（Dunnett T3修正p=0.026），在對獨立住宅林冠率的減壓效益實證中，也有觀察到這種倒U型分布的特征[55]。

6 不同林冠率的樹林景觀的傅里葉斜率分布及其典型景觀Fourier slope distribution of forest landscapes with different canopy coverage and examples of typical photos

2）利用自然邊界建立復雜秩序。利用設計增加細節(jié)復雜度的第二個思路，就是在設計中學習自然的秩序，像中國古典園林那樣依靠自然本來的邊界和秩序，并對其進行拓展，人為創(chuàng)造更復雜的高頻細節(jié)。

盡管中國古典園林建構筑物占比并不低，但其傅里葉斜率（2.33±0.22）卻更加接近自然景觀（2.26±0.25），明顯高于城市景觀（2.62±0.19）。古典園林這種豐富的細節(jié)，不僅與亭、廊等因地制宜、順勢而建有關，也得益于師法自然的空間布局（圖7）。

7 古典園林景觀的傅里葉斜率分布及其典型照片F(xiàn)ourier slope distribution of classical garden landscape, and examples of typical photos

5 結論與討論

細節(jié)豐富度等低層級圖像空間特征和環(huán)境感受密切相關。認知心理證據(jù)顯示，豐富的細節(jié)是自然帶給人愉悅體驗的關鍵[14,31]，這可能與大腦進行視知覺加工時，首先就將細節(jié)和大輪廓信息分開處理有關[37]。

本研究發(fā)現(xiàn)傅里葉斜率能較好地反映細節(jié)復雜度，更準確地說是細節(jié)規(guī)律的復雜度。雖然有的人工景觀確實有很多細節(jié)，但細節(jié)具有一定規(guī)律且簡單，所以其傅里葉斜率仍然較陡（高頻細節(jié)能量?。?。相反，有些自然景觀雖然看上去細節(jié)并不豐富，比如有微弱起伏的草地或較平靜的水面等，但因為各種原因擁有了富于變化的細節(jié)（例如水面反射豐富的周圍環(huán)境），所以其傅里葉斜率仍然較平緩（高頻細節(jié)能量高），接近以綠植為主的典型自然景觀。

需要指出的是，本研究受限于景觀類型、照片樣本等限制，僅得出對自然細節(jié)豐富度的一個初步判斷，更準確的結論有待心理、物理的試驗驗證。雖然已經(jīng)有神經(jīng)認知證據(jù)表明自然景觀的細節(jié)是人對自然偏好的關鍵因素[14]，但這種影響是否普遍存在還有待進一步驗證。本研究僅探索了不同景觀照片中的傅里葉斜率統(tǒng)計特征，以及同細節(jié)復雜度、主觀環(huán)境認知感受的關系。

研究結果表明，自然的高復雜度在不同細分類別和要素中都普遍存在，并且均高于城市人工景觀，而這很可能是人工景觀設計中的統(tǒng)一的簡單秩序所致。需要注意的是，自然中普遍存在的復雜度并不意味著人會無差別地對各種自然要素賦予同等注意力，也不意味著這些要素或細節(jié)對環(huán)境偏好或恢復性有同等的影響。

有理由推測，為了創(chuàng)造讓人愉悅并放松的自然體驗，既可以通過引入自然要素，也可以通過模擬自然這種豐富細節(jié)來實現(xiàn)。在城市環(huán)境中，通過種植枝干變化豐富的喬灌木、攀緣植物等豐富垂直空間的綠化，比平整的草坪、簡單綠墻更能有效增加整體景觀的細節(jié)信息。另外，如果在城市中引入像自然石材、砂石、水景景觀來增加復雜度，可能存在一定難度。因為自然石材的主要細節(jié)來源于地質地貌的肌理，而在切割成人工建筑材料時，這種肌理往往沒有被保留。同時，由于周邊環(huán)境中的其他因素也會以倒影的形式呈現(xiàn)在水景中，水景對人工環(huán)境中細節(jié)復雜度的提升也會受到影響。

從中國古典園林景觀圖像分析中得到的啟示是，利用現(xiàn)有自然的邊界生成豐富而變化的秩序，而非引入網(wǎng)格等統(tǒng)一秩序，可以產(chǎn)生類似自然分形特征的效果。另外，進一步結合簡單規(guī)則的參數(shù)化設計，也可以創(chuàng)造復雜的細節(jié)，達到模擬自然豐富多變的特征的效果。目前已有設計研究嘗試利用分形自動生成類似自然復雜系統(tǒng)的豐富細節(jié)，結果表明，這種復雜細節(jié)比規(guī)律性細節(jié)（如條紋）更讓使用者喜歡[56]。在未來的研究中，將關注自然景觀更多的細節(jié)信息，并考慮將其融入設計之中，以營造更佳的體驗。

圖表來源(Sources of Figures and Table)：

圖1-1～1-4由作者根據(jù)參考文獻[14]改繪；圖1-5由作者根據(jù)參考文獻[3]改繪；其余圖表均由作者繪制。