论文标题：Digital Clustering Method for Coastal Zone Scenes Based on Landscape Character Theory

期刊：Landscape Architecture Frontiers

作者：Zhe LI, Yinyin CAO, Bingyu HOU, Xiang ZHOU

发表时间：26 Apr 2025

DOI：10.15302/J-LAF-0-020037

微信链接：点击此处阅读微信文章

导 读

面向海洋景观高质量发展，针对海岸带景观精准研判与提质增效的需求，系统开展海岸带典型场景数字化解析与定量研究已成为当前海岸带景观研究纵深发展的前置问题之一。本研究结合景观特征理论相关成果，构建适用于海岸带场景聚类研究的分析框架与技术路径，依托高斯混合模型开展海岸带场景数字化聚类方法与技术解析。研究以烟台套子湾典型区域为例，协同遥感影像解译、ArcGIS空间分析等量化提取海岸带景观基础信息，建立海岸带场景表征体系，采用高斯混合模型组建场景特征数字化聚类分析流程，结合贝叶斯信息准则与期望最大化算法优化海岸带场景聚类关键参数，集成开展海岸带场景的协同分类与数字制图实践探索，为景观环境治理相应策略制定提供分析依据。研究提出了一种适用于海岸带场景量化表征与数字集成的分析方法，为海岸带景观资源的聚类识别与协同治理提供研究参考与实践案例。

关键词

海岸带场景；聚类方法；高斯混合模型；景观特征理论；海岸带；景观规划设计

基于景观特征理论的

海岸带场景数字化聚类方法

Digital Clustering Method for

Coastal Zone Scenes Based on Landscape Character Theory

李哲^1,2，曹银银³，候冰钰¹，周详¹

1 东南大学建筑学院景观学系

2 罗马大学土木、建筑和环境工程系

3 浙江省城乡规划设计研究院

本文引用格式 / PLEASE CITE THIS ARTICLE AS

Li, Z., Cao, Y., Hou, B., & Zhou, X. (2025). Digital clustering method for coastal zone scenes based on landscape character theory. Landscape Architecture Frontiers, 13(5), 18–41. https://doi.org/10.15302/J-LAF-0-020037

01.研究背景

精准研判与精细化发展海岸带景观是彰显滨海地域特色、赓续原生风貌的重要手段。以数字技术助力海岸带场景资源分类与特征判定已成为当前海洋景观提质建设的基础和关键方法。

本研究面向海岸带场景综合认知与精细调控的客观需求，基于景观特征理论，聚焦海岸带场景的多变量特征及其空间分异模式，系统融通场景“样本提取－特征表征－聚类计算－数字制图”的分析流程，建立了一种适用于海岸带场景的数字化聚类方法与解析机制。研究成果有助于将视觉归纳的场景认知推进至可表达、可研判的量化描述，为地域性、原生性海岸带场景的科学认知与资源调控提供技术支持。

02.基于景观特征理论的海岸带场景理论综述

公园服务效能感知与计算方法

近年，随着大数据与机器学习技术的发展，数字化聚类方法逐步成为景观特征研究的新兴趋势。以多源数据采集、机器学习计算为核心的数字化分析途径迅速成为精准解析景观特征、优化景观空间决策的技术路径。

海岸带场景研究趋势

场景是当前景观特征研究的核心内容之一，科学认知场景特征对提升场地认知价值、优化空间资源配置、精细调控景观策略具有重要意义。现有海岸带场景景观特征研究多围绕滨海风貌解析、海洋文化感知、海岸线变化监测等议题展开，并在遥感影像分析、空间统计测度等技术路径维度取得了重要进展。

总体来看，既有海岸带场景研究尚处于类型剖析和特征辨识的发展阶段，探索高维数据驱动下的海岸带场景聚类方法、量化解析典型场景的特征因子与组合机制已是当务之急，这于科学提升海岸带场景分类识别能力和资源调控水平具有积极意义。

03.海岸带场景数字化聚类分析流程与方法

海岸带场景数字化聚类分析流程

本研究基于景观特征理论，构建了贯通海岸带场景“样本提取－特征表征－聚类计算－数字制图”的系统性研究框架，形成一套可复制、可拓展的海岸带场景数字化聚类方法。

海岸带场景数字化聚类分析流程 © 李哲，曹银银，侯冰钰，周详

海岸带场景数字化聚类分析方法

海岸带场景表征体系

建立场景表征体系、筛选核心景观要素并进行数据转换，是实现景观特征科学量化的关键环节。海岸带场景的形成受自然进程与人类活动的共同驱动，故其景观要素选取需统筹二者综合影响。参考既有研究，结合遥感解译、空间分析、水动力模拟等技术手段拆解要素特征，并基于景观要素的层级划分和类型组合，本研究从自然属性和人工属性两个维度构建适用于海岸带场景的表征体系，共含7个景观要素及16个特征因子。

海岸带场景聚类方法

基于GMM的海岸带场景数字化聚类方法涵盖因子／变量数据集构建、网格单元划定、建立数据连接矩阵、数据降维及BIC计算、GMM算法聚类分析、聚类结果数字映射6个步骤。

海岸带场景图谱表达

为强化聚类结果的可视化空间表达，还需明确各类场景单元的主导特征及因子构成结构。本研究借助Python平台构建名称及代码规则，制定了一套标准化制图编码体系。

海岸带场景聚类结果的可视化常呈现为分散破碎的马赛克式图斑。本研究依托eCognition软件执行多层次图像分割，结合遥感影像修正聚类边界，以增强分类区域的精准性与完整性；采取皮尔逊相关系数计算不同场景景观类型之间的相似性，优化整合聚类结果；继而引入层次聚类方法，构建场景集群、细化场景分区；最终基于海岸带场景景观主导特征，提出针对性的保护与利用策略，以支撑海岸带景观策略的精细调控。

04.实证研究：烟台套子湾海岸带

研究区域

烟台套子湾位于中国山东省烟台市西北部海区，是一处开敞式次生海湾，地貌特征复杂、场景类型丰富，涵盖山地、河流、城市和海洋等多种海岸带场景。本研究将其作为研究区域，以验证基于景观特征理论的数字化聚类方法在复杂地貌环境及多样化海岸带场景中的适用性。

研究区域边界与特征因子提取

本研究采用高分一号多光谱影像作为数据源，经辐射定标、大气校正和正射校正预处理后提取海岸线矢量数据；进而借助ArcGIS平台沿海岸线向陆地和海洋两侧各扩展1 km缓冲区，设置300 m等距离点阵作为观景点开展可视域分析，数值表示研究区域被观测点看到的次数，并根据累积可视域划定研究范围。

累积可视域和研究区域范围（地图来源：山东省标准地图服务烟台市地图，审图号鲁 SG 035） © 李哲，曹银银，侯冰钰，周详

本研究分别采用500 m×500 m、100 m×100 m两类空间网格划定陆域和海域样本单元，共获得陆域空间网格样本108715个、海洋空间网格样本51510个。其中，海洋环境因子借助MIKE21软件模拟大潮日和小潮日的典型时刻流场，提取海水流速和流向特征而生成。最终，统一将测度后的特征因子数据在ArcGIS平台中选取自然间断法进行重分类，并结合变量面积占比统计。

海岸带场景特征因子（地图来源：山东省标准地图服务烟台市地图，审图号鲁 SG [2024] 035） © 李哲，曹银银，侯冰钰，周详

海岸带场景聚类计算

基于上述分类结果，使用主成分分析方法对陆地和海域样本进行降维处理。基于最优聚类数设定结果，以GMM初次聚类获得的类别标签为基础，通过EM算法对模型进行优化迭代。经42次迭代后，模型达到收敛并最终获得聚类结果，共形成25类典型海岸带场景类型。而后以此构建包含25种特征类型的变量数据集。

海岸带场景类型图（地图来源：山东省标准地图服务烟台市地图，审图号鲁 SG [2024] 035） © 李哲，曹银银，侯冰钰，周详

通过对初划结果进行边界修正，将尺度、形状、紧凑度参数分别调整为140、0.3、0.2，最终聚合为161处典型区域。

海岸带场景区域图（地图来源：山东省标准地图服务烟台市地图，审图号鲁 SG [2024] 035）©李哲，曹银银，侯冰钰，周详

海岸带场景聚类结果解析与判读

基于上述分析结果，研究发现山海格局是研究区域内最显著的景观特征，场景整体呈“山－城－岸－海”的分布规律。通过皮尔逊相关性计算，将海岸带场景类型划分为陆域场景分组（LG）和海域场景分组（MG）。其中，山林场景组（LG4）沿城市边缘以带状片段式分布，自然特征突出；城市边缘场景组（LG2）与高度人工化的城市建成场景组（LG3）交错分布；海岸场景组（LG1）集中分布于岸线区域；海域场景可依据海域深度与流速进一步划分为近浅海（MG1）和远深海场景组（MG2）。研究进一步结合层次聚类分析、欧式距离与Ward法，将空间邻近、特征相似的区域聚类为8个场景集群（landscape character area group），即LCAG1～LCAG8。

陆域和海域场景特征类型 PCC 分析©李哲，曹银银，侯冰钰，周详

海岸带场景类型分组（LCT GROUP）和场景集群（LCA GROUP）图（地图来源：山东省标准地图服务烟台市地图，审图号鲁 SG [2024] 035） © 李哲，曹银银，侯冰钰，周详

场景层次聚类树 © 李哲，曹银银，侯冰钰，周详

通过对最终所得的8个景观集群的空间分布特征和类型构成展开系统解析，研究从自然景观与人工景观两个视角，发现研究区域内场景特征分异规律如下：

1）自然海岸集群（LCAG1）面积占比5.55%，以MG1和LG1为主，表现为自然岸线与潮间带，生态资源丰富、生态价值显著；

2）人工海岸集群（LCAG2）面积占比3.07%，主要包括MG1、LG1、MG2，以城镇岸线、渔业岸线、港口码头、工业岸线等人工化岸线类型和功能性海域为主，综合开发程度较高；

3）河流及城市公园景观集群（LCAG3）面积占比2.75%，主要由LG2和LG3组成，分布于城市与山海交界处，呈条带状分布，具有廊道功能但斑块破碎化程度较高；

4）城市建成景观区集群（LCAG4）面积占比11.09%，由LG3、LG2主导且集中分布于城市核心区域，建筑密度较高、绿化率较低，景观空间连续性较差；

5）城市边缘景观区集群（LCAG5）面积占比11.24%，呈块状散布，作为城市建成景观区集群与自然环境间的过渡区域，具有缓冲保护作用但绿量不足；

6）山体及林地景观区集群（LCAG6）面积占比8.06%，以LG4、LG2为主，是围绕城市形成的重要生态屏障；

7）近岸海域景观集群（LCAG7）面积占比12.31%，以MG1为主，集中分布在海湾内部流速缓慢、水深较浅的区域，生态系统较敏感但生物多样性较高；

8）离岸海域景观集群（LCAG8）面积占比42.78%，以MG2为主，生物生产力较低，但对区域的渔业和航运贸易经济活动影响显著。

海岸带景观保护与利用策略

基于典型景观集群的特征分异，并结合国内外实际案例和研究区域本底特征，本研究以实现多功能海岸带景观的可持续发展为目标，提出以下保护和利用策略：

1）自然海岸保护与生态修复：于自然海岸集群而言，可参考澳大利亚大堡礁生态保护项目，开展周期性监测与综合修复，实施植被重建和沙坝稳定化等措施，强化自然岸线生态屏障。

2）人工岸线整治与结构调整：对于人工海岸集群，建议借鉴天津永定新河口人工海岸建设经验，以生态堤岸构建为核心，推进港口与工业岸线整治，增强人工岸线的生态功能和景观价值。

3）城市建成环境与景观提升：针对河流及城市公园景观集群和城市建成景观区集群，可在整合零散地块、扩展绿地覆盖范围的基础上，构建生态绿廊与城市慢行系统，强化绿地结构网络的空间连续性；恢复河口湿地和潮间带生物栖息地，改善区域生态承载力。

4）城市边缘绿地与山体景观保护：对于城市边缘景观区集群，提升乡土植物配置，缓解热岛效应；就山体及林地景观集群而言，可参考阿尔卑斯地区山地保护案例，实施分区保护与低干预游憩规划，统筹生态修复与景观体验。

5）近岸与远海海域的资源调适与利用：针对近岸海域与离岸海域景观集群，推进生态系统保护与开发限度控制，实施限捕限养并建立环境影响评估机制，保障滨海资源可持续利用。

05.结论与讨论

研究结果显示，烟台套子湾海岸带场景的分布受自然地貌、海洋动力过程与人类活动综合作用，呈现典型“山－城－岸－海”的分布特征。其中，城市建成环境、人工岸线、生态缓冲带等场景单元在空间上呈现结构分布清晰、边界辨识度高等特征，而海洋资源利用场景则在不同水深条件下呈现明显的差异特征。中国拥有广袤的海岸线，蕴藏着丰富的滨海景观资源。随着海岸带景观高质量发展和资源精细化管控需求的不断提升，数字化聚类方法在海岸带场景研究中的应用仍处于探索阶段。

参考文献

[1] Gonçalves, C., & Pinho, P. (2024). A manifesto for coastal landscape governance: Reframing the relationship between coastal and landscape governance. Ambio, 53(10), 1454–1465.

[2] Yun, C., & Jiang, X. (2002). Sustainable Development and Integrated Management of Coastal Zones. Ocean Press.

[3] Ministry of Ecology and Environment of the People’s Republic of China. (2022). Issuance of the 14th Five-Year Plan for Marine Ecological and Environmental Protection.

[4] Zhang, T., & Sun, Y. (2019). Spatial characteristics and functions of national scenic spots in China. Urban Development Studies, 26(8), 6–12.

[5] Sun, Q., & Zhang, Y. (2020). Landscape character identification and its value assessment in natural areas: A case study of Qinghai Lake Basin. Chinese Landscape Architecture, 36(9), 76–81.

[6] Zhu, C., Li, R., Luo, J., Li, X., Du, J., Ma, J., Hou, C., & Zeng, W. (2024). Research on evaluating the characteristics of the rural landscape of Zhanqi Village, Chengdu, China, based on oblique aerial photography by unmanned aerial vehicles. Sustainability, 16(6), 5151.

[7] Xie, Y., Liu, D., Li, Y., & Xing, W. (2024). Response mechanism and path of coastal zone planning based on spatial element flow. Coastal Engineering, 43(3), 235–250.

[8] Jiang, L., Yu, J., & Zhang, B. (2022). Analysis of the current situation and development of coastal zone remote sensing research. Journal of Applied Oceanography, 41(2), 215–228.

[9] Qiu, S., Ye, H., & Liao, X. (2022). Coastline recognition algorithm based on multi-feature network fusion of multi-spectral remote sensing images. Remote Sensing, 14(23), 5931.

[10] Carlier, J., Doyle, M., Finn, J. A., Ó hUallacháin, D., & Moran, J. (2021). A landscape classification map of Ireland and its potential use in national land use monitoring. Journal of Environmental Management, 289, 112498.

[11] Swanwick, C. (2002). Landscape character assessment: Guidance for England and Scotland – Edinburgh. The Countryside Agency and Scottish Natural Heritage.

[12] Tao, Y., Xi, X., & Zhu, M. (2018). The method of European landscape character assessment and its reference value to China. Chinese Landscape Architecture, 34(8), 107–112.

[13] Sun, Q., Li, N., & Zhang, Y. (2022). Research on the spatial layout of China’s national parks facing the control of landscape style and features. Chinese Landscape Architecture, 38(4), 26–31.

[14] Yang, D., Gao, C., Li, L., & Van Eetvelde, V. (2020). Multi-scaled identification of landscape character types and areas in Lushan National Park and its fringes, China. Landscape and Urban Planning, 201, 103844.

[15] He, D., Lu, L., Wang, J., & Zhang, J. (2022). Landscape character identification in large-scale linear heritage areas: A case study of Beijing Great Wall Cultural Belt. Landscape Architecture, 29(9), 99–106.

[16] Pan, Y., Bai, J., & Shi, Y. (2022). Research on traditional rural landscape zoning and characteristics based on dominant land cover—A case study of the Fulao District in east Guangdong. Chinese Landscape Architecture, 38(2), 48–53.

[17] Wang, Y., Chen, Z., & Cheng, Y. (2021). The representation system of rural landscape character and personality in the new era. Landscape Architecture, 28(7), 107–113.

[18] Van Eetvelde, V., & Antrop, M. (2009). A stepwise multi-scaled landscape typology and characterisation for trans-regional integration, applied on the federal state of Belgium. Landscape and Urban Planning, 91(3), 160–170.

[19] Wen, W., & Dai, J. (2021). Theory of scenes: Paradigm transformation and its practice in China. Journal of Shandong University (Philosophy and Social Sciences), (1), 44–53.

[20] Shao, Y., Meng, Y., & Yin, Y. (2023). Achievements and implications of the research on landscape in coastal zone from 1982 to 2022. Landscape Architecture, 30(5), 10–18.

[21] Natural England. (2012). An approach to seascape character assessment.

[22] Nieto, C. E., Martínez-Graña, A. M., & Merchán, L. (2024). Landscape analysis and coastal planning: Ría de Arosa (Pontevedra, Spain). Land, 13(5), 645.

[23] Bao, Z. (2016). Landscape as the representation of existence and new tool for sustainability management [Doctoral dissertation]. South China University of Technology.

[24] Pan, Y., Wu, Y., Xu, X., Zhang, B., & Li, W. (2022). Identifying terrestrial landscape character types in China. Land, 11(7), 1014.

[25] Ding, D., Jiang, Y., Wu, Y., & Shi, T. (2020). Landscape character assessment of water–land ecotone in an island area for landscape environment promotion. Journal of Cleaner Production, 259, 120934.

[26] Lu, Y., Xu, S., Liu, S., & Wu, J. (2022). An approach to urban landscape character assessment: Linking urban big data and machine learning. Sustainable Cities and Society, 83, 103983.

[27] Chen, X., & Zhang, A. Y. (2024). Achieving optimal clustering in Gaussian mixture models with anisotropic covariance structures. Proceedings of the 38th Conference on Neural Information Processing Systems (NeurIPS 2024).

[28] The Marine Management Organization. (2014). Seascape assessment for the South Marine Plan areas: Technical report.

[29] Yang, D., & Gao, C. (2024). Analysis of five topics in multi-scale identification of landscape characters in Europe. Landscape Architecture, 31(1), 14–22.

[30] Wang, Y., Gan, Y., Deng, Y., & Xie, X. (2020). Land-ocean interactions and their eco-environmental effects in the coastal zone: Current progress and future perspectives. Bulletin of Geological Science and Technology, 39(1), 1–10.

[31] Xu, L., Li, J., Li, W., Zhao, S., Yuan, Q., Wang, M., Yang, L., & Lu, X. (2014). Progress in impact of human activities on coastal resource and environment. Journal of Nanjing Normal University (Natural Science Edition), 37(3), 124–131.

[32] Liu, J., Gao, Y., Li, Y., Xu, Z., Pan, Y., Yang, J., & Zhang, W. (2021). Soil environmental quality zoning based on the Gaussian mixture model. Journal of Agro-Environment Science, 40(8), 1746–1757.

[33] Zhang, J., Zhao, Y., & Gao, C. (2023). Identification of rural landscape character in Jinyuan District, Taiyuan City, Shanxi Province. Landscape Architecture, 30(2), 123–130.

[34] Sun, X., Zhan, C., Yu, J., Ren, Z., Xu, G., & Wang, Q. (2022). Geomorphology evolution of Zhifu tombolo from 1977 to 2017. Marine Science Bulletin, 41(2), 170–178.

[35] Chan, S. C. Y., Swearer, S. E., & Morris, R. L. (2024). Mangrove cover and extent of protection influence lateral erosion control at hybrid mangrove living shorelines. Estuaries and Coasts, 47(6), 1517–1530.

[36] Qiao, Y., Yin, X., & Zhang, Z. (2021). Theoretical research and application of artificial coastal ecological restoration based on ecological restoration based on ecological construction: A case study in Tianjin Yongding New River Estuary comprehensive rehabilitation project. Coastal Engineering, 40(1), 68–75.

[37] Nakamura, K., Tockner, K., & Amano, K. (2006). River and wetland restoration: Lessons from Japan. BioScience, 56(5), 419–429.

[38] Robinson, K. J. (2003). Exploring urban ecosystems in the Ruhr Region of Germany: Implementation strategies. Urban Planning International, 18(6), 3–25.

[39] Chen, G. (2004). Gongga alpine ecosystem observation station of the Chinese Academy of Sciences. Journal of Mountain Science, 1(2), 192.

[40] Rullens, V., Mangan, S., Stephenson, F., Clark, D. E., Bulmer, R. H., Berthelsen, A., Crawshaw, J., Gladstone-Gallagher, R. V., Thomas, S., Ellis, J. I., & Pilditch, C. A. (2022). Understanding the consequences of sea level rise: The ecological implications of losing intertidal habitat. New Zealand Journal of Marine and Freshwater Research, 56(3), 353–370.

《前沿》系列英文学术期刊

由教育部主管、高等教育出版社主办的《前沿》（Frontiers）系列英文学术期刊，于2006年正式创刊，以网络版和印刷版向全球发行。系列期刊包括基础科学、 、工程技术和人文社会科学四个主题，是我国覆盖学科最广泛的英文学术期刊群，其中12种被SCI收录，其他也被A&HCI、Ei、MEDLINE或相应学科国际权威检索系统收录，具有一定的国际学术影响力。系列期刊采用在线优先出版方式，保证文章以最快速度发表。

中国学术前沿期刊网

http://journal.hep.com.cn