近期，美术与设计学院青年博士邢月以第一作者在人工智能领域顶尖期刊AI Open（JCR Q1，影响因子14.8）发表综述论文“AI-generated content in landscape architecture: A survey”。该研究是首次系统探讨 AIGC（人工智能生成内容）在景观建筑领域应用、挑战与未来趋势的综述成果，填补了现有研究仅关注 AI 整体技术在景观建筑的应用却缺乏对 AIGC 深度剖析的缺失，为景观建筑从业者与 AI 领域专家搭建了跨学科研究的桥梁，推动景观建筑设计向“数据驱动 + 人机协同”的智能范式转型。
景观建筑（Landscape Architecture, LA）作为融合艺术、科学与技术的交叉学科，核心是构建人与自然的和谐关系，其设计需综合考量地理环境、生态气候、文化价值等复杂因素，兼具功能性与美学性双重要求。然而，传统景观设计长期受主观性主导，往往依赖设计者的个人经验与主观审美，其设计标准根植于感性认知，因而缺乏科学客观的评价体系与系统化的设计流程，设计周期冗长，效率低下。AIGC以前所未有的速度渗透到景观建筑设计的各个环节，成为创新性的设计工具。此前研究虽关注 AI 在景观建筑的应用，但未聚焦 AIGC 的技术细节、场景落地路径及实践挑战。该综述针对这一研究空白，系统梳理 AIGC 在景观建筑领域的核心价值与实践。
本研究基于 AIGC 的核心技术如生成对抗网络 （GANs）、扩散模型、自然语言处理等，结合景观建筑设计全周期，明确其五大核心应用场景，覆盖从前期场地调研到后期运维管理的完整链条：基于数据挖掘与机器学习技术等的场地调研与分析；基于 GANs、扩散模型（如 Stable Diffusion）、变分自编码器（VAEs）等模型实现高效创意与可视化协同的设计概念与方案生成；多目标算法驱动精准迭代如Rhino Grasshopper 插件（Wallacei、Galapagos）的遗传算法、粒子群优化等工具，并结合 ControlNet 与 LoRA 模型微调的参数化设计优化；利用 i-Tree Eco 模型等的生态适配与智能决策下的植物配置与模拟；基于BIM（建筑信息模型）、LIM（景观信息模型）与 IoT 等技术的施工管理与运维，全周期智能协同。
研究同时系统梳理了 AIGC 在景观建筑领域落地的核心挑战，为技术实践提供警示。基于现有挑战，研究提出 AIGC 在景观建筑领域的发展方向，深入讨论了跨学科协作强化，技术全流程覆盖，数据支撑与算法优化，伦理法规完善等。
基于AIGC的LA设计流程
现场分析
图像合成
参数化建模
韶关学院美术与设计学院教师邢月博士为该论文的第一作者，暨南大学的甘文生副教授、博士生导师为通讯作者，合作者包括美国伊利诺伊大学芝加哥分校的Philip S. Yu教授（ACM Fellow、IEEE Fellow，计算机领域H指数全球排名前十）。值得一提的是，本文第三作者为韶关学院美术与设计学院的本科生陈启迪，充分体现了美术与设计学院人才培养的扎实成效，进一步激发了校园科研创新活力，推动我校人才培养质量持续提升。本研究获得广东省“质量工程”高等教育教学改革项目、广东省普通高校特色创新项目（编号：2023WTSCX084）、广州市基础与应用基础研究基金（编号：2024A04J9971）以及韶关学院引进人才科研项目的支持和直接资助。该研究成果是韶关学院在“景观建筑设计 + AI 技术”跨学科研究领域的重要突破，为地方高校服务景观建筑智能设计产业提供了示范样本。
论文链接：https://doi.org/10.1016/j.aiopen.2025.10.002
