全 文 ：中国生态农业学报 2010年 1月 第 18卷 第 1期
Chinese Journal of Eco-Agriculture, Jan. 2010, 18(1): 180−184


* 国家科技支撑计划项目(2006BAJ10B05)及北京市科研项目“都市型现代多功能农业景观特征评价与建设策略研究”资助
** 通讯作者: 李良涛(1978~), 男, 在读博士, 主要从事景观生态学研究。E-mail: liangtao-li@163.com
张晓彤(1982~), 男, 在读博士, 主要从事乡村景观评价研究。E-mail: renrenge@sohu.com
收稿日期: 2009-03-13 接受日期: 2009-06-19
DOI: 10.3724/SP.J.1011.2010.00180
基于主观偏好和景观空间指标的农业景观特征偏好
模型: 以北京市 11个农业景观特征区域为例*
张晓彤 1 李良涛 1** 王晓军 2 肖 禾 1 纪 宁 1 王 静 1
(1. 中国农业大学资源与环境学院 北京 100193; 2. 山西大学环境与资源学院 太原 030006)
摘 要 本研究以北京市 11 个农业景观特征区域的真实照片为评价资料, 通过对 46 位环境相关专业大学生
进行的平衡非完全区组排序评判测试得到他们对不同景观照片的偏好数值。以 250 m 为边长的正三角形在
2006 年 1︰ 10 000 土地利用图上截取出照片所对应的数据, 根据这些数据计算了反映该照片景观特征的空间
格局指数。利用多元逐步回归, 以相对应的空间格局指数以及主观判断得到的绿色覆盖度和管理水平等共 11
个指标, 分别针对不同景观特征区域构建景观偏好模型。研究表明, 除各指标在权重上的差异外, 有些指标在
不同特征区域内, 甚至在对景观偏好影响的方向上都有所差异: 绿色覆盖度、管理水平、斑块黏合度、斑块聚合
程度、分维度指数均体现出对景观可视偏好的正向影响, 开阔地比例在可视范围体现了对景观偏好的逆向影响,
而斑块数量、蔓延度、最大斑块指数、干扰比例和林地比例在不同景观特征分区内则表现不同的影响趋向。
关键词 主观偏好 空间指标 景观特征 农业景观 偏好模型
中图分类号: F301.24; Q14 文献标识码: A 文章编号: 1671-3990(2010)01-0180-05
Agricultural landscape preferential model from subjective preference
and spatial landscape index: A case study of the characteristics of
11 agricultural landscape partitions in Beijing
ZHANG Xiao-Tong1, LI Liang Tao1, WANG Xiao-Jun2, XIAO He1, JI Ning1, WANG Jing1
(1. College of Resources and Environment, China Agricultural University, Beijing 100193, China;
2. College of Environmental Sciences and Resources, Shanxi University, Taiyuan 030006, China)
Abstract Balanced Incomplete Block-Laws of Comparative Judgement (BIB-LCJ) test was conducted to obtain the people’s visual
landscape preferences with a preferential-based test for actual landscape pictures in 11 agricultural landscape partitions in Beijing. 46
undergraduates majoring in relevant environmental sciences were recruited for the test. For each picture, windows in equilateral tri-
angular shape with 250 m side length were defined to cover different areas corresponding to the visual field. The data from the areas
in the land use map of Beijing in 2006 at a scale of 1:10 000 was analyzed using landscape spatial indices. Eleven indices, including
9 landscape spatial indices, level of management and proportion of green, were used as independent variables, and multiple stepwise
was used to establish the landscape visual preference models of various landscape partitions in Beijing. The analysis show that green
proportion, management level, patch cohesion index, aggregation index, fractal index distribution have positive effect, and proportion
of openness has negative effect on landscape visual preferences in the partitions. Patch number, contagion, largest patch index, proportion
of disturbance and proportion of forest have different correlations with landscape visual preferences in different partitions.
Key words Subjective preference, Spatial index, Landscape characteristics, Agricultural landscape, Preferential model
(Received March 13, 2009; accepted June 19, 2009)
利用量化了的景观形式特征和人对景观的主观
偏好构建景观评价模型, 是实现大尺度景观评价的
关键, 但通过何种技术手段来实现这一目的一直以
来都是难点。20世纪 60年代开始, 通过照片量化分
第 1期 张晓彤等: 基于主观偏好和景观空间指标的农业景观特征偏好模型: 以北京市 11个农业景观特征区域为例 181


析景观要素而进行主客观结合评价景观开始被学者
所重视[1−2]。一些学者[1]也开始尝试用从照片中获得
的指标构成景观偏好模型。虽然其中的研究被某些
学者批评为“无意义和不合适”或“没有以任何方
式对变量做出有效的说明”[3], 但这毕竟给主客观方
法结合实现农业特征景观综合评价提供了思路。
GIS 在将主观偏好应用到综合景观评价中发挥
了重大作用, 它为利用景观格局指标进行主观偏好
评价创造了条件。Crawford[4]和 Palmer[5]都认为在景
观生态学中被普遍应用的景观格局指标可以当作景
观可视美学质量的指标。一些学者也进行了探索式
的研究: Hunziker等[6]运用一些空间指标分析了来自
不同层次造林地区的一组照片的结构和成分 ;
Franco 等[7]将照片的风景美程度与所涉及区域的景
观指数进行相关性分析, 发现景观指数和偏好间存
在显著相关性; 在一个预测变化景观的风景感知研
究中, Palmer[5]发现风景感知与空间景观指数间存在
较强的相关性; Dramstad等[8]也以真实照片为评价材
料, 计算了GIS环境下截取照片所显示部分的格局指
数, 证明被感知的景观质量与景观偏好之间的关系。
目前已见的景观综合评价中偏好模型的构建大
多是将评价区域作为同质区间进行指标选择和权重
赋予。随着景观特征评价(LCA)在欧洲的兴起[9], 景
观评价更加强调对景观进行特征分类、分区后再进
行相应的评价。传统景观评价的目标是确定各景观
单元间的“优劣”, 存在被动、临时性和短暂性缺
陷。景观特征评价中的“景观分类及描述”则是希望
达到客观的景观特征区分, 提出个别性的价值判断,
确定 1 个景观与其他景观“与众不同”的原因, 其特
征判断具有前瞻性特点。
本研究通过景观特征评价将北京市农业景观分为
11 个区域, 利用俯视视角的土地利用图与地面视角的
照片在空间上契合, 达到主观评价与客观分析在材料
上的统一。每个农业景观特征区域内分别利用逐步回
归构建农业景观偏好模型, 将更广泛的普通人群的主
观偏好有针对性地融入到 GIS环境中进行分析。
1 材料与方法
1.1 研究区域和拍照
根据景观特征评价的原则 , 按照地形(分为山
区、山前、平原)、土质(分为砂质土、壤质土)和土
地利用类型(分为大田、果园和设施农业)3个特征要
素在 GIS 环境下合并显示, 根据可视图像将 3 个特
征要素互相组合, 按照实际情况得到北京市农田景
观的 11个景观类型(图 1)。
于 2008 年 5 月 8 日至 6 月 26 日, 选择天气晴

图 1 北京市农业景观特征分区
Fig. 1 Agriculture landscape partitions in Beijing
UR: 城区 Urban; FI: 平原设施农业 Flatland facility; FLC: 平
原壤质大田 Flatland loamy cropland; FSC: 平原砂质大田 Flatland
sandy cropland; PLC: 山前壤质大田 Piedmont loamy cropland; PLO:
山前壤质果园 Piedmont loamy orchard; PSC: 山前砂质大田 Pied-
mont sandy cropland; PSO: 山前砂质果园 Piedmont sandy orchard;
MLC: 山区壤质大田 Mountain loamy cropland; MLO: 山区壤质果
园 Mountain loamy orchard; MSC: 山区砂质大田 Mountain sandy
cropland; MSO: 山区砂质果园 Mountain sandy orchard.下同 The
same below.

朗、视觉较通透的日子, 在所选每个景观类型区域
中各拍能代表当地农田景观面貌的 40张照片, 共涉
及 10个区县的 83个行政村。通过手持 GPS对每张
照片的拍摄位置和拍照方向进行定位记录, 以便后
期与土地利用图对应后进行数据截取。选取相当于
35 mm 传统相机的数码相机, 焦距为最大, 拍摄点
距地面 1.6 m, 方向水平, 照片像素为 3264×2448。
外业结束后, 由景观生态学在读研究生为每个
景观类型所拍照的 40张照片进行简单评分(0~4分),
按照平均得分高低, 将所得 40张照片分成 4个层次,
在每个层次中选取拍摄质量更佳、更具代表性的 4张
照片, 每种景观类型共 16张照片作为最终评价材料。
1.2 偏好评价
由于综合了排序测评法(LCJ)和风景美学评价
程序(SBE)的优点 [10], 本研究选择采取平衡不完全
区组(BIB)试验设计结合排序评判法的方法进行评
分: 对 16张照片进行编号, 按照 BIB表格(表 1)的顺
序, 单次分别对 4张照片进行排序评分, 最好的 3分,
最低的 0 分, 经过 4 次排序评分后完成一次对整个
16 张照片评分的循环。经过 5 次循环后, 实际上保
证了每 2 张照片都且仅对比过 1 次, 对不同景观类
型区域照片的评价是独立的。
46名环境相关专业的在校大学生参加了评价, 其
中男 22人、女 24人, 32人来自城镇, 14人来自乡村。
182 中国生态农业学报 2010 第 18卷


表 1 平衡非完全区组排序评判(BIB-LCJ)设计表
Tab. 1 Design table of Balanced Incomplete Block-Laws of Comparative Judgement (BIB-LCJ)
第 1次循环
1st cycle
第 2次循环
2ed cycle
第 3次循环
3rd cycle
第 4次循环
4th cycle
第 5次循环
5th cycle
1 2 3 4 1 5 9 13 1 6 11 16 1 7 12 14 1 8 10 15
5 6 7 8 2 6 10 14 2 5 12 15 2 8 11 13 2 7 9 16
9 10 11 12 3 7 11 15 3 8 9 14 3 5 10 16 3 6 12 13
13 14 15 16

4 8 12 16 4 7 10 13 4 6 9 15

4 5 11 14

1.3 映射拍照区域
研究证明, 以 250 m 正三角形作为截图区域,
人类反应最为敏感(待发表)。故选取以拍照点为顶点,
与拍照方向垂直方向为底边, 向拍照方向延伸出的
边长为 250 m的正三角形作为截图区域(图 2)。通过
对照片拍摄点和方向的定位记录, 按照截图区域在
ArcGis9.2环境中从 2006年 1∶10 000土地利用图中
截取出可以代表该照片反映景观特征的区域, 并利
用过渡地类代码的 3级分类, 进行 2 m×2 m栅格化,
利用其数据计算该照片所映射的景观空间格局指数。
1.4 景观格局指标选取和计算方法
利用 SPSS软件, 选择通过 FRAGSTATS软件计
算所得的斑块数量、分维度指数、蔓延度、斑块黏
合度、聚合指数、最大斑块指数、开阔地比例、干
扰比例和林地比例等 9 个景观空间格局指数, 以及
通过照片主观判断所得的绿色覆盖比例和管理水平


图2 在土地利用图上截取照片反映区域的示例
Fig. 2 Landscape areas represented by pictures used in the
test were digitized in the land use map
2个指标, 共 11个指标(表 2), 对以上各指标和相对
应的景观偏好数值进行逐步回归模拟, 分别针对不
同景观特征区域构建景观偏好模型。
2 结果与讨论
表 3 表明, 不同景观特征区域内各指标的平均
值差异巨大, 仅以最简单的斑块数量(密度)为例, 同
等面积下斑块数量最多的山前砂质果园(PSO)是斑
块数量最少的山前壤质大田(PLC)的近 6倍。如果模
型选取了该指标, 并将两个景观特征区域看作是同
一的进行评价, 结果可信度将非常低。此外, 对于指
标对景观可视偏好影响的取向性, 更是与先前经验
学派的研究存在重大差异[11]。一些指标在不同区域
体现出的不仅是影响程度的差异, 甚至是判断取向
的差异。由表 4 可知, 绿色覆盖度、管理水平、斑
块黏合度、斑块聚合程度、分维度指数均体现出对
景观可视偏好的正向影响; 开阔地比例体现了对景
观偏好的逆向影响。而斑块数量(密度)、蔓延度、最
大斑块指数、干扰比例和林地比例在不同景观特征
分区内则表现为不同的影响趋向。
绿色覆盖度对景观偏好影响最大。在逐步回归
过程中发现, 绿色覆盖度在大多数景观特征区域内
对回归的贡献率都最大, 但山区壤质大田区(MLC)
例外, 这主要是因为该区域处于接近张家口高原的
延庆高地上, 5月 20日拍照时该地气温相对较低, 作
物刚刚发芽, 大田整体显示荒芜景观, 绿色覆盖梯
度未拉开, 导致绿色覆盖度这一指标落选。绿色覆
盖度的落选直接导致 MLC的 R2仅为 0.420。山前壤
质果园与此情况相近(PLO, R2=0.323), 由于山前壤

表 2 景观空间结构的指标描述
Tab. 2 Indices describing of the spatial structure of the landscape
景观指数
Landscape indices
缩写
Acronym
描述
Description
斑块数量 Number of patches NP 土地利用图涉及范围内斑块的总数量
分维度指数 Fractal index distribution FRAC 土地利用图涉及范围内按照土地利用 3级分类得到的类型总数量
蔓延度 Contagion CONTAG 反映不同类型景观斑块的聚合程度或延展趋势
斑块黏合度 Patch cohesion index COHESION 反映响应景观类型自然连接程度
聚合指数 Aggregation index AI 反映斑块的聚合程度
最大斑块指数 Largest patch index LPI 土地利用图涉及区域内最大斑块占总面积的百分比乘以 100
开阔地比例 Proportion of openness PO 土地利用图涉及区域内耕地、牧草地和未利用地占总面积的百分比乘以 100
干扰比例 Proportion of disturbance PD 土地利用图涉及区域内建设用地、未利用地占总面积的百分比乘以 100
林地比例 Proportion of forest PF 土地利用图涉及区域内园地、林地占总面积的百分比乘以 100
绿色覆盖比例 Proportion of green PG 专家系统通过照片判断地面绿色占总面积的百分比乘以 100
管理水平 Level of management LM 专家系统通过照片判断该农田管理水平, 分为 0~4分
第 1期 张晓彤等: 基于主观偏好和景观空间指标的农业景观特征偏好模型: 以北京市 11个农业景观特征区域为例 183


表 3 不同景观特征分区的指标平均值
Tab. 3 Average scores of indices toward various landscape partitions in Beijing
指标 Index FI FLC FSC PLC PLO PSC PSO MLC MLO MSC MSO
NP 8.94 3.63 5.00 2.56 4.94 4.75 14.50 9.56 5.56 4.88 3.69
FRAC 1.17 1.12 1.13 1.10 1.11 1.16 1.17 1.14 1.12 1.12 1.12
CONTAG 76.05 87.92 78.40 75.13 68.83 84.92 70.07 82.49 59.97 74.64 75.95
COHESION 98.53 99.41 99.21 99.61 99.15 99.32 97.81 98.75 98.80 99.34 99.42
AI 97.71 98.87 98.57 99.05 98.45 98.58 96.00 97.76 98.22 98.49 98.66
LPI 65.21 83.33 77.28 83.66 69.35 82.95 47.28 74.81 53.40 79.42 79.99
PO 85.94 91.46 84.60 83.21 6.93 92.77 19.69 80.94 24.38 79.74 4.37
PD 11.39 4.53 2.13 4.69 4.84 3.38 7.65 8.88 17.72 1.95 7.56
PF 2.67 4.01 13.27 12.09 88.83 3.96 74.09 12.22 72.88 18.32 88.07
PG 26.25 75.63 60.94 48.13 90.31 38.75 65.63 20.00 81.88 53.13 76.88
LM 3.25 4.38 4.25 3.06 3.69 3.503 3.44 4.06 3.69 2.94 3.56

表 4 不同景观特征分区的景观可视偏好模型
Tab. 4 Landscape visual preference models toward various landscape partitions in Beijing
景观特征区域
Landscape partition
景观可视偏好模型
Landscape visual preference model
R2
FI LVP = –2.050+0.115×PG+2.014×LM 0.881
FLC LVP=5.083+0.092×PG–0.117×PD–0.046×CONTAG 0.758
FSC LVP = –2.312+0.058×PG+1.474×LM 0.869
PLC LVP = –440.429+0.105×PG+0.066×PF+4.490×AI–0.048×PO+0.520×NP 0.980
PLO LVP =15.929–0.095×PF 0.323
PSC LVP =3.557+0.079×PG–0.137×LPI+0.144×CONTAG 0.914
PSO LVP = –125.161+0.132×PG+1.696×LM+22.194×FRAC+0.943×COHESION 0.863
MLC LVP = –2.724–0.044×LPI+2.734×LM+0.119×PG 0.420
MLO LVP =1.203+0.092×PG–0.056×LPI+0.470×LM 0.851
MSC LVP = –29.678+29.588×FRAC–0.019×PF+0.133×PD+0.046×PG+0.940×LM–0.235×NP 0.809
MSO LVP = –0.028–0.070×PO+0.685×NP+0.066×LPI 0.558
LVP: 景观可视偏好 Landscape visual preference. P<0.30.

质果园主要集中在平谷的鲜果区, 该区域的景观穿
透性最差, 可视景观多集中于道路两边, 使绿色覆
盖梯度未拉开, 导致绿色覆盖度这一指标落选。
设施农业景观的优劣与景观空间格局指数关系
不大。在设施农业(FI)景观特征区域内, 绿色覆盖和
管理水平决定了偏好值的 88.1%, 而该区域也是惟
一一个无任何景观空间格局指数入选回归模型的区
域。设施农业景观特征区域自身属性相对比较特殊:
虽然该区域的产业属性仍归属于农业, 但其散布于
城市近郊边缘, 生产模式更趋向于产业化、集约化,
其景观特征中类似于大农业的半自然属性并不明
显。影响设施农业景观区域偏好的因素应该更多的
是城市、园林评价中所常用的建筑、管理等指标, 这
也直接导致设施农业景观区域在本研究的大框架下,
只有绿色覆盖度和管理水平 2个指标的入选。
由表 5可知, 开阔地比例对景观偏好显现出逆向
影响。虽然有研究证实开阔地比例对景观偏好有积极
影响[5], 但在开阔地比例惟一入选的山前壤质大田
(PLC)和山区砂质果园(MSO)两个景观特征区域内,
开阔地比例却均显示对景观偏好的逆向影响: 开阔
地比例越大, 则对该处景观的偏好越小。通过对照
片的解译分析发现, PLC整体开阔程度明显较高, 会
引起视觉冲击的块状和线性景观要素并不多, 导致
视野范围内景观相对单调。因此, 在该区域中有防
护林地等线性景观嵌入相对空旷的大块田地的景观,
会引起视觉刺激, 导致景观偏好增强。MSO 的农业

表 5 各指标对不同景观特征分区景观可视偏好的影响
Tab. 5 Effects of indices on the landscape visual preferences of various landscape partitions
项目 Item FI FLC FSC PLC PLO PSC PSO MLC MLO MSC MSO
NP ● ○ ●
FRAC ● ●
CONTAG ○ ●
COHESION ●
AI ●
LPI ○ ○ ○ ●
PO ○ ○
PD ○ ●
PF ● ○ ○
PG ● ● ● ● ● ● ● ● ●
LM ● ● ● ● ●
●正向影响 Positive correlation; ○逆向影响 Negative correlation.
184 中国生态农业学报 2010 第 18卷


景观主要集中在昌平−怀柔山区的山谷地带 , 土地
利用图内所表示的开阔地大多是该山谷中河道和公
路周边的地带, 虽然在数据上显示是开阔区域, 但
实际上景观破碎度高、管理水平不高、景观感觉凌
乱; 而该地区所谓的非开阔地带是以果园和有林地
组成的半自然−自然景观带, 相对整齐划一, 景观视
觉价值强。
人为干扰在景观偏好模型中并不都是逆向影
响。人为干扰会破坏自然景观的可视质量[11], 这似
乎是个不争的事实。如果认为农业景观具有半自然
景观属性 , 人为干扰也会对农业景观产生消极影
响。但本研究结果却并非如此 : 在山区砂质大田
(MSC), 人为干扰的比例却正向地影响景观偏好。山
区砂质大田位于延庆南部至怀柔北部的山区, 该区
域除传统的粮食作物外, 较多农民选择了经济效益
更高的花卉产业, 而多年生花卉在春季仍以冬态的
形态出现, 因此可视景观效果并不理想。加之由于
农民对于居民点、道路和农业基础设施等建设的重
视, 使数据中体现为“干扰”的人为景观在视觉感受
上比管理水平差的“自然景观”还有优势, 因此造成
干扰覆盖度大的地区的相对景观具有优势。
非防护林形态出现的林地对一些区域景观影响
消极。林地比例在 11 个景观特征区域只出现 3 次,
其中在山前壤质果园(PLO)和山区砂质大田(MSC)
都体现出对景观可视质量的消极影响。主要原因是
这 2 个区域出现的林地大多是自然或半自然林地,
未经过人为规划、管理; 由于树种多样、生长水平
各异, 导致春季植被恢复绿色的过程并不统一, 产生
了斑秃状的视觉污染, 直接影响了可视景观质量。
3 结论
随着 GIS 技术的进一步发展, 实现较大区域的
景观综合评价已具备条件, 但如何将人的主观偏好
作为依据融入景观偏好模型中是亟待突破的理论和
技术难点。从修正目前客观导向的景观综合评价模
型的角度, 如果在景观特征分类的基础上, 将俯视
视角的土地利用图与地面视角的照片在空间上契合,
达到主观评价与客观分析在材料上的统一, 把对可
视层次的景观偏好判断融入区域尺度的景观综合评
价中, 无疑提高了指标选取、权重赋予等方面的信度,
为区域尺度的景观评判和未来发展决策提供依据。
本研究主观偏好测试中, 不同景观特征区域是
相对独立进行的, 对于具体某个区域的景观建设而
言, 可以保证评价模型是专一对应该区域的, 使评
价更具针对性, 对未来规划提出建议时也更具可操
作性。本研究并未对不同景观特征区域之间进行带
有价值判断的比较, 这也是对景观特征评价中所表
示“个别性价值”的尊重。但对于整个区域景观发展
决策来说, 通过栅格的综合赋值在整体上进行价值
判断也是必须的。通过本研究发现, 若不考虑不同
景观特征区域间的可视差异而通过构建惟一模型对
景观进行判断, 其可信度很低。可在景观特征分区
的基础上, 将每个景观特征区域内的景观认定为同
质的: 首先进行一轮对各景观特征区域的评价和比
较, 得到不同景观特征偏好的权重; 再结合各区域
不同景观偏好模型所得结构, 通过客观方法对整个
区域进行价值判断。这将是景观综合评价中今后要
重点突破的方面。
参考文献
[1] Shafer E L, Brush R O. How to measure preferences for pho-
tographs of natural landscapes[J]. Landscape Planning, 1977,
4(3): 237−256
[2] Schauman S. Countryside scenic assessment: Tools and an
application[J]. Landscape and Urban Planning, 1988, 15(3/4):
227−239
[3] Weinstein N D. The statistical prediction of environmental
preferences: Problems of validity and application[J]. Envi-
ronment and Behavior, 1976, 8(4): 611−626
[4] Crawford D. Using remotely sensed data in landscape visual
quality assessment[J]. Landscape and Urban Planning, 1994,
30: 71−81
[5] Palmer J F. Predicting scenic perceptions in a changing land-
scape: Dennis, Massachusetts[J]. Landscape and Urban Plan-
ning, 2004, 69: 201−218
[6] Hunziker M, Kienast F. Potential impacts of changing agri-
cultural activities on scenic beauty—A prototypical technique
for automated rapid assessment[J]. Landscape Ecology, 1999,
14: 161−176
[7] Franco D, Mannino I, Zanetto G. The impact of agroforestry
networks on scenic beauty estimation: The role of a landscape
ecological network on a socio-cultural process[J]. Landscape
and Urban Planning, 2003, 62: 119−138
[8] Dramstad W E, Tveit M S, Fjellstad W J, et al. Relationships
between visual landscape preferences and map-based indica-
tors of landscape structure[J]. Landscape and Urban Planning,
2006, 78: 465−474
[9] Swanwick C, Agency C, Heritage S N, et al. Landscape char-
acter assessment: Guidance for England and Scotland[R].
Edinburgh: Scottish Natural Heritage, 2002: 23−44
[10] 俞孔坚 . 自然风景质量研究——BIB-LCJ 审美评判测量法
[J]. 北京林业大学学报, 1988, 10(2): 1−11
[11] Gulinck H, Dufourmont H, Stas I. Approach to landscape
character using satellite imagery and spatial analysis
tools[M]// Usher M B. Landscape character: Perspectives on
management and change. Edinburgh: The Stationery Office,
1999