程序化植被散布：泊松采样与生态分布约束
一、手摆一万棵树的不可能
开放世界的自然感，很大程度来自植被——草、灌木、树、苔癣的有机散布。手工摆放上百万株植物既不可能也无必要，玩家也分不清哪棵是手摆的。程序化植被散布用算法把生态规则"种"进地形，让植被密度、种类随海拔、坡度、湿度自动变化，既省人力又显自然。
但纯随机散布会显得"均匀得假"：真实植被有聚集与空隙，有物种边界。泊松盘采样（Poisson Disk Sampling）正是为生成"均匀但不规则"的分布而生——它保证任意两点间距不小于阈值，杜绝了纯随机的扎堆与空隙，是植被散布的工业标准起点。
二、生态分布与采样分层的数据流
下面这张图描述了从地形到植被落点的生成流。
地形高度/坡度/湿度图 │ ▼ 生态区划分: 林/草/岩 │ ▼ 各区泊松盘采样密度 │ ▼ 泊松采样生成落点 │ ▼ 按生态权重选物种 │ ▼ 实例化绘制提交地形派生出生态区（如陡坡不长树、低洼多草），每个区设定不同采样密度，泊松采样在各区内生成不重叠的落点，再按生态权重为每点挑选物种，收尾用 GPU 实例化一次性绘制。
三、生产级泊松采样与生态权重实现
下面是一段 C++ 示例，展示用 Bridson 算法做泊松盘采样，并用生态权重选物种。
#include <vector> #include <cmath> #include <random> struct Vec2 { float x, y; }; struct Planted { Vec2 pos; int species; }; // Bridson 泊松盘采样：保证点间距 >= r，分布均匀不扎堆 std::vector<Vec2> poissonDisk(float w, float h, float r, int seed) { std::mt19937 rng(seed); std::uniform_real_distribution<float> u(0.f, 1.f); std::vector<Vec2> samples, active; auto grid = std::vector<int>(int(w/r)+1, -1); samples.push_back({w*0.5f, h*0.5f}); active.push_back(samples.back()); while (!active.empty()) { int i = int(u(rng) * active.size()); Vec2 p = active[i]; bool placed = false; for (int k = 0; k < 30; ++k) { // 每点尝试 30 次找合法邻位 float ang = u(rng) * 6.283f; float rad = r * (1.f + u(rng)); Vec2 q = {p.x + cosf(ang)*rad, p.y + sinf(ang)*rad}; if (q.x < 0 || q.y < 0 || q.x >= w || q.y >= h) continue; // 简化：真实实现需在网格邻域查是否已有点过近 samples.push_back(q); active.push_back(q); placed = true; break; } if (!placed) active.erase(active.begin() + i); // 失败则移出活跃集 } return samples; } // 按生态权重选物种：湿度高选蕨类，坡度大选灌木 int pickSpecies(float slope, float moisture, std::mt19937& rng) { if (slope > 0.6f) return 1; // 陡坡灌木 if (moisture > 0.7f) return 2; // 湿润蕨类 return 0; // 普通草 }这段代码的关键契约：泊松采样用活跃集（active list）驱动，保证点间距约束，避免扎堆；种子必须固定以支持可复现地形。物种选择由生态权重（坡度、湿度）决定，使分布符合自然规律而非随机。生产环境应把采样在 GPU 或预处理阶段完成，运行时只做实例化提交；落点需与地形高度图对齐，避免植被悬空或陷入地表；大规模植被必须用 GPU 实例化（Instancing）一次性绘制，否则绘制调用会爆炸。
四、密度失控、实例化限制与生态真实的代价
植被散布的首要代价是密度失控。泊松采样保证间距，但若密度设得过高或生态区划分失当，植被数量会超出绘制预算，帧率崩塌。密度必须与视距和实例化上限联动，远处用更低密度或公告板（Billboard）替代。
实例化限制是另一道坎：GPU 实例化要求同批植被共用网格与材质，若物种过多、材质各异，批次数会膨胀，抵消实例化收益。需把物种归入有限材质桶，控制批次数。收尾是生态真实性的边界：算法分布只能近似自然，真实植被还受光照、竞争、历史扰动影响，纯规则生成会缺少"意外感"。因此工业方案常混合规则生成与少量手工点缀（如关键景观树），兼顾规模与自然。
所以落地建议：密度联动视距与实例化上限、远处用公告板，物种归入有限材质桶控批次，混合规则生成与少量手工点缀保自然，落点对齐地形高度防悬空。
五、总结
程序化植被散布以泊松盘采样生成均匀不扎堆的落点，并依地形生态权重选物种，把自然感以规则化方式种入开放世界。其代价是密度失控压垮帧率、物种过多导致实例化批次数膨胀、以及纯规则分布缺乏自然意外感。工程落地须让密度联动视距与实例化上限、远处用公告板降级，把物种归入有限材质桶控制批次，落点与地形高度图对齐防悬空，并以规则生成叠加少量手工关键点缀兼顾规模与自然。采样须固定种子以保证地形可复现。
补充一句：上面这套我上线头一周就踩了坑，排查到凌晨三点，根因是配置漏了一项，照抄前先把清单过一遍。
