EN中文

PROGRESS IN GEOGRAPHY >

2022 , Vol. 41 >Issue 4: 621 - 635

DOI: https://doi.org/10.18306/dlkxjz.2022.04.007

Articles

The equity of urban park green space accessibility in large Chinese cities: A case study of Wuhan City

  • WANG Zilin , 1, 2 ,
  • LI Zhigang , 1, 2, * ,
  • CHENG Hanbei 1, 2
Expand
  • 1. School of Urban Design, Wuhan University, Wuhan 430072, China
  • 2. Hubei Provincial Research Centre of Human Settlement Engineering and Technology, Wuhan 430072, China

Received date: 2021-06-22

  Revised date: 2021-09-14

  Online published: 2022-06-28

Supported by

National Natural Science Foundation of China(41771167)

Fold

Abstract

Urban park green space (UPGS) is an important part of the urban ecosystem. Good accessibility of UPGS can promote urban livability and improve residents' well-being. It is important to evaluate the fairness of UPGS accessibility. Taking the central city of Wuhan as a study case and 2020 as the research time period, this study measured the accessibility from the supply and demand aspects, evaluated the spatial characteristics of the accessibility of UPGS from both the local and global perspectives, and further explored the relationship between accessibility and residents' social and economic conditions, in order to explore its social equity. Our findings include: 1) The spatial distribution of accessibility of regional, city, and comprehensive level UPGS is better than that of community level UPGS. 2) The spatial pattern of the overall accessibility of UPGS in the central city area of Wuhan gradually decreases from the core to the periphery. The communities with more UPGS and higher UPGS density show a higher level of accessibility. 3) There is a positive spatial correlation between UPGS accessibility and residents' socioeconomic conditions. The communities with higher housing prices also have higher UPGS accessibility. Thereby we identified marked social inequality in terms of the UPGS accessibility for Wuhan. It is recommended that in the future we should be further concerned with the optimization and regulation of the layout of UPGS with more nuance. While implementing the universal strategies, we should adopt targeted strategies and implement precise policies for the needs of different regions and different social groups. This study contributes to the literature in several ways. Using multi-source data and new technology to optimize indicators and data sources, the quality of parks was measured from UPGS area, ecosystem service value (ESV), recreation facilities, and safety conditions and various traffic patterns, real-time conditions, and selection preferences of different age groups, and so on were considered. At the same time, this study paid attention to the social inequality of accessibility, which enriches the empirical content and case materials and provides a scientific basis for the layout of urban infrastructure and the practice of environmental justice.

Key words： urban park green space; multi-G2SFCA; accessibility; equity; Wuhan City

Cite this article

WANG Zilin , LI Zhigang , CHENG Hanbei . The equity of urban park green space accessibility in large Chinese cities: A case study of Wuhan City[J]. PROGRESS IN GEOGRAPHY, 2022 , 41(4) : 621 -635 . DOI: 10.18306/dlkxjz.2022.04.007

“可达性”的概念由来已久,早期指代“人类参与潜力”的大小[1],后来逐渐发展为各类基础设施布局的核心依据。城市公园绿地(urban park green space,UPGS)是城市基础设施的有机组成部分,在生态景观、休闲健康和防灾安全等方面发挥了重要作用[2]。在快速城市化背景下,UPGS等公共服务资源并不总是均等分布,不均衡供给及分布的绿地资源与人民日益增长的需求之间的矛盾逐渐凸显,直接影响部分居民的获得感和幸福感。为此,《国家新型城镇化规划(2014—2020)》、“十四五”规划和2035年远景目标建议中强调了“基本公共服务均等化”的重要性,分配正义(distributive justice)已成为国内和国际关注的重要话题。
早期的分配正义理论主要强调资源公平分配,关注社会平等,即在资源有限的情况下,集体福祉优先于个人自由[3-4];分配正义的影响因素备受关注,有研究认为社会制度、文化信仰等皆会引起分配不公平[5];此后,有学者指出正义不仅是公平分配,空间维度上的分配不均问题同样重要[6-7]。环境正义是生态资源的分配正义,即所有人都有获得同等环境利益的权利;联合国人居署《新城市议程》也提出“确保所有公民享受生态服务、免受环境影响的权利均等”[3,8]。UPGS的环境平等是指UPGS分布均衡,且不同经济条件、学历、年龄、家庭结构、职业的居民可公平享受UPGS[9]。作为城市生态的主力,UPGS的空间分布及利用的公平性意义重大,其可达性的公平正义尤其值得关注[10]。可见,基于可达性角度,对UPGS的公平性进行深入实证,具有重要现实意义。
UPGS公平性主要涉及UPGS供给、居民需求、UPGS的可达性等维度[11-12],可分为空间公平性和社会公平性,即不同区域UPGS分布是否公平及不同类型居民能否公平获得UPGS服务[13]。国外对UPGS公平性的研究较早也较成熟,从最初考虑“量”的公平到运用可达性模型探讨空间公平[11],发展到同时考虑空间布局、群体差异和人的需求的社会公平[11,14],并形成了一定的公平性理论体系。目前对UPGS公平性的分析主要集中在探讨空间分布与居民属性之间的关系：例如,研究发现居住在更高房价的社区的居民可获得更多UPGS[15],老年人[16-17]、孕妇、儿童、无家可归者[18]等弱势群体对获得高质量绿地的障碍的敏感性更强,而受教育水平高[19]、健康良好者[20]有更多的机会获取UPGS。此外,西方国家常分析不同种族、民族的群体获得UPGS的差异[21],如发现有色人种比白人获得的UPGS少[22]。近年来,国内的研究也逐渐由最初关注方法及理论体系的运用转向关注UPGS能否被便捷、公平地使用,UPGS的公平性问题越来越成为国内研究的重点。早期研究案例多局限在北京[23]、上海[3,24⇓-26]、深圳[27-28]等发展水平较好的城市,随着各城市公共服务资源供需矛盾加剧,研究区域逐步拓展到武汉[11-12,16,29]、乌鲁木齐[10]、南京[30]、大连[31]等城市;研究主题也随之丰富,如探讨社区绿地开放与否[11]、城市公园规划政策[32]等对UPGS公平性的影响;此外,部分研究应用大数据和新技术,如手机信令数据[17,24,33]、Amap API[3]等,探讨UPGS公平性问题,使研究结果更为客观和准确。
虽然学术界对UPGS可达性的研究不断深入,但在研究方法、研究内容、理论框架上仍存在一定局限性。首先,对于可达性的测度,研究方法多采用传统的测距方法如OD成本距离法[12],对真实路况及阻力的复杂性等考虑不足,且很少有研究试图改进传统公式,引入除UPGS面积外的其他影响因素测算可达性[34];其次,研究内容多关注单一出行方式下可达性空间分布,忽视了居民出行模式选择多样化问题[35],同时将研究对象均质化,忽视了不同特征的居民的选择偏好[27]。此外,在理论框架上,既有研究对可达性的探讨多聚焦在距离因素,认为高邻近性意味着高可达性,忽视了公园质量属性,如面积、生态系统服务价值、游憩设施、安全条件等因素对居民选择的影响[36]。最后,现有关于空间可达性的社会公平性研究多基于人口属性视角下绿地资源的获得差异(尤其是弱势群体),忽视了城市经济结构视角下住房分化(如房价)所导致的机会不公平性。自中国开始城镇住房制度改革以来,城市住房呈现市场化特征[30],很大程度上影响了居民对不同房价住区的选择,社区房价往往体现社会阶层分化。此外,城市化建设使得生态用地匮乏,UPGS逐渐作为“环境商品”成为高房价社区的优势因素[14]。因此,社区房价和UPGS可达性的相关性分析可以反映特定城市经济结构背景下不同社会经济条件居民获得UPGS服务的公平性。基于此,为进一步深化和拓展既有理论研究,本文以武汉市中心城区为研究区域,对公园质量、出行方式、群体偏好进行精细化测度,运用改进的考虑距离衰减效应的多模式高斯两步移动搜索法(Multi-mode Gaussian two-step mobile search method, Multi-G2SFCA),从供给、需求两方面综合测度可达性,从局部、整体角度评估了城区公园绿地可达性的空间特征;在公平性测度方面,采用房价作为居民社会经济条件的指代指标探讨社会公平性(图1),以突破已有研究仅聚焦居民人口及社会经济指标的局限,并实现可达性分析方法的优化,从而提高结果的精确度。
图1 研究框架

Fig.1 Research framework

1 研究区域与数据来源

1.1 研究区域

武汉市是湖北省省会(图2a),作为长江经济带核心城市、中部崛起战略支点和具有重要战略地位的中部地区大城市,其高质量发展备受关注。然而,工业化、城镇化的快速发展导致武汉市建成区的扩张,占用和破坏生态用地现象突出,UPGS供需矛盾日益加大。研究表明,城市建成环境与居民健康密切相关,高绿地获得性能有效降低居民患病风险[37],UPGS作为休闲娱乐、日常锻炼的主要场所,其布局是否公平亦是居民幸福感的重要指标。武汉市中心城区具有人口密度高、环境异质性强、交通出行复杂等特征,考虑到数据获取的完整性和一致性,将中心城区划定为研究范围,分析不同社会经济条件的居民获取UPGS的公平程度。此外,鉴于中心城区边缘的居民可能会选择邻近的远城区UPGS,故将中心城区外围3 km缓冲区内的UPGS纳入研究(图2b、2c),以期更准确地模拟居民对UPGS的访问选择,为UPGS空间优化提供更坚实的理论和实证依据。
图2 研究区域概况

Fig.2 Overview of the study area

1.2 数据来源及处理

1.2.1 数据来源

本文的数据主要有基础地理数据、社区数据、UPGS数据和人口数据,其中社区和UPGS数据均利用Python编程爬取得到,获取时间为2020年12月7日,数据类型及来源见表1。
表1 数据类型、来源及预处理

Tab.1 Data type, source and preprocessing

数据大类 数据子类 数据来源 软件及预处理
基础地理数据 武汉行政区划数据 地理空间数据云 ArcGIS 10.4
土地利用变化(LUCC)数据 http://data.ess.tsinghua.edu.cn/ (2017年,精度为30 m×30 m) ArcGIS 10.4(掩膜提取、栅格转面、地物分类提取)
路网数据a OpenStreetMap开放共享数据库(www.openstreetmap.org) ArcGIS 10.4(合并、相交)
社区数据 社区物业费标准 运用Python从安居客b、链家网c、搜房网d(https://wuhan.anjuke.com/community/、 https://wh.lianjia.com/xiaoqu/、https://wh.soufun.com/ )爬取武汉社区POI数据(三者互为补充) ArcGIS 10.4(克里金插值、分区统计、创建渔网、属性表连接和关联、标识)
社区建成时长
名称 运用Python从安居客b、链家网c(https://wuhan.anjuke.com/community/、 https://wh.lianjia.com/xiaoqu/ )爬取武汉社区POI数据(二者互为补充) ArcGIS 10.4(提取相应经纬度的坐标点、人工法分类、相交)、PYcharm(爬取POI)、Datamap for excel(路线规划)
经纬度
户数
房价
UPGS数据 名称 运用Python从百度地图e(http://lbsyun.baidu.com/)的web API接口爬取武汉UPGS的POI数据
经纬度
面积
人口数据 各出行方式的人口比例 2020武汉交通大数据分析、《2020武汉交通发展年度报告》 对全市数据与短期短途游憩锻炼目的综合分析
各年龄层人口比例 《武汉统计年鉴2020》《武汉市2019年国民经济和社会发展统计公报》《2020年湖北省国民经济和社会发展统计公报》 用全市数据代替
高教育水平人口比例 武汉市第六次人口普查统计数据 ArcGIS 10.4(克里金插值、分区统计、创建渔网、属性表连接和关联、标识)
社区人口密度
外来人口比例

注：a. 由于本文主要考虑居民日常出行及同城短期短途游憩,故路网数据舍弃铁路路线;b~e在ArcGIS 10.4、PYcharm、Datamap for excel中处理各经纬度数据时需注意wgs84、gcj02、bd09坐标系的转换。

1.2.2 数据处理

对数据的处理主要分为以下方面：
(1) 路径距离：运用Python编程爬取中心城区内4668个社区、中心城区及其缓冲区内190个免费的UPGS(图2d),运用Datamap for excel插件对接高德地图驾车、公交、步行及骑行路径规划API,由于本文主要讨论居民日常的短期短途游憩锻炼,需排除周末、节假日以及恶劣天气对道路交通的影响,且考虑到居民主要利用UPGS进行晨练及下班后的休闲锻炼,爬取时间选取2020年12月8—23日、2020年12月28—30日中晴朗的工作日(早上6:30~9:00;晚上17:30~22:00),获得高德地图根据实际路网形态和实时道路阻力推荐的各出行方式下各坐标对的最短出行时间。
(2) 社区居民性质：社区的人口数量由总户数和户均人口①(①根据武汉市的七普数据(户均2.42人)、《武汉市2019年国民经济和社会发展统计公报》数据(户均3.1人),同时考虑到二孩政策的出台以及武汉市人口老龄化趋势的加深(https://hb.qq.com/a/20200117/022593.htm ),本文武汉市2020年户均人口取3人。)的乘积所得(图3a);由于武汉市房价较高且各区域差距较大,购买高房价住房需花费普通家庭多年的积蓄,故不同的房价往往能反映居民的经济条件和购买力,参考相关研究[3,18],用社区房价表征居民社会经济条件(图3b);驾车、公交、步行、骑行的人口比例是在武汉市各出行方式人口比例的基础上,考虑到短期短途游憩锻炼的出行目的所得;由于数据源所限,社区尺度的儿童(≤12岁)、青少年((12, 35]岁)、中年((35, 60)岁)、老年(≥60岁)的人口比例用武汉全市对应数据替代。
图3 社区人口数量(a)、社区房价分级(b)及UPGS分类(c)

Fig.3 (a) Community population, (b) community housing price classifications and (c) UPGS classification

(3) UPGS数据：参考《城市绿地分类标准(CJJ/T85—2017)》②(② 新的《城市绿地分类标准》CJJT85—2017 (https://wenku.baidu.com/view/7ee6a4895b8102d276a20029bd64783e08127d6b.html)。)、《武汉市城市绿地系统规划(2003—2017年)》③(③武汉市城市绿地系统规划(报批稿) (https://max.book118.com/html/2019/0123/6215145142002003.shtm)。)和《英格兰自然绿地可达性指南——自然绿地可达性标准》(ANGST) ④( ④ Natural England - GOV.UK (ANGST) (https://www.gov.uk/government/organisations/natural-england)。)对UPGS的划分,本文根据面积大小将研究域内UPGS划分为4类 (图3c)：社区型(<2 hm2,58个)、区域型([2, 25) hm2,88个)、全市型([25, 100) hm2,29个)和综合型 (≥100 hm2,15个)。相关研究认为不同等级的绿地因面积不同会有不同的服务半径[38],且服务半径与面积大小成正比[39]。参考已有研究[14,40]确定的不同类型公园绿地的步行服务半径,本文确定的社区型、区域型、全市性和综合型UPGS的步行服务半径分别为0.5、1.5、3、5 km,再根据步行速度,得到对应的出行时间分别约为5、15、30、60 min,结合骑行、公交、驾车的速度,确定各出行方式的服务半径(表2)。
表2 各类UPGS对各出行方式的服务半径

Tab.2 Service radius of various UPGS for different modes of travel

出行方式 速度/(km/h) 社区型/km 区域型/km 全市型/km 综合型/km
步行 5 0.5 1.5 3 5
骑行 20 2 6 12 20
公交 30 3 9 18 30
驾车 50 5 15 30 50

2 研究方法

2.1 基于公园质量、居民偏好的多模式高斯两步移动搜索法(Multi-G2SFCA)

本文选择考虑了距离衰减和供需特征的G2SFCA进行运算,且对传统的运算公式进行了改进,分2步计算可达性：
首先,计算供需比：以第j个UPGS为供给点,以第k类UPGS对第x种出行方式的服务半径为距离阈值 d x k,形成相应的空间域,计算落在空间域内的各社区的4种出行方式下的总人口,用高斯方程赋权并累加,同时考虑到儿童、青少年、中年、老年4个年龄阶段的居民对UPGS的偏好,综合得到绿地j的潜在需求指标;用UPGS面积、生态系统服务价值(ESV)、游憩设施、安全条件综合表征供给能力,再除以潜在需求指标,计算出供需比：
R j = ( S j w 1 + E S V j w 2 + I F j w 3 + S A j w 4 ) / w t [ ∑ i ∈ ( d i j ≤ d x k ) P i α 1 G ( d i j ) + ∑ i ∈ ( d i j ≤ d x k ) P i α 2 G ( d i j ) + ∑ i ∈ ( d i j ≤ d x k ) P i α 3 G ( d i j ) + ∑ i ∈ ( d i j ≤ d x k ) P i α 4 G ( d i j ) ] + w a ( P i β 1 D k 1 + P i β 2 D k 2 + P i β 3 D k 3 + P i β 4 D k 4 )
G ( d i j ) = e - 1 2 × d i j d x k 2 - e - 1 2 1 - e - 1 2 ( d i j ≤ d x k ) 0 ( d i j > d x k )
式中：Rj为供需比;Sj、ESVj分别为第j个UPGS的面积(hm2)、ESV⑤(⑤生态系统服务价值ESV测算参考文献[41-44]。);IFj、SAj分别为第j个UPGS的游憩设施、安全条件的赋分情况;w1、w2、w3、w4分别为以上变量的权重;Pi为第i个社区的总人数(人);α1、α2、α3、α4分别为驾车、公交、步行、骑行的人口比例;dij为第i个社区与第j个UPGS的距离,用Datamap for excel爬取的各出行方式下的实际出行时间与不同出行方式的速度的乘积表示; d x k为第k类UPGS对第x种出行方式的服务半径;β1、β2、β3、β4分别为儿童、青少年、中年、老年人口比例;Dk1、Dk2、Dk3、Dk4分别为不同年龄段居民对第k类UPGS的需求比例;wt、wa分别为不同出行方式、不同年龄层的需求权重,均取0.5;G(dij)为距离衰减函数。
(1) 需要说明的是,在计算供需比时,本文通过层次分析法(AHP)确定w1~w4、Dk1~Dk4的权重值。此方法也是多目标决策问题的常用技术手段[45-46]。计算过程为：1) 建立总目标、子目标的层次结构模型;2) 构造子目标的成对比较矩阵进行两两比较;3) 计算各子目标相对于总目标的权重;4) 进行一致性检验[47]。计算过程在Yaahp软件中实现,所求的一致性检验系数CR=0.015,接近0,通过一致性检验。
(2) 相关研究认为,更大的公园往往有更多的开放空间、更完善的基础设施和更严格的安全管理体制,可为用户提供更丰富的体验[48-49]。据此,参考相关文章[50]运用德尔菲法通过等间距赋值将定性指标定量化的经验,对于游憩设施,其赋分与UPGS面积大小呈正相关;对于安全设施,考虑到武汉市水域面积广阔,综合型UPGS多位于水域周围或涵盖大面积水体,存在一定安全隐患,又因面积较大,难以保证监控及安保人员的全方位配给,照明系统等基础设施修缮往往滞后,故其赋分低于较好管理的全市型和区域型UPGS。以上指标权重及赋分结果见表3。
表3 Multi-G2SFCA相关指标权重及赋分

Tab.3 Weight and score assignment of related indicators of multi-G2SFCA

公园质量特征权重 相关指标赋分及不同年龄居民需求比例
公园类型 IFj SAj Dk1 Dk2 Dk3 Dk4
w1 0.27 社区型 3 3 0.19 0.10 0.17 0.25
w2 0.19 区域型 5 7 0.21 0.23 0.27 0.21
w3 0.40 全市型 7 9 0.25 0.28 0.35 0.3
w4 0.14 综合型 9 5 0.35 0.39 0.21 0.24
其次,计算可达性。以每个社区i为中心,利用高斯方程对落在距离阈值为 d x k的空间域内的UPGS的供需比Rj进行赋权并求和,得到社区i的可达性Ai：
A i = ∑ j ∈ ( d i j ≤ d x k ) n R j × G ( d i j )

2.2 空间自相关

利用空间自相关检验UPGS可达性与居民社会经济条件的空间分布依赖性。空间自相关可判定一定范围内的空间实体间的相关关系[51],分为全局空间自相关和局部空间自相关。本文首先运用二元全局莫兰指数(I)判定UPGS可达性与居民社会经济条件之间是否具有空间相关性,I∈[-1,1]。当I∈ [-1, 0)时,二者空间离散(负相关);当I∈(0, 1]时,二者空间集聚(正相关);当I=0时,二者随机分布(不相关);然后,利用二元局部莫兰指数(I′)判定二者空间相关性类型,通过二元局部莫兰指数的LISA图可得到UPGS可达性与居民社会经济条件的4种空间相关性结果：高—高(高社会经济条件、高可达性)、高—低(即高社会经济条件、低可达性)、低—高(低社会经济条件、高可达性)、低—低(低社会经济条件、低可达性)。相关分析在GeoDa软件中完成,计算公式参考相关研究[3]。

2.3 空间回归模型

根据上述空间自相关分析结果,进一步采用空间回归分析方法,将可达性作为因变量,房价作为自变量,探讨UPGS可达性对社会经济条件的空间依赖性,从而研究不同社会经济条件的居民的UPGS社会公平性。值得注意的是,已有研究认为UPGS服务的潜在人口数量和空间拥挤度[45,52]、受教育水平[16,53]、外来人口占比[54]、物业费标准和社区建成年代[30]等皆会对UPGS可达性有影响,为更准确地探索社会经济条件和UPGS可达性的相关性,本文引入了社区人口密度、外来人口比例、高教育水平人口比例(大专及以上)、社区物业费标准、社区建成时长作为控制变量。因2018年武汉市发布的《15分钟社区生活圈实际行动指引》划定了800~1000 m的居民日常基本生活空间范围,本文在ArcGIS 10.4中对武汉中心城区划定850 m×850 m的网格,并对控制变量进行克里金插值,通过分区统计获取每个网格的各控制变量均值,将网格图层与社区点图层叠置,获取社区点与网格的对应关系,并通过属性表连接和关联、标识功能,将每个网格中各控制变量均值赋予网格内的社区点。
参考相关研究[24,51],本文选择最小二乘法(OLS)、空间滞后模型(SLM)和空间误差模型(SEM)进行分析。OLS适用于简单线性回归模型,SLM、SEM是在OLS的基础上将空间权重矩阵引入回归而发展起来的[54-55],空间权重矩阵定义了一个地理邻近结构(本文采用Queen邻接)[56-57]。因此,SLM、SEM模型在处理具有自回归结构的地理数据方面优于OLS模型。SLM描述了因变量不仅受到空间内的自变量的影响,还受到其他空间的这个变量的影响,强调空间依赖性;而SEM解释了某一空间的扰动项会影响到其他空间,强调误差依赖性[57]。对可达性、社区人口密度和房价数据取自然对数,运用GeoDa求出相应结果,通过对比各模型结果中的Log likelihood、SC和AIC值,确定最优模型,分析社会经济因素对居民公园绿地可达性的影响,深入探讨UPGS的社会公平性问题,各模型的公式见相关研究[24,58]。

3 结果分析

3.1 可达性分析

3.1.1 不同类型UPGS的可达性

本文采用multi-G2SFCA,得到从社区到各类型UPGS的可达性空间分布。在ArcGIS 10.4中,采用分位数法,按照各类型UPGS可达性值的五分位数(从小到大),划分可达性等级,确定了低、较低、中等、较高、高5个类别(图4)。研究发现,居民至不同类型UPGS的可达性存在一定差别,区域型、全市型和综合型UPGS可达性空间分布优于社区型UPGS。具体而言：1) 区域型、全市型和综合型UPGS可达性较高和高的社区相对均匀地分布在武汉市中心城区各区域;2) 社区型UPGS可达性高的社区分布较为集中,至社区型UPGS可达性较好的社区主要分布在武昌区,其次是江汉区以及硚口区东部临江一带,具有一定的空间极化特征。
图4 各类型UPGS可达性的空间分布

Fig.4 Spatial distribution of the accessibility of various types of UPGS

此外,社区型、区域型、全市型UPGS可达性的空间分布与UPGS布局范围大体一致,即可达性与UPGS数量成正比,而综合型UPGS可达性的空间分布与UPGS的布局无明显关系。可能原因是：1) 可达性对交通通达度依赖性高,而综合型UPGS多位于城郊地区,因交通通达度不高导致城郊地区综合型UPGS可达性较低;2) 综合型UPGS服务半径较宽,而江汉区、江岸区、武昌区处于交通发达的核心区域,距离核心区域较近的张公堤城市森林公园、武湖滨江公园、沙湖公园、东湖湿地风景区等综合型公园的服务半径足以辐射3个区域全域,故核心区域的综合型UPGS的可达性较高。

3.1.2 总体可达性

将不同类型UPGS的可达性值汇总到同一属性表中,在ArcGIS 10.4中运用字段计算器将各类可达性值进行等权重叠加,用所得的总数作为社区至UPGS的总体可达性值,将其可视化,并采用如上分位数法进行分级,得到社区至UPGS的总体可达性空间分布图层(图5)。可以发现,江岸区、江汉区、武昌区作为中心城区的核心区域,居民的UPGS总体可达性水平高于其他区域。可能原因是：2018年武汉市颁布的《武汉市城市建设绿色发展实施方案(2018—2020年)》明确了以中心城区为重点,建设15 min生活圈,完善了中心城区尤其是江汉区、江岸区、武昌区等核心区域包括UPGS在内的公共服务设施建设;东湖绿道于2016年底建成开放,成为武昌区生态用地的主要供给源地,且武汉政府近年加大对汉口江滩、武昌江滩的建设力度,二者作为条带状全市型UPGS,为江汉区、江岸区、武昌区居民提供了就近享受UPGS服务的优势。此外,武汉市自2011年起实行的工业倍增计划使得远城区成为工业建设的重要基地,青山区、汉阳区等非核心中心城区成为辅助基地,工业郊区化占用了城郊大量生态用地,武汉远城区、青山区、汉阳区等区域的UPGS的供给相对不足,UPGS可达性对中心城区尤其是非核心区域的辐射效应低;洪山区处于中心城区的边缘地区,面积较大,部分居住地邻近远城区,多呈现UPGS可达性低的现象。故武汉市中心城区UPGS总体可达性呈现以江岸区、江汉区、武昌区为核心轴向周围逐渐递减的空间形态,且与UPGS布局范围一致,即UPGS数量多、密度大的区域的社区可达性高。
图5 武汉中心城区UPGS总体可达性的空间分布

Fig.5 Spatial distribution of UPGS accessibility in central Wuhan

对各区域中不同可达性的社区数量及占比进行统计(表4)。由表4可知,江岸区、武昌区、江汉区中可达性较高和高的社区数量占比较大,分别为37.51%、34.92%、33.39%,即三者的社区的UPGS可达性相对较好;洪山区、汉阳区、青山区中可达性较低和低的社区数量占比较大,分别为59.93%、53.20%、52.57%,三者的社区的UPGS总体可达性较差;硚口区中可达性较低和低的社区数量占比46.86%,可达性介于较好和较差之间。数量分析结果与以上空间分布分析结果呈现相似的特征。
表4 各区域中不同可达性的社区数量及占比

Tab.4 The number and proportion of communities with different accessibility in each district

区域 社区总量/个 低可达性 较低可达性 中等可达性 较高可达性 高可达性
数量/个 占比/% 数量/个 占比/% 数量/个 占比/% 数量/个 占比/% 数量/个 占比/%
江岸区 893 197 22.06 139 15.57 222 24.86 241 26.98 94 10.53
江汉区 617 150 24.31 119 19.29 142 23.01 139 22.53 67 10.86
硚口区 510 117 22.94 122 23.92 111 21.76 120 23.53 40 7.84
汉阳区 594 144 24.24 172 28.96 128 21.54 123 20.70 27 4.55
武昌区 945 183 19.37 180 19.05 252 26.67 234 24.76 96 10.16
青山区 253 57 22.53 76 30.04 59 23.32 45 17.79 16 6.32
洪山区 856 376 43.93 137 16.00 155 18.11 126 14.92 62 7.25

3.2 UPGS可达性与居民社会经济条件的空间自相关性

用社区房价表征社会经济条件,由GeoDa求得社区房价与UPGS可达性之间的空间相关性。其中,二元全局莫兰指数为0.301,且通过了0.01水平的显著性检验,说明二者之间在整体上呈空间正相关关系,即社会经济条件越高,UPGS可达性越高,全局莫兰指数从整体上展现出UPGS可达性的空间不公平性;而二元局部LISA聚集图(图6)进一步展示了UPGS的空间失调性：① 高—高型社区有395个,主要位于江汉区、江岸区临江一带以及武昌区靠近长江、东湖水域地带,这些区域拥有核心区位优势,房价多在35000元/m2以上,普遍高于其他中心城区,且与汉口江滩、武昌江滩、东湖绿道等主要UPGS的距离较近,故其社区多呈现高—高型特征;② 低—低型社区数量最多,共462个,主要分布在硚口区西北部、洪山区西南角和东北边缘处以及汉阳区域内,与总体可达性低和较低的社区空间分布相似;③ 低—高型社区有351个,主要分布在硚口区与江汉区邻接处、武昌区与洪山区邻接处以及武昌区内,且多分布在高—高型社区附近,可能原因是江汉区、江岸区、武昌区等核心区域仍有大量本地居民居住在低容积率的老旧小区,这些社区房价相对较低,但因区位优势可便捷地享受到UPGS服务,故依附高—高型社区存在,呈现低—高型特征;④ 高—低型社区有58个,零星分布在汉阳区、青山区和洪山区,高—低型社区数量最少,表明武汉市高房价区域较少出现UPGS可达性差的现象。
图6 可达性与居民社会经济地位的空间自相关性

Fig.6 Spatial autocorrelation between accessibility and residents' socioeconomic status

3.3 UPGS可达性的社会公平性

通过空间自相关分析,可以看出居民社会经济条件与UPGS可达性存在较强的空间集聚特征,在此基础上,运用空间回归模型的运算进一步判定二者之间的关系。首先,在不考虑空间邻域变量的影响下进行OLS分析,结果表明：社会经济条件与UPGS可达性存在空间依赖性,且通过了0.001水平的显著性检验,因OLS适用于自变量、因变量间不存在空间相关性的情况,故此处不适合用OLS模型进行空间回归分析。然后,进行SLM和SEM分析,通过对比SLM、SEM模型的Log likelihood、SC和AIC值,可知SEM的Log likelihood值较大,SC和AIC值较小,即SEM模型具有更好的解释作用,拟合效果较好,故采用SEM模型的结果进行分析(表5)。
表5 房价对UPGS可达性影响的空间回归分析结果

Tab.5 Results of spatial regression analysis on the impact of housing price on UPGS accessibility

变量 指标 OLS结果 变量 指标 SLM结果 SEM结果
自变量 ln房价 1.325***(0.306) 自变量 ln房价 1.234***(0.303) 1.257***(0.310)
控制
变量		 ln社区人口密度 -0.358**(0.123) 控制
变量		 ln社区人口密度 -0.279*(0.122) -0.357*(0.144)
外来人口比例 -3.448***(0.656) 外来人口比例 -2.789***(0.654) -3.356***(0.776)
高教育水平人口比例 4.414***(0.583) 高教育水平人口比例 3.689***(0.584) 4.391***(0.698)
社区物业费标准 -0.194(0.217) 社区物业费标准 -0.150(0.215) -0.123(0.252)
社区建成时长 0.202***(0.039) 社区建成时长 0.169***(0.039) 0.209***(0.045)
结果
指标		 常数 -4.734*(3.027) 结果
指标		 常数 -5.334*(2.995) -4.312*(3.148)
Moran's I(error) 8.898*** 空间滞后项 67.280*** —
LM(lag) 78.542*** 空间误差项 — 65.576***
Robust LM(lag) 3.090* Log Likelihood -15067.730 -15066.9
LM(error) 76.258*** AIC 30149.8 30149.5
Robust LM(error) 0.807* SC 30201.3 30194.6
LM(SARMA) 79.348*** R2 0.851 0.855
Log Likelihood -15100.5 N 4668 4668
AIC 30215
SC 30260.2
R2 0.667
N 4468

注：*、**、***分别表示P<0.05、P<0.01和P<0.001;括号内值为标准误。

由SEM结果可知,对于控制变量,在人口特征上,UPGS可达性与社区人口密度(P<0.05)、外来人口比例(P<0.001)存在空间负相关关系,与高教育水平人口比例(P<0.001)存在空间正相关关系,说明人口稠密、外来人口较多的社区,居民至UPGS的可达性更低,而高教育水平占比较高的社区,居民至UPGS的可达性更高,这在一定程度上反映了武汉市弱势群体也面临较为严重的资源剥夺现状;在社区特征上,社区建成时长(P<0.001)与UPGS可达性存在空间正相关关系,建设年限较长的社区多位于中心城区,绿地资源较为丰富,居民拥有更高的绿地可达性,此外,社区物业费与UPGS可达性没有直接联系,这与相关研究发现一致[30]。
重要的是,房价与UPGS可达性存在空间正相关关系(P<0.001),说明房价较高的社区,居民的UPGS可达性更高,这意味着UPGS可达性存在一定的社会不公平性,会因居民社会经济条件的不同而有所差异。

4 结论与讨论

本文以武汉市中心城区为研究区域,采用大数据和新技术优化了指标数据源和分析框架,将公园质量(公园面积、ESV、游憩设施和安全条件)作为供给侧指标;同时基于多交通模式的实时路况,模拟居民真实的出行路径选择,并将不同年龄段居民对UPGS的偏好纳入考虑因素,共同作为需求侧指标。从供给、需求2个方面综合测度可达性,从局部、整体角度评估了城市公园绿地可达性的空间特征,在此基础上,运用空间自相关模型和空间回归模型分别探索可达性与居民社会经济条件间的空间公平性和社会公平性。研究发现,武汉市中心城区UPGS可达性空间分布不均衡,且与大多数研究结果相似,UPGS可达性与居民社会经济条件之间存在空间和社会不平等。
(1) 武汉中心城区各类型UPGS可达性存在一定差别：区域型、全市型和综合型UPGS可达性空间分布优于社区型;社区型、区域型、全市型UPGS的可达性的空间分布与UPGS布局范围一致,即UPGS可达性与UPGS数量成正比,而综合型UPGS可达性的空间分布与UPGS的布局无明显关系。
(2) 各类UPGS的总体可达性较高的社区主要分布在江岸区、江汉区及武昌区,总体可达性呈现以江岸区、江汉区、武昌区为核心轴向周围逐渐递减的空间形态,且与UPGS布局范围一致,即UPGS数量多、密度大的区域的社区可达性高。
(3) 由二元莫兰指数分析结果可知UPGS可达性与居民社会经济条件之间存在空间正相关关系,且低—低型、高—高型社区数量较多,UPGS可达性存在空间不平等性。
(4) SEM模型对社会经济条件与UPGS可达性间关系的拟合效果较好,其回归分析结果表明社会经济条件对UPGS可达性具有正向影响,高房价社区的UPGS可达性往往较好,武汉市中心城区UPGS可达性目前仍存在一定程度的社会不公平性。
现有研究对城市公园绿地的可达性问题做了大量探索,但多数研究只考虑单一出行模式,或认为居民只选择最近的UPGS作为日常游憩的场所,且在进行可达性计算时参照起讫点的空间直线距离而忽视真实路况,导致研究结果失真。针对这些不足,本文强调3个因素的重要性：出行方式、公园质量和社会群体偏好。第一,随着居民出行方式的多样化,距离因素对居民在UPGS选择的影响逐步减弱。第二,公园质量如生态价值、设施和安全等因素发挥至关重要的作用,人们也许更愿意前往距离相对较远但设施更完善、质量更好的UPGS。第三,不同居民在UPGS选择上存在不同的偏好,如行动不便的老年人更倾向于距离较近的UPGS,儿童和青少年则更喜欢娱乐设施丰富的、游乐空间大的UPGS,中年人更喜欢可进行基础运动的UPGS。因此,本文的贡献点在于采用大数据手段获取多交通模式下真实路况出行路径,优化了指标数据源,提升了分析的精度;通过对公园质量、出行方式、群体偏好的精细化测度,完善了G2SFCA供需指标,将UPGS面积、生态系统服务价值(ESV)、游憩设施和安全条件作为公园质量指标引入G2SFCA公式供给端(分子),将实时路况下多种交通模式下的居民真实的出行状况模拟以及不同年龄层居民对不同UPGS的选择偏好引入G2SFCA公式需求端(分母),建立了更为完善的可达性指标测度体系和分析框架,实现了分析方法的优化。此外,引入多个影响UPGS可达性的社区指标和人口指标作为控制变量,进一步论证了大城市UPGS的可达性与居民社会经济条件之间具有较强的正相关性,增加了结果的可信度。
由总体可达性空间分布结果和二元局部莫兰指数结果可知,武汉市中心城区UPGS总体可达性高的社区及高—高型、低—高型社区多位于武昌区、江岸区和江汉区等核心区域,而UPGS总体可达性低的社区及低—低型、高—低型社区多位于非核心区,UPGS可达性存在空间和社会不公平性。因此,建议城市基础设施建设在实施普适性策略的同时,也应根据不同区域、不同社会群体的具体需求采取差异化策略,未来在精细化理念下进一步优化和调控UPGS和社区的空间布局以及完善道路设施建设。具体包括：首先,在城市核心区,由于开发建设强度较大、土地价值较高,难以规划建设大面积UPGS,新增UPGS应以小面积的口袋公园、街心花园、空中花园等社区型UPGS为主,用以调节供需平衡;此外,在保障已有的各类UPGS数量的前提下,优化公园内部设施、美化环境、改善结构、增强质量,以提高吸引力和服务能力。其次,对于非核心区域,应增加UPGS的规划供给,缓解UPGS数量不足的问题;此外,合理规划道路布局,完善城市路网体系建设,加强社区与UPGS的连通性,如保障路面硬化、在主要UPGS出入口增设地铁站、公交站、天桥和快速步行道等,使非核心区的低社会经济条件的居民也能公平地享受UPGS服务。最后,在社区的空间布局规划方面,对于核心区的老旧小区及城中村,可逐步开展危旧房改造项目,以充分利用原老旧小区周边的交通和UPGS优势;此外,对于新建社区的选址,应全面评估周边交通条件和绿化水平,引导人流分布,缓解UPGS供需矛盾。总之,绿地系统规划不应只考虑核心区域,也应将规划布局重心向城市郊区倾斜,同时更加关注各类弱势群体,切实做到精准施策,以此实现环境正义目标。
由于数据可获取性的限制,本文直接用UPGS质心表示其位置,存在一定的误差性,在未来的研究中,可加强对UPGS入口数据的获取,以社区为起点、UPGS入口坐标位置为终点,进一步提高可达性分析结果的准确性;此外,公园质量特征权重和不同年龄居民需求比例均采用AHP获得,存在一定的主观性,在未来的研究中,可结合AHP和熵值法或通过问卷调查获取相关数据,使结果更具客观性。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Stewart J Q. Demographic gravitation: Evidence and applications[J]. Sociometry, 1948, 11(1/2): 31-58.

DOI

[2]
Hu S J, Song W, Li C G, et al. A multi-mode Gaussian-based two-step floating catchment area method for measuring accessibility of urban parks[J]. Cities, 2020, 105: 102815. doi: 10.1016/j.cities.2020.102815.

DOI

[3]
Chen Y, Yue W Z, la Rosa D. Which communities have better accessibility to green space? An investigation into environmental inequality using big data[J]. Landscape and Urban Planning, 2020, 204: 103919. doi: 10.1016/j.landurbplan.2020.103919.

DOI

[4]
Nesbitt L, Meitner M J, Sheppard S R J, et al. The dimensions of urban green equity: A framework for analysis[J]. Urban Forestry & Urban Greening, 2018, 34: 240-248.

[5]
Schlosberg D. Defining environmental justice: Theories, movements, and nature[M]. New York, USA: Oxford University Press, 2007.

[6]
Pereira R H M, Schwanen T, Banister D. Distributive justice and equity in transportation[J]. Transport Reviews, 2017, 37(2): 170-191.

DOI

[7]
Jian I Y, Luo J M, Chan E H W. Spatial justice in public open space planning: Accessibility and inclusivity[J]. Habitat International, 2020, 97: 102122. doi: 10.1016/j.habitatint.2020.102122.

DOI

[8]
McCormack G R, Rock M, Toohey A M, et al. Characteristics of urban parks associated with park use and physical activity: A review of qualitative research[J]. Health & Place, 2010, 16(4): 712-726.

[9]
Nesbitt L, Meitner M J, Girling C, et al. Who has access to urban vegetation? A spatial analysis of distributional green equity in 10 US cities[J]. Landscape and Urban Planning, 2019, 181: 51-79.

DOI

[10]
Shi L, Halik Ü, Abliz A, et al. Urban green space accessibility and distribution equity in an arid oasis city: Urumqi, China[J]. Forests, 2020, 11(6): 690. doi: 10.3390/f11060690.

DOI

[11]
Wu J Y, Chen H T, Wang H Y, et al. Will the opening community policy improve the equity of green accessibility and in what ways? Response based on a 2-step floating catchment area method and genetic algorithm[J]. Journal of Cleaner Production, 2020, 263: 121454. doi: 10.1016/j.jclepro.2020.121454.

DOI

[12]
许基伟, 方世明, 刘春燕. 基于G2SFCA的武汉市中心城区公园绿地空间公平性分析[J]. 资源科学, 2017, 39(3): 430-440.

[ Xu Jiwei, Fang Shiming, Liu Chunyan. Spatial equity of public green in Wuhan central districts based on gravity two-step floating catchment area method. Resources Science, 2017, 39(3): 430-440. ]

[13]
Hansen W G. How accessibility shapes land use[J]. Journal of the American Institute of Planners, 1959, 25: 73-76.

DOI

[14]
Feng S, Chen L D, Sun R H, et al. The distribution and accessibility of urban parks in Beijing, China: Implications of social equity[J]. International Journal of Environmental Research and Public Health, 2019, 16(24): 4894. doi: 10.3390/ijerph16244894.

DOI

[15]
Pearsall H, Eller J K. Locating the green space paradox: A study of gentrification and public green space accessibility in Philadelphia, Pennsylvania[J]. Landscape and Urban Planning, 2020, 195: 103708. doi: 10.1016/j.landurbplan.2019.103708.

DOI

[16]
Xie B, An Z H, Zheng Y L, et al. Healthy aging with parks: Association between park accessibility and the health status of older adults in urban China[J]. Sustainable Cities and Society, 2018, 43: 476-486.

DOI

[17]
Guo S H, Song C, Pei T, et al. Accessibility to urban parks for elderly residents: Perspectives from mobile phone data[J]. Landscape and Urban Planning, 2019, 191: 103642. doi: 10.1016/j.landurbplan.2019.103642.

DOI

[18]
Koprowska K, Kronenberg J, Kuźma I B, et al. Condemned to green? Accessibility and attractiveness of urban green spaces to people experiencing homelessness[J]. Geoforum, 2020, 113: 1-13.

DOI

[19]
Harris C D, Paul P, Young R, et al. Park access among school-age youth in the United States[J]. Journal of Physical Activity & Health, 2015, 12: 94-101.

[20]
Barbosa O, Tratalos J A, Armsworth P R, et al. Who benefits from access to green space? A case study from Sheffield, UK[J]. Landscape and Urban Planning, 2007, 83(2/3): 187-195.

DOI

[21]
Onaldson R, Ferreira S, Didier S, et al. Access to the urban national park in Cape Town: Where urban and natural environment meet[J]. Habitat International, 2016, 57: 132-142.

DOI

[22]
Ernstson H. The social production of ecosystem services: A framework for studying environmental justice and ecological complexity in urbanized landscapes[J]. Landscape and Urban Planning, 2013, 109(1): 7-17.

DOI

[23]
蒋海兵, 张文忠, 韦胜. 公共交通影响下的北京公共服务设施可达性[J]. 地理科学进展, 2017, 36(10): 1239-1249.

DOI

[ Jiang Haibing, Zhang Wenzhong, Wei Sheng. Public service facility accessibilities as influenced by public transportation in Beijing. Progress in Geography, 2017, 36(10): 1239-1249. ]

DOI

[24]
Xiao Y, Wang D, Fang J. Exploring the disparities in park access through mobile phone data: Evidence from Shanghai, China[J]. Landscape and Urban Planning, 2019, 181: 80-91.

DOI

[25]
李孟桐, 杨令宾, 魏冶. 高斯两步移动搜索法的模型研究: 以上海市绿地可达性为例[J]. 地理科学进展, 2016, 35(8): 990-996.

DOI

[ Li Mengtong, Yang Lingbin, Wei Ye. Improved Gaussian based 2-step floating catchment area method: A case study of green space accessibility in Shanghai. Progress in Geography, 2016, 35(8): 990-996. ]

DOI

[26]
任家怿, 王云. 基于改进两步移动搜索法的上海市黄浦区公园绿地空间可达性分析[J]. 地理科学进展, 2021, 40(5): 774-783.

DOI

[ Ren Jiayi, Wang Yun. Spatial accessibility of park green space in Huangpu District of Shanghai based on modified two-step floating catchment area method. Progress in Geography, 2021, 40(5): 774-783. ]

DOI

[27]
Xu M Y, Xin J, Su S L, et al. Social inequalities of park accessibility in Shenzhen, China: The role of park quality, transport modes, and hierarchical socioeconomic characteristics[J]. Journal of Transport Geography, 2017, 62: 38-50.

DOI

[28]
仝德, 孙裔煜, 谢苗苗. 基于改进高斯两步移动搜索法的深圳市公园绿地可达性评价[J]. 地理科学进展, 2021, 40(7): 1113-1126.

DOI

[ Tong De, Sun Yiyu, Xie Miaomiao. Evaluation of green space accessibility based on improved Gaussian two-step floating catchment area method: A case study of Shenzhen City, China. Progress in Geography, 2021, 40(7): 1113-1126. ]

[29]
谢双玉, 张琪, 龚箭, 等. 城市旅游景点可达性综合评价模型构建及应用: 以武汉市主城区为例[J]. 经济地理, 2019, 39(3): 232-239.

[ Xie Shuangyu, Zhang Qi, Gong Jian, et al. Construction and application of comprehensive evaluation model of the urban scenic spots accessibility: Taking downtown Wuhan as a case. Economic Geography, 2019, 39(3): 232-239. ]

[30]
余思奇, 朱喜钢, 刘风豹, 等. 社会公平视角下城市公园绿地的可达性研究: 以南京中心城区为例[J]. 现代城市研究, 2020(8): 18-25.

[ Yu Siqi, Zhu Xigang, Liu Fengbao, et al. The evaluation of accessibility to urban parks from the perspective of social justice: A case study of Nanjing. Modern Urban Research, 2020(8): 18-25. ]

[31]
杨俊, 鲍雅君, 金翠, 等. 大连城市绿地可达性对房价影响的差异性分析[J]. 地理科学, 2018, 38(12): 1952-1960.

DOI

[ Yang Jun, Bao Yajun, Jin Cui, et al. The impact of urban green space accessibility on house prices in Dalian City. Scientia Geographica Sinica, 2018, 38(12): 1952-1960. ]

DOI

[32]
Heynen N C. The scalar production of injustice within the urban forest[J]. Antipode, 2003, 35(5): 980-998.

DOI

[33]
Yun S B, Kim S, Ju S, et al. Analysis of accessibility to emergency rooms by dynamic population from mobile phone data: Geography of social inequity in South Korea[J]. PLoS One, 2020, 15(4): e0231079. doi: 10.1371/journal.pone.0231079.

DOI

[34]
Salonen M, Toivonen T. Modelling travel time in urban networks: Comparable measures for private car and public transport[J]. Journal of Transport Geography, 2013, 31: 143-153.

DOI

[35]
Tang B S, Wong K K, Tang K S, et al. Walking accessibility to neighbourhood open space in a multi-level urban environment of Hong Kong[J]. Environment and Planning B: Urban Analytics and City Science, 2021, 48(5): 1340-1356.

DOI

[36]
Wüstemann H, Kalisch D, Kolbe J. Access to urban green space and environmental inequalities in Germany[J]. Landscape and Urban Planning, 2017, 164: 124-131.

DOI

[37]
Xie B, Jiao J F, An Z H, et al. Deciphering the stroke-built environment nexus in transitional cities: Conceptual framework, empirical evidence, and implications for proactive planning intervention[J]. Cities, 2019, 94: 116-128.

DOI

[38]
van Herzele A, Wiedemann T. A monitoring tool for the provision of accessible and attractive urban green spaces[J]. Landscape and Urban Planning, 2003, 63(2): 109-126.

DOI

[39]
刘常富, 李小马, 韩东. 城市公园可达性研究: 方法与关键问题[J]. 生态学报, 2010, 30(19): 5381-5390.

[ Liu Changfu, Li Xiaoma, Han Dong. Accessibility analysis of urban parks: Methods and key issues. Acta Ecologica Sinica, 2010, 30(19): 5381-5390. ]

[40]
Tannous H O, Major M D, Furlan R. Accessibility of green spaces in a metropolitan network using space syntax to objectively evaluate the spatial locations of parks and promenades in Doha, State of Qatar[J]. Urban Forestry & Urban Greening, 2021, 58: 126892. doi: 10.1016/j.ufug.2020.126892.

[41]
Costanza R, d'Arge R, de Groot R, et al. The value of the world's ecosystem services and natural capital[J]. Ecological Economics, 1998, 25(1): 3-15.

DOI

[42]
谢高地, 甄霖, 鲁春霞, 等. 一个基于专家知识的生态系统服务价值化方法[J]. 自然资源学报, 2008, 23(5): 911-919.

[ Xie Gaodi, Zhen Lin, Lu Chunxia, et al. Expert knowledge based valuation method of ecosystem services in China. Journal of Natural Resources, 2008, 23(5): 911-919. ]

[43]
杨锁华, 胡守庚, 瞿诗进. 1990-2014年长江中游经济带生态系统服务价值时空变化特征[J]. 水土保持研究, 2018, 25(3): 164-169.

[ Yang Suohua, Hu Shougeng, Qu Shijin. Spatiotemporal dynamics of ecosystem service value in middle Yangtze River economic region from 1990 to 2014. Research of Soil and Water Conservation, 2018, 25(3): 164-169. ]

[44]
黄隆杨, 刘胜华, 方莹, 等. 基于“质量-风险-需求”框架的武汉市生态安全格局构建[J]. 应用生态学报, 2019, 30(2): 615-626.

[ Huang Longyang, Liu Shenghua, Fang Ying, et al. Construction of Wuhan's ecological security pattern under the "quality-risk-requirement" framework. Chinese Journal of Applied Ecology, 2019, 30(2): 615-626. ]

DOI PMID

[45]
Zhang J G, Cheng Y Y, Li H Y, et al. Deciphering the changes in residential exposure to green spaces: The case of a rapidly urbanizing metropolitan region[J]. Building and Environment, 2021, 188: 107508. doi: 10.1016/j.buildenv.2020.107508.

DOI

[46]
张璨, 方世明. 山水资源型城镇的生态安全格局构建研究: 以武汉市黄陂区为例[J]. 长江流域资源与环境, 2020, 29(8): 1835-1845.

[ Zhang Can, Fang Shiming. A study on the construction of ecological security pattern of towns rich in mountain and water resources: Taking Huangpi District of Wuhan City as an example. Resources and Environment in the Yangtze Basin, 2020, 29(8): 1835-1845. ]

[47]
智晓慧, 陈玉兰, 张伦宁. 基于AHP的Yaahp软件对自动驾驶农机项目应用的效益评价[J]. 南方农机, 2021, 52(14): 21-23, 34.

[ Zhi Xiaohui, Chen Yulan, Zhang Lunning. Benefit evaluation of application of Yaahp software based on AHP to automatic driving agricultural machinery projects. China Southern Agricultural Machinery, 2021, 52(14): 21-23, 34. ]

[48]
Kaczynski A T, Potwarka L R, Saelens B E. Association of park size, distance, and features with physical activity in neighborhood parks[J]. American Journal of Public Health, 2008, 98(8): 1451-1456.

DOI PMID

[49]
Giles-Corti B, Broomhall M H, Knuiman M, et al. Increasing walking: How important is distance to, attractiveness, and size of public open space?[J]. American Journal of Preventive Medicine, 2005, 28(2): 169-176.

[50]
王子琳, 方世明. 基于SE-DEA的国家公园管理效能评估: 以十个国家公园体制试点为例[J]. 山地学报, 2020, 38(1): 93-104.

[ Wang Zilin, Fang Shiming. Evaluation of national park management effectiveness based on SE-DEA: A case study of ten national parks system. Mountain Research, 2020, 38(1): 93-104. ]

[51]
陈万旭, 刘志玲, 李江风, 等. 长江中游城市群生态系统服务和城镇化之间的空间关系研究[J]. 生态学报, 2020, 40(15): 5137-5150.

[ Chen Wanxu, Liu Zhiling, Li Jiangfeng, et al. Mapping the spatial relationship between ecosystem services and urbanization in the middle reaches of the Yangtze River Urban Agglomerations. Acta Ecologica Sinica, 2020, 40(15): 5137-5150. ]

[52]
Shanahan D F, Bush R, Gaston K J, et al. Health benefits from nature experiences depend on dose[J]. Scientific Reports, 2016, 6: 28551. doi: 10.1038/srep28551.

DOI

[53]
何格, 肖扬, 吴蓉, 等. 社会公平视角下广州市城市公园可达性研究[J]. 风景园林, 2020, 27(1): 90-96.

[ He Ge, Xiao Yang, Wu Rong, et al. Study on urban park accessibility in Guangzhou from the perspective of social equity. Landscape Architecture, 2020, 27(1): 90-96. ]

[54]
Anselin L. Spatial econometrics: Methods and models[M]. Dordrecht, Netherlands: Springer, 1988.

[55]
Zhang Y, Liu Y F, Zhang Y, et al. On the spatial relationship between ecosystem services and urbanization: A case study in Wuhan, China[J]. Science of the Total Environment, 2018, 637/638: 780-790.

DOI

[56]
Chi G Q, Zhu J. Spatial regression models for demographic analysis[J]. Population Research and Policy Review, 2008, 27(1): 17-42.

DOI

[57]
Anselin L, Rey S J. Modern spatial econometrics in practice: A guide to GeoDa, GeoDaSpace and PySAL[M]. Chicago, USA: GeoDa Press LLC, 2014.

[58]
Anselin L. A test for spatial autocorrelation in seemingly unrelated regressions[J]. Economics Letters, 1988, 28(4): 335-341.

DOI

Options
Outlines

/

〈 〉