2. 江苏智慧城市研究基地, 南京 210093
2. Smart City Research Base of Jiangsu, Nanjing 210093, China
城市“蓝绿空间”是城市“蓝色空间”和“绿色空间”的统称[1],指城市居民居住地与活动地周边水体与绿地空间共同构成的复合生态系统[2]。高品质的蓝绿空间作为一种城市公共产品,其公平合理的配置已然成为人民美好生活的迫切需求之一。而城市蓝绿空间品质的相关研究也日益成为地理科学、环境科学以及城乡规划等学科的关注焦点[3-5]。已有研究表明,城市蓝绿空间资源在空间分配上存在不公平现象,蓝绿空间品质在不同收入、种族、年龄、性别等群体中呈现差异[6, 7]。社会地位及经济收入处于弱势的群体往往接触蓝绿空间的程度相对较低,并且蓝绿空间对此群体产生的健康效益影响又更为显著[8]。由于居民的社会经济水平在社区层面有一定的区分,因此众多研究开始关注蓝绿空间的社区分异现象。但既有关于不同类型社区居民的蓝绿空间品质差异研究主要分析不同收入居民接触蓝绿空间品质的公平性问题,较少将不同社区类型与不同收入水平居民的蓝绿空间品质交叉讨论[9, 10]。同时,既有研究多基于社区缓冲区范围评估蓝绿空间,较少对比居民活动路径中的蓝绿空间接触品质[11],也缺乏对居民活动空间内蓝色空间和绿色空间品质的分别测度。
本文以南京市中心城区为研究范围,以居住分异现象为切入点,选择五类社区中不同收入层次的居民作为研究对象,考察居民的居住地、工作地、其他日常活动地点以及活动路径上的蓝色空间和绿色空间品质,进而分析蓝绿空间品质对居民环境感知的影响机制,以期促进以居民需求和使用为导向的蓝绿空间格局优化。
2 相关研究进展 2.1 城市蓝绿空间概念既有研究一般将城市蓝绿空间看成一个复合生态系统,由城市绿地、水体等组成城市生态空间网络,构成城市整体生态骨架[12]。近年来有学者指出蓝色空间的生态和健康效益与绿色空间有所差别,需要对二者的环境品质进行区分[13]。本文将城市蓝绿空间细分为城市蓝色空间和城市绿色空间,其中城市蓝色空间包括城区内所有自然及人工水域,如河流、湖泊、水库等;城市绿色空间包括城区内植被覆盖区域,如风景林地、综合公园、游园等。蓝色空间具有调节气候、蓄排水、维持生物多样性等生态价值[14],而绿色空间具有降低噪音、净化空气、涵养水源等生态效益。研究表明,城市蓝绿空间还能够帮助居民恢复精力、缓解压力[15]。因此,研究城市蓝绿空间对于改善城市景观品质和提升公众健康水平具有指导意义。
2.2 不同类型社区居民的蓝绿空间品质研究进展随着西方民权运动兴起,学者们开始关注社会阶层及居住分异引起的城市蓝绿空间品质的不均衡布局问题[16]。部分学者借助问卷调查、回归分析等手段研究了城市居民的社会经济属性与其对住区周围绿地使用感受的关系。Balram等发现加拿大蒙特利尔市中高收入中年受访者对住区周边绿地关注度更高,使用参与度也更强[17]。也有研究将重点放在因种族、收入、年龄、性别、残障或居住分异产生的绿色空间分配不公现象上,如低收入人群遭受的绿色空间剥夺、“环境绅士化”等问题[6, 18]。曾文等发现南京市保障房居民无法获得充分的蓝绿空间资源,或普遍对可接触的蓝绿空间满意度较低[19]。
此外,居民接触蓝绿空间的相关研究主要聚焦于社区邻里单元范围[20]。然而Kwan等学者提出“不确定地理学语境问题”,认为居民很可能在邻里单元之外的空间长时间活动,研究居住地附近的绿色空间暴露并不能完全反映真实暴露状况[21]。国内有学者对居民出行路径上的绿色空间暴露进行研究[22],但目前对居民长时间停留的非居住地以及出行路径周边的蓝绿空间研究仍相对匮乏。近年来,机器学习等新兴技术的出现为分析居民出行路径周边的蓝绿空间品质打开了新视角。叶宇等对谷歌街景图像进行机器学习识别,计算新加坡街道绿视率,并与遥感解译的绿地率进行比较,发现两测量值之间的差异,指出绿地率难以准确体现居民日常生活中绿化接触度[23],启发后续研究将两种尺度的度量方法结合。
2.3 蓝绿空间评价指标体系研究进展已有研究在城市尺度上对蓝绿空间品质开展了较多评价工作。针对绿色空间,在20世纪80年代至本世纪初,常用“人均公共绿地面积”、“绿地率”、“绿化覆盖率”三大绿地指标评价绿地资源配置。后有学者提出“绿色三维量”[24]、“各类生态设施分布均匀度”[25]、“景观可达性”[26]等指标,来反映绿色空间在城市中的分布格局。2010年以来,学者从服务能力的角度对绿色空间进行系统评估[27],提出“社区见园比”等指标。蓝色空间的评价研究相对欠缺且滞后于绿色空间,王如松等[28]提出了以蓝色资源、蓝色环境、蓝色生境、蓝色景观和蓝色安全五个要素评价宏观区域内蓝色空间服务功能。
目前,学界在社区尺度对蓝绿空间展开的评价主要集中于绿色空间,对蓝色空间的度量相对单一。国外学者大多采取结构化评分,评价内容包括绿色空间内健身设施、便利设施、自然景观等的数量与质量[29]。国内研究则主要利用遥感解译和街景数据对绿色空间进行客观评价。如陈涛等采用景观格局指数评价上海多个社区的绿色空间格局[30]。陈玉洁等采用归一化植被指数、归一化水指数、社区周边道路绿视率等综合评价社区蓝绿空间数量[31]。杨文越等[32]提出以人本视角,在居民生活社区及缓冲区内采用绿地服务重叠度、绿视率、居民绿地使用满意度等指标评价城市绿地服务水平。王菁[33]等关注沿蓝色空间分布的可活动滨水空间,采用可达性、设施适配度及亲水程度等指标对滨水空间进行观测评价。
既有研究多针对蓝色或绿色空间之一评价,较少在社区尺度提出较为丰富的蓝绿空间复合度量指标。本文基于人本视角,从空间接触品质、景观生态品质、健康服务品质三个维度,以居民活动点和活动路径为评价范围搭建蓝绿空间品质评价框架。
3 研究方法与数据处理 3.1 研究方法首先运用描述统计方法,采用归一化计算各类群体接触城市蓝绿空间品质指标的均值,初步认识不同社区类型及收入水平受访者接触的蓝绿空间品质差异。然后,采用Kruskal-Wallis及Steel-Dwass检验各类社区间居民享受的蓝绿空间品质是否存在显著差异。最后,采取二元逻辑回归模型分析蓝绿空间品质对居民环境感知的影响机制(图 1)。
本文将蓝色空间品质划分为空间接触及景观生态品质,将绿色空间品质划分为空间接触、景观生态和健康服务品质(表 1)。空间接触品质主要评价受访者活动范围内的蓝绿空间可接触度,景观生态品质主要评价受访者活动范围内的蓝绿空间景观格局,健康服务多样性品质评价受访者活动范围内蓝绿空间健康服务POI的多样性。因蓝色空间与周边绿色空间POI数据差异不大,只计算绿色空间指标。指标的测度范围为受访者的活动路径与活动点周边区域。
本文选取南京市中心城区为研究范围,总面积约1334 km2(图 2)。研究区蓝绿空间资源丰富,在平原或多丘陵的长江中下游城市中具有一定的代表性。同时,南京中心城区经历了从传统时期到计划经济时期再到改革开放时期以及新时代的社会经济结构变迁,形成了五类典型社区——传统社区、单位小区、城中村、商品房和保障房[36],为本文研究不同类型社区居民的蓝绿空间品质提供支撑。
绿色空间数据来自高分一号遥感影像,利用归一化植被指数(NDVI)对其进行解译计算,并参考《城市绿地分类标准(CJJ/T85-2017)》,根据绿地服务规模及研究区绿地分布格局对绿地类型进行筛选合并,共分为风景林地、综合公园、专类公园以及游园四大类,其中游园指除前三类外相对独立的绿地,包括社区公园、居住区绿地与完整的道路带状绿地等。研究区蓝色空间数据来自Landsat-8遥感影像,通过归一化水指数(NDWI)进行解译计算并按服务规模将蓝色空间分为江、湖、河、其他共四大类(图 3)。
本文调研的五类社区特征差异鲜明。传统社区以历史街坊为主,商业居住功能混杂,居民职业构成复杂;单位小区一般由企事业机构自行筹建,自设公服设施,居民职业构成单一;商品房此处主要指商品住宅,开发商面向不同收入群体建设不同档次的住宅社区或进行混合开发,总体而言居民构成较为多样;保障房由政府向低收入居民提供,一般位于城市外围,服务设施配套较不足;城中村则是农村向城市演替过程中,农村聚落被城市建设用地包围所形成的特殊社区,是流动人口聚居区,功能混杂。
根据社区类型、房价特征、空间分布的均衡性和五类社区的实际数量比例,最终确定35个小区进行随机抽样问卷调查(见图 4,传统社区3个,单位小区4个,商品房18个,保障房5个,城中村5个)。于2018年3—6月共收回有效答卷429份。受访者在收入、年龄、性别方面基本均衡。
依据《关于调整南京市城市低收入中等偏下收入住房困难家庭收入认定标准的通知(2019)》,以家庭月人均可支配收入低于3953元为南京低收入人群的判断标准。根据2019年南京城镇人均可支配收入64372元/年[37],按3人/户计算,规定家庭月人均可支配收入>3953元且家庭年均收入≤20万元的为中等收入人群,家庭年均收入>20万元为高收入人群。
将受访者活动点与活动路径的缓冲区视作受访者活动空间。成人步行速度一般为60—100 m/min[38],取舒适的步行速度60 m/min,以15 min步行距离即900 m作为活动点缓冲半径;由于居民在日常通勤或休闲娱乐的路径上不会有过多逗留,故以5 min步行距离即300 m作为活动路径缓冲半径(图 5、图 6)。
基于居民活动范围及蓝绿空间数据可直接计算得出水体率、绿地率、可达性、景观多样性指数及景观破碎度指数。结合多方开源数据(表 2)进一步计算得出绿视率、健康服务多样性、绿色空间使用活跃度等指标。
问卷调查中男性受访者239人,女性190人。各社区类型及收入水平受访者数量如表 3所示,保障房和城中村居民以低收入人群为主,商品房高收入居民比例较高。
在蓝色空间接触品质方面,传统社区居民活动空间周边水体可达性及活动路径周边水体率最高,商品房次之;城中村居民活动点周边水体率最高;单位小区居民活动点周边水体可达性相对较好,保障房小区居民蓝色空间接触品质整体较低。对比不同收入群体,高收入群体在其活动空间内拥有更好的蓝色空间可达性;中低收入群体活动空间内的蓝色空间可达性较低,但接触的水体率较高(图 7)。
在绿色空间接触品质方面,单位小区居民活动空间内的整体品质较好;保障房和商品房次之;传统社区和城中村绿色空间接触品质相对较差。高收入群体绿色空间接触品质整体较好;中、低收入群体绿色空间接触品质相对较差,中等收入群体活动点周边绿色空间可达性好,低收入群体活动空间内绿地率较高。
4.1.2 五类社区居民蓝绿空间的景观生态品质比较在蓝色空间景观生态品质方面,传统社区居民活动空间内的景观多样性最好,但景观相对破碎;商品房居民活动点周边景观多样性较差,活动路径周边景观较破碎;单位小区居民活动点周边景观多样性较好,但活动路径周边较差,活动空间内景观较为连续;城中村居民活动空间内景观生态品质在几类社区中处于中位;保障房居民活动空间内景观多样性较低,但景观最为连续。对比不同收入群体,低收入群体活动点周边的景观多样性更好,中等收入群体活动路径周边景观多样性更好,高收入群体活动点周边景观更为连续(图 8)。
在绿色空间景观生态品质方面,传统社区居民活动点周边景观多样性较高,而活动路径周边较低;商品房居民活动点周边景观最破碎;单位小区居民活动路径周边景观多样性最好,但活动点周边多样性较差,活动空间内景观破碎度较低;城中村居民活动空间内绿色景观生态品质在几类社区中处于中位;保障房居民活动空间内景观多样性较差,但景观较为连续。不同收入群体的绿色空间景观生态品质差异与蓝色空间类似。
4.1.3 五类社区居民蓝绿空间的健康服务品质比较传统社区居民的绿色空间健康服务水平普遍较高,其次为城中村、商品房。单位小区及保障房居民的绿色空间健康服务水平相对较低。中等收入的居民的健康服务水平最高,高收入居民次之,低收入居民最低(图 9)。
对不同社区的蓝绿空间品质进行Kruskal-Wallis检验,结果表明,整体上五类社区蓝绿空间品质存在显著差异。采用Steel-Dwass方法对五类社区进行两两组别的显著性差异检验。
4.2.1 五类社区居民蓝色空间品质差异水体率和景观破碎度是主要的蓝色空间显著差异指标(表 4)。具体而言,单位小区与保障房、商品房的显著性差异体现在水体率和景观破碎度;单位小区与传统社区之间的显著性差异主要为水体率;单位小区与城中村的显著性差异体现在水体率和景观多样性。传统社区与其他社区的显著性差异与单位小区类似。商品房和城中村的显著性差异主要为景观破碎度。活动点周边的水体率和景观破碎度在各类社区间有显著差异;活动路径周边的水体最近距离、景观多样性和景观破碎度在部分社区间有显著差异。
绿地率、绿地景观多样性和健康服务多样性是主要的绿色空间显著差异指标(表 5)。具体而言,单位小区与保障房、商品房和传统社区的显著性差异体现在绿地率、景观多样性和健康服务多样性;单位小区与城中村的显著差异主要为健康服务多样性。保障房和商品房的绿色空间显著差异主要为景观多样性;保障房与传统社区的显著差异主要为绿地率、景观多样性和景观破碎度;保障房与城中村的显著差异主要为绿地率、使用活跃度、健康服务多样性等。商品房与传统社区的健康服务多样性差异显著;商品房与城中村的景观多样性和健康服务多样性差异显著。活动点周边的绿地率和健康服务多样性、活动路径周边的健康服务多样性在各类社区间有显著差异,其他指标则在部分社区间显著。
选取《南京市居住环境与居民健康调查问卷(2018年3月—6月)》中五个环境感知调研数据作为因变量,居住社区类型、收入水平、年龄、性别、学历、蓝绿空间指标作为自变量,建立五个逻辑回归模型。环境感知测量包括“绿色空间的质量满意度”、“绿色空间的可达性满意度”、“户外活动的交通安全感”、“户外活动的治安安全感”以及“社区归属感”。采用李克特量表,1分为完全不满意,5分为非常满意。将五个变量重分类为二元变量,大于3分赋值为1,小于等于3分赋值为0。
结果表明,在控制了社区类型、收入和其他个人属性因素的影响后,蓝色空间和绿色空间测量指标分别对居民的环境感知有显著影响;相比活动点,活动路径周围的蓝绿空间品质对居民环境感知的影响更为广泛;近年来热议的绿视率指标对居民环境感知并无显著影响(表 6)。
具体而言,活动点缓冲区蓝色空间景观破碎度对治安安全感有显著正向影响;而活动路径周围的水体率和景观多样性对环境感知有显著负向影响;活动路径周围的蓝色空间距离越近,交通安全感越高。这说明蓝色空间的存在可能是必要的,但不宜过多或面积过大,小尺度亲水性好的蓝色空间设计可能更适宜居民生活。活动点缓冲区的绿地率对居民的环境感知有显著正向影响,但活动点的绿色空间景观多样性对居民归属感有显著负向影响;活动路径周围的绿地率对居民交通安全感有显著正向影响,但活动路径周围的景观多样性对绿色空间满意度有显著负向影响,活动路径周围的景观破碎度对居民交通安全感有显著正向影响。这说明绿色空间的整体占比对居民的环境感知有积极意义,而多类型的绿色空间宏观布局并不能显著提升居民的环境满意度。
5 结论与讨论 5.1 主要结论总体而言,不同社区居民接触的蓝绿空间品质差异显著,同时蓝绿空间品质对居民环境感知存在一定影响。
(1)不同类型社区居民活动空间内,蓝绿空间的空间接触品质、景观生态品质及健康服务品质均呈现出显著差异,各类社区居民的蓝绿空间品质优势不尽相同(表 7)。
(2)在控制了社区类型、收入和其他个人属性因素的影响后,蓝色空间的存在对居民环境感知的提升有一定积极作用,但分布不宜过多或面积过大。提高绿色空间整体占比对居民的环境感知有积极意义,但较高的绿色空间景观多样性并不能显著提升居民的环境满意度。此外,相比活动点,活动路径周围的蓝绿空间品质对居民环境感知的影响更为广泛;而绿视率指标对居民环境感知无显著影响。
5.2 讨论与展望历史变迁与城镇化、住房政策、房地产市场等社会经济因素深刻影响着城市各类社区的形成、分布,进而影响社区周边的配套设施建设乃至居民所享有的蓝绿空间品质。传统社区建成年代久远,内部绿化率远不及新建小区,加之传统社区集中于老城,建筑密度较高,绿色空间多呈碎片化的街头绿地,但老城较为成熟的商业配套也使得传统社区附近公园绿地的健康服务业态更为多元。且老城水系类型丰富,传统社区居民活动空间内的蓝色空间景观多样性自然较高。由于人为的建设和干扰,老城内蓝色空间的景观斑块也更为破碎。此外,住房政策与市场也是影响蓝绿空间品质差异的主要因素。
基于上述分析,本文提出以居民使用需求为导向的蓝绿空间格局优化建议。①在人口密集的旧城区,依托历史文化街区的更新,整合可改造的用地,增加社区公园、游园、街边口袋公园、微绿地等开放绿地的建设,着重提升绿地品质。新城及城郊则尤其要增强绿色空间可进入性、可游性,因地制宜结合城郊农业以及城市双修项目建设都市农业公园、矿山公园等功能多元,具有生态、经济、健康等综合效益的绿色空间。②老城区沿江沿河区域结合道路更新设计,恢复水体连通性及滨水步行可达性。新城区人工水系的设计建设中尤需注重亲人的尺度,提高驳岸形式的亲水性以及滨水活动的丰富度,营造人性化的蓝绿空间公共场所。③活动路径周边的蓝绿空间能够更广泛地影响居民环境感知,因此在规划设计中需特别关注城市道路两侧绿地游园及河道的品质均衡性。
[1] |
杜红玉. 特大型城市"蓝绿空间"冷岛效应及其影响因素研究[D]. 上海: 华东师范大学, 2018: 4-5. [Du Hongyu. The Cool Island Effect of Urban Blue-Green Spaces and Impact Factors in Mega City: A Case Study of Shanghai[D]. Shanghai: East China Normal University, 2018: 4-5.]
|
[2] |
谢慧. 城市边缘区蓝绿空间规划与建设研究[D]. 北京: 北京林业大学, 2017: 14-15. [Xie Hui. Blue-green Spaces in Urban Fringe Planning and Construction Research: A Case Study of Baiteng Lake in Doumen District of Zhuhai City[D]. Beijing: Beijing Forestry University, 2017: 14-15.]
|
[3] |
杨朝斌, 张亭, 胡长涛, 等. 蓝绿空间冷岛效应时空变化及其影响因素——以苏州市为例[J]. 长江流域资源与环境, 2021, 30(3): 677-688. [Yang Chaobin, Zhang Ting, Hu Changtao, et al. Spatial-temporal characteristics of the cooling island for blue-green space and its driving factors in Suzhou, China[J]. Resources and Environment in the Yangtze Basin, 2021, 30(3): 677-688.] |
[4] |
成雅田, 吴昌广. 基于局地气候优化的城市蓝绿空间规划途径研究进展[J]. 应用生态学报, 2020, 31(11): 3935-3945. [Cheng Yatian, Wu Changguang. Planning approach of urban blue-green space based on local climate optimization: A review[J]. Chinese Journal of Applied Ecology, 2020, 31(11): 3935-3945. DOI:10.13287/j.1001-9332.202011.014] |
[5] |
陈竞姝. 韧性城市理论下河流蓝绿空间融合策略研究[J]. 规划师, 2020, 36(14): 5-10. [Chen Jingshu. Spatial planning strategies of blue and green river space integration from urban resilience viewpoint[J]. Planners, 2020, 36(14): 5-10. DOI:10.3969/j.issn.1006-0022.2020.14.002] |
[6] |
Wolch J R, Byrneb J, Newell J P. Urban green space, public health, and environmental justice: The challenge of making cities 'just green enough'[J]. Landscape and Urban Planning, 2014, 125: 234-244. DOI:10.1016/j.landurbplan.2014.01.017 |
[7] |
Wheeler B W, White M, Stahl-Timmins W, et al. Does living by the coast improve health and wellbeing?[J]. Health & Place, 2012, 18(5): 1198-1201. |
[8] |
White M P, Alcock I, Wheeler B W, et al. Coastal proximity, health and well-being: Results from a longitudinal panel survey[J]. Health & Place, 2013, 23: 97-103. |
[9] |
Rigolon A. A complex landscape of inequity in access to urban parks: A literature review[J]. Landscape and Urban Planning, 2016, 153: 160-169. DOI:10.1016/j.landurbplan.2016.05.017 |
[10] |
Jennings V, Browning M, Rigolon A. Urban green space at the nexus of environmental justice and health equity[M]//Jennings V, Browning M, Rigolon A. Urban Green Spaces: Public Health and Sustainability in the United States. Springer, Cham, 2019: 47-69.
|
[11] |
吴健生, 司梦林, 李卫锋. 供需平衡视角下的城市公园绿地空间公平性分析——以深圳市福田区为例[J]. 应用生态学报, 2016, 27(9): 2831-2838. [Wu Jiansheng, Si Menglin, Li Weifeng. Spatial equity analysis of urban green space from the perspective of balance between supply and demand: A case study of Futian District, Shenzhen, China[J]. Chinese Journal of Applied Ecology, 2016, 27(9): 2831-2838. DOI:10.13287/j.1001-9332.201609.011] |
[12] |
吴岩, 贺旭生, 杨玲. 国土空间规划体系背景下市县级蓝绿空间系统专项规划的编制构想[J]. 风景园林, 2020, 27(1): 30-34. [Wu Yan, He Xusheng, Yang Ling. Compilation conception of city and county level blue-green space system specialized planning under national territory spatial planning system[J]. Landscape Architecture, 2020, 27(1): 30-34.] |
[13] |
Daniel Nutsford, Amber L. Pearson, Simon Kingham, et al. Residential exposure to visible blue space (but not green space) associated with lower psychological distress in a capital city[J]. Health & Place, 2016, 39: 70-78. |
[14] |
周雯. 基于生态基础设施的台州市"蓝色空间"格局与功能研究[D]. 杭州: 浙江大学, 2012: 24-25. [Zhou Wen. Research on the Optimization of the Taizhou "Blue Space" Pattern and Function Based on Ecological Infrastructure[D]. Hangzhou: Zhejiang University, 2012: 24-25.]
|
[15] |
Marco Helbich, Yao Yao, Ye Liu, et al. Using deep learning to examine street view green and blue spaces and their associations with geriatric depression in Beijing, China[J]. Environment International, 2019, 126: 107-117. DOI:10.1016/j.envint.2019.02.013 |
[16] |
叶林, 邢忠, 颜文涛, 等. 趋近正义的城市绿色空间规划途径探讨[J]. 城市规划学刊, 2018(3): 57-64. [Ye Lin, Xing Zhong, Yan Wentao, et al. Urban greenspace planning to achieve social justice[J]. Urban Planning Forum, 2018(3): 57-64.] |
[17] |
Balram S, Dragićević S. Attitudes toward urban green spaces: Integrating questionnaire survey and collaborative GIS techniques to improve attitude measurements[J]. Landscape and Urban Planning, 2005, 71(2-4): 147-162. DOI:10.1016/S0169-2046(04)00052-0 |
[18] |
Checker M. Wiped out by the "greenwave": Environmental gentrification and the paradoxical politics of urban sustainability[J]. City & Society, 2011, 23(2): 210-229. |
[19] |
曾文, 向梨丽, 张小林. 南京市社区服务设施可达性的空间格局与低收入社区空间剥夺研究[J]. 人文地理, 2017, 32(1): 73-81. [Zeng Wen, Xiang Lili, Zhang Xiaolin. Research in spatial pattern of accessibility to community service facilities and spatial deprivation of low income community in Nanjing[J]. Human Geography, 2017, 32(1): 73-81.] |
[20] |
Riva M, Gauvin L, Apparicio P, et al. Disentangling the relative influence of built and socioeconomic environments on walking: The contribution of areas homogenous along exposures of interest[J]. Journal of End-to-End-testing, 2009, 69(9): 1296-1305. |
[21] |
Kwan M P. The uncertain geographic context problem[J]. Annals of the Association of American Geographers, 2012, 102(5): 958-968. |
[22] |
李智轩, 何仲禹, 张一鸣, 等. 绿色环境暴露对居民心理健康的影响研究——以南京为例[J]. 地理科学进展, 2020, 39(5): 779-791. [Li Zhixuan, He Zhongyu, Zhang Yiming, et al. Impact of greenspace exposure on residents' mental health: A case study of Nanjing city[J]. Progress in Geography, 2020, 39(5): 779-791.] |
[23] |
叶宇, 张灵珠, 颜文涛, 等. 街道绿化品质的人本视角测度框架——基于百度街景数据和机器学习的大规模分析[J]. 风景园林, 2018, 25(8): 24-29. [Ye Yu, Zhang Lingzhu, Yan Wentao, et al. Measuring street greening quality from humanistic perspective: A large-scale analysis based on Baidu street view images and machine learning algorithms[J]. Landscape Architecture, 2018, 25(8): 24-29.] |
[24] |
刘立民, 刘明. 绿量——城市绿化评估的新概念[J]. 中国园林, 2000(5): 32-34. [Liu Limin, Liu ming. Green quantity: A new concept of urban greening assessment[J]. Journal of Chinese Landscape Architecture, 2000(5): 32-34.] |
[25] |
刘云国, 刘加利, 张慧智, 等. 城市绿地规划指标体系研究——以岳阳市为例[J]. 湖南大学学报(自然科学版), 2004(1): 71-74. [Liu Yunguo, Liu Jiali, Zhang Huizhi, et al. Study on the index system in urban green space planning: Take Yueyang city for example[J]. Journal of Hunan University (Natural Science), 2004(1): 71-74.] |
[26] |
俞孔坚, 段铁武, 李迪华, 等. 景观可达性作为衡量城市绿地系统功能指标的评价方法与案例[J]. 城市规划, 1999(8): 7-10, 42, 63. [Yu Kongjian, Duan Tiewu, Li Dihua, et al. Landscape accessibility as a measurement of the function of urban green system[J]. City Planning Review, 1999(8): 7-10, 42, 63.] |
[27] |
梁颢严, 肖荣波, 廖远涛. 基于服务能力的公园绿地空间分布合理性评价[J]. 中国园林, 2010, 26(9): 15-19. [Liang Haoyan, Xiao Rongbo, Liao Yuantao. Evaluation of reasonable city parks distribution based on service ability[J]. Chinese Landscape Architecture, 2010, 26(9): 15-19.] |
[28] |
王如松, 胡聆, 王祥荣, 等. 城市生态服务[M]. 北京: 气象出版社, 2004: 89-110. [Wang Rusong, Hu Ling, Wang Xiangrong, et al. Urban Eco-service[M]. Beijing: China Meteorological Press, 2004: 89-110.]
|
[29] |
Gidlow C J, Ellis N J, Bostock S. Development of the neighbourhood green space tool (NGST)[J]. Landscape and Urban Planning, 2012, 106(4): 347-358. |
[30] |
陈涛, 李志刚, 车生泉. 上海市社区绿地空间格局调查及对比分析——以瑞金社区, 莘城社区, 方松社区为例[J]. 上海交通大学学报(农业科学版), 2014, 32(6): 52-57. [Chen Tao, Li Zhigang, Che Shengquan. Survey and comparative analysis on green space pattern of urban community in Shanghai: Case from Ruijin, Xincheng, and Fangsong Community[J]. Journal of Shanghai Jiaotong University (Agricultural Science), 2014, 32(6): 52-57.] |
[31] |
陈玉洁, 袁媛, 周钰荃, 等. 蓝绿空间暴露对老年人健康的邻里影响——以广州市为例[J]. 地理科学, 2020, 40(10): 1679-1687. [Chen Yujie, Yuan Yuan, Zhou Yuquan, et al. The neighborhood effect of exposure to green and blue space on the elderly's health: A case study of Guangzhou, China[J]. Scientia Geographica Sinica, 2020, 40(10): 1679-1687.] |
[32] |
杨文越, 李昕, 叶昌东. 城市绿地系统规划评价指标体系构建研究[J]. 规划师, 2019, 35(9): 71-76. [Yang Wenyue, Li Xin, Ye Changdong. Evaluation index system for urban green system planning[J]. Planners, 2019, 35(9): 71-76.] |
[33] |
王菁, 王雪松, 覃琳, 等. 基于SD法的重庆滨水空间活力评价研究[J]. 重庆建筑, 2019, 18(1): 28-31. [Wang Jing, Wang Xuesong, Qin Lin, et al. Research on evaluation of spatial vitality of waterfront spaces in Chongqing based on SD method[J]. Chongqing Architecture, 2019, 18(1): 28-31.] |
[34] |
陆丽珍, 詹远增, 叶艳妹, 等. 基于土地利用空间格局的区域生态系统健康评价——以舟山岛为例[J]. 生态学报, 2010, 30(1): 245-252. [Lu Lizhen, Zhan Yuanzeng, Ye Yanmei, et al. Regional ecosystem health assessment based on land use pattern: A case of study of Zhoushan Island[J]. Acta Ecologica Sinica, 2010, 30(1): 245-252.] |
[35] |
张明. 榆林地区脆弱生态环境的景观格局与演化研究[J]. 地理研究, 2000(1): 30-36. [Zhang Ming. A study on the landscape pattern and differentiation of fragile environment in Yulin Prefecture[J]. Geographical Research, 2000(1): 30-36.] |
[36] |
吴启焰, 崔功豪. 南京市居住空间分异特征及其形成机制[J]. 城市规划, 1999, 23(12): 23-26, 35-60. [Wu Qiyan, Cui Gonghao. The differential characteristics of residential space in Nanjing and its mechanism[J]. City Planning Review, 1999, 23(12): 23-26, 35-60.] |
[37] |
南京市统计局. 南京市2019年国民经济和社会发展统计公报[EB/OL]. (2020-04-13)[2021-11-05]. http://tjj.nanjing.gov.cn/bmfw/njsj/202201/t20220107_3256241.html. [Nanjing Bureau of Statistics. Nanjing 2019 Statistical Bulletin of National Economic and Social Development[EB/OL]. (2020-04-13)[2021-11-05]. http://tjj.nanjing.gov.cn/bmfw/njsj/202201/t20220107_3256241.html.]
|
[38] |
Li J, Yuan L, Liu R. Research on the Influence of Subjective Characteristics of Xi'an Community on Resident Satisfaction: Based on the Perspective of the Life Circle[C]//2020 International Conference on Management, Economy and Law (ICMEL 2020). Dordrecht, The Netherlands: Atlantis Press, 2020: 353-358.
|