【论文分享】城市绿化、混合土地利用与生活满意度之间的关系：利用遥感数据和深度学习进行研究

文摘 2024-09-11 17:41 上海

本次给大家带来一篇SCI论文的全文翻译！该论文采用深度学习方法结合高分辨率卫星影像和土地使用数据，以获取居民邻里的不同绿地类型的分布，并检验其对生活满意度的影响。

-----------欢迎大家关注公众号----------

【论文题目】

The relationship between urban greenery, mixed land use and life satisfaction: An examination using remote sensing data and deep learning

【题目翻译】

城市绿化、混合土地利用与生活满意度之间的关系：利用遥感数据和深度学习进行研究

【期刊信息】

Landscape and Urban Planning；Volume 251, November 2024, 105174

【作者信息】

Sebastian Bahr，伯尔尼大学，Fabrikstrasse 8，3012 伯尔尼，瑞士，

sebastian.bahr@unibe.ch

【论文链接】

https://doi.org/10.1016/j.landurbplan.2024.105174

【关键词】

生活满意度、城市绿化、邻里绿化、混合土地使用、深度学习语义分割、卫星图像、瑞士、生活满意度、城市绿化、邻里绿化、混合土地使用、深度学习语义分割、卫星图像、瑞士

【本文亮点】

关于瑞士的生活满意度，只有65岁以上的居民似乎从城市绿化中受益
公园和花园中的树木和草地是这种积极关系的主要推动因素
土地使用混合度的增加仅与年轻人的生活满意度正相关

【摘要】

大多数欧洲人居住在城市地区。由于人为的空气和噪音污染，以及拥挤，城市居民的福祉和生活满意度较低。文献表明，绿化城市空间可以帮助减轻这些对生活满意度的负面影响。本研究采用深度学习方法结合高分辨率卫星影像和土地使用数据，以获取居民邻里的不同绿地类型的分布，并检验其对生活满意度的影响。此外，研究还探讨了混合城市土地使用与生活满意度之间的不确定关系。在这两种情况下，研究都考虑了不同年龄组的异质性效应。实证结果揭示，在瑞士：（1）只有年长居民的生活满意度受到更绿化邻里的正面影响；（2）位于花园和公园中的树木和草地是这种效应的主要驱动因素；（3）土地使用混合与生活满意度之间的正相关关系随着年龄的增加而减少，对于年长个体没有发现相关性。这些发现为未来瑞士及其他欧洲国家的城市规划提供了实践意义，并强调在这一过程中考虑邻里年龄分布的重要性，以最大化城市绿化和混合土地使用对居民生活满意度的积极影响。

【引言】

全球人口的增长导致了城市人口的显著增加。1960年，只有34%的全球人口居住在城市中，而到2022年，这一比例几乎翻倍，达到了57%。世界银行（2023）预测，这一趋势将继续，预计到2050年，城市人口将达到70%。欧洲联盟已达到了这一水平，2022年有75%的人口居住在城市化地区。研究表明，城市地区已成为心理困扰的中心（Dye, 2008; Sundquist, Frank, & Sundquist, 2004），这部分原因是人们与其进化所依赖的自然环境脱节（Kaplan & Kaplan, 1989; Wilson, 1984）。由于城市人口的增长及这些地区对人类的负面影响，城市规划在维持居民的心理和身体健康方面变得越来越重要。欧洲委员会（2020）及其欧盟生物多样性战略2030也认识到这一点，旨在推动对绿色基础设施的投资以及将健康生态系统、绿色基础设施和基于自然的解决方案系统性地融入城市规划中。这些努力得到了大量文献的支持，研究表明，居住在更绿化的城市环境中的人们往往拥有更好的健康和更高的幸福感（例如，参见Hartig, Mitchell, De Vries, & Frumkin, 2014; Reyes-Riveros et al., 2021; Yang et al., 2021的综述）。然而，城市空间的有限性以及各种利益相关者的不同土地使用目标使城市规划决策复杂化，并对有限的城市绿地造成压力。

除了减少空气和水污染、交通噪音和拥堵等各种城市规划目标外，建设以人为本的智能城市在过去也得到了越来越多的推动。因此，智能城市已成为规划宜居城市的重要维度之一，与城市绿化一起进行规划。新城市主义运动（Garde, 2020）倡导的这一概念提倡高混合的不同土地使用类型的社区。住宅区与工作场所、杂货店、公共交通、商业、教育、健康、休闲、体育和文化设施的接近性创造了大量便利设施，减少了居民的通勤需求，并倾向于提高居民的满意度（Dong & Qin, 2017; Mouratidis, 2018）。

如今，城市绿化和混合土地使用社区在设计宜居和智能增长城市中扮演着重要角色。虽然许多研究已经探讨了城市绿化与幸福感之间的关系，但关于如何测量城市绿地空间仍没有一致的意见。尽管已经使用了多种方法来进行测量，但对绿地空间的全面操作化仍然是正确估计其对居民幸福感影响的必要条件。早期研究（Ambrey & Fleming, 2014; Bertram & Rehdanz, 2015; Krekel, Kolbe, & Wüstemann, 2016; White, Alcock, Wheeler, & Depledge, 2013）依赖于土地使用数据，而较新的研究（Kwon et al., 2021; Taylor, Hahs, & Hochuli, 2018; Tsurumi, Imauji, & Managi, 2018）转向使用遥感影像，通过计算归一化植被指数（NDVI）来测量绿地，这种指数衡量植被的数量和活力。深度学习的出现以及街道级影像的获取便利导致了越来越多的研究使用街道级影像结合分割模型来量化城市绿化（例如，参见Seiferling, Naik, Ratti, & Proulx, 2017; Stubbings, Peskett, Rowe, & Arribas-Bel, 2019），其中一些研究还利用它来检验与居民生活满意度的关系（Wu, Chen, Yun, Wang, & Gong, 2022; Wu, Tan, Wang, & Chen, 2023）。我认为，前述方法存在显著局限性，并建议一种将深度学习与公开获取的高分辨率卫星影像和土地使用数据相结合的程序。这种方法提供了对城市绿地类型分布的非常详细且空间上细粒度的测量。

本文的贡献有四方面。首先，通过提供一种新的城市绿化测量方法，为城市规划领域作出了贡献。它使学者和城市规划者能够从广泛的绿地类型中进行选择，并在研究中使用这些类型。第二，通过使用提出的测量方法，并在瑞士的案例研究中解开城市绿化与居民生活满意度之间的关联，为文献贡献了新的内容，分析了九种不同的绿地类型。由于建议的方法允许轻松获取任何选定区域内的绿地类型比例，因此分析了瑞士所有人口密集的地区，这个国家的三分之二人口生活在城市化地区，但缺乏全面的证据。第三，一些研究表明，城市绿化组件的偏好因年龄而异。这些研究表明，年轻人更重视可以用于体育活动或与他人见面的绿地，而年长者则更重视可以放松、陪伴孩子和享受自然的绿地（Chiesura, 2004; Kabisch & Haase, 2014）。本文通过在城市绿化与生活满意度之间的关联中考虑异质性年龄子组效应，承认了这些发现。提供的证据指示城市规划者在考虑邻里年龄分布的情况下，哪些类型的绿地最有希望得到推广，以提升居民的生活满意度。第四，尽管以人为本的智能社区是宜居和可持续城市的重要支柱，但只有有限数量的研究考察了混合土地使用社区与居民生活满意度之间的关系。本研究旨在进一步提供关于这一关系的证据。

【文献综述】

2.1. 生活满意度与城市绿地

自我报告的主观幸福感是一种综合工具，用于评估绿地对受访者生活的影响，并在越来越多的研究中被用作幸福感的代理指标（例如，参见Bertram & Rehdanz, 2015；MacKerron & Mourato, 2013；Tsurumi, Imauji, & Managi, 2018；White等, 2013）。由于它表明了人们对自己生活的整体满意度，因此通常被认为与幸福或生活满意度同义（Diener, Oishi, & Lucas, 2003）。

以往的研究已经确定了城市绿化与幸福感之间关联的三种主要机制。首先，绿地带来了环境效益，例如减少人为噪音（Gaudon, McTavish, Hamberg, Cray, & Murphy, 2022）、空气污染（Nowak, Hirabayashi, Doyle, McGovern, & Pasher, 2018；Selmi等, 2016）和热岛效应（Aram, Higueras García, Solgi, & Mansournia, 2019），这些都有助于改善生活体验和提高幸福感。其次，公园或休闲区等公共绿地鼓励居民进行体育活动和社会互动（Akpinar, 2016）。来自香港的证据表明，即使是街道绿化也能促进身体活动和骑行行为（Lu, 2019；Lu, Yang, Sun, & Gou, 2019）。这可以带来更好的健康状况和更高的幸福感水平。第三，自然环境可以通过提供心理逃避来帮助放松，从而减少精神压力，这在澳大利亚（Shanahan等, 2016）、英国（White等, 2013）和荷兰（De Vries, Verheij, Groenewegen, & Spreeuwenberg, 2003；Maas等, 2009；Van Den Berg, Maas, Verheij, & Groenewegen, 2010）的研究中都有所体现。

现有研究主要考察了绿地的可用性（例如，参见Ambrey & Fleming, 2014；Bertram & Rehdanz, 2015；Kley & Dovbishchuk, 2021；Krekel等, 2016；White等, 2013；Wu, Tan, Wang, & Chen, 2023）或绿地与居民主观幸福感之间的距离（例如，参见Bertram & Rehdanz, 2015；Fleming, Manning, & Ambrey, 2016；Krekel等, 2016；Wu, Chen, Yun, Wang, & Gong, 2022）在围绕居民家的预定义缓冲区内的关系。这些研究的大多数发现了绿地与城市背景下的主观幸福感之间的正相关关系。然而，在北京的一些研究中，没有发现与城市公园距离与更高生活满意度之间有任何关联的证据（Ma, Dong, Chen, & Zhang, 2018；Wu等, 2022），而对六个国家的33个城市的分析也未发现绿地覆盖率与居民主观幸福感之间有任何关联（Brown, Oueslati, & Silva, 2016）。

以往的研究采用了不同的方法来测量城市绿化。然而，我认为它们存在显著的局限性。Bertram 和Rehdanz (2015)、Olsen 等(2019) 和 Krekel 等(2016) 使用了欧洲城市地图集，该地图集包含了欧洲所有超过50,000名居民的城市化地区的土地使用数据，最小制图单元为0.25公顷。其缺点是没有关于居民人数少于50,000的地区的数据，并且由于分辨率适中，数据不包含私人或小型绿地的信息，如花园、游乐场或树冠。然而，这些小型绿地可能提供便利设施，并可能对幸福感产生积极影响。因此，它们是分析中不可忽视的重要部分。使用NDVI评估绿地覆盖率很简单；然而，前提是输入图像必须包含近红外波段。大多数研究（例如，Kwon等, 2021；Taylor等, 2018）使用Landsat 8卫星图像，因为它包含了计算NDVI所需的所有色带。然而，这些数据的分辨率仅为每像素30米。Li, Saphores和Gillespie (2015) 提供的证据表明，分辨率很重要，通过中等（30米）和高（0.6米）分辨率的卫星图像测量的树冠覆盖率和草地的经济效益之间的相关性较弱。Tsurumi等(2018)通过使用QuickBird卫星图像评估高分辨率（每像素0.61米）的NDVI扩展了相关文献。他们将图像像素的NDVI分数与其所在的土地使用类型（如住宅区、公园或路边）相结合。然后，这一测量方法用于研究东京的绿地与幸福感之间的关联。他们发现，只有住宅区和沿道路的城市绿化与幸福感呈正相关，而公园或公共设施中的绿地则没有，这令人惊讶。使用NDVI评估城市绿地的主要局限性在于它是在低分辨率下测量的，可以通过使用QuickBird图像来克服。然而，该任务在2015年结束，目前没有可用的最新高分辨率数据。此外，NDVI测量的是植物的数量和活力，但无法区分不同的植被类型，如草地、草坪或树木。这个问题只能通过添加有关图像像素所在土地使用类型的信息来部分解决。例如，在公园内一个NDVI分数较高的像素无法区分是属于树木还是草地。

然而，有一系列文献表明，在城市绿化对居民生活满意度的影响中，这些细微差别很重要（Ayala-Azcarraga, Diaz, & Zambrano, 2019；Syrbe等, 2021；Wu等, 2023）。墨西哥城的证据表明，树木的普遍存在是影响公园利用的一个重要因素。此外，树木的高度和鸟类的歌声与公园游客的幸福感相关联（Ayala-Azcarraga等, 2019）。在两个捷克城市和一个德国城市的研究中发现，居民更喜欢自然（维护程度较低）的绿地，这些绿地应有安全、清洁和可通行的路径（Syrbe等, 2021）。这些发现强调了在研究绿地对居民幸福感的影响时，不仅要考虑绿地的比例和邻近性，还要考虑其组成。城市绿化的组成通常通过调查数据来衡量，这种方法的缺点是生成成本高，研究区域较小，且易受调查偏差的影响。最近在北京进行的一项案例研究（Wu等, 2023）表明，城市绿地的数量（可用性、可达性）和质量（吸引力、自然美学）对幸福感有不同的影响。研究发现，相比于数量维度，吸引力和自然美学的关系更加显著，表明在评估城市绿地与生活满意度的关系时，绿地的质量非常重要。该研究采用了一种手动评分系统来确定绿地的吸引力和自然美学。这包括对200张街景图像进行评分，然后训练一个深度学习分割模型来预测其余街景图像中的这些特征。将城市绿地细分为其组成部分，如树木、树篱和草地，并通过应用分割模型来评估其质量，是一种有前途的方法。然而，需要注意的是，街景数据与高分辨率卫星数据相比存在一些局限性。这是因为街景数据仅限于街道相邻区域，通常忽略了住宅区的绿地。此外，在城市环境中，建筑物或其他植被，如树冠或树篱，可能会遮挡其背后的绿地。Tong等(2020)通过展示在住宅区和工业区内通过街景图像和卫星图像测量的绿化之间的弱相关性支持了这一观点。此外，街景图像不提供有关植被区域大小的信息，而这是研究城市绿化与主观幸福感之间关系的重要决定因素（Krekel等, 2016；Tsurumi等, 2018）。

这项研究提出了一种新颖的方法来测量城市绿地的各个组成部分及其与居民生活满意度的关联。该方法基于已有证据（Ayala-Azcárraga et al., 2019; Syrbe et al., 2021; Wu et al., 2023），这些证据表明这些组成部分的评估和使用存在差异，可能导致对生活满意度的异质性影响。研究采用高分辨率且公开可用的卫星影像，并结合深度学习语义分割模型，以提取九种不同的城市绿地组成部分。这一过程使得研究能够考虑绿地的比例和类型，并全面回答了问题（Q1）：位于可步行到达的城市社区中的不同类型的城市绿地是否对瑞士城市地区居民的生活满意度具有异质性影响。

2.2. 生活满意度与混合土地利用

城市环境对居民主观幸福感的影响不仅仅通过城市绿化来实现，邻里中获得各种商品和便利设施的机会也至关重要。混合土地利用的社区通常包括各种商店、企业和服务设施。从理论上讲，一个能够提供多样化服务（如教育、日常用品供应、公共服务、文化和美食活动、体育和娱乐）的社区环境应该能够提高该地区的宜居性，并对居民的主观幸福感产生积极影响。这种影响源于更强的社会凝聚力、更多的社会参与、经济活力和更好的可达性，特别是对老年人来说更为重要。虽然文献中对城市绿地与主观幸福感之间关系的研究较多，但针对混合土地利用与居民主观幸福感关系的研究相对有限。北京（Dong & Qin, 2017）和加拿大新斯科舍省（McCarthy & Habib, 2018）进行的案例研究未能发现混合土地利用对居民幸福感的直接影响。相反，来自明尼苏达州明尼阿波利斯-圣保罗的证据表明，更大程度的土地利用类型混合带来了更好的可达性，但也增加了因拥挤、噪音和污染带来的不便。研究发现，可达性与生活满意度呈正相关，而不便则呈负相关，最终导致总效应不显著（Cao, 2016）。Guo et al. (2021) 的研究发现，土地利用混合对主观幸福感没有直接影响。然而，调解分析显示，香港社区的感知适龄性和社区感在这一关系中起到了调解作用。进一步的来自中国（北京）的证据通过计算一个地区的土地利用熵来操作化混合土地利用，表明更高的混合度不仅与居民的生活满意度呈正相关，而且这种关系在绿地更多的地区更加显著（Wu et al., 2022）。欧洲的证据则有所不同。一项在66个欧洲城市进行的研究显示，连续城市结构（至少80%的建筑覆盖率）覆盖面积与居民主观幸福感之间存在微弱的负相关关系。然而，研究未能找到土地覆盖多样性或均衡性与主观幸福感之间的证据（Olsen et al., 2019）。相反，来自挪威奥斯陆的结果表明，地区内咖啡馆、餐馆和酒吧的数量通过促进居民扩大社交网络和更频繁的社交互动，积极影响了居民对其人际关系的满意度（Mouratidis, 2018）。由于混合土地利用对居民主观幸福感的影响在实证上尚不确定，本研究旨在通过回答以下问题来进一步探讨这一关系：在瑞士，居民的生活满意度是否与步行可达社区内更高的土地利用混合度呈正相关？

2.3. 异质性年龄效应

人们的偏好会随着人生阶段的变化而改变，居民对城市绿地的偏好也不例外。Syrbe等人（2021）的研究发现，居住在德国德累斯顿和两个捷克城市的老年人更倾向于公园，而中年居民则更欣赏森林和游乐场。这与之前来自柏林（Kabisch & Haase, 2014）和阿姆斯特丹（Chiesura, 2004）的研究结果一致，这些研究表明，年轻群体主要为了娱乐目的访问绿地，包括运动、日光浴和社交聚会。相比之下，老年人则更倾向于寻找能够提供放松和欣赏自然的环境。在丹麦，年轻人更看重利用绿地进行社交聚会。然而，对于所有年龄段的人来说，访问绿地的最常见原因是“享受天气和呼吸新鲜空气”。与其他研究不同的是，在年轻群体中，放松和缓解压力是访问城市绿地的更普遍的原因（Schipperijn et al., 2010）。在德国和瑞士巴塞尔进行的一系列研究中，研究了城市绿地和不同年龄组之间的交互效应对居民生活满意度的影响。这两项研究的结果都表明，绿地对老年人群的生活满意度有更显著的影响（Jeong et al., 2022; Krekel et al., 2016）。本研究通过探讨年龄与不同类型的城市绿地之间的交互作用，进一步扩展了现有文献，并回答了以下问题（Q3）：不同类型的城市绿地与生活满意度之间的关联是否存在年龄组之间的异质性效应？

【方法】

3.1. 研究区域

瑞士位于欧洲中心，阿尔卑斯山和汝拉山覆盖了该国70%的面积。其余的30%由瑞士高原地区组成，该地区从日内瓦湖延伸至圣加仑和博登湖，容纳了瑞士三分之二的人口。该地区的人口密度中等到高，每平方公里约有400名居民。由于联邦制，瑞士有许多小型和中型的市镇（联邦外交部，2023年）。Eurostat（2018年）开发的DEGURA分类法，由瑞士联邦统计局采纳，将区域定义为城市中心的标准是：人口密度至少为每平方公里1500人，且人口总数至少为50,000人。然而，瑞士只有十个城市的人口超过50,000人，使用这一分类法会限制研究区域，影响研究的普遍性。由于本研究旨在考察城市绿地和混合土地使用对生活满意度的影响，在密集建成和城市化的背景下，我认为人口密度是这些区域的主要特征，而人口规模则不那么重要。因此，本研究采用了调整版的DEGURA分类法，将分析范围限定在每平方公里人口密度达到1500人的邮政编码区域。

3.2. 数据

3.2.1. 居民生活满意度

本研究采用主观幸福感的方法来确保与先前研究的可比性，并评估建筑环境对居民整体生活的影响。与其他研究一样，本研究中主观幸福感和生活满意度这两个术语可以互换使用。居民生活满意度的数据来自于2021年和2022年的瑞士家庭面板调查第23波（个体层面的回应率为77%）。在调查中，生活满意度通过11点李克特量表进行测量，问题是：“总的来说，您对自己的生活满意吗？如果0表示完全不满意，10表示完全满意。”家庭采用分层随机抽样的方式选择，尽可能地对16岁及以上的家庭成员进行访谈。共有11,890名年龄在20至85岁之间的个体，分布在7,816个家庭中，回答了生活满意度的问题。在将样本限制为高度城市化的邮政编码，并排除任何控制变量缺失的记录后，最终样本包括2,755名个体，这些个体分布在1,867个家庭中，涵盖了57个城市的206个邮政编码。调查家庭的空间分布如图1所示。正如预期，大多数被调查家庭位于人口稠密的瑞士高原地区。受访者的平均生活满意度值为7.94（标准差 = 1.46）。为了获取与绿地和混合土地使用相关的邻里特征，数据中加入了家庭的精确地理位置。

3.2.2. 城市绿地

为了测量绿地覆盖率，本研究使用了结合深度学习语义分割模型的卫星图像。每个家庭的邻里环境创建了一个 1260 米× 1260 米的瓦片，以家庭为中心，这大约对应于 10 分钟的步行距离。每个瓦片代表感兴趣的区域（邻里），并被分割成九个子瓦片（见图 2A）。对于每个子瓦片，从 Google Static Maps API 抓取了一张 1024 × 1024 像素（每像素0.42 米）的卫星图像（见图 2B）。语义分割模型可以将图像分成不同类别。在本研究中，这种方法允许在卫星图像上检测多达八种不同的地面覆盖类型（见图 2C），从而能够区分不同类型的绿地覆盖。语义分割模型的一个优势是其预测主要基于对象的结构和形状，而非颜色，这使得模型对颜色的饱和度和亮度变化（如卫星图像采集时的光照条件或季节变化）具有较强的鲁棒性。该模型在公开可用的 OpenEarthMap 数据集（Xia et al., 2022）上进行了训练。该数据集包含大约5000 张高分辨率卫星图像，并带有手动注释的 8 类地面覆盖标签，覆盖44 个国家的 97 个地区，具有很高的泛化能力，可用于全球范围的任务。所有图像被分割成 512 × 512 像素的子图像，以减少计算负荷。由于数据集中某些图像缺少注释，该过程产生了 9278 张图像，其中 39% 来自发达国家，61% 来自发展中国家。数据随机分为五个折叠（见图 2E），以评估模型在不同数据上的性能，并更好地了解性能在不同数据集上的变化。在第一步中，使用 U-Net 架构（Ronneberger et al., 2015）和 Efficient Net B4 编码器（Tan & Le, 2020）训练了语义分割模型，训练在NVIDIA GeForce RTX 3090 上进行。在编码器部分，U-Net 通过减少高度和宽度、增加特征图的深度来压缩输入图像中的信息。解码器尝试根据这些信息上采样和重建输入图像。然而，解码器并不是输出像素的 RGB 值，而是预测其所属的分割类别（见图 2D）。在训练过程中，模型学习将以下八类地面覆盖分配给输入的卫星图像：裸土、牧草地（草地、灌木丛、花园和公园）、树木、农田、道路、开发区（人行道、停车场或其他铺装区域）、建筑物和水体。测试时增强（TTA）用于提高模型的泛化性能。由于该模型用于在瑞士进行预测，因此只对来自发达国家的图像进行了评估。如图 2E 所示，模型的最佳超参数在数据集 1 上进行了评估。这个超参数集用于训练其余四个数据集（2-5）上的四个独立的 U-Net。每个模型在 4/5 的数据上训练，并在 1/5 的数据上评估。模型达到了平均像素准确率 95% ± 1%。然而，由于某些地面覆盖类别比其他类别更常见，准确率作为性能指标对常见类别的性能有所偏倚。诸如交并比（IoU）或F1 分数等指标对类别不平衡的影响较小。尽管如此，模型的良好性能由 F1 分数0.766 ± 0.01（范围从 0 到1，数值越高越好）和 IoU 0.691 ± 0.01（范围从0 到 1，0.5 被认为是好的）证实。模型性能的详细概述见补充材料中的表 S1。由于所有五个模型在略有不同的数据上训练，它们可能学到不同的模式，将它们组合成一个模型集成应能提高预测的泛化能力。因此，模型集成将卫星图像的每个像素分配到八个地面覆盖类别之一。然而，这种方法只能区分三种城市绿地类型（树木、草地和农田）。然而，公园或花园中的草地或树木与道路旁的野生草地或树冠的效果不同。因此，这三种绿地覆盖类型与 OpenStreetMap（OSM）提供的免费土地使用数据进行匹配，以实现更详细的区分。这允许更精细地回答第一个研究问题（Q1）。在现有的三种类别中，创建了九个新类别，通过根据土地使用对地面覆盖进行区分。例如，森林中的树木被重新编码为“树木森林”，而公园或花园中的树木被编码为“树木公园 & 花园”。创建了以下九个类别：树木森林、树木公园 & 花园、其他树木、草地花园& 公园、草地休闲、草地游乐场、其他草地、 allotments、其他农业（见表 1 了解其组成）。为了避免与地面覆盖和土地使用术语混淆，以下将这些类别称为绿色土地类型。由于分析区域在所有观察到的家庭中大小相同，因此可以在邻里之间比较每个绿色土地类型的覆盖率。绿色土地类型 i 的覆盖率 Ci 通过将邻里瓦片中绿色土地类型 i 的像素数除以该瓦片中的总像素数来计算（公式 (1)）。覆盖率范围从0 到 1，作为分析中的外生变量使用。表 S2（补充材料）包含了所有绿色土地类型变量的分布描述。

图1. 样本位置图。圆圈的大小与样本量成比例。样本量从Sierre的2人到苏黎世的569人不等，平均为48人。一个圆圈表示一个独立的邮政编码区域，或者表示一个城市中的多个邮政编码区域。所有邮政编码区域的人口密度至少为每平方公里1500人。

图2. 卫星图像采样过程、示例输入和输出图像、模型架构以及训练过程。A展示了一个1260 m × 1260 m的邻里区域，分成9个子区域，每个子区域为420 m × 420 m，由1024 × 1024像素组成。B 显示了大小为512 × 512像素的示例卫星图像，该图像作为输入提供给分割模型。C 展示了基于输入图像预测的土地覆盖类别。红色表示建筑物，灰色表示开发空间，白色表示道路，浅绿色表示草地，深绿色表示树木，蓝色表示水体。D概述了U-Net架构及特征图的大小。绿色部分代表编码器，它将输入图像压缩到一个较低的维度空间（512 × 512 × 3 → 16 × 16 × 1792）。解码器以蓝色显示，负责将压缩的图像上采样到输入图像的大小，并预测分割类别，而不是RGB值。E 概述了训练、验证和测试过程。模型在4/5的数据上进行训练，并在剩余部分进行验证或测试。这有助于更好地了解模型的泛化能力。（有关图例中颜色的解释，请参阅本文的在线版本。）

3.2.3. 混合土地使用

为了研究混合土地使用对居民生活满意度的影响，本研究从开放街图（OSM）中获取了居民邻里环境的172种土地使用类别，并将这些类别归入五个更广泛的类别，基于它们为居民提供的服务或设施，包括住宅、商业或杂货、娱乐、公共服务以及烹饪、文化和事件（CCE）类别。因此，创建的土地使用类别既包括绿色区域，也包括建设用地区域。详细的分类过程见表S3（补充材料）。文献建议了多种测量混合土地使用的方法（Song, Merlin, & Rodriguez, 2013），例如特定土地使用类型的比例、不同土地使用类型的相对比例（熵值）、两个土地使用类型之间的交互作用（暴露指数）、土地使用多样性（Atkinson或Herfindahl-Hirschman指数）或两个不同土地使用类别的均匀度（Gini指数）。每种度量方法提供了对土地使用混合的不同视角。然而，本研究选择了熵值度量方法，因为这种方法可以同时考虑多种土地使用类别。此外，熵值对土地使用类型的比例是对称的。因此，50/30/20的分布和30/20/50的分布会产生相同的熵值分数。熵值可以同时测量土地使用类别的均匀度和多样性，并且仅当所有k类均匀分布时，其值才达到最大值1（Song et al., 2013）。熵值的计算公式如公式（2）所示，其中Pj是调查的家庭邻里中某一土地使用类别j的百分比或比例。比例是通过计算居民邻里中被特定土地使用类别覆盖的像素数量来测量的。这一过程适用于所有五种土地使用类型（住宅、商业或杂货、娱乐、公共服务和CCE）。k=5是考虑的土地使用类别的数量。

表 1：土地类型的组成

调查对象居住在平均熵值为0.7（标准差=0.15）的社区中。为简便起见，以下部分将熵值称为混合土地使用。

3.2.4. 混杂变量

城市绿地、土地使用混合与生活满意度之间的关系直接和间接受到个体、家庭和邻里层面的多种因素的影响。由于家庭不是随机分配到其所在的邻里，而是直接或间接地自我选择进入这些邻里，自我选择的问题可能会导致虚假的相关性。通过在统计模型中纳入混杂变量并对其进行控制，可以解决这个问题，前提是没有未观察到的异质性。例如，财富较高的家庭有财力搬到更绿色和更有活力的邻里。此外，个体和家庭对邻里环境的偏好各不相同。年轻人更喜欢充满活力和建筑密集的环境，而有孩子的家庭则更关注公共服务，如学校和游乐场。另一方面，老年人由于健康问题可能行动受限，更倾向于住在靠近绿地的区域。不同的偏好和财务约束很可能导致特定个体选择进入更绿色和更有活力的邻里。由于家庭收入和有无孩子也与生活满意度相关（Ambrey & Fleming, 2014; Krekel et al., 2016; Wu et al., 2022），它们作为混杂变量必须加以控制。由于文献表明城市绿地对不同年龄组的生活满意度有异质效应，年龄变量被划分为四个类别。每个组代表不同的生活阶段，并且理论上会导致相似的绿地偏好。这些类别包括：年轻成人（20-29岁）、中年成人（30-49岁，可能与子女同住）、老年成人（50-65岁，子女可能已搬出）和老年人（65岁以上）。如住宅类型（公寓或独立住宅）、住房所有权、居民邮政编码的密度、到市中心的距离以及住宅所在的语言区（法语、意大利语或德语）等混杂变量也可能与居民邻里的绿地面积或土地使用混合相关。这些混杂变量理论上也会影响生活满意度，文献中对其中一些变量已有确认（Ambrey & Fleming, 2014; Krekel et al., 2016; Wu et al., 2022）。因此，分析中控制了这些混杂变量。此外，还考虑了性别、婚姻状况、教育和职业等控制变量。

3.2.5. 统计建模方法

分析的单元是个体，而个体聚集在家庭中。因此，所有分析都应用了基于家庭层级的集群稳健标准误差。然而，可以提出一个观点，家庭在城市中存在嵌套关系，生活满意度在城市之间差异很大，这会倾向于使用多级模型。然而，数据并不支持这一点。城市层级仅解释了总方差的2%，因此使用普通最小二乘回归方法并配合集群稳健标准误差是合适的。通过这种方法，可以估计绿地和土地使用混合变量（外生变量）对生活满意度（内生变量）的直接影响，同时考虑混杂变量。模型可以如公式 (3) 所示进行表述，其中 LSi 表示生活满意度的陈述水平，LTi 表示邻里中绿色土地类型的比例或土地使用熵，Xi 包括受访者的所有个体层级特征，Zi包含所有家庭特征，Vi 包含所有邻里特征。公式(4) 描述了绿色土地类型或土地使用熵（LTi）与年龄（Agei）之间的交互效应的建模方法。由于绿色土地类型“园林绿地树木”与“园林绿地草地”之间的相关性很高（r = 0.93），因此，绿色土地类型中的树木、草地和农业相关类别将独立分析，以避免多重共线性。

为了说明混合土地使用和年龄对生活满意度的交互效应（见图 4），使用了随机森林机器学习模型（Breiman, 2001），该模型使用了与模型 6（表 2）中包含的变量相同的数据。与线性回归相比，随机森林的优势在于其能够建模非线性模式而不会导致数据过拟合。类似于从回归模型中获取条件期望值，拟合的随机森林模型可以用来预测在选定的 Xi 值和控制变量 Ci 条件下的内生变量Yi。随机森林是一组不相关的决策树的集成。决策树尝试通过变量值划分数据，从而形成最均匀的子群体，即具有相似 Y 值的组。这个过程会重复进行，直到达到一定的均匀性水平。所有相关文件可在 GitHub 仓库中获取：https://github.com/sebastianbahr/urban-environment-CH](https://github.com/sebastianbahr/urban-environment-CH)。

【结果】

模型1（表2）旨在探讨一般绿色空间与生活满意度之间是否存在关联。因此，创建了一个包含所有与树木和草地相关的土地类型的加性指数。然而，模型 1 表明步行可达的城市绿地与居民生活满意度之间没有关系。文献中指出，不同年龄组对城市绿地的不同设施有不同的重视。因此，模型 2（表2）引入了交互效应来建模不同年龄组的异质效应。分析显示，城市绿地与生活满意度之间的关联在不同年龄组之间有所不同。然而，只有 65 岁以上的个体的效应显著地比参考类别（20-29 岁）更为积极。为了更好地理解哪些城市绿地的组成部分对生活满意度有影响，并回答研究问题 Q1，模型3 至 5（表 2）对树木、草地和农业相关土地类型进行了单独检验。值得注意的是，没有一种位于步行可达的绿色空间的类型与 20 至29 岁年龄段居民的生活满意度显著相关。唯一的例外是位于指定之外土地使用类别中的草地，与这一年龄组的生活满意度呈负相关。相比之下，对于 65 岁以上的个体，位于花园和公园中的树木和草地与生活满意度呈正相关（模型 3 和4）。图 3 提供了对总效应（主效应 + 交互效应）的更直观理解。图中显示，只有在 65 岁及以上的年龄组中，花园和公园中的树木增加一个标准差与生活满意度显著增加 0.137 个标准差相关。对于花园和公园中的草地也是如此。对于最年长的年龄组，这种绿色土地类型的一个标准差的增加与生活满意度的 0.240 个标准差的增加相关。相反，游乐场中的草地增加会降低老年人的生活满意度。模型 4（表2）表明，与指定绿色土地类型之外的草地的负面效应（β = -0.200）相比，50-65 岁和65 岁以上的年龄类别的负面效应较小，甚至可能是正面的。然而，如图 3 所示，总效应与零没有显著差异。在 30-49 岁年龄组中，农业用地（非菜园）与生活满意度的正相关性比负相关性更明显，与参考年龄组相比（模型 5 表2）。尽管如此，该年龄组居民的总效应与零没有显著差异（β = 0.043，SE = 0.032）。

图 3. 不同城市绿地类型对居民生活满意度的标准化影响，按年龄类别划分（缓冲区1260 米）。菱形表示当绿地类型增加一个标准差时，生活满意度的变化（以标准差为单位）。显示的值是绿地类型与分类年龄变量之间的交互作用的主要效果，当相应的年龄组被设为参考类别时。与表2 中的模型 3 和模型4 类似，使用线性 OLS 模型进行估计。（有关颜色参考的解释，请参阅本文的网页版本。）

图 4. 基于混合土地使用与年龄的交互效应预测的生活满意度值。浅绿色线条表示年轻年龄组，黑色线条表示老年年龄组。x轴上的条形图显示了混合土地使用的分布量化。预测是通过使用随机森林机器学习模型进行的（超参数：估计器= 1000，最大深度 = 10）。所示的预测生活满意度值基于 1000 种不同的年龄和混合土地使用组合。（有关颜色参考的解释，请参阅本文的网页版本。）

下一步评估了混合土地使用与生活满意度之间的关系。如果不对异质年龄组效应进行建模，则混合土地使用与生活满意度无关（β = 0.012, SE = 0.021）。使用之前采用的年龄类别时也是如此。显然，年龄分类所造成的信息丧失阻碍了年龄与混合土地使用之间交互作用的准确捕捉。因此，在交互作用中采用了连续的年龄变量。混合土地使用的系数表示混合土地使用对生活满意度的影响在年龄为零时的值。由于样本中没有零岁观察值，并且为了允许更有意义和稳健的效果估计和解释，年龄被设定为 25 岁。因此，在步行可达的邻里中，混合土地使用增加一个标准差会使 25 岁居民的生活满意度增加 0.079 个标准差（表2 中的模型 6）。通过将年龄分为 5 年和10 年的区间来重复估计该效果，结果与之前的发现没有实质性变化。混合土地使用与年龄的负交互效应表明，随着年龄的增加，两者之间的正相关关系减弱。该交互作用在图 4 中以图形形式表示。彩色线条展示了在特定年龄下，根据混合土地使用程度预测的生活满意度值。浅绿色线条表示年轻人的预测值，而深黑色线条表示老年人的预测值。可以看出，混合土地使用的增加与年轻居民的预测生活满意度值较高相关。相反，在老年阶段，不同的混合土地使用值对预测生活满意度的影响保持不变。

来自北京的最新证据显示，混合土地使用与城市绿化之间存在正向交互效应，这表明同时推动这两者对居民的生活满意度有积极影响（Wu et al., 2022）。为考虑这些发现，之前的混合土地使用与年龄的交互作用扩展为与所有与树木和草地相关的土地类型的加和指数的交互作用。模型 7（表2）显示，在 25 岁时，绿化的增加会减少混合土地使用对生活满意度的积极影响。然而，由于三重交互作用的解释并不简单，图 5 中的彩色菱形描绘了居民步行可达邻里的混合土地使用与生活满意度之间的关系，这一关系受邻里绿化水平和不同年龄值的条件影响。可以观察到，在 25 岁和35 岁时，混合土地使用与生活满意度之间存在正相关关系。这种关系在居住在绿地有限的城市地区的个体中最为明显，而在绿地基础设施更为广泛的邻里中则减弱。45 岁的居民中也可以观察到类似的趋势，但效果没有统计学显著性。与模型 6（表2）的发现一致，在较老的年龄（55、65 和75 岁）中，混合土地使用与生活满意度之间没有相关性。似乎无论是城市绿化的缺乏还是丰富都无法改变这种无关性。一个显著的例外是 75 岁的群体，在绿地有限的地区（10% 和20% 百分位数）混合土地使用与生活满意度呈负相关关系。可以观察到，绿地的增加倾向于减少这种负面效应。

表 2 不同土地类型与生活满意度的OLS模型（缓冲区1260米）。

表 2（续）

图 5. 在指定的城市绿化百分位数和年龄下，混合土地使用对居民生活满意度的标准化效应（缓冲区1260 米）。城市绿化是所有树木和草地相关绿地类型的加和指数。菱形符号描绘了当混合土地使用增加一个标准差时，生活满意度在标准差上的变化，条件是所述的城市绿化百分位数和年龄。所显示的值是混合土地使用、年龄和城市绿化之间交互作用的主要效应，其中相应的城市绿化百分位数和年龄被设为参考类别。引入与表2 中模型 7 相同的控制变量，并使用线性OLS 模型进行估计。（有关图例中颜色的解释，请参阅本文章的在线版本。）

对结果进行了稳健性检验。首先，一些绿色土地类型变量包含多达三分之一的零值。由于没有土地类型类别与有土地类型类别在邻里的效果可能不同于一个单位增加的效果，因此模型中添加了一个控制虚拟变量。没有一个虚拟变量显著，线性效应没有变化。其次，对于约 300 名受访者，缺少家庭等价收入。为了避免由于排除这些观察值可能引起的偏差，使用机器学习方法（Breiman, 2001）对家庭等价收入进行了填补。重新分析没有导致系数的实质性差异。唯一的例外是与年龄组 65+ 的汇总绿色空间的交互效应（模型 2 表2）。第三，所有模型都使用带有城市随机截距的多层模型进行估计，结果没有变化。第四，不是检查 10 分钟步行距离（1260 m ×1260 m）内的邻里环境，而是分析了尺寸为 420 m ×420 m 的即刻环境。改变分析区域减少了草地花园和公园的效应，但没有改变主要发现（图 6）。

图 6. 按年龄类别划分的不同城市绿地类型对居民生活满意度的标准化效应（缓冲区420 米）。菱形符号描绘了当绿地类型增加一个标准差时，生活满意度在标准差上的变化。所显示的值是绿地类型和分类年龄变量之间交互作用的主要效应，其中相应的年龄组被设为参考类别。与表2 中模型 3 和模型4 类似，使用线性 OLS 模型进行估计。（有关图例中颜色的解释，请参阅本文章的在线版本。）

【讨论】

这项研究探讨了瑞士不同类型的城市绿地和步行可达社区中的土地使用混合与居民生活满意度之间的关系，特别关注这些关系在不同年龄段之间的差异。先前的研究表明，不同年龄群体对城市绿地的偏好和使用模式存在异质性（Chiesura，2004；Kabisch & Haase，2014；Schipperijn et al.，2010；Syrbe et al.，2021）。此外，还发现城市绿化与老年人的生活满意度之间存在更强的正相关关系（Jeong et al.，2022；Krekel et al.，2016）。针对第三个研究问题（Q3），研究发现城市绿化对居民生活满意度的影响因年龄而异，并验证了来自瑞士巴塞尔的证据（Jeong et al.，2022）。研究发现，绿化对最年轻年龄组（20-29岁）有负面影响，但这种影响随着年龄的增长而减弱，并在老年群体中转为正面影响。在本研究中，当考察瑞士所有城市区域时，也出现了类似的模式。然而，最年轻年龄组的负面影响并不显著，只有65岁以上的居民的生活满意度与绿化存在正相关关系。这可以用偏好和空间流动性的差异来解释。文献指出，年轻人主要将城市绿地用于社交互动和体育活动（Chiesura，2004；Kabisch & Haase，2014）。从事运动需要较大的绿地，配有修剪整齐的草坪、标记和如球门等设备。由于维护这些区域的成本较高，这些绿地通常位于靠近休闲中心的地方，而不常位于住宅区附近。类似地，社交聚会只能在草坪修剪整齐的绿地上进行，这些绿地还必须远离繁忙和嘈杂的道路。因此，年轻人可能被迫离开他们的社区去从事这些活动。他们的良好健康和高流动性使他们可以轻松访问这些绿地，从而减少了对其附近绿地的依赖。相反，老年人访问城市绿地以放松和欣赏自然（Chiesura，2004；Kabisch & Haase，2014）。较小、维护较差或私人性质的绿地，如树冠、小型公园或私人花园，可以提供这些需求。因此，他们附近的城市绿化很可能满足了这些需求。由于健康状况限制了他们的活动范围，如果附近没有足够的绿地，可能会导致生活满意度下降。

将居民社区中的绿地划分为子组，可以使城市规划者更深入地了解应优先考虑的城市绿化类型，以提升居民的生活满意度。分析中不同绿地类型的异质性结果从实证角度支持了这一观点（Q1）。仅仅是花园和公园中的树木和草坪与老年居民的生活满意度呈正相关。其中，草坪的效果几乎是树木效果的两倍。相比之下，森林或其他土地使用类别中的树木则没有相关性。这表明，树木应纳入更具多样性和多功能的绿地，如公园或花园，才能与生活满意度相关。理论上，森林可以满足这一要求。然而，森林通常缺乏座椅和铺设的小路，这使得它们对老年人不够吸引人（Syrbe et al.，2021）。位于休闲场所的草坪与生活满意度完全无关，这对年轻人尤其令人惊讶，因为老年人通常进行的身体活动较少。这种差异可能归因于对身体活动及其类型的兴趣异质性。一些居民可能完全不参与运动，而其他人可能参与某些不允许在社区休闲场所进行的运动。这些不同的偏好可能导致一些居民对这些区域的价值感知不足。相反，配有较大草坪的游乐场会降低65岁以上人群的生活满意度。这可能与噪音有关。位于社区中未指定土地使用类型的草坪与年轻成人的生活满意度呈负相关。由于这种绿地类型涵盖了各种城市绿地，因此很难解释这种关系。可能，绿意盎然的社区位于较小且活力较弱的城市中，夜生活和社交文化活动有限。

在欧洲的案例（Mouratidis, 2018; Olsen et al., 2019）和全球案例（Cao, 2016; Dong & Qin, 2017; McCarthy & Habib, 2018; Wu et al., 2022）中，混合土地使用与生活满意度之间的关系尚无确定证据。Mouratidis（2018）在挪威奥斯陆显示了混合土地使用与生活满意度之间的正相关关系。本研究倾向于证实这些发现，但瑞士的结果更为复杂，且这种正相关关系仅存在于年轻人中（Q2）。土地使用熵提供了居民社区内五种分析土地使用类别分布均匀性的见解。由于行动不便，老年人倾向于在本地使用更多的服务，包括购物、医疗保健、社会服务和文化（服务的多样性）。尽管如此，他们可能对较少的相同服务已经感到满意，而年轻人可能更重视服务的多样性（例如，一家酒吧与五家酒吧）。因此，如果服务分布均匀，年轻居民的需求更容易得到满足。此外，与年轻人相比，老年人倾向于较少使用文化、餐饮和活动（CCE）以及娱乐类别的服务，因为他们访问的酒吧、俱乐部、夜总会、体育场馆、体育中心、健身中心、水上乐园、游泳池或保龄球馆较少。因此，尽管这些土地使用类别在其社区中存在，导致更高的熵值，但老年人可能从这些存在中获得的利益较少。此外，繁忙的夜生活产生的噪音和污染实际上可能会削弱高土地使用混合度的社区所创造的便利设施的积极影响。这一现象确实在样本中得到了观察，因为CCE土地使用类别的增加与年轻居民的生活满意度增加相关，但与老年居民的生活满意度减少相关。与Wu et al.（2022）的发现相反，高绿化覆盖率并未放大混合土地使用对瑞士城市地区生活满意度的积极影响。相反，它降低了年轻年龄段的混合土地使用效果。这可能是因为居民的生活满意度受多种因素的影响，其中之一是生活环境。然而，这一特定因素对生活满意度的影响有限。因此，改善社区环境带来的边际效用可能在更宜居的区域减少。这可以解释为何混合土地使用对缺乏绿化的年轻居民的生活满意度影响更为显著。相反，在绿意盎然的区域，城市绿化及其提供的便利设施已经提升了生活满意度，因此其他环境因素（如混合土地使用）的影响减弱。此外，像公园或体育场这样绿色空间可以提供与某些土地使用类别（例如酒吧、俱乐部或体育中心）相当的便利设施。这种替代效应可能会削弱混合土地使用的影响。如前所述，老年居民由于其特定需求，不太受益于更加均匀分布的土地使用混合，因此，城市绿化的增加不会影响不同土地使用类别提供的便利设施，进而不会改变混合土地使用的零效应。此外，拥有2100万居民的大城市北京的结果，难以与一个最大城市人口仅为100万的国家的发现进行比较，而该国居民的社区平均绿化水平相对较高（x = 39%；̃x = 38%绿化覆盖率），而2020年北京的平均绿化覆盖率为29%（Cao, Li, & Huang, 2023）。尽管如此，这一现象的理论依据尚未完全确定，仍需进一步研究以更好地解释其潜在机制。

本研究的贡献是多方面的。首先，它采用了一种新的方法来更详细和客观地测量城市绿化的分布。这种精细的测量方法确保了在分析城市绿化对居民生活满意度的影响时，所有城市绿地的组成部分都被考虑在内。其次，所应用的测量方法不仅保证了更细致的测量，还允许将城市绿地划分为九个子类别。这为城市规划者提供了新的实证证据，帮助他们了解应该关注哪些绿地类型，以积极影响居民的生活满意度。第三，通过承认存在的文献中基于居民年龄的城市绿地类型的异质偏好，这项工作生成了关于这些不同偏好如何影响城市绿化与生活满意度关系的新证据。最后，这项工作揭示了一个相对新的研究领域，该领域受到新城市主义运动建立以人为本的智能社区（Garde, 2020）主张的启发。该领域研究混合土地使用对居民生活满意度的影响，但目前的证据尚不确定。本研究的实证结果提出，不同土地使用类型的均衡混合可以有倾向性地提高居民的生活满意度，并支持新城市主义运动的主张和奥斯陆的研究发现（Mouratidis, 2018）。然而，在瑞士，这种关联更为复杂，仅适用于年轻人，并在较高年龄段消失。这对于瑞士城市规划者在确定新建城市区域的土地使用混合时提供了宝贵的信息。此外，这些发现应鼓励未来在其他国家的研究中考虑异质的年龄组效应。关于城市绿地，实证结果比以前的研究（例如，参见Bertram & Rehdanz, 2015; Krekel et al., 2016; White et al., 2013）更加微妙。它们表明，在瑞士，绿化程度更高的社区并不一定与较高的生活满意度相关。相反，这些结果强调了在研究城市绿化与生活满意度关系时考虑年龄异质效应的重要性。这些发现扩展了先前的研究，展示了年龄组对城市绿地偏好的影响，并揭示了这些偏好如何影响城市绿化对居民生活满意度的效果。最后，据作者所知，没有其他研究以如此详细的方式分析城市绿地，并结合了植被类型和其所在的土地使用类别。不同绿地类型对生活满意度的异质效应突显了这种解构的重要性。这为城市规划者首次提供了有关应关注哪些城市绿地类型的全面信息，考虑到社区的年龄分布，以积极影响居民的生活满意度。随着城市化的持续，这些发现可能会在未来规划宜居城市社区中变得更加宝贵。

值得强调的是，本研究仅考察了瑞士步行可达的社区中，城市绿化、混合土地使用及其与年龄的互动对生活满意度的影响。因此，针对其他地区的主张和将结果推广到其他国家时必须谨慎。本研究存在一些局限性。首先，调查对象的调查时间为2021年9月至2022年3月。在温暖季节，居民从绿地提供的设施中受益更多，这可能导致低估冬季绿化的效果。然而，t检验（t = 0.32, N = 2755）未显示秋季和冬季调查对象之间的生活满意度存在差异。其次，虽然分割模型表现良好，但仍存在对像素的误分类，这可能导致结果的偏差。第三，土地使用类型由OpenStreetMap的志愿者分配，他们需要遵循预定义的分类方法。对一些分析的社区进行了合理性检查，但仍存在误差范围。第四，通过控制导致自我选择的变量，研究试图缓解这一问题。然而，只有使用面板数据才能完全防止自我选择。

【结论】

这项研究探讨了瑞士不同类型的城市绿地及邻里土地使用混合如何与居民的生活满意度相关，并特别关注这些关系中的年龄差异。研究采用深度学习方法对城市绿地进行细粒度评估，并识别出全面的绿地类型。研究结果表明，不同年龄组对绿地的重视程度不同。对于65岁以上的居民，公园和花园中的树木和草地与生活满意度呈正相关。而游乐场中的绿地则与这一年龄组的生活满意度呈负相关。土地使用类型的更均匀分布对年轻人似乎更有价值，其与生活满意度的正相关性在年龄较大时减少。这项研究所获得的见解为瑞士的城市规划者提供了宝贵的信息，并扩展了现有文献中的研究发现。

资金来源

这项研究使用了由瑞士家庭面板（SHP）收集的数据，该面板由瑞士社会科学中心 FORS 维护。SHP项目得到了瑞士国家科学基金会的支持。计算是在 UBELIX（https://www.id.unibe.ch/hpc），即伯尔尼大学的高性能计算集群上进行的。

作者贡献申明

Sebastian Bahr: 写作 – 评审与编辑，写作 – 原稿撰写，数据可视化，验证，监督，软件，资源，方法论，调查，形式分析，数据整理，概念化。

数据可获取性

瑞士家庭面板数据可以向FORS申请获取。土地覆盖和使用数据可以从GitHub存储库中获得：https://github.com/sebastianbahr/urban-environment-CH

附录 A. 补充数据

这篇文章的补充数据可以在线查阅，网址为

https://doi.org/10.1016/j.landurbplan.2024.105174

-----------关注公众号----------

http://mp.weixin.qq.com/s?__biz=MzA3NTk0MTU3MA==&mid=2247550205&idx=3&sn=08b26ef8be18e91c928409e528469dd6

立方数据学社

公众号持续分享各类开源城市数据！目前已分享几百种数据！