【论文分享】基于可解释机器学习的城市密度与多种健康风险之间的关联:美国城市社区研究

文摘   2025-01-01 12:33   上海  

随着人类与自然环境的脱节日益加剧,城市绿地在缓解环境退化、促进社会互动和改善身心健康方面发挥关键作用。但城市绿地资源分布和可达性的不均衡性对城市规划提出了重大挑战。本次我们给大家带来一篇SCI论文的全文翻译,该论文基于北京市案例研究,创新性地揭示了社区绿化和公园可达性对生活满意度的非线性影响,填补了研究空白;为制定经济高效的绿化策略提供了科学依据,尤其有助于改善绿化不足区域居民的生活质量。

-----------欢迎大家关注公众号----------


【论文题目】

Disentangling the non-linear impacts of natural attributes of urban built environment on life satisfaction

【题目翻译】

解析城市建成环境自然属性对生活满意度的非线性影响

【期刊信息】

Cities, Volume 155, December 2024, Page 105496.

【作者信息】

Wenjie Wu, 武汉大学城市设计学院,中国,

Wenxuan Tan, 暨南大学经济学院,中国.

Wendy Y. Chen, 香港大学地理系,中国,wychen@hku.hk.

Ruoyu Wang, Institute of Public Health and Wellbeing, University of Essex, 英国,rw24347@essex.ac.uk

【论文链接】

https://doi.org/10.1016/j.cities.2024.105496

【关键词】

生活满意度; 社区自然度;可访问性;非线性关联。


【摘要】

广泛认可的观点认为,城市自然环境能够对人们的主观生活满意度产生积极影响。然而,现有文献中关于城市建成环境中各种自然属性对生活满意度的非线性影响的实证证据有限。本文采用机器学习方法中的梯度提升决策树模型(Gradient Boosting Decision Trees),以填补这一知识空白。以北京为案例研究,本文考察了城市建成环境的三个关键自然属性,包括居住区内的绿化覆盖程度、最近的非封闭式社区公园的可达性,以及最近的封闭式市政公园的可达性。本文构建了一个结合生活满意度调查、基于GIS的公园可达性数据和从地理标注街景图像中提取的社区绿化度的数据集,并将其纳入建模分析。研究结果揭示,所有三个自然属性对居民自我报告的生活满意度均存在非线性影响。此外,生活满意度与公园可达性(无论是封闭式市政公园还是非封闭式社区公园)之间的关联依赖于受访者居住区内绿化覆盖程度的水平。对于绿化供给相对较低的居民,这种影响尤为显著。本研究有助于更深入地理解城市建成环境中各种自然属性与生活满意度之间复杂的关系。实证结果为优化城市绿化策略提供了实践意义,这是一种经济高效且可行的干预措施,用以提升人口的生活满意度。


【前言】

现有文献中已经充分认识到城市自然(以各种形式的绿地)的空间影响对居民报告的生活满意度(对生活总体质量和福祉的主观评价)的影响(Ambrey & Fleming, 2014; Houlden et al., 2018; Kabisch et al., 2015; Wang et al., 2023; White et al., 2019; Wu& Chen, 2024)。越来越多的实证研究强调了城市绿地提供的各种环境、生态、社会、文化和经济效益,这些效益对于缓解环境退化至关重要(Bertram & Rehdanz, 2015),鼓励休闲活动(White et al., 2019),促进社会互动(Jennings & Bamkole, 2019; Samsudin et al., 2022),并改善公民的身心健康(Hartig et al., 2014; Klein et al., 2022)。面对城市化城市中人类与自然环境日益脱节的现象,城市自然/绿地对人们的各种满意度领域产生了深远的影响(Maller et al., 2009; Hartig et al., 2014; Larson et al., 2016; Olsen et al., 2019; Wu, Tan, et al., 2023)。相应地,城市绿地的数量和质量特征被认为是提高生活满意度的公共政策的重要组成部分(Ambrey & Fleming, 2014; Reyes-Riveros et al., 2021; Wu, Yao, & Wang, 2023)。

虽然不同人对城市自然/绿地提供的益处需求和所能提供的益处存在差异(Olsen et al., 2019),但各种绿地中可获得的城市自然的可达性是直接决定人们访问频率和生活满意度的最基本因素(Cernicova-Buca et al., 2023;Fleming et al., 2016;Jiang & Huang2022La Rosa et al., 2018)。尽管实证结果在不同的地理和社会文化背景下存在差异,但生活满意度与绿地距离之间关系的距离衰减现象已被广泛报道,这是由于距离增加导致的获取成本增加以及视觉、娱乐和环境效益的减少(Wu et al., 2019Xiao et al., 2016)。更高的可达性通常与更高的生活满意度水平相关联(Krekel et al., 2016Ayala-Azcarraga et al., 2019Pfeiffer et al., 2020Wu, Chen, et al., 2022),并且近距离的绿地往往比距离较远的绿地对生活满意度更重要(Ambrey & Fleming, 2014Hong et al., 2019Houlden et al., 2019, 2021)。

在居民生活环境中(如住宅花园、庭院和街道绿化)提供自然元素,使居民能够在日常生活中(无论是身体上还是视觉上,有意或无意地)接触自然,从而改善公众健康(Klein et al., 2022),促进社会凝聚力(Liu et al., 2019)以及邻里归属感和满意度(de Jong et al., 2012;Zhang et al., 2017)。因此,通过充分提供邻里绿化(Honold et al., 2016;Jiang & Huang,2022;Kley & Dovbishchuk,2021;Sang et al., 2016),可以显著提高生活质量和公民生活满意度。然而,在高密度社区,绿地可能会变得拥挤,从而对人们的生活满意度产生负面影响(Bertram & Rehdanz,2015;Cao, 2016)。相比之下,超出人们直接生活环境的绿地不易到达,阻碍了人们的访问频率(Xiao et al., 2016),并导致对生活满意度的影响微弱甚至微不足道(Krekel et al., 2016)。然而,公共和俱乐部绿地可能保持着多样化的自然,有时还包括完整的自然生态系统和历史/文化遗迹,通常配备有娱乐设施(Kong et al., 2022;Wu et al., 2020)。因此,这些公共绿地为人们提供了体验自然和获得全方位生态系统服务的补充和替代机会,以获得更好的满意度结果(Coolen & Meesters,2012;He et al., 2022;Houlden et al., 2018;Jiang & Huang,2022)。正如 Galster 指出(Galster, 2018),城市建成环境的特定特征(如绿地可达性)与生活满意度之间的联系是非线性的,这种非线性效应取决于人们如何评价建成环境的各种特征。然而,实证研究往往假设邻里属性与人们的生活满意度之间存在线性关系(Cao et al., 2020;Patino et al., 2023),主要是为了简化。例如,Wu 等人(2019)发现,随着到最近城市公园的距离增加,居民的生活满意度使用线性回归显著下降。类似地,Krekel 等人(2016)采用线性模型并证实,居住在远离绿地的人对生活满意度较低。虽然人们越来越认识到一些邻里属性可能只在一定距离内影响生活满意度,并且存在非线性关系,但实证研究已经开始研究城市自然/绿地与生活满意度之间联系的非线性(Bertram & Rehdanz,2015;Cao et al., 2020;Fan et al., 2022)。然而,城市绿地的异质性(例如市政公园、社区公园和邻里公园,它们对生活满意度的影响可能以不同的方式衰减)尚未充分融入非线性建模中(Wu et al., 2020)。


居民的居住地被认为是其日常活动的锚点,决定了生活幸福感的40%左右(Lyubomirsky et al., 2005)。作为不可或缺的物理特征之一(Wang & Wang,2016),住户附近自然要素(如植被和水体)的可用性可能对人们使用/欣赏其他绿地(如可到达距离内的公共公园)产生促进或抑制作用,从而影响这些绿地(位于较远的居住环境之外)的可达性与生活满意度之间的关系。当邻里自然环境的供应能够充分满足居民对自然接触的需求时,获得其他绿地可能对人们的生活质量并不重要。相反,在居住环境中缺乏自然元素和相应的自然接触,可以通过距离家更远的其他绿地来弥补(Vilhelmson & Thulin,2022)。居住环境的自然度与较远但可到达距离的公共绿地之间潜在的互补或竞争性相互作用值得研究,尤其是在中国人口稠密的城市。


在中国,城市化及其相关的土地利用竞争的规模和强度,对建设各种城市绿地以增强自然舒适度和休闲娱乐提出了前所未有的挑战(Chen et al., 2017;Gaubatz, 2008;Wu & Jin,2021)。虽然许多市政府努力投资绿地建设,但大型城市公园比社区绿地获得了更多关注(Wang, Feng, Pearce, Yao, et al., 2021),因为这些大型公园被视为城市的标志性景观、城市形象的展示和旅游景点(Yu & Padua,2007),然而,可见的社区级绿地(如行道树和住宅花园)的提供和维护往往成本更高(Shah et al., 2022)。因此,城市中不同地区居民接触社区自然和获取主要公共绿地的机会并不均衡(Zheng et al., 2020),这以不同的方式影响着市民的生活满意度。因此,需要实证证据来指导有效配置有限的财政和土地资源,以提供各种绿地并提高市民的生活满意度。


北京(中国首都)被选为案例研究。作为政治和经济决策的中心,它在规划/设计景观干预以提高人民福祉方面发挥着全国典范的作用。本研究探讨了生活环境中可见自然元素的可获得性对生活满意度的非线性影响,这些元素定义了人们每天接触自然的程度,以及通过道路网络进入居民居住环境以外的两种类型的公共绿地(即封闭式市政公园和非封闭式社区公园)的程度。特别是,本文研究了邻里自然度与公共绿地之间的潜在交互作用。我们的实证研究建立在三个大型数据集的基础上,包括北京市公园管理中心管理的封闭式公共公园和非封闭式社区公园的 GIS 信息、用于衡量人们日常接触自然的街景图像,以及地理编码的社会调查,收集了公民的生活满意度和社会经济特征。本研究可以从三个方面扩展现有文献。首先,它试图从传统的参数线性识别转向对自然属性与生活满意度之间非线性的建模。其次,本研究将公共绿地分为封闭式市政公园和非封闭式社区公园。虽然拆除公共绿地的围墙和大门以鼓励公众使用和改善平等可及性具有政策意义,但北京的大多数市政公园仍然是封闭的,其中一些还收取门票费(Gaubatz, 2008)。因此,有必要进行进一步研究,以调查封闭式公园和非封闭式社区公园可能以不同的方式影响生活满意度。最后,进一步探讨了邻里自然度(使人们能够每天接触自然)与其他公共绿地(允许进行各种休闲活动)之间的复杂相互作用。通过识别非线性效应和交互效应的存在,我们的研究进一步阐明了城市建成环境的自然属性与生活满意度之间的复杂关联,并为根据提高人们生活质量的重要性等级规划和建设各种城市绿地提供了协同意义(Cao et al., 2018;Fan et al., 2022;Huang et al., 2023)。


【论文方法】

2.1. 数据收集与准备

2013年,中国科学院地理科学与资源研究所开展了一项社会调查(宜居北京评估调查),收集了生活满意度和社会经济数据。为了确保样本的代表性,采用了多阶段分层概率与人口规模成比例的抽样方法。首先,从北京的16个区随机选择住宅区。然后,从选定的住宅区随机抽取住户。最后,使用基什住户抽样方法(Binson et al., 2000)从每个住户中选择一名成年人参加调查。本分析中,共纳入3814名受访者,这些受访者总体上代表了北京人口(Wu, Sun, et al., 2022)。主要因变量生活满意度通过一个单一问题进行调查:“总体而言,您对自己的生活满意度如何?”,使用五点李克特量表,从“非常不满意=1”到“非常满意=5”。此外,还收集了受访者的年龄、性别、受教育程度和月家庭收入,并将其作为协变量纳入模型构建过程。


研究区域内带围栏的市政公园和无围栏的社区公园的地理位置来源于北京市公园管理中心,并通过乐慧数据库(http://www.teekart.com,手动验证,并在高德地图(htt ps://ditu.amap.com/)上标注。本研究共纳入45个带围栏的市政公园(平均面积1平方公里)和1204个无围栏的社区公园(平均面积0.05平方公里)(图1)。最近的公共绿地(包括带围栏的市政公园和无围栏的社区公园)的可达性,是指从受访者住处到最近的市政公园大门和最近的无围栏社区公园入口的步行距离(基于道路网络数据),使用高德地图上的道路网络进行测量。这种步行可达性比传统的欧氏距离更准确(He et al., 2022; Houlden et al., 2021)。

图1. 北京市封闭式市政公园和非封闭式社区公园的位置


为了衡量每日自然接触,我们使用腾讯地图平台(https://map.qq. com/)上的街景数据评估了受访者家中 1000 米半径内的街区自然度,腾讯地图平台是中国版的谷歌地图,自 2011 年起提供街景图像(Biljecki & Ito, 2021; Wu, Tan, et al., 2023),用于实证研究(Wang, Feng, Pearce, Yao, et al., 2021)。首先,在北京的街道网络(在高德地图上可用)上,每隔 100 米选择一个采样点(Haklay & Weber, 2008)。其次,在每个采样点,收集四个方向(0°、90°、180°和 270°) 的街景图像,分辨率为 480 × 320 像素。第三,使用全卷积神经网络(FCN-8s,一种机器学习算法)(Long et al., 2015)和 ADE20K 训练数据集(Zhou et al., 2019)对街景图像中的自然成分(即植被和水体成分)进行分割。第四,量化每个街景图像中自然成分的百分比,并计算每个采样点四个图像中自然成分百分比的平均值。第五,为了区分街区自然度和封闭式市政公园和非封闭式社区公园的影响,将受访者 1000 米缓冲区与所有公共绿地的位置图叠加,如图 1 所示。最后,通过计算受访者家中 1000 米缓冲区内所有采样点的自然成分百分比的平均值,并排除与最近的市政/社区公园重叠的点(图 2),计算出一个反映街区自然度水平的指标。本研究选择 1000 米半径,因为它定义了 10 到 15 分钟的步行距离,代表了居民生活环境周围的活动范围(Giles-Corti et al., 2006; Weng et al., 2019; Wu, Tan, et al., 2023)。

图2. 构建邻域自然度指标的工作流程。


本分析中包含一系列变量作为协变量。首先,考虑了受访者的社会经济变量,包括年龄、性别、受教育程度、月家庭收入和住房类型(商品房或机构补贴房),因为这些变量被认为是生活满意度的关键决定因素(Barbosa et al., 2007;Olsen et al., 2019;Wu, Chen, et al., 2022)。其次,还考虑了四个描述受访者生活环境非自然特征的变量,包括公交车站密度、土地利用密度、人口密度和到 CBD 的距离。为了测量公交车站密度和土地利用密度,从中国Yelp 网站(www.dia nping.com)检索了 2013 年的兴趣点 (POI) 数据,以匹配调查的时间线。计算受访者生活环境中的公交车站数量,然后将公交车站密度计算为数量/平方公里。对于土地利用密度,将 POI 数据分为住宅、商业和公共服务,然后应用熵模型(MacKay, 2003)生成基于 POI 的土地利用混合模式,该模式可以更好地根据与街道层面的出行和活动模式相关的大量数据对细粒度土地利用地块进行分类(Zhang et al., 2020;Zhao et al., 2023)。估计值介于 0 和 1 之间,0 表示土地利用同质性,1 表示最多样化的土地利用混合(Wu, Chen, et al., 2022)。人口密度是根据腾讯(中国最大的位置服务提供商)提供的受访者居住社区的位置大数据集(数量/平方公里)测量的。到 CBD 的距离是根据受访者住处到北京中央商务区中心点的欧氏距离(公里)测量的。表 1 提供了本研究中所有变量的描述性摘要。


2.2 数据分析

采用梯度提升决策树 (GBDT) 模型来考察邻里自然度、最近的封闭/非封闭公共绿地可达性与生活满意度之间的非线性关系。借鉴统计分析和机器学习方法,GBDT 模型可以通过最小化损失函数来逼近真实关联(Friedman, 2001)。与传统的回归模型和其他机器学习模型(如神经网络和随机森林模型)相比,GBDT 模型往往具有更好的预测精度,因为它基于残差最小化组装了多个决策树 (Ding et al., 2018)。此外,GBDT 模型不受关于变量(因变量和自变量)分布和类型或预测变量与结果之间关联的任何假设的限制,因此可以充分检测到单个预测变量与结果之间复杂的非线性关联,这不会受到预测变量之间多重共线性问题以及传统回归模型中常见问题的严重影响(如缺失数据和异常值)。并且 GBDT 模型还可以生成预测变量的相对重要性,这使得它们具有可比性。由于这些优势,GBDT 越来越多地用于试图将邻里特征与生活满意度联系起来的城市研究 (e.g., Fan et al., 2022; Huang et al., 2023)。为了检验报告中的生活满意度(在李克特量表中)是否适合 GBDT 模型,对将生活满意度视为具有 “高斯”分布的连续变量的 OLS 回归模型的残差进行了多元偏度和峰度检验(Mardia, 1970)。结果证实了多元正态性(p 值>0.05),证实了李克特量表变量在GBDT模型中的适用(Chen et al., 2024;Fan et al., 2022;Yin & Shao,2021)。

表1. 所有变量的描述性统计。


GBDT 模型由一系列决策树和梯度提升算法组成。决策树是一种模型,它在一系列分割点处将观测值划分为子样本区域,并使用每个子样本区域的观测值均值来预测观测值,从而构建决策树 (Elith et al., 2008; Huang et al., 2023)。


梯度提升算法通过最小化每个决策树的残差(预测值与观测值之间的差值)来进行训练,并通过基于一般损失函数的顺序方式将多个决策树组合成一个复杂的GBDT模型,直到聚合残差(预测残差乘以学习率,该学习率缩放每个决策树的贡献)无法进一步减少,并且预测结果无法再改进(Ding et al., 2018;James et al., 2013)。


使用R语言中的“gbm”包(Ridgeway, 2007)估计GBDT模型。遵循先前研究(Ding et al., 2018;Huang et al., 2023),学习率(统称为收缩率)设置为0.001,这可以生成一个具有较低预测偏差和合理树大小(至少1000棵树)的最终GBDT模型。迭代次数从5000开始。树的深度从1增加到49。为了确定最佳设置(最佳迭代次数和预测精度),应用了五折交叉验证方法,该方法可以提供最低的均方根误差(RMSE)。如图3所示,随着树深度的增加,RMSE和迭代次数都下降。当树深度设置为49时,RMSE最低。当考虑整个样本时,最终GBDT模型在1629次迭代后收敛,RMSE值为0.60。伪R2的最终值为0.26,表明模型性能可接受(Ozili, 2023)。

图3. RMSE和迭代次数与树深度的关系


解释GBDT结果使用了两种技术,包括显示不同预测变量的相对重要性和偏依赖图(PDP)。相对重要性通过所有决策树的预测能力的平均值计算得出。此外,PDP可以显示观测值如何随每个预测变量变化(Hastie et al., 2009)。在用协变量调整模型后,PDP提供了一条关于预测变量与观测值之间关联的连续线。因此,可以描绘出邻里自然度、通往最近的封闭式市政公园和非封闭式社区公园的通道与生活满意度之间的非线性剂量反应关联。


【研究结果】

3.1. 各种预测因子对生活满意度的相对重要性

表 2 展示了每个变量对生活满意度预测的相对重要性。模型 I 将所有受访者合并在一起。总的来说,很明显,人们生活环境的特征比他们的社会经济地位在预测生活满意度方面发挥着更重要的作用,而社会经济地位仅贡献了 10.05%。特别是,与受访者日常自然接触和关键公共绿地可达性相关的三个自然属性的相对重要性(在 12.52% 到 14.01% 之间)与建成环境的非自然特征(在 10.47% 到 13.80% 之间)相当。

表2. 预测因子对生活满意度的相对重要性


在受访者生活环境的自然属性的相对重要性时,有趣的是,发现最近的市政公园的可达性是生活满意度最重要的预测因素(14.01%),其次是最近的非封闭绿地的可达性(13.94%),以及社区自然程度(12.52%)。显然,尽管北京的市政公园是封闭的,并且需要收取门票,但住在市政公园附近对预测生活满意度的作用,比免费开放的社区公园和社区自然环境更重要。


3.2. 城市绿地对生活满意度的非线性影响

图 4 展示了 PDP 结果,即在控制所有其他协变量后,生活环境三个自然属性与生活满意度之间的非线性关系。关于邻里自然度(图 4a),可以观察到倒 U 形,当邻里自然度水平超过 0.28 时,关联变得饱和,这表明超过 28% 的街道视域被自然覆盖。当街道自然度水平介于 0.05 和 0.25 之间时,可以观察到相对较高的生活满意度。


图 4b 描绘了距离最近的社区公园与生活满意度之间的关联。总体而言,社区公园对生活满意度的影响随着距离的增加而衰减,并且这种距离衰减在距离最近的非封闭式社区公园超过 2.5 公里时趋于饱和。图 4c 显示了距离最近的封闭式市政公园与生活满意度之间呈 U 形关联。当距离最近的市政公园小于 1.5 公里时,可以检测到正相关关系,表明距离越远,生活满意度越高。当距离最近的市政公园在 1.5 公里到 3.5 公里之间时,观察到明显的距离衰减。超过 3.5 公里后,距离的影响再次变为正相关。

图4. 生活满意度与邻里自然度 (a)、到最近非封闭式社区公园的距离 (b) 和到最近封闭式市政公园的距离 (c) 之间的非线性关系。


3.3. 街区自然度与公共绿地对生活满意度的交互作用

为了进一步考察社区自然供应是否会影响公共绿地与生活满意度之间的关联,我们根据社区自然程度的中位数将受访者分为两组。表2中的模型II和模型III分别对应社区自然程度较高(>0.14)和较低(<0.14)的两组受访者的GBDT模型。每组有1907名受访者。对于模型II,RMSE值为0.60,伪R2为0.28;而对于模型III,RMSE为0.57,伪R2为0.34,表明模型性能有所提升。


显然,对于邻里自然度供应较低的受访者而言,自然环境(涵盖所有三种自然特征)变得更加重要(对生活满意度预测的贡献率为 42.67%,模型 III),而对于邻里自然度较高的受访者而言,自然环境的贡献率则为 39.13%(模型 II)。特别是,对于面临较低水平的邻里自然度的居民而言,每种自然属性的相对重要性变得越来越大。


如图 5 所示,对于居住在自然度相对较高的社区的人来说,到最近的社区公园和最近的市政公园的距离不会显著影响生活满意度(图 5a 和 b),这暗示一旦居民对城市自然的需要能够得到其直接生活环境的供应满足,到其他公共绿地的距离可能不会显著影响他们的生活满意度。相比之下,对于那些社区自然度供应相对较低的人来说,靠近公共公园在他们的生活满意度中起着重要作用。对于社区公园,可以检测到明显的距离衰减:越近,对人们生活满意度的影响越强(图 5c)。关于最近的市政公园距离与生活满意度之间的关系,可以观察到 U 形曲线(图 5d)。

图5. 生活满意度与城市建成环境自然属性的非线性关系:(a)社区自然度高的居民到最近的无门控社区公园的距离,(b)社区自然度高的居民到最近的有门控市政公园的距离,(c)社区自然度低的居民到最近的无门控社区公园的距离,(d)社区自然度低的居民到最近的有门控市政公园的距离。


【研究讨论】

本研究从两个方面扩展了先前关于生活满意度与城市绿地之间复杂关系的研究。一方面,它解开了城市建成环境不同自然属性(邻里自然度、非封闭社区公园的可达性和封闭市政公园的可达性)对生活满意度的非线性影响。另一方面,研究了近距离居住环境中的自然资源与远距离但可到达的公共绿地之间的潜在互补或竞争互动。


4.1 主要发现

城市建成环境的自然属性对居民的主观生活满意度有显著影响,这与现有(尽管有限)文献基本一致(e.g., Huang et al., 2023;Kley & Dovbishchuk,2021;Olsen et al., 2019;Tsurumi & Managi,2015)。本研究表明,在三个自然变量中,靠近市政公园对人们的生活满意度最为重要,这可能是由于各种城市绿地与生活满意度之间存在不同的联系路径。居民生活环境中可获得的城市自然(在本研究中以街区自然度为代表)通过使人们能够在日常生活中,有时是不经意和短暂地接触自然,从而改善人们的福祉(White et al., 2013;Wang, Feng, Pearce, Liu, & Dong, 2021)。这种街道级别的绿化(如街道边缘的树木)可能主要与视觉接触城市自然的感知路径以及城市密度对高密度环境中生活满意度的负面影响的调节作用有关(He et al., 2022),而不是实际的娱乐使用。相比之下,非封闭式社区公园和封闭式市政公园可以通过鼓励人们放松身心、锻炼身体和社交来实现类似的行为路径(Liu & Xiao,2021;Klein et al., 2022;Huang et al., 2023)。此外,封闭式市政公园往往管理良好,规模较大,自然度高,拥有高品质的娱乐设施和各种文化遗迹(如历史建筑),这不仅可以促进行为路径,还可以与独特的文化身份联系起来,丰富游客的生活质量,并有助于提高他们的生活满意度。与大型市政公园(通常包含多种自然和文化)的距离较短,是街区历史/文化价值(Kong et al., 2022;van Dinter et al., 2022)和良好环境质量(如更好的空气质量(McCarthy & Habib,2018))的信号,而这些是相对较小的社区公园和街区自然(如街道树木)无法比拟的。因此,本研究发现,靠近封闭式市政公园是决定人们生活满意度的最重要的自然属性。


此外,城市建成环境的自然属性对生活满意度产生非线性影响。虽然这种非线性在很大程度上与实证证据一致(Bertram & Rehdanz,2015;Ma et al., 2019),但本研究强调,这种非线性效应会随着不同的自然属性而变化。无论是过少(<0.05)还是过多(>0.25)的社区自然度都无法对生活满意度产生积极贡献。一方面,自然元素的有限存在限制了居民与自然亲密接触的机会,从而减少了城市自然带来的身心益处。另一方面,居住社区中过多的自然元素表明,可以用于其他设施的空间减少,例如教育、文化和医疗设施,这些设施对于人们的生活质量至关重要,并在生活满意度中发挥重要作用(Huang et al., 2023)。因此,社区自然度与居民生活满意度之间存在倒U形关联。本研究发现非封闭式社区公园对生活满意度影响存在明显的距离衰减,超过2.5公里后,更远的距离不会导致生活满意度进一步下降。由于社区公园通常规模较小,自然元素有限,当距离超过2.5公里时,其吸引力变得微不足道。


关于北京市封闭式城市公园与市民生活满意度之间的关系,在1.5公里范围内,距离越远,正相关性越强,这表明可以避免潜在的噪音和拥堵(Ma et al., 2019),但公园仍然很容易获得自然设施和娱乐设施,从而提高生活满意度,实证证据表明,城市绿地中没有噪音可以显著提高游客的满意度(Gozalo et al., 2018)。当距离在1.5公里到3.5公里之间时,距离衰减的急剧下降可能与通勤成本增加和访问机会减少有关(Tu et al., 2020;Wang et al., 2015;Zhang & Zhou,2018;Zhu et al., 2019),从而对生活满意度产生负面影响。超过3.5公里后,到最近的城市公园的距离越远,对生活满意度的积极影响越大,当距离>5.3公里时,这种积极影响达到饱和,表明生活满意度与到最近的城市公园的距离之间呈U形关系。一方面,这一结果可能归因于北京大型城市公园独特的历史/文化价值,这有助于人们的生活满意度(Kong et al., 2022;van Dinter et al., 2022)。同时,大型城市公园的一些环境效益(如空气质量改善)可以扩展到更远的距离,并有利于人们的福祉(McCarthy &Habib,2018)。另一方面,这可能由于居住在距离城市公园3.5公里以外的受访者人数有限,这可能导致相关结果被高估。需要进一步调查,以便更好地解释城市公园对人们生活满意度影响的距离衰减。


此外,邻里自然度与公共公园可达性之间的交互效应清楚地表明,当邻里自然度得到充分提供时,它会起到替代作用。对于居住在拥有充足城市自然资源的社区(自然度得分>0.14)的居民来说,他们对生活的满意度不会受到到非封闭式社区公园或封闭式市政公园距离的显著影响。类似的替代效应在其他中国城市,如上海(Xiao et al., 2016),以及海外城市,如墨西哥瓜达拉哈拉 (Davalos ´ & Vargas-Hernandez, 2020)也被发现。相反,对于居住在城市自然资源相对较少的社区(自然度得分 < 0.14)的居民来说,自然特征在他们生活满意度中扮演着更重要的角色,他们往往更加关注公共绿地的可达性,通过这些绿地,即使市政公园距离住处较远,他们也能满足对自然的接触和休闲的需求(Hong et al., 2019)。


最后,本研究发现居民生活环境特征在预测其生活满意度方面比其社会经济地位发挥着更重要的作用。一方面,类似的结果可以在文献中找到。例如,Fan等(2022)发现,邻里环境特征解释了苏州(江苏省,华东地区)老年农民生活满意度的42.22%,而他们的社会经济地位对生活满意度的预测能力仅贡献了27.25%。同样,Ji等(2024)发现,人口统计变量解释了居民生活满意度的约14.03%,而物理环境(包括绿化、公共空间等)可以解释沈阳(辽宁省,东北地区)居民生活满意度的68.88%。另一方面,这一结果可能与本研究设计的问卷有关,其中社会经济特征被视为序数变量而不是绝对值。它们在解释生活满意度方面的相对重要性也与相关的基线进行比较(例如,Age1和Age2与Age0相比)。这种数据处理方法可能无法捕捉到社会经济属性对生活满意度的实际影响。


4.2 政策含义

尽管城市自然和绿地作为一种创新型、基于场所的解决方案,在改善人们的生活满意度方面具有巨大潜力(如城市建成环境自然属性对生活满意度的相对重要性所表明的那样),但了解它们在何处以及对谁能够带来足够的益处被证明是复杂的。然而,本案例研究的分析结果对优化城市绿化作为一种经济有效且可行的干预措施以改善市民的生活满意度和整体福祉具有实际意义。首先,本研究提供了一个明确的信息,即所有类型的城市绿地都能持续地促进生活满意度。在这方面,在城市集约化和扩张过程中应强调城市绿地的整体供应。其次,城市公园显然比社区公园和邻里自然发挥着更重要的作用。虽然在人口稠密的北京 (Han et al., 2023) 很难建造更多城市公园,但改善社区公园的吸引力,特别是提供高质量的邻里绿地,可以帮助满足居民对自然接触的需求,同时缓解城市公园的拥挤程度,从而增强游客的积极体验 (Kong et al., 2022)。因此,所有依赖邻里绿地或使用社区公园和城市公园的居民的生活满意度都可以得到全面提升。最后,社区公园明显的距离衰减表明,所有社区公园都应尽可能靠近所有用户。相比之下,到城市公园距离与生活满意度之间的 U 形关联表明,如果可能,应避免将城市公园建在2.5~3.5 公里的距离处,因为这个距离与低生活满意度相关。


4.3 研究局限

本案例研究存在一些局限性。首先,这是一项基于横截面数据的追溯性研究,因此无法推断城市建成环境自然属性与生活满意度之间的因果关系。因此,需要进一步研究来调查城市自然与居民生活满意度之间的因果机制。其次,尽管采用了多阶段分层抽样方法来识别参与社会调查的代表性家庭,但受访者是自我选择的,而不是随机分配到他们的社区,这无疑会导致社会调查数据集中潜在的自我选择偏差(Cao & Ettema, 2014; Pfeiffer et al., 2020)。第三,使用了自然属性的客观测量。没有考察受访者对自然特征(如绿地的质量)和相关社会功能(如促进/阻碍社会互动)的主观感知和评估,这些会影响人们对绿地的使用和生活满意度(Pfeiffer et al., 2020; van Dinter et al., 2022; Wu, Yao, & Wang, 2023)。第四,受访者对其居住地的未观察到的偏好可能会混淆自然属性与生活满意度之间的关联,而本研究无法控制这一点。最后,我们假设居民会优先选择最近的社区公园和市政公园,应用其他交通方式时,绿地偏好可能会发生变化(Bergefurt et al., 2019)。尽管如此,本研究的相关结果仍然具有价值,可以提供额外的见解,丰富关于福祉与城市绿地可用性/可达性之间传统理论化权衡的知识,并为景观设计实践提供经验基础。


【研究结论】

本研究是首批探讨城市建成环境自然属性与生活满意度之间非线性关联的研究之一。总体而言,在控制其他所有变量的情况下,邻里自然度、社区公园和市政公园可以以不同的方式,在一定距离内,持续地促进生活满意度。有趣的是,我们发现,最近市政公园的可达性对预测生活满意度贡献最大。此外,能够享受更好日常自然接触的居民的生活满意度与他们对社区公园和市政公园的可达性无关。相反,那些缺乏邻里自然资源的人倾向于依靠社区公园和市政公园来满足他们对自然接触的需求。虽然人们普遍认为,城市自然/绿地是城市作为建筑结构集合的关键组成部分(La Rosa et al., 2018),但适当规划/设计景观干预措施对提高市民的生活满意度具有巨大潜力。



-----------关注公众号----------



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!
 最新文章