從綠覆率、綠視率和500米公園綠地率看深圳綠地服務公平性

導 讀

鑒于既有綠化指標無法準確衡量城市居住區綠化水平的空間差異，本文提出居住單元綠化覆蓋率、綠視率、500m范圍內的公園綠地率三項居住單元綠化指標，旨在探討城市綠地服務的公平性問題。

研究以2017年的深圳市建成區居住單元為例，利用土地覆被圖、街景圖片等建立了包含14196個居住單元的綠化數據庫，并測算了每個居住單元的三項綠化指標值。研究表明：1）三項指標均可獨立反映居住單元內部或周邊綠化水平；2）居住單元的綠化覆蓋率、500m范圍內的公園綠地率均較低，綠視率較高；3）不同居住單元內部、500m范圍內的公園綠地，以及不同房屋產權類型的居住單元的綠化水平存在較大空間差異，綠地服務的公平性不足；4）居住單元綠化水平受開發強度、房屋產權類型、海拔和區位等地理空間因素影響。

研究建議城市綠地布局應關注弱勢群體的綠地服務質量，尤其可將500m范圍內的公園綠地率作為現有居住區綠化指標體系的補充指標，以更好促進居住區綠地服務的公平性。

深圳市城市居住單元綠化水平與空間差異研究

Research on the Greening Rate and Spatial Differences

of Urban Residential Neighborhoods in Shenzhen

作者：

古維迎

深圳市坪山規劃和自然資源研究中心規劃研究部部長、注冊城鄉規劃師、高級工程師

 湯子雄

深圳大學建筑與城市規劃學院、深圳市建筑環境優化設計研究重點實驗室在讀碩士研究生

 陳義勇

深圳大學建筑與城市規劃學院副教授、風景園林系副主任

 戴牧野

中國人民大學經濟學院本科生

1 研究背景

作為城市景觀的重要組成部分，城市綠地對城市居民的身體、生理、社交等方面重要性也已得到廣泛證實^[1][2]。居住區內部及周圍綠地是城市居民訪問率較高的綠地，作為提升民生福祉的重要途徑，居住區綠地服務的公平性尤應受到重視。

多年來，中國的規劃管理體系一直將城市綠地率、城市綠化覆蓋率和人均公園綠地面積等作為主要的城市綠化評價指標^[3]。這些指標雖然可以對城市綠地總量進行直觀的量化評價，卻難以評價綠地與居住區之間的空間關系，尤其忽視了弱勢群體所面臨的居住區綠地服務不足的問題^[4]~[9]。

此外，盡管這些指標可對二維平面綠化效果進行一定評價，卻無法指征三維空間的綠化分布和景觀效果。而實際上，人在環境中所接收到的信息約80%~90%來源于視覺^[10]，街道綠化與居住區內部樹木是大部分居民日常接觸最多的綠色景觀之一^[11]。但少有研究系統分析城市居住區的相關綠化的三維分布情況^[12]，而“綠視率”^[13]這一概念的出現補充了現有綠化評價指標在居住區的街道綠化與居住區內部樹木等綠化在可視性方面的不足，且近年數據可獲取性和計算機圖片處理技術的發展亦為深入研究綠視率提供了可能^[14][15]。

基于此，本研究以深圳市建成區居住單元為對象，利用土地覆被圖、街景圖片等構建多源地理數據集成的綠化數據庫，在現有城市綠化評價指標基礎上補充針對居住單元的三項綠化指標—居住單元綠化覆蓋率（后文簡稱“綠覆率”）、綠視率、500m范圍內的公園綠地率——探討衡量城市居住單元綠化水平與空間差異的方法，評估綠地服務的公平性情況。

2 研究對象及樣本選擇

本文選取中國園林城市深圳市作為研究案例。2016年，深圳市建成區園林綠地面積362.67km^2[16]，建成區綠地率39.2%；建成區綠化覆蓋率為45.1%，人均公園綠地面積為16.45m^2[17]。而同年，中國城市建成區綠地率為36.34%，建成區綠化覆蓋率約為40%，人均公園綠地面積為13.16m^2[18][19]。可見，相較全國數據而言，深圳市建成區的各項綠化指標均達到較高水平。

研究將深圳市建成區的居住單元作為分析樣本—居住單元指城市用地現狀普查圖中涵蓋居住建筑的宗地^[20]~[22]。依據深圳市規劃和自然資源局2015年的土地調查資料《土地利用現狀調查》，深圳市共有居住單元19575個。2014年《深圳市建筑普查》資料顯示，深圳市居住建筑的房屋產權類型主要為商品房（含保障房）、農民房（含城中村、小產權房）、集體宿舍（含部分小產權房）、其他產權房。

研究運用ArcGIS工具，對全市19575個建成區居住單元綠化建立數據庫。為減少居住單元占地面積或建筑規模較少和綠視率采樣點不足帶來的誤差，研究先剔除了居住單元占地面積小于2000m²或居住建筑總面積小于1000m²的居住單元，后剔除了綠視率采樣點數量少于10個的居住單元^[23]。最終納入統計分析的居住單元樣本數為14196個。

本研究分別統計了每個居住單元的用地面積、所有建筑的基底面積、總建筑面積，并測算了居住單元容積率、建筑密度等指標。由于商品房居住單元數量最多，為進一步區分不同密度商品房的綠化特點，研究以樣本居住單元容積率的中位數值（2.0），將商品房分為高密度商品房（容積率≥2.0）和低密度商品房（容積率＜2.0）兩類。

3 三項綠化指標測算及自變量設定

綠覆率 

基于2017年高分辨率多光譜全色SPOT-5影像所獲得的深圳市土地覆被圖，借助ArcGIS工具獲得居住單元用地范圍內所有植被垂直投影的面積（VPA）。計算時，居住單元綠覆率為居住單元用地范圍內所有植被垂直投影的面積與該居住單元總面積（RUA）的比值^[22]。計算公式如下：

綠視率 

綠視率通過街景圖片進行計算。本文作者于2017年5~6月，利用騰訊街景地圖抓取了深圳市所有道路的街景數據（數據本身抓取時間分布在2013年1月~2017年5月），獲得29.18萬個采樣點總計116.72萬張街景圖片。計算時，采樣點綠視率值為該點沿道路前進方向的前、后、左、右4個方向街景圖片中綠色植物所占的面積（GA）與圖片總面積（IA）的比重均值^[21]。居住單元的綠視率取值為該單元內部及周邊主要道路（居住單元用地邊界100m緩沖區內）所有采樣點的綠視率均值。若相鄰兩個居住區緩沖區相交，不重復計算疊加部分的采樣點。計算公式如下：

500m范圍內的公園綠地率 

居住單元500m范圍內的公園綠地率計算方法為：居住單元邊界外500m緩沖區范圍內的各類公園綠地（PA）（含城市公園、社區公園）占緩沖區總面積（BA）的比例。計算公式如下：

自變量設定 

研究分別測算了每個居住單元的三項指標，并計算各個指標的均值與標準差。同時，本文參考相關研究^[15][23]及數據可獲取性，最終選取了14個自變量，分別建立線性回歸分析模型，試圖尋找與居住單元綠化水平相關的地理空間因素。其中，自變量的類型為居住單元本身特征、居住單元區位條件和居住單元周邊環境，二分類變量進行了啞變量處理，分為了用地面積、建筑數量、建筑密度、容積率、是否商品房、是否集體宿舍、是否農產房、是否其他產權房、是否關內、與CBD距離、公交線數、是否臨山、是否臨水和海拔。因變量為綠覆率、綠視率、500m范圍內的公園綠地率。

研究區域綠覆率、綠視率、500m范圍內的公園綠地率的空間分布情況 ? 陳義勇

深圳不同房屋產權類型居住單元的三項綠化指標的均值 ? 陳義勇

4 主要研究結果

主要研究結果包括：

1）本研究提出的綠覆率、綠視率、500m范圍內的公園綠地率三項綠化指標之間呈弱正相關，均可獨立反映居住單元內部或周邊的綠化水平。整體上，深圳市居住單元的綠覆率和500m范圍內的公園綠地率均較低，綠視率則較高。

2）深圳市居住單元綠化水平存在空間差異，綠地服務的公平性不足。其中，不同居住單元內部及周邊主要道路綠化空間差異不大，居住區內部綠化和500m范圍內的公園綠地的空間分布差異較大；不同房屋產權類型居住單元綠化水平也存在較大差異，其中低密度商品房和其他產權房的綠化水平最高，農民房和集體宿舍的綠化水平最低。反映出公園綠地這一公共產品未能向居住在農民房和集體宿舍的弱勢群體傾斜，綠地服務的公平性與正義性有待提升。

3）影響居住單元綠化水平的地理空間因素主要包括開發強度、房屋產權類型、海拔和區位等。

4）研究提出的居住單元500m范圍內的公園綠地率指標具有實踐意義，可作為現有居住區綠化指標體系的補充，尤其建議將其作為衡量城市公園綠地率及空間分布情況的補充指標。

5 研究不足

本研究所使用的研究數據年份不同，對實驗結果可能有一定影響。研究數據涉及2014年建筑普查、2015年土地利用數據與2017年深圳市街景數據等，在統計居住單元容積率、建筑密度、綠視率等相關指標時存在一定誤差。

部分參考文獻

_{[1] Koohsari, M. J., Mavoa, S., Villanueva, K., Sugiyama, T., Badland, H., Kaczynski, A. T., … Giles-Corti, B. (2015). Public open space, physical activity, urban design and public health: Concepts, methods and research agenda. Health Place, (33), 75-82. http://dx.doi.org/10.1016/j.healthplace.2015.02.009}

_{[2] Thompson, C. W., Roe, J., Aspinall, P., Mitchell, R., Clow, A., & Miller, D. (2012). More green space is linked to less stress in deprived communities: Evidence from salivary cortisol patterns. Landscape and Urban Planning, 105(3), 221-229. doi:10.1016/j.landurbplan.2011.12.015}

_{[3] Ministry of Housing and Urban-Rural Development of the People’s Republic of China. (2017). Regulations on urban greening. Retrieved from http://www.gov.cn/gongbao/content/2017/content_5219138.htm}

_{[4] Dai, D. (2011). Racial/ethnic and socioeconomic disparities in urban green space accessibility: Where to intervene?. Landscape and Urban Planning, 102(4), 234-244.}

_{[5] Wüstemann, H., Kalisch, D., & Kolbe, J. (2017). Access to urban green space and environmental inequalities in Germany. Landscape and Urban Planning, (164), 124-131. http://dx.doi.org/10.1016/j.landurbplan.2017.04.002}

_{[6] Abercrombie, L. C., Sallis, J. F., Conway, T. L., Frank, L. D., Saelens, B. E., & Chapman, J. E. (2008). Income and Racial Disparities in Access to Public Parks and Private Recreation Facilities. American Journal of Preventive Medicine, 34(1), 9-15. doi:10.1016/j.amepre.2007.09.030}

_{[7] Dahmann, N., Wolch, J., Joassart-Marcelli, P., & Reynolds, K. (2010). The active city? Disparities in provision of urban public recreation resources. Health & Place, 16(3), 431-445. doi:10.1016/j.healthplace.2009.11.005}

_{[8] Comber, A., Brunsdon, C., & Green, E. (2008). Using a GIS-based network analysis to determine urban greenspace accessibility for different ethnic and religious groups. Landscape and Urban Planning, 86(1), 103-114. doi:10.1016/j.landurbplan.2008.01.002}

_{[9] Kabisch, N., & Haase, D. (2014). Green justice or just green? Provision of urban green spaces in Berlin, Germany. Landscape and Urban Planning, (122), 129-139. https://doi.org/10.1016/j.landurbplan.2013.11.016}

_{[10] Han, Y. (2000). The development of eye tracker and eye movement experiment. Journal of Psychological Science, 23(4), 454-457. doi:10.16719/j.cnki.1671-6981.2000.04.016}

_{[11] Lin, Y., Tsai, C. C., Sullivan, W. C., Chang, C., & Chang, P. (2014). Does awareness effect the restorative function and perception of street trees?. Frontiers in Psychology, 5(3), 1-9. doi:10.3389/fpsyg.2014.00906}

_{[12] Li, X., Zhang, C., Li, W., Ricard, R., Meng, Q., & Zhang, W. (2015). Assessing street-level urban greenery using Google Street View and a modified green view index. Urban Forestry & Urban Greening, 14(3), 675-685. http://dx.doi.org/10.1016/j.ufug.2015.06.006 1618-8667}

_{[13] Aoki, Y. (1987). Relationship between perceived greenery and width of visual fields. Journal of the Japanese Institute of Landscape Architecture, 51(1), 1-10. https://doi.org/10.5632/jila1934.51.1}

_{[14] Rai, A. (2013). Designing green stormwater infrastructure for hydrologic and human benefits: An image based machine learning approach (Master’s thesis). University of Illinois, Illinois.}

_{[15] Ying, L., & Liu, L. (2017). How green are the streets? An analysis for central areas of Chinese cities using Tencent Street View. PLOS One, 12(2), 1-18. doi:10.1371/journal.pone.0171110}

_{[16] Office of Urban Management and Comprehensive Law Enforcement Bureau of Shenzhen Municipality. (2018). Shenzhen Land Greening White Paper (2016–2017). Retrieved from https://mp.weixin.qq.com/s/y95ffVeZQs7Ncna9WbXxMA}

_{[17] Shenzhen Bureau of Ecological Environment. (2016). 2016 Shenzhen Environmental Status Bulletin. Retrieved from http://meeb.sz.gov.cn/xxgk/tjsj/ndhjzkgb/content/post_2015582.html}

_{[18] Department of Ecological Protection and Restoration. (2016, March). Communique of China’s Land Greening in 2015. Retrieved from http://www.gov.cn/xinwen/2016-03/12/content_5052580.htm}

_{[19] Cui, J., Liu, H., & Chen, Y. (2021). Changes in Green Coverage Rate of Urban Built-up Areas in China and Influencing Factors. Ecology and Environment Sciences, 30(2), 331-339. doi:10.16258/j.cnki.1674-5906.2021.02.012}

_{[20] Zhong, T. (2003). Exploration the Concept of Land Plot. China Land, (5), 11-13. doi:10.3969/j.issn.1002-9729.2003.05.004}

_{[21] Mansfield, C., Pattanayak, S. K., Mcdow, W., McDonald, R., & Halpin, P. (2005). Shades of Green: Measuring the value of urban forests in the housing market. Journal of Forest Economics, 3(11), 177-199. http://dx.doi.org/10.1016/j.jfe.2005.08.002}

_{[22] Zhang, J., Zhang, S., Jia, R., Zhao, J., & Hou, H. (2015). Quantitative evaluation on the difference of canopy cover of town parcels. Ecological Science, 34(6), 148-156. doi:10.14108/j.cnki.1008-8873.2015.06.023}

_{[23] Chen, Y., & Qian, G. (2020). The Characteristics of Road Green View Index in Urban District and the Relationship between Road Green View Index and Green Coverage Rate—Take Nanshan District, Shenzhen as an Example. Special Zone Economy, (2), 59-63.}

_{本文引用格式 / PLEASE CITE THIS ARTICLE AS}

_{Gu, W., Tang, Z., Chen, Y., & Dai, M. (2021). Research on the Greening Rate and Spatial Differences of Urban Residential Neighborhoods in Shenzhen. Landscape Architecture Frontiers, 9(5), 60-71. https://doi.org/10.15302/J-LAF-0-020006}

^{編輯 | 冉玲于、田樂}

^{翻譯 | 冉玲于、田樂、嵇揚}

^{制作 | 田樂}

_{版權聲明：本文版權歸原作者所有，請勿以景觀中國編輯版本轉載。如有侵犯您的權益請及時聯系，我們將第一時間刪除。}