从绿覆率、绿视率和500米公园绿地率看深圳绿地服务公平性

导 读

鉴于既有绿化指标无法准确衡量城市居住区绿化水平的空间差异，本文提出居住单元绿化覆盖率、绿视率、500m范围内的公园绿地率三项居住单元绿化指标，旨在探讨城市绿地服务的公平性问题。

研究以2017年的深圳市建成区居住单元为例，利用土地覆被图、街景图片等建立了包含14196个居住单元的绿化数据库，并测算了每个居住单元的三项绿化指标值。研究表明：1）三项指标均可独立反映居住单元内部或周边绿化水平；2）居住单元的绿化覆盖率、500m范围内的公园绿地率均较低，绿视率较高；3）不同居住单元内部、500m范围内的公园绿地，以及不同房屋产权类型的居住单元的绿化水平存在较大空间差异，绿地服务的公平性不足；4）居住单元绿化水平受开发强度、房屋产权类型、海拔和区位等地理空间因素影响。

研究建议城市绿地布局应关注弱势群体的绿地服务质量，尤其可将500m范围内的公园绿地率作为现有居住区绿化指标体系的补充指标，以更好促进居住区绿地服务的公平性。

深圳市城市居住单元绿化水平与空间差异研究

Research on the Greening Rate and Spatial Differences

of Urban Residential Neighborhoods in Shenzhen

作者：

古维迎

深圳市坪山规划和自然资源研究中心规划研究部部长、注册城乡规划师、高级工程师

 汤子雄

深圳大学建筑与城市规划学院、深圳市建筑环境优化设计研究重点实验室在读硕士研究生

 陈义勇

深圳大学建筑与城市规划学院副教授、风景园林系副主任

 戴牧野

中国人民大学经济学院本科生

1 研究背景

作为城市景观的重要组成部分，城市绿地对城市居民的身体、生理、社交等方面重要性也已得到广泛证实^[1][2]。居住区内部及周围绿地是城市居民访问率较高的绿地，作为提升民生福祉的重要途径，居住区绿地服务的公平性尤应受到重视。

多年来，中国的规划管理体系一直将城市绿地率、城市绿化覆盖率和人均公园绿地面积等作为主要的城市绿化评价指标^[3]。这些指标虽然可以对城市绿地总量进行直观的量化评价，却难以评价绿地与居住区之间的空间关系，尤其忽视了弱势群体所面临的居住区绿地服务不足的问题^[4]~[9]。

此外，尽管这些指标可对二维平面绿化效果进行一定评价，却无法指征三维空间的绿化分布和景观效果。而实际上，人在环境中所接收到的信息约80%~90%来源于视觉^[10]，街道绿化与居住区内部树木是大部分居民日常接触最多的绿色景观之一^[11]。但少有研究系统分析城市居住区的相关绿化的三维分布情况^[12]，而“绿视率”^[13]这一概念的出现补充了现有绿化评价指标在居住区的街道绿化与居住区内部树木等绿化在可视性方面的不足，且近年数据可获取性和计算机图片处理技术的发展亦为深入研究绿视率提供了可能^[14][15]。

基于此，本研究以深圳市建成区居住单元为对象，利用土地覆被图、街景图片等构建多源地理数据集成的绿化数据库，在现有城市绿化评价指标基础上补充针对居住单元的三项绿化指标—居住单元绿化覆盖率（后文简称“绿覆率”）、绿视率、500m范围内的公园绿地率——探讨衡量城市居住单元绿化水平与空间差异的方法，评估绿地服务的公平性情况。

2 研究对象及样本选择

本文选取中国园林城市深圳市作为研究案例。2016年，深圳市建成区园林绿地面积362.67km^2[16]，建成区绿地率39.2%；建成区绿化覆盖率为45.1%，人均公园绿地面积为16.45m^2[17]。而同年，中国城市建成区绿地率为36.34%，建成区绿化覆盖率约为40%，人均公园绿地面积为13.16m^2[18][19]。可见，相较全国数据而言，深圳市建成区的各项绿化指标均达到较高水平。

研究将深圳市建成区的居住单元作为分析样本—居住单元指城市用地现状普查图中涵盖居住建筑的宗地^[20]~[22]。依据深圳市规划和自然资源局2015年的土地调查资料《土地利用现状调查》，深圳市共有居住单元19575个。2014年《深圳市建筑普查》资料显示，深圳市居住建筑的房屋产权类型主要为商品房（含保障房）、农民房（含城中村、小产权房）、集体宿舍（含部分小产权房）、其他产权房。

研究运用ArcGIS工具，对全市19575个建成区居住单元绿化建立数据库。为减少居住单元占地面积或建筑规模较少和绿视率采样点不足带来的误差，研究先剔除了居住单元占地面积小于2000m²或居住建筑总面积小于1000m²的居住单元，后剔除了绿视率采样点数量少于10个的居住单元^[23]。最终纳入统计分析的居住单元样本数为14196个。

本研究分别统计了每个居住单元的用地面积、所有建筑的基底面积、总建筑面积，并测算了居住单元容积率、建筑密度等指标。由于商品房居住单元数量最多，为进一步区分不同密度商品房的绿化特点，研究以样本居住单元容积率的中位数值（2.0），将商品房分为高密度商品房（容积率≥2.0）和低密度商品房（容积率＜2.0）两类。

3 三项绿化指标测算及自变量设定

绿覆率 

基于2017年高分辨率多光谱全色SPOT-5影像所获得的深圳市土地覆被图，借助ArcGIS工具获得居住单元用地范围内所有植被垂直投影的面积（VPA）。计算时，居住单元绿覆率为居住单元用地范围内所有植被垂直投影的面积与该居住单元总面积（RUA）的比值^[22]。计算公式如下：

绿视率 

绿视率通过街景图片进行计算。本文作者于2017年5~6月，利用腾讯街景地图抓取了深圳市所有道路的街景数据（数据本身抓取时间分布在2013年1月~2017年5月），获得29.18万个采样点总计116.72万张街景图片。计算时，采样点绿视率值为该点沿道路前进方向的前、后、左、右4个方向街景图片中绿色植物所占的面积（GA）与图片总面积（IA）的比重均值^[21]。居住单元的绿视率取值为该单元内部及周边主要道路（居住单元用地边界100m缓冲区内）所有采样点的绿视率均值。若相邻两个居住区缓冲区相交，不重复计算叠加部分的采样点。计算公式如下：

500m范围内的公园绿地率 

居住单元500m范围内的公园绿地率计算方法为：居住单元边界外500m缓冲区范围内的各类公园绿地（PA）（含城市公园、社区公园）占缓冲区总面积（BA）的比例。计算公式如下：

自变量设定 

研究分别测算了每个居住单元的三项指标，并计算各个指标的均值与标准差。同时，本文参考相关研究^[15][23]及数据可获取性，最终选取了14个自变量，分别建立线性回归分析模型，试图寻找与居住单元绿化水平相关的地理空间因素。其中，自变量的类型为居住单元本身特征、居住单元区位条件和居住单元周边环境，二分类变量进行了哑变量处理，分为了用地面积、建筑数量、建筑密度、容积率、是否商品房、是否集体宿舍、是否农产房、是否其他产权房、是否关内、与CBD距离、公交线数、是否临山、是否临水和海拔。因变量为绿覆率、绿视率、500m范围内的公园绿地率。

研究区域绿覆率、绿视率、500m范围内的公园绿地率的空间分布情况 © 陈义勇

深圳不同房屋产权类型居住单元的三项绿化指标的均值 © 陈义勇

4 主要研究结果

主要研究结果包括：

1）本研究提出的绿覆率、绿视率、500m范围内的公园绿地率三项绿化指标之间呈弱正相关，均可独立反映居住单元内部或周边的绿化水平。整体上，深圳市居住单元的绿覆率和500m范围内的公园绿地率均较低，绿视率则较高。

2）深圳市居住单元绿化水平存在空间差异，绿地服务的公平性不足。其中，不同居住单元内部及周边主要道路绿化空间差异不大，居住区内部绿化和500m范围内的公园绿地的空间分布差异较大；不同房屋产权类型居住单元绿化水平也存在较大差异，其中低密度商品房和其他产权房的绿化水平最高，农民房和集体宿舍的绿化水平最低。反映出公园绿地这一公共产品未能向居住在农民房和集体宿舍的弱势群体倾斜，绿地服务的公平性与正义性有待提升。

3）影响居住单元绿化水平的地理空间因素主要包括开发强度、房屋产权类型、海拔和区位等。

4）研究提出的居住单元500m范围内的公园绿地率指标具有实践意义，可作为现有居住区绿化指标体系的补充，尤其建议将其作为衡量城市公园绿地率及空间分布情况的补充指标。

5 研究不足

本研究所使用的研究数据年份不同，对实验结果可能有一定影响。研究数据涉及2014年建筑普查、2015年土地利用数据与2017年深圳市街景数据等，在统计居住单元容积率、建筑密度、绿视率等相关指标时存在一定误差。

部分参考文献

_{[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}

^{编辑 | 冉玲于、田乐}

^{翻译 | 冉玲于、田乐、嵇扬}

^{制作 | 田乐}

_{版权声明：本文版权归原作者所有，请勿以 编辑版本转载。如有侵犯您的权益请及时联系，我们将第一时间删除。}