城市公园空间分布格局与服务特征评价——以沈阳市为例

杨月恒,郭力娜,张寅桐

(华北理工大学 矿业工程学院,河北 唐山 063210)

随着城市化进程的加快,人口随之不断增加,建筑物面积不断扩张,导致城市绿地被侵占而减少[1,2]。城市公园作为城市绿地重要的组成部分,是人们亲近自然、享受自然的主要场所,其在提升居民幸福感、实现城市高效服务、城市社会经济及环境效益提高等方面具有十分重要的作用。城市公园将生态、文化、科学融合在一起,能够改善城市生态环境,提高人们身体素质以及文化涵养,整体提高人们生活环境质量。现阶段,我国的城市发展中有不少地区存在城市空间盲目扩张、资源要素利用效率低、生态功能退化等“城市病”,不仅影响了人类生活的生态环境,而且还阻碍着社会经济朝着高质量方向发展的步伐[3]。公园城市理念的提出在城市建设和规划历史上画出了浓墨重彩的一笔[4],是引领未来中国城市规划和建设的重要指导。近些年,全国各地践行“绿水青山就是金山银山”理念,以生态视觉在城市创建山水林田湖草生命共同体,努力将“城市中的公园”打造成“公园中的城市”[5]。

城市公园空间分布特征一直是学术界重点研究内容,在国外得到广泛关注。其中,针对城市外部结构分析最具代表性人物当属汤姆·特纳,他将城市公园分为单一的中央公园、分散的居民社区广场、不同等级的公园等6类空间分布模式,其基本上涵盖了当时城市公园的特征[6]。对于城市公园内部空间分布最具影响力的人物是曼纽尔·鲍德博拉和费雷德·劳森,他们基于对城市公园功能的考虑,第一次尝试将城市公园内部空间进行分区处理,使得城市公园游玩设施与休息设施的价值得到充分发挥[7]。BANCR O F等通过对美国城市公园空间分布方面的深入研究,利用可达性方法对城市公园空间分布的合理性进行评价。

国内对于城市公园的研究更趋向以地质、森林以及体育公园等为研究对象。朱磊等以1994、2004、2019年的国家森林公园为研究对象,利用空间分析法综合分析我国森林公园空间分布差异特征,为我国森林公园空间布局优化提出宝贵建议[8]。王蕾通过对广西地质公园发展状况进行梳理,结合区域规划、空间经济学等相关理论,分析了广西地质公园空间分布的地质地理差异[9]。曾洪发等利用科技手段获取了我国1 707个体育公园,采用空间分析法、数学分析模型等方法,综合总结了我国体育公园空间分布规律并探究其影响因素[10]。

结合以上分析,国内外对城市公园空间分布的研究已经取得了很多成就,但其主要是以某一类公园空间分布模式、特征为主要内容,利用多源数据评价城市公园空间服务水平并分析其影响因素的研究较少,而且影响因素的分析大多采用定性描述,缺少量化分析。因此,将沈阳市城市公园作为研究对象,选取空间分析法、熵权TOPSIS法等来探究其空间分布格局与服务特征评价,以此为城市公园空间合理规划提供一定支撑。

1 研究数据与方法

1.1 研究区概况

沈阳市,不仅是辽宁省辖地级市、省会、特大城市以及沈阳都市圈核心城市,还是全国文明城市、国家环境保护模范城市、国家森林城市和国家园林城市。根据2021年沈阳市统计年鉴记载,全市下辖10个区、2个县、代管1个县级市,和平区、沈河区、大东区、皇姑区以及铁西区为中心区,总面积12 860 km2。沈阳市地处中国东北地区南部、辽宁中部,位于北纬41°48′11.75″、东经123°25′31.18″之间。东与铁岭市、抚顺市、本溪市接壤,南临辽阳市,西与盘锦市、阜新市相连,北与内蒙古自治区相邻。

如图1所示,沈阳市地形自北东向南西,两侧向中间倾斜,北部丘陵与东部丘陵山地向西南方向逐渐平展成大面积的冲击平原。沈阳市康平县、法库县绝大多数为丘陵山地;沈北新区东部、浑南区东部以及苏家屯区东部有些丘陵山地,往西逐渐平坦;新民市、于洪区以及辽中区这3个地区绝大部分由冲积平原构成,新民市西北部散存一些丘陵;中心区绝大部分地区地势平坦,其中,大东区东部地区散落一些丘陵。

图1 研究区地势图

1.2 数据获取与预处理

1.2.1城市公园数据

(1)数据来源

研究所用城市公园共计218个样本数据。公园数据来源总共分为2个部分。一部分来源于沈阳市城市管理综合行政执法局,共计101个;一部分城市公园数据来源于高德地图,共计168个。根据对文献的分析总结[11],对这两部分城市公园数据重复部分进行保留,未重合部分选择利用高德地图数据对沈阳市城市管理综合行政执法局提供的数据进行补充。

从沈阳市城市管理综合行政执法局收集城市公园数据通过电话访问获取沈阳市城市管理综合行政执法局关于沈阳市城市公园的数据问题,该局提供了“沈阳智慧城管”公众号。“沈阳智慧城管”是沈阳市园林绿化与市容环卫管护中心认证,在此公众号中仅有关于沈阳市主城区的公园,并未提及康平县、法库县、辽中区以及新民市的城市公园,总共收集到101个城市公园。

从高德地图收集城市公园数据高德地图作为中国具备“三甲”资质的领先数字地图软件。沈阳市公园POI数据采集完成时间为2022年5月3日21:42。根据“沈阳市”、“风景名胜”、“公园”等字样,从高德地图中爬取沈阳市公园POI数据,总共爬取到188个城市公园;经过对城市公园位置的验证、城市公园取舍以及城市公园名称的更正等过程,剔除了20个无效城市公园,最终确定参与研究的公园个数为168个。

(2)数据预处理

如图2所示,利用ArcGIS对沈阳市公园空间可视化,城市公园总体呈现“大聚集,小分散”的格局,其主要集中在沈阳市东南部地区,其他区域均有零散分布。其中,沈阳市的主城区公园分布比较多,且在中心区形成聚集分布;随着与主城区的距离增大,非主城区城市公园空间分布也就越少,同时也就越分散。

图2 沈阳市城市公园空间分布

1.2.2其他数据

道路数据来源于辽宁省自然资源厅。根据辽宁省自然资源厅提供的辽宁省整个省的道路数据,其中包括高速公路(655.23 km)、国道(1 135.42 km)、省道(888.06 km)、县道(1 661.39 km)。

统计数据主要来源于辽宁省统计局、沈阳市人民政府,包括2020年《沈阳市统计年鉴》、《辽宁省统计年鉴》,同时辽宁省、沈阳市统计公报作为补充。具体来讲,主要有以下几部分:城镇人口数、社区委员会数、GDP和人均可支配收入等。

土地利用数据主要用于空间服务差异特征影响因素分析中土地利用混合度的测算,其来源于美国环境系统研究所公司(Esri),以Sentinel-2卫星的遥感图作为数据源,分辨率为10 m。土地利用混合度是以斑块的数量为基础,利用信息熵公式来进行测算。

辽宁省自然资源厅获取的相关基础地理信息数据、政区矢量底图以及沈阳市地势数据。

2020年城市夜间灯光强度数据来源于国家地理空间信息中心网站,空间分辨率为500 m。

2020年植被指数(NDVI)数据来源于中国科学院资源环境科学数据中心(http://www.resdc.cn/resdc/first.asp),分辨率为1 km。

2020年沈阳市各区域建筑物边界数据主要来源于国家青藏高原科学数据中心(http://data.tpdc.ac.cn/zhhans/),地理坐标为WGS-84。以国家青藏高原科学数据中心提供的建筑物边界数据为根据来制作建设物密度,利用ArcGIS软件中的面转线工具,再分析线密度。

1.3 研究方法

1.3.1空间分布集中度

(1)最邻近指数

采用最邻近指数法来判断沈阳市城市公园要素在空间的相互邻近程度[12,13],进而对城市公园点要素在空间上的分布类型进行分析,其公式为:

(1)

(2)

式中:

R—最邻近点指数;

rε—点理论最邻近距离;

A—沈阳市全域土地面积;

n—沈阳市所拥有的公园个数。

当R≤0.5时,点要素属于凝聚型;当0.5

(2)地理集中指数

地理集中度指数用来测度每个要素在区域内的空间集中分布程度[13],是衡量研究对象集中程度的重要指标,其公式中:

(3)

Pi—沈阳市第i个区域的城市公园个数;

T—沈阳市的城市公园总个数;

n—沈阳市区域总个数。

G值的大小与城市公园分布的集中分布程度呈正相关,G越大越集中,反之则越分散。

1.3.2空间分布均衡度

(1)不平衡指数

不平衡指数反映不同地区的研究对象的平衡性[14]。用其来测算城市公园在沈阳市的分布情形。其计算公式为:

(4)

式中:

S—不平衡指数;

n—沈阳市区域;

Yi—第i位区域的累计占比。

(2)基尼系数

基尼系数[15]通常在地理学中被用来分析区域内研究对象的均衡程度,本研究主要使用其对沈阳市全域内城市公园分布均匀差异性进行分析。其公式为:

(5)

C=1-Gini

(6)

式中:

Gini—基尼系数;

C—公园分布均匀度;

Pi—沈阳市第i个区域的城市公园占比;

n—沈阳市区域总个数。

基尼系数值越趋近于1时,表示研究区域城市公园分布越集中;越趋近于0时,表示研究区域城市公园分布越均匀。C与Gini的分布规律相反。

1.3.3空间分布密度

核密度分析法经常用来估算区域地理要素的空间分布密度及其形态的变化[16],其公式为:

(7)

式中:

S—待估计沈阳市城市公园的位置;

Si—落在以S为圆心空间范围内的要素;

h—在半径空间范围内第i个城市公园的位置。

1.3.4熵权TOPSIS法

TOPSIS法是一种评价多个指标和指标之间的相对优劣的分析方法,测度研究对象与最优解、最劣解的距离[17]。由于传统的TOPSIS法存在不可避免的缺陷,即评价指标权重选取的随机性和仅能获得绝缘相对优劣关系,而熵权法是按照指标数据反馈信息量的大小来分配权重的大小,以此来表征指标的重要程度,基于以上分析,特意引入熵权法来改进TOPSIS法[18],以此来克服传统TOPSIS的缺陷,使评价结果更加科学准确。

1.3.5地理探测器

地理探测器是一种揭示地理现象空间异质性背后驱动因素的新兴空间分析方法。地理探测器[19]主要由四部分组成,分别为交互作用探测、风险区探测、分异及因子探测和生态探测。选取分异及因子探测、交互作用寻找城市公园空间服务水平空间格局背后的驱动因素。计算公式为:

(8)

式中:

q—驱动因素对城市公园空间服务水平的解释程度;

N—沈阳市的区域个数;

σ2—沈阳市区域的整体城市公园空间服务水平的方差;

m—影响因素分层。

2 城市公园空间分布格局特征与差异

2.1 空间分布集中度

2.1.1总体空间分布集中度

城市公园的集中分布有利于刺激居民外出,在促进各地区的互联互动方面具有重大的作用。借助软件ArcGIS空间统计工具并采用最邻近指数R来分析沈阳市公园的空间分布类型。沈阳市公园平均最近邻指数结果:最邻近指数为0.50,z得分为-14.24,P值为0.00,表明沈阳市城市公园总体上呈现凝聚型格局,空间分布不均匀。

2.1.2区域空间分布集中度

地理集中指数是衡量沈阳市各区域公园集中程度的另一种有效方法。如表1所示,根据地理集中指数公式,沈阳市公园总数为T=218,区域总数为n=13,运用地理集中指数公式得出G=30.44。显而易见,该测评结果受公园分布和分布区域个数的影响。公园的分布越不均匀,则地理集中指数越高;当分布的区域越少,则地理集中指数越高,因此进一步验证了之前的计算结果。

表1 沈阳市城市公园地理集中指数

如果沈阳市所拥有的218个城市公园平均分散在13个区域,则每个区域的城市公园数量为16.77个,由计算得知,G=30.44>16.77,说明沈阳市公园在区域尺度上空间分布不均衡,分布较为集中。

2.2 空间分布均衡度

2.2.1均匀程度

不平衡指数反映了不同区域研究对象的完整性或平衡性。由于自然条件、经济发展水平等条件的差异,导致城市公园在空间分布上呈现明显的不均衡性。利用此指数测度沈阳市城市公园的分布均衡情况,计算公式选用洛伦兹曲线的指数。当不平衡指数接近1时,说明沈阳市公园全部聚集在一个区域;当不平衡指数为0时,说明城市公园在理想状态下均匀的分布在沈阳市各个区域。

沈阳市各区域的公园个数累计占比从大到小依次排序,如表2所示,再利用相关公式计算出,不平衡指数S=0.27,根据不平衡指数准则,说明这218个城市公园呈现空间集群分布格局。其中,铁西区、浑南区、大东区、和平区和沈河区这5个区域所拥有的公园数量超过全市的50.00%,而法库县、辽中区和康平县仅占全市的7.34%,与其他区域形成鲜明的对比。这种现象可以说明沈阳市虽然旅游资源丰富,但是在未来各区域城市公园的建设过程中,仍然存在很大的提升空间,以建设更优质的城市公园为目标,切实为居民提供更好的休憩游玩之所。

表2 不平衡指数

2.2.2离散程度

基尼系数在地理学中被用来研究地理点要素的空间分布特征,进而分析出不同区域中研究要素分布的离散程度。利用相关公式计算得出:沈阳市基尼系数Gini=0.95,分布离散度C=0.05,这说明沈阳市城市公园在各区域分布比较集中,与之对应的是城市公园在各区域离散程度较低,此外,沈阳市主城区分布比较聚集,主要集中在铁西区、浑南区和大东区。

2.3 空间分布密度

利用ArcGIS软件对沈阳市城市公园点要素进行点密度分析,得到图3沈阳市城市公园空间分布密度。

图3 沈阳市公园空间分布密度

如图3所示,在整体上看,沈阳市城市公园呈现“单主核中心,双次核中心”的空间分布密度格局,主核中心与双次核中心组成稳定的三角形结构。具体来讲,主核中心分布在和平区、沈河区、大东区、皇姑区以及铁西区东北部的地区,极核处在和平区、大东区以及沈河区的交界处,其聚集程度极强;双次核中心分布在新民市、辽中区;其他区域分布呈现出相对比较零散的现象。通过与统计数据、地势图的结合分析,可以发现:主核中心所处区域经济较发达,人口较多,且地势比较平坦,在未来城市发展过程中,应该加强与新民市、辽中区的联系,以此来夯实这不太稳固的三角形关系,此外,其他区域宜主动加入到其中,共同促进沈阳市城市公园建设与发展。

3 城市公园空间服务特征及影响因素分析

经过城市公园空间分布格局特征分析,已经对沈阳市城市公园在数理和空间上有了深入的了解。居民作为城市公园空间服务的享受者,城市公园作为居民休闲游玩的提供者,两者之间存在着密不可分的关系。因此,探究城市公园的空间服务特征以及影响因素具有重要的研究价值。

3.1 城市公园空间服务评价

3.1.1评价指标体系构建

为深入践行“绿水青山就是金山银山”理念,在城市构建山水林田湖草生命共同体、布局高品质绿色空间体系,将“城市中的公园”打造成为“公园中的城市”。城市公园发展是一个相对比较复杂的过程,参考相关文献[20,21],借鉴前人的研究成果,将城市公园空间服务作为目标层,公园配置水平、公园服务水平[22]作为准则层,共有4个指标,如表3所示。

表3 城市公园空间服务评价体系

公园配置准则层。公园配置是把控公园发展整体方向的总着力点。选取以下2个指标:其一,公园个数,表征城市公园建设情况,体现公园个数在区域间的分布差异性;其二,公园密度,表征衡量一个区域城市公园覆盖情况。

公园服务准则层。公园服务是坚持以人为本的理念,满足市民在感官享受和精神文化方面的双重需求,突出城市公园与市民相匹配的程度。选取以下2个指标:其一,公园平均服务人数,表征城市公园在社会公平方面的服务能力,以满足城市化发展的需求;其二,公园平均服务社区数,表征公园对于社区的覆盖情况,反映在日常生活中市民对于城市公园选择的多样性。

3.1.2结果与分析

基于构建好的城市公园空间服务评价指标体系以及熵权TOPSIS法,对沈阳市13个区域的公园空间服务特征进行测度。如表4所示,沈阳市城市公园空间服务水平的均值为0.360 3,中位数为0.246 9,即沈阳市城市公园空间服务水平的数据呈现正偏态分布(中位数位于平均数的左侧,小于平均数),这说明沈阳市大部分区域的城市公园空间服务水平低于平均值,仅有少部分城市公园空间服务水平较高的区域为沈阳市公园空间服务水平做出较大的贡献。具体来讲,仅有4个区域位于均值之上,从大到小分别为沈河区、和平区、皇姑区以及大东区,意味着这4个区域城市公园空间服务水平可能已经进入相对稳定的阶段,而且还说明这4个区域城市公园空间服务水平成为影响整个沈阳市城市公园空间服务水平的主力。位于均值之下的区域有9个,占沈阳市总区域的69.23%,相比于其他区域来说,铁西区的城市公园空间服务水平虽然也位于平均水平之下,但是其与城市公园空间服务水平均值最接近,这说明铁西区在未来应该关注城市公园的建设、发展以及服务范围等方面,争取其空间服务水平早日提升至平均值之上。

表4 城市公园空间服务水平

在空间上,利用ArcGIS软件空间分析中的自然间断点分级法将沈阳市城市公园空间服务水平特征划分为5个等级,即Ⅰ等级(0.100 0～0.134 9)为较差,Ⅴ等级(0.821 0～1.000 0)为较好,以此为依据绘制了沈阳市城市公园空间服务特征空间分布图。如图4所示,沈阳市城市公园空间服务特征在空间分布上呈现出以和平区与沈河区为中心并向外围梯度递减的“核心—边缘”的结构,主核心集中在沈河区。此外,主城区北部区域比主城区南部区域城市公园空间服务水平高,这可能与人口、经济、自然和城市建设等有一定关系。

图4 沈阳市城市公园空间服务特征

3.2 城市公园空间服务影响因素探测

为了探究城市公园空间服务水平的影响因素,依据数据的可获取性,构建了城市公园空间服务水平的异质性的影响因素体系,该体系从人口发展、经济驱动、城市建设以及自然因素出发。

(1)影响因素数据准备

选取自然增长率(X1)、人口密度(X2)、城镇化率(X3)作为人口发展的指标层,其中,以上3个数据均由2020年沈阳市统计年鉴获取。GDP(X4)、人均可支配收入(X5)作为经济驱动的指标层,其中,以上2个数据均由2020年沈阳市统计年鉴获取,人均可支配收入为城镇居民和农村居民人均可支配收入的平均值。交通路线(X6)、夜光强度(X7)、建筑物密度(X8)作为城市建设的指标层,其中,以上3个数据来源于不同的平台,具体见数据来源与预处理,交通线路的长度是以辽宁省自然资源厅提供的交通线路为根据,利用ArcGIS软件中统计工具提取;夜光强度、建设物密度是利用ArcGIS软件中统计工具所提取的每个区域平均值。土地利用混合度(X9)、NDVI(X10)、高程(X11)作为自然因素的指标层,其中,NDVI、高程来源于不同的平台,具体见数据来源与预处理。

(2)构建影响因素指标

根据熵权TOPSIS法计算城市公园空间服务水平,其影响因素体系从人口发展、经济驱动、城市建设以及自然因素这4个方面出发。为了保证数据的一致性,对这4个方面的指标以及城市公园空间服务水平数据归一化,利用自然断点法对指标进行划分5个等级,一等级较差为1,五等级较好为5,如表5所示。

表5 影响因素等级划分

(3)结果与分析

利用地理探测器模型对城市公园空间服务水平的驱动因素进行分析,得到驱动因素的探测力度q,如表6所示,城市公园空间服务水平的空间分异现象并不是由一个驱动因素独立作用的结果,而是多个驱动因素共同作用的结果。4个主要驱动方面对城市公园空间服务水平空间分异的影响力从大到小排序为:城市建设>人口发展>经济驱动>自然因素,其中,城市建设的驱动力最大。

表6 城市公园空间服务水平空间分异解释力

根据以上所述可以得出:在生态文明新时代,应该将生态价值融入到城市公园建设的过程中,修正传统的发展模式,打造新的增长极,努力满足休闲园林的要求,进一步推动城市朝着高质量发展方向迈进以及城市功能分区职能不断强化。11个驱动因素的解释力从大到小排序为:夜光强度>人均可支配收入>城镇化率>建筑物密度>GDP>NDVI>交通路线>土地利用混合度>人口密度>自然增长率>高程,其中,驱动因素解释力最强的因素为夜光强度,即城市夜间灯光强度,其能够直观反映社会经济活动强弱。综上所述,城市夜间灯光强度较高的地区,不仅人口密度大,而且经济比较发达,这就为城市公园建设提供了丰厚的物质基础。

为了探究驱动因素间的交互作用对城市公园空间服务水平的影响程度,如对驱动因素进行交互探测。由表7所示,两两驱动因素的交互作用的q值均大于单个驱动因素的q值;在两两驱动因素共同作用时,均呈现出双因子增强的交互关系。因此,驱动因素交互作用能够在一定程度上提高对城市公园空间服务水平的解释程度。在两两驱动因素交互作用探测过程中,自然增长率(X1)、GDP(X4)、夜光强度(X7)与其他驱动因素交互作用,对于城市公园空间服务特征的解释力最显著。综上所述,人口自然增长率适当增加和夜光强度水平的合理提高,不仅能够带动人口的增长,还能够促进经济社会的全面发展;为满足市民对高品质生态空间的需求,将公园形态与城市空间有机结合,实现公共空间与城市环境和谐相处,进而优化全市用地布局结构。

表7 驱动因素相互作用的解释力

为探究某个驱动因素与其他驱动因素共同对城市公园空间服务水平的作用程度,根据表7制作了双因子交互作用的增强幅度曲线,即驱动因素(X1)与其他驱动因素(Xn)交互作用结果q(X1-Xn)与该驱动因素单独作用的结果的差值q(X1),例如q(X1-Xn)-q(X1);其他驱动因素的区域与(X1)类似。

如图5所示,相比于其他驱动因素,高程(X11)与其他驱动因素交互作用两两交互作用增强幅度最高,但是高程在单独作用时其值最低,仅为0.40(表7),意味着:高程单独对城市公园空间服务水平影响较小,但是在与其他驱动因素共同作用下,对于城市公园空间服务水平却存在较大的影响力。综上所述,高程并不是直接影响城市公园在空间服务水平特征的差异性,而是联合其他驱动因素共同作用于城市公园空间服务水平,例如高程较低的地区,人口集中度较高,交通系统比较完善,经济也就越发达,从而催促着城市公园在低海拔地区得建设,但需要因地制宜,保护城市生态环境,这样才有助于城市公园的建设。

图5 单驱动因素交互作用后q值变化值

4 结论

(1)从城市公园空间分布格局来讲,城市公园在空间分布上呈现凝聚型格局,空间分布不均匀,各区域之间存在差异;主城区分布比较聚集,铁西区、浑南区和大东区城市公园较多;从整体上看,沈阳市城市公园的空间分布密度呈现“单主核中心,双次核中心”的格局,且主核中心与双次核中心组成较稳固的三角形结构。

(2)从城市公园空间服务特征的角度可以得出,沈阳市城市公园空间服务水平的数据呈现正偏态分布,这说明沈阳市大部分区域的城市公园空间服务水平低于平均值(0.360 3),仅有城市公园空间服务水平较高的少部分区域为沈阳市整体城市公园空间服务水平做出较大的贡献;在空间分布上呈现出以和平区与沈河区为中心并向外围梯度递减的“核心—边缘”的结构,主核心集中在沈河区。根据地理探测器对于影响因素的探测结果,城市建设主要驱动方面对于城市公园空间服务的驱动力最为显著(2.664 2),夜光强度驱动因素对于城市公园空间服务水平异质性解释力最强(0.974 7),高程单独对城市公园空间服务水平影响较小,但是在与其他驱动因素共同作用下,对于城市公园空间服务水平却存在较大的影响力。