中心城區(qū)公園綠地服務(wù)能力綜合評價：模型與案例

席珺琳，吳志峰, ，張會，韋家怡

1. 廣州大學(xué)地理科學(xué)學(xué)院，廣東 廣州 510006；2. 廣東省地理國情監(jiān)測與綜合分析工程技術(shù)研究中心，廣東 廣州 510006；3. 南方海洋科學(xué)與工程廣東實驗室，廣東 廣州 510458；4. 華北水利水電大學(xué)測繪與地理信息學(xué)院，河南 鄭州 450000

城市公園綠地作為城市綠地系統(tǒng)的組成部分，在城市環(huán)境中扮演重要角色（田國行，2005），具有公共物品的性質(zhì)（Thompson，2002），在維護(hù)城市生態(tài)、人居環(huán)境健康和加強(qiáng)市民間交往方面有重要意義（金云峰等，2013）。隨著城市化進(jìn)程推進(jìn)，越秀區(qū)作為廣州市最古老的中心城區(qū)，也是面積最小、人口密度最高的區(qū)域，生態(tài)用地占比一再壓縮，現(xiàn)有公園綠地中，總體數(shù)量不足，且分布結(jié)構(gòu)不均衡，公園綠地的服務(wù)能力參差不齊，導(dǎo)致部分公園綠地出現(xiàn)人群使用“供過于求”或“供不應(yīng)求”的現(xiàn)象，有限公園綠地的人群使用價值得不到充分發(fā)揮。作為城市研究中的熱點問題，提高公園綠地的服務(wù)能力和使用價值已經(jīng)成為市民的關(guān)注點和學(xué)者們的重要研究課題（任曉雙，2018），科學(xué)的公園綠地評價是綠地規(guī)劃的重要前提。

近年來，公園綠地的評價體系不足之處愈發(fā)明顯。表現(xiàn)在：總體上忽略人的使用需求，簡單套用傳統(tǒng)指標(biāo)（王冰倩等，2020）、片面追求綠地“表量”的滿足（胡少波，2015），缺乏“質(zhì)”的提升、評價內(nèi)容的單一性、破碎性（榮冰凌等，2009）和評價目光僅停留于公園綠地內(nèi)部（蘇芳等，2018），忽略外在因素的影響等方面，整體上缺乏一個科學(xué)和可持續(xù)的評價框架來指導(dǎo)實踐。

國內(nèi)對公園綠地服務(wù)能力綜合評價的研究主要集中在內(nèi)部吸引力基礎(chǔ)上，從外部交通角度分析人群的可達(dá)性（Zhang et al.，2008；蔡彥庭等，2011），采用的方法也不盡相同。王念利用空間句法中軸線分析法中的集成度、深度值指標(biāo)對不同尺度公園綠地的可達(dá)性進(jìn)行評估，但模型選取忽視一條道路中不同道路段呈現(xiàn)不同交通可達(dá)性狀況，脫離實際狀況（王念，2018）；高駱秋（2010）和盧寧等（2014）則利用交通時間、成本、出發(fā)地與目的地之間的吸引力大小來表示道路的可達(dá)性影響值，主要集中于交通物理距離層面，忽視空間中路網(wǎng)拓?fù)浣Y(jié)構(gòu)的可達(dá)性及未來預(yù)測影響值；秦華等（2012）借助 GIS技術(shù)平臺在信息采集、數(shù)據(jù)處理和分析管理以及數(shù)據(jù)與圖形交互顯示等方面的強(qiáng)大功能，對可達(dá)性進(jìn)行分析，但影響指標(biāo)略顯單一，且忽略人群實際需求。歸類當(dāng)前可達(dá)性研究的主要方法有緩沖區(qū)法（Ahn et al.，1991）、最小鄰近距離法、引力模型法、網(wǎng)絡(luò)分析法（Okabe et al.，2006；Barbosa et al.，2007；Feyzan，1997；Heynen et al.，2006；Lindsey et al.，2001）和空間句法等（劉常富等，2010），但總體忽視人群的選擇需求與內(nèi)部綠地斑塊數(shù)量、質(zhì)量、面積及基礎(chǔ)設(shè)施等內(nèi)在影響因素，難以合理、全面地反映公園綠地的空間分布格局、人群使用的公平性和公園使用效率的問題（劉濱誼等，2002）。

鑒于公園綠地評價體系的現(xiàn)狀，本文擬解決以往研究公園綠地服務(wù)能力評價時內(nèi)容單一、未考慮人群使用需求及可達(dá)性評價僅落在歐式距離層面，無法預(yù)測空間未來發(fā)展?jié)摿Φ炔蛔愕膯栴}。以廣州市越秀區(qū)為研究區(qū)域，從綜合角度出發(fā)，兼顧傳統(tǒng)評價指標(biāo)，以公園綠地道路的空間可達(dá)性、綠地內(nèi)部生態(tài)質(zhì)量、人群對公園綠地的使用需求3個方面作為評價公園綠地服務(wù)能力的因素。以2019年8.1—31日為短時限尺度，提煉出表征公園綠地服務(wù)能力的動態(tài)人群使用率回歸模型，在此基礎(chǔ)上耦合年度靜態(tài)人口加權(quán)模型，綜合評價越秀區(qū)公園綠地的服務(wù)能力等級，從而為城市綠地規(guī)劃提供參考。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

圖1 研究區(qū)位及現(xiàn)狀公園綠地分布圖Fig. 1 Location of research area and Map of green space distribution of Yuexiu

越秀區(qū)為廣州市中心城區(qū)，總面積33.80 km2，戶籍常住人口115.84萬人，人口密度34735人/km2，是廣州中最古老的中心城區(qū)（詹洲延，2004）。自21世紀(jì)以來，越秀區(qū)的公園綠地雖進(jìn)入持續(xù)增長期（肖榮波等，2010），但據(jù)廣州市林業(yè)和園林局統(tǒng)計，越秀區(qū)現(xiàn)有城市公園18個（圖1），總體數(shù)量仍不足。本次研究對象為越秀區(qū)全體公園綠地，總面積為303.99 hm2，區(qū)內(nèi)人均公園綠地面積遠(yuǎn)低于廣州市整體水平，僅為2.58 m2。此外公園綠地整體分布結(jié)構(gòu)不均，集中分布在靠近白云山的北部區(qū)域和靠近珠江的西南部區(qū)域。加之區(qū)域內(nèi)公園綠地的人群使用情況參差不齊，部分公園綠地淪為擺設(shè)。因此，針對此區(qū)域展開公園綠地的服務(wù)能力評價已經(jīng)成為優(yōu)化公園綠地布局的重要舉措。

1.2 數(shù)據(jù)來源與處理

1.2.1 道路空間可達(dá)性表達(dá)及數(shù)據(jù)獲取

用于分析可達(dá)性的軸線數(shù)據(jù)以 2016年GEOFBRIK依據(jù)OpenStreetMap計劃中的開放數(shù)據(jù)制作的廣州市道路數(shù)據(jù)為基礎(chǔ)，道路類型包括主干道、一級公路、二級公路、三級公路、人行道等。處理步驟為：（1）綜合考慮可達(dá)性句法變量的因素，本研究提取主干道、一級公路、二級公路和三級公路的道路網(wǎng)絡(luò)；（2）在ArcGIS中，結(jié)合現(xiàn)場調(diào)研數(shù)據(jù)的補(bǔ)充修正，繪制基于道路數(shù)據(jù)的空間句法線段軸線圖，軸線數(shù)共計7237條；（3）將繪制完整的越秀區(qū)路網(wǎng)線段模型進(jìn)行重疊線、未相交線、孤立線等項目的排除性檢查，確保路網(wǎng)軸線準(zhǔn)確性和標(biāo)準(zhǔn)化（圖 2）。分析選用空間句法中的線段模型，對比傳統(tǒng)句法模型，考慮一條道路在交通、人流以及土地使用等方面表現(xiàn)出的不同特征，結(jié)果更符合城市空間的實際（肖揚等，2014）；在線段模型中表征可達(dá)性的兩個指標(biāo)為整合度（INT）和標(biāo)準(zhǔn)化穿行度（NACH），兩個形態(tài)變量都表達(dá)道路現(xiàn)狀空間可達(dá)性及預(yù)測空間可達(dá)性的潛力；其中整合度（INT）考察空間單元的現(xiàn)狀可達(dá)性，度量了空間中從所有起點到所有終點的最小轉(zhuǎn)彎路徑，表達(dá)每條道路可達(dá)性交通的潛力，整合度值較高的線段，有更高可達(dá)性交通潛力。標(biāo)準(zhǔn)化穿行度（NACH）用來度量不同道路線段之間穿越性交通的潛力，穿行度較高的選段，有更高穿越性交通潛力，人群心理可達(dá)性潛力越高（Penn，2003）。分別進(jìn)行多個服務(wù)半徑下形態(tài)變量的計算（Comber et al.，2008；Oh et al.，2007；林廣思，2013），并取公園綠地范圍內(nèi)的可達(dá)性形態(tài)變量平均值（圖3）。

圖2 越秀區(qū)道路線段軸線圖Fig. 2 Axis diagram of road segment of Yuexiu

1.2.2 綠地內(nèi)部質(zhì)量數(shù)據(jù)

綠地內(nèi)部質(zhì)量數(shù)據(jù)的選定考察綠地本身指標(biāo)，以往研究中顯示綠化覆蓋率和綠化面積對人群的影響較為顯著（江海燕等，2010），故選用綠化覆蓋率及綠化面積指標(biāo)，忽略公園面積、基礎(chǔ)設(shè)施建設(shè)等帶來的間接影響。公園綠地內(nèi)部質(zhì)量中的綠化覆蓋率、綠化面積等數(shù)據(jù)為2018年廣州市園林和林業(yè)局統(tǒng)計資料（http://zwgk.gz.gov.cn/GZ34/index1.shtml），結(jié)合研究需要提取越秀區(qū)現(xiàn)有公園綠地數(shù)據(jù)，并其進(jìn)行分類統(tǒng)計，得出研究區(qū)域內(nèi)各個公園綠地的綠化覆蓋率與綠化面積值（表1）。

1.2.3 研究區(qū)人口分布數(shù)據(jù)

（1）動態(tài)人口分布數(shù)據(jù)反應(yīng)研究時段內(nèi)實際平均人口分布狀況

暑假公園綠地的人流量普遍較高，相對具有代表性，故提取8月31 d的人口熱力圖來研究短期內(nèi)的實際服務(wù)水平。利用Python網(wǎng)絡(luò)爬蟲技術(shù)獲取8月的動態(tài)人口數(shù)據(jù)，步驟如下：（1）應(yīng)用 Python編程語言，訪問微信宜出行熱力圖平臺；（2）獲取每個柵格點接入騰訊位置平臺的設(shè)備數(shù)量；（3）疊加全月份柵格點數(shù)據(jù)，計算月平均人流熱力點，生成月均分布圖（圖 4）。鑒于網(wǎng)絡(luò)數(shù)據(jù)精度的缺陷，再通過克里金插值法（Kriging）獲取更高精度的平均人流密度。修正平均人流密度，提取越秀區(qū)8月平均標(biāo)準(zhǔn)人流密度（表2）。

圖3 公園綠地范圍內(nèi)的形態(tài)變量平均值Fig. 3 Mean value of space syntax variables within park green space

表1 越秀區(qū)城市公園一覽表Table 1 A list of Urban parks of Yuexiu

圖4 越秀區(qū)月平均人流熱力分布圖Fig. 4 Monthly average flow of population distribution map of Yuexiu

（2）靜態(tài)人口分布數(shù)據(jù)反映研究區(qū)內(nèi)居住人口分布狀況

靜態(tài)人口數(shù)據(jù)來源于2019年World Pop柵格數(shù)據(jù)（Zhang et al.，2015），World Pop項目在2019年中國人口普查數(shù)據(jù)的基礎(chǔ)上，利用隨機(jī)森林模型反演人口密度，空間分辨率為100 m。該人口數(shù)據(jù)時效性更強(qiáng)，精度更高（圖5）。

1.3 研究方法

1.3.1 動態(tài)人群使用率回歸模型構(gòu)建

動態(tài)人群使用率回歸模型由篩選過的一定半徑下的空間句法形態(tài)變量、綠化面積、綠化覆蓋率及月均實時人流密度共同構(gòu)成，考量短時間內(nèi)公園綠地呈現(xiàn)的動態(tài)實際服務(wù)能力。首先進(jìn)行自變量標(biāo)準(zhǔn)化處理，包括雙變量相關(guān)分析中識別出的與公園綠地月均實時人流量密度相關(guān)性最強(qiáng)的空間句法形態(tài)變量，以及代表公園綠地內(nèi)部品質(zhì)的綠化面積、綠化覆蓋率，因變量為公園綠地月均實時人流密度。綜合考慮公園綠地可達(dá)性、綠地內(nèi)部生態(tài)質(zhì)量、人群對公園綠地的使用需求對服務(wù)能力的影響。

表2 越秀區(qū)公園綠地月均標(biāo)準(zhǔn)人流密度Table 2 Average monthly standard pedestrian density of park green space of Yuexiu

圖5 越秀區(qū)2019年人口柵格Fig. 5 Population raster image of Yuexiu in 2019

（1）模型自變量選擇

已有研究中多從道路實際距離角度考慮綠地可達(dá)性（張浩，2015），本研究著重考慮道路的空間可達(dá)性意義及預(yù)測空間可達(dá)性的潛力。以空間句法線段模型中的整合度（INT）形態(tài)變量和標(biāo)準(zhǔn)化穿行度（NACH）形態(tài)變量作為檢驗人群進(jìn)入公園綠地可達(dá)性的指標(biāo)，服務(wù)半徑內(nèi)道路的整合度和標(biāo)準(zhǔn)化穿行度越高，則公園綠地人群的可達(dá)性越高（Hilier，1999）。人口數(shù)據(jù)選用月均實時人流數(shù)據(jù)來探測短時期內(nèi)人口對公園綠地的需求，更反映空間上實際人口總體分布和流動特征。根據(jù)《城市園林綠化評價標(biāo)準(zhǔn)》，研究區(qū)涵蓋多種類型公園，空間句法形態(tài)變量計算時進(jìn)行半徑設(shè)定，采取“全市公園-區(qū)域性公園-社區(qū)公園”的多個服務(wù)半徑（R=500, 1000, 1500, 2000, 2500 m）進(jìn)行計算。對不同半徑內(nèi)句法變量與公園綠地月均人流密度進(jìn)行雙變量相關(guān)性分析，識別出與公園綠地月均動態(tài)人流密度相關(guān)性最強(qiáng)的一定半徑下的形態(tài)變量。公園綠地內(nèi)部質(zhì)量指標(biāo)為傳統(tǒng)城市綠地規(guī)劃評估中對公園綠地有直接影響的綠化面積、綠化覆蓋率，通過查閱廣州市林業(yè)和園林局（http://zwgk.gz.gov.cn/GZ34/index1.shtml）數(shù)據(jù)獲得。

采用逐步回歸分析一一篩選變量，剔除對因變量不起作用或作用較小的因子，根據(jù)對因變量影響大小進(jìn)行引入，并進(jìn)行相關(guān)性檢測，建立3個預(yù)選模型，進(jìn)行迭代分析，選出最佳模型。

（2）回歸方程構(gòu)建與檢驗

本文運用SPSS多元線性回歸方法構(gòu)建回歸方程。計算公式如下（任丹，2015）：

式中：y為公園綠地人群使用率水平（y∈N；若y<0，取y=0），b為回歸系數(shù)，x為變量，i為常數(shù)。

利用數(shù)理統(tǒng)計的方法，對模型和參數(shù)的科學(xué)性進(jìn)行驗證，并利用RMSE（均方根誤差）檢驗?zāi)Ｐ途取Ｍㄟ^方程擬合度R2檢驗、方程顯著性F檢驗，Sig（P值）檢驗判定模型是否擁有統(tǒng)計學(xué)意義，R>0.5為大效應(yīng)擬合，R2>0.25，擬合度高；F統(tǒng)計量值>Fa，則拒絕原假設(shè)，解釋變量對被解釋變量影響顯著；RMSE（均方根誤差）是衡量模型觀測值與真實值之間偏差的方法，反映預(yù)測數(shù)據(jù)偏離真實值的程度，σ值越小，表示模型預(yù)測精度越高，常用來作為模型預(yù)測結(jié)果衡量的標(biāo)準(zhǔn)，通過代入樣本測算各模型RMSE（均方根誤差）。最后進(jìn)行各公園綠地服務(wù)能力的初步評價，服務(wù)能力分為五級，五級為公園綠地服務(wù)能力的較高等級，一級為較低等級。一級、二級判定為低服務(wù)能力，三級判定為中服務(wù)能力，四、五級判定為高服務(wù)能力。

1.3.2 靜態(tài)人口加權(quán)模型

公園綠地的服務(wù)能力在短時期內(nèi)呈現(xiàn)出動態(tài)特點，無法表明穩(wěn)定的人口使用情況，故與總體利用情況存在一定偏差。因此，耦合年度靜態(tài)人口的加權(quán)模型可更準(zhǔn)確地反映越秀區(qū)公園綠地的穩(wěn)定綜合人群使用情況，借鑒以往研究利用人口加權(quán)進(jìn)行顆粒物暴露風(fēng)險評估（伏晴艷等，2004）的公式：

基于此，本研究以網(wǎng)格為單位，以篩選過的句法模型為基礎(chǔ)，利用柵格計算器計算單個網(wǎng)格人口加權(quán)人群利用率，公式如下：

式中：i為網(wǎng)格數(shù)，Pi為網(wǎng)格內(nèi)人口數(shù)，Ci為網(wǎng)格內(nèi)句法形態(tài)變量平均值。

將計算出的動態(tài)人群使用率回歸模型與靜態(tài)人口數(shù)據(jù)做疊加分析。使網(wǎng)格內(nèi)句法形態(tài)變量平均值與人口數(shù)據(jù)空間分辨率保持一致，利用柵格計算器計算格網(wǎng)內(nèi)句法形態(tài)變量平均值與人口權(quán)重的乘積，以全時段為基準(zhǔn)，采用1/2標(biāo)準(zhǔn)差分類法將得出的綜合人口加權(quán)分為五級，采取與動態(tài)服務(wù)能力模型相同的分級標(biāo)準(zhǔn)。

2 結(jié)果分析

2.1 動態(tài)服務(wù)能力回歸模型建模

2.1.1 模型自變量生成

空間句法中線段模型的整合度（INT）和標(biāo)準(zhǔn)化穿行度（NACH）表征道路的空間可達(dá)性與潛力，為提高建模效率，需對兩種形態(tài)變量做初步篩選。采取多個服務(wù)半徑（R=500, 1000, 1500, 2000,2500 m）進(jìn)行計算。本研究采用SPSS雙變量分析工具，分析公園綠地在不同半徑內(nèi)所有句法變量平均值與越秀區(qū) 8月月均標(biāo)準(zhǔn)人流密度的相關(guān)性（表3）。

通過對比同一人流密度要素下特征變量與不同服務(wù)半徑下句法變量值之間的相關(guān)性，可發(fā)現(xiàn)各特征變量具有空間尺度效應(yīng)。從整體上看，在月均標(biāo)準(zhǔn)人流密度與句法形態(tài)變量NACH（標(biāo)準(zhǔn)化穿行度）、INT（整合度）值的空間分布上均呈正相關(guān)性，在服務(wù)半徑R=2000 m處達(dá)到最強(qiáng)相關(guān)性，最強(qiáng)相關(guān)性變量為INT（R=2000 m），為0.694。因此，初步判定在R=2000 m時的整合度句法模型中，可達(dá)性越高的公園綠地，人群吸引力越高，作為綜合模型的半徑選擇。

為保證模型準(zhǔn)確性，將初步篩選后的變量模型INT（R=2000 m）與公園綠地的綠化覆蓋率、綠化面積等表征內(nèi)部品質(zhì)的數(shù)據(jù)做逐步回歸分析，一一進(jìn)行篩選，根據(jù)對因變量影響大小進(jìn)行引入，并進(jìn)行相關(guān)性檢測，建立3個模型：

模型 1：因變量為月平均標(biāo)準(zhǔn)人流密度，預(yù)測變量為INT（R=2000 m）；

模型 2：因變量為月平均標(biāo)準(zhǔn)人流密度，預(yù)測變量為INT（R=2000 m）、綠化面積；

模型 3：因變量為月平均標(biāo)準(zhǔn)人流密度，預(yù)測變量為INT（R=2000 m）、綠化面積、綠化覆蓋率；

依次帶入多元線性回歸方程中進(jìn)行迭代分析，得出3個模型的分析結(jié)果（表4）如下。

由回歸分析結(jié)果表4可知，3個模型中模型3的R為0.587>0.585>0.581，擬合優(yōu)度最接近1。最終R2為0.344>0.342>0.338，相關(guān)性最為顯著。Sig(P值)=0.007<0.05，回歸方程有用。另外，若F>Fa(k,n?k?1)，則解釋變量對被解釋變量影響顯著，F(xiàn)a(k,n?k?1)=3.3438，F(xiàn)統(tǒng)計量值為 4.448>3.894>3.571>Fa。因此，模型3中Sig（P值）、R2、R、F值都處于最優(yōu)選擇，即月平均標(biāo)準(zhǔn)人流量密度，INT（R=2000 m）、綠化面積、綠化覆蓋率為模型最佳變量組合。

表3 句法變量與月均標(biāo)準(zhǔn)人流密度之間的皮爾森相關(guān)系數(shù)Table 3 Pearson Correlation coefficient between morphological variables and monthly average standard human flow density

表4 總體回歸模型結(jié)果匯總表Table 4 Summary table of results of the total regression model

2.1.2 回歸方程構(gòu)建與檢驗

根據(jù)回歸分析結(jié)果，對模型3進(jìn)行擬合分析，建立多元線性回歸模型：

其中y是公園綠地人群使用率水平（y∈N；若y<0，取y=0），x1為整合度（R=2000 m），x2為綠化面積，x3為綠化覆蓋率。

利用數(shù)理統(tǒng)計的方法，對模型和參數(shù)的科學(xué)性進(jìn)行驗證，由表4知，模型3中R2等于0.344>0.25，擬合度高；Sig（P值）=0.007<0.05；F統(tǒng)計量值為4.448，計算Fa(3, 14)=3.3438，F(xiàn)>Fa，模型具有顯著統(tǒng)計學(xué)意義。在此基礎(chǔ)上，代入獨立樣本測算各模型RMSE（均方根誤差），檢驗?zāi)Ｐ蜏?zhǔn)確性，模型3的RMSE的σ值=0.899<0.926<0.957，相比處于最優(yōu)狀態(tài)，模型較有良好的擬合優(yōu)度。

2.1.3 公園綠地服務(wù)能力初評價

綜上，以INT（R=2000 m）、綠化覆蓋率和綠化面積為自變量，月均標(biāo)準(zhǔn)人流密度為因變量的多元線性回歸模型可評價公園綠地的服務(wù)水平。因此，將INT（R=2000 m）的空間句法模型（圖中軸線顏色由紅至綠，代表著軸線周邊區(qū)域的交通可達(dá)性與人流潛力逐級遞減）與公園綠地疊加，采用自然點間斷分級法將公園綠地服務(wù)水平分為5個等級（圖6），進(jìn)行服務(wù)能力評估。結(jié)果為：越秀區(qū)公園綠地中服務(wù)能力較好的多是綜合公園和紀(jì)念性專類公園，較低為社區(qū)公園，高服務(wù)能力占比50%，低服務(wù)能力占比33%；其中較高的公園綠地為人民公園、中山紀(jì)念園和烈士陵園，其次為流花湖公園、越秀公園、黃花崗公園，服務(wù)能力較低為二沙島體育公園、傳祺公園和宏城公園。

圖6 公園綠地動態(tài)服務(wù)能力水平Fig. 6 The dynamic service capacity of each park

2.2 耦合靜態(tài)人口加權(quán)

年度靜態(tài)人口的加權(quán)模型反映公園綠地服務(wù)靜態(tài)居住人口使用情況，將計算出的動態(tài)人群使用率回歸模型與靜態(tài)人口數(shù)據(jù)做疊加分析，得出綜合人口加權(quán)結(jié)果表示綜合服務(wù)能力（圖 7）。綜合評價結(jié)果為：越秀區(qū)公園綠地中服務(wù)能力較高的為人民公園、中山紀(jì)念園和流花湖公園，其次為黃花崗公園、烈士陵園、越秀公園、黃花崗公園和東風(fēng)公園，服務(wù)能力較低為麓湖公園、廣州發(fā)展公園、宏城公園、二沙島體育公園和傳祺公園。綜合服務(wù)能力低的區(qū)域中整體公園綠地占比最高，為44.4%；服務(wù)能力較高區(qū)域公園綠地占比最少，為10.27%。綜上，耦合了靜態(tài)人口加權(quán)的公園綠地綜合服務(wù)能力評價結(jié)果中，整體公園綠地與高服務(wù)能力區(qū)域分布高度不一致，高值區(qū)與低值區(qū)發(fā)生部分變動，整體公園綠地的服務(wù)能力降低，考慮公園綠地規(guī)劃布局時未同時兼顧本地居民與外部使用人群，綠地應(yīng)均衡分布在服務(wù)能力高的區(qū)域，并定期維護(hù)、改善其基礎(chǔ)服務(wù)設(shè)施，提升綜合吸引力。

3 結(jié)論及討論

3.1 討論

圖7 公園綠地綜合服務(wù)能力水平Fig. 7 The comprehensive service capacity of each park

本研究以公園綠地的道路空間可達(dá)性、綠地內(nèi)部生態(tài)質(zhì)量、人群對公園綠地的使用需求3個方面作為評價公園綠地服務(wù)能力的因素，通過識別出與短時期內(nèi)公園綠地標(biāo)準(zhǔn)化移動人流密度相關(guān)性較高的地理變量，構(gòu)建越秀區(qū)公園綠地的動態(tài)服務(wù)能力回歸模型，得到越秀區(qū)公園綠地的初步服務(wù)能力等級分布。動態(tài)人群使用率回歸模型擬合效果良好（R2=0.344>0.25、RMSE的σ值=0.899<0.926<0.957），模型中形態(tài)變量篩選結(jié)果INT（R=2000 m）與國內(nèi)學(xué)者研究相一致（孫雅婷，2015），評價模型可行。國內(nèi)評價的回歸模型大多僅為長時間尺度，本研究以31 d為時間分辨率，可反映公園綠地高峰期間的短期服務(wù)真實移動人群的能力。動態(tài)服務(wù)能力回歸模型結(jié)果中顯示越秀區(qū)服務(wù)力水平較高的公園綠地多位于交通通達(dá)度高、人流密集、綠化面積與綠化覆蓋率較高的區(qū)域，體現(xiàn)出較大的人群需求量，即較好的綠地共享性、綠地內(nèi)部品質(zhì)和人群進(jìn)入公園綠地的可達(dá)性成為吸引人流的重要因素。

國內(nèi)學(xué)者多采用傳統(tǒng)綠化面積、綠化覆蓋率等指標(biāo)評價公園綠地服務(wù)能力水平（張雪花等，2017），但往往忽略其他綜合因素，量化方法有限。本研究在動態(tài)短期服務(wù)能力回歸模型基礎(chǔ)上，耦合長時間尺度的人口加權(quán)模型，顯示越秀區(qū)公園綠地的高服務(wù)能力區(qū)域與實際分布存在較大出入；分布在高服務(wù)能力區(qū)域的比例僅為19.8%，面積為60.19 hm2，區(qū)內(nèi)人均公園綠地面積僅為2.58 m2，遠(yuǎn)低于廣州市整體水平，分布不均衡且數(shù)量不足。公園綠地布局不合理的原因考慮初期廣州大搞開發(fā)的規(guī)劃理念，忽略城市綠地的科學(xué)布局，使公園綠地分布區(qū)域受限。結(jié)合實際調(diào)研，評價結(jié)果符合越秀區(qū)各公園綠地服務(wù)能力特征。耦合人口加權(quán)的綜合評價模型除了為公園綠地服務(wù)能力評價提供支撐數(shù)據(jù)外，還可為未來增量綠地的分布優(yōu)質(zhì)區(qū)域提供依據(jù)，提高有限綠地資源的使用效率。

本研究的局限性在于評估影響因子忽略了多因素影響及人口數(shù)據(jù)缺乏針對性。評估影響因子忽略了多因素的綜合影響，一定程度上降低了模型精度：例如公園本身的文化品質(zhì)、不同季節(jié)的因素、公園構(gòu)造結(jié)構(gòu)、基礎(chǔ)配套設(shè)施及公園面積對公園綠地服務(wù)能力的影響，導(dǎo)致在結(jié)果中容易產(chǎn)生一定誤差。人口數(shù)據(jù)的選取上缺乏精確性：公園綠地作為公共服務(wù)設(shè)施，對人群的吸引力是特定的，整體的動態(tài)、靜態(tài)人口分布密度無法確切表征實際綠地中的服務(wù)人群基數(shù)，需結(jié)合精準(zhǔn)公園人群訪問量，因此可將該類數(shù)據(jù)引入服務(wù)能力評價模型，并結(jié)合動態(tài)人口數(shù)據(jù)與公園綠地多個表征內(nèi)部質(zhì)量的數(shù)據(jù)進(jìn)行服務(wù)能力評價。

4 結(jié)論

本研究利用空間句法軸線數(shù)據(jù)、道路數(shù)據(jù)、綠地內(nèi)部質(zhì)量數(shù)據(jù)、月均動態(tài)人口數(shù)據(jù)，建立針對越秀區(qū)公園綠地2019年8月1—31日短時間尺度的動態(tài)服務(wù)能力回歸模型，并耦合人口加權(quán)模型綜合評估越秀區(qū)公園綠地的服務(wù)能力等級，得出以下主要結(jié)論：

（1）基于動態(tài)人口的服務(wù)能力回歸模型能夠較好地反映研究區(qū)域內(nèi)公園綠地服務(wù)能力等級特征，精度從判定系數(shù)R2=0.344>0.25來看，擬合度良好；RMSE的σ值=0.899<0.926<0.957，精度高；Sig(P值)=0.007<0.05影響顯著，模型有效。整體公園綠地的動態(tài)服務(wù)能力存在空間分布差異性，其高值區(qū)分別位于區(qū)域中部的中山紀(jì)念堂、人民公園及烈士陵園，北部的流花湖公園、越秀公園、廣州雕塑公園、麓湖公園、黃花崗公園及廣州蘭圃公園，南部的東山湖公園；低值區(qū)主要位于西南部二沙島上的廣州發(fā)展公園、傳祺公園、宏城公園及二沙島體育公園，東部的東風(fēng)公園。

（2）耦合靜態(tài)人口加權(quán)模型的服務(wù)能力綜合評價結(jié)果中，存在3個較高服務(wù)能力的公園綠地，分別是中山紀(jì)念堂、人民公園和流花湖，且在服務(wù)能力低區(qū)域中越公園綠地占比最多，高達(dá)44.4%。其高值區(qū)分別位于區(qū)域中西部的流花湖公園、中山紀(jì)念堂及人民公園，越秀公園、烈士陵園及黃花崗公園；低值區(qū)主要位于北部的麓湖公園和廣州雕塑公園，西南部二沙島上的廣州發(fā)展公園、傳祺公園、宏城公園及二沙島體育公園。

（3）相較于單獨使用動態(tài)服務(wù)能力回歸模型，耦合靜態(tài)人口加權(quán)的綜合評價模型中，越秀區(qū)公園綠地服務(wù)能力等級空間分布發(fā)生變化，區(qū)域中心圈層擴(kuò)散變?yōu)樽晕飨驏|自由擴(kuò)散分布。較高值與較低值發(fā)生部分變動，整體公園綠地的服務(wù)能力降低，暴露了公園綠地服務(wù)區(qū)域內(nèi)人群與區(qū)域外人群的能力差異性和越秀區(qū)公園綠地分布不合理。

（4）人口數(shù)據(jù)選取靜態(tài)居住人口和動態(tài)實際人流表達(dá)了綜合服務(wù)人群的能力，靜態(tài)人口反映服務(wù)區(qū)域內(nèi)居住人口的能力，動態(tài)人口反映服務(wù)真實移動人口的能力，以往研究中人口數(shù)據(jù)多采用統(tǒng)計數(shù)據(jù)，忽略實際人口的使用情況。耦合兩者考慮公園綠地的服務(wù)本地居民和其他區(qū)域人群的情況。并考慮了道路的空間拓?fù)淇蛇_(dá)性，表達(dá)了未來的服務(wù)潛力，能有效評價影響公園綠地吸引力的因素。