基于多源數(shù)據(jù)的多維度居住環(huán)境主觀綠化評價水平與心理健康研究
——以上海市里弄為例

肖揚(yáng) 張宇航 盧珊 匡曉明

1 研究背景

進(jìn)入全球經(jīng)濟(jì)社會變遷的新時代，精神疾病已成為僅次于心臟病、癌癥的全球第三大疾病。在美國，超過4 400萬的成年人（18%成年人口）患有精神疾?。挥?6～64歲的人口中平均每6人就有1位精神健康患者[1]。新中國成立40年來，我國城鎮(zhèn)化成績斐然，但土地城鎮(zhèn)化快于人口城鎮(zhèn)化，城市生態(tài)環(huán)境壓力陡增，國民精神障礙患病率逐年上升[2]。國家衛(wèi)生健康委員會的統(tǒng)計(jì)數(shù)據(jù)顯示，中國居民精神疾病患病率已達(dá)17.5%。中國城鎮(zhèn)化可持續(xù)健康發(fā)展再次成為世界關(guān)注的焦點(diǎn)。

現(xiàn)代城市規(guī)劃起源于英國的《公共衛(wèi)生法案》[3]。自20世紀(jì)70年代，人們開始認(rèn)識到影響健康的因素不僅包括遺傳、生活方式、醫(yī)療條件，還包含建成環(huán)境[4-5]。越來越多的實(shí)證研究表明，城市化引發(fā)的空氣質(zhì)量下降、噪聲污染、暴力犯罪、移民、住房以及生活質(zhì)量變化和社會結(jié)構(gòu)關(guān)系的迅速轉(zhuǎn)變都是引起精神障礙疾病的誘因[6]。其中居住環(huán)境主觀綠化評價水平、綠化空間可達(dá)性、綠化暴露水平的健康效應(yīng)研究一直是學(xué)者和政府關(guān)注的熱點(diǎn)問題[7]。例如：Liu等基于廣州35個社區(qū)的問卷調(diào)查，發(fā)現(xiàn)NDVI指數(shù)和其他綠化特征指標(biāo)與心理健康結(jié)果之間的影響作用不同[8]。然而有學(xué)者認(rèn)為單一維度的綠化水平測量，如綠地可達(dá)性、植被覆蓋率等，無法綜合表達(dá)綠化品質(zhì)和功能等特征。而谷歌、騰訊等街景大數(shù)據(jù)中包含了人本視角的綠視率等信息，為“綠地–健康”研究帶來了新的視角[9]。在當(dāng)今信息技術(shù)高速發(fā)展的背景下，城鄉(xiāng)規(guī)劃領(lǐng)域可使用的數(shù)據(jù)集變得豐富，分析工作的綜合定量水平得到了提升。除了傳統(tǒng)的統(tǒng)計(jì)調(diào)查數(shù)據(jù)外，多源數(shù)據(jù)還包括各類智能設(shè)備采集的數(shù)據(jù)及網(wǎng)絡(luò)開放數(shù)據(jù)，這類數(shù)據(jù)往往有著動態(tài)更新、客觀精確的特點(diǎn)。

隨著全球化的不斷升級，中國的社會空間正經(jīng)歷著新一輪的重構(gòu)，由此加劇了健康空間不平等的風(fēng)險。里弄作為上海最具魅力的城市風(fēng)貌，其前世今生與城市誕生、發(fā)展的記憶緊密相連，但是常規(guī)的歷史街區(qū)保護(hù)方法與居住環(huán)境等民生問題矛盾突出。因此本研究采用2016年上海市新舊里弄綜合調(diào)研一手?jǐn)?shù)據(jù)，選取上海市中心城區(qū)105個社區(qū)的1 159名居民為研究對象，基于多源大數(shù)據(jù)、從多維視角探究居住環(huán)境主觀綠化評價水平對里弄居民自評健康和心理健康的影響，從而為新階段我國健康導(dǎo)向的城市建設(shè)提供科學(xué)支撐。

2 研究綜述

2.1 上海里弄社區(qū)居住環(huán)境

里弄作為上海近代特色居住形式，大多分布于中心城區(qū)，見證了老上海居住文化的歷史變遷，具有較高的遺產(chǎn)保護(hù)價值。然而由于里弄街區(qū)物質(zhì)空間的日益老化與破敗，里弄內(nèi)部居民演替為社會經(jīng)濟(jì)地位較低的群體。加之周邊地區(qū)的空間差異化明顯，如今位于地租飛升的城市中心地帶的里弄社區(qū)的相對價值卻日益下降，在上海城市快速發(fā)展的階段成為城市更新的重點(diǎn)實(shí)施對象。

現(xiàn)在的里弄街區(qū)一方面為非城市人口提供居住空間和生存發(fā)展場所，一方面又因?yàn)槠鋬?yōu)越區(qū)位與破敗物質(zhì)空間的矛盾使得政府的動遷計(jì)劃難以推進(jìn)[10]。

與里弄居民生理健康相對比，目前對里弄居民心理健康的研究仍然相對缺乏[11]。因此，本研究基于多源大數(shù)據(jù)，從綠地可達(dá)性、綠地面積、社區(qū)植被覆蓋水平、社區(qū)綠視率水平、社區(qū)綠化滿意度等多個維度和不同尺度，探究上海市里弄社區(qū)綠化空間對居民健康的影響作用。

2.2 綠化水平與心理健康和自評健康

積極的心理狀態(tài)有助于人們高效地學(xué)習(xí)或工作，提升生活幸福感，同時心理健康直接關(guān)系著身體健康，不良的心理健康水平往往導(dǎo)致更多的生理性疾病。其中，影響心理健康的建成環(huán)境因素包括住房條件、設(shè)施布局、居住密度以及開放空間等[12]。研究發(fā)現(xiàn)與城市綠地的密切接觸可降低壓力程度，有助于放松和精神恢復(fù)[13]。Wood等對西澳大利亞州居住環(huán)境內(nèi)公園數(shù)量和面積與心理健康的關(guān)系進(jìn)行分析，結(jié)果表明二者之間具有顯著相關(guān)[14]。Alcock等基于英格蘭農(nóng)村地區(qū)土地利用數(shù)據(jù)統(tǒng)計(jì)綠色空間并將其劃分為多種自然土地覆蓋類別，分析發(fā)現(xiàn)綠色空間與心理健康相關(guān)[15]。Akpinar等使用美國國家土地利用數(shù)據(jù)集對華盛頓地區(qū)的綠化空間進(jìn)行統(tǒng)計(jì)，研究顯示城市綠地和城市地區(qū)的森林面積與心理健康正向相關(guān)，同時發(fā)現(xiàn)綠化空間占比與自評健康之間無顯著相關(guān)[16]。Coppel和Wüstemann對德國柏林的城市綠地與自評健康進(jìn)行分析，發(fā)現(xiàn)植被覆蓋率和居住地與城市綠地的空間距離與自評健康顯著相關(guān)，且這一關(guān)系僅在一定緩沖區(qū)范圍內(nèi)成立，說明一味追求綠地的近鄰距離并不會對健康產(chǎn)生更多的積極作用[17]。

2.3 綠化水平的多維度測量

有學(xué)者提出實(shí)證研究結(jié)論出現(xiàn)差異的原因在于綠化水平的衡量方法不同[18]。傳統(tǒng)研究中的綠化空間信息多來自土地利用數(shù)據(jù)集或城市綠地系統(tǒng)規(guī)劃，所得綠化評價指標(biāo)主要包括綠化空間的規(guī)模、可達(dá)性、構(gòu)成要素等[19]。隨著遙感技術(shù)、地理信息系統(tǒng)與GPS全球定位系統(tǒng)的不斷發(fā)展，獲取綠化特征的空間信息途徑得到補(bǔ)充。歸一化植被指數(shù)（NDVI）與綠視率（VGI）分別來自衛(wèi)星遙感圖像和街景圖像公開數(shù)據(jù)集，且在全球范圍內(nèi)具有相同的計(jì)算方法，具有高度一致性和可比性，有助于跨地域研究的比較[20]，因而越來越受到學(xué)者的青睞。Reid等劃定不同類型和規(guī)模的緩沖區(qū)，發(fā)現(xiàn)不同范圍緩沖區(qū)NDVI綠化水平與自評健康的關(guān)系存在差異[18]。Rugel等使用了2組不同衛(wèi)星獲取的NDVI數(shù)據(jù)，發(fā)現(xiàn)NDVI指數(shù)和其他評估綠化空間的指標(biāo)特征與心理健康結(jié)果之間的影響作用不同[21]。街道綠視率對于健康的影響引起了學(xué)者的日漸關(guān)注，如Wang等同時基于NDVI數(shù)據(jù)與綠視率數(shù)據(jù)，分析城市綠化對心理健康的影響，結(jié)果表明2種綠化衡量方法可能通過不同機(jī)制積極作用于居民健康[22]。但測量方法也存在差異，常見的方法是運(yùn)用Photoshop圖片編輯軟件提取綠植輪廓后在直方圖中查看畫面上的綠色占比，這一方法精確但低效；也可采用GIMP軟件（GNU Image Manipulation Program）的網(wǎng)格法將圖像按網(wǎng)格劃分后計(jì)算綠色方塊的占比，此方法簡單但會產(chǎn)生誤差[23]。本研究擬采用的綠視率計(jì)算原理為：采用基于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks, CNN）的像素寬度圖像分割方法，通過開源項(xiàng)目SegNet將街景圖像解譯為色彩類別，進(jìn)而根據(jù)SegNet計(jì)算出的比例結(jié)果測量各圖像的綠視率[24]。

3 研究數(shù)據(jù)與方法

3.1 數(shù)據(jù)來源

本研究涉及多個數(shù)據(jù)來源，其中社會健康屬性來自同濟(jì)大學(xué)城市與社會研究中心2016年上海市新舊里弄綜合調(diào)研數(shù)據(jù)，樣本來自上海市黃浦區(qū)、徐匯區(qū)、楊浦區(qū)、虹口區(qū)、長寧區(qū)以及靜安區(qū)6個區(qū)域，基于樣本異質(zhì)性原則劃定105個里弄社區(qū)，采取概率比例規(guī)模抽樣方法，隨機(jī)抽取共1 159名研究個體。

NDVI數(shù)據(jù)源自搭載于Landsat 8衛(wèi)星的OLI陸地成像儀所收集的上海市域紅波段（Band4-RED）以及近紅外波段（Band5-NIR），分辨率為30 m×30 m?；贓NVI 5.1遙感圖像處理軟件對原始數(shù)據(jù)進(jìn)行輻射定標(biāo)、大氣校正等處理，進(jìn)一步進(jìn)行波段合成與轉(zhuǎn)換以及NDVI歸一化計(jì)算，得到上海市NDVI數(shù)據(jù)及其分布遙感影像圖。

街景圖像爬取于上海市路網(wǎng)信息并基于ArcGIS 10.3平臺設(shè)置等間隔采樣點(diǎn)，獲取采樣點(diǎn)坐標(biāo)后進(jìn)而利用百度地圖API（應(yīng)用程序接口）抓取采樣點(diǎn)位置上的街景圖像，并導(dǎo)入開源項(xiàng)目SegNet，采用像素寬度圖像分割方法，通過解碼器將圖像解譯為色彩類別，最后根據(jù)計(jì)算出的色彩比例結(jié)果統(tǒng)計(jì)得到上海市綠視率數(shù)據(jù)。

上海市公園數(shù)據(jù)來自上海市規(guī)劃和自然資源局，數(shù)據(jù)包括上海市416個城市公園斑塊的地理信息，經(jīng)計(jì)算可得每個公園斑塊的邊界長度及其面積規(guī)模。

3.2 模型構(gòu)建

首先進(jìn)行莫蘭指數(shù)分析（Moran’s I），分別檢驗(yàn)里弄社區(qū)綠化與居民心理健康和自評健康間的關(guān)系是否由于地理區(qū)位而存在組間差異。檢驗(yàn)結(jié)果發(fā)現(xiàn)各指數(shù)均趨近于0，即這一關(guān)系并不存在顯著的組間差異，因此遵循模型簡約化原則，使用最小二乘線性（OLS）回歸模型繼續(xù)進(jìn)行回歸分析。

對綠化水平與自評健康和心理健康間的影響關(guān)系進(jìn)行分析，分別構(gòu)建如下OLS多元線性回歸模型：

其中，Y表示被解釋變量，在不同模型中分別代表自評健康和心理健康；X1為解釋變量，即綠化水平變量；C為控制變量；β0為截距；β1、β2為變量系數(shù)；ε0為誤差項(xiàng)。

3.3 變量選擇

3.3.1 被解釋變量（健康狀況）

自評健康體現(xiàn)了居民對自身健康狀況的主觀判斷，目前已在全球公共衛(wèi)生領(lǐng)域得到廣泛應(yīng)用[25]。有研究發(fā)現(xiàn)自評健康還能夠反映個體的客觀健康水平，可作為一般人群健康狀況的全球性衡量指標(biāo)[26]。研究通過問卷中的4項(xiàng)問題衡量自評健康：我好像比別人容易生病、我的健康狀況在變壞、我跟周圍人一樣健康、我的健康狀況非常好。答案由李克特5級量表評分構(gòu)成：完全不同意、比較不同意、不能肯定、比較同意、完全同意。將前2個問題反向編碼后與其他2項(xiàng)進(jìn)行加和，得分越高表示自評健康越高。

本研究運(yùn)用問卷中的K6量表（Kessler 6 Psychological Distress Scale, K6）來 描 述 居民的心理健康水平[27]，對“緊張”“沒有希望”“不安或煩躁”“情緒低落到無論如何都沒法感到愉快”“做每件事都很吃力”以及“自己很沒用”6種心理癥狀進(jìn)行評分，回答包括：0——“沒有這種感覺”、1——“小部分時間”、2——“較多時間”、3——“大部分時間”、4——“所有時間”，量表總分為0～24分。

3.3.2 解釋變量（綠化水平）

居民為“你對里弄社區(qū)綠化條件的滿意度”這一問題打分得出主觀綠化評價水平，結(jié)果為1～5，從低到高表示了居民對社區(qū)綠化的主觀評價。

里弄社區(qū)空間規(guī)模普遍較小，為了使主觀綠化評價水平與客觀綠化水平的健康效益具有可比性，在客觀綠化水平方面，以里弄社區(qū)的中心為圓心，分別建立300 m和500 m半徑規(guī)模的緩沖區(qū)，并分別計(jì)算緩沖區(qū)范圍內(nèi)綠視率的平均值、NDVI的平均值、公園面積以及社區(qū)中心與近鄰公園的最近距離。

NDVI作為綠化水平的測度，其原理在于：健康的綠色植被相較于不健康或非植被表面可反射更多紅外輻射并吸收紅波段更多能量。具體計(jì)算公式如下：式中，NIR代表近紅外波段反射值，RED代表紅光波段反射值，NDVI指標(biāo)取值范圍為［-1,1］，可將其劃分為以下等級：-1～0表示水體，0～0.1表示巖石、沙地或雪原，0.2～0.3表示灌木與草地，0.6～0.8表示溫帶或熱帶雨林[28]。取值越大表示綠化水平越高。在計(jì)算緩沖區(qū)范圍內(nèi)NDVI平均值時，存在正負(fù)相加≤0的情況，因此將研究區(qū)域內(nèi)的負(fù)值處理為無數(shù)據(jù)。

VGI是指在視野范圍內(nèi)綠色所占的比率，其取值范圍為［0,1）。與其他指標(biāo)相比，綠視率具有三維空間的特征，代表“可感知的綠化”。研究發(fā)現(xiàn)15%的綠視率為人們所接受的最低限度值，而25%的綠視率能夠使人們體驗(yàn)到最為舒適的觀感反應(yīng)[29]。綠視率的計(jì)算方法為采樣點(diǎn)90°視角下4幅街景圖像中的綠色植物像素與總像素的比率，公式如下：

其中：GreeneryPixelsij為綠化像素面積，TotalPixelsij為總用地像素面積。

3.3.3 控制變量

控制變量包括社會人口學(xué)特征以及初級健康情況，主要選取年齡、性別、婚姻狀況、教育水平、工作、收入水平、是否為當(dāng)?shù)鼐用?、住房所有?quán)、是否患有慢性病以及活動能力。其中，活動能力體現(xiàn)為健康狀況對日?；顒拥南拗瞥潭?，取值越高表示限制程度越小，即活動能力越強(qiáng)。同時，研究中的里弄類型可分為4類：老式石庫門里弄、新式石庫門里弄（1949年以后建造）、新式里弄（1949年以后建造）以及花園里弄（洋房，1949年以后建造）。

4 研究結(jié)果

4.1 描述性統(tǒng)計(jì)

清洗有效樣本約1 000個。變量定義與統(tǒng)計(jì)描述如表1所示。居民自評健康平均表現(xiàn)為一般水平，但總體分布較為離散，即并非大多數(shù)人的自評健康為一般水平，而是自評非常不健康和非常健康的居民都有很多；心理健康平均水平表現(xiàn)為患心理健康疾病風(fēng)險較低，但總體分布同樣呈現(xiàn)出較為離散的趨勢；樣本年齡平均水平偏高，符合里弄社區(qū)中老年人口較多的特征[30]；受訪者中已婚女性比例較大，接近半數(shù)的居民受教育程度在初中及以下；居民家庭月總收入平均水平不足7 000元，并且家庭之間的收入差異較大；大多數(shù)居民的戶口所在地都是上海，并且住房所有權(quán)的情況顯示大部分居民住房為有產(chǎn)權(quán)或有公房使用權(quán)；里弄類型為老式石庫門里弄的居民占大多數(shù)；可能由于受訪者多數(shù)年齡偏高，患慢性病的人超過1/2，但居民的活動能力普遍較好，且個體之間有較大差異。

表1 變量定義及統(tǒng)計(jì)描述Tab.1 Variable definition and statistical description

居民對里弄社區(qū)綠化的主觀打分整體偏低，說明大部分居民對里弄社區(qū)綠化水平不滿意。居住環(huán)境中綠視率的平均水平為較適宜的26.3%，公園面積平均達(dá)到35 691.92 m2，到公園的最近距離平均為406 m。然而NDVI指數(shù)均值較低，結(jié)合NDVI遙感影像圖，這符合中心城區(qū)植被覆蓋水平較低的現(xiàn)狀。

根據(jù)世界衛(wèi)生組織（WHO）的人口年齡劃分標(biāo)準(zhǔn)，將樣本年齡劃分為4組，包括“＜45歲為青年”“（45, 60］為中年”“（60, 75］為初老年”以及“＞75歲為老年”，根據(jù)年齡分組分別查看不同人群自評健康和心理健康的分布狀況。對自評健康而言，青年組和中年組的自評健康整體狀況較好；初老年組開始，自評健康回答為“比較不健康”的人數(shù)開始增多；到老年組，自評健康整體水平已經(jīng)偏低（圖1）。心理健康方面，所有人群的心理健康疾病患病風(fēng)險整體均呈偏低趨勢，初老年組的心理健康狀況最好（圖1）。

1 不同年齡分組自評健康和心理健康分布狀況The distribution of self-rated health and mental health in different age groups

4.2 多元線性回歸模型結(jié)果分析

多元線性回歸模型的結(jié)果如表2所示。模型一以自評健康為被解釋變量，模型結(jié)果顯示緩沖區(qū)范圍內(nèi)NDVI指數(shù)與自評健康顯著正相關(guān)且相關(guān)性較強(qiáng)，即植被覆蓋水平越高，自評健康打分越高；而公園面積與自評健康顯著負(fù)相關(guān)，但相關(guān)性較弱，這表明居住環(huán)境中并不是公園面積越大就對居民主觀健康越有積極影響；綠視率以及到公園最近距離則未發(fā)現(xiàn)與自評健康的顯著相關(guān)；主觀綠化評價水平與居民自評健康顯著積極相關(guān)，即居民對里弄社區(qū)的綠化滿意度越高，自評健康水平越高?？刂谱兞恐芯用竦纳鐣丝趯W(xué)特征均未發(fā)現(xiàn)與自評健康的顯著相關(guān)；越老舊的里弄類型卻對應(yīng)著越高的自評健康水平，其原因可能在于二級舊里弄為城市更新改造的主要對象，因此相比較之下會有更好的居住條件。是否患有慢性病對自評健康的顯著負(fù)相關(guān)可理解為無慢性病的受訪者自評健康水平較高；居民活動能力與自評健康顯著正相關(guān)，即活動能力越強(qiáng)的受訪者自評健康水平越高。

表2 多元線性回歸模型結(jié)果Tab.2 Results of the multiple linear regression model

模型二以心理健康為被解釋變量，結(jié)果顯示里弄周邊的公園規(guī)模與心理健康水平顯著正相關(guān)，即公園面積越大的地方居民心理健康越差；未發(fā)現(xiàn)到公園的最近距離、綠視率與NDVI對心理健康的作用。主觀綠化顯著影響居民的心理健康，表現(xiàn)為對里弄社區(qū)綠化越不滿意，患心理健康疾病的風(fēng)險越高。同時發(fā)現(xiàn)，居民年齡與心理健康顯著相關(guān)，且年輕人擁有較好的心理健康狀態(tài)；患有慢性病的受訪者發(fā)生心理健康疾病的風(fēng)險也相對較高，活動能力越強(qiáng)的居民，患心理疾病的可能性越低。未發(fā)現(xiàn)其他控制變量對心理健康的顯著作用。

5 討論與結(jié)論

本研究綜合運(yùn)用了2016年上海市新舊里弄調(diào)研數(shù)據(jù)、衛(wèi)星遙感圖像數(shù)據(jù)、街景圖像數(shù)據(jù)以及城市公園地理信息數(shù)據(jù)，對上海市中心區(qū)域居住環(huán)境的綠化水平有了較為全面的認(rèn)知，同時系統(tǒng)分析了綠化水平對居民自評健康及心理健康的影響。實(shí)證分析結(jié)果表明，綠化空間不同維度的特征對居民自評健康和心理健康的影響存在差異：主觀綠化對居民健康存在正顯著作用，主觀綠化條件越好，居民的自評健康和心理健康水平越高；客觀綠化中，植被覆蓋水平能夠積極影響自評健康，但對心理健康沒有顯著影響；居住環(huán)境中城市公園的規(guī)模與居民健康存在負(fù)相關(guān)，但相關(guān)性較弱。盡管描述統(tǒng)計(jì)顯示綠視率平均水平較為適宜，但在模型中均未發(fā)現(xiàn)綠視率對健康的明顯作用。

關(guān)于綠化空間與公共健康的研究具有現(xiàn)實(shí)意義，城市發(fā)展的決策者需要清晰地認(rèn)知不同空間范圍內(nèi)綠化空間數(shù)量與質(zhì)量的健康效益。細(xì)微差距即可引發(fā)綠化的效益無法實(shí)現(xiàn)甚至產(chǎn)生負(fù)面效果，例如綠化建設(shè)資源分配不均衡會引起社會公平問題。因此，可從以下3個角度關(guān)注城市綠化建設(shè)。

1）重視居民對生活環(huán)境綠化的主觀感知，針對住區(qū)不同類型的空間采取不同的綠化提升思路。例如，推出適宜的“綠化自治”策略，鼓勵居民承包部分綠化的建設(shè)及養(yǎng)護(hù)，以此加強(qiáng)主觀綠化評價水平，并促進(jìn)居民的身體活動和社會交往。

2）完善城市公園建設(shè)，優(yōu)化城市公園空間布局，提高公園的可達(dá)性；改善其空間環(huán)境品質(zhì)，促進(jìn)居民對城市公園的使用強(qiáng)度；鼓勵共享庭院綠化，提高綠化空間的開放性，使居民更便利地接觸綠化空間。

3）加強(qiáng)綠視率的控制，針對高密度建成環(huán)境空間供需的突出矛盾，充分利用燈柱、橋柱、防護(hù)欄以及建筑立面等垂直空間發(fā)展立體綠化；可通過“爬藤掛綠”的方式提高其綠化水平；同時注意完善立體綠化的實(shí)施機(jī)制，保障相關(guān)策略的可操作性。

本研究在數(shù)據(jù)方面仍存在一定的局限性。如，盡管NDVI能夠反映植被表面葉綠素豐度的水平，但當(dāng)植被愈趨茂密時，NDVI無法同步增長。原因在于葉綠素吸收紅光波段的通道容易飽和，由此造成植被高覆蓋區(qū)域的NDVI被壓縮的現(xiàn)象。有研究指出，遙感領(lǐng)域中另一個廣泛應(yīng)用的增強(qiáng)型植被指數(shù)（Enhanced Vegetation Index, EVI）改善了植被覆蓋水平與植被指數(shù)間的線性關(guān)系。就本研究而言，NDVI能夠良好地反映居住環(huán)境的植被覆蓋水平，EVI相比于NDVI，季節(jié)性特征更為明顯，更適用于對特定區(qū)域內(nèi)植被在季節(jié)間的差異與變化研究。

圖表來源(Sources of Figure and Tables)：

文中圖表均由作者繪制。