城市公園綠地可達性對居民公共健康的影響

章陸楊 何侃 林濤 陳琳 劉燕珍 丁國昌

摘要：為了探索城市公園綠地可達性對居民公共健康的影響，促進健康社會的發展，采用ArcGIS網絡分析法和問卷調查法，對福州市二環內、二環與三環之間和三環外的3個居住區進行分析，計算他們到達最近公園綠地的路網距離，并同出行方式、公共健康進行相關性分析。結果表明，居住區離公園綠地越遠，居民越傾向于機動化出行，而居住區離公園綠地越近，居民則越傾向于低碳出行;長期選擇私家車等機動化方式出行易引發肥胖和慢性疾病，同時心理健康也將受影響，而自行車、步行等低碳出行方式則會促進居民的生理健康;構成公共健康的生理健康和心理健康之間也存在顯著正相關關系。由此可見，城市公園綠地的空間分布通過影響出行方式從而對居民的公共健康產生間接影響。

關鍵詞：城市公園綠地;可達性;路網距離;出行方式;公共健康

中圖分類號： TU986文獻標志碼： A

文章編號：1002-1302（2020）18-0148-06

收稿日期：2019-12-16

基金項目：國家林業局森林公園工程中心開放課題（編號：PTJH15002210）。

作者簡介：章陸楊（1994—），男，浙江杭州人，碩士研究生，主要從事風景園林規劃與設計研究。E-mail：376832275@qq.com。

通信作者：丁國昌，博士，研究員，主要從事園林植物與應用研究。E-mail：fjdgc@fafu.edu.cn。

城市公園綠地作為城市重要基礎設施之一，是城市居民日常休閑娛樂的場所。城市公園綠地一般以休憩為主，兼具健全生態、防災減災、美化環境等作用[1]。作為城市環境中重要的自然景觀元素，是體現城市總體環境水平和居民生活質量的重要指標[2]。城市環境中公園綠地的分布、人均面積等都會影響居民到公園綠地進行休閑娛樂的頻率，還會影響居民對出行方式的選擇，從而影響體力活動量而對居民的公共健康產生影響。

隨著田園城市、園林城市、公園城市等理論的提出，城市公園綠地越來越受到人們的重視，對于公園綠地可達性的研究也層出不窮。國外相關研究起步較早，有學者對人口分布和公園綠地可達性進行相關性研究[3-4]，也有學者將公園綠地可達性與社會經濟活動聯系在一起進行了研究[5]。GIS技術的發展也在很大程度上推動了目的地可達性研究，為其提供了更加多樣化的研究方法。國外運用GIS技術單純對公園綠地可達性的研究相對較少，更多的是復合型研究，研究范圍涉及街道、廣場等一系列其他城市基礎服務設施[6-8]。國內有學者對公園綠地可達性計算方法進行總結，分析對比了4類6種方法，并評述了它們的優缺點以及計算原理[9]。有學者以不同的交通出行方式為出發點，分析對比了4種交通方式下公園綠地可達區域的空間分布、可達面積和可達人口數量差異[1]。也有學者研究了影響公園綠地可達性的客觀影響因素，結果表明公園綠地面積、公園綠地形狀和路網密度都會在一定程度上影響公園的服務面積和服務效率[10]。還有學者從機會公平性入手，運用GIS技術統計居民可享用公園綠地的可享用機會，再從精細尺度上對空間公平性的公園綠地可達性進行研究分析[11]。除此之外，還有學者根據不同使用人群進行劃分，探索老年人對于城市公園綠地的可達性要素[12-13]。不難看出，公園綠地可達性的研究內容涉及廣泛，方法也層出不窮，但是幾乎所有研究都是從公園綠地出發，探索計算它們的服務范圍、服務效率等[14]，很少有學者把居住區作為出發點，計算居住區到達最近公園的成本，并對成本數據與出行方式、公共健康做相關性分析。

本研究運用ArcGIS 10.4的網絡分析工具（network analysis），計算福建省福州市二環內的開元社區、二環與三環間的金山生活區、三環外的西園社區所在居住區區塊到達最近公園綠地的距離，再將路網距離數據與居民出行方式、公共健康數據進行相關性分析，得出公園綠地的空間分布與公共健康間的相關性，以期為城市建設中完善公園綠地的空間分布提供以人為本的基礎數據。

1?研究區概況

福州市位于福建省東部，地處25°15′～26°39′N、118°08′～120°31′E，是福建省省會，福建省的政治、文化、交通中心，海峽西岸經濟區中心城市之一。福州市地貌屬于典型的河口盆地，海拔600～1 000 m，屬于典型的亞熱帶季風氣候，溫暖濕潤，夏季炎熱，冬季無雪。福州市目前正處于大力發展公共交通階段，全城道路網以機動車行優先，完整街道的發展還很薄弱。本研究主要選取了福州市二環內的開元社區、二環與三環之間的金山住宅區、三環外的西園社區這3個具有時空順序性的典型居住區，其區位條件見圖1。研究它們周圍公園綠地可達性對公共健康的影響。3個居住區基本情況見表1。

2?數據來源與研究方法

2.1?數據來源

在開源地圖（OpenStreetMap，OSM）上下載福州市OSM地圖數據，通過ArcGIS 10.4的Toolbox模塊下Load OSMFile工具對地圖數據進行解析，提取福州市道路信息、公園綠地信息等。3個案例居住區周圍公園綠地概況見圖2、圖3、圖4。

2.2?網絡分析法

網絡分析是對城市路網與設施模型化的一個過程，該方法主要應用于對城市資源的最佳分配和到達目的地的最短路徑計算等。1個基本的網絡結構主要包括中心（centers）、鏈（links）、節點（nodes）、阻力（impedance）[15]。如圖5所示，中心點即為到達點，本研究以公園綠地可進入點為中心，到達公園出入口即為到達公園;鏈為城市道路網絡，城市道路網為線圖層，將其創建拓撲并構建網絡數據集;節點為道路的交點;阻力為出行成本，如時間、費用等。在緩沖區設置上結合前人研究[16]，發現950 m為步行極限距離，787 m為適宜步行距離，同時為了使數據樣本量達到一定值，將3個居住區的緩沖區分別定為4個邊長為500 m的正方形（圖1）。由于只研究3個案例居住區內居民到達最近城市公園綠地的難易程度，因此只考慮距離成本。

2.3?問卷設計與數據收集

調查問卷內容包括基礎信息和居民出行方式與健康狀況。問卷發放地分為3處，即開元社區、金山住宅區、西園社區，每處發放100份，共計300份，發放對象為3處居住區內居民，采用隨機攔訪的方式進行問卷調查，問卷發放時間為2019年6月15—20日。本次共發放問卷300份，西園社區回收96份，有效問卷84份，有效率為87.5%;金山生活區回收98份， 有效問卷96份，有效率為980%;開元社區回收99份，有效問卷98份，有效率為990%。將數據導入SPSS中進行初步處理，每個居住區數據隨機分成4組，共12組，統計各種出行方式占比和公共健康指數。

3?結果與分析

3.1?出行方式結果分析

通過問卷形式獲取3個居住區內居民的日常出行方式，經過Excel統計后，得到每種出行方式所占比例。從圖6中可以看出，在私家車方式中西園社區總體占比最高，金山生活區次之，開元社區最低;而在自行車和步行出行方式中則剛好相反，開元社區占比最高，金山生活區次之，西園社區最低;在出租車出行方式中，3個居住區相差不大;在電動車出行方式中，西園社區與金山生活區相差不大，開元社區占比較低。

3.2?公共健康結果分析

通過問卷的形式獲取3個居住區內居民的健康狀況，主要分為生理健康和心理健康兩部分，各占2個因子。其中身體質量指數（BMI）根據問卷所得身高體質量進行計算，得分統計方法為18.5～23.9（健康）得4分，小于18.5（過輕）得3分，24～28（超重）得2分，大于28（肥胖）得1分;慢性疾病患病數的得分統計方法為患0種得7分，患1種得6分，患2種得5分，以此類推;環境壓力和情緒控制則采用七點尺度評分。數據經SPSS處理后得到3個居住區12個區塊的居民公共健康指數。

從表2中可以看出，無論是生理健康指數還是心理健康指數，西園社區總體得分都是最低的，而金山生活區和開元社區的各項得分都較接近。

3.3?到達公園綠地距離分析

通過ArcGIS 10.4網絡分析構建網絡數據集，以路網距離為成本，計算3個案例居住區12個區塊到達最近公園綠地的最小距離。從表3可以看出，開元社區周邊公園綠地數量較多，且分布相對均勻，其中最小距離為區塊3內居民到達西湖公園的距離，為0.74 km，最大距離為區塊2內居民到達溫泉公園的距離，為1.27 km;金山生活區和西園社區周邊公園數量較少，其中西園社區4個區塊到達公園綠地的距離相對都較大，最大距離為區塊1內居民到達琴亭湖公園的距離，達到2.54 km。

3.4?公園綠地可達性與出行方式相關性分析

居民對出行方式的選擇除了受個人行為偏好影響外，很大程度上也受建成環境的影響，如路網密度、土地利用混合度等。城市綠地公園的分布對居民到達公園的距離成本有直接影響，這也影響居民對出行方式的選擇。從表4可以看出，除出租車外，其他5種出行方式均與公園綠地距離顯著相關。其中，公共交通、自行車、步行出行方式與公園綠地距離都呈顯著負相關，這說明居住區與公園綠地越遠，距離成本越高，居民采用低碳出行的意愿越小。私家車出行與公園綠地距離呈顯著正相關，這說明居住區與公園綠地越遠，距離成本越高，居民越傾向于選擇機動化出行。其中，電動車出行方式與公園綠地距離這一相關系數或受當地交通狀況和個人行為偏好影響，與預期結果不符，有待進一步研究。上述結果表明，優化公園綠地在城市中的分布，有利于促進居民的低碳出行，遏制機動化出行。

3.5?出行方式與公共健康相關性分析

出行方式對公共健康的影響主要體現在體力活動量上，因此本研究選擇了與體力活動量相關程度較高的3種出行方式：私家車出行（代表低體力活動量）、自行車出行、步行出行（代表高體力活動量）。將12組數據導入SPSS 25.0，將這3個變量分別與公共健康的4個變量做相關性分析。如表5所示，私家車出行對公共健康的4個因子都呈顯著負相關影響，表明了機動化出行會減少體力活動量，增加汽車尾氣排放量等，這可能與肥胖率上升，居民患慢性呼吸道疾病、心腦血管疾病和頸肩酸痛等慢性疾病的概率也大幅上升相關。除此之外，機動化出行對心理健康方面的影響也顯而易見，無論是環境壓力還是情緒控制，都有顯著的負面影響。自行車與步行出行對2個生理健康因子都有顯著正相關關系，而對2個心理健康因子無顯著相關性。這說明這2種出行方式對應的體力活動量較大，從而有助于降低人的肥胖率和慢性疾病患病率，而對環境壓力和情緒控制方面無顯著影響。

3.6?生理健康與心理健康相關性分析

1946年，世界衛生組織將健康定義為“不僅僅是沒有疾病或虛弱，而是一種完整的身體、精神和社會健康的狀態”[17]。本研究將公共健康分為生理健康和心理健康，分別用BMI指數、慢性疾病數、環境壓力、情緒控制表示。從表6可以看出，BMI肥胖指數與慢性疾病數、環境壓力、情緒控制都有顯著正向影響，表明罹患肥胖癥的人群可能更容易伴隨患上其他慢性疾病，同時對他們的心理健康也有一定負面影響。慢性疾病數對情緒控制也有顯著正向影響，表明居民所患慢性疾病數越多，自我情緒控制能力就越弱。從心理健康方面來看，環境壓力和情緒控制之間存在顯著正向影響，表明環境壓力越大的時候，自我情緒控制能力就越弱。

4?結論與討論

城市公共綠地人均面積、分布狀況是一個衡量城市現代化發展水平的重要指標，是判斷城市人地關系和諧程度的重要依據。公園綠地可達性是一個具體可量化指標，它可以評判城市綠地對居民的服務能力，為城市規劃和公園綠地的布局提供借鑒。探索城市綠地可達性的分析方法有很多，目前應用最廣泛的是GIS軟件的空間與網絡分析法，包括局域方法[18]、最近鄰方法[19]、基于重力模型的方法[20]等。除此之外，為了改進研究方法、完善研究結果，Luo等將就醫空間可達性所用的高斯兩步移動搜索法引入到公園綠地可達性的研究中[21]。對于空間阻力的劃分，不同的研究側重點不同，主要集中在出行方式、人口密度這兩方面。雖然研究方法各有不同，但是在研究內容上幾乎都以城市公園綠地為出發點，研究區域范圍各時間段內可到達公園綠地的面積，即公園綠地的服務范圍與效率。

隨著城市現代化進程的推進，由此引發的社會公共健康也受到人們的關注，居民健康狀況成為高度關注的焦點。本研究將公園綠地可達性作為基礎因子，加入出行方式和公共健康要素，探索城市綠地可達性對居民生理和心理健康產生的影響。同時，基于健康數據分析生理健康與心理健康間的內在關系。通過數據測量與分析，本研究得出以下結論：（1）城市公園綠地可達性對私家車、電動車這類出行選擇有顯著或極顯著正相關關系，對公共交通、自行車、步行這類低碳出行選擇有顯著或極顯著負相關關系;（2）機動化出行對公共健康有顯著負相關關系，而自行車、步行這類低碳出行對公共健康的生理因子有顯著正相關關系;（3）生理健康對心理健康在整體水平上有顯著正相關關系。本研究內容還存在不足，由于體力活動量難以量化，對個體的日活動量追蹤成本較大，難以實現，因此本研究用出行方式代表體力活動量，即機動化出行代表低體力活動量，自行車和步行出行代表高體力活動量，測量結果或存在誤差，望后期研究能夠對體力活動量進行量化處理，提高結果的精確性。

參考文獻：

[1]盧?寧，李俊英，閆紅偉，等. 城市公園綠地可達性分析——以沈陽市鐵西區為例[J]. 應用生態學報，2014，25（10）：2951-2958.

[2]連麗花. 常州市公園綠地布局研究[D]. 南京：南京林業大學，2010.

[3]Langford M，Higgs G. Measuring potential access to primary healthcare services：the influence of alternative spatial representations of population[J]. The Professional Geographer，2006，58（3）：294-306.

[4]Gyoungju L，Ilyoung H. Measuring spatial accessibility in the context of spatial disparity between demand and supply of urban park service[J]. Landscape and Urban Planning，2013，119：85-90.

[5]Shen Q. Spatial technologies，accessibility，and the social construction of urban space[J]. Computers，environment and urban systems，1998，22（5）：447-464.

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

[7]Higgs G，Fry R，Langford M. Investigating the implications of using alternative GIS-based techniques to measure accessibility to green space[J]. Environment and Planning B，2012，39（2）：326-343.

[8]Luo W，Qi Y. An enhanced two-step floating catchment area （E2SFCA） method for measuring spatial accessibility to primary care physicians[J]. Health & Place，2009，15（4）：1100-1107.

[9]劉常富，李小馬，韓?東. 城市公園可達性研究——方法與關鍵問題[J]. 生態學報，2010，30（19）：5381-5390.

[10]尹紅巖，李俊英，施?拓，等. 公園綠地可達性的客觀影響因素[J]. 應用生態學報，2016，27（10）：3387-3393.

[11]陳秋曉，侯?焱，吳?霜. 機會公平視角下紹興城市公園綠地可達性評價[J]. 地理科學，2016，36（3）：375-383.

[12]姚雪松，冷?紅，魏?冶，等. 基于老年人活動需求的城市公園供給評價——以長春市主城區為例[J]. 經濟地理，2015，35（11）：218-224.

[13]劉?紅. 基于老年人游憩特征的長沙市公園可達性研究[D]. 長沙：湖南師范大學，2015.

[14]鄭?鈞，吳仁武，任偉濤，等. 公園綠地生態保健功能研究進展[J]. 江蘇農業科學，2018，46（16）：15-21.

[15]張廣亮. 基于GIS網絡分析的城市公園綠地可達性研究[D]. 鄭州：河南農業大學，2012.

[16]王?寧，杜豫川. 社區居民適宜步行距離閾值研究[J]. 交通運輸研究，2015，1（2）：20-24，30.

[17]WHO. Preamble to the constitution of the World Health Organization[R]. New York：World Health Organization，1946：100.

[18]Potestio M L，Patel A B，Powell C D，et al. Is there an association between spatial access to parks/green space and childhood overweight/obesity in Calgary，Canada？[J]. International Journal of Behavioral Nutrition and Physical Activity，2009，6：1-10.

[19]Comber A J，Brunsdon C，Green E. Using a GIS-based network analysis to determine urban greenspace accessibility for different ethnic and religious groups[J]. Landscape and Urban Planning，2008，86（1）：103-114.

[20]Hillsdon M，Panter J，Foster C，et al. The relationship between access and quality of urban green space with population physical activity[J]. Public Health，2006，120（12）：1127-1132.

[21]Luo W，Wang F. Measures of spatial accessibility to health care in a GIS environment：synthesis and a case study in the Chicago Region[J]. Environment and Planning B，2003，30（6）：865-884.