基于网络大数据的徐州中心城区绿地空间公平性评价

2019-12-24 06:33薛小同雍新琴李鑫胡宗楠
生态科学 2019年6期
关键词:城市绿地基尼系数公平性

薛小同, 雍新琴, 李鑫, 胡宗楠

基于网络大数据的徐州中心城区绿地空间公平性评价

薛小同, 雍新琴, 李鑫*, 胡宗楠

江苏师范大学地理测绘与城乡规划学院, 江苏 徐州 221116

城市绿地在美化环境、提升居民生活质量与促进城市可持续发展等方面有重要作用, 但当前城市绿地配置时的“被平均”现象已严重违背社会公平与环境可持续发展理念。借助GoogleMap与网络大数据, 运用GIS构建城市绿地与小区人口的空间分布, 并通过两步移动搜索法测算城市绿地空间可达性供给, 在此基础上运用基尼系数与洛仑兹曲线刻画中心城区不同空间尺度下城市绿地的公平性。结果表明: 徐州中心城区人均可达性绿地为29.99 m2, 总体供给水平较高。小区尺度的绿地分布基尼系数为0.3707, 接近警戒线, 主要表现为小区以及片区间的绿地不公平。影响绿地空间公平性的因素主要来自两方面: 一是城市自然本底条件使绿地分布本身不均; 二是城市规划时人口与绿地的空间不匹配导致如老城区及高密度住宅区等的绿地供给水平很低。城市绿地规划建设需要兼顾绿地与人口的空间匹配, 尤其减轻土地财政对绿地空间配置的挤压效应, 同时还要改进配置决策方式, 加强城市绿地规划设计的公众参与。

城市绿地; 网络大数据; 基尼系数; 空间公平性; 徐州中心城区

0 前言

城市绿地作为城市环境中唯一具有生命的基础设施, 通过一定数量与质量的各类绿地组合, 可为城市人文景观布局与生态环境改善提供行之有效的途径[1], 并可提高城市居民健康水平与生活质量[2], 同时绿地的生态维护与观赏游憩功能对促进城市可持续发展有重要意义[3-4]。随着新型城镇化进程推进, 人们更加追求城市生态宜居环境, 而绿地配置是生态宜居环境建设之关键, 从社会公平角度看, 每个居民都有追求生态宜居环境的权利, 城市应为每个居民提供基本的绿地保障[5-6]。一直以来, 城市绿地评价都是以人均绿地、绿化率等指标进行, 在一定程度上提高城市绿地水平同时也掩盖了诸多不足[7-8], 突出问题是虽然绿地指标的强制性规定使绿地数量得到保证, 但绿地的实际空间分布并不能满足人们生活需要, 经常存在“被平均”的现象。城市绿地的居民福利属性已成为衡量城市生活质量的主要指标, 其要求在配置过程中更需要注意公平性。Wright根据欧盟环境公平与种族平等报告指出, 环境正义被描述为“平等接近清洁环境与平等得到远离环境破坏的保护, 不论种族, 收入, 阶级或任何其他社会经济地位特征区别”[9]。因此绿地服务功能的空间不公平俨然已成为社会资源配置不公平的重要表现, 居民能否平等地享有城市绿地不但事关生态建设中“以人为本”的要求, 更关乎着社会公平与正义理念的践行。

关于城市绿地空间公平性的研究主要集中在以下两方面: 一方面偏重空间性, 注重空间分析与计算, 主要在绿地空间公平性评价中考虑其可达性, 如魏冶等采用Dai提出的高斯两步移动搜索法并结合遥感与人口普查数据对沈阳绿地空间可达性进行评价[10]; 尹海伟等评价了上海外环线以内公园的可达性供给与空间公平性[11-12]; Fan Peilei等通过构建“绿色无障碍指数”(GAI)衡量了上海居民对于不同类型城市绿地的可获取程度[13]; 许基伟通过重力型两步移动搜索法计算公园绿地可达性的同时探讨了居住区尺度下不同等级公园绿地的空间公平性[14]。另一方面研究则偏重用经济学中的基尼系数量化空间不公平性, 金远首次将洛仑兹曲线和基尼系数引入城市绿地空间分布评价[15], 唐子来以街道为单位用洛仑兹曲线量化了上海中心城区公共绿地分布的社会绩效[16-17], 岳邦佳等在两步移动搜索法的基础上用洛仑兹曲线与皮尔森相关系数描述公园绿地分布与低收入人口的相关性[18]。但上述两方面研究存在一定割裂, 即很少有研究较好耦合空间分析计算与洛伦兹曲线进行绿地空间公平性评价, 此外, 以往研究中的绿地数据仅限于城市公园绿地而忽视了分布最广的小型居住绿地, 因此得到的公平性并不准确, 且人口数据是基于街道尺度的普查数据, 因此评价结果仅停留在街道尺度, 未能反映更小空间单元的绿地空间公平性, 不能为绿地规划提供精准借鉴。

鉴于此, 本文以徐州中心城区为例, 用0.25 米的GoogleMap影像获取研究区全部绿地数据, 用网络大数据抓取不同小区的户数, 再用两步移动搜索法从空间可达性角度评价不同小区的真实绿地供给水平, 最后以小区为单元用洛仑兹曲线描述城市绿地的空间公平性。通过对绿地空间公平性的评价, 可发现当前绿地供给与分布存在的问题, 为城市绿地规划提供直接借鉴, 为目前生态宜居城市、低碳城市建设提供科学参考。

1 数据来源与研究区概况

1.1 研究区域

徐州位于江苏省西北部, 总面积11258 km2, 常住人口876.35 万, 素有“五省通衢”之称, 地理位置十分优越, 为国家“一带一路”重要节点城市, 同时也是淮海经济区中心城市。共有5 个市辖区, 分别为鼓楼区、云龙区、铜山区、开发区、泉山区, 面积2508 km², 截至2017 年总人口281 万。本文研究区为城市规划的中心城区范围, 面积237.45 km², 网络抓取小区520 个, 按户数测算的总人口为166 万。中心城区在城市规划中可分为九里山、坝山、金山桥等7 个片区, 进一步按照街道界线、主要交通线路与自然地物界线等划分出32 个子片区, 见图1。

图1 徐州市位置示意与中心城区分区图

Figure 1 Location and central district map of Xuzhou

1.2 数据来源与处理

本文小区信息与人口数据是采用坐标拾取与网络爬虫抓取的互联网数据, 主要有安居客网站、腾讯房产、徐州房管局与房天下网站, 获取小区数520 个, 按每户3.27 人计算人口; 城市绿地数据来源于GoogleMap卫星影像, 分辨率0.25 米, 通过人工目视解译绘制中心城区的城市绿地矢量图, 见图2。

1.3 城市绿地分类与数量

根据《城市绿地分类标准》和《徐州城市绿地系统规划(2015—2020)》等, 并结合GoogleMap实际影像, 将研究区城市绿地分为6 类, 分别为城市公园、社区公园、邻里公园绿地、小区绿地、道路绿地与河滨绿地。相关绿地类型的面积标准与服务半径见表1, 下文可达性绿地供给评价时对不同绿地用不同服务半径。在相对规定不同级别城市绿地的面积与服务半径的基础上, 对于规模类似的小型城市绿地针对其活动人群和设施进行进一步区分。社区公园即具有较好公共性和一定活动内容的集中绿地,一般为配有公共健身设施的公共绿地场所, 服务对象覆盖服务半径内的众多小区居民。邻里公园为社区内部数个居住小区之间可共享的点状公园绿地, 服务于该范围内小区居民。小区绿地即各小区内开发商建造的人工绿地, 主要服务于小区内成员。统计发现, 城市公园绿地占总量的55.94%,但斑块数量占比很小, 表明徐州中心城区的大型绿地为绿地总量提供了可观供给。分布范围最广、斑块数量最多同时也是与城市居民最为相关的小区绿地占比23.67%, 表明当前小区绿化在城市绿地供给中占有重要地位。同时社区公园绿地与邻里公园绿地占比分为15.44%与1.54%, 为绿地空间供给提供了有效补充, 河滨绿地与道路绿地则丰富了城市绿地种类与景观格局。

图2 徐州市中心城区绿地及小区人口分布

Figure 2 Distribution of green space and community population in central district of Xuzhou

表1 研究区不同城市绿地类型与数量

2 研究方法

2.1 网络大数据法

利用大数据在城镇化进程中实现城市形态的可持续发展是未来中国智慧城市建设的目标之一[19], 城市人口密度的迅速增长要求城市提供足够的基础设施服务以满足城市居民需要, 此过程中不少学者表示构建大数据背景下的中国特色智慧城市发展框架有利于合理规划城市基础设施[20-22]。鉴于传统数据搜集方式中人口数据获取的困难与存在的缺陷, 本文借助网络大数据获取徐州市中心城区人口。

基于Python编写的抓取程序, 本文以安居客网站、腾讯房产、徐州房管局与房天下网站为数据源, 抓取小区详情页面的“户数”关键词。徐州市辖区每户平均人口数为3.27 人, 于是用每个小区户数乘以户均人数即为每个小区的潜在居住人口, 这里没考虑房屋空置率的影响。

2.2 高斯两步移动搜索法

用高斯两步移动搜索法测算不同小区的城市可达性绿地供给。因为不同等级的城市绿地有不同服务半径, 按绿地所覆盖的范围计算居民所能享用的绿地数量是评价绿地空间公平性的一个重要基础。该方法在地理空间可达性方面已得到较广泛应用, 其原理是通过计算两个地物相互间的空间距离从而得出目标地物的可达性。本研究中, 第一步是对每一块城市绿地, 以为圆心依据其城市绿地类别产生对应服务半径的缓冲区, 计算缓冲区内空间距离衰减且被共享之后绿地m的实际供给。计算公式为:

式中:R表示第块绿地被服务半径内人口分享且距离衰减后的绿地服务水平(m²·人-1),S为斑块的面积,d为该绿地对应的绿地类型的服务半径,P为小区的人口,d为小区与斑块的距离,Î{dd}表示与绿地距离小于d的小区集合,G(d)为空间距离衰减系数。可见,R受绿地供给范围内的小区数量即人口数量的影响, 同时其本身绿地面积也对其产生影响。第二步对于每一个小区, 计算位于该小区空间作用范围内的城市绿地产生的R的累计, 从而得到小区的绿地可达性。计算公式为:

式中:Y表示小区的累积绿地供给水平(2/人), 能够享用的城市绿地数量,Î{d£d}表示与小区距离小于d的绿地斑块集合, 其他字符含义同式1。两步移动搜索法是在ArcGIS平台下通过Python编程实现。

2.3 基于洛仑兹曲线公平性评价

洛仑兹曲线的初衷是为了探讨国民经济在分配中的公平性问题, 即按照贫富水平递增的人口序列累计所占对应百分比的收入形成的曲线, 曲线可直观表现某个国家或地区的收入分配是否公平。在此基础上提出基尼系数这一指标, 从而将收入不平等这一概念量化, 以便于评价某一地区的收入差距。由此开始把洛仑兹曲线与基尼系数引入对其他社会资源分配公平性的评价, 如对公共交通服务水平、医疗资源与矿产资源等分布的公平性进行测度[23-25]。本文将采用洛仑兹曲线与基尼系数对研究区绿地空间分布公平性进行评价。基尼系数计算公式为:

式中:为某地区绿地空间分布的基尼系数,表示有个小区, 首先按上一步小区人均绿地供给Y由小到大排序,B表示前个小区的累计绿地供给占绿地总供给的比重,a为第个小区的人口占总人口的比重, 其中0=0,B=1。用Matlab编程计算基尼系数, 同时刻画洛伦兹曲线, 其中横轴为小区累计人口比重, 纵轴为对应的累计绿地比重。

3 研究结果

3.1 基于可达性的绿地供给测算结果

从绿地空间可达性测算结果看供给最高者位于云龙湖与云龙山风景区、凤凰山风景区周边, 同时翟山片区、铜山片区的绿地可达性供给也较高, 这是因为该些地区基于自然地物保留了大量的绿色开敞空间, 如泉山、牛山、凤凰山、云龙湖与淮海战役纪念馆等绿地空间。绿地可达性供给较低区域则包括老城片区、金山桥片区、坝山片区与徐州新区, 与上文城市绿地空间分布结果基本一致。老城片区由于建设时间较早, 不注重绿色理念, 没预留绿色开敞空间, 因此绿地空间供给水平很低, 成为中心城区绿地空间供给的洼地, 金山桥片区则属于工业开发区, 区内生活性公园供给不足, 徐州新区虽然建设时规划了一定绿地, 但住宅容积率高, 潜在人口数量大, 拉低了人均绿地供给水平。图3分别是基于32 个子片区与520 个小区的可达性绿地测算结果, 32 个子片区中城市绿地可达性供给最高者为90.8 m2·人-1, 最低者为9.76 m2·人-1, 子片区的平均城市绿地可达性供给为30 m2·人-1, 达到该水平的子片区有12 个, 且最大值与最小值之差为81.06 m2·人-1, 所评价的520 个小区中, 绿地供给最高者是南岸别墅, 高达389 m2·人-1, 表明城市绿地供给存在空间不公平。基于两步移动搜索法的空间绿地供给评价既考虑不同类型绿地的服务半径, 又考虑了同一地区人口对公共绿地的占用竞争, 因此评价结果较为合理。

3.2 绿地空间分布公平性评价结果

上述已测算不同小区与片区的人均可达性绿地, 下面评价该指标的空间公平性: 首先以520 个小区为单元, 测算中心城区绿地分布基尼系数, 结果见图4.a, 其次以32 个子片区为单元测算绿地分布基尼系数, 见图4.b, 再次为了考察公平性的空间差异, 本文还将测算7 个功能片区各自的基尼系数, 结果见图4.a—4.i。洛仑兹曲线越陡峭则说明绿地空间分配越不公平, 表明少量小区人口占据大量城市绿地, 4.a的基尼系数为0.3707, 联合国规定收入公平警戒线的基尼系数为0.4, 超过0.4就可能引发一系列社会问题, 而徐州中心城区绿地空间分布的基尼系数已达0.3707, 接近警戒线水平, 说明研究区城市绿地空间分布的公平性问题应引起足够重视, 其已对徐州城市环境的可持续管理产生不良影响, 有悖于绿地“空间共享”理念。比如翟山片区和铜山片区分别以14.86%和9.67%的人口占据了28.24%和16.74%的绿地, 而老城片区和坝山片区则分别以40.33%和18.13%的人口仅占据了31.44%和8.12%的绿地。并且其中超过100 m2·人-1的小区有14 个, 而还有179 个小区的人均绿地供给小于30 m2·人-1。图4.b以32 个子片区的人口与占有的城市绿地刻画洛仑兹曲线, 并计算基尼系数为0.3182, 属可接受范围, 说明子片区间的绿地供给公平性优于小区间的绿地分配公平性, 主要因为随着评价单元尺度增大, 掩盖了某些区域内部的局部不公平, 因此基尼系数变小, 这从另一方面证实从更小尺度单元评价城市绿地公平性的必要性可获取更精确结果。

图3 城市绿地可达性供给评价结果

Figure 3 Urban green space supply evaluation result based on spatial accessibility

图4 绿地空间分布的洛伦兹曲线与基尼系数

Figure 4 Lorentz Curve and Gini Coefficient of green space spatial distribution

本文又对7 个功能片区, 分别得出其基尼系数, 以考察绿地空间不公平的空间差异。可看出, 中心城区范围内城市绿地空间供给高水平且公平性较高的区域为铜山片区和翟山片区, 其人均绿地分别为43.71 m2与47.97 m2, 基尼系数为0.1950与0.2144, 说明区内绿地供给充足且分布较为公平。老城片区人均绿地为19.68 m2, 基尼系数为0.3088, 为7 个功能片区中最高者, 说明该区内绿地分布较为不公平, 经分析是因为老城核心区当初规划设计时未预留绿地空间, 绿地供给严重不足, 而外围区则由于城市建设理念更新逐步扩大了绿地供给, 从而导致绿地空间的分布不公平。由于金山桥片区位于徐州工业开发区内, 缺乏大型公园绿地, 因此人均绿地仅为15.74 m2, 同时绿地公平性分布的基尼系数为0.2614, 表现出一定不公平, 经辨析, 生活居住区中小区绿地供给尚可, 但工业区内部的小区绿地供给较差。城市绿地供给水平中等且公平性较高的是九里片区和徐州新区, 基尼系数分别为0.1142与0.1851, 人均绿地分别为24.50 m2与26.74 m2, 可达性绿地的空间供给十分公平, 但新城区作为按最新城市规划标准开发的地区人均绿地水平并不突出, 这应引起规划设计者的注意。

3.3 绿地空间不公平原因分析及改进策略

3.3.1 不公平原因分析

1、绿地空间供给“天然”不均, 规划建设者对此缺少主动应对。徐州中心城区绿地供给总体上依赖自然地物形成的公园, 其占绿地总面积的55.94%, 而大型公园都是根据地形地物因地制宜建设, 比如绕山环湖、沿大型河道而建, 这些自然地物由于位置固定且不可移动, 使得只有附近居民才能享用该些绿地。比如徐州中心城区绿地主要分布在泉山、云龙湖与南部的凤凰山一带, 老城片区天然绿地几乎空白, 因此导致绿地空间不公平。规划建设者由于缺乏绿地空间共享理念, 并未意欲形成一种更加公平的绿地布局, 对绿地供给不足区没有主动作为。比如在金山桥片区、坝山片区等, 没有足够自然地物, 规划建设者也没有主动在此规划大中型公园从而导致绿地供给不足。这种现象在老城区更明显, 由于老城区建设时, 国家居住区绿地标准不高, 人们生态环境意识不强, 对日后绿地需求估计不足, 导致目前老城区成为全市可达性绿地的“最洼地”。

2、绿地配置决策失效, 缺乏公众参与制衡。国土与城乡规划部门把城市绿地作为建成区的一部分, 而我国城市土地扩张受上级严格控制, 并以指标形式下达每年的扩张数量。政府需要在有限的城市土地上创造更高价值, 尤其是中心城区内, 政府进行土地配置决策时, 首要考虑经济效益最大化, 配置的用途依次为商业、住宅与工业用地, 只有当某地块不适合上述用途时才会被考虑规划为城市绿地。最为明显的是徐州新城区建设, 由于新城区区位好, 公共服务设施配套齐全, 土地价值较高, 因此规划容积率较高, 人口密度大, 而与此同时没有天然的山、湖与河道等, 因此结果是新城区人口密度大, 建筑密度高, 但缺少大中型城市公园, 人均可达性绿地并不高。最根本的原因是绿地配置决策由政府或市长一把手决定, 在土地指标有限情况下更加看重经济效益, 对绿地的空间共享与公平性关注不足, 在配置中未践行环境公平理念。

3、绿地配置市场化导向, 居民收入差距放大绿地空间不公平。绿地配置市场化导向下, 城市居民经济水平影响其享有的绿地数量与质量。近年来人们绿色生态理念开始觉醒, 而徐州作为传统重工业城市, 空气质量不佳是居民直观感受, 因此绿地资源更凸显对提高生活质量的重要性。一方面, 靠近大型公园绿地的高价小区将绿色景观作为卖点显示差异化, 另一方面, 部分高价小区将其内部绿化程度、是否带有社区公园作为卖点。这导致存在贫富差距的城市居民无法享有平等城市绿地, 加剧了城市绿地的空间不公平。

3.3.2 改进策略

城市绿地空间公平是社会公平的重要体现, 是新型城镇化建设中以人为本、生态宜居理念的重要表现, 为提升研究区城市绿地空间公平性, 论文提出以下改进措施。首先要树立绿地空间共享与公平的理念, 对绿地供给不足片区要“补短板”, 不能只根据地表特征, 如围山、沿湖等来建设城市公园, 还应该在高人口密度集聚区建设大型公园, 如城市中央公园等, 城市土地资源配置时不能一味追求土地财政最大化, 生态效益同样重要, 减轻土地财政对绿地空间的挤压效应, 不能只把无法进行商业、居住开发而没有经济价值的地块规划为绿地, 而是从可达性角度保证不同片区居民的最基本绿地需求。

其次, 对于老城区与工业集中区, 要通过老城区改造与产城融合提升城市绿地标准, 尤其老城区建设之初对绿地空间布局考虑不足, 因此老城改造时应补偿城市绿地的“历史欠账”, 对于存在城市收缩现象的老旧城区, 可通过拆旧改造等方式, 重新规划适用于现代城市需求的大型公园绿地。同时, 针对未达到拆旧改造标准的高人口密度城区可以通过建设量多面广的袖珍公园, 在满足城市绿地需求的前提下, 减小对城市布局的改造和改造工程对居民生活的影响。工业区产城融合时需要根据人口配置城市绿地, 可以考虑把产业转移腾出的原工业用地转化为城市绿地, 如德国杜伊斯堡景观公园就是废墟中产生的公园典范[26], 对于徐州这个重工业城市来说十分具有借鉴意义。

再次, 改善城市绿地配置决策方式, 构建民众参与城市绿地规划的机制路径。城市绿地空间不公平很大程度上由于缺乏有效公众参与机制导致, 虽然整个城市绿地水平达到规划要求, 但局部地区却绿地匮乏, 城市绿地空间设计, 比如绿地类型、设施, 是否有运动场所等, 也不符合居民需求。一方面城市绿地作为准公共物品, 配置应体现公平性, 减轻乡绅化, 另一方面正如缪朴所说[27], 既然是居民而非政府的城市, 就应让居民按自身需求规划设计绿地, 而非由地方政府决定。

4 讨论和结论

4.1 讨论

城市绿地公平不仅需关注城市绿地率、人均城市绿地面积等指标, 更要从可达性视角关注片区的人均绿地, 树立绿地空间公平理念, 由于容积率原因, 高城市绿地率不代表人均城市绿地高, 人均城市绿地高也不能说明绿地空间分布是公平的, 因此针对不同空间尺度的基尼系数能有效反映出城市绿地空间公平性。本文在讨论城市绿地供给时, 受遥感影像技术限制, 未能获取绿地植被类型等要素对城市绿地服务能力的影响, 也没有考虑不同群体对城市绿地设计的偏好, 如绿地类型、是否有运动设施与交流场所等, 仅通过面积标准与地图判别划分不同城市绿地等级。在今后研究中, 可做以下两方面延伸, 一是结合城市绿地数量与质量, 对城市绿地的服务能力做出更加细致评价, 如对城市碳吸收能力、气候调节能力, 对城市恢复力、生态服务价值的空间化评估等; 二是设计更加适宜的绿地类型, 通过对不同群体调查设计更加人性化绿地, 以提升城市绿地质量。

4.2 结论

本文通过2016 年0.25 米的Google影像获取徐州中心城区的全部类型绿地, 同时运用网络爬虫抓取小区人口数量, 之后用两步移动搜索法从可达性视角计算不同小区的绿地供给, 再基于不同小区的人口与绿地水平, 用洛伦兹曲线与基尼系数研究其空间公平性。本文的主要研究结论有: (1)研究区的人均可达性绿地为29.99 m2·人-1, 总体上满足国家规划目标与规程标准, 但片区之间、小区之间的差别较大, 表现出绿地空间不公平; (2)小区可达性绿地的空间公平基尼系数为0.3707, 接近不公平警戒线, 不公平程度已较危险, 表明绿地不公平已成为徐州城市环境空间治理的突出问题, 同时发现不公平最为突出的片区是坝山片区与老城片区; (3)本文耦合网络大数据、空间计算与基尼系数方法而得到的城市可达性绿地与公平性测算结果可为城市规划提供直接借鉴, 有力指导徐州生态城市建设, 打造生态宜居城市与绿地共享空间, 同时该方法具有普适性, 可为其他城市绿地建设与规划提供有力技术支持。

[1] 肖漫. 武汉市主城区城市绿地健康评价[D].武汉: 华中农业大学, 2009.

[2] Kabisch N, Haase D. Green justice or just green? Provision of urban green spaces in Berlin, Germany[J]. Landscape & Urban Planning, 2014, 122(2): 129–139.

[3] 高峻, 杨名静, 陶康华. 上海城市绿地景观格局的分析研究[J]. 中国园林, 2000(1): 53–56.

[4] 刘常富, 李小马, 韩东. 城市公园可达性研究——方法与关键问题[J]. 生态学报, 2010, 30(19): 5381–5390.

[5] 李锋, 王如松. 城市绿地系统的生态服务功能评价、规划与预测研究——以扬州市为例[J]. 生态学报, 2003, 23(9): 1929–1936.

[6] Yao Liang, Liu Jingru, Wang Rusong, et al. Effective green equivalent—A measure of public green spaces for cities[J]. Ecological Indicators, 2014, 47(1): 123–127.

[7] Wolch J R, Byrne J, Newell J P. Urban green space, public health, and environmental justice: The challenge of making cities ‘just green enough’[J]. Landscape & Urban Planning, 2014(125): 234–244.

[8] 刘志强, 刘晔, 王俊帝. 中国建成区绿地率与人均公园绿地面积增长的时空匹配研究[J]. 生态经济, 2016, 32(6): 189–195.

[9] Wendel H E W, Zarger R K, Mihelcic J R. Accessibility and usability: Green space preferences, perce­ptions, and barriers in a rapidly urbanizing city in Latin America[J]. Landscape & Urban Planning, 2012, 107(3): 272–282.

[10] 魏冶, 修春亮, 高瑞, 等. 基于高斯两步移动搜索法的沈阳市绿地可达性评价[J]. 地理科学进展, 2014, 33(4): 479–487.

[11] 尹海伟, 孔繁光, 宗跃光. 城市绿地可达性与公平性评价[J]. 生态学报, 2008, 28(7): 3375–3383.

[12] 尹海伟, 徐建刚. 上海公园空间可达性与公平性分析[J]. 城市发展研究, 2009, 16(6): 71–76.

[13] Fan Peilei, Xu Lihua, Yue Wenze, et al. Accessibility of public urban green space in an urban periphery: The case of Shanghai[J]. Landscape & Urban Planning, 2017(165): 177–192.

[14] 许基伟, 方世明, 刘春燕. 基于G2SFCA的武汉市中心城区公园绿地空间公平性分析[J]. 资源科学, 2017, 39(3): 430–440.

[15] 金远. 对城市绿地指标的分析[J]. 中国园林, 2006, 22(8): 56–60.

[16] 唐子来, 顾姝. 上海市中心城区公共绿地分布的社会绩效评价:从地域公平到社会公平[J]. 城市规划学刊, 2015(2): 48–56.

[17] 唐子来, 顾姝. 再议上海市中心城区公共绿地分布的社会绩效评价:从社会公平到社会正义[J]. 城市规划学刊, 2016(1): 15–21.

[18] 岳邦佳, 林爱文, 孙铖. 基于2SFCA的武汉市低收入者公园绿地可达性分析[J]. 现代城市研究, 2017(8): 99–107.

[19] SHEN Zhenjiang, LI Miaoyi.Big Data Support of Urban Planning and Management: The Experience in China[M]. Berlin: Springer-Verlag, 2018.

[20] Li Miaoyi, Ye Xinyue, Zhang Shanqi, et al. A frame­work of comparative urban trajectory analysis[J]. Enviro­nment and Planning B: Urban Analytics and City Science, 2017, 45(3): 489–507.

[21] Rathore M M, Ahmad A, Paul A, et al. Urban Planning and Building Smart Cities based on the Internet of Things using Big Data Analytics[J]. Computer Networks, 2016, 101(C): 63–80.

[22] WU Yuzhe, ZHANG Weiwen, SHEN Jiahui, et al. Smart city with Chinese characteristics against the background of big data: Idea, action and risk[J]. Journal of Cleaner Produ­ction, 2018, 173: 60–66.

[23] Delbosc A, Currie G. Using Lorenz Curves to Assess Public Transit Equity[C]//Transportation Research Board, Meeting, 2011.

[24] 何军, 杨建, 孟玲, 等. 基于洛仑兹曲线和基尼系数的四川卫生资源配置公平性评价[J]. 西北人口, 2015(1): 44– 47.

[25] 侯华丽, 吴尚昆, 王传君, 等. 基于基尼系数的中国重要矿产资源分布不均衡性分析[J]. 资源科学, 2015, 37(5): 915–920.

[26] 梁燕莺, 陈涛. 德国北杜伊斯堡景观公园设计理念探析——基于黄石矿区生态修复的视角[J]. 湖北理工学院学报(人文社会科学版), 2017(06): 15–19.

[27] 缪朴. 谁的城市? 图说新城市空间三病[J]. 时代建筑, 2007(1): 4–13.

Evaluation of spatial equity of urban green space based on internet big data for central area of Xuzhou city

XUE Xiaotong, YONG Xinqin, LI Xin*, HU Zongnan

School of Geography, Geomatics and Planning, Jiangsu Normal University, Xuzhou 221116, China

Urban green space plays an important role in beautifying the environment, improving the quality of residents’ life and promoting sustainable urban development.However, the “averaged” phenomenon in the current urban green space allocation has seriously violated the concept of social equity and environmental sustainability. So we study the spatial inequity of urban green space with internet big data skill. GIS technology is employed to construct the spatial distribution of urban green space and community population with the help of GoogleMap and network big data, after that the spatial accessibility of urban green space is measured through two-step floating catchment area method. Based on this, the Gini coefficient and Lorentz curve are used to describe the equity of urban green space in central area of Xuzhou on different spatial scales. The results indicate that: the per capita green space in central area of Xuzhou is 29.99 m2, which is at high level of supply, and Gini coefficient of the green space at community scale is 0.3707, close to the international warning line of 0.4, mainly reflecting the urban green space difference of communities and districts. There are two aspects of factors affecting the equity of urban green space, of which the first is natural heterogeneity of urban land, and the second is that there is no planning power to change the mismatch between population and green space, thus leading to low level of green space supply in old towns and high-density residential areas. This paper argues that urban green space planning and construction need to take into account the spatial matching between green space and population, to reduce the squeezing effect of land finance on green space allocation, and at the same time to improve the allocation decision-making mode and strengthen the public participation in urban green space planning and design.

urban green space; internet big data; gini coefficient; spatial equity; central area of Xuzhou city

10.14108/j.cnki.1008-8873.2019.06.021

TU985.12

A

1008-8873(2019)06-140-09

2019-05-29;

2019-06-16

教育部人文社科项目(19YJCZH089); 江苏高校社科基地项目(2017ZSJD013); 江苏省研究生科研与实践创新计划项目(KYCX18_2070)

薛小同(1995—), 男, 江苏如皋人, 硕士研究生, 主要研究方向为土地利用规划, E-mail: xuetyto@163.com

李鑫(1986—), 男, 山东临沂人, 博士, 副教授, 主要从事土地利用规划与优化配置, E-mail: topzcg@126.com

薛小同, 雍新琴, 李鑫, 等. 基于网络大数据的徐州中心城区绿地空间公平性评价 [J]. 生态科学, 2019, 38(6): 140-148.

XUE Xiaotong, YONG Xinqin, LI Xin, et al. Evaluation of spatial equity of urban green space based on internet big data for central area of Xuzhou city[J]. Ecological Science, 2019, 38(6): 140-148.

猜你喜欢
城市绿地基尼系数公平性
高管薪酬外部公平性、机构投资者与并购溢价
编制城市绿地养护规范和标准应注意的事项
城市绿地绿化种植与养护
城市绿地功能与作用的重新认识
透水性铺装在城市绿地中的应用初探
基尼系数
基尼系数
关于公平性的思考
基于普查数据的我国18个少数民族受教育程度及公平性统计分析
什么是基尼系数