EN中文

经济地理 >

2025 , Vol. 45 >Issue 2: 103 - 111

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.02.010

城市地理与新型城镇化

城市居住区绿色空间可达性的社会与制度影响机制——以宁波为例

  • 陈阳 , 1, 2 ,
  • 马仁锋 2 ,
  • 岳文泽 , 3, ※
展开
  • 1.宁波大学 法学院，中国浙江 宁波 315211
  • 2.宁波大学 东海研究院，中国浙江 宁波 315211
  • 3.浙江大学 公共管理学院，中国浙江 杭州 310051
※ 岳文泽（1977—），男，博士，教授，研究方向为城市空间精细化治理。E-mail：

陈阳（1989—），男，博士，副研究员，研究方向为城市生态空间治理。E-mail：

收稿日期: 2023-11-30

  修回日期: 2024-07-25

  网络出版日期: 2025-05-12

基金资助

国家自然科学基金青年项目(42301329)

浙江省自然科学基金探索项目(LQ23D010004)

浙江省高校重大人文社会科学攻关计划项目(2023QN028)

宁波市自然科学基金一般项目(2022J112)

收起

Social and Institutional Mechanism for Green Space Accessibility of Residential Community： A Case of Ningbo

  • CHEN Yang , 1, 2 ,
  • MA Renfeng 2 ,
  • YUE Wenze , 3, ※
Expand
  • 1. Law School， Ningbo University， Ningbo 315211， Zhejiang， China
  • 2. Donghai Academy， Ningbo University， Ningbo 315211， Zhejiang， China
  • 3. School of Public Affairs， Zhejiang University， Hangzhou 310051， Zhejiang， China

Received date: 2023-11-30

  Revised date: 2024-07-25

  Online published: 2025-05-12

Fold

摘要

绿色空间可达性是推进社区生活圈建设和公共服务均等化的关键环节。文章借鉴欧美政治哲学解释绿色资源分配的社会与制度双重维度，构建了中国城市居住区绿色空间可达性的理论分析框架，采用基于高德地图API的可达性模型和随机森林模型，测度了宁波居住区的绿色空间可达性，并揭示其影响机制。结果表明：①宁波居住区与绿色空间具有较好的空间匹配度，拥有高可达性的居住区规模较大，但居住区可达性由市中心向绕城高速外递减，表现出明显的城郊二元差异现象。②影响居住区绿色空间可达性的关键因素依次为居民需求、财政基础、规划调控，且存在非线性影响作用。③宁波居住区绿色空间可达性的“城—郊”差异是多重社会与制度因素共同作用的结果。其中，人口集聚刺激绿色空间配套的需求，财政基础影响绿色资源的持续供应，规划调控引发绿色空间配套的城郊二元差异。

关键词： 居住区; 绿色空间; 可达性; 影响机制; 人口集聚; 规划调控; 城郊差异

本文引用格式

陈阳 , 马仁锋 , 岳文泽 . 城市居住区绿色空间可达性的社会与制度影响机制——以宁波为例[J]. 经济地理, 2025 , 45(2) : 103 -111 . DOI: 10.15957/j.cnki.jjdl.2025.02.010

Abstract

The accessibility of green space is a critical issue to promote the construction of community living circle and the equalization of public services. Based on the Western political philosophy, this study explains the green resource allocation from the social and institutional dimensions, and establishes an analytical framework for explaining green space accessibility of urban residential community. It measures the green space accessibility of residential community in Ningbo and reveals its influencing mechanisms based on the accessibility model and random forest model of Amap API. The results show that: 1) Residential community in Ningbo generally exhibit good alignment with green space in Ningbo, with a large proportion having favorable access. However, the accessibility of residential communities decreases from the urban core to the outer ring expressway, which indicates the inequality between urban cores and suburbs. 2) The crucial driving forces include residents' demand, financial basis, and planning regulation, all of which exhibit nonlinear effects on the green space accessibility of residential communities. 3) Multiple social and institutional factors affect the "urban cores-suburbs" difference of green space accessibility of residential community. Among them, the population agglomeration stimulates the demand for green space supporting, the financial base affects the sustainable supply of green resources, and the planning regulation causes the urban-rural binary difference of green space supporting.

Key words： residential community; green space; accessibility; influencing mechanism; population agglomeration; planning regulation; "urban core-suburb" difference

绿色空间是以人类活动干扰为基本特征，由绿色植被覆盖的公园、绿地、广场等构成的人工与半人工地域空间[1-2]。作为城市重要的公共基础设施，绿色空间具有调节气候、降低噪声、净化空气、保持水土等环境效应，也可以提供休闲娱乐、减轻压力、防灾避险等社会服务[3-4]。保障居住区便捷地获取绿色空间既是衡量公共服务公平性与有效性的标准，也关乎民生福祉的普及[5]。为此，上海、广州、济南、厦门等城市近年来相继推行“15 min社区生活圈”，将居民区绿色设施的15 min步行服务范围和布局要求纳入空间规划体系。在中国现阶段“人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾”背景下，绿色空间可达性涉及公民生活需求与公共服务供给的议题，深度契合了共同富裕导向下对公共服务均等化的倡议。因此，开展居住区的绿色空间可达性研究，既是检验绿色空间配置绩效的有效手段，也可以诊断居民是否共享绿色福祉，对优化城市绿色空间规划具有重要实践意义。
现实中，绿色空间是一种有限的公共资源，难以实现居住区的无差别供给，往往存在覆盖不足且“贫富不均”问题。谢菲尔德[6]、蒙特利尔[7]、洛杉矶[8]等欧美城市居住区大多未达到绿色空间可达性的规划标准，而精英群体的居住区一般享有更好的绿色空间可达性；中国上海[4]、北京[9]、深圳[10]等城市也存在类似现象。在欧美城市，这些现象被归咎于积疾已久的种族问题，而在中国则更多地与区域发展不平衡导致的供给侧差异联系在一起[11]。中国仍是发展中国家，并处于不平衡不充分的发展阶段，如何高效实现有限绿色资源的供需匹配是各界关注的议题。其中，政府主导绿色资源的时空分配秩序，优先经济发展的价值取向促使地方政府采用行政配置的方式发挥绿色资源最大价值。同时，绿色空间的资源稀缺性赋予邻近区域更高的市场价值，间接地给公众设定了可进入标准，形成社会需求的市场调节。可以说，中国城市绿色空间可达性受多重因素的综合影响。因此，亟待针对中国城市现状，解析影响绿色空间可达性的决定性因素，揭示其作用机制。
目前，绿色空间可达性的影响机制研究方兴未艾，主要聚焦于以下方面：①从绿色空间自然资源禀赋的视角，结合气候、降水、地表环境等因素，揭示生物物理条件在塑造绿色空间可达性中扮演的角色。其中，地域气候分异被证实为核心影响因子，表现为由湿润森林到半湿润草甸、半干旱草原和干旱沙漠的气候带转变，绿色空间可达性趋于弱化的作用规律[12-14]。②在城市或街道的行政区尺度下，解析社会经济发展对绿色空间可达性的贡献。相关研究结论较为一致：持续增长的收入提升了居民对绿色生态服务的消费意愿和支付能力，扩大了居民接近绿色空间的需求，而经济发达地区可依托充裕的财政、人力和土地维持绿色空间的供给[15-17]。③将绿色空间可达性置于环境公平的语境中，从社会群体行为视角，辨识种族融合、少数族裔边缘化、不平衡权力结构等过程产生的作用[18-20]。尽管这些文献初步地提炼了经济、社会、政策、历史等影响因素，但定量的解释性探讨尚不深入[8]，亦未嵌入到中国城市空间规划与绿色基础设施配置的情景中，对社会与制度综合影响作用的解释不足[21]。
基于此，本文首先针对居住区的绿色空间可达性存在何种空间特征以及影响居住区绿色空间可达性的社会与制度影响机制为何等问题，引入欧美政治哲学对资源分配的社会与制度解释维度，建立解释中国城市居住区绿色空间可达性影响机制的逻辑框架；继而选择宁波市区为研究对象，结合POI（Point of Interest）、房价、人口等多源数据，构建基于高德地图API（Application Programming Interface）的可达性模型，揭示居住区绿色空间可达性的分布特征；最后进一步采用随机森林模型，分析绿色空间可达性的影响因素，并讨论其作用机制，以期为优化城市绿色空间规划提供理论指导和实证支撑。

1 理论分析框架

绿色空间可达性本质上是关于居民公共资源公平利用的问题。欧美研究依托政治哲学学派思想，解析绿色空间分配问题的产生根源，指出社会与制度因素的影响作用[22-23]。首先，欧美国家对少数族裔社群（有色种人、移民等）缺乏社会承认，使他们在绿色资源分配博弈中处于劣势。白人群体较为富有且掌握政治主导权，对绿色空间的消费意愿和支付能力更强，可以自主选择入住拥有较好绿色环境的居住区。他们往往认为自己拥有更多绿色资源是合理的，不承认他人获取绿色服务的需求，并通过权利剥夺和边缘化的方式，削弱少数族裔在绿色资源分配博弈的参与度、代表性和能力[24]。相反地，少数族裔本就受制于社会融入难、语言有障碍、文化差异大等桎梏，对绿色休闲设施的需求远弱于对安身立命的向往[7,18,20]。同时，由于自身文化教育、经济收入、社会认知等所限，难以获得绿色资源分配博弈的话语权，严重地削弱了少数族裔获取绿色空间的机会[25]。其次，带有种族偏见的政策制度在绿色资源配给上带有明显的白人社群倾向性。工业革命以来，欧美城市长期存在白人与少数族裔的居住隔离，因而在绿色公园等公共设施营建上区别对待，人为地设置绿色资源的不均等供应：有意地把绿色基础设施布局在富人或白人集聚区，而将少数族裔聚居地与工业区布局连成一片[26]。这种以种族协议、隔离条例、差异化财政投入等为典型的政策，不仅延续了对白人与少数族裔社区绿色设施投入“分而治之”的传统分配思想，更加剧了两者的绿色空间可达性差距[27]。
总体上，对欧美城市绿色空间可达性的解释被打上了“种族公平”烙印，侧重阐述社会分层伴生的社群需求分化和带有种族歧视的不平等供应模式。相对地，如引言所述，社会与制度因素在中国城市的解释则具有“效率优先”色彩[21]，表现为政府供给和社会需求两重逻辑：区域发展不平衡导致的制度安排决定绿色资源供给不均，社会需求的强弱分异加剧绿色空间的资源倾斜。
在政府供给上，针对绿色资源“因财施策”的财政支撑模式首先发挥着基础作用。绿色空间配置属于地方政府对社会公共资源供给的范畴，财税收入、公共支出、预算投资等影响政府兴建或更新绿色空间的决策，决定供给规模和结构[14]。财政实力越雄厚的政府能保障更充沛的绿色资源供应，也会更注重通过城市绿色空间的营建，提升吸引力和优化功能[17]。其次，因势利导的空间规划体系是直接调控绿色资源的重要抓手。规划指标设计与空间布局决定绿色空间分配秩序：长期遵循“绿地跟人走”的指标配给思维，推动绿色空间向城市人类活动活跃的区域集中，如城区；出于城市形象塑造和景观设计的需求，将城市中心和黄金地段打造成绿色空间规划布局的重点区域，优先保障居民便捷地获取绿色空间。最后，对绿色空间的供给离不开政府因地制宜的资源保障策略。考虑到新建人工与半人工绿色设施的成本巨大，政府在空间规划或选址建设中都关注成本收益，倾向围绕已有的自然绿色景观（丘陵山麓、河滨水岸、草场湿地等），打造绿色空间体系。因此，政府对绿色空间的资源保障易受自然景观固定性与稀缺性的制约，形成“依山傍水”的不均衡格局。
在社会需求上，城市居民是绿色设施服务的需求主体，居民规模和集聚程度直接影响绿色空间的需求强度，两者的持续增长会逐渐扩大对绿色空间的需求。随着我国社会矛盾转变为人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾，以居民为中心的空间规划方式愈发受到重视，如社区公共服务15min步行圈，增加了居民需求对绿色空间配置的影响。同时，社会群体的属性，特别是经济条件，影响社群接近绿色空间的机会。逐利的开发商将绿色空间的潜在价值附加在房价中，增加了一道绿色消费门槛，无形地对居民的消费能力提出了更高要求。然而，大部分居民关注生存与生计，对绿色空间的消费意愿和支付能力有限；精英群体凭借更强的经济实力占有邻近绿色空间的居住区，具有先发优势[28]。此外，为呼应建设宜居城市、园林城市、生态城市等倡议，无论是住宅区建设，抑或商业、行政、科教文卫、休闲等开发，都青睐绿色空间的功能配套，以完善城市功能协调和空间品质提升，在一定程度上刺激了对绿色空间配套的需求。特别是越来越多的城市注重存量发展，城区更新迭代、产业外迁、服务业升级等掀起了对绿色空间的需求热潮，从而加深了城市功能组织与绿色配套的伴生联系。

2 研究区概况、数据与方法

2.1 研究区概况

本文以宁波市中心城区为研究对象，包括海曙、鄞州、江北、北仑和镇海区。宁波是长三角城市群的经济重镇，2020年人均GDP达13.26万元，城镇化率达65.79%，并具有外向型经济发展特征。宁波拥有丰富的自然绿色景观，四明山、翠屏山、天台山余脉等组成基本构架，余姚江、奉化江、甬江“三江”水系穿境而过，三江平原田园景观广布。同时，宁波也是典型的绿色园林城市，于2003年即入选第七批“国家园林城市”，多次通过国家和浙江省的复查考核，并于2018年获评省级生态文明建设示范市。新世纪以来，宁波积极开展绿色空间规划，相继颁布《宁波市城市绿地系统规划》《宁波市生态绿地系统专项规划》《宁波市中心城绿线控制规划》等，提出打造以“三江六岸”为核心的布局蓝图。然而，城区土地趋紧，难以支撑绿地公园的兴建，导致绿色资源供给不足；随着东部新城、南部商务区、姚江新区、镇海新城等区域崛起，居住区逐渐成形，对绿色设施配套提出了迫切需求。目前，部分研究虽指出宁波存在绿色空间面积小、类型少、增量不足等问题，初步确认城市开发、社会经济等因素对绿色资源供需匹配的影响[29]，但仍缺乏绿色空间可达性的社会制度影响机制的系统性揭示。

2.2 数据来源与预处理

本文采用了网络大数据、人口数据、社会统计、基础地理信息等四类数据。①网络大数据包括POI和住宅小区数据。POI数据爬取自2020年高德地图，包含了餐饮、生活服务、房地产等15类。其中，将为城市居民免费开放使用的公园、绿地、广场、公共花园、自然保护景区等场所定义为绿色空间，共筛选出237个POI；将海曙、江北、鄞州、镇海、北仑5个区政府POI设定为CBD所在点。居住小区数据来源于2021年宁波安居客网站，包含交易价格、建设年代、空间坐标等数据信息。经过数据清洗，剔除部分信息缺失的数据样本，共获取2715个居住小区。②人口数据取自前人研究[29]，由人口统计、夜间灯光、建设用地、路网、POI等多源数据模拟生成，空间分辨率为100 m。该数据通过回归拟合验证显示，具有较高拟合优度，适用于本研究。③社会统计数据来源于宁波5个区2020年统计年鉴，以乡镇/街道为基本单元统计GDP数据。考虑到部分乡镇/街道数据缺失，通过历年数据外推获取，并关联到对应的乡镇/街道空间数据。④基础地理信息数据包括DEM、河湖分布和行政区划。DEM数据下载自地理空间数据云的ASTER数据集，分辨率为30 m。河湖分布数据来源于宁波市土地利用详查数据，提取河流、湖泊、水库、滩涂等土地利用类型。行政区划数据主要指2018年宁波主城区乡镇街道行政区划图，来源于宁波市地理信息中心。

2.3 研究方法

首先，通过空间校正、裁剪、格式转换等预处理，将所有空间数据设为CGS2000坐标系，将栅格统一为100 m分辨率，形成多源数据集。接着，基于Python编程，从高德地图调用路径规划API，获取绿色空间可达性数据；然后，结合居住区，通过空间分析，获取居住区绿色空间可达性。最后，采用随机森林模型，分析居住区绿色空间可达性影响因素的重要性和非线性作用，并结合宁波城市特质，探讨其影响机制。

2.3.1 基于高德地图API的绿色空间可达性评估

本文将居住区绿色空间可达性定义为由居住小区到达最邻近绿色空间的便捷程度，测度的是两地之间步行所耗费的时间。基于高德地图API，评估居住区绿色空间可达性，其特点在于：借助高德地图服务器“云计算”，通过调用路径规划API直接返回数据，不需要用户下载大量数据与使用复杂算法；路径规划返回的结果是基于实时交通状态下获取的最优路线可达性，比传统可达性方法的测度精度更高[29]。该方法包含以下3个步骤（图1）：①确定模型参数。选择237个POI为绿色空间可达性终点；以覆盖每个POI终点6 km×6 km为范围，以100m为间隔，建立237个绿色空间可达性起始点点阵列图层；选择步行为出行模式。②获取可达性数据。选择2020年12月晴天平峰时段，基于Python代码，调用高德地图路径规划API，通过迭代算法批量获取237个绿色空间可达性起点阵列数据。自高德地图返回的可达性数据以“min”为单位，存储在每个绿色空间可达性的起始点中。③对数据进行空间分析。采用克里金插值，将237个绿色空间可达性点阵列转化为栅格数据。依次通过栅格镶嵌与住宅小区空间相交，分别获取宁波市可达性测度结果和居住区绿色空间可达性结果。
图1 基于高德地图API的可达性评估思路

Fig.1 Framework for accessibility measurement based on the Amap API

2.3.2 基于随机森林模型的影响机制解析

采用随机森林模型，分析居住区绿色空间可达性的影响因素。随机森林是一种基于决策树的机器学习方法，其核心原理是通过随机抽样选择训练子集，针对每个训练子集建构决策树模型，汇总每棵决策树的预测结果，采用投票获得最终结果[30]。随机森林模型适用于聚类、回归和判别分析，可有效诊断变量的重要性和贡献值，适用于大样本的空间数据挖掘。其优势在于算法鲁棒性较好，计算效率高且不会出现过拟合，可用于离散型和连续型多种变量。本文基于Python语言建模，开展随机森林模型分析，利用包外错误率优化决策树数量和最佳分割点的最大特征。具体参数包括：Max-ntree=500，Min-ntree=10，mtry=3，其余为默认值。
根据中国城市绿色空间可达性的理论解释框架，选择样本与变量。本文以宁波2715个居住小区为样本，以居住小区的绿色空间可达性（min）为因变量。自变量包括：①财政基础，反映小区所在区域的社会经济和财政实力对绿色资源供给的支撑力度[15]，但囿于数据可得性，采用乡镇/街道的地均GDP来替代。②规划调控，采用小区到宁波各区CBD距离表征，这源于中国城市绿色资源配置与可达性普遍存在由城区向外围递减的特点，而规划布局与指标设定起关键作用，存在空间规划针对城区与郊区差异调控绿色资源的作用路径[31-32]。③资源保障，揭示居住区绿色基础设施配置是否受“因地制宜”的资源保障策略影响，以居住区3×3摩尔邻域范围内的水域与山体（海拔≥200 m）面积表征。④居民需求，反映不同城市居民规模与集聚程度对建设绿色设施的社会需求，依据居住小区3×3摩尔邻域范围内的人口栅格值求平均获取。城市居民空间分布越集中或数量规模越大，对绿色资源需求越大[33]。⑤社群属性，反映不同经济收入水平的社会群体获取绿色基础设施配套的差异[4]，采用小区房价表征。⑥城市功能，代表公共服务、商业、生活等功能组织对绿色空间配套的需求带动作用，采用小区3*3摩尔邻域范围内的平均POI密度表征。
根据随机森林模型分析结果，排序所有影响因素的贡献率，辨析核心影响因素。结合宁波城市经济本底、社会条件、规划政策等发展特质，探讨核心影响因素如何作用于居住区绿色空间可达性。最后，综合考虑多重影响因素，建立综合作用的逻辑，形成影响机制的解释。

3 居住区绿色空间可达性的分布特征

①高可达性的居住小区结构比例较大，体现宁波拥有较好的绿色空间与居住区的空间匹配度。≤15 min可达性的居住小区为1634个，比例达到60.18%。相反地，仍有1081个居住小区需要花费至少15 min步行时间才能达到邻近的绿色空间，占比39.82%。其中，15~30 min绿色空间可达性的居住区为802个，意味着宁波绿色空间可达性提升潜力较大；>30min步行时间的小区数量仅为279个。以宁波绕城高速为界线，界线内高可达性小区绝对数量和比例均比界线外更大，反映了绿色空间可达性由市中心向郊区递减的趋势。在绕城高速内，≤15 min和>15min 可达性时耗的居住小区分别为1269和714个，比例分别为65.40%和34.60%；在绕城高速外，这两类居住区分别为365和367个，占比分别为49.86%和50.14%。
②宁波居住区绿色空间可达性在空间上存在明显的“城—郊”差异。具体而言，可达性由“三江口”（姚江、甬江和奉化江交汇处）片区向绕城高速外逐渐递减，呈现明显的“市中心—郊区”的圈层式结构（图2）。“三江口”片区既是城市商业发展中心，也是江北区和海曙区行政中心，绿地和公园分布密集，为5 min和15 min绿色可达性居住区最为集中的地带。鄞州区和镇海区所在的鄞州核心区与镇海新城逐渐崛起，绿地公园配套日趋完善，也初步形成了15 min绿色空间可达性的居住小区集聚。15~30 min可达性的居住区呈环状分布于城区外围，并向城区绕城高速外延伸。>30 min可达性的居住区基本集中于绕城高速外，在九龙湖、东钱湖、春晓工业园区、大榭开发区等地区分布尤为明显。
图2 居住区绿色空间可达性分布特征

Fig.2 Distribution of green space accessibility of residential community

③宁波便捷的居住区绿色可达性呈现出多中心分布格局。在绕城高速外，镇海老城区和北仑城区是较为独立的功能地域，绿色基础设施配套较为完善，密集分布5 min和15 min绿色可达性居住区，形成了2个高可达性居住区集聚。除此之外，随着镇海新城和鄞州南部商务区渐趋成型，在两者的区政府一带出现了独立于主城的高可达性组团。值得注意的是，副中心也存在可达性由城区向郊区递减的趋势，但并未打破“城—郊”差异的总体格局。

4 居住区绿色空间可达性的影响机制

4.1 居住区绿色空间可达性的影响因素识别

随机森林模型的袋外估计准确率得分（OOB_Score）为0.832，表明拟合优度较好。由图3宁波居住区绿色空间可达性影响因素的重要性排序可知，居民需求的重要性高达0.431，是影响居住区绿色空间可达性的首要因素，反映居民需求对绿色空间服务的强劲驱动力；财政基础为次要影响因素，重要性值为0.204，表明地方政府的财政水平是支撑绿色空间供给的重要保障；规划调控的重要性值为0.179，意味着空间规划针对市中心、郊区、农村等区位差异的调控会影响绿色空间可达性；城市功能、社群属性和资源保障的重要性均小于0.1，表明这3个因素的影响较弱。
图3 影响因素的重要性分布

Fig.3 Relative importance of driving factors

为挖掘关键因素对居住区绿色空间可达性的影响，本文进一步对排名前三的影响因素贡献值进行曲线拟合（图4）。具体来看：①居民需求的贡献值呈现递减趋势，表明居民需求对绿色空间配套具有越来越强的正向拉动作用，即人口越集中的区域，到最近绿色空间所需要的步行耗时越少。当人口密度为0~20人/hm2时，居住区的绿色空间可达性时耗增加量由2 min 降至0 min；当超过20人/hm2时，2140个居住区的贡献值<0 min，占居住区总规模的78.82%，意味着这些居住区的可达性时耗将逐渐减少；处于20~50人/hm2时，可达性时耗减少量迅速提升至3 min。②财政基础的非线性影响表现为先升后降的趋势。当财政基础处于0~8亿元/km2时，绿色空间步行时耗缓慢增加，并在8亿元/km2时达到2.5 min的增量高峰；处于8~20亿元/km2时，居住区的绿色空间步行时耗急剧减少，于20亿元/km2处可缩减可达性时耗4min，随后可达性时耗逐渐减少；部分居住区样本出现财政基础与绿色空间可达性时耗“双高”的特征。③规划调控表现为倒“V”型的非线性影响趋势。在宁波各区中心≤5 km范围内，随着到市中心距离增加，规划调控对绿色空间步行时耗影响由减少4 min转变至增加2 min；当距离市中心>5 km时，规划调控对可达性时耗的贡献值逐渐减小，至10 km时降低至0 min，并在接近24 km处能减少可达性时耗近10 min。值得一提的是，≤5 km的居住区为1854个，占比达68.29%，意味着规划调控对绿色空间可达性的积极影响作用占主导。
图4 关键因素对绿色空间可达性的非线性影响

Fig.4 Nonlinear impacts of key driving factors on the green space accessibility

4.2 居住区绿色空间可达性的影响机制解析

4.2.1 人口集聚刺激绿色设施的配套需求

宁波城区的持续开发加速居民集中，对绿色空间提出了配套需求。由于城市绿色空间规划长期采用人均公园绿地面积、公园绿地服务半径等指标，关注的是绿色空间与城市人口的协同，意味着人口越集中或规模越大，对绿色空间规模与可达性的倒逼效应越强。对宁波而言，这种倒逼效应表现为老城区人口集聚与新城人口导入。一方面，三江口是宁波“老三区”，历来是开发活动重心所在，人口集中。据估测，2018年三江口区域的人口密度超过100人/hm2[34]，远远高于其他地区。为匹配市中心庞大的居民需求，“老三区”通过革新城区风貌和改造陈旧设施，推动“小、多、匀”的公园绿地更新与扩建。自1990年代伊始，宁波在老城区掀起了一阵园林绿化发展的浪潮——新建或扩建海曙公园、江厦公园等15个城区公园。该区域绿地公园由6个增长到67个，实现15 min可达性全覆盖，形成了高人口密度和高可达性的特征[29]。另一方面，在宁波绕城高速内，东部新城、鄞州新城区、镇海新城等开发刺激人口增长，推动绿色空间建设。根据NASA社会经济数据与应用中心的人口数据统计，2000—2020年，宁波绕城高速内人口平均密度由2290人/km2上升至3721人/km2，吸引近70个公园或绿地的基础设施配套。较典型的是鄞州新城区：自2002年撤县设区开始，为匹配新城区30万导入居民的需求，相继配套鄞州公园、永泰公园、剑桥公园、院士公园等，加速构建鄞州新城区未来景观规划“一个核心”的格局。相反地，绕城高速外同期平均人口密度仅由461人/km2增长至750人/km2，对于绿地或公园的需求有限，新增量不足35个。这也很好地解释了居民需求对提升绿色空间可达性的正向拉动作用。

4.2.2 财政基础影响绿色资源的持续供应

城区拥有较好的财政基础，可依托事权与财政权双重作用，支撑绿色空间的供给。在事权上，城市绿色空间开发与建设属于政府空间治理的范畴。《宁波市城市绿化条例》指出“市、区县（市）、镇人民政府安排适当资金，用于城市绿地的建设、养护和管理”，这意味着绿色空间供给与各级政府支撑力度是密切相关的，即地方政府财政水平影响绿色空间供给。城区发达的经济能够为政府提供充足的财政收入，保障更多的资金来源支撑绿色空间建设。同时，经济发达的乡镇街道往往会获得更为充足的财政拨款，用于支撑城市绿色基础设施建设与空间规划。特别是市中心街道，既是城市经济命脉所在，也承担了城市“门面”的职责，能够获取更多的财政青睐。这也加剧了财政基础对绿色空间供给的马太效应。较为特殊的是，部分郊区乡镇经济较发达，拥有较好的财政基础，但由于产业发展与绿色配套互斥，导致居民区享有的绿色空间资源有限。这源于浙江民营经济发达，但囿于城区高地价和郊区政策优惠，中小企业更倾向于入驻郊区乡镇，加剧了生产空间与绿色空间的结构性矛盾。例如，大榭开发区为国家级经济技术开发区，GDP高居所有乡镇首位，但15 min绿色空间可达性覆盖的居民比例仅为13.3%。这解释了深厚的财政基础能够有效保障绿色空间配套，但也存在财政基础与绿色空间步行时耗“双高”的现象。

4.2.3 规划调控引发绿色空间的城郊二元分配

规划调控是影响居住区绿地可达性的重要因素之一，反映了“先城区后郊区”规划模式对绿色空间可达性的影响[31]。一方面，宁波中心城区长期以来拥有坚实的绿色空间发展基础。1970年代，宁波城区拥有中山公园、江滨公园、月岛公园、儿童公园、江北公园和白沙公园，并集中于三江口一带。1996年，宁波将当年确定为“绿化年”，并于2003年成功评为“国家园林城市”。期间，城区相继竣工中山广场、月湖景区、中山绿化带等绿地公园。1970—1990年代，由于彼时宁波城区规模有限，公园建设或植树造绿基本集中在老城区，即目前的宁波市中心一带。至2010年左右，宁波已形成以三江口为起点，以余姚江、奉化江、甬江“三江六岸”为核心的绿色空间结构。另一方面，中心城区是绿色空间优先规划发展的区域。新世纪初，《宁波城市总体规划（2004—2020年）》提出以中心城区绿地为核心、以“三江六岸”绿化为主线的规划思路；规划修编版重申沿“三江”构建城市绿色生态走廊，显示政府坚定强化市中心绿色空间布局的规划意图。2014年颁布的《宁波市生态绿地系统专项规划》明确了中心城区“500米见园，300米见绿”的规划愿景，确定人均绿地公园面积（12.6 m2/人）、绿地率（38%）、绿化覆盖率（45%）等指标。然而，尽管《宁波市城市生态规划》等有所涉及郊区绿色空间规划，但仅聚焦经济生产、自然保护、防护等郊区自然绿色空间，尚未给出绿色基础设施的规划方案。

4.2.4 社会与制度多重因素综合的影响过程

宁波居住区绿色空间可达性的“城—郊”差异是多重社会制度因素交织的结果。首先，人口聚居产生的社会需求形成源动力。在40多年的城镇化浪潮中，宁波赖以成名的制造业、物流业、石化产业、对外贸易行业吸引了大量人口就业定居，对绿色空间配套提出了需求。然而，宁波特殊的产业发展布局和人口聚居特征决定了居民对绿色空间的需求是非均质的：石化、港航物流、对外贸易等行业从业者因就业需要，多集中在老城区与新城，加剧了城市休闲游憩设施的需求，对固有滞后的绿化市政体系产生冲击；制造业从业人口多以生产活动为核心，构筑生活居住空间，广布于郊区、乡镇以及各类产业园区，对绿色空间需求有限。对此，政府基于经济发展的权衡，开展财政配置决策，形成支撑力。由于绿色福祉是隐性效益，不能直接提供经济产出，也不属于科教文卫等生活必需设施，政府需权衡如何配置财政供应绿色设施建设：既估量自身经济实力，也考虑能否助力经济产出。相较郊区，市中心本就承担“财税大户”角色，上级政府更会不吝惜对其绿色设施的财政投入，优先满足老城区与新城的居民需求，导致城郊财政配置不均。较为特殊的是，宁波下辖众多经济强镇，但多肩负工业生产的经济发展功能，不会调配过多财政供应绿色设施建设。最后，依托空间规划奠定城郊绿色资源配置的差序格局。空间规划承载政府致力于打造城区以“三江六岸”绿色景观体系的意志，在财政的保障下，能有效落实绿色资源的空间布局。相反地，与中国大多数城市类似，宁波郊区在没有居民迫切需求和充沛财政支撑的情况下，也被规划忽视。

5 结论与讨论

居住区的绿色空间可达性是推进社区15min生活圈规划的重要内容，与民生福祉息息相关。本文在构建居住区绿色空间可达性社会制度解释框架的基础上，集成高德地图可达性测度技术和随机森林模型，分析了宁波居住区的绿色空间可达性分布特征，并深入揭示其影响机制。研究结论如下：
①宁波绿色空间与居住区的匹配度高，≤15min可达性的居住区比例高达60.18%。然而，居住区绿色空间可达性表现出显著的“城—郊”差异，拥有高可达性的居住区集中在“三江口”片区，并向绕城高速外逐渐减少。宁波便捷的居住区绿色可达性也呈现出多中心分布的格局，但并未打破“城—郊”差异趋势。
②居民需求、财政基础和规划调控是影响居住区绿色空间可达性的关键因素，存在非线性影响作用。其中，居民需求对提升居住区绿色空间可达性具有正向推动作用，随着人口密度增长，正向推动作用更强；财政基础和规划调控表现为先升后降的非线性影响，即通过一定突变值后，可有效减少绿色空间可达性时耗。
③宁波居住区绿色空间可达性的“城—郊”差异是社会与制度因素交织的结果。社会层面上，宁波老城区人口集聚与新城人口导入，刺激绿色空间的配套需求，自下而上地形成“城—郊”差异源动力。制度层面上，政府出于经济发展的考虑，以事权与财政权为支撑，以“先城区后郊区”空间规划为手段，优先关注城区绿色资源供给，自上而下地推动“城—郊”绿色资源配置的差序格局形成。
本文借鉴欧美政治哲学思想，引入绿色资源分配的社会与制度双重解释维度，阐明中国城市居住区绿色空间可达性的作用逻辑，并基于宁波案例的实证提炼影响机制，拓展了绿色资源配置的作用机制认知视角和本土化演绎。同时，本文研究结论也可以为正在实施的社区15 min生活圈规划和基本公共服务均等化提供一定现实启示：一方面，宁波绿色空间可达性的城郊二元特征是中国城市公共资源配置不均的缩影，空间规划需转变“发展压倒一切”“重城轻乡”的传统思维，融入公平与效率兼有的理念，重构“城—郊”绿色资源配置模式。另一方面，城市人口集聚刺激社会对绿色资源的需求，政府则可以通过优先的财政资助，采用分区分类分级的规划方式，有的放矢地匹配不同区域、不同社群、不同层次的绿色服务需求，形成公平便捷的绿色空间可达性。
但是，本文也存在一些局限，亟待后续深化。在理论解释上，本研究侧重从社会与制度视角，揭示绿色空间可达性的影响因素，但尚未耦合市场作用的视角。事实上，市场机制与政府、社会的交互作用既影响绿色空间资源配置，也作用于居住区供需调节，能更为全面地解释城市居住区绿色空间配置的问题。在技术方法上，囿于绿色空间POI数据，可达性评估均以各绿色空间质心为终点，无法反映绿色空间规模差异，导致测度结果精度有待提高。一般而言，城市绿色空间往往规模较大且拥有多个出入口，若将可达性测度的终点设置为绿色空间出入口，可有效刻画可达性覆盖范围。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
王保忠, 安树青, 宋福强, 等. 美国绿色空间理论、实践及启示[J]. 人文地理, 2005, 20(5):32-36.

[2]
常青, 李双成, 李洪远, 等. 城市绿色空间研究进展与展望[J]. 应用生态学报, 2007, 18(7):1640-1646.

[3]
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.

[4]
Chen Y, Yue W, La Rosa D. Which communities have better accessibility to green space? An investigation into environmental inequality using big data[J]. Landscape and Urban Planning, 2020,204:103919.

[5]
La Rosa D, Takatori C, Shimizu H, et al. A planning framework to evaluate demands and preferences by different social groups for accessibility to urban greenspaces[J]. Sustainable Cities and Society, 2018,36:346-362.

[6]
Barbosa O, Tratalos J, Armsworth P, et al. Who benefits from access to green space? A case study from Sheffield,UK[J]. Landscape and Urban Planning, 2007, 83(2-3):187-195.

[7]
Pham T, Apparicio P, Séguin A, et al. Spatial distribution of vegetation in Montreal:An uneven distribution or environmental inequity?[J]. Landscape and Urban Planning, 2012,107:214-224.

[8]
Wolch J, Wilson J P, Fehrenbach J. Parks and park funding in Los Angeles:An equity-mapping analysis[J]. Urban Geography, 2005, 26(1):4-35.

[9]
Guo S, Song C, Pei T, et al. Accessibility to urban parks for elderly residents:Perspectives from mobile phone data[J]. Landscape and Urban Planning, 2019,191:103642.

[10]
黄玖菊, 林伊婷, 陶卓霖, 等. 社会公平视角下深圳公园绿地可达性研究[J]. 地理科学, 2022, 42(5):896-906.

DOI

[11]
陈樟昊, 黄甘霖. 城市绿地供需的差异与联系研究进展[J]. 应用生态学报, 2020, 31(11):3925-3934.

DOI

[12]
Song Y, Chen B, Ho H, et al. Observed inequality in urban greenspace exposure in China[J]. Environment International, 2021,156:106778.

[13]
Nowak D J, Rowntree R A, McPherson E G, et al. Measuring and analyzing urban tree cover[J]. Landscape and Urban Planning, 1996,36:49-57.

[14]
Chen W Y, Wang D T. Urban forest development in China:Natural endowment or socioeconomic product?[J]. Cities, 2013,35:62-68.

[15]
Chen W Y, Wang D T. Economic development and natural amenity:An econometric analysis of urban green spaces in China[J]. Urban Forestry & Urban Greening, 2013,12:435-442.

[16]
You H. Characterizing the inequalities in urban public green space provision in Shenzhen,China[J]. Habitat International, 2016,56:176-180.

[17]
Wu L, Kim S. Does socioeconomic development lead to more equal distribution of green space? Evidence from Chinese cities[J]. Science of the Total Environment, 2021,757:143780.

[18]
Mohai P, Pellow D, Roberts J. Environmental Justice[J]. Annual Review of Environment and Resources, 2009,34:405-430.

[19]
Nesbitt L, Meitner M, Girling C, et al. Who has access to urban vegetation? A spatial analysis of distributional green equity in 10 US cities[J]. Landscape and Urban Planning, 2019,181:51-79.

[20]
Zuniga-Teran A, Gerlak A, Elder D, et al. The unjust distribution of urban green infrastructure is just the tip of the iceberg:A systematic review of place-based studies[J]. Environmental Science and Policy, 2021,126:234-245.

[21]
陈阳, 荆欣, 马仁锋, 等. 城市绿色空间公平研究:缘起、进展与启示[J]. 应用生态学报, 34(7):2006-2016.

[22]
Rawls J. A Theory of Justice[M]. Cambridge: Harvard University Press,1970.

[23]
Young I M. Justice and the Politics of Difference[M]. Princeton: Princeton University Press,1990.

[24]
Nesbitt L, Meitner M J, Girling C, et al. Urban green equity on the ground:Practice-based models of urban green equity in three multicultural cities[J]. Urban Forestry & Urban Greening, 2019,44:126433.

[25]
Nesbitt L. An Exploration of Urban Green Equity in North America[D]. Vancouver: University of British Columbia, 2017.

[26]
Pulido L. Rethinking environmental racism:White privilege and urban development in Southern California[J]. Annals of the Association of American Geographers, 2000,90:12-40.

[27]
Boone C G, Buckley G L, Grove J M, et al. Parks and people:An environmental justice inquiry in Baltimore,Maryland[J]. Annals of the Association of American Geographers, 2009,99:767-787.

[28]
Kabisch N, Qureshi S,Haase D. Human-environment interactions in urban green spaces—A systematic review of contemporary issues and prospects for future research[J]. Environmental Impact Assessment Review, 2015,50:25-34.

[29]
陈阳, 张琳琳, 马仁锋, 等. 城市绿色空间可达性与居民分布的空间匹配与影响因素[J]. 生态学报, 2022, 42(24):9971-9980.

[30]
Breiman L. Random forests[J]. Machine Learning, 2001, 45(1):5-32.

[31]
Fan P, Xu L, Yue W, et al. Accessibility of public urban green space in an urban periphery:The case of Shanghai[J]. Landscape and Urban Planning, 2017,165:177-192.

[32]
Chen Y, La Rosa D, Yue W, et al. Do larger cities enjoy better green space accessibility? Evidence from China[J]. Environmental Impact Assessment Review, 2024,107:107544.

[33]
李鑫, 马晓冬, 薛小同, 等. 城市绿地空间供需评价与布局优化——以徐州中心城区为例[J]. 地理科学, 2019, 39(11):1771-1779.

DOI

[34]
朱守杰, 杜世宏, 李军, 等. 融合多源空间数据的城镇人口分布估算[J]. 地球信息科学学报, 2020, 22(8):1607-1616.

DOI

Options
文章导航

/

〈 〉