席珺琳，吳志峰, ，張會，韋家怡

1. 廣州大學地理科學學院，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研究中心，廣東 廣州 510006；3. 南方海洋科學與工程廣東實驗室，廣東 廣州 510458；4. 華北水利水電大學測繪與地理信息學院，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），在維護城市生態(tài)、人居環(huán)境健康和加強市民間交往方面有重要意義（金云峰等，2013）。隨著城市化進程推進，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，公園綠地的服務能力參差不齊，導致部分公園綠地出現(xiàn)人群使用“供過于求”或“供不應求”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能力和使用價值已經(jīng)成為市民的關注點和學者們的重要研究課題（任曉雙，2018），科學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（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和可持續(xù)的評價框架來指導實踐。

國內(nèi)對公園綠地服務能力綜合評價的研究主要集中在內(nèi)部吸引力基礎上，從外部交通角度分析人群的可達性（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、深度值指標對不同尺度公園綠地的可達性進行評估，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)拓撲結(jié)構(gòu)的可達性及未來預測影響值；秦華等（2012）借助 GIS技術平臺在信息采集、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大功能，對可達性進行分析，但影響指標略顯單一，且忽略人群實際需求。歸類當前可達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、面積及基礎設施等內(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能力評價時內(nèi)容單一、未考慮人群使用需求及可達性評價僅落在歐式距離層面，無法預測空間未來發(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，以公園綠地道路的空間可達性、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能力的動態(tài)人群使用率回歸模型，在此基礎上耦合年度靜態(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世紀以來，越秀區(qū)的公園綠地雖進入持續(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。因此，針對此區(qū)域展開公園綠地的服務能力評價已經(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 道路空間可達性表達及數(shù)據(jù)獲取

用于分析可達性的軸線數(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，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；（2）在ArcGIS中，結(jié)合現(xiàn)場調(diào)研數(shù)據(jù)的補充修正，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)軸線準確性和標準化（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性的兩個指標為整合度（INT）和標準化穿行度（NACH），兩個形態(tài)變量都表達道路現(xiàn)狀空間可達性及預測空間可達性的潛力；其中整合度（INT）考察空間單元的現(xiàn)狀可達性，度量了空間中從所有起點到所有終點的最小轉(zhuǎn)彎路徑，表達每條道路可達性交通的潛力，整合度值較高的線段，有更高可達性交通潛力。標準化穿行度（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，人群心理可達性潛力越高（Penn，2003）。分別進行多個服務半徑下形態(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，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，忽略公園面積、基礎設施建設等帶來的間接影響。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)的實際服務水平。利用Python網(wǎng)絡爬蟲技術獲取8月的動態(tài)人口數(shù)據(jù)，步驟如下：（1）應用 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月平均標準人流密度（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)的基礎上，利用隨機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，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)實際服務能力。首先進行自變量標準化處理，包括雙變量相關分析中識別出的與公園綠地月均實時人流量密度相關性最強的空間句法形態(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能力的影響。

表2 越秀區(qū)公園綠地月均標準人流密度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性（張浩，2015），本研究著重考慮道路的空間可達性意義及預測空間可達性的潛力。以空間句法線段模型中的整合度（INT）形態(tài)變量和標準化穿行度（NACH）形態(tài)變量作為檢驗人群進入公園綠地可達性的指標，服務半徑內(nèi)道路的整合度和標準化穿行度越高，則公園綠地人群的可達性越高（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準》，研究區(qū)涵蓋多種類型公園，空間句法形態(tài)變量計算時進行半徑設定，采取“全市公園-區(qū)域性公園-社區(qū)公園”的多個服務半徑（R=500, 1000, 1500, 2000, 2500 m）進行計算。對不同半徑內(nèi)句法變量與公園綠地月均人流密度進行雙變量相關性分析，識別出與公園綠地月均動態(tài)人流密度相關性最強的一定半徑下的形態(tài)變量。公園綠地內(nèi)部質(zhì)量指標為傳統(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行引入，并進行相關性檢測，建立3個預選模型，進行迭代分析，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)的科學性進行驗證，并利用RMSE（均方根誤差）檢驗模型精度。通過方程擬合度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)計學意義，R>0.5為大效應擬合，R2>0.25，擬合度高；F統(tǒng)計量值>Fa，則拒絕原假設，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，反映預測數(shù)據(jù)偏離真實值的程度，σ值越小，表示模型預測精度越高，常用來作為模型預測結(jié)果衡量的標準，通過代入樣本測算各模型RMSE（均方根誤差）。最后進行各公園綠地服務能力的初步評價，服務能力分為五級，五級為公園綠地服務能力的較高等級，一級為較低等級。一級、二級判定為低服務能力，三級判定為中服務能力，四、五級判定為高服務能力。

1.3.2 靜態(tài)人口加權(quán)模型

公園綠地的服務能力在短時期內(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)進行顆粒物暴露風險評估（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，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，采用1/2標準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)服務能力模型相同的分級標準。

2 結(jié)果分析

2.1 動態(tài)服務能力回歸模型建模

2.1.1 模型自變量生成

空間句法中線段模型的整合度（INT）和標準化穿行度（NACH）表征道路的空間可達性與潛力，為提高建模效率，需對兩種形態(tài)變量做初步篩選。采取多個服務半徑（R=500, 1000, 1500, 2000,2500 m）進行計算。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月月均標準人流密度的相關性（表3）。

通過對比同一人流密度要素下特征變量與不同服務半徑下句法變量值之間的相關性，可發(fā)現(xiàn)各特征變量具有空間尺度效應。從整體上看，在月均標準人流密度與句法形態(tài)變量NACH（標準化穿行度）、INT（整合度）值的空間分布上均呈正相關性，在服務半徑R=2000 m處達到最強相關性，最強相關性變量為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，一一進行篩選，根據(jù)對因變量影響大小進行引入，并進行相關性檢測，建立3個模型：

模型 1：因變量為月平均標準人流密度，預測變量為INT（R=2000 m）；

模型 2：因變量為月平均標準人流密度，預測變量為INT（R=2000 m）、綠化面積；

模型 3：因變量為月平均標準人流密度，預測變量為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，即月平均標準人流量密度，INT（R=2000 m）、綠化面積、綠化覆蓋率為模型最佳變量組合。

表3 句法變量與月均標準人流密度之間的皮爾森相關系數(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)的科學性進行驗證，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)計學意義。在此基礎上，代入獨立樣本測算各模型RMSE（均方根誤差），檢驗模型準確性，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，月均標準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水平分為5個等級（圖6），進行服務能力評估。結(jié)果為：越秀區(qū)公園綠地中服務能力較好的多是綜合公園和紀念性專類公園，較低為社區(qū)公園，高服務能力占比50%，低服務能力占比33%；其中較高的公園綠地為人民公園、中山紀念園和烈士陵園，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)果表示綜合服務能力（圖 7）。綜合評價結(jié)果為：越秀區(qū)公園綠地中服務能力較高的為人民公園、中山紀念園和流花湖公園，其次為黃花崗公園、烈士陵園、越秀公園、黃花崗公園和東風公園，服務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。綜合服務能力低的區(qū)域中整體公園綠地占比最高，為44.4%；服務能力較高區(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能力評價結(jié)果中，整體公園綠地與高服務能力區(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，綠地應均衡分布在服務能力高的區(qū)域，并定期維護、改善其基礎服務設施，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能力的因素，通過識別出與短時期內(nèi)公園綠地標準化移動人流密度相關性較高的地理變量，構(gòu)建越秀區(qū)公園綠地的動態(tài)服務能力回歸模型，得到越秀區(qū)公園綠地的初步服務能力等級分布。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真實移動人群的能力。動態(tài)服務能力回歸模型結(jié)果中顯示越秀區(qū)服務力水平較高的公園綠地多位于交通通達度高、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)和人群進入公園綠地的可達性成為吸引人流的重要因素。

國內(nèi)學者多采用傳統(tǒng)綠化面積、綠化覆蓋率等指標評價公園綠地服務能力水平（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)短期服務能力回歸模型基礎上，耦合長時間尺度的人口加權(quán)模型，顯示越秀區(qū)公園綠地的高服務能力區(qū)域與實際分布存在較大出入；分布在高服務能力區(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)、基礎配套設施及公園面積對公園綠地服務能力的影響，導致在結(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設施，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人群基數(shù)，需結(jié)合精準公園人群訪問量，因此可將該類數(shù)據(jù)引入服務能力評價模型，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)進行服務能力評價。

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)公園綠地的服務能力等級，得出以下主要結(jié)論：

（1）基于動態(tài)人口的服務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，東部的東風公園。

（2）耦合靜態(tài)人口加權(quán)模型的服務能力綜合評價結(jié)果中，存在3個較高服務能力的公園綠地，分別是中山紀念堂、人民公園和流花湖，且在服務能力低區(qū)域中越公園綠地占比最多，高達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)公園綠地服務能力等級空間分布發(fā)生變化，區(qū)域中心圈層擴散變?yōu)樽晕飨驏|自由擴散分布。較高值與較低值發(fā)生部分變動，整體公園綠地的服務能力降低，暴露了公園綠地服務區(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)實際人流表達了綜合服務人群的能力，靜態(tài)人口反映服務區(qū)域內(nèi)居住人口的能力，動態(tài)人口反映服務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撲可達性，表達了未來的服務潛力，能有效評價影響公園綠地吸引力的因素。