人本视角街道绿视率的2个结果与分析

结果与分析

 

4.1基于四象限分类的定性分析

 

本研究以所有街道级单元街道绿视率与绿化覆盖率的中位数来分别划分二者的高低水平，将各街道级单元样本划分为前文所述的3种相关类型（图8）。

 

各城市街道绿视率与绿化覆盖率表现不一致并非偶发情况。其中，一线城市和新一线城市有一定概率会出现表现不一致（B、C）的情况，但概率较低，且出现高绿视低绿化（C）情况的概率高于低绿视高绿化（B），如北京、武汉。然而，二线城市昆明出现低绿视高绿化（B）情况的概率很高，昆明中心区的9个街道级单元都属于这一类别。

南昌也有相似情况，且南昌多数街道级单元呈现出绿化覆盖率和街道绿视率均较低的情况（A）。因此，本研究发现中国一线、新一线城市的街道绿视率和绿化覆盖率基本具有一致性，而二线城市则极有可能出现两者不一致的现象。

 

由上述分析可推测城市发展水平对城市绿化有影响。为进一步证实上述影响，本研究将街道级单元人均GDP的高低在四象限分类图中以点的大小来表征（图9）。由此可知人均GDP较高的街道级单元，除北京的部分样本处于高绿视低绿化（C），其余基本都落在第一、三象限（A），而处于低绿视高绿化（B）的街道级单元人均GDP基本上均较低。由此可从定性层面看出经济水平对城市绿化表现的影响。

 

4.2基于四象限分类的多元逻辑回归

 

为进一步探究导致街道绿视率和绿化覆盖率表现不一致的影响因素，本研究建立多元逻辑回归模型，探究自然条件、经济水平和城市形态等因素对街道级单元样本一致性表现的影响。

 

首先，利用方差膨胀因子（VIF）检验自变量之间是否存在多重共线性，各变量VIF结果均小于10，表明自变量间不存在多重共线性。其次，对各影响因素进行多元逻辑回归分析。本研究更多关注自变量对因变量是否产生影响，对模型预测能力要求较低，调整性R2仅作为简单的输出说明。

 

回归分析结果（表1）表明：在自然条件因素中，年均晴天数对表现一致（A）呈现显著负向影响，即在晴天数较少的地区容易出现表现一致（A）的情况。纬度与气候因素使晴天数较多的区域多集中于中国北方，而晴天数较少的南方地区多种植阔叶植物，因而绿化水平更容易反映在街道绿视率上。

在经济水平因素中，人均GDP与表现一致（A）和高绿视低绿化（C）呈现显著正相关。这可以解释为，在较高经济水平的环境下，财政投入使城市中的绿色资源得到较好的导控，从而保证了较高的沿街可视绿化（即A），甚至部分城市可以在绿化覆盖率较为一般的情况下达到较高的街道可视绿化水平（即C）。距城市中心的距离则与表现一致（A）呈现显著负相关，越远离城市中心的街道级单元，越倾向出现低绿视高绿化（B）的情况。

实际上，远离城市中心的地区绿化管控一般较为粗放，绿地常以大尺度的公园或郊野绿地形式呈现，以快速满足绿化覆盖率的导控要求，而难以实现较好的街道绿视率。在城市形态因素中，平均建筑高度对表现一致（A）有显著的正向影响。在一般认知下，高层建筑会抑制植物生长，但本研究表明高层建筑不会抑制绿化资源向街道绿视资源的转化。以往研究发现，经济水平越高的地区平均建筑高度越高[36]，因而平均建筑高度也可能作为地方经济水平的表征，从而对街道绿视率和绿化覆盖率的表现产生影响。