编辑推荐：
现有研究对城市绿地（UGS）文化生态系统服务（CES）关注较少，量化存在挑战。研究人员整合多平台用户生成数据，对 426 个 UGS 的 11 项 CES 进行空间分析，识别 6 种关键 CES 组合，发现自然景观要素等是强预测因子，为 UGS 规划管理提供框架。
城市绿地（Urban Greenspaces, UGS）作为城市生态系统的重要组成部分，不仅是城市居民亲近自然的窗口，更是承载文化生态系统服务（Cultural Ecosystem Services, CES）的核心载体。CES 涵盖精神丰富、认知发展、休闲娱乐等非物质效益，对提升城市居民心理健康、增强环境意识至关重要。然而，其无形性与复杂的社会 - 生态关联，导致传统量化方法（如社会调查）难以有效捕捉空间分布特征。现有研究多聚焦单一或少数 CES，缺乏对多元 CES 交互关系的系统性分析，尤其在高度城市化区域，如人口密集、生态压力显著的大都市，CES 的空间格局与驱动机制仍不清晰。此外，如何整合多源数据破解 CES 量化难题，也成为城市规划领域的关键挑战。
为填补上述空白，美国佛罗里达大学（University of Florida）的研究团队以美国人口第 20 大县 —— 佛罗里达州布劳沃德县（Broward County）为研究区域，开展了一项基于社会媒体数据与机器学习的创新性研究。该成果发表于《Ecosystem Services》，为理解城市环境中 CES 的复杂网络提供了新范式。
研究主要采用以下技术方法：
- 多平台数据整合：采集 TripAdvisor 和 Google Maps 平台上 426 个城市绿地的 30,599 条用户评论，构建包含地理定位与文本描述的数据集。
- 自然语言处理（NLP）：利用命名实体识别模型，从 60,156 条文本实体中提取与 CES 相关的关键词，实现 11 类 CES（如审美价值、体验性使用、教育价值）的分类标注。
- 空间分析与机器学习：通过地理随机森林模型，解析自然景观要素（绿地面积、树木覆盖率、水域特征）、生物多样性指标（物种丰富度）与人类利用指标（游客流量）对 CES 空间异质性的影响。
研究结果
1. CES 的空间异质性与热点分布
通过词云分析发现，审美价值类 CES 的高频关键词集中于 “水域”“植被”“鳄鱼”“鬣蜥” 等佛罗里达典型自然景观，体现自然景观对美学体验的主导作用。物理使用类 CES（如步行道）占比 18.16%，反映城市居民对绿地功能性设施的需求。空间可视化结果显示，东部城市化核心区的 CES 多样性较高，而西部自然保护区则以生态型 CES（如存在价值）为主，表明人类活动强度与 CES 类型存在显著关联。
2. CES 的交互模式与关键组合
研究识别出 6 种 CES 组合，包括 “审美 - 娱乐 - 体验型”“教育 - 存在 - 物理使用型” 等。通过相关性分析发现，82% 的 CES 对呈现协同效应（如审美价值与娱乐价值共现率达 65%），仅 12% 存在权衡（如高强度物理使用可能降低静谧体验）。这一结果打破了 “城市绿地 CES 以竞争关系为主” 的传统认知，揭示多元 CES 协同供给的可能性。
3. 驱动因素的相对重要性
地理随机森林模型表明，绿地面积（解释力 28%）、树木覆盖率（22%）、水域特征（19%）是 CES 供给的最强预测因子。生物多样性指标（如鸟类物种数）与人类利用指标（评论数量）分别贡献 15% 和 11% 的解释力。这证实了自然要素在支撑 CES 中的基础作用，同时凸显了公众参与数据对揭示人类感知的价值。
结论与意义
本研究首次通过多平台用户生成数据与机器学习模型，系统性解析了城市绿地中多元 CES 的空间密码。研究发现，自然景观的结构性特征（如面积、植被覆盖）是 CES 供给的 “生态基底”，而人类活动通过感知与体验重塑其空间表达。6 种 CES 组合的识别，为城市规划者提供了 “按需设计” 的科学依据 —— 例如，在高密度城区优先布局 “多功能协同型” 绿地，而在城郊保留 “生态 - 教育型” 空间。
研究的创新性体现在：①突破传统 CES 量化瓶颈，证明社会媒体数据可有效捕捉人类对无形服务的感知；②构建 “数据采集 - 语义解析 - 空间建模” 的完整方法链，为同类研究提供可复制的技术框架；③揭示 CES 协同效应的普遍性，为城市绿地从 “单一功能导向” 向 “多元价值整合” 转型提供理论支撑。
未来研究可进一步拓展至跨文化语境下的 CES 比较，或融合实时传感数据提升预测精度。这项工作不仅深化了城市生态系统服务的科学认知，更通过 “数据驱动 - 模型支撑 - 规划应用” 的闭环，为全球城市化进程中实现人与自然和谐共生提供了智慧方案。
