《Ecosystems and People》：Understanding value diversity in Finnish urban green spaces through IPBES life frames
编辑推荐：
摘要：全球城市日益采用基于自然的解决方案（NBS），以应对气候变化、减缓生物多样性丧失并提升居住环境质量。然而，城市绿地（UGSs）对不同群体具有不同价值，理解这种多元性对于更好地支持本地需求的规划至关重要。研究人员借鉴政府间生物多样性和生态系统服务科学政策平
摘要：全球城市日益采用基于自然的解决方案（NBS），以应对气候变化、减缓生物多样性丧失并提升居住环境质量。然而，城市绿地（UGSs）对不同群体具有不同价值，理解这种多元性对于更好地支持本地需求的规划至关重要。研究人员借鉴政府间生物多样性和生态系统服务科学政策平台（IPBES）的生命价值框架（Life Framework of Values）——Living from、Living in、Living with 和 Living as nature——探讨芬兰三座城市 Turku、Tampere 和 Lappeenranta 中人-自然关系的多元性。数据通过参与式、基于地图的问卷调查收集，共有2638名受访者完成；参与者标记重要自然场所的位置，并使用Likert量表（Likert-scale）陈述评估基于场所的价值，这些陈述通过K-means聚类（K-means clustering）归组为城市绿地分型（UGS profiles）。研究人员采用Xtreme Gradient Boosting（XGBoost）识别UGSs的社会、生态和技术特征如何与各分型相关联。研究人员识别出三个独特的UGS分型：（1）Value Hotspot，其中自然与多样的人类价值显著相关；（2）Low-perceived Value，其中自然支持有限范围的价值；（3）Experiential Value，其中在自然中，文化和个人体验占主导。社会属性——特别是UGS用户的活动和UGS场所的感知重要性——是分型归属的最强预测因子，而生态和技术特征影响有限。研究结果表明，基于价值的分型可为规划者提供细致见解，说明城市自然如何促进用户福祉。将这种社会价值视角整合到NBS规划中，可支持更有针对性和公平的生活体验，以增强人-自然互联性。
关键政策要点：社会特征，如用户活动和感知重要性，解释城市绿地（UGSs）基于价值分型的变异显著大于其生态特征，这凸显规划方法需要超越传统定量绿色指标。Low-perceived Value UGSs的存在表明，基于邻近性的规划不足，因为附近UGSs往往支持用户较弱的价值感知。因此，政策不仅应关注邻近性，还应关注UGSs所提供价值的质量和多样性。基于PPGIS的价值分型使规划者能够识别表现不佳的UGSs，并优先安排更符合用户感知价值的规划和管理干预。
研究背景与问题：近几十年，全球环境变化与城市化、土地利用变化使人-自然连接下降，减少个体体验自然的机会，并削弱亲环境行为。IPBES认识到尤其西方语境中与自然脱节是生物多样性丧失与气候变化交织危机的驱动因素。EU的Nature Restoration Regulation旨在停止和逆转生态系统退化，包括城市绿地（UGSs）。促进人-自然连接需理解人们对UGSs的感知价值及其特征如何与多样价值相关。住宅密度上升，规划者需平衡技术服务与生态功能，同时促进社会经济效益，涉及社会、生态和技术维度权衡。基于自然的解决方案（NBS）如城市森林和绿色屋顶有前景，但社会与公平挑战未充分探讨。自然和价值概念多元，IPBES 2022价值评估提出类型学，并开发生命价值框架：Living from、Living in、Living with、Living as nature。参与式制图PPGIS可整合陈述和行为方法。现有研究多强调工具价值，少关注用户价值、日常行为与UGSs社会生态技术特征动态互动。芬兰90%城市居民300 m内有UGS，但质量随社会经济地位变化；技术基础设施与访问频率相关；生态特征影响休闲活动，但德国研究发现人造基础设施最重要。需理解感知价值与更广泛特征关系，以识别价值形成因素并整合到NBS规划。研究目标三个：如何用IPBES生命价值框架基于用户感知价值对芬兰城市UGSs分型；哪些社会生态技术特征与各分型相关；哪些特征最强影响分型及差异。
关键技术方法：研究人员在芬兰 Turku、Tampere 和 Lappeenranta 三城，借助芬兰人口登记进行年龄分层随机抽样，邀请≥15岁居民，共邀请19815人；最终2638名受访者完成问卷。受访者通过公众参与地理信息系统（PPGIS）标记芬兰绿色季（4—10月）日常重要自然场所，并将其概念化为UGSs。每个场所用8条Likert量表陈述测量IPBES四生命框架，每条框架取两条陈述均值。四框架因子值输入K-means聚类，以gap statistics确定最佳聚类数，得到三个UGS分型。采用Kruskal-Wallis H检验、Dunn-Bonferroni事后检验和卡方检验比较特征；用XGBoost分类模型和SHAP识别前5预测因子及各分型前三预测因子；最终数据含2148名受访者报告的4899个UGS。
研究结果：
3.1 基于IPBES生命价值框架的城市绿地分型。通过K-means聚类四生命框架强度，识别 Experiential Value（50%，n=2435）、Low-perceived Value（17%，n=810）和 Value Hotspot（33%，n=1654）。三城分布相似。Z-score显示 Value Hotspot 强支持四框架（z>0.5）；Low-perceived 弱支持（z<-1.0），其中 Living as nature 最少；Experiential 对 Living in、with、as 支持较强，对 Living from 较低。Kruskal-Wallis H检验和Dunn-Bonferroni显示四框架在三组间均显著（p<0.001）。
3.2 城市绿地分型的社会-生态-技术特征。多数特征有统计差异；教育、收入、运动休闲用地覆盖不显著。女性更常访问 Value Hotspot 和 Experiential，男性更常访问 Low-perceived。Low-perceived 流行锻炼（29.29%），Experiential 精神放松（24.36%），Value Hotspot 观察自然和野生动物（19.06%）。Low-perceived 访问时长较短，<0.5 h 33.55%，0.5—1 h 34.08%，更可能通勤或路过。感知重要性：Value Hotspot 非常重要73.26%，Experiential 36.15%，Low-perceived 14.23%。生态上，Value Hotspot 密集植被最高39.73%、浅层植被最低18.78%；Low-perceived 密集植被最低28.07%、浅层植被最高22.32%，且更多位于 primary urban zones（71.85%）。距离上，Low-perceived 离家最近（2.47 km），Value Hotspot 最远（4.02 km）。
3.3 城市绿地分型的主要预测因子。XGBoost 总体准确率60.7%，log loss 0.84；Experiential 的F1 score=0.66、recall=0.76，Value Hotspot F1=0.62、recall=0.57，Low-perceived F1=0.31、recall=0.22，多误分为 Experiential。前五预测因子为感知重要性（12.0%）、观察自然或野生动物（10.4%）、采摘自然产物（6.5%）、放松（5.2%）、徒步（4.0%）。社会特征贡献70.9%，技术17%，生态12%。各分型前三SHAP：Experiential 为感知重要性（0.08%）、访问时长（0.07%）、采摘自然产物（0.06%），中等感知重要性对应正SHAP，较长访问和采摘对应负SHAP；Value Hotspot 为感知重要性（0.50%）、观察自然或野生动物（0.25%）、放松（0.18%），高值均对应正SHAP；Low-perceived 同样为感知重要性（0.41%）、观察自然或野生动物（0.34%）、放松（0.24%），但高值对应负SHAP。
讨论部分总结：
4.1 用IPBES生命价值框架理解城市绿地价值多样性。通过PPGIS操作化IPBES生命价值框架，揭示芬兰城市UGSs支持不同价值表达配置。三组显示城市自然可支持丰富生命框架但程度不同。Value Hotspot 强关联四框架，Low-perceived 弱关联；Low-perceived 离家最近、Value Hotspot 更远，说明邻近性不必然转化为更强价值表达。最常见 Experiential 约一半，关联 Living in、with、as 强于 Living from，表明常用UGSs中内在和关系价值感知更强；当前估值常由 Living from 主导，需超越工具视角。
4.2 城市绿地特征及其在价值形成中的作用。前五预测中四个是活动：观察自然或野生动物、采摘自然产物、放松、徒步；社会预测因子远强于生态和技术。与瑞典PPGIS研究一致，活动类型是机器学习最佳预测因子；安特卫普研究也发现休闲活动影响户外休闲地选择。感知重要性是最强预测因子。该结果符合 Gibson 的可供性理论：物理特征与个体感知特征共同影响人与环境互动；可供性包括主动互动如徒步、露营、采集野生食物，以及被动互动如放松、观察野生动物。
4.3 将价值多样性纳入NBS规划。NBS常被框为“生态”方案，未充分认识解决社会生态危机的复杂性。理解现有UGSs支持多样价值及哪些社会生态技术特征促进参与，可为NBS规划提供信息。提出三建议：关注绿色质量而非数量；通过有意义自然参与确保多样价值；应用PPGIS识别UGS价值多样性。生态特征如森林和半自然区域覆盖、密集植被为弱预测因子，表明仅关注绿色数量不足；欠缺活动设施的劣质UGSs难以满足用户需求。EU NRR第8条定量目标存在局限。设计元素如长椅、休息处、水景促进停留，生物亲和设计可引入感官体验。参与式制图有效捕捉价值多元性；Value Hotspot需维护，Low-perceived需进一步研究限制因素。识别三类并进行实地审计可帮助理解NBS供需；忽视本地价值可能导致干预不被视为有意义的解决方案。
4.4 方法学考量与未来方向。PPGIS局限包括受访者只标记到访地点一个点，不知自然区大小，研究用200 m缓冲区确定UGS特征；未来可用步行访谈捕捉更深价值。问卷平均回复率13.3%，符合芬兰惯例，但受访者教育偏高，Turku多文化背景且第一语言非芬兰语者不足。未来需代表低教育和不同文化背景。社会特征贡献最大，技术其次，生态最后，可能说明变量未充分捕捉相关技术生态属性；未来可研究生物多样性。尽管模型准确率有限，XGBoost适合处理复杂价值现象，可处理大量预测因子、共线性和非线性，局限是可解释性有限，但SHAP可缓解。
结论翻译：研究结果表明，三个芬兰案例城市 Tampere、Turku 和 Lappeenranta，尽管地理、生态和景观背景不同，基于IPBES生命价值框架得出的UGS分型分布大致相似：Experiential Value、Low-perceived Value 和 Value Hotspot。这些分型捕捉价值多元性的不同表达：Value Hotspot 显示支持全部四个生命框架的最强潜力，而 Low-perceived Value 的价值表达更有限。研究发现，有效促进多样人-自然关系的UGSs往往位于离用户住所更远处，而离住所最近且位于密集城市区内的UGSs提供较少有意义自然参与机会。这些发现强调未来NBS规划需超越基于邻近性的规划，更自觉地回应人们与自然关联的全部价值谱。此外，研究发现，在社会、生态和技术特征中，社会特征如用户活动和感知重要性在这些分型的价值分类中起最关键作用。这进一步强调规划决策中UGSs质量重于数量的关键需求，以为人们提供支持多样生命价值框架的可供性。基于发现，研究人员概述了在NBS设计、规划和实施方面促进人-自然连接的规划建议。为支持韧性城市景观，未来研究应努力理解边缘化城市居民如何珍视和体验城市自然，尤其是那些无法参与在线调查者。
