城市公园感知文化生态系统服务可达性的空间不平等：以意大利都灵为例

《Urban Forestry & Urban Greening》：Spatial Inequality in Perceived Cultural Ecosystem Service Accessibility of Urban Parks: A Case Study of Turin, Italy

　　

- 利用社交媒体评论数据评估城市公园中感知到的CES
- 绘制都灵市内感知到的CES可达性的空间变化
- 利用洛伦兹曲线和基尼系数揭示具有可达性权重的空间不平等
- 利用IPA识别存在可达性-绩效错配的CES类别和公园

引言

城市公园是城市绿色基础设施的重要组成部分。除了生态功能外，它们还提供文化生态系统服务（CES），即人们从生态系统中获得的非物质收益，如审美欣赏、休闲、教育及其他基于体验的价值（Millennium Ecosystem Assessment Ed. 2005；Zhang等人，2022）。在城市公园中，CES既受物理绿色空间属性的影响，也受游客在日常生活中如何感知、使用并叙述公园体验的影响。随着城市日益密集化和生活方式加快，这些无形效益对人类的福祉做出重要贡献，并为城市绿色基础设施的公共投资提供了合理依据（Costanza等人，2017）。

然而，与生物物理生态系统服务相比，CES在规划实践中难以操作化，因为它们具有体验性、情境依赖性，且受不同用户群体和文化背景的影响。现有研究已从基于替代变量的制图方法转向直接捕捉人们如何感知、使用和珍视城市公园效益的方法（Romanazzi等人，2023）。问卷、访谈和参与式制图等传统方法可以揭示游客的偏好、感知价值和社会异质性。不同的评估方法还可以捕捉不同管理情境下CES效益的互补方面（Heng等人，2026；Langemeyer等人，2015）。公众参与地理信息系统（PPGIS）方法进一步将感知的CES与空间和时域信息联系起来，展示了CES如何在不同类型和管理情境的绿色空间中变化，以及感知的负面服务也可纳入规划讨论中（Ki?i?等人，2025；You等人，2025）。

尽管调查和制图方法具有优势，但在可扩展性、时间覆盖范围和成本方面面临已知的局限性，尤其是当目标是在城市尺度比较多个公园或长期监测感知动态时（Wang等人，2023）。社交媒体平台，如Google地图、Instagram和Twitter，提供了大量具有地理参考和丰富体验的用户生成内容（UGC），可补充调查和参与式制图在CES评估中的应用（Ghermandi和Sinclair，2019；Heikinheimo等人，2020；Song等人，2020）。Gugulica和Burghardt（2023）证明了社交媒体文本分类可以生成城市绿色空间CES使用的空间指标，从而在超越小样本调查的基础上实现系统化、可重复的制图。这些基于感知的分析通过捕捉游客对城市自然的情感与体验反应，丰富了CES的评估，补充了传统的基于专家知识或土地利用替代变量的评估方法。它们已被应用于揭示城市居民如何描述绿色空间的审美、休闲或社会意义，以及识别文化和审美价值的空间热点（Egarter Vigl等人，2021；Huai等人，2022；Oteros-Rozas等人，2018）。在识别感知到的CES是什么以及这些感知发生在何处之外，同等重要的规划问题是，在距离摩擦和不均匀的居住分布条件下，谁有可能获得这些感知到的效益。这一可达性维度在基于感知的CES评估中尚未得到充分和一致的纳入。

基于文本的UGC分析提供了可解释的语义信号，可以直接与CES类型学和管理术语对齐，使其适合于透明的指标构建以及与规划者的沟通（Cabana等人，2020；Comalada等人，2025；Fox等人，2021；Havinga等人，2024；La Rosa等人，2016）。同时，基于图像的计算机视觉流程代表了捕捉与CES相关的非语言景观偏好、视觉特征和景观元素的富有前景的下一步（Cardoso等人，2022；Havinga等人，2021；Richards和Tun?er，2018）。来自Flickr等平台带有地理标记的照片已被与场景识别和图像标注相结合，以大规模推断CES及相关景观特征（Huai等人，2022）。整合文本、照片和调查的多源框架可以进一步将异质性感知转化为规划优先级，尽管这引入了对数据获取、模型验证和跨平台可比性的额外要求（Xiao等人，2025）。基于图像的证据对可见的景观属性尤为有价值，而书面评论及相关星级评分则提供了用户如何描述和评价特定CES类别的更直接证据。因此，本研究专注于基于文本的UGC，作为估算特定类别感知强度和绩效的透明且可重复的基础。

从规划角度来看，感知CES证据的价值取决于正面体验被报告的地点以及这些感知到的效益在多大程度上可被城市中各区域的居民可达。这一关切与最近将城市公园CES置于供需框架下的研究工作一致，其中可达性和人口分布共同塑造了绿色空间的实现效益。关于CES供需平衡的研究进一步表明，空间错配可能因城市区域而异，从而强化了从热点制图转向可达性知情评估的必要性（Chang等人，2024；Yang和Peng，2026）。在此背景下，可达性建模提供了一种实际的方法，将基于感知的信号转化为可达性加权的CES供给，区分那些在网络上被频繁提及的公园与那些感知到的效益也能被更广泛居住群体获得的公园。

然而，仅靠可达性知情评估并不能完全表明感知CES机会在多大程度上在城市范围内均匀分布。因此，需要空间不平等诊断来检验可达性加权的CES信号是否被广泛的居住人口共同享有，还是集中在少数地点和区域中（Benati等人，2024）。平等意味着机会的相同或均匀分布，而空间公平则关注绿色空间效益的分配相对于人口需求、可达性和规划目标是否公平（Nesbitt等人，2018；Rega等人，2026；Y. Wang等人，2025）。因此，本研究重点关注感知CES可达性的可测量空间不平等，并利用结果讨论其对城市公园规划的空间公平影响。

进一步的挑战在于将这些测量转化为可操作的优先级。重要性-绩效分析（IPA）已被用于对比感知重要性，提供了一个清晰的结构来识别高重要性但低绩效的目标。然而，IPA通常仅作为服务层面诊断工具应用，而未与可达性和不平等结果相联系，这限制了其在决定改进什么以及干预措施应优先在哪里实施方面的使用。因此，将感知CES测量、可达性建模、空间不平等分析和IPA整合在一起，可以提供更具操作性的框架，同时识别城市范围的分配模式和潜在的公园特定管理优先级。

本研究提出了一个基于感知的分析框架，将基于社交媒体的CES测量与可达性建模、空间不平等和优先级诊断相整合。这一综合指标被称为"感知CES可达性"，因为它将评论衍生的CES信号与这些感知到的效益在空间上对居民的可达程度联系起来。在基于社交媒体的文本CES制图的最新进展基础上，本文首先通过基于词典的自然语言处理工作流，从Google评论中识别CES相关的感知和绩效信号。随后，通过高斯两步浮动集水区（G2SFCA）模型纳入可达性权重，使用洛伦兹曲线和基尼系数评估空间不平等，并利用IPA诊断潜在的管理优先级。本文聚焦于以下三个问题：（1）基于可解释的NLP工作流如何从社交媒体评论数据中量化多类别CES的感知强度、构成和绩效？（2）当感知被可达性和人口需求加权时，CES可达性的空间格局如何变化？（3）城市范围的空间不平等与公园层面的IPA诊断相结合，如何识别场地特定城市公园管理的优先目标？

本文其余部分结构如下。第2节详细阐述了研究区域、研究设计和数据处理程序。第3节展示了感知CES概况、可达性模式、空间不平等和IPA结果。第4节讨论了其对城市公园规划和CES治理的影响，第5节以政策建议和未来研究方向作为结论。

各章节摘要

研究区域

都灵市位于意大利西北部皮埃蒙特地区，是该地区的首府。其功能性城市区包括近90个周边市镇，人口约175万。在其行政边界内，都灵市覆盖面积约130平方公里，拥有约86万居民，是意大利第四大人口最多的城市（图1）。都灵市为分析城市公园中的CES提供了合适的案例，因为该市

感知CES概况和可达性分布

NLP分类从36,932条有效评论中识别出86,506条CES提及。审美价值（21,844条提及，占25.3%）和休闲（20,560条提及，占23.8%）是两个最大的类别，其次是场所感（15,333条，17.7%）、生态价值（10,808条，12.5%）、社会交往价值（6,365条，7.4%）、健康价值（6,171条，7.1%）、文化遗产（4,006条，4.6%）和教育价值（1,419条，1.6%）。

在公园层面，31个具有评论量的公园内部CES构成被解释为

感知CES模式和公园服务组合的解读

都灵市感知的CES可达性集中在波-多拉河系统、东南部的山坡-河流界面以及历史城市核心。这种空间组织与CES共同生产研究一致，这些研究强调文化服务通过物理环境、社会实践和个人解读之间的互动而产生（Baumeister等人，2020；Dai等人，2019；Y. Wang等人，2022）。Valentino公园、Europa公园、San Vito公园、Villa

结论

本研究通过结合基于词典的Google评论分类、G2SFCA可达性建模、空间不平等诊断和IPA，评估了都灵市41个城市公园的感知CES可达性。该方法将特定类别的评论证据与步行可达性和居住需求相联系，使城市范围的分配模式和公园层面的诊断结果可以在同一分析框架中加以考察。

主要发现如下：（1）

缩略语
G2SFCA：高斯两步浮动集水区
IPA：重要性-绩效分析
CES：文化生态系统服务
UGC：用户生成内容
PPGIS：公众参与地理信息系统
NLP：自然语言处理

利益声明
作者声明不存在可能被认为影响本文工作的已知竞争性经济利益或个人关系。

资助
本研究得到国家自然科学基金 [批准号52130804] 和中国留学基金管理委员会（CSC）[批准号202406210005、202307820013] 的资助。

CRediT作者贡献声明
Jingxiong Huang：撰写——初稿、软件、方法论、调查研究、形式分析、数据管理、概念构思。
Xinwen Zhang：撰写——初稿、可视化、调查研究、概念构思。
Jiaqi Liang：撰写——审阅与编辑、验证、方法论。
Anrong Dang：撰写——审阅与编辑、监督、软件、资助获取。
Michele Bonino：撰写——审阅与编辑、监督、项目管理。

利益冲突声明
作者声明以下财务利益/个人关系可能被视为潜在的利益冲突。Anrong Dang报告获得了国家自然科学基金提供的财政支持。Jingxiong Huang报告获得了中国留学基金管理委员会提供的财政支持。Xinwen Zhang报告获得了中国留学基金管理委员会提供的财政支持。若有其他作者，则声明不存在已知的竞争性利益。

Jingxiong Huang | Xinwen Zhang | Jiaqi Liang | Anrong Dang | Michele Bonino