构建一种情境敏感框架，用于在不同地理背景下评估城市绿地指标

《Environmental Research》：Developing a Context-Sensitive Framework for Evaluating Urban Greenspace Indicators Across Diverse Geographic Settings

　　

•本研究系统地检验了常用绿地指标在不同城市地理背景下的差异。
•绿地指标表现出受背景制约的测量特征，差异随土地利用、地形和城市形态而变化。
•指标分歧反映了指标对垂直植被结构、城市破碎化及观测视角的不同敏感性。
•基于研究目标和地理背景选择合适的指标可以提高对绿地 - 健康发现的解读，并指导更具体的规划策略。

引言
绿地已被公认为城市环境的重要组成部分。现有研究表明，绿地通过多种途径改善健康（Browning 等，2022；Markevych 等，2017），包括减少有害元素（Diener 和 Mudu，2021；Selmi 等，2016）、促进身体活动和社交互动（Weinstein 等，2015），以及促进从创伤中恢复（De Vries 等，2013；McEachan 等，2016）。鉴于这些至关重要的健康途径，精确的绿地暴露评估是可靠流行病学研究和基于证据的城市规划的基本前提。

绿地暴露通常通过在居住地或日常活动路径周围的缓冲区计算绿地指标来估算。最广泛使用的绿地指标包括二维（2D）绿地指标，如归一化植被指数（NDVI）、增强植被指数（EVI）和绿色视野指数（GVI）（Hu 等，2023；Yu 和 Kwan，2024），以及三维（3D）绿地指标，如植被体积指数（VVI）和树冠体积指数（CVI）。这些绿地指标实际上通过各种机制反映了不同的绿地特征。NDVI 和 EVI 主要通过卫星图像从俯视角度测量绿地，反映了绿地的丰富程度和繁茂程度（Dzhambov 等，2018；Mueller 等，2020；Son 等，2021）。相比之下，GVI 源自街景图像，从街道上个人的视线水平观察绿地（Li，2018）。本质上，GVI 计算为街景图片中绿色像素的比例。因此，它代表绿地的可见性（Li 等，2026）。除了上述二维绿地指标外，一些研究人员使用由激光雷达（LiDAR）导出的树冠高度模型（CHM）来计算一个名为绿地体积的新指标，以代表绿地的大小，然后调查其空间分布和环境意义（Spano 等，2023）。现有研究表明，二维和三维绿地指标的测量结果不同，使用三维指标在高异质性绿地地区（特别是景观复杂的城市地区）可能具有优势，且三维指标有潜力以更详细的物理特征描述绿地环境（Giannico 等，2022；Spano 等，2023）。除了植被体积外，树冠体积也是一个代表性的三维绿地指标（Pretzsch 等，2015；Zhu 等，2021）。植被体积和树冠体积捕捉植被的结构特征，这在提供遮荫、过滤细颗粒物和调节微气候条件方面起着关键作用（Chen 等，2020；Pretzsch 等，2015；Wang 等，2023）。因此，虽然选择与研究特定目标一致的绿地指标至关重要，但这种选择往往因二维和三维测量之间的巨大差异而变得复杂。

现有研究表明了各种绿地指标之间的差异以及景观因素对不同绿地指标测量结果的潜在影响。然而，这些景观因素尚未被系统地识别，这可能阻碍了合适绿地指标的使用。土地利用模式可能影响不同绿地指标的测量。不同的植被类型，从茂密的森林树冠到稀疏的灌木丛，从根本上调节了二维卫星指标捕捉到的光谱特征（Giannico 等，2022）。不同的土地利用区通常表现出不同的植被覆盖概况。例如，划为“公共公园”的区域可能以森林和灌木为主的土地覆盖，而划为“高密度住宅或商业区”的区域可能以建成表面和草坪为特征，后者包含有限且特定类型的植被。因此，在解释不同的绿地指标测量结果时，考虑土地利用作为塑造底层土地覆盖的关键背景因素非常重要。地形坡度和高程也影响绿地指标的测量结果。具有不同高程和坡度的崎岖地形可能导致不同的日照水平，从而影响基于卫星的二维绿地指标（例如 NDVI 和 EVI）的测量结果（Holben 和 Justice，1981；Moreira 等，2016；Yang 等，2022）。此外，Gou 等人（2025）证明高程对 GVI 的测量结果有不可忽略的影响。复合这些自然变化，建筑密度也是可能影响各种绿地测量的重要因素，因为建筑密度实际上与不透水表面的比例高度相关，以及垂直结构。不透水表面可以通过混合像素效应显著干扰基于卫星的植被指标计算，这涉及分散植被和建成表面的信号混合以产生中等值（Chen 等，2018）。此外，建筑物会造成显著的遮荫效应。这两个因素最终导致对城市绿地的低估（Kaspersen 等，2015；Weng，2012）。最后，道路网络作为关键的城市基础设施，对绿地指标量化产生显著影响（Zheng 等，2021），主要归因于交通走廊引起的景观破碎化，这可能导致植被指数的可测量变化（Hosseini Vardei 等，2014）。总体而言，不同指标测量的绿地暴露差异可能源于三个关键维度：土地利用模式、地形因素（坡度/高程）和结构密度（建筑/道路网络），这些因素影响不同指标的绿地量化结果。特别是在稠密的城市核心区，传统的二维植被指数（例如 NDVI）容易受到结构密度引起的信号干扰，可能通过多光谱数据局限性导致植被反射率测量的光谱失真。相比之下，基于 LiDAR 的三维绿地指标在减轻建筑干扰方面表现出增强的能力，同时能以更高的精度捕捉植被的详细垂直和结构信息（Gupta 等，2012）。因此，如果不考虑这些结构和背景差异而依赖单一的绿地指标，可能导致对绿地条件的描述不完整或不一致。然而，尚不清楚这些绿地指标在不同地理背景下如何相似或不同，这可能会使绿地评估的解释和可比性变得复杂。

虽然这些因素可能与使用不同二维/三维指标获得的绿地不同测量结果有关（Su 等，2025），但这些因素并非孤立存在。在现实环境中，它们共同出现以形成不同的地理背景（例如，高密度平原与陡峭、低密度植被区）。因此，仅仅理解单个驱动因素不足以指导城市规划策略。地理背景是指定义实体位置的空间和时间因素，包括地形特征（如高程）和土地利用模式（Buchin 等，2014）。以往研究通常根据兴趣点（POIs）对地理背景进行分类（Gao 等，2017；Zhai 等，2019），这与人类活动密切相关。相比之下，本研究根据影响绿地测量结果的因素对地理背景进行分类。许多现有研究忽视了多个地理因素如何共同影响绿地指标的准确性。由于这些指标在不同背景下差异巨大，理解地理背景的作用对于准确表征多维绿地暴露模式至关重要。由于二维和三维指标测量绿地的不同方面，它们可能根据环境产生不同结果。理解这些差异有助于阐明绿地指标如何对研究区域的特征做出不同反应。这支持了对暴露模式进行更敏感的上下文解释，并减少了得出过于依赖特定指标结论的风险。然而，很少有研究系统地检验地理背景如何影响这些测量，使得选择合适的指标变得具有挑战性。

为了解决这些方法学差距，本研究提出了一个背景敏感评估框架，以系统地导航多维绿地指标（包括二维绿地指标 NDVI、EVI 和 GVI 以及三维绿地指标 VVI 和 CVI）之间的不确定性和差异。该框架并非仅仅比较指标值，而是旨在阐明多维绿地暴露测量分歧以及潜在地理环境如何贡献于指标测量结果。具体来说，我们的研究致力于回答以下问题：1) 如何系统地量化和分类复杂的地理因素，以构建评估框架来评估不同地理背景下多维绿地指标之间的差异？2) 通过所提出的框架，二维和三维绿地指标如何在各种地理背景下表现出系统性分歧？3) 所提出的框架如何揭示这些上下文差异以改善绿地暴露测量的解读，这对于未来的绿地评估和政策制定有何意义？开发此评估框架以回答这些研究问题，可以强调选择与研究目标和研究区域地理背景战略对齐的绿地指标的重要性，因为不同指标之间的差异可以揭示绿地指标选择如何塑造环境研究的解读。通过系统检验不同指标在香港作为案例研究中如何互动，研究推进了对绿地指标之间潜在关系的理解，使未来研究能够在数据有限的情景中利用这些模式进行预测建模或外推。

章节片段
研究区域
本研究在中国南部香港特别行政区（HKSAR）进行。图 1 展示了该地区的行政边界。香港面积为 1106.42 平方公里，人口 753 万，是世界上人口最稠密的城市之一。位于亚热带气候区，拥有充足的自然绿地，香港的绿地季节变化极小。约 78% 的土地被覆盖

方法
本研究按照流行病学观察研究报告加强（STROBE）指南报告横断面研究（Von Elm 等，2007）。在本研究中，我们按照图 2 所示工作流程处理所有数据集。绿地指标主要源自 Sentinel-2A、街景视频（GSVs）和 LiDAR 点云数据。然后纳入了土地利用数据、香港 DTM（数字地形模型）、香港建筑图层和香港道路网络来

绿地指标的空间分布
按照前述计算程序，我们评估了包括 NDVI、EVI、GVI、VVI 和 CVI 在内的二维和三维绿地指标。其空间分布如图 3 所示，揭示了不同的模式。对于二维指标，NDVI 和 EVI 表现出相似的模式，在发达地区值较低，在茂密植被地区值较高（图 3a, 3b）。值得注意的是，与 NDVI 相比，EVI 更好地揭示了茂密地区的植被变化（图 3a, 3b）。GVI

讨论
本研究的主要贡献是开发了一个背景敏感框架，用于评估在土地利用、地形和结构设置组合下多维绿地指标之间的测量差异。其在香港的应用确定了三种主要的指标分歧形式，与测量敏感性、观测视角和维度表征有关。通过阐明这些指标在何处及为何产生不同的暴露模式，该

结论
本研究引入了一个新的背景敏感诊断框架，系统地评估广泛使用的二维和三维绿地指标之间的测量分歧。通过利用高密度城市区域作为案例研究，该框架揭示指标分歧是受背景制约的，挑战了环境暴露评估中流行的“一刀切”方法。我们的诊断揭示了与...相关的指标分歧的系统模式

CRediT 作者贡献声明
Zihan Kan：写作 – 审阅与编辑，写作 – 初稿，监督，资源，方法论，资金获取，概念化。Jue Wang：写作 – 审阅与编辑，监督，概念化。Lixian Su：写作 – 审阅与编辑，写作 – 初稿，可视化，验证，方法论，形式分析，概念化。Mei-Po Kwan：写作 – 审阅与编辑，监督，概念化。Dong Liu：写作 – 审阅与编辑，监督，概念化

生成式 AI 和 AI 辅助技术在稿件准备过程中的声明
在准备本手稿期间，作者使用了 ChatGPT (OpenAI) 协助语言编辑并提高手稿的清晰度。

作者随后审阅、修改并核实了所有AI辅助生成的内容，并对最终稿件承担全部责任。

**资助致谢**

本研究获得了中国国家自然科学基金（编号：42301475）、香港研究资助局一般研究基金（资助编号：14618324）、战略伙伴研究合作奖（编号：4750474）、香港中文大学研究激励计划（编号：4443594）以及广东省科学技术厅（编号：2024A1515012270、2025A0505000083、2025A0505000062）的资助。

**利益冲突声明**

? 作者声明不存在可能影响本文所报告工作的已知竞争性经济利益或个人关系。

Su Lixian | Kan Zihan | Wang Jue | Kwan Mei-Po | Liu Dong