《Urban Forestry & Urban Greening》：Nonlinear Effects of Tree Cover on Crime in Urban Parks: A generalized additive modeling approach
编辑推荐：
尽管城市树木和公园植被因其对环境和人类福祉的益处而得到广泛认可，但树木冠层覆盖与犯罪风险之间的关联仍然存在争议。树木可以通过提供心理益处和增强自然监视（natural surveillance）来帮助预防犯罪；然而，茂密且无人管理的植被也可能通过阻碍视线和创造
尽管城市树木和公园植被因其对环境和人类福祉的益处而得到广泛认可，但树木冠层覆盖与犯罪风险之间的关联仍然存在争议。树木可以通过提供心理益处和增强自然监视（natural surveillance）来帮助预防犯罪；然而，茂密且无人管理的植被也可能通过阻碍视线和创造隐蔽空间来增加犯罪风险。这种双重性质使城市林业和公园管理复杂化，然而许多研究假设树木冠层与犯罪风险之间存在线性关系，可能导致过于简化或矛盾的结论。为了解决这一局限性，研究人员分析了韩国首尔的2,081个城市公园，首先采用广义可加模型（Generalized Additive Model, GAM）来捕捉非线性模式并识别结构阈值，随后使用树木覆盖的分段线性项（piecewise linear terms）进行半参数规范（semi-parametric specification），以精确估计关系的幅度。研究结果揭示了与犯罪预防相关的不同冠层覆盖阈值：起初，犯罪风险与树木覆盖每增加1个百分点（percent-point）相关的增加1.9%，但当覆盖超过48%时，这种关联反转，下降0.8%。在超过89%时，这种负关联进一步增强，下降2.9%。此外，研究人员探讨了树木与其他公园特征之间的交互作用，发现树木覆盖低且草地覆盖中等与较高的犯罪风险相关。这些发现强调了平衡树木覆盖与其他环境因素以优化城市公园安全性和可持续性的重要性。通过提供树木覆盖在不同水平上对犯罪预防作用的定量证据，研究为公园设计和城市绿化提供了有价值的见解。
### 论文解读：树木覆盖与城市公园犯罪风险的非线性关联——基于广义可加模型的分析
#### 研究背景与问题
城市公园作为公共空间，其环境设计与公共安全密切相关。树木冠层覆盖（tree canopy cover）被认为具有热缓解、空气净化、碳封存等环境效益，并促进人类身心健康。然而，树木覆盖与犯罪风险（crime risk）之间的关系存在长期争议：一方面，树木可通过提供心理益处和增强自然监视（natural surveillance）来预防犯罪；另一方面，茂密且管理不善的植被可能因阻挡视线、提供隐蔽空间而增加犯罪机会。这种双重性使城市林业和公园管理复杂化。现有研究大多假设线性关系，导致结论矛盾或简单化。此外，多数研究将绿地视为单一聚合变量，未区分树木与草地等不同植被类型，也未关注树木覆盖与公园其他设施（如运动场、建筑等）的交互作用。因此，研究人员在韩国首尔选取2,081个城市公园，采用广义可加模型（Generalized Additive Model, GAM，一种能灵活估计非线性关系的统计模型）分析树木覆盖与犯罪风险的非线性关联，并识别结构阈值及交互效应。该研究于2023年开展，论文发表在《Urban Forestry》上。
#### 主要技术方法
研究人员采用以下关键技术方法（样本来源于首尔2,081个城市公园，排除城市自然公园、收费公园及内部结构无法识别的公寓小区小公园）：
1. **公园特征地图构建**：结合0.25米分辨率航空正射影像和3米分辨率时序卫星图像，利用均值漂移分割（mean shift segmentation）和多变量时间序列分类（multivariate time-series classification）算法，绘制树木、草地、建筑、运动设施和水体等覆盖比例。
2. **非线性建模**：应用广义可加模型（GAM）中的薄板回归样条（thin plate regression splines）拟合树木覆盖与犯罪风险的非线性函数，并通过一阶导数与二阶导数分析确定阈值点（48%和89%）。
3. **半参数估计**：将树木覆盖替换为三段式分段线性项（0-48%、48-89%、≥89%），保留其他控制变量为非线性样条，以定量估计各区间内树木覆盖每单位变化与犯罪风险的关联幅度。
4. **交互效应分析**：使用张量积样条（tensor product smooths）检验树木覆盖与草地、建筑、运动设施、水体等公园特征的非线性交互作用，并可视化响应曲面。
#### 研究结果
**4.1 非线性分析：树木作为平滑函数**
GAM平滑函数（图2）显示树木覆盖与犯罪风险呈倒U型关联。犯罪风险随树木覆盖增加先上升，约在40-50%处达到峰值后转为下降，并在80-90%区间下降斜率变陡。通过导数分析确认为两个结构阈值：48%（方向转折点）和89%（曲率最大点）。
**4.2 树木作为分段线性项**
模型2将树木覆盖按上述阈值分为三段，结果（表3-(2)）显示：当覆盖低于48%时，每增加1个百分点（percent-point）犯罪风险评分上升1.9%（p < 0.001）；覆盖在48-89%之间时，每增加1个百分点犯罪风险下降0.8%（p < 0.001）；覆盖超过89%时，每增加1个百分点犯罪风险下降2.9%（p < 0.01）。其他协变量如公园面积、安全铃数量、警察局距离等也呈现显著关联。
**4.3 树木覆盖与其他公园特征的交互模式**
模型3纳入树木覆盖与四种公园特征的交互项，结果表明仅树木覆盖与草地覆盖的交互达到统计显著（p < 0.01）。三维响应曲面（图4）显示：当地树木覆盖较低（<20%）且草地覆盖处于中等水平（约40-60%）时，预测犯罪风险偏高；随树木覆盖增至40%以上，该模式趋于平缓。建筑、运动设施和水体的交互项均不显著。
#### 讨论与结论
研究人员指出，低树木覆盖（<48%）阶段犯罪风险上升可能反映此类公园“停留力”较弱，更多作为过道空间而非社交目的地，导致自然监视不足。交互结果支持这一推断：低树木覆盖与中等草地覆盖结合时风险更高，可能与缺乏遮荫植被、使用者停留意愿低有关。中高覆盖（48-89%）阶段负关联的出现，可能因充足的树冠提升舒适度和场所吸引力，吸引更多使用者并增强非正式监护与领地感。极高覆盖（≥89%）阶段犯罪风险进一步下降，但需谨慎解释，可能与目的地型公园特征相关。
研究结论强调：树木覆盖与犯罪风险的关联并非单调线性，而是依赖于覆盖水平及与其他环境特征的协同。城市公园设计应基于覆盖水平采取差异化策略：低覆盖段需通过座椅、运动设施等增强停留力；高覆盖段需配合照明、维护以维持自然监视。研究局限性包括犯罪风险指标为间接估计、横断面设计及缺乏机制直接观测，未来需纵向数据与更精细的植被特征分析。
最终结论：树木覆盖可能通过停留力、社会激活、非正式监护和关怀线索（cues to care）等机制与公园犯罪学特征差异相关，环境特征对犯罪风险的影响随设计、使用和背景而变化。
