城市演化形态下绿地供给的诊断：面向可持续城市更新的供给—形态框架

《Sustainability》：Diagnosing Green-Space Provision in Evolving Urban Forms: A Supply–Form Framework for Sustainable Urban Renewal

　　

城市绿地供给不仅取决于绿地数量，还取决于随着城市形态演化，绿化如何相对于建筑进行定位。然而，大多数现有评估在预定义空间单元内聚合绿化并依赖静态快照，从而掩盖了建筑周边距离敏感的绿化分布及其在不同城市发展轨迹上的变化。本研究开发了一个供给—形态（Supply–Form）框架，以在异质性发展轨迹上考察这一关系。利用来自北京和天津的多时相甚高分辨率（Very-High-Resolution, VHR）影像，研究人员引入量化绿地供给（Quantified Green-Space Supply, QGS）这一距离加权指标，在5–2000 m嵌套范围内累积建筑周边绿化。随后将建筑扩张轨迹与演化分层的XGBoost模型关联，并用共识分组划分SHAP（Partition SHAP）解释，从而跨情境比较反复出现的形态分组及其组内贡献。QGS与所选城市形态变量的关联强于常规绿地覆盖率（R2=0.717 对 0.633）。两城市2022年均值QGS均高于2012年，但内部格局分化：北京形成更连续的中心低QGS簇，天津中心冷点收缩且破碎。在15个轨迹特定模型中，建筑密度在12个模型中为首要形态分组，而斑块大小、边缘结构、聚合—邻接和空间配置的重要性随轨迹变化。非线性响应显示建筑密度稳定正向关联，边缘密度和离散度呈边际递减，过高邻接产生不利效应，斑块优势度与紧凑度在中间区间有益。该框架将绿地评估从聚合绿度制图推进到关系性、轨迹条件化的潜在周边绿地供给诊断，为情境敏感的城市更新提供依据。

研究背景方面，城市绿地支撑生态调节、环境韧性、公共健康与宜居性，其规划重要性体现于可持续发展目标（Sustainable Development Goals, SDG）11.7。既有评估多依赖面积、覆盖率、植被指数、可达性（如浮动集水区法）或街景绿视率（Green View Index），但这些方法或忽视绿化与建筑关联空间的累积距离关系，或采用固定缓冲/网格导致距离衰减信息丢失，且常将持续扩张、间歇增长、收缩相关变化混为单一过程。研究人员指出三条诊断缺口：现有指标不直接度量相对于建筑活动空间的绿地供给；固定空间单元忽略累积贡献与距离衰减；池化分析掩盖轨迹差异及相关形态指标依赖。为此，以北京、天津为对比案例，研究人员开展三项工作：构建距离敏感的QGS指标；刻画其空间聚类与时序变化；检验城市形态—QGS关联如何随建筑扩张轨迹变化。论文发表于《Sustainability》。

关键技术方法上，研究人员采用2012–2022年谷歌地球历史影像（每年一期，优选5–10月），以HRNet（High-Resolution Network）语义分割提取建筑与绿地二分类层，在500 m分析网格上计算指标；QGS以建筑像素为中心构建5–2000 m嵌套缓冲（间隔5 m），累积各距离带绿地交集面积并按嵌套缓冲总面积归一化至0–1；利用ArcGIS Pro时空立方体与新兴热点分析（Emerging Hot Spot Analysis, EHSA）将建筑时序变化分为15类扩张轨迹；形态指标涵盖建筑密度（Building Density, BD）、斑块面积、边缘密度（Edge Density, ED）、聚合指数（Aggregation Index, AI）、相似邻接百分比（Percentage of Like Adjacencies, PLADJ）、离散度（Dispersion Index, DI）、紧凑度（Compactness, COMP）等；分别构建轨迹分层XGBoost回归，以共识分组（跨15模式相关聚类频次）约束Partition SHAP的Owen值归因，并以LOWESS平滑依赖图揭示非线性阈值。

研究结果部分，3.1节模型性能评估表明，微调后分割F1由0.6799升至0.7821、总体精度0.9399；QGS模型R²=0.717，较绿地覆盖率模型0.633绝对提升0.0837，MSE、RMSE、MAE均下降，证明QGS承载更多形态相关变异；15个轨迹模型中测试R²自0.2753（消退热点）至0.7085（增强热点）不等，9类超0.50，支持分轨迹解释而非全市池化。3.2节QGS空间聚类与时变显示，北京均值0.137（2012）→0.173（2018）→0.168（2022），中心低QGS冷点沿海淀—石景山—丰台西翼与朝阳—通州东翼更连续；天津均值0.066→0.090→0.082，中心冷点2018年广布、2022年收缩破碎，说明均数上升伴随空间再分配而非均匀改善。3.3节建筑扩张轨迹表明，北京呈北中南分段、热点是海淀及朝阳通州离群簇、冷点成南向丰台—南缘带；天津呈核心—环—外围同心结构，中心六区为持续热点核。6类代表性轨迹（增强热点、持续热点、间歇热点、无模式、持续冷点、间歇冷点）进入详释。3.4节USF与QGS关系中，跨15模式共识分组得5组：斑块大小（MPA、LPI，13/15出现）、聚合—邻接（AI、PLADJ，11/15）、建筑密度独立组（10/15）、边缘形状（AWMSI、ED，9/15）、空间配置（DI、COMP、SI，8/15）；建筑密度组在6代表模式均排首，Owen绝对值0.26–0.47，增强热点最高；次级组中增强热点偏斑块大小，持续热点偏空间配置与边缘形状，冷点/无模式偏边缘形状。指标层ED占边缘组80.2%–90.3%，PLADJ占聚合组多数。非线性依赖显示BD近线性正效；PLADJ过高负效；LPI与COMP中间区间正效；ED与DI正但饱和。

讨论部分指出，QGS价值在于以建筑区位为中心累积平面绿化并含距离衰减，互补于数量/可达性/街景指标；建筑密度主导但不等于高密度必然减绿，因QGS计建筑周边嵌入绿；轨迹分异表明快速增强热点次级为斑块扩大、持续热点次级为界面组织、冷点次级为边界与间距。框架转移为诊断程序而非固定数值阈值，可识别持续低供给区位及其形态成因。结论部分翻译如下：本研究开发供给—形态框架，结合以建筑为中心的量化绿地供给（QGS）、建筑扩张轨迹与轨迹特定可解释机器学习，超越绿地覆盖率制图，走向变化城市肌理中绿化供给的关系性诊断。结果表明QGS捕捉到常规覆盖率未充分表征的维度；京津2022均值高于2012但内部分化，北京中心低QGS更连续、天津中心冷点收缩破碎。轨迹模型揭示建筑密度在多数模型主导，但斑块大小、边缘、聚合、配置重要性随轨迹变；非线性响应显示无单一形态量全区间有益。框架三重贡献为：定义绿地供给为绿化—建筑空间关系、将形态解释置于城市轨迹条件下、以相关指标共识组解释形态。输出应视为情境特定关联而非因果或普适阈值；未来需跨更多城市与更长序列，并纳入三维植被、社会需求与因果证据。