居住区冬夏绿视率与绿视因子相关性研究

朱怀真 杨凡包志毅 南歆格

随着城市发展和扩张，居住区趋向密集。与缺少植被的建筑空间相比，人们倾向于对自然景观做出积极反应[1]。如果住宅集约且缺乏绿地则会使居民付诸更多精力进行长途休闲旅行，一定程度上减弱了密集型城市优势[2]。在社区中，绿地通常会增强居民安全感[3]，将自然环境融入城市是改善居民心理健康并减少精神疾病患病率的有效方法[4]。已有研究证明，人体接触自然景观环境能够提高自身健康水平[5-6]，而居住区绿地空间是居民日常生活中最常接触的景观，能帮助弥补城市中自然环境的缺失。居住区具有一定的绿地面积，其与居民健康存在正相关关系[7-8]，例如降低居民心血管疾病死亡率[9]、减少压力引起的相关疾病的发病率[10]并减轻城市噪声对居民心理健康的负面影响[11]；此外，接触较高绿量的居住区景观有利于儿童早期神经发育[12]。

绿视率（visible green index, VGI）指人的视野内绿色植被的比例[13]。绿地率和绿化覆盖率等二维城市绿地指标更注重绿地平面或投影方向的面积占比，其数值与人观察角度、植物种类、层次结构和季节变化无太大关联。而VGI将植物因素纳入影响范畴，以三维视角感知环境。如今，将VGI作为新型城市绿地指标评价环境质量、城市绿量使用合理性以及住宅价值已是常见做法[14-15]，这促进了绿色城市建设[16]，例如相关研究表明：二维城市绿地指标在三维绿化评价中的不足能够通过VGI弥补[17]。目前VGI的研究多与街道绿化相结合，采用游人使用评价，从健康角度对城市道路系统的步行性[18-19]、绿化水平[20-22]等方面进行探究。得益于街景地图[23-26]和遥感等技术，计算机自动算法革新了VGI计算方式[27]。但居住区具有一定私密性，实景获取有一定难度，且居住区的个性化特征更为明显，不易开展大样本量研究。已有研究发现VGI随着建筑楼层增加呈现“先波动上升后急剧下降”的趋势[27-29]，也针对VGI的特性提出标准化绿视率[30]和全景绿视率[31]等演化指标。本研究中以全景绿视率取代多方位视角进行计算。

相关研究认为，夏季是植物景观效果最好的时期，是VGI观测的最佳时间[32]。但事实上VGI具有动态性，其数值会根据季节而变化。目前仅有关于寒地城市的研究考虑到植物见绿期的问题[33-34]，存在对秋冬季VGI予以剔除的情况；而VGI在冬季达到一年中的最低值，能够反映景观场景在一年中最萧条的程度，对景观规划设计具有重要意义。除季节因素外，VGI的影响因素可归纳为内因与外因：内因是植物引起的变化，涉及植物个体的叶面积指数以及视野中景观的连续性，如植物种类数量和植物结构层次的增减引起视野界面内植物景深和面积变化，以及植物生长引起的叶面积增减而导致的VGI变化等；外因则关乎观察者与其他环境要素，如视点不同所导致的天空和硬质比例对视野界面的影响[35]等。绿视因子则是上述VGI内因、外因的统称，目前关于绿视因子的研究多探讨与VGI的相关性或线性拟合[35-36]，但各因子在组间是否具有差异显著性并无详细探讨。本研究创新性地将影响VGI的季节因素纳入考量，从全年动态视角分析影响VGI的内外因素、其对VGI的影响程度，以及各绿视因子组间差异显著性，从而完善VGI理论并促其更人性化地指导景观规划设计。

1 研究范围与方法

1.1 视点选取与拍摄

研究地点依据杭州市内不同住宅的年限和类型等，选取23个小区，共607个视点作为研究样点①。研究采用分层抽样法[37]，以人车流量、小区内部主要活动面积、道路长度（每30 m为间隔）和景观形式为主要导向决定观测点位置和数量。

夏季能够获取VGI最高值，而冬季则为最低值。根据杭州地区物候规律，杭州夏季和冬季平均入季时间分别为5月24日和11月27日[38]，分别 选 择2020年7月 与2021年1月对样点进行2次全景拍摄。所有视点的全景拍摄均采用富士X-T30相机（XF18-55mm镜头）。根据国家卫健委在《中国居民营养与慢性病状况报告（2020年）》②提到的中国成年人平均身高数据，研究选取1.65 m的固定高度进行拍摄，并固定24 mm焦距以达到最接近人眼的视野范围效果[37]。

1.2 数据计算与分析

研究通过Photoshop软件的直方图工具计算VGI和硬质比例，即硬质道路或广场等地面硬质元素在视野中所占比例。根据视野10 m范围内清晰的主体植物景观特征，计算植物结构层数和植物种类数量，并对绿地完整度（green space integrity, GSI）进行赋值，其中植物结构层数根据植物生活型和视野界面高度，由上至下共分为乔木层、小乔木层、灌木层和地被层4种类型。绿化生长时长从各小区投入使用的年份开始计算。本研究通过GSI的概念衡量视野内景观完整性，例如在相同绿地视野占比的情况下，硬质道路数量多引起绿地“面积小、数量多”；反之绿地则“面积大、数量少”，这提供了其他因素影响景观界面的可能性。本研究对GSI的初步定义为：可见视野范围内由硬质道路或场地分割的绿地数量，1为最小值，数值越趋近于1则绿地越完整。

研究预先将不同绿视因子进行成对比较分析，根据其在不同分组情况下呈现的差异显著性特征，将表现为相同模式的变量归为同一组别（图1）。

1 视点分组和属性信息Grouping and attribute of viewpoints

数据分析采用SPSS 26.0软件进行相关性分析，并利用逐步回归分析方法建模[39-43]。根据不同组别的分类情况，考虑数据呈现正态分布但方差不齐的现象，用多个独立样本成对比较的Kruskal-Wallish H检验以计算差异显著性，并通过Bonferroni校正法调整显著性值。

2 居住区绿视因子影响因素模型

研究将绿视因子影响因素总结为内外两类因素：外因为住宅类型、房价、视点类型与硬质比例；内因为季节变化、植物结构层数、植物种类数、绿化生长时长和GSI。通过斯皮尔曼相关性分析可知冬夏VGI与相关绿视因子均存在相关性（表1）。

表1 冬夏VGI与绿视因子相关性Tab. 1 Correlation between winter and summer VGI and green vision factors

经德宾-沃森检验（Durbin-Watson Test），冬夏VGI的DW值分别为1.441与1.644，均处于1～2区间，可以认为不具备共线性关系。其中冬夏VGI的R值分别为0.72与0.78，说明模型拟合度很好；调整后的R²显示模型能解释冬夏VGI分别变化的60.3%和51.2%，处于大效应区间；而VGI年差值的模型拟合度较差（调整后R²为0.054）。因此冬夏VGI可以通过上述因子进行评价，但其VGI年差值则需要选取其他因子描述。从冬夏VGI的方差分析（ANOVA）描述来看，二者显著性均小于0.05，说明模型具有统计学意义。在冬夏VGI相关因子的系数描述中，所有因子的方差膨胀系数（VIF）均＜5（表2），因此可以认为冬夏VGI的多元线性回归模型不存在多重共线性问题。

表2 冬夏VGI相关因子系数Tab. 2 Correlation factor coefficient of winter and summer VGI

综上所述，本研究所探讨的影响因子对冬夏VGI的多元回归模型具有较好的描述性，能够对其影响机制进行评价。

3 绿视率与居住区绿视因子外部因素

VGI与绿视因子外部因素在夏季、冬季和平均VGI的差异显著性情况一致，可以说明绿视外因对于居住区VGI的影响与季节无关，因此本节的描述用平均VGI代替。

3.1 住宅类型与房价

在不同住宅类型中，楼层高度与VGI具有显著正相关关系；在各组别的差异性检验中（图2），高层住宅与小高层和多层住宅都有显著性差异，而小高层与多层住宅间无显著性差异。其中高层住宅的VGI大多数处于高区间，而小高层住宅与多层住宅所处区间下移（图3）。从中可得，高层住宅VGI与其他2种类型住宅的差异约达到16%。不难理解：高层住宅在相同地块面积下有更高的景观空间利用性，这益于建筑技术的发展和居住区的审美演变。

2 绿视因子外部因素与VGI的差异显著性Significant differences between external green vision factors and VGI

3 小区绿视率均值区间与住宅类型、房价和住宅使用时间The average interval of residential area VGI with residential building types, house prices and residential use time

房价与VGI基本存在一致性（图3），而绿化投入则是房价的重要组成部分，可见VGI与房价可以互相印证。其中超过5万/m2的住宅与其他组别均存在VGI的显著差异，且其VGI突破65%（图2），以2万元/m2和5万元/m2为节点，杭州市内居住区的VGI约为40%～65%。

3.2 视点类型

研究采用分层抽样法将居住区视点分为4种类型：道路视点、游憩视点、单元口视点和入口及广场视点。其中游憩视点与其他三者，道路视点与单元口视点之间存在显著性差异，各类型视点的VGI表现为：游憩视点＞道路视点＞单元口视点＞入口及广场视点（图2）。

游憩视点VGI约聚集于60%～75%区间，受不同小区影响较小；而道路视点VGI于40%～75%区间呈现双峰分布，即在约45%和75%存在一定聚集性——可见居住区道路VGI受景观配置影响较大且差异可达25%。从VGI年差值的分布来看，表现为游憩视点＞道路视点＞入口及广场视点＞单元口视点。不难看出，由于不同居住区的常绿落叶植物占比不同，植物为主体的游憩视点年差值达到最大；而单元口视点由于建筑和硬质所占比例相对稳定，因此年差值反而最小。

3.3 硬质比例

视野内硬质道路、广场或景观小品等硬质因素的比例上升势必会减弱绿地占比从而降低VGI，这已被以往研究证实且符合日常认知，本研究也验证了这一点。此外，硬质占比以10%为节点，10%及以上硬质比例的VGI差异不显著，而仅有硬质比例＜10%的视点与其他组别存在约14.28%～26.40%的VGI差异（图2）。

4 绿视率与居住区绿视因子内部因素

4.1 季节变化

从相关性分析中可知，冬季VGI、夏季VGI及VGI年差值之间呈现显著正相关性（表1），不难看出植物在夏季奠定了居住区景观的VGI基调，这也强调了应在居住区景观规划设计阶段纳入VGI指标。经相关样本的Friedman检验，冬夏VGI与VGI年差值两两互存显著性差异（P=0.000＜0.05），其中夏季VGI为62.73%（标准差为0.176）；冬季VGI为45.73%（标准差为0.172），VGI年差值约处于15.00%（平均数15.94%，中位数为14.95%，标准差为0.097）水平线上（图4）。

4 绿视率季节变化显著性Significant differences of seasonal changes of VGI

4.2 植物结构层数

不同植物结构层数的VGI在夏季和冬季呈现相同差异显著性和变化趋势，即植物结构层数与冬夏VGI呈正相关。4层结构与2层及3层结构的冬夏季和年差值VGI都具有显著性差异，而4层结构视点与单层结构视点的VGI年差值不存在显著差异（图5），这可能是由于单层结构所具体应用植物属性的落叶特性不稳定，从而导致其季节无明显变化或季节差异较大，因此单层结构在数值上与4层植物结构不具有显著性差异。

5 植物结构层数与VGI的差异显著性Significant differences between vegetation structure layers and VGI

4.3 植物种类数

在相关性分析中，植物种类数与冬夏VGI及其年差值呈正相关关系。在植物种类数多于6种时，其冬夏VGI及年差值与其余所有数据均不呈现差异显著性，这说明视野内植物种类数量超过6种时，所提供的VGI无显著差异，因此本研究将这些视点归纳为“＞6”组别。

分析植物种类数与VGI的差异显著性可知，视野内仅有2种植物与6种及以上植物所组成的景观以及3种植物与5种以上植物所组成的景观，其冬夏VGI都具有显著差异（图6）。冬季视野内植物种类数量超过6种时，其VGI与6种及以下植物种类所组成景观的VGI都具有显著差异（单种植物除外）。此外，6种植物与2种或3种植物所组成的VGI也有显著差异。而VGI年差值与植物种类数的显著性差异仅存在于3种植物和6种及以上植物组别之间。

6 植物种类数与VGI的差异显著性Significant differences between vegetation species and VGI

4.4 绿化生长时长

相关性结果发现绿化生长时长与冬夏VGI及其年差值呈负相关关系。这可能是由于高大乔木生长而树冠淡出视野引起的；日渐不重视的绿化管理也导致中下层植物衰败。

经过成对比较的差异性检验（图7）：夏季VGI中，除绿化生长时长“＜5”年与“5～＜10”年以及“10～20”年和“＞20”年2组外，其余各组均存在显著性差异；冬季，绿化生长时长“＜5”年与超过10年的组别呈现显著性差异，以及“5～＜10”年与“＞20”年的组别呈现显著性差异；而VGI年差值仅在绿化生长时长“＜5”年和“＞20”年的2组间呈现差异显著性。

7 绿化生长时长与VGI的差异显著性Significant differences between vegetation growth time and VGI

这说明，超过20年的老小区与5年以内新小区的VGI水平均存在显著差异。此外，冬季会使不同绿化生长时长影响下的VGI的差异性缩小（“5～＜10”年与“10～20”年组在冬季不存在显著性差异；且在相同组别的成对比较中，冬季VGI差值低于夏季）。从数据分布来看，小区使用5～10年会最大化呈现VGI差距，这表现在该组别于冬夏季和VGI年差值都具有双峰分布状态。

另外，建议将10年作为评价居住区平均VGI水平的分界线，这表现在10年以内居住区和10年以上居住区的夏季VGI之间存在显著差异（差异范围达7.64%～15.03%）；而从数据分布来看，10年以内小区VGI的分布在冬夏季具有相似性：夏季多集中于约75%～80%区间内，而冬季则约在35%和55%两线上聚集；而10年以上小区冬夏VGI分布都为长梭形：夏季聚集于约50%线上，而冬季则聚集于约40%线上。

4.5 绿地完整度（GSI）

经过数据预处理后得出，GSI＞6的VGI及季节变化不明显。不同GSI的VGI分布显示，冬夏VGI最少在“2与4”组别后呈现显著性差异；冬季VGI以2为最高值，此后逐渐下降；而VGI年差值与GSI之间无显著性差异（图8）。上述结果说明，在6块绿地范围内，绿地数量至少有2块的差距才存在VGI的显著差异；当GSI为2时，其VGI水平达到最大值，且VGI季节变化与GSI无关。

8 GSI与VGI的差异显著性Significant differences between GSI and VGI

5 讨论与结论

本研究以居住区绿视率为研究对象，以冬夏两季为观测时间，全景拍摄607个视点得出每一视点的冬夏VGI、VGI年差值以及其他绿视因子的相关关系，所得结论如下。

1）居住区绿视率的季节差异仅与植物引起的绿视内因相关，而与诸如住宅类型、房价、视点类型和硬质比例等绿视外因无关。根据杭州市居住区总体现状来看，高层住宅及超过5万元/m2房价的居住区具有全年的高VGI环境，且引起VGI水平差异的房价至少为2万元/m2。在居住区内，游憩环境的VGI最高，但小区内部道路的VGI往往更能代表居住区的VGI水平，而其他类型视点趋向于中等偏上的VGI。因此今后的居住区规划设计应更注重单元口、入口及小区广场的标志性和个性化特征。此外，视野内硬质因素的占比应保持在10%以下，这能提升约14.28%～26.40%的VGI差异。2）VGI季节差异显著，达15%。因此在居住区景观规划设计阶段就需要纳入VGI这一指标，以大致掌握居住区景观的绿量态势。此外，对具体视点的VGI描述应采用动态视角考量，以夏季VGI、冬季VGI和VGI年差值3种数据来描述。3）只有完整的植物结构层才能明显提升居住区冬夏VGI水平并增强景观季节变化。4）植物种类数差异引起的VGI差异在冬季更为明显；视野内至少有6种植物才能达到高VGI水平；如果对现有景观进行改造，则视野内至少增加2种植物才能显著提升VGI。5）小区使用5～10年会最大体现居住区VGI水平差距，而10年可以作为居住区VGI水平评估单位；此外，冬季会使时间影响下的VGI差异缩小。6）视野中绿地数量超过6块后VGI会处于较低水平，且其季节变化不明显，因此在规划设计中应避免使绿地过于分散或破碎；而仅由1块硬质分割，两侧为连续性完整绿地的情况，其VGI最高且不受季节影响；而针对现有景观进行改善，则至少需要合并2块绿地才能显著提升VGI。

与以往相关研究相比，本研究将绿视率作为动态指标，纳入夏季VGI、冬季VGI和VGI年差值3个概念进行评价分析，取代仅将夏季VGI作为衡量标准的做法。在相关因子分类上，把绿视因子细分为内因与外因，并验证了这种VGI影响机制模型的合理性。在相关性基础上增加组别差异性比较，量化了不同绿视因子的具体影响程度，进一步完善了VGI理论，为未来居住区景观规划设计提供一定参考。

但本研究也存在一些不足，需要未来研究中加以补充：本研究选取的绿视因子不足以描述VGI年差值的影响机制，但研究推测植物的常绿落叶属性可以纳入考量；此外，各个城市房价水平存在差异，因此关于VGI与房价相关度的结论仅限于杭州市参考。

在本研究中，植物种类数与冬夏VGI及其年差值之间存在相当程度的相关性，并且与过往相关研究基本一致[44]。但本研究认为，植物种类数是通过植物结构层影响VGI的间接因素。因此这种相关性结果建立在满足一定植物结构层数的基础上：例如由同样4种植物构成的景观界面，涵盖4层植物结构与仅为单一植物结构所能够达到的VGI水平应当存在巨大差异。曾有相关研究以单株植物的叶面积指数控制植物结构层变量，从而探究植物种类对VGI的影响[45-46]，但这未涉及具体的景观场景，因此植物种类数对VGI的影响机制需要深入研究。另外，关于绿地完整度的描述和研究极少，仅个别研究提出过绿地形态与VGI的关系[47-48]。因此本研究认为“VGI完整度”概念可以将“绿地形态”纳入考虑。GSI大致与植物种植密度、位置和种植面积直接相关，而绿地数量和形态对VGI的共同影响可以在未来研究中深入。

注释(Notes)：

① 样点小区详细信息见OSID。

② 参考自《中国居民营养与慢性病状况报告（2020年）》（http://www.nhc.gov.cn/xcs/s3574/202012/bc4379ddf432 4e7f86f05d31cc1c4982.shtml）。