EN中文

Landscape Architecture >

2024 , Vol. 31 >Issue 11: 103 - 111

DOI: https://doi.org/10.3724/j.fjyl.202402010079

Research

Research on Influence Mechanism of Park Green Space Characteristics on Physical Activity: A Case Study of Nanjing

  • MAO Yipei ,
  • LI Ke ,
  • LI Yongjun ,
  • WEI Jiaxing , *
Expand
  • College of Horticulture, Nanjing Agricultural University

MAO Yipei is a master student in the College of Horticulture, Nanjing Agricultural University. His research focuses on urban green space and public health, and landscape planning and design

LI Ke is a master student in the College of Horticulture, Nanjing Agricultural University. Her research focuses on urban green space and public health, and landscape planning and design

LI Yongjun, Ph.D., is a lecturer in the College of Horticulture, Nanjing Agricultural University. Her research focuses on landscape perception preferences, and landscape planning and design

WEI Jiaxing, Ph.D., is a professor in and director of the Department of Landscape Architecture, College of Horticulture, Nanjing Agricultural University, and a member of the Key Laboratory of Landscape Agriculture, Ministry of Agriculture and Rural Development. His research focuses on green infrastructure, and urban green space and public health

Received date: 2024-02-01

  Revised date: 2024-10-07

  Online published: 2025-12-16

Copyright

Copyright reserved © 2024.
Fold

Abstract

[Objective]

Due to the advancement of urbanization in China, a series of severe public health problems have ensued, and chronic diseases have become one of the major diseases that cause death among urban residents. Green space in urban parks has various functions, such as reducing air pollution, regulating temperature and humidity, and mitigating noise, which can provide residents with ideal and comfortable places for physical activity. However, previous research on promoting physical activity in urban parks primarily focuses on the correlation between park characteristics and physical activity behavior, typically concentrating on single-dimensional characteristic measurement. The research on direct correlation between park green space characteristics and physical activity ignores the complexity of the action pathways between them. Therefore, constructing a multi-dimensional assessment system of park green space characteristics and clarifying the action pathway between green space and physical activity have both theoretical value and practical support for urban green space planning and layout oriented at health behavior.

[Methods]

This research takes two sample plots in Nanjing with significant differences in greenness level indicators as research objects (Xiamafang Park and Yanziji Park), recruits 56 subjects to participate in a 2-hour free physical activity experiment, records the type and duration of the activity, measures the real-time data on park green space characteristics in the sample plots, and finally models and analyzes all the data from each spatial unit of the physical activity. Specifically, the park green space characteristic system is divided into two-dimensional spatial characteristics and three-dimensional visual characteristics. The two-dimensional spatial characteristics include usability characteristics (NDVI), organizational characteristics (connectivity value, and integration degree), and accessibility characteristics (distance from the network of entrances and exits, and vertical distance from external roads), and the three-dimensional visual characteristics are the visibility characteristics (green visibility, and canopy density). Secondly, the partial least squares structural equation modeling (PLS-SEM) is utilized to link the multidimensional park green space characteristics with physical activity representations and to clarify the potential influence pathways between park green space characteristics and physical activity, with park green space characteristics as the independent variable, physical activity characteristics as the dependent variable, and noise, temperature and humidity index, and air pollution as the mediator variables. Finally, based on the mechanism of “park green space – physical activity” under different levels of greenness, the research explores the methods and optimization approaches for promoting physical activity by urban park green space planning.

[Results]

This research finds that the correlation between the multi-dimensional park green space characteristic indicators may be affected by the level of greenness of the green space, the two-dimensional indicators of usability characteristics (NDVI), and the three-dimensional indicators of visibility characteristics (green visibility, and canopy density) in the green space with high greenness show a significant positive correlation; in the green space with low greenness, the environmental organization characteristics and the accessibility characteristics positively affect noise perception and thus positively promote physical activity; the microclimate comfort is the most critical mediator variable in the green space affecting physical activity, which cannot be affected by the difference in the greenness of sample plots.

[Conclusion]

The findings of this research provide empirical evidence that park green space characteristics influence physical activity behavior through environmental stressors, and the differences and similarities in pathways between park green space characteristics and physical activity are analyzed in relation to different green spaces. First, an indicator system coupling two-dimensional spatial characteristics and three-dimensional visual characteristics is investigated to provide a more scientific and comprehensive method for assessing park green space characteristics. Second, the temperature and humidity index in the parallel mediation model is shown to be a more critical pathway, indicating that microclimate comfort greatly influences the physical activity representations of the active population. The guidance and shaping of green space need to fully consider the composite perception of the crowd on green visibility, canopy density, and microclimate, and the environmental optimization of green space should pay attention to the moderate principle in terms of green visibility. Third, there is a significant positive correlation between noise and the frequency of physical activity in urban green space, and noise feeds back to the attractive characteristics of green space. Fourth, the convergence of people may increase the frequency of staying and passing through a green space. Finally, the research results may provide ideas for subsequent investigation of the association mechanism between green space and physical activity in urban parks and provide strategies for health-oriented urban green space planning and design.

Key words： urban green space; green space characteristic; physical activity; structural equation modeling; mediating path

Cite this article

MAO Yipei , LI Ke , LI Yongjun , WEI Jiaxing . Research on Influence Mechanism of Park Green Space Characteristics on Physical Activity: A Case Study of Nanjing[J]. Landscape Architecture, 2024 , 31(11) : 103 -111 . DOI: 10.3724/j.fjyl.202402010079

伴随中国城市化进程的加快，一系列严峻的公共健康问题随之而来，慢性非传染性疾病已经成为导致城市居民死亡的主要病症之一[1]。2019年中国因慢性病死亡的人数占 总死亡人数的88.5%，其中心脑血管疾病、癌症、慢性呼吸系统疾病的死亡人数比例高达80.7%[2]。相关研究指出，体力活动是指“任何由骨骼肌收缩引起的导致能量消耗的身体运动”，在自然环境中进行体力活动有助于降低多种慢性疾病的发病率以及缓解焦虑抑郁情绪[3-4]。城市公园绿地促进健康行为通过宏观物理环境改变微观个体行为，其过程具有功能持续性和公众普惠性。
结合人群多维感知定量分析，探究“公园绿地—体力活动”影响机制已是多学科关注的热点问题。其中，城市公园绿地影响体力活动相关性研究较为丰富[5]，主要围绕绿地的多层级特征展开，从空间属性[6]、绿色暴露[7]、要素感知[8]和环境压力源[9]4个层面研究了公园绿地与体力活动的联动关系。然而部分学者认为，公园绿地特征与体力活动直接关联的研究忽视了两者之间作用路径的复杂性，不同层级的公园绿地特征对于体力活动的影响可能同时包含直接与间接作用，并存在不同的比例关系[10]。环境压力源作为物理环境的间接表征要素之一，受公园绿地多因素的调节，具体表现为绿地环境可能会影响噪声[11]、微气候[12]、空气质量[13]等；同时，不同环境压力源的共同作用可能会影响人群体力活动的发生、偏好与时长，但相关研究多聚焦于单一环境压力源影响体力活动的理论机制，可归纳为降低噪声[14]、改善微气候舒适度[15]、降低空气污染度[16]等。因此，为探明多项环境压力源在公园绿地影响体力活动过程中的介导作用，以及不同环境压力源对该过程的影响程度，本研究试图耦合多项环境压力源以探究其作用机制。
公园绿地特征多维度量化评估已被广泛应用于城市公园绿地恢复性效益与体力活动行为的研究中[17-18]。大量研究证实，归一化植被指数（normalized difference vegetation index, NDVI）是影响人群健康行为的有效度量指标，部分学者采用NDVI衡量绿地可用性（green space availability）——一种基于植被覆盖度的二维空间特征[19]。近年来，不断有学者提出将绿视率，即绿地可见性（green space visibility）[20]作为个体实际感知绿地的三维视觉指标，有助于从视觉层面解读绿地与行为之间的关系。事实上，国内外学者尚未明确建立公园绿地特征多维度指标体系。既往研究中二维公园绿地特征评估涵盖空间可用性特征（绿化量）、可达性特征（距目的地的网络距离）、组织特征（空间结构）等指标[21]；三维公园绿地特征则更关注空间内人视点处所接收到的可见性特征（绿视率、郁闭度）[22-23]。因此，构建公园绿地特征多维度指标体系，并运用数字技术手段对公园绿地特征进行量化，是厘清城市公园绿地与体力活动作用机制的理论基础。
上述研究证实了城市公园绿地通过多特征、多要素影响体力活动的发生，甚至可能通过多重潜在路径影响公众的体力活动偏好[24]，但耦合多项环境压力源作为中介变量的实证研究尚不多见。因此，构建公园绿地特征多维度指标体系，进而明晰公园绿地影响体力活动的作用路径，对健康行为导向下的城市绿地规划布局理论与实践具有一定参考价值。本研究旨在探讨3个方面的议题：1）运用数字化技术，构建公园绿地特征多维度指标体系；2）耦合多项环境压力源，厘清公园绿地特征对体力活动的潜在影响路径；3）基于不同绿量水平下“公园绿地—体力活动”影响机制的研究，探索促进体力活动的城市公园绿地规划方法与优化途径。

1 研究方法

1.1 概念模型与研究路径

首先，本研究基于公园绿地特征，构建概念模型来探讨城市公园绿地通过多项潜在中介变量影响体力活动的假设路径，从而探究公园绿地特征与体力活动之间是否存在直接关联以及通过改变环境压力源而产生的中介关联（图1）。其次，运用偏最小二乘结构方程模型（partial least squares structural equation modeling, PLS-SEM）进一步构建包含公园绿地特征、环境压力源和体力活动指标的中介模型，厘清影响路径，并探究公园绿地影响体力活动的关键作用路径，以期为“公园绿地—体力活动”影响机制的实证研究和空间优化策略提供理论依据。
图1 概念模型

Fig. 1 Conceptual model

1.2 实验场地与实验设计

为探究不同绿量水平公园绿地对中介模型的结果影响，本研究选取了南京市主城区21个公园绿地进行了多轮预调研和数据比对，最终确定绿量水平差异明显且面积相近的2个公园绿地作为实验场地（图2），分别为燕子矶公园（NDVI=0.131、面积7.49 hm2）与下马坊公园（NDVI=0.328、面积7.59 hm2）。本研究将实验场地划分为30 m×30 m空间单元，并以空间单元的几何中心作为数据采样点（图3）。
图2 实验场地区位

Fig. 2 Location of the experimental site

图3 活动路径点与空间单元

Fig. 3 Activity pathway points and spatial units

本研究中的实验为短期自由体力活动实验，让被试者进行2 h的自由体力活动，记录其活动类型和时长，在同时段实时测度实验场地内各项公园绿地特征数据，并对空间单元的各项数据进行模型分析。使用G*Power软件进行样本量估计[25]，将效应量f设为0.25，误差概率α设为0.05，统计功效设为0.95，结果显示本研究需要至少54人的样本量。
从大学生中招募60名候选人，并对候选人的整体健康状况进行了评估，最终选出 56名被试者。其中燕子矶公园实验组31人，下马坊公园实验组25人，2组互为对照。为了确保被试者具有相似的特征，2处实验场地被试者年龄、男女人数相对一致，身体质量指数（body mass index, BMI）无明显差异。实验于2023年5月7日9:00—11:00进行，2组被试者分别在燕子矶公园和下马坊公园进行2 h的自由体力活动。每位被试者全程使用两步路户外助手app自动记录活动路径（软件每隔20 s自动生成路径点，图3），并在体力活动记录表中手动记录进行某项体力活动的类型和时长，同时由实验助理测量各采样点的噪声值、温湿度、PM2.5浓度，并进行全景图（0~270°）和顶界面视图的拍摄。

1.3 公园绿地特征指标与测度方法

区别于以往单一维度的公园绿地特征测度及单一路径的“公园绿地—体力活动”影响机制探索，本研究将实验场地划分为若干个相同的空间单元，利用公园绿地特征数据对每个空间单元进行客观表征，聚焦于真实场景下公园绿地影响体力活动路径的探究。本研究依托空间句法、语义分割和设备实测等方法测度公园绿地二维空间特征与三维视觉特征，以及环境压力源和体力活动指标 （表1），各指标测度与实验同步进行。为排除样本量差异导致的模型结果误差，对2处实验场地的数据进行方差齐性检验，结果表明样本量的数量差异对分析结果无影响。
表1 公园绿地特征、环境压力源及体力活动指标体系与数据来源

Tab. 1 Park green space characteristics, environmental stressors and physical activity indicator system as well as relevant data sources

指标类型指标指标要素描述数据来源
公园绿地
二维空间特征		可用性特征 NDVI 通过遥感影像中近红外光波段的反射率和红色波段反射率之间的差值与两者之和的比值 ESA Sentinel-2卫星图
可达性特征 距出入口的网络距离 各采样点到最近出入口的网络距离，单位为m ArcGIS软件OD成本矩阵和
近邻分析
距外部道路的垂直距离 各采样点到最近外部道路的垂直距离，单位为m
组织特征 连接值 与特定空间相邻接的空间数量，数值越高，可选择性越高 Depthmap软件分析
整合度 在特定空间拓扑距离范围内，空间联系的紧密程度，数值越高，可达性越高
公园绿地
三维视觉特征		 可见性特征 绿视率 人眼视野范围内全景图中植被的像素占总像素的比例 拍摄全景图
郁闭度 鱼眼镜头拍摄的照片中绿色像素和总像素之比 拍摄顶界面视图
环境压力源 噪声 噪声值 噪声值是衡量噪声大小的指标，单位为dB 仪器实测
空气污染度 PM2.5浓度 直径小于或等于2.5 μm的尘埃或飘尘在某环境空气中的浓度
微气候舒适度 温湿度指数 温湿度指数是描述人体对环境温度和湿度综合感受的指数 结合仪器实测数据计算
体力活动 体力活动频次 空间单元内路径点总量 GPS模块
体力活动强度 空间单元内活动代谢当量均值 问卷填写

1.3.1 公园绿地二维空间特征指标与测度方法

公园绿地可用性特征通过NDVI表征，用于评估实验场地每个空间单元的植被覆盖度。获取2023年5月欧洲航天局（European Space Agency, ESA）Sentinel-2无云卫星图，利用Sen2Cor软件对卫星图进行辐射校正和大气校正，再通过SNAP软件进行重采样，分辨 率可达到30 m，进而计算每个空间单元的 NDVI均值。
公园绿地可达性特征通过距出入口的网络距离和距外部道路的垂直距离表征，用于评估实验场地每个空间单元的物理可达性。借助ArcGIS平台的OD成本矩阵和近邻分析工具，计算各采样点距最近出入口的网络距离与距最近外部道路的垂直距离。
公园绿地组织特征使用空间句法的连接值和整合度表征，用于分析实验场地内部空间的相互联系与组合关系[26]。在Depthmap软件中构建场地内部空间的连接关系，生成凸空间模型，量化空间的连接值和整合度，并映射到每个空间单元。

1.3.2 公园绿地三维视觉特征指标与测度方法

公园绿地可见性特征通过绿视率和郁闭度表征，用于评估实验场地绿地视觉特征[27]。于采样点处垂直地面距离1.5 m（人视点高度）的位置拍摄场地全景图，并利用35 mm焦段的鱼眼镜头在采样点上空拍摄场地的顶界面视图，最终得到燕子矶公园的图像共264张（132张全景图、132张顶界面视图），下马坊公园的图像共252张（126张全景图、126张顶界面视图）。
绿视率指标通过基于语义分割的深度学习方法来量化，本研究采用Cityscapes数据集训练的PSPNet模型[28]对拍摄的258张全景图进行语义分割处理，通过计算全景图中植被像素数量的占比得到各采样点的绿视率；利用Photoshop软件的直方图模块提取258张顶界面视图中绿色像素的数量，通过计算顶界面视图中绿色像素数量的占比得到采样点的郁闭度。

1.4 环境压力源指标与测度方法

噪声值通过HS-5633B声级计测定，该设备广泛用于环境噪声、交通噪声等的监测；温湿度和表征空气污染度的PM2.5浓度通过TSP-18系列空气质量监测器测定。结合温湿度实测数据，引入GB/T 27963-2011《人居环境气候舒适度评价》中的温湿度指数 （temperature-humidity index, THI），对微气候舒适度进行表征[29]，计算式
$ {\rm{THI}} ={T}- {0.55\times （1-{\rm{RH}}）\times }（ {T} {-14.4）\text{，}} $
式中，$T $为测度时段内的平均空气温度，℃，${\rm{RH}} $（relative humidity）为测度时段内的平均相对湿度，%。
本研究利用克里金插值法对实验场地全域各项环境压力源进行综合评估，并平均映射到各空间单元。

1.5 体力活动指标与测度方法

根据2011年最新修订的体力活动能量消耗编码表，评估各项体力活动的代谢当量 （metabolic equivalent, MET）[30]。其中，1 MET 被定义为人在静息状态下（如坐着或躺着）所消耗的氧气量，约为3.5 mL/（kg·min）。低等强度体力活动的代谢当量小于3.0 METs，如散步、唱歌等；中等强度体力活动的代谢当量介于3.0~6.0 METs，如慢跑、羽毛球、乒乓球等；高等强度体力活动的代谢当量大于6.0 METs，如快速跑、跳绳等。
体力活动指标通过两步路软件自动记录的被试者体力活动路径，以及被试者手动记录的体力活动时长和类型来计算。赋予被试者某时段内经过的所有路径点的相应代谢当量值，并将代谢当量值映射到相应的空间单元，从而得到空间单元的平均体力活动强度。体力活动频次则通过两步路软件析出的活动路径点映射在空间单元内的数量来计算，用于评估空间单元受被试者偏好的程度。

1.6 数据分析

本研究运用IBM SPSS Statistics 26.0软件，采用独立样本t检验（显著性水平设为5%）分别对燕子矶公园与下马坊公园的绿地特征指标进行差异性分析，并通过多元线性回归模型，计算公园绿地特征对体力活动频次与强度的解释程度。此外，运用SmartPLS 3.0软件构建PLS-SEM将公园绿地特征与体力活动联系起来，其中自变量为公园绿地二维空间特征与三维视觉特征指标，因变量为体力活动指标，中介变量为环境压力源指标。

2 结果与分析

2.1 公园绿地特征指标差异性及相关性分析

公园绿地特征差异性分析结果（图4）显示，下马坊公园的二维空间特征指标NDVI与三维视觉特征指标绿视率、郁闭度显著高于燕子矶公园。
图4 公园绿地特征指标差异性分析结果

Fig. 4 Results of variability analysis of park green space characteristic indicators

公园绿地特征指标之间的相关性分析结果（图5）显示，NDVI与绿视率、郁闭度在下马坊公园中呈显著正相关，而在燕子矶公园中则不显著。连接值与NDVI、绿视率的相关性在两公园中呈现明显差异，在下马坊公园中呈显著负相关，在燕子矶公园中呈弱相关。另外，下马坊公园的组织特征与可达性特征整体上呈显著正相关，而此特征在燕子矶公园中并不显著。上述结果表明不同绿量水平公园之间的绿地特征指标之间呈现出不同的相关性，耦合不同维度的绿地指标能更综合地反映公园绿地特征。
图5 公园绿地特征指标相关性分析结果

Fig. 5 Results of correlation analysis of park green space characteristic indicators

2.2 公园绿地特征指标与体力活动指标多元线性回归分析

多元线性回归分析结果（表2）表明，不同公园绿地特征对体力活动有不同程度的影响，且所有回归方程均具有统计学意义。4个模型（下马坊公园A1、A2，燕子矶公园B1、B2）的R2分别为0.791、0.531、0.223、0.118，即A1模型中自变量对因变量体力活动频次的解释程度为79.1%，其余同理。B1、B2模型中自变量对因变量的解释程度显著低于A1、A2，这表明下马坊公园绿地特征对居民体力活动的影响更为显著。
表2 公园绿地特征指标与体力活动指标多元线性的回归分析结果

Tab. 2 Results of multiple linear regression analysis of park green space characteristic indicators and physical activity indicators

自变量模型A1：Y1=体力活动频次模型A2：Y2=体力活动强度模型B1：Y3=体力活动频次模型B2：Y4=体力活动强度
回归系数
（α）		p 值标准差
（S.E.）		回归系数
（α）		p 值标准差
（S.E.）		回归系数
（α）		p 值标准差
（S.E.）		回归系数
（α）		p 值标准差
（S.E.）
　　注：X为自变量，Y为因变量；***表示在0.001水平显著（双尾），**表示在0.01水平显著（双尾），*表示在0.05水平时显著（双尾）。
X1=连接值0.0510.5745.9190.2130.1210.0630.294*0.0105.0780.1960.1050.041
X2=整合度0.0940.40434.3860.0630.7090.3650.0540.65131.0960.0770.5460.253
X3=距出入口的网络距离0.0730.4310.084−0.2360.0920.0010.2870.0510.1260.410*0.0090.001
X4=距外部道路的垂直距离−0.0380.6010.1530.228*0.0370.002−0.1280.3880.120−0.2360.1360.001
X5=绿视率−0.320**0.00146.929−0.325*0.0280.499−0.301*0.03140.804−0.1740.2400.332
X6=郁闭度−0.235**0.00417.288−0.278*0.0220.1840.315*0.02536.0270.1130.4450.293
X7=NDVI−0.408***0.00057.570−0.0920.4590.612−0.1290.19658.1950.0090.9290.473

2.3 PLS-SEM中介效应分析

分析公园绿地特征和中介变量之间的路径系数（图6、7），发现在下马坊公园中，可达性特征（β=−0.867，p＜0.001）与噪声相关性更强；可用性特征（β=−0.388，p＜0.001）、可见性特征（β=−0.401，p＜0.001）与微气候舒适度相关性更强；可达性特征（β=−0.416，p＜0.001）与空气污染度相关性更强。在燕子矶公园中，组织特征（β=0.413，p＜0.001）与噪声相关性更强；可见性特征（β=−0.263，p＜0.01）与微气候舒适度相关性更强；可用性特征（β=−0.337，p＜0.001）、可达性特征（β=0.492，p＜0.001）与空气污染度相关性更强。此外2个PLS-SEM的中介变量与体力活动之间的关联均表征为微气候舒适度是中介变量中与体力活动相关性最高的变量。
图6 下马坊公园PLS-SEM中介检验结果

Fig. 6 Results of the PLS-SEM mediating test for Xiamafang Park

图7 燕子矶公园PLS-SEM中介检验结果

Fig. 7 Results of the PLS-SEM mediating test for Yanziji Park

分析两公园中介效应检验结果（表3、4）中的路径系数，发现两公园组织特征和可见性特征与体力活动直接路径的路径系数（β）均呈显著：下马坊公园和燕子矶公园组织特征与体力活动的路径系数分别为β=0.163（p＜0.05）、β=0.148（p＜0.05），可见性特 征与体力活动的路径系数分别为β=−0.380（p＜0.001）、β=0.195（p＜0.05）。可用性特 征、可达性特征与体力活动直接路径的路径系数不显著，故2个模型均为部分中介模型。在下马坊公园中，较高的可用性特征能够改善微气候舒适度，进而促进体力活动（β=−0.124，p＜0.05）；在燕子矶公园中，较高的组织特征（β=0.171，p＜0.05）和可达性特征（β=0.133，p＜0.05）能够通过提高噪声促进体力活动。在两公园中，较高的可见性特征（下马坊公园：β=−0.128，p＜0.05；燕子矶公园：β=−0.180，p＜0.05）能够改善微气候舒适度，从而促进体力活动，通过计算模型中介效应量（各中介路径的中介效应与总中介效应之比），发现该路径在下马坊公园模型和燕子矶公园模型中均为关键中介路径，其中介效应量分别为50.79%、37.19%。
表3 下马坊公园中介效应检验结果

Tab. 3 Results of the mediating effect test for Xiamafang Park

指标路径路径系数β标准差t 统计量p 值（Bootstrap n=5 000）95%置信区间
下限上限
　　注：NO为噪声；MC为微气候舒适度；PM为空气污染度；AV为可用性特征；OR为组织特征；AC为可达性特征；VI为可见性特征；PA为体力活动。
可用性特征 间接路径1 AV→NO→PA 0.015 0.022 0.664 0.507 −0.021 0.069
间接路径2 AV→MC→PA −0.124 0.050 2.490 0.013 −0.236 −0.044
间接路径3 AV→PM→PA −0.037 0.053 0.694 0.487 −0.137 0.074
直接路径1 AV→PA −0.181 0.106 1.703 0.089 −0.405 0.012
组织特征 间接路径4 OR→NO→PA −0.032 0.030 1.075 0.282 −0.112 0.001
间接路径5 OR→MC→PA 0.040 0.030 1.319 0.187 −0.003 0.114
间接路径6 OR→PM→PA −0.009 0.015 0.583 0.560 −0.041 0.020
直接路径2 OR→PA 0.163 0.081 2.005 0.045 0.010 0.329
可达性特征 间接路径7 AC→NO→PA −0.269 0.142 1.890 0.059 −0.575 −0.013
间接路径8 AC→MC→PA 0.040 0.031 1.305 0.192 −0.012 0.111
间接路径9 AC→PM→PA −0.027 0.040 0.662 0.508 −0.112 0.050
直接路径3 AC→PA 0.280 0.146 1.913 0.056 0.017 0.598
可见性特征 间接路径10 VI→NO→PA −0.032 0.029 1.110 0.267 −0.107 0.006
间接路径11 VI→MC→PA −0.128 0.045 2.863 0.004 −0.222 −0.049
间接路径12 VI→PM→PA −0.004 0.012 0.374 0.708 −0.034 0.014
直接路径4 VI→PA −0.380 0.072 5.298 0.000 −0.516 −0.232
表4 燕子矶公园中介效应检验结果

Tab. 4 Results of the mediating effect test for Yanziji Park

指标路径路径系数β标准差t 统计量p 值（Bootstrap n=5 000）95%置信区间
下限上限
　　注：NO为噪声；MC为微气候舒适度；PM为空气污染度；AV为可用性特征；OR为组织特征；AC为可达性特征；VI为可见性特征；PA为体力活动。
可用性特征 间接路径1 AV→NO→PA −0.038 0.043 0.885 0.376 −0.137 0.038
间接路径2 AV→MC→PA 0.113 0.065 1.739 0.082 −0.009 0.251
间接路径3 AV→PM→PA −0.018 0.055 0.325 0.745 −0.142 0.077
直接路径1 AV→PA −0.098 0.082 1.193 0.233 −0.252 0.068
组织特征 间接路径4 OR→NO→PA 0.171 0.053 3.244 0.001 0.070 0.274
间接路径5 OR→MC→PA −0.074 0.073 1.017 0.309 −0.218 0.066
间接路径6 OR→PM→PA 0.006 0.021 0.273 0.785 −0.026 0.058
直接路径2 OR→PA 0.148 0.071 2.098 0.036 0.013 0.290
可达性特征 间接路径7 AC→NO→PA 0.133 0.051 2.582 0.010 0.037 0.239
间接路径8 AC→MC→PA −0.065 0.083 0.784 0.433 −0.234 0.090
间接路径9 AC→PM→PA 0.026 0.075 0.347 0.729 −0.117 0.182
直接路径3 AC→PA 0.062 0.073 0.855 0.392 −0.074 0.209
可见性特征 间接路径10 VI→NO→PA −0.015 0.036 0.415 0.678 −0.087 0.058
间接路径11 VI→MC→PA −0.180 0.066 2.728 0.006 −0.312 −0.053
间接路径12 VI→PM→PA 0.001 0.011 0.110 0.912 −0.017 0.032
直接路径4 VI→PA 0.195 0.074 2.640 0.008 0.047 0.338

3 讨论

3.1 公园绿地特征指标的多维耦合

本研究结果表明，NDVI、绿视率、郁闭度在不同绿量水平的公园绿地中呈现出不同的相关性，这与部分学者的发现一致，例如Lambert等[31]的研究表明二维空间特征指标NDVI较高的绿地空间，其三维视觉特征指标绿视率可能会较低，这是由于NDVI较高的绿地的中心位置可达性较低，导致NDVI不能作为准确衡量使用者在公园绿地中实际感知到的绿地特征的指标。在既往仅从单一维度探讨NDVI、绿视率等指标影响公众体力活动路径的基础上，本研究进一步完善了公园绿地特征多维度指标体系，综合考虑了二维空间指标与三维视觉指标。
除此之外，公园绿量水平对可用性特征、可视性特征与组织特征指标之间的相关性存在显著影响。下马坊公园的NDVI和绿视率均与连接值呈显著负相关，表明植被密度和视野内的绿量水平越高，空间私密性越强，而连接值越低。燕子矶公园的NDVI和绿视率均与连接值呈弱相关，其相关性可能受绿地自身属性的影响。燕子矶公园临水且场地以硬质广场为主，公园内绿量水平低，视野通透，私密性空间多由灌木和小乔木围合而成，故在和下马坊公园相同类型的空间中指标之间呈现出不同的相关性。总的来说，组织特征、可达性特征、可用性特征、可见性特征反映了绿地空间的不同属性，涵盖了二维空间特征与三维视觉特征的公园绿地特征指标体系，为不同城市公园绿地特征的测度提供了一种探索性的思路。

3.2 公园绿地特征对体力活动多重影响机制的探究

本研究结果表明，在间接路径中，微气候舒适度是2个模型中较为关键的中介变量，可见性特征指标值较高的空间能够通过改善微气候舒适度从而促进体力活动，这与既往研究中公园绿地主要通过改善环境微气候影响体力活动的结论具有一致性[32]，绿视率与郁闭度高的空间具有一定的遮阴能力，可以通过调节微气候吸引人群进行体力活动。在直接作用路径中，组织特征指标值越高的空间，人群的体力活动频次和强度越高。而可达性特征指标与体力活动指标的直接路径不显著，这表明人群选择进行体力活动的空间时可能更多地受到空间组织特征的影响，相较于从公园外部到达活动空间的距离，组织特征能够更准确地反映公园内部空间特征，如连接值、整合度较高的空间往往包含了大型广场、草地等。与既往从NDVI出发探讨噪声如何间接影响体力活动的研究不同，本研究发现在低绿量水平的公园绿地（燕子矶公园）中，可达性特征与组织特征指标值更高的空间会产生更大的环境噪声，从而促进体力活动，该结果与环境噪声会降低人群体力活动意愿的观点相悖[33]。公园中可达性特征与组织特征指标高的空间多位于入口与中心区域，这类空间内部更易有人群进行活动，而人群的集聚往往会产生大量噪声，热衷于参与聚集性体力活动的人群会受到这些噪声的吸引，从而使燕子矶公园模型中的噪声与体力活动指标产生了正向关联。另外，导致研究结果的不一致性的原因可能是实验场地的尺度、体力活动指标的选取以及指标测度方式与其他研究存在差异。

3.3 公园绿地促进体力活动路径下绿地空间规划实践方法的析出

3.3.1 多维度指标协同促进人群体力活动的绿地空间规划

微气候舒适度是公园绿地和体力活动间的关键中介因素，活动空间塑造需考虑人群对绿视率、郁闭度与微气候的综合感知。如适宜进行中高强度体力活动的空间需考虑利用邻近高大乔木的遮阴范围，配置通透度低的灌木，在改善环境热舒适度的同时提升郁闭度与绿视率。对于适宜进行以棋牌、社交、合唱等活动为主的低强度体力活动的空间，应以灌木层围合的方式为主，可点植乔木，营造温暖、无风且光线良好的场地以提升人群活动意愿。同时，部分研究指出环境噪声对人群户外活动意愿具有负面影响[33]，但本研究中绿地空间噪声与体力活动指标呈正相关，噪声吸引了人群汇集，在噪声值高的空间内人群体力活动的强度与频次也较高。因此，空间设计需考虑场地噪声对不同类型体力活动的影响，注重空间边界处植被的配置与形态搭配，可在绿地空间弹性管控的思路下，进一步促进体力活动适地化发生。在未来公园绿地的规划实践中，可耦合绿视率、郁闭度、温湿度指数、噪声值等作为绿地空间体力活动适宜性评价的关键指标，进一步完善不同体力活动空间的规划设计标准。

3.3.2 基于数字技术的绿地特征评价与优化路径

将实际的景观场地转化为信息空间单元，通过数理模型分析空间单元内公园绿地特征对人群体力活动的影响机制，有利于提升绿地特征评价与路径优化方法的准确性。既往研究表明，绿地空间的绿视率指标与体力活动指标之间呈现一种倒U字形曲线关联，绿视率适中的空间更能促进体力活动的发生[8, 34]。本研究结果表明，在低绿量水平的绿地中，绿视率高的空间内人群的体力活动频次与强度较高，而高绿量水平的绿地中绿视率高的空间却相反，不同绿量水平的公园绿地在影响体力活动的路径上表现出差异性。绿量水平侧面反映了绿地的基本特征，对于低绿量水平的绿地，应注意植被的均匀度，可通过植被分隔出具备不同活动功能的硬质空间，以较低的植被覆盖率在空间内形成较高的绿视率，进一步提升体力活动水平；对于高绿量水平的绿地，人群更倾向于在绿视率低的开阔空间中活动，如草坪、广场，可通过园路标识引导、活动器材布置等措施进一步提高人群在开阔空间内进行体力活动的意愿。未来可进一步扩展公园绿地特征数据库，验证并析出不同绿量水平的公园绿地特征促进体力活动的指标阈值，以作为精细化管控的依据，为风景园林设计“调研分析—模型构建—指标评价—空间优化”过程提供数据支撑和理论依托。

4 结论与展望

城市公园绿地的多维度特征综合影响人群对环境压力源的感知，从而介导体力活动的发生。本研究构建了耦合二维空间特征与三维视觉特征的公园绿地特征指标体系，涵盖公园绿地的组织特征（连接值、整合度）、可达性特征（距出入口的网络距离、距外部道路的垂直距离）、可用性特征（NDVI）与可见性特征（绿视率、郁闭度），可为公园绿地特征评估提供更科学、全面的方法。同时本研究发现微气候舒适度是公园绿地特征影响体力活动的关键变量，且不受绿量水平差异的影响；低绿量水平的公园绿地中，适度的环境噪声会促进人群进行体力活动。然而，本研究仍存在不足之处，例如被试者主要为大学生群体，后续研究可考虑招募不同年龄层次与文化背景的被试者。本研究采用的是短期体力活动的平行对照实验，未来研究可进一步探究公园绿地特征与长期体力活动之间的中介效应。此外，还可以在多季节、多时段进行实验，探明不同微气候舒适度下人群对体力活动空间的选择与行为偏好，以完善公园绿地影响体力活动的潜在路径研究。

文中图表均由作者绘制，其中图2、3底图来源于ESA Sentinel-2数据集。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
RAHAMAN M A, KALAM A, AL-MAMUN M. Unplanned Urbanization and Health Risks of Dhaka City in Bangladesh: Uncovering the Associations Between Urban Environment and Public Health[J]. Frontiers in Public Health, 2023, 11: 1269362.

DOI

[2]
中国居民营养与慢性病状况报告（2020年）[J].营养学报, 2020, 42（6）: 521.

Report on Nutrition and Chronic Disease Status of Chinese Residents (2020)[J]. Journal of Nutrition, 2020,42(6): 521.

[3]
ALMEIDA D Q, PACIÊNCIA I, MOREIRA C, et al. Green and Blue Spaces and Lung Function in the Generation XXI Cohort: A Life-Course Approach[J]. European Respiratory Journal, 2022, 60 (6): 2103024.

DOI

[4]
TOSELLI S, BRAGONZONI L, GRIGOLETTO A, et al. Effect of a Park-Based Physical Activity Intervention on Psychological Wellbeing at the Time of COVID-19[J]. International Journal of Environmental Research and Public Health, 2022, 19 (10): 6028.

DOI

[5]
黄倩, 金荷仙. 基于社会生态模型的绿色空间对体力活动的影响机制研究进展及启示[J]. 中国园林, 2023, 39 (3): 93-98

HUANG Q, JIN H X. Research Progress and Lessons of Influence Mechanism of Green Space on Physical Activity Based on Social Ecology Model[J]. Chinese Landscape Architecture, 2023, 39 (3): 93-98.

[6]
侯韫婧, 赵晓龙, 战美伶, 等. 公共健康视角下东北老工业社区公园“体绿结合”空间优化研究: 以哈尔滨为例[J]. 风景园林, 2021, 28 (5): 92-98

HOU Y J, ZHAO X L, ZHAN M L, et al. Research on Space Optimization of “Combination of Physical Activity and Green Space” in Northeast Old Industrial Community Park from the Perspective of Public Health: Taking Harbin as a Case Study[J]. Landscape Architecture, 2021, 28 (5): 92-98.

[7]
孙佩锦, 陆伟. 城市绿色空间与居民体力活动和体重指数的关联性研究: 以大连市为例[J]. 南方建筑, 2019 (3): 34-39

DOI

SUN P J, LU W. The Correlation Between Urban Green Space and Residents’ Physical Activity and Health Outcome: A Case Study of Dalian[J]. South Architecture, 2019 (3): 34-39

DOI

[8]
郑凌予, 杨淑梅, 伍夏, 等. 基于空间感知的社区绿色暴露指数对活动行为影响研究[J]. 中国园林, 2023, 39 (1): 92-97

ZHENG L Y, YANG S M, WU X, et al. Study on the Impact of Community Green Exposure Index on Activity Behavior Based on Spatial Perception[J]. Chinese Landscape Architecture, 2023, 39 (1): 92-97.

[9]
ZHANG T, HUANG B, YAN Y Z, et al. Street-View and Traditional Greenness Metrics with Adults’ Sitting Time in High-Density Living in Hong Kong: Comparing Associations, Air Pollution and Noise Roles, and Population Heterogeneity[J]. Science of the Total Environment, 2023, 870: 161778.

DOI

[10]
FU E R, DENG X Y, WU Y H, et al. Exploring Restrictions to Use of Community Greenways for Physical Activity Through Structural Equation Modeling[J]. Frontiers in Public Health, 2023, 11: 1169728.

DOI

[11]
COHEN P, POTCHTER O, SCHNELL I. The Impact of an Urban Park on Air Pollution and Noise Levels in the Mediterranean City of Tel-Aviv, Israel[J]. Environmental Pollution, 2014, 195: 73-83

DOI

[12]
RUI L Y, BUCCOLIERI R, GAO Z, et al. Study of the Effect of Green Quantity and Structure on Thermal Comfort and Air Quality in an Urban-Like Residential District by ENVI-met Modelling[J]. Building Simulation, 2019, 12 (2): 183-194

DOI

[13]
DIENER A, MUDU P. How Can Vegetation Protect Us from Air Pollution? A Critical Review on Green Spaces’ Mitigation Abilities for Air-Borne Particles from a Public Health Perspective-with Implications for Urban Planning[J]. Science of the Total Environment, 2021, 796: 148605.

DOI

[14]
GOZALO G R, MORILLAS J, GONZÁLEZ D M. Perceptions and Use of Urban Green Spaces on the Basis of Size[J]. Urban Forestry & Urban Greening, 2019, 46: 126470

[15]
YUAN T T, HONG B, LI Y C, et al. The Right Activities at Right Spaces: Relationships Between Elderly Adults’ Physical Activities and Thermal Responses[J]. Buildings, 2023, 13 (3): 721.

DOI

[16]
GILES L V, KOEHLE M S, SAELENS B E, et al. When Physical Activity Meets the Physical Environment: Precision Health Insights from the Intersection[J]. Environmental Health and Preventive Medicine, 2021, 26 (1): 68.

DOI

[17]
SAKHVIDI M J Z, MEHRPARVAR A H, SAKHVIDI F Z, et al. Greenspace and Health, Wellbeing, Physical Activity, and Development in Children and Adolescents: An Overview of the Systematic Reviews[J]. Current Opinion in Environmental Science & Health, 2023, 32: 100445

[18]
ZHANG J G, LIU Y H, ZHOU S, et al. Do Various Dimensions of Exposure Metrics Affect Biopsychosocial Pathways Linking Green Spaces to Mental Health? A Cross-Sectional Study in Nanjing, China[J]. Landscape and Urban Planning, 2022, 226: 104494.

DOI

[19]
YU K X, ZHANG Q L, MENG X, et al. Association of Residential Greenness with Incident Chronic Obstructive Pulmonary Disease: A Prospective Cohort Study in the UK Biobank[J]. Environment International, 2023, 171: 107654.

DOI

[20]
ZHENG L Y, ZHAO Y X, DUAN R, et al. The Influence Path of Community Green Exposure Index on Activity Behavior Under Multi-dimensional Spatial Perception[J]. Frontiers in Public Health, 2023, 11: 1243838.

DOI

[21]
余洋, 王馨笛, 陆诗亮. 促进健康的城市景观: 绿色空间对体力活动的影响[J]. 中国园林, 2019, 35 (10): 67-71

YU Y, WANG X D, LU S L. Promoting Healthy Urban Landscape: The Impact of Green Space on Physical Activity[J]. Chinese Landscape Architecture, 2019, 35 (10): 67-71.

[22]
KÜHN S, SCHMALEN K, BEIJERS R, et al. Green Is Not the Same as Green: Differentiating Between the Association of Trees and Open Green Spaces with Children’s Brain Structure in the Netherlands[J]. Environment and Behavior, 2023, 55 (5): 311-334

DOI

[23]
成实, 王一婧, 程子倩. 基于倾斜摄影模型的滨江空间多维形态特征量化方法研究: 以南京滨江为例[J]. 中国园林, 2023, 39 (6): 20-25

CHENG S, WANG Y J, CHENG Z Q. Study on Quantitative Method of Three-Dimensional Spatial Features of Riverside Space Based on Oblique Photography Model: A Case Study of Nanjing Riverside[J]. Chinese Landscape Architecture, 2023, 39 (6): 20-25.

[24]
MARKEVYCH I, TIESLER C, FUERTES E, et al. Access to Urban Green Spaces and Behavioural Problems in Children: Results from the GINIplus and LISAplus Studies[J]. Environment International, 2014, 71: 29-35

DOI

[25]
FAUL F, ERDFELDER E, BUCHNER A, et al. Statistical Power Analyses Using G*Power 3.1: Tests for Correlation and Regression Analyses[J]. Behavior Research Methods, 2009, 41 (4): 1149-1160

DOI

[26]
翟宇佳. 基于空间句法理论的城市公园空间组织分析与设计管理应用: 凸边形地图分析方法初探[J]. 中国园林, 2016, 32 (3): 80-84

ZHAI Y J. Applying Space Syntax Theory in Measuring Urban Park Configurational Attributes and Implications in Design and Management: Based on Convex Map Analysis[J]. Chinese Landscape Architecture, 2016, 32 (3): 80-84.

[27]
成实, 张冠亭, 张潇涵, 等. 基于LiDAR点云的景观空间“绿视率”量化分析方法研究[J]. 中国园林, 2022, 38 (2): 12-19

CHENG S, ZHANG G T, ZHANG X H, et al. Research on the Quantitative Analysis Method of “Green Viewing Ratio” of Landscape Spatial Form Based on Three-Dimensional LiDAR Point Cloud[J]. Chinese Landscape Architecture, 2022, 38 (2): 12-19.

[28]
NAGATA S, NAKAYA T, HANIBUCHI T, et al. Objective Scoring of Streetscape Walkability Related to Leisure Walking: Statistical Modeling Approach with Semantic Segmentation of Google Street View Images[J]. Health & Place, 2020, 66: 102428

[29]
孔锋. 中国人居环境气候舒适度的多时相尺度评价及区域差异研究[J]. 干旱区资源与环境, 2020, 34 (3): 102-111

KONG F. Multi-temporal Scale Assessment of Climate Comfort of Habitat Environment and Spatial Differences in China[J]. Journal of Arid Land Resources and Environment, 2020, 34 (3): 102-111.

[30]
AINSWORTH B E, HASKELL W L, HERRMANN S D, et al. 2011 Compendium of Physical Activities: A Second Update of Codes and MET Values[J]. Medicine & Science in Sports & Exercise, 2011, 43 (8): 1575-1581.

[31]
LAMBERT K, LODGE C, PRENDERGAST L A, et al. Associations Between Early Life Exposure to Pollen and Adolescent Lung Function Are Modified by Residential Greenness[J]. European Respiratory Journal, 2018, 52: PA5018

[32]
NIU J Q, XIONG J P, QIN H Q, et al. Influence of Thermal Comfort of Green Spaces on Physical Activity: Empirical Study in an Urban Park in Chongqing, China[J]. Building and Environment, 2022, 219: 109168.

DOI

[33]
DZHAMBOV A M, DIMITROVA V, GERMANOVA N, et al. Joint Associations and Pathways from Greenspace, Traffic-Related Air Pollution, and Noise to Poor Self-Rated General Health: A Population-Based Study in Sofia, Bulgaria[J]. Environmental Research, 2023, 231 (1): 116087

[34]
JIANG B, CHANG C Y, SULLIVAN W C. A Dose of Nature: Tree Cover, Stress Reduction, and Gender Differences[J]. Landscape and Urban Planning, 2014, 132: 26-36

DOI

Options
Outlines

/

〈 〉