【治理与反思】中国经济发展是否改善了城市绿化？289个城市的空间回归模型分析

类别：城市治理　

导言

随着城市化的快速发展，中国各城市的绿化呈现出了显著的差异。然而，有关中国城市绿化空间分异的研究却相对较少，而且对于影响中国城市绿化的主要因素也还没有一致的结论。因此北京林业大学的Fangzheng Li，Xiyue Wang， Haimeng Liu，Xiong Li， Xi Zhang，Yue Sun & Yuhong Wang七位学者合作，最近发文深入探讨了这一问题。本研究根据中国2014年的289个城市的污染物排放清单数据，利用莫兰指数（Global and local Moran's I）计算和分析城市绿地率、城市绿地覆盖率以及人均公共绿地面积的空间分异格局和其他空间相关特征。然后使用最小二乘法、空间误差模型、空间自回归和地理加权回归来量化中国经济对城市绿化的影响和空间变化。

（文献来源：Li, F., Wang, X., Liu, H., Li, X., Zhang, X., & Sun, Y., et al. (2018). Does economic development improve urban greening? evidence from 289 cities in china using spatial regression models. Environmental Monitoring & Assessment, 190(9), 541-560. DOI:10.1007/s10661-018-6871-4）。

研究问题

自上世纪80年代以来，中国经历了快速的城市化发展，但也随之也出现了环境污染问题。城市绿地有助于改善城市环境问题，提高城市居民的身体健康水平，也已有很多文献对经济发展和城市绿地之间的关系进行的探究，如人均GDP、建筑面积、工业百分比和人口密度等。然而，对于经济发展和城市绿地两者之间的正负相关性还存在分歧。有的学者认为经济增长可以促进城市绿地的发展，如城市绿地覆盖率的增加；但也有学者认为经济增长会阻碍城市绿地的发展，如体现在在建成区，人口密度和城市绿化覆盖率之间的负相关关系。

然而，在城市发展和公共绿地方面，中国城市和欧美国家城市截然不同。由于资源限制，以前的大部分研究都是在北京、杭州等少数城市进行的，因此国内外对于经济发展和城市绿化之间关系的研究尺度是有所不同的。此外，由于中国幅员辽阔，不同城市之间存在着空间的异质性，因此将空间变化的关系与定量关系相结合是由一定研究价值的。并且以前的研究往往具有高度的针对性，仅考虑经济发展增长与城市公共绿地之间的有限关系，所以在本研究中需要对这种关系进行全面的评估。最后，作者们根据中国的统计条件和管理控制方面出发，以及数据的可获得性和城市绿地发展的多样性，收集了城市绿化比，城市绿色覆盖率和公众访问数据，以及2014年中国289个地级市的人均绿地面积和经济增长指数。

本研究提出了一下几个问题：（1）中国城市绿化的空间格局是什么样的？（2）如何全面评估经济增长对城市绿化的影响？（3）各种经济因素造成的空间贡献在多大程度上解释了绿地指数的变化？

研究数据

在中国，城市绿地覆盖率、人均公共绿地面积和城市绿化率是城市绿地系统规划、管理和指导绿地发展的重要指标。在本研究中，作者们将综合公园、植物园、社区公园、运动场或城市建成区的高尔夫球场作为公园绿地。经济发展方面我们选择城市化率、人均GDP、第二产业百分比、人口密度和城市土地面积作为变脸，其中人均GDP作为解释变量，其余为控制变量。随后通过方差膨胀因子来检验多重共线性，其中城市绿化率和城市绿地覆盖率存在多重共线性，因此最后选择了六个变量，分别为城市化率、人均GDP、第二产业比例、城市土地面积、城市绿地率和人均公共绿地面积。

研究方法

在本研究中，作者们提出并运用了一套方法来量化解释经济增长和城市公共绿地之间的关系，包括空间误差模型（SEM），空间自回归（SAR）和地理加权回归（GWR）。

1.   莫兰指数

本研究选择莫兰指数来测量绿化指数是否在整体和局部表现出显著的空间自相关。其中，莫兰指数表示空间相关性，其值越大，空间相关性越明显，莫兰指数＜0表示空间负相关性，其值越小，空间差异越大，否则莫兰指数=0，空间呈随机性。最后用ArcGIS可视化上述结果的空间聚类、热点和异常值。

2.  普通最小二乘法模型

为了确定空间中解释变量和因变量之间的关系，即经济因素如何影响绿化指数，作者们考虑了几种空间自回归模型。本研究中采用普通最小二乘（OLS）模型作为传统回归模型来估计地理问题。

3.  空间自回归模型和空间误差模型

然而，传统的OLS模型是一个空间常系数模型，它要求变量是独立的，违反这一点会导致估计偏差和不一致。因此，作者们采用了另外两个空间常系数模型SAR和SEM作为传统全局回归模型OLS的空间扩展。

SAR模型可以测试附近单位对局部单位的影响，用于因变量在空间中存在依赖性，以此来纠正变量之间的自回归问题。当空间依赖性有赖于不可预见的因素并且在误差项中包含空间自回归过程时，本研究使用了SEM。

4.  地理加权回归模型

尽管OLS、SAM和SEM空间方法中都考虑了空间自相关，但所有这些都是空间非参数方法。空间异质性和自变量的影响都无法显示。因此地理加权回归模型（GWR）用于在局部识别独立变量对绿化指数的影响。GWR模型常用于社会经济和环境领域中的空间变化系数模型，它允许参数的值可以根据空间位置而不同，而不要求在所有空间单元中使用相同的值。通过这种方法，可以在GIS中直观地描绘这种局部系数的空间分布。

研究结果

1.    绿化指标的空间分布

图2 和图3显示了中国城市绿地率和人均公共绿地面积的空间分布。可以看出，城市绿地率在中国东南部。如广西、广东、福建、浙江和江西等省份较为高度集中，城市绿地率超过40%。而黑龙江、甘肃、广西和贵州省的绿地率相对较低。在人均公共绿地面积方面，海南、浙江、贵州和广东省等东南城市的人均面积均高出于预计的21平方米，此外中国北部的一些城市也表现出了较高的人均公共绿地面积。

从总体来看，在城市绿地率中的全局莫兰指数值为0.12，Z值为14.99，人均公共绿地的全局莫兰指数为0.07，Z值为9.41。两个指标都显示出了空间正相关性，证明了城市中存在显著聚类的城市绿地率和人均公共绿地面积。

2.    常系数模型估计与比较

首先是OLS模型，在对城市绿地率和人均公共绿地面积进行了初步的OLS估计，均通过了显著性检验，人均GDP和第二产业的比重显示出了5%的显著性，表明了它们对城市绿地率的重要影响。此外。空间依赖性诊断测试证明了OLS模型的不准确性，残差之间的空间自相关很大。

然后是SAM和SEM模型可以提供更为精确的空间依赖性信息。在城市绿地率估计中，SAM展现了比SEM 更为优良的估计性能。其中，人均GDP和第二产业比率也都通过了5%的显著性检验，证明了它们与城市绿地率的正相关性。而在人均公共绿地面积中，SAM和SEM模型都显示了相似了估计水平，人均GDP和城市土地面积通过了1%的显著水平，人口密度在5%的水平上显著，城市化率和第二产业均未通过显著测试。

3.     GWR估计的空间分布

第一，城市绿地率。图5中可以看出，从中国西北和东南方向，R²逐渐减少，这表明城市绿地率与西北部地区的城市社会经济因素密切相关。图6是人均GDP、城市化率和第二产业比与城市绿地率之间关系的空间分布，其中人均GDP的发展模式与图5类似，城市化率的空间分布表明对东北地区城市的负面影响相对较大，而对西部地区的影响较小。第二产业比例对中部地区和长江流域，特别是甘肃、宁夏、陕西和四川等省的城市绿地率有正向的影响。

第二，人均公共绿地面积。这一指标的R²分布较好。图7中可以看出，在南部沿海地区和中国北部中部，特别是内蒙古、广东、广西、宁夏和陕西省，城市的R²相对较高，表明人均GDP和社会经济因素与人均公共绿地面积之间的相关性相对较高。图8中可以看出，城市化率的值总体为负数，表明城市化对于人均公共绿地面积的影响与城市绿地率刚好相反，而且这个影响对内蒙古、新疆和甘肃等地较大，而对云南等却几乎不受影响。人均GDP在中国中部城市的影响相对较大，人口密度呈现出相似的空间格局。

总体来说，城市绿地率和人均公共绿地面积呈现的空间格局差异较大，都展现了明显了区域异质性。

4.     GWR、OLS、SAR和SEM参数估计的比较

上述结果可以看出：（1）在六个变量中，人均GDP对两个绿化指数均有正相关性，而城市化率、第二产业、城市土地面积和人口密度对城市绿地率和人均公共绿地面积有着相反的显著性。（2）综合各种模型后，人均GDP、人口密度和城市土地面积对城市绿地率的影响相似。（3）与城市绿地率的估计值相比，人均公共绿地面积的参数显示出了更为显著的结果，表明经济因素与人均绿地面积之间的关系更为密切。（4）GWR模型与其他几个模型的城市化率参数值不同。（5）有关经济因素对两个绿化指标的影响，其中城市绿地率受所有因素的影响，而人均公共绿地面积受人均GDP的影响。

讨论和未来方向

中国城市绿化之间的空间存在空间异质性，总的来说，中国西北部地区的城市绿地率远低于中国东南部，而研究结果也证明社会经济对城市绿化的影响很大。也可以说，社会经济更为发达的城市具有较高的城市绿化率，这可能主要是因为这些城市的政府有更多的资金来支持城市绿化的发展。而人均公共绿地面积却与社会经济发展呈现负相关的关系，这表明绿色空间的建设滞后于城市人口的增长。

不过本研究依旧存在一定的局限。首先本研究只关注了2014年的截面数据，没有利用纵贯数据进行研究分析；其次没有深入探究社会经济发展背后的驱动力和机制；此外研究中忽略了自然环境中的降水、温度、大气气压和海拔等因素对城市绿化的影响；最后，中国的统计模式的局限性也带了一定的阻碍和数据缺陷，中国统计数据的未来统计模式应该更加符合国际标准。

本研究针对此次研究的结果，也提出了以下相关的政策意见。首先，中国政府需要考虑到各城市之间的基本公共服务的区域不平衡，中央政府应加强对地方城市绿化建设的评估，以实现不同城市之间居民享受绿地的机会；其次，相关政策应用于多鼓励多中心城市空间结构中的绿地建设，增加人均公共绿地面积；最后，社会经济对西北地区城市绿化的影响大于东南地区，这说明加快西北地区经济的发展有助于促进城市绿化的水平，也就是说西北地区的城市绿化具有后发优势，因此西北地区城市的绿地建设应该要有更多的政策支持和绿化投资。

如果您喜欢此文，请转发和分享给朋友们。谢谢！

附参考文献文附参考文献附参考文献

Barrera, F. D. L., Reyes-Paecke, S., & Banzhaf, E. (2016). Indicators for green spaces in contrasting urban settings. Ecological Indicators, 62, 212–219.

Crane, K., & Mao, Z. (2015). Costs of selected policies to address air pollution in China. RAND Corporation.

Li, C., Zhao, J., & Xu, Y. (2017). Examining spatiotemporally varying effects of urban expansion and the underlying driving factors. Sustainable Cities and Society, 28, 307–320.

Liu, Y., Yan, B., & Zhou, Y. (2016). Urbanization, economic growth, and carbon dioxide emissions in China: a panel cointegration and causality analysis. Journal of Geographical Sciences, 26(2), 131–152.

Richards, D. R., Passy, P., & Oh, R. R. Y. (2017). Impacts of population density and wealth on the quantity and structure of urban green space in tropical Southeast Asia. Landscape and Urban Planning, 157, 553–560.

Wang,Y. C., Lin, J. C., Liu,W. Y., Lin, C. C.,&Ko, S. H. (2016). Investigation of visitors’ motivation, satisfaction and cognition on urban forest parks in Taiwan. Journal of Forest Research, 21(6), 261–270.

近期推送的相关文献：(直接点击链接即可进入该页面)

此处也可以下载全文：

原文链接（阅读原文　点击左下角）：

https://link.springer.com/article/10.1007%2Fs10661-018-6871-4

凤凰网一点资讯：

http://www.yidianzixun.com/channel/m408752

欢迎您提出与本文内容、主题或翻译有关的各种问题与建议！

欢迎关注、订阅微信公众号【治理学术】。本公众号是由公共管理与政治学学科的老师和学生志愿者开发的学术和交流平台，重点是治理理论与实践领域的热点问题，我们每日整理、翻译并推荐一篇最新权威英文文献。核心内容分为三大板块：1、治理理论　文献与探索，2、管理实践　治理与反思，3、公共治理　教学与交流。

欢迎推荐或自荐研究成果，来稿请致邮箱：[e-mail]

PS：如何加入微信公众号：

您可以扫描下面的二维码，或者搜索公众号：“治理学术”，或者加原始ID: 
　 gh_dd2c06e61722　然后点击加入即可。

PS：如何查看以前推送的精彩文章：

您只要点标题下方的“治理学术”，并选择“查看历史消息”即可，精彩就会尽现。谢谢！