徐吉羽 劉志強* 余慧 洪亙偉
“高質(zhì)量發(fā)展”是以人民為中心的發(fā)展,也是生態(tài)優(yōu)先的綠色發(fā)展。公園作為人民最密切接觸的高品質(zhì)綠色開放空間[1],是優(yōu)化人居環(huán)境和提高城市活力的重要載體,人口作為主導(dǎo)城市發(fā)展的活動主體,更是與公園建設(shè)緊密聯(lián)系、相互影響。城市人口與公園面積都是基于規(guī)模視角刻畫人口和公園總量的重要指標(biāo),更是中國綠地規(guī)劃過程中的基礎(chǔ)標(biāo)準(zhǔn)。在國土空間規(guī)劃的過程中,超大、大型城市通常會對人口規(guī)模進行垂直化的剛性管控[2],并取得一定成效,而公園面積的規(guī)范標(biāo)準(zhǔn)對人口規(guī)模的擴張形成了一定的環(huán)境空間約束,也是城市擴張的綠色屏障,為城市的規(guī)模控制發(fā)揮了正向作用[3]。隨著中國城鎮(zhèn)化進程的快速發(fā)展,人口向城市高度集聚,公園面積也大幅增長,城市人口、公園面積分別從1981年的1.44億、1.47萬hm2增長到2020年的5.38億、53.85萬hm2,39年 間分別增長2.74倍、35.63倍,二者之間存在復(fù)雜的動態(tài)增長關(guān)系。“增長效應(yīng)”多用于描述某一變量或某種因素對經(jīng)濟產(chǎn)值的增長產(chǎn)生促進或抑制作用,而城市人口與公園面積的增長關(guān)系實質(zhì)上與經(jīng)濟學(xué)中的產(chǎn)值增長有一致的科學(xué)表象和因果邏輯,引入“增長效應(yīng)”探究城市人口與公園面積間的作用機制具有一定的科學(xué)性、前沿性。
目前,國內(nèi)外相關(guān)學(xué)者圍繞人口與公園的互動關(guān)系開展了大量富有成效的研究:1)在宏觀層面,多基于全國、城市群、省域等尺度探究二者的時空演化特征[4-5];2)在中微觀層面,多從單一城市內(nèi)部,聚焦于公園視角探究對人口的服務(wù)水平,從空間上的公平正義分析人口獲取公園的服務(wù)能力[6-9],又或基于人口特征的社會分異現(xiàn)象,探究公園配置的均好性[10-12]。其中,基于規(guī)模視角的研究,主要運用數(shù)理統(tǒng)計、耦合協(xié)調(diào)模型、脫鉤模型等研究方法,從人口與公園的供給側(cè)、需求側(cè)來揭示兩者間的動態(tài)發(fā)展特征,探究公園配置情況及未來發(fā)展走勢[13-15]。該類型研究的指標(biāo)選取均建立在“人均公園面積”的線性研究范式之上,它假定城市人口與公園面積之間僅存在線性關(guān)系。然而,城市人口增長、公園面積擴張均受國家宏觀政策、經(jīng)濟發(fā)展水平、土地環(huán)境資源等多因素共同作用,二者的交互作用并非只呈單一線性關(guān)系,存在平衡、促進或抑制等復(fù)雜作用特征,僅以恒定的人均標(biāo)準(zhǔn)值無法合理評價城市公園建設(shè)的客觀水平,因而需從非線性角度重新審視二者增長的作用效應(yīng)。
平滑轉(zhuǎn)換回歸(smooth transition regression,STR)模型是非線性回歸的典型模型之一,近年來成功運用于宏觀經(jīng)濟領(lǐng)域[16],而鮮見于新城市科學(xué)。該模型可分析兩變量在線性與非線性關(guān)系轉(zhuǎn)換過程間的不同表現(xiàn)特征[17],與本研究以人口、公園的增長演變趨勢來探究兩者之間復(fù)雜關(guān)系的研究目的一致,故該模型在城市人口與公園面積層面具有較強的解釋力和應(yīng)用價值,也是新城市科學(xué)體系下新研究范式的一次典型嘗試。中國城市人口與公園面積是否存在非線性的增長關(guān)系?二者間存在怎樣的閾值效應(yīng)①?不同城市規(guī)模的非線性關(guān)系有何演變特征?針對上述問題,本研究以城市人口與公園面積之間的“增長效應(yīng)”為切入點,從“全國整體—城市規(guī)?!雹?種尺度進行探究:1)從理論層面對城市人口與公園面積的增長關(guān)系進行分析;2)運用城市人口增量和公園面積增量的總和進行STR模型估計,從全國整體分析二者間增長效應(yīng)的作用機制;3)以二者的平均值得出門限參數(shù)作為參照標(biāo)準(zhǔn),從城市規(guī)模視角揭示“線性—非線性”的動態(tài)規(guī)律,以期協(xié)調(diào)人口與公園的供給關(guān)系,為進一步細化相關(guān)公園建設(shè)的人均享有指標(biāo)、制定不同規(guī)模城市人口與公園發(fā)展的差異化[18]策略提供參考,實現(xiàn)促進城市公園的有效配置。
公園作為城市綠色發(fā)展的重要空間載體,承擔(dān)著人與自然和諧共生、良性循環(huán)的功能,隨著公園面積的不斷擴張與以人為核心的新型城鎮(zhèn)化建設(shè),城市人口在二者相互影響、彼此反饋的過程中居于主導(dǎo)地位。一方面,隨著生態(tài)文明建設(shè)的不斷推進,人口規(guī)模的增長必定伴隨著對公園使用需求的增加,進而促進公園面積的擴張,同時人口過度集聚帶來的“擁擠效應(yīng)”可能會使公園面積的增長幅度降低或增速減緩,導(dǎo)致公園總量的低效擴張甚至規(guī)模減?。涣硪环矫妫珗@總量的變動與城鎮(zhèn)化水平密不可分,優(yōu)質(zhì)的公園建設(shè)能夠改善人居環(huán)境,提升城市對人口的吸引程度,間接推動人口規(guī)模的增長;故合理假設(shè)城市人口與公園建設(shè)之間存在以“城市人口”為主導(dǎo)的因果邏輯關(guān)系。
基于客觀事實來看,中國的城鎮(zhèn)化一直處于動態(tài)發(fā)展和不斷完善的過程中,城市人口的增長和公園面積的擴張在不同階段明顯存在不同發(fā)展規(guī)律,在二者都為遞增的發(fā)展趨勢下,城市人口增長對公園面積擴張的促進或約束作用就顯得更為復(fù)雜,僅憑借線性關(guān)系是無法描述和準(zhǔn)確分析的。一方面,城市人口的變動具有一定的異質(zhì)性和非理性[19],在公園建設(shè)的過程中,城市人口增長到不同階段時,對公園面積擴張的貢獻率也會不同;另一方面,公園建設(shè)會受到外部因素的干預(yù),各類生產(chǎn)要素都會影響公園面積的發(fā)展,由此導(dǎo)致城市人口增長對公園面積擴張的影響效率發(fā)生改變,同時在面臨外部宏觀因素干預(yù),如國家政策調(diào)控等重大改革前后,城市人口增長與公園面積擴張都會產(chǎn)生一定的波動。
基于數(shù)據(jù)的可得性,本研究的周期為1997—2020年③,截至2020年底,依據(jù)《中國城市建設(shè)統(tǒng)計年鑒》(2020)統(tǒng)計中國內(nèi)地共設(shè)地級及以上城市293個,由于西藏自治區(qū)昌都市、那曲市的數(shù)據(jù)缺少年份較多,最終確定291個地級及以上城市的市轄區(qū)為研究對象。選取城市人口(P)④、公園面積(S)⑤作為研究指標(biāo),數(shù)據(jù)來源于《城市建設(shè)統(tǒng)計年報》(1996—1997)、《中國城市建設(shè)統(tǒng)計年報》(1998—2005)、《中國城市建設(shè)統(tǒng)計年鑒》(2006—2020)。
本研究對城市人口和公園面積的數(shù)據(jù)取對數(shù)以消除異方差性,全國尺度兩變量的總和分別記為lnP和lnS。由于數(shù)據(jù)的平穩(wěn)性是計量模型構(gòu)建的前提,需要對lnP和lnS進行一階差分,記為△lnP和△lnS,這2個序列分別表示城市人口的增量和公園面積的增量,城市尺度上兩變量的平均值記為DL和DL。
平滑轉(zhuǎn)換回歸(STR)模型是Granger教授和Ter?svirta教授在線性模型的基礎(chǔ)上,討論并驗證的非線性計量回歸模型[20]。該模型作為門檻回歸模型的一般形式,其優(yōu)勢在于在甄別因果作用方向的基礎(chǔ)上,可揭示城市人口或公園面積作為轉(zhuǎn)換變量,越過不同門檻參數(shù)時對另一變量不同的作用特征,同時度量兩者間的線性和非線性的作用關(guān)系[21]。STR模型的一般形式為[22-23]:
式中:yt為被解釋變量,x′t為解釋變量向量;φ和θ分別表示線性和非線性部分的參數(shù)向量;μt是滿足誤差條件的隨機擾動項;t為時間。G(γ,c,st)是關(guān)于轉(zhuǎn)換變量st的有界轉(zhuǎn)換函數(shù),值域為[0,1];γ是平滑參數(shù),通常當(dāng)γ大于10時,轉(zhuǎn)換函數(shù)在線性、非線性狀態(tài)相互轉(zhuǎn)換的速度較快,反之則較慢;c為門限參數(shù),能捕捉函數(shù)轉(zhuǎn)換的時機。
STR模型又分為邏輯型(LSTR)和指數(shù)型(ESTR)。其中LSTR模型形式為:
當(dāng)K取1或2時,分 別 稱 為LSTR1型 和LSTR2型。LSTR1型是單調(diào)遞增函數(shù),當(dāng)st趨 近 于c時,G趨 近 于0.5;st>c,趨 近 于+∞時,G趨近于1;LSTR2型轉(zhuǎn)換函數(shù)關(guān)于(c1+c2)/2對稱,st趨近于c1、c2時,G趨近于0.5;st在c1、c2取值范圍外,趨近于∞時,G趨近于1。當(dāng)轉(zhuǎn)換函數(shù)形式為
G(γ,c,st)={1+exp[–γ(st–c)]}–2(3)時,則為關(guān)于st=c對稱的偶函數(shù)。
3.1.1 STR模型構(gòu)建
1)平穩(wěn)性檢驗:基于城市人口與公園面積單位根檢驗(Augmented Dickey-Fuller,ADF),得到的△lnP和△lnS序列均為平穩(wěn)的時間序列。
2)格蘭杰因果檢驗:該檢驗是構(gòu)建STR模型的必要環(huán)節(jié),可有效判別兩變量之間的因果作用方向。城市人口增量在滯后2期、3期、4期是公園面積增量的格蘭杰因果原因(表1),故在STR模型中,△lnP為解釋變量,△lnS為被解釋變量。
表1 中國城市人口與公園面積的格蘭杰因果關(guān)系檢驗結(jié)果Tab.1 Results of Granger causality test on urban population and park area in China
3)STR模型估計:首先通過向量自回歸分析,確定△lnP和△lnS的最優(yōu)滯后參數(shù);隨后進行非線性檢驗,當(dāng)轉(zhuǎn)換變量為△lnPt-1時,相伴概率F明顯小于其他值(表2),因而最終選取△lnPt-1為轉(zhuǎn)換變量,此時轉(zhuǎn)換函數(shù)為LSTR2型,得到城市人口增量與公園面積增量的LSTR2模型估計結(jié)果(表3)。因此LSTR2模型的最終形式為:
表2 非線性檢驗及轉(zhuǎn)換函數(shù)選擇結(jié)果Tab.2 Results of nonlinear test and conversion function selection
表3 LSTR2模型估計結(jié)果Tab.3 Estimation results of LSTR2 model
3.1.2 模型結(jié)果分析
通過格蘭杰因果檢驗,中國的城市人口同公園面積之間僅存在從人口增量到公園面積增量的單向格蘭杰因果關(guān)系,經(jīng)上述LSTR2模型表明城市人口增量對公園面積增量的影響關(guān)系呈現(xiàn)分段特征。
1)二者的線性關(guān)系始終存在,人口增量每增加1%,公園面積增量的增長幅度降低1.020 96%:城市人口與公園面積始終存在線性關(guān)系,當(dāng)城市人口增量△lnPt-1介于門限參數(shù)c1=0.012 13和c2=0.058 73之間時,轉(zhuǎn)換函數(shù)G值從0.5向0轉(zhuǎn)換,表明城市人口增量對公園面積增量的影響表現(xiàn)為僅有線性關(guān)系。研究初期,公園規(guī)模雖依托于城市用地的“粗放擴張”不斷增長,但由于城市人口增幅較為波動(圖1),較少的人口增量導(dǎo)致公園的需求量增長緩慢,城市人口約束了公園面積的擴張。研究后期,城市人口增速顯著提升,在集聚效應(yīng)的作用下,導(dǎo)致城市空間形態(tài)愈發(fā)緊湊化發(fā)展,用地需求的大量增加導(dǎo)致新增公園受到限制,因而在公園面積整體遞增的趨勢下,其增長幅度產(chǎn)生一定的彈性降低。
圖1 1997—2020年中國城市人口增量與公園面積增量演變Evolution of urban population and park area increment in China during the period from 1997 to 2020
2)二者存在非線性關(guān)系時,人口增量每增加1%,公園面積增量正向變動2.907 73%:當(dāng)城市人口增量△lnPt-1小于門限參數(shù)0.012 13或大于0.058 73時,轉(zhuǎn)換函數(shù)G值由0.5向1轉(zhuǎn)換,斜率γ=15.672 78>10,表明城市人口增量與公園面積增量的狀態(tài)轉(zhuǎn)換速度較快,非線性部分影響迅速顯現(xiàn),與線性部分同時存在,城市人口增量對公園面積增量的沖擊程度明顯增強,城市人口較小的改變會導(dǎo)致公園面積較大的變動。城市人口作為公園的使用者和主導(dǎo)者,與公園之間的關(guān)聯(lián)程度日趨緊密,能夠?qū)珗@的規(guī)劃組織、調(diào)整配置發(fā)揮主觀能動作用,人口增量的波動上升產(chǎn)生了對于綠色游憩空間需求的增長,促使公園面積相應(yīng)擴張,由于這種供給側(cè)對需求側(cè)的響應(yīng)具有較高敏感性,因而城市人口增量每增加1%,沖擊公園面積增量正向變動2.907 73%,產(chǎn)生顯著的非線性特征。
通過與實際數(shù)據(jù)擬合(圖2),中國整體城市人口增量的門限值大約為340萬人、1 800萬人。在2000—2010年間,城市人口的變動對公園面積的增長呈現(xiàn)顯著的非線性關(guān)系(圖3),在此期間,中國城鎮(zhèn)化由發(fā)展初期轉(zhuǎn)向加速發(fā)展階段,隨著土地城鎮(zhèn)化與人口城鎮(zhèn)化的大力推動,中國在人口和公園的規(guī)模上實現(xiàn)快速增長;該時期經(jīng)濟建設(shè)成為經(jīng)濟社會發(fā)展的中心,人民對綠色游憩空間的需求越發(fā)強烈,城市人口的合理波動拉動了公園面積的積極增補;與此同時,承辦大型國際活動如奧運會、世博會等,極大地推動了城市基礎(chǔ)設(shè)施的建設(shè),促使公園建設(shè)水平大幅提升,為“人綠協(xié)調(diào)”的供需匹配發(fā)揮巨大的促進作用。而在其余研究年限間,公園面積的增長依賴于與人口增量的線性關(guān)系,城市人口的持續(xù)增長也會導(dǎo)致公園面積的增幅降低。
圖2 實際值和擬合值的時間序列Time series of actual and fitted values
圖3 STR2模型的變動軌跡Trajectory of STR2 model change
城市規(guī)模不僅是一套成熟的城市分類方式,其劃分標(biāo)準(zhǔn)以城市人口為統(tǒng)計口徑進行分類,與本研究探究城市人口與公園面積之間增長效應(yīng)的關(guān)聯(lián)更為緊密,故本研究選取不同城市規(guī)模作為典型類型進行分析,以深入揭示不同類型城市的人口與公園面積的動態(tài)增長關(guān)系。
3.2.1 STR模型估計結(jié)果
現(xiàn)以城市人口增量、公園面積增量的全國平均值作為變量,構(gòu)建STR模型。同樣進行對數(shù)處理與一階差分,獲得平穩(wěn)序列DLP和DLS。經(jīng)格蘭杰因果檢驗可知,各城市人口增量是公園面積增量的格蘭杰因果原因;后經(jīng)非線性檢驗,DLPt-1為轉(zhuǎn)換變量時,轉(zhuǎn)換函數(shù)為LSTR2型,模型最終形式為式(6),其中門限參數(shù)c1為0.011 95,c2為0.059 25:
3.2.2 2020年不同城市規(guī)模人口與公園面積增量的結(jié)果分析
人口與公園面積增量平均值的STR模型顯示,其門限參數(shù)為0.011 95、0.059 25。將2020年城市按城市規(guī)模分為特大、大、中、小城市,通過其數(shù)據(jù)與全國平均值的門限參數(shù)對比(表4),研究發(fā)現(xiàn):2020年全國約96.56%的城市人口增量與公園面積增量呈現(xiàn)非線性關(guān)系,各類型城市中非線性城市均占絕大部分,但特大城市對公園面積增量的貢獻率遠高于其他類型城市。從城市人口的變動來看,中、小城市面臨人口收縮的現(xiàn)實困境,2020年城市人口的平均增量僅為1.20萬人、0.52萬人。由于產(chǎn)業(yè)結(jié)構(gòu)、氣候條件等不利因素,中國東北、西北地區(qū)更易出現(xiàn)收縮城市,常住人口流向大城市已成為發(fā)展常態(tài)。例如黑龍江省伊春市,原本依靠林業(yè)資源發(fā)展就業(yè),現(xiàn)成為一座資源枯竭型城市,2020年人口規(guī)模和公園面積分別降低2.83萬人、7.81 hm2,均呈現(xiàn)負增長的不良態(tài)勢。公園作為城市建設(shè)的綠色基礎(chǔ)設(shè)施,現(xiàn)階段對它進行規(guī)劃建設(shè)仍然站在高人口增長率的線性視角,對于人口低增長率的中、小城市在一定程度上會出現(xiàn)資源的錯配[24],公園的共享性和游憩性不能得到較好地滿足,同時相較大城市,政府生態(tài)綠色的發(fā)展意識也相對薄弱,公園建設(shè)過程中必然存在諸多干擾和挑戰(zhàn),因而中、小城市盡管非線性城市占比與特大、大城市持平,但公園面積平均增量僅為全國水平的19.04%、7.22%,實際對于公園面積增量的貢獻率卻不如特大、大城市。
表4 2020年不同城市規(guī)模人口與公園面積增量的非線性結(jié)果Tab.4 Nonlinear results of population and park area increment in cities with different scale in 2020
3.2.3 不同城市規(guī)模人口與公園面積增量的動態(tài)演變
1)從1997—2020年全國地級及以上城市的面板數(shù)據(jù)(表5)來看:特大城市長期主導(dǎo)城市人口增量與公園面積增量,其次為大城市。特大城市由于優(yōu)越的原始積累,較早地開展城鎮(zhèn)化進程,贏得了較多的城市發(fā)展紅利,因而吸引大量人口的涌入,高人口密度顯著推動城市空間形態(tài)優(yōu)化,也帶動了公園面積的緊湊增長。自2004年至今,北、上、廣、深等特大城市考慮人口涌入而采取用地集約化、緊湊化發(fā)展帶來了公園面積的釋放[25],是中國公園面積增長的主力軍,少數(shù)特大城市掌握了絕大多數(shù)的人口、公園等發(fā)展要素,由于“虹吸效應(yīng)”,也造成大城市周邊的中小城市出現(xiàn)收縮現(xiàn)象,例如北京周邊的高碑店、成都周邊的都江堰、深圳周邊的云浮等。2006年“十一五”提出“積極發(fā)展中小城市”,受利于國家政策的傾斜以及城鎮(zhèn)化的高速推進,福建省寧德市、河南省周口市、貴州省銅仁市等中、小城市的人口增量呈現(xiàn)增長態(tài)勢,同時隨著“可持續(xù)發(fā)展”政策的不斷深入,“十一五”對于中、小城市的綠地規(guī)劃提出了引導(dǎo)和控制要求,其中便以“公園面積”作為最基礎(chǔ)的評判指標(biāo),城市公園也在這一“指揮棒”下得到發(fā)展。中、小城市雖在人口規(guī)模和公園面積上呈現(xiàn)正向增長,但相較大城市仍存在明顯差距,尤其受限于較低的城鎮(zhèn)化水平。在經(jīng)濟優(yōu)先的發(fā)展導(dǎo)向中,中、小城市公園建設(shè)相對滯后,在補給公園配置、提升城市吸引力等方面仍存在較大發(fā)展空間。
表5 1997—2020年不同城市規(guī)模的城市人口增量與公園面積增量演變Tab.5 Evolution of population increment and park area increment in cities with different sizes during the period from 1997 to 2020
2)選取1997、2002、2008、2014、2019年為時間節(jié)點,通過其數(shù)據(jù)與全國平均值的門限參數(shù)對比(圖4),以揭示演變特征:隨著特大、大城市人口與公園面積增量的非線性城市占比在波動中趨于穩(wěn)定,同一時間段非線性城市占比隨城市規(guī)模的增加而減少。特大城市的非線性城市占比由1997年的56.25%到2008年下降至37.50%,隨后在2014年又趨于穩(wěn)定,為56.25%。相較于中、小城市,特大、大城市高效的運營速率以及物質(zhì)基底,對人口擁有較強吸引力,人口的集聚也為城市發(fā)展帶來諸多紅利,例如集聚效應(yīng)攜同資本要素積累,為公園建設(shè)提供了經(jīng)濟動力。同時,經(jīng)濟效益導(dǎo)向下的大城市土地功能混合、集約利用,促進公園建設(shè)在滿足人均配比的線性基礎(chǔ)上,基于人口需求供給,越發(fā)注重彈性分配、資源共享。而中、小城市由于早期人口城鎮(zhèn)化發(fā)展較慢,對人口的吸收能力有限,公園面積仍受限于人均享有量而無法充分?jǐn)U張和挖掘,故雖然該類型城市人口與公園面積的非線性占比較高,但人口的變動對公園面積的正向拉動尚不明晰。
圖4 不同城市規(guī)模的非線性城市個數(shù)及占比的變化Variation of the number and share of nonlinear cities with different sizes
本研究以291個地級及以上城市為研究對象,基于非線性視角實證探究了中國城市人口與公園面積之間的復(fù)雜增長效應(yīng),同時從城市尺度探究不同城市規(guī)模的人口與公園面積非線性關(guān)系的動態(tài)演變規(guī)律。
1)公園面積與城市人口的增長效應(yīng)是在線性關(guān)系基礎(chǔ)上的非線性增長。STR模型有效地甄別出城市人口的變動對公園面積的變動存在較強的影響,且影響機制較為復(fù)雜,當(dāng)人口增量越過門限參數(shù)時,對公園面積增長的非線性影響顯現(xiàn),此時人口增量每增加1%,公園面積增量會正向變動2.907 73%。本研究的最大突破點在于打破以往人口與公園僅存在線性或非線性關(guān)系的單一假設(shè),而是把二者間的線性、非線性關(guān)系同步考慮,非線性的研究不應(yīng)是對線性研究的完全推翻。人口變動的不對稱性以及公園建設(shè)的自組織能力都表明二者之間存在非線性關(guān)系,因而割裂開線性和非線性的單獨研究,都無法從長時序把握城市人口與公園面積之間真正的復(fù)雜變動規(guī)律。
2)城市人口與公園面積間的閾值效應(yīng)可為進一步細化相關(guān)人均享有指標(biāo)提供參考。城市人口作為城市系統(tǒng)運作的主導(dǎo)要素,在公園面積增長過程中的引導(dǎo)作用不容忽視,《城市綠地規(guī)劃標(biāo)準(zhǔn)》(GB/T 51346—2019)[26]、《園林綠化工程項目規(guī)范》(GB 55014—2021)[27]⑥等相關(guān)規(guī)范標(biāo)準(zhǔn)作為指導(dǎo)公園建設(shè)的上位方針,強調(diào)了公園面積的人均享有量等重要基礎(chǔ)指標(biāo)。研究所揭示的閾值效應(yīng)和“線性—非線性”轉(zhuǎn)換特征,能夠為相關(guān)指標(biāo)的設(shè)定提供參考,在原本的人均指標(biāo)基礎(chǔ)上,基于人口變動不同階段特征的頂層思維,可對不同人口增量進行區(qū)間劃分,制定不同區(qū)間內(nèi)公園面積增長的合理值,從而對公園建設(shè)進行更具科學(xué)性的評價與指導(dǎo)。集非線性、線性于一體的城市人口與公園面積增長特征的研究對現(xiàn)有評價、規(guī)劃體系進行了有益擴展,可以更為有效、科學(xué)地指導(dǎo)城市公園、人口等協(xié)同發(fā)展。
3)城市人口與公園面積的協(xié)同發(fā)展應(yīng)考慮城市規(guī)模差異。各城市發(fā)展階段、現(xiàn)有問題、規(guī)劃目標(biāo)存在區(qū)別,當(dāng)前公園建設(shè)水平多以滿足人均享有量為發(fā)展目標(biāo),單純以“人均公園面積”評價不同規(guī)模城市,會造成認(rèn)知上的偏差,對于不同城市規(guī)模的人口與公園發(fā)展模式還有待深入考慮:對于特大、大城市,該類型城市人口對公園面積的響應(yīng)程度較高,由于龐大的人口基數(shù)和公園規(guī)模總量,二者的發(fā)展?fàn)顟B(tài)甚至能較大程度影響全國的整體水平。因此,在國家大力建設(shè)城市群的背景下應(yīng)發(fā)揮規(guī)模效應(yīng),同時把綠色化、低碳化、集約化作為發(fā)展的目標(biāo)模式,在順應(yīng)人口增量的需求下,精準(zhǔn)提升公園建設(shè)的共享性和游憩性。對于中、小城市,該類型城市缺少足夠的人口腹地,因而面臨較大的人口衰退風(fēng)險,需以“嚴(yán)控增量、盤活存量”[28]為導(dǎo)向,轉(zhuǎn)變原本慣性的增量規(guī)劃,摒棄盲目低效擴張,引導(dǎo)人口和公園等公共資源向城區(qū)集中,營造宜居的城市環(huán)境,在提升城市競爭力的同時吸引更多人口,推動中、小城市走向“公園城市”。
注釋(Notes):
① 克服慣性、打破原有均衡所需要的最小力度或最小變化量,就是所謂的“閾值”。而超越閾值,打破原有均衡引起的改變稱之為閾值效應(yīng)。
② 根據(jù)《關(guān)于調(diào)整城市規(guī)模劃分標(biāo)準(zhǔn)的通知》(2014年)劃分的標(biāo)準(zhǔn)等級,因超大城市、特大城市數(shù)量較少,這2類城市與大城市差距較大,因而將超大城市并入特大城市,更具有比較性。將城市規(guī)模劃分為4類:特大(≥500萬人)、大(100~<500萬人)、中等(50~<100萬人)和小城市(<50萬人)。
③ 本研究基礎(chǔ)指標(biāo)“城市人口”“公園面積”的研究周期均為1996—2020年,但由于增量是指一段時間內(nèi),自變量取不同的值所對應(yīng)的函數(shù)值之差,即后一年的數(shù)值減去前一年的數(shù)值,故“城市人口增量”“公園面積增量”的研究周期為1997—2020年。
④“城市人口”指標(biāo)在2005年及之前,采用《城市建設(shè)統(tǒng)計年報》和《中國城市建設(shè)統(tǒng)計年報》中“城市人口”的數(shù)值;在2006年及之后年份,由《中國城市建設(shè)統(tǒng)計年鑒》中“城區(qū)人口”和“城區(qū)暫住人口”相加獲得。
⑤“公園面積”指標(biāo)依據(jù)《中國城市建設(shè)統(tǒng)計年鑒》中公園的統(tǒng)計口徑,只包含市級和區(qū)級的綜合公園、專類公園和帶狀公園,不包括居住小區(qū)及小區(qū)以下的游園。
⑥《城市綠地規(guī)劃標(biāo)準(zhǔn)》規(guī)定“人均專類公園面積大城市及以上城市大于1.5 m2/人,小、中城市大于1.0 m2/人”;《園林綠化工程項目規(guī)范》規(guī)定“人均綜合公園面積、人均社區(qū)公園面積,應(yīng)分別大于3.0 m2/人”。
圖表來源(Sources of Figures and Tables):
文中圖表均由作者繪制。