大连市城市内部居住环境评价的空间结构——基于面源模型的分析，本文主要内容关键词为：大连市论文,空间结构论文,模型论文,评价论文,环境论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
文章编号：1000-0585(2002)06-0753-10
中图分类号：K901.8;P208
文献标识码：A
随着联合国“环境与发展大会（1992年）”和“人居大会（1996年）”的召开，人居环境的研究[1～4,10,11,15]、住宅区位选择[7,8]引起了国内外广大学者的关注，我国主要集中在环境科学、城市规划等领域。地理学虽涉足城市内部空间结构较多[5,6]，但城市居住环境评价结构的研究尚不多见。城市居住环境评价作为人居环境的重要组成部分，应该从满意程度和客观环境建设水平两方面进行[1]。李王鸣等(1999)[2]建立了人居环境评价的主观指标评价体系，并以杭州市为例，对人居环境现状与发展态势进行了分析。陈浮等(2000)[4]以南京市为例，通过社会调查统计方法对城区代表性居住地域进行综合评价，并对各地域的人居环境发展阶段做出了准确判断。目前尚未有研究涉及到城市内部居住环境评价的空间结构问题，而这一问题对于指导城市规划和城市环境规划具有十分重要的理论意义和实践意义，尤其影响着城市房地产的区域开发模式及开发方向。本文在充分利用城市居住环境评价问卷调查资料的基础上，试图建立居住环境评价的面源模型，利用GIS的空间分析功能对大连市居住环境评价的空间结构进行探讨。
1 面源模型
1.1 元胞(cell)的划分
城市居住环境评价的空间分异研究要求必须在研究地域内进行较大范围的调查。以往的研究多选取某几个典型居住小区进行问卷调查，从而存在以下问题：①居住小区的定义有待进一步探讨，确定问卷调查的地域对象难度较大。即使居住小区的定义已经明确，但是不同居住小区的空间范围差异悬殊，可比性较差；②有大部分居民尚未在小区内居住，以居住小区为评价空间单元难以涵盖整个市区，用以分析空间分异略嫌不足。因此，本文将城市主城区划分为若干元胞，以单个元胞为基本评价单元。
仿照复杂系统离散模型的做法，将研究地区分成许多方形网格单元，即元胞。空间评价单元以元胞表示，各种统计运算以元胞为单位进行，分析结果通过元胞显示出来，就可以建立面源模型[9]。显然，鉴于研究目的及其特点，各元胞拥有较为复杂的空间数据结构，是自然属性和社会经济属性的综合集成，实现了不同数据在同一空间单元上的有效融合。在面源模型中，每个元胞空间尺度必须足够小，以保证具有较高的精度；同时又必须足够大，以保证每个元胞中含有较多样本以进行统计分析。
国外已对居住环境评价单元的大小进行了研究，有250m×250m的元胞[10]（森田等，1986），也有500m×500m元胞[11～13]。虽然関根指出生活环境圈的评价500m×500m元胞优于1km×1km的元胞，但本文若采用500m×500m标准，就有640多个元胞，数据搜集量很大，并且多将同一居住区划归不同元胞。以1km×1km标准，工作量减轻了3/4，同时可保证每个元胞具有足够的调查样本，利于宏观上考察居住环境评价的空间分异。
1.2 评价模式及其参数确定
在明确基本评价单元的基础上，我们可以对各元胞的在特定时空条件下的居住环境水平进行测定，进而分析居住环境评价的空间分异。这就涉及到各元胞居住环境评价高低水平的排序。显然，组成居住环境的因素包括许多方面，其评价不可避免的涉及到自然环境、保健卫生环境、安全防灾环境、日常生活的利便环境等诸多要素，也就是说，居住环境评价既包括单项评价，又包括综合评价。我们采用如下的评价模式：
式中，ζ[,k]为元胞k的评价分值，β[k,ij]为元胞k第i个样本第j个评价因子的权重，ω[k,ij]为元胞k中第i样本第j个评价因子的评价分值，λ[k,j]为元胞k的j个评价因子的评价值。m为元胞k中评价因子数。n为元胞k中评价样本数。
权重β[k,i]的确定可以采用层次分析法(AHP)、因子分析方法(FA)等进行确定。但是同一评价因子在不同元胞内的作用等级是不同的，不断调整不同元胞的权重是保证评价科学性的必备前提。
ω[k,ij]的数值可由调查问卷获取。但是各元胞内拥有不止一个样本，各样本对同一评价因子的认识也各不相同，如何确定各元胞的ω[k,ij]就涉及到居民属性对主观评价的影响问题，如果二者之间缺乏明显的独立性，则意味着评价受居民属性影响较大，难以用于居住环境评价空间分异的研究。
评价因子i的选取受评价主题的制约，许多评价项目都在不同程度上反映了研究问题的某一方面，并且各自之间有一定的相关性，统计数据在反映的信息上有一定的重叠性，从而增加了问题的复杂性和工作量。可以通过统计分析方法对选取的评价项目进行简约，保证选取的评价因子相互独立而又不减少信息含有量，统计方法可以选用因子分析(Factor Analysis,FA)或者多维标度法(Multidimensional Scaling,MDS)。
1.3 评价程序
(1)选取研究区域并划分适当大小的元胞，在各元胞内选取样本点进行随机抽样问卷调查。
(2)建立数据库。利用扫描仪扫描专题地图和行政区划图，存储为TIF等栅格数据类型的图像文件，并利用ARC/INFO软件对扫描得到的栅格图像文件进行矢量化信息提取。确定好调查内容的编码体系，在ARC/INFO平台下的TABLE子模块中建立原始属性数据库，并生成空间数据与属性数据的空间拓扑关系，建立空间属性一体化数据库。
(3)采用MDS简约评价项目，确定居住环境评价因子体系。
(4)通过交叉列表分析验证居民属性与各评价因子满意度的相互独立性。
(5)利用GIS的空间分析功能，以空间·属性数据库为基础，按照评价的数学模型进行多图层数据的叠加运算，得到各元胞的属性数据，据此分析居住环境评价的空间分异特征（图1）。
图1 研究技术路线
Fig.1 The flow chart of the paper
2 实例分析
2.1 研究区域
大连市地处辽东半岛的南端，临海背陆，建成区包括甘井子、中山、西岗、沙河口4区，面积约为200km[2]。80年代以来，大连市进入郊区化阶段[14,15]，现有居住用地主要分布在市中心附近的旧居住区、外围的混合居住用地区和城市边缘的新建住宅区。居住用地地域分化往往会导致居住环境评价空间分异。
选取1:25000的大连市街图、大连市主城区居住结构图，在ARC/INFO下配准叠加，确定包括东部居住区等6个主要居住区在内的地域作为本次研究的具体范围，大致包括中山、西岗的全部以及沙河口、甘井子的一部分，约160km[2]。
2.2 元胞划分及数据收集
利用ArcView软件将研究区边界数字化，并选取4个坐标点，在ARC/INFO平台下进行坐标配准，将其投影转换成高斯—克吕格投影，利用POLYGRID命令将矢量文件转为以1km×1km为元胞的网格文件，研究地区划分成162个元胞。
2001年5～6月，对研究地区进行问卷调查，内容涉及调查对象的年龄、性别等居民属性和绿地环境、水域环境、安静程度等居民对居住环境的满意程度评价。满意度评价分为很好、好、中、差、很差五级。共发出问卷1000份，回收738份，回收率73.8%。剔除不合理问卷，有效问卷为688份，共得到有效原始数据23392个，建立居住环境评价空间属性一体化数据库。
2.3 评价因子选取
多维标度法广泛应用于心理学领域，它通过计量距离的变化进行空间分析，功能主要表现在：探求各指标间的结构，并将隐含的特性通过尽可能少的综合指标表现出来；将上述指标结构直观、形象地在坐标空间表现出来。国外已将MDS引入地理学分析中，主要是认知空间(Cognitive space)和时间—空间地图(Time-space map)的研究。前者通过认知地图的研究[16]与行为空间研究联系在一起[17,18]，后者通过时间—空间的收敛研究[19]与空间组织的演变联系在一起[20～22]。据笔者掌握的材料，国内尚未见到应用MDS进行地理研究的实例。
本文利用非计量MDS中的克鲁斯卡尔(Kruskal)方法确定基本评价因子。基本原理是求解各居住环境评价项目在居民意识中的空间位置关系，并于坐标空间中表现出来[23,24]，同一空间中距离相近的评价项目归为一类。
建立原始定性数据矩阵，采用欧几里德距离计算非相似性矩阵，确定S应力收敛值(strees)为0.0001，最小S应力值(S-strees)为0.005，进行200次迭代运算，结果坐标空间为三维时S应力收敛值为0.05839，模拟效果非常好，欧几里德距离模型直线拟合散点图也说明了这一点。
图2 MDS方法实现的居住环境各评价项目分类
Fig.2 Classes of every evaluation items in evaluation of residential environment by MDS method
由图2可以看出，高档购物场所(1.4795)、金融机构(0.5206)、政府机构(1.3943)、公园休闲广场(0.5793)、体育设施(2.2092)、图书馆(2.4286)均正向分布在维度1，交通便捷程度(-1.7508)、日常购物场所(-1.1816)负向分布在维度1。绿地环境(0.7571)、水域环境(0.7031)、安静程度(1.0068)、卫生状况(0.4809)、空气状况(0.8189)、社会治安状况(0.2280)、交通安全状况(0.3311)、空间开阔程度(0.4769)均正向分布于维度2。文化状况(0.3555)、邻里和谐(0.3584)、住区特色与荣誉(0.5793)、紧邻亲朋(1.3140)、心理归属(0.6020)正向分布于维度3中。因此，维度1、维度2、维度3可以用利便条件、周边环境、社区文化来表示。这与山口(1991)[12]、田中(1997)[13]、Johnston(1973)[25]研究成果基本相同。因此，本文以周边环境、社区文化、利便条件为评价因子探讨居住环境评价的空间分异。
2.4 居民属性的影响
运用MDS方法确定评价因子后，在各元胞内随机抽样再次进行问卷调查，调查选项同样分为很好、好、中、差、很差五级，获取居民的评价因子满意度，交互式输入属性数据库。利用列联表法（或交叉列表法）分析居民属性与满意度之间是否相互独立。运用ARC/INFO的逻辑查询功能，分类统计不同居民属性的各评价因子的频数，建立以居民属性为列变量、评价因子为行变量的多维列联表，进行X[2]检验（表1）。从表1可以看出，样本数N均大于40，最小期望频数f均小于5，显著水平P小于5%的非常少，表明在现有发展水平下，大部分居民属性对满意度的影响较小，二者之间基本相互独立，与森田、内藤(1986)[10]、江崎(1995)[18]的研究相吻合（注：关于个人属性对环境评价的影响有两种观点，一种以原科幸彦(1991)、Pacione(1982)为代表，主张个人属性是环境评价的重要内因，另一种以森田、内藤(1986)、江崎(1995)为代表，认为个人属性对环境评价的影响并不显著。本文的分析结果表明在现有发展水平条件下，受各社会集团的分化尚不十分显著的影响，个人属性与居住环境评价之间基本独立。然而随着社会集团分化的日渐明显，这种结果会相应发生改变。）。因此，满意度的大小反映了居住环境地域上的差异，可以用所有调查样本数据进行下文的分析。
表1 列联表卡方分析结果表
Tab.1 Table of analysis result by crosstab
2.5 评价结构平行性分析
1.2中指出权重可以由因子分析方法求得，公式为
式中，β[k,i]为元胞k中公因子i的权重，α[k,j]为元胞k中公因子i的方差贡献率，m为公因子个数。
利用式(3)计算各评价因子权重的隐含前提是所有元胞具有相同的评价构造。否则，不同元胞同一评价因子的权重会不同。当然，最好的方法是分别计算所有元胞各因子的权重，但由于调查问卷回收率以及有效问卷数目不同，并不是所有元胞都能够满足统计分析要求的样本数目。将所有元胞适当归类，进行评价结构平行性分析是一种较为理想的方法。计算各元胞各评价因子满意度调查数据的均值作为其标度值，并根据该值是否大于所有元胞该评价因子的均值而分为两类。将所有元胞分成周边环境组（包括优良型、非优良型）及利便环境组（包括优良型、非优良型）（注：如同后文所述，社区文化环境缺乏明显的地域分异，因此不参与评价结构平行性分析。），分别对所有元胞及不同组别的元胞进行R-型因子分析，按照特征根大于1的原则选入公共因子，并采用方差最大正交旋转对原始变量载矩阵进行25次旋转变换，得因子载荷量矩阵表（表2）。
表2 因子载荷表
Tab.2 Factor load matrix
注：(1)在因子结构中，*中第二公因子所包含的评价项目包括了第一和第三因子，可以看作是二者的融合，因此，采用第一、第三、第四公因子来代表因子结构是合理的。(2)表中仅列出大于0.4的因子载荷量。
图3 居住环境评价结构平行图
Fig.3 Parallel map of evaluative structure of residential environment
从所有元胞的因子载荷分析可知，第一、第三、第四公因子各自包含的指标与2.4中运用MDS确定的三个评价因子相同，说明了MDS简约数据结构的可行性。将各组别各公因子的贡献率按照降序排列，并绘制成图3。虽然不同组别中各公因子的贡献率略有升降变化，但利便环境＞周边环境＞社区文化环境的基本结构没有变化，具有较好的平行性。因此，权重可以利用式(3)进行确定。本文利用所有元胞因子分析的结果进行计算，不会影响各元胞居住环境评价测算的相对位序。
2.6 居住环境评价空间分异
列联表分析表明，居民均是“具有统计学意义的平均人”，居民属性基本上不影响环境评价，因此，居住环境评价值可由元胞内所有样本评价值的均值来标度。利用CIS的地图代数功能在ARC/INFO下叠加各栅格图层，得到图4～7。叠加后的第k元胞的j因子的评价值和综合评价值分别由公式(1)、公式(2)计算。
2.6.1 周边环境评价 周边环境评价的空间分异如图4所示。高满意度的元胞或者位于市区外围，或者紧靠山林绿地，或者地处海滨（除了大连湾沿岸工业地带和交通运输地区外，濒海地带的周边环境评价普遍高于其他地区）。市中心也有部分元胞拥有较高的满意度，原因是这些元胞内有广场绿地分布，如市政府附近。部分铁路线穿过的元胞和有工业小区集中的元胞满意度较低。因此，大连周边环境评价并不遵循由市中心向边缘区渐增的规律，在更大程度上受地区特性尤其是城市用地类型影响。周边环境评价值与市中心距离的皮尔逊(Pearson)相关系数(-0.066)（注：可以采用网格中心之间的直线距离、道路距离进行测算。但是这样就忽略了两地之间的空间阻隔影响。所以在问卷中设置了居住地到中山广场的乘坐公交车所需要时间的问讯项，采用时间距离就避免了上述不足的存在。）未能通过显著性检验就验证了这一点。
图4 大连市城市周边环境评价空间结构图
Fig.4 Spatial difference of evaluation of circumferential environment in Dalian
图5 大连市城市利便环境评价空间结构图
Fig.5 Spatial difference of evaluation of convenient environment in Dalian
2.6.2 利便环境评价 由图5可以看出，利便环境高评价地区在空间上高度集中于近年来新开辟的西部商业区至传统的商务区的沿黄河路、长江路、中山路地区。其中，中山广场外围和家乐福附近满意度最高。黑石礁、锦绣小区和解放路中段地区利便环境满意度也较高。利便环境低满意度地区主要是铁路沿线及市区南部近郊区。毫无疑问，远离中心区的区位、铁道的阻隔以及低山丘陵的分布是导致满意度较低的重要原因。
利便环境满意度与市中心的距离存在着密切的联系。利用各元胞到中山广场元胞的时间距离平均值和利便环境满意度测算Pearson相关系数，结果通过显著性检验（Pearson相关系数为-0.236，显著性水平1%），距离衰减规律得到了较为充分的体现。数值不高则是由于高满意度的元胞成带状分布造成的。
图6 大连市城市社区文化环境评价空间分异图
Fig.6 Spatial difference of evaluation of humanenvironment in Dalian
图7 大连市城市居住环境评价空间分异图
Fig.7 Spatial difference of evaluation of residential environment in Dalian
2.6.3 社区文化环境评价 社区文化环境评价与周边环境评价、利便环境评价不同，主要侧重评价主体的心理体验。如图6所示，社区文化环境评价在空间上的分布不像周边环境评价、利便环境评价具有一定规则性，高、低满意度地区交错分布于研究范围内。要分析这种现象的深层次原因，采用1km×1km的元胞显然不能满足要求，并且要重点从居民的属性出发进行探讨。不过从整体来看，近郊区的评价显然要低于城市建成区。
2.6.4 居住环境总评价 从图7可见，高评价值主要分布在青泥洼—天津街商业区外围、家乐福附近、以及市政府附近。前者紧临青泥洼—天津街商业区，商场、银行等广布，利便条件优越，城市广场、绿地分布较多，社区文化活动频繁，居民的满意度高。家乐福周边有家乐福超市、百盛商场、第二百货等商家，中国建设银行、中国工商银行、国泰证券等数家金融机构以及邮政局、电影院等设施，利便条件好。该地区有五四广场、中山公园分布，且多为新建的高档居住小区，居民对环境的满意度高。市政府附近最突出的特色是法院、检察院、医院以及政府环人民广场布局，高度集中在较小的地域范围内，并且距离家乐福和青泥洼—天津街商业区不远。黑石礁、锦绣小区等地区评价值也较高。评价值较低的元胞主要分布在工业毗邻区，如侯家沟小区、台山小区。前者附近有冷冻机厂、热电集团、锁厂、保温瓶厂、轧钢厂分布；后者有电机厂、轧钢厂、油漆厂分布。老虎滩附近，虽然自然环境良好，但是远离中心市区，利便条件差，居住环境总评价也不高。
3 结论与讨论
(1)研究在建立面源模型的基础上，利用GIS的空间分析功能对大连市城市居住环境评价的空间分异进行了探讨，认为利便环境评价基本遵循空间衰减规律，周边环境评价在很大程度上受地区特性尤其是城市用地类型的影响，社区文化环境存在不规则的空间分异，居住环境总评价在空间上则呈现出三个中心。
(2)研究以元胞为评价空间单元，问卷调查资料为分析数据，有效解决了不同空间单元的信息如何在同一空间单元融合的问题。并且，利用同样大小的元胞，避免了利用居住片区而存在的若干不足，有利于空间分异研究。
(3)研究利用MDS方法简约各个居住环境评价项目，建立了居住环境评价的三维坐标空间，结果与国外部分研究基本吻合。MDS在简约数据方面与因子分析虽然大致相同，但可视性更强，应用前景较广。
(4)研究利用列联表法对居民属性与环境评价之间的相互关系进行了分析，结果表明二者之间基本上相互独立，从而保证了后续研究的顺利进行。应强调指出的是以调查者态度为研究基础时一定要考虑其属性对回答的影响，而这恰是目前同类研究容易忽略的。
(5)在各种加权评价模型中，权重一经确定，就通用于所有的研究单元，而忽视了其中的特殊性。本文将研究地域单元分类，验证了不同类别评价构造的平行性。虽比确定各元胞权重要粗略，但至少能保证在同一类别中同一权重的运用而不改变评价结果的位序，比全部地域单元利用单一权重精确得多。这一问题也是目前同类研究中容易忽视的。
致谢：在问卷调查过程中，得到了辽宁师范大学海洋经济与可持续发展研究中心硕士研究生崔红艳、曹颖、苗军、吴姗姗、曹克、陆忠艳等人的大力协助，特致谢忱！
收稿日期：2002-01-10；修订日期：2002-05-23