01介绍

1.1背景

（1）研究城市森林的游客时空行为对于提升游客游憩体验、提升自然管理水平、促进森林健康效益有着巨大的帮助。

（2）使用PPGIS便于收集游客的空间行为数据，利于森林管理

（3）许多研究调查了自然景观特征、森林偏好和休闲用途之间的关联。但在森林结构属性、自然区域特征和人工基础设施的重要性层次上，对于城市森林特定活动使用强度的解释存在知识缺口。

（4）根据前人的研究，在森林结构属性方面，大型森林和阔叶林物种比例大、林分密度低的森林更适合用于休闲利用；关于自然区域特征，森林游客非常喜欢靠近水体和海岸线；地形差异较大的森林更适合用于娱乐用途；保护区在提供非物质社会利益方面具有很高的价值，例如体验和平、安静、活力和自由的感觉。在人工基础设施方面，历史遗迹和娱乐设施的存在，如远足路径和野餐区，增加了森林游览的好处；活动类型影响空间行为以及对森林的感知和偏好。

1.2研究目的

本研究的目的是落实公众参与森林规划，并改善娱乐用途与当地森林管理计划的结合。

1.3研究内容

（1）在城市森林中，城市居民最常见的娱乐活动是什么?

（2）不同景观特征对城市森林游憩利用强度的相对重要性是什么?

（3）景观特征对康乐用途强度的相对重要性是否因不同类型的活动而有所不同?

02研究区域与方法

2.1研究区域

为了收集数据，我们在Baden-Württemberg联邦州人口稠密的地区(海德堡SH、卡尔斯鲁厄KH和斯图加特R)选择了三处森林(图1)。所选的森林为国家所有，类似的管理方法适用于所有这些森林。森林面积(45~53km2)、封闭森林(80%~81%)、开放绿地(6%~9%)和建成环境(10%~12%)基本一致。然而,森林的三个不同方面的城市和城镇的居民总相交1公里缓冲区森林面积,城市和城镇中心的平均最短的距离到森林边缘,和伸长(短轴长度的最小边界矩形区域(MABR)/MABR长轴长度;表1)。

2.2评估娱乐使用强度和活动

我们使用基于地图的在线调查工具Maptionnaire进行数据收集。调查的问题包括年龄、性别、教育背景、住房状况、婚姻和工作状况，以及研究参与者的每月家庭净收入。在调查的主要部分，我们要求参与者绘制他们在各自城市森林中使用的路线，并说明他们正在进行的活动类型。

为了提高准确性,我们也删除一些存在潜在的缺陷的路线：

(a)非常短,代表一个点,而不是一个路线；

(b)有不同的起点和终点，它们都位于没有任何基础设施的森林林分的中央；

(c)至少有一个线段延伸到一个大区域，并穿过高速公路、水体，或者建筑(一些参与者可能在完成绘制的路线时遇到了技术问题)；

(d)被注释了一条声明，说明绘制的路线不是一条路线。

我们收集了年5月至9月的数据，共名研究参与者(名研究对象，名研究对象，名研究对象)获得了条已绘制的路线(条在RS,条在KH,条在SH)。根据上述标准，我们选择所有绘制路线的77%(n=)进行数据分析(RS为,KH为,SH为)。名研究参与者绘制了选定的路线(名在RS,名在KH,名在SH)。在满足上述标准(n=)的地图路线中，有78%(n=)报告了特定的娱乐活动。

我们实施娱乐使用强度的方法包括多个步骤。首先，我们在每个映射路线周围使用一个50米的缓冲区来定义其周围和可感知区域的范围。接下来，对于每个映射路由，我们计算部分或全部在其50m缓冲区中的所有其他映射路由的总长度(以m为单位)。这个计算只包括在各自缓冲区内的其他路由的部分。最后，对于每个路由，我们将其他映射路由的总长度除以其缓冲区大小，以便将这些值相互关联。这解释了大缓冲区比小缓冲区更有可能包含其他映射路由的总长度。

2.3评估景观特征

选择了景观特征来解释游憩利用强度。我们在每个地图绘制的路线周围使用50米的缓冲区，并评估每个缓冲区内的森林结构属性和土地覆盖类别的面积大小(平方米)，以测量路线的每个周边区域的可见景观特征。土地覆盖类别包括人造基础设施和自然地区特征:已建环境、历史遗址(广场、建筑物)、森林道路、草地、停车场、受保护栖息地、非森林绿地(园地、墓地、农田、高尔夫球场)、体育设施(运动场、体育场、射击场)、街道、水体(河流、沟渠、湖泊、池塘)。受保护的栖息地包括湿地、沙丘(干松树栖息地)、遗留地以及成熟木材和枯木区。因此，在评估的土地覆盖类别中，受保护的栖息地可能是最异质性的。然而，它们的共同点是它们代表了独特的结构组成。森林结构属性包括阔叶林、针叶林和混交林。对于每个缓冲区，我们还测量了地形高度的异质性，即地形高度的标准差。数据由国家空间信息和农村发展机构Baden-Württemberg(年)和开放街道地图贡献者(年)提供。所有地图的分辨率为1m×1m。

2.4数据分析

我们使用多个步骤来确定城市森林中最常见的活动。首先，根据对关于活动类型的开放性问题的回答，我们形成了分类，以平衡考虑各种回应和减少这种回应的需要。因此，我们采用归纳式范畴形成。其次，我们将响应分类到生成的类别中。这是由两名研究人员进行的双盲实验。他们的分类在94%的回答中一致(n=/n=)。对不同类别的答复(n=85)的分配是共同决定的。在同一路线上包含多种活动的回答被分配了相应的次数。第三，我们计算每个类别的响应频率。

将其再分为两类，一个子集包括所有骑行者使用的路线，另一个子集包括所有行人使用的路线(包括散步、慢跑、徒步旅行、遛狗和[北欧]散步)。这种用途分类与城市森林管理相关，因为骑自行车的人对路面的需求与行人不同。由名研究参与者(84名研究参与者，名研究参与者，69名研究参与者)组成的骑行者的亚群包括条地图上的路线(在RS有条，在KH有条，在SH有条)。行人的子集包括条地图路线(条在RS,条在KH,条在SH)，由名研究参与者(条在RS,条在KH,92条在SH)。

我们使用ArcGIS10.5.1(ESRI,)中的空间分析线密度工具，基于已映射的路线创建了热点路线图。该工具计算出每个输出光栅单元半径范围内的线性特征密度。我们使用50米的半径来计算路线周围的可感知区域，每个地图的输出单元大小为10米，以可视化我们的数据。

为了分析景观特征对游憩利用强度的贡献，我们采用线性混合效应模型，将每个地图路径的区域隶属关系和受访者ID作为随机效应。这个数据不是独立于彼此,因为51%(n=)的受访者(n=)映射到多个路线(意思是,中位数,数字的范围和SD映射路线每个被调查者之间映射的人不止一个路线:3.06,2,最近,1.81)。每个路线缓冲区内的景观特征比例被用作固定效果。因此，每个feature的面积大小除以各自缓冲区的总面积。使用路线缓冲区中每个景观特征的比例作为固定效应，降低了景观特征自相关的可能性，并解释了缓冲区越大，接收大面积景观特征的可能性越大的事实。我们对景观特征变量进行z变换，比较其对游憩利用强度的影响。

对于上述每个子集，我们应用了具有上述相同规格的线性混合效应模型，以调查景观特征对特定活动使用强度的贡献。为了检验预测因子之间的共线性，我们计算了三个数据集中的每个数据集的方差膨胀因子(vif)。对于整个数据集、骑行者子集和行人子集，预测器的最大vif分别为3.41、5.24和5.04。这些vif低于问题值10，因此，模型可能不会因共线性而有偏差。

对于三个模型中的每一个，我们测试我们是否满足模型的假设。因此，我们绘制了观测与预测模型的残差，并发现在拟合范围内的方差相对恒定。此外，残差图没有表明任何偏离线性形式。我们应用残差平方的单因素方差分析(ANOVA)来进一步检验残差的方差是否在每个地区的应答者之间是相等的。所有p值均大于0.05(整个数据集、骑行者子集和行人子集分别为0.、0.和0.)。这进一步证实了我们遇到了同方差的假设。我们目测残差的密度，发现模型残差是正态分布的。

03研究结果

3.1城市森林活动的频率和比例

在游客提及的提及的7种较为频繁的活动中，在我们的研究森林中，活动频率有所不同。在KH和SH，骑车被提及的频率(分别为39.46%和30.90%)高于散步(分别为8.86%和16.62%)。相比之下，在R，骑车者和散步者的比例正好相反(骑车者的比例为12.44%，散步者的比例为31.56%)。此外，参与者表示他们通过森林的百分比在KH最高(16.56%)，其次是SH(8.45%)和R(3.11%)。

3.2可视化娱乐使用强度

地图显示，休闲利用强度的模式在我们的三个研究森林不同。在KH和SH，集中使用的区域代表了地区或社区之间的联系。相比之下，R的大部分集中使用区域都位于森林的中心。对于这三个研究森林，热点路线地图显示了行人和骑自行车者的不同使用模式。骑行者密集使用的区域比行人密集使用的区域延伸的距离更大。此外，与步行者密集使用的区域相比，骑行者密集使用的区域更能代表区域和社区之间的联系。对于每个研究森林，行人的使用模式比骑自行车的人的使用范围更小。在KH和SH，行人使用强度最高的区域比骑自行车者使用强度最高的区域要小。反过来，在KH和SH，行人使用中等强度的区域比骑自行车的使用中等强度的区域更大。9张地图(图2)均显示，十字路口代表了高休闲利用强度的区域。总体分析表明，每个研究森林的骑行者和行人的使用模式都是聚集的(表3)。地图上的路线最集中R，其次是KH和SH的森林。对于每个研究森林，行人的使用强度比各自骑自行车的使用强度更集中。在R，骑行者的地图路线最分散，其次是SH的骑行者，SH的行人，以及KH的骑行者(表3)。

三种研究林中，游憩利用强度和地形高度异质性最高，阔叶主导林分、人工环境、在R发现了历史遗迹(附录3)。KH地区草甸的比例最大，SH地区针叶林的比例最大。研究森林在剩余的景观特征方面是相似的。线性混合效应模型显示，固定效应解释了娱乐使用强度中较小比例的差异(分别占总体、骑自行车者和行人的娱乐使用强度的34%、19%和39%)。总体游憩利用强度随路线周围水体、阔叶优势林、受保护生境、体育设施、针叶林优势林和非林地绿地的比例增加而增加(表4)。但总体游憩利用强度随地形高度的异质性而降低。骑行者的使用强度随道路周围水体、运动设施、水体和受保护生境的比例增加而增加(表5)。行人的使用强度随道路周围水体、受保护生境的比例增加而增加。行人使用强度随地形高度异质性和建成环境比例的增大而减小(表6)。

04讨论

4.1城市森林的娱乐用途及其与景观特征的联系

我们发现，根据森林和城市中心之间的空间关系，不同地区的娱乐使用模式有所不同。KH和SH最密集使用的区域是连接城市和周边市政当局的路线。穿过森林是到达受访者目的地的最短和最具吸引力的路线，这可以解释这个结果。KH城市森林的地理环境是特殊的，因为它接触到城市中心和城市城堡，独特的道路从森林中放射状穿过。此外，与R和SH相比，KH的城市森林更加狭长(表1，图1)。这种森林形状和城市规划可能有助于靠近市中心的热路线。此外，KH森林是骑自行车者最集中使用的区域，代表了从市中心到北部地区和市政当局的长直线路线。同样，上述的森林形状和城市规划可能促成了这种使用模式(图2)。与KH和SH的使用模式相比，R最集中的使用区域位于森林的中心。这可以由R最具吸引力的地点来解释，如位于森林中心的历史建筑和广场、餐馆、啤酒花园和水体。此外，R可能要么不能提供连接部分城市和市政当局的最短和最有吸引力的路线，要么没有这样的连接需求。在R，特别是对于行人来说，大多数密集使用的区域代表了一条环形路线。这条路线中心的水体可以解释这一发现。我们的结论是，城市森林在居住区中的空间位置以及森林的形状(拉长或紧凑)都会影响使用者的空间行为。

对于每个研究森林，我们发现骑车者和行人的使用模式不同，这与之前的研究一致。与KH和SH的行人使用模式相比，在R，行人的使用模式被限制在森林中心的一个小区域，并聚集在一个更大的水平上.R的亮点位于森林的中心，对于行人来说比骑自行车的人更有吸引力，这可能促成了这种使用模式。这两组人使用方式的不同可能进一步由骑自行车的人而不是步行的人来解释。此外，用户群体对道路特征和停车设施的不同需求可能导致了不同的使用模式。与Meyer等人类似，到城市中心的距离和活动类型影响了森林的使用模式。我们发现R的娱乐使用强度最高，其次是KH和SH(附录3)。这可能可以用森林周围城镇的居民数量来解释(表1)。在解释娱乐使用强度的最重要的景观特征中，自然区域特征所占比例高于森林结构属性和人工基础设施所占比例。相比之下，之前利用自然景观特征来解释城市森林休闲价值热点的研究发现，人工基础设施最为重要。这种矛盾可以用不同的映射方法来解释。使用娱乐价值的点映射可能会导致受访者倾向于绘制重要特征，如历史建筑。相比之下，当被要求绘制森林中的娱乐路线时，受访者可能较少受到突出的参考点的指导。此外，线特征可以更好地表示各种程度。

景观特征对活动强度的影响。水体、阔叶林和受保护的栖息地是解释自行车和行人使用强度的最重要的变量，事实上，这与之前的研究一致。我们发现，地形高度的异质性降低了游憩利用强度，这与之前的研究不一致。对我们的结果的一个解释可能是，我们研究区域的居民在日常生活中穿过森林，并使用它往返于目的地(例如，从家到公司、幼儿园）。运动场地、体育场和射击场等体育设施增加了娱乐使用强度，这与之前的研究一致。针叶林优势林增加休闲利用强度的程度低于阔叶林优势林。混交种林分对游憩利用强度的影响不大，这与之前的研究结果不一致。德国的大多数林分要么是阔叶的，要么是针叶的，这可能为这一发现提供了一个解释。

比较景观特征对骑自行车者和行人使用强度的贡献，发现景观特征重要性的排序存在差异。对于行人来说，水体远比骑自行车者更重要。这可能是因为骑自行车的人使用路线往返于目的地之间，覆盖更长的距离，并寻找运动挑战。相比之下，行人可能更倾向于参观森林内的景点和景点。地形高度的不均匀性降低了行人的使用强度，但对骑自行车的人没有影响。与其他两个研究森林相比，R的地形高度差异更大，行人使用强度更低的区域更大，这可能为这一发现提供了解释。与行人相比，骑自行车的人更容易受到运动挑战的吸引，这可能是造成这一结果的原因。同样，建筑环境降低了行人的使用强度，而骑车者没有发现这一点。再次，R的行人空间行为可能促成了这一结果，因为它代表了森林中心的一个集群，距离建筑环境很远。反过来，对于骑自行车的人来说，运动设施增加了使用强度，而对于行人来说却不是这样。这可能是因为运动场、体育场和射击场都位于自行车爱好者密集使用的区域旁边。对于KH和SH的研究森林来说尤其如此。

4.2对城市森林管理的启示

我们在本文中提供的城市森林活动特定使用强度地图补充了现有的规划工具，如表示游客数量估计的休闲功能地图。我们的地图是基于一个空间明确的数据收集程序，使当地居民能够绘制他们的娱乐路线。因此，这些地图可以为森林管理者提供关于居民空间行为的更可靠的信息。此外，所采用的方法可能比基于非空间调查数据和现有基础设施地图的模型更能满足公众参与环境决策的需求。空间可视化的热门路线地图可以鼓励森林管理者在特定地点进一步推广娱乐活动。反过来，对于那些使用较少的地区，可以优先管理木材生产。最后，热门路线地图有潜力增强游客引导概念。例如，对于密集的娱乐用途和敏感的森林生态系统高度一致的地区，可以调整管理方式，引导游客前往不太敏感的地区。

研究结果表明，水体、阔叶林和受保护的栖息地是解释自行车和行人使用强度的最重要的景观特征。因此，为了促进户外娱乐活动，城市森林管理者可以改善进入水体的途径，保持大面积的阔叶林，以及由受保护的栖息地(如湿地、干松树栖息地、遗留地和枯木区)所代表的独特结构组成。然而，只有在确保森林健康的情况下，才能改善对敏感生态系统的利用。此外，对运动场地、体育场、花园和墓地的维护和可达性可以加强户外娱乐活动，促进自行车运动。

对于代表高娱乐使用强度区域的十字路口知识，可以用来避免用户群体之间的冲突。在十字路口保持较低的林分密度可能有助于更好的视觉效果，并避免游客碰撞。

4.3对未来研究的限制和启示

（1）因为我们的受访者比一般人群受教育程度更高，男性比例过高(联邦统计局，年)。未来的研究可能会探讨与文化和地理背景相关的休闲森林利用和偏好的差异

（2）我们数据质量的进一步限制可能是参与者准确记忆和绘制娱乐路线的能力

（3）固定效应解释了娱乐使用强度的小比例差异。我们的结论是，景观特征对森林游憩利用强度的贡献的跨区域概括有其局限性。跨区域的娱乐使用强度模型没有考虑到当地的规范。未来的研究可以考虑居民区内森林的空间位置和当地居民的社会人口背景结构，这两者都可能导致区域差异。

（4）未来的研究可能会努力评估更有差异的保护栖息地，以调查其对娱乐利用强度的影响。受保护的栖息地可以是多种多样的(例如，古老的森林或由于放牧或使用而松散放养的地区)。

（5）样本很多无效，需要更简便的方法。未来的研究可能会开发出便于绘制路线的方法。

05结论

我们的研究确定了城市森林活动的频率，可视化了活动特定的热点路线，并揭示了景观特征对休闲利用强度的贡献。热点路线图代表了现有森林功能图的一个进步，因为它们基于更可靠的关于人们在森林中移动的空间明确数据。我们使用公众参与的绘图程序作为视觉化娱乐使用强度的基础。这些地图可以帮助森林管理者根据居民的森林用途和偏好，制定优先目标，并防止娱乐用户群体、自然资源保护主义者和木材行业代表之间的冲突。热门路线地图已经提供给了。各自的林业管理部门。他们被发现是有用的，特别是将娱乐使用强度的空间信息与栖息地的位置联系起来。热门路线图还可以帮助将多种利益，如木材生产、自然保护和娱乐纳入管理计划。我们发现我们的研究森林有不同的娱乐使用模式:与SH和KH相比，R的使用模式更集中。对于每个研究森林，行人的使用强度比各自骑自行车的使用强度更集中。此外，对于每个研究区域，骑自行车者的模式集中在连接市政当局和毗邻森林的城区的路线上。我们得出的结论是，可持续的城市交通管理可以通过维护森林中的道路部分来促进自行车的使用。此外，在十字路口发现大量使用的地区，可能表明这些地区的低林分密度可以避免游客碰撞。我们揭示了水体、阔叶林和受保护的栖息地是最重要的景观特征，以解释每个整体、骑自行车者和行人的使用强度。这些特征对游憩利用强度有正向影响，而地形高度异质性整体降低，行人使用强度降低。相比之下，骑行者的使用强度随着路线周围区域内运动设施比例的增加而增加。我们的结论是，城市森林管理者可以通过保持阔叶林为主的林分比例来促进户外休闲活动。最后，可接近水体以及独特的结构组成——如受保护的栖息地——可能会增强娱乐用途。

编辑：赖志勇

审核：许美静

欢迎

转载请注明:http://www.aideyishus.com/lkjg/45.html