賈艷飛 張智奇 丁玥

建設(shè)健康城市是中國式現(xiàn)代化建設(shè)的重要內(nèi)容之一?！岸蟆眻蟾嫣岢鐾七M健康中國建設(shè)，把保障人民健康放在優(yōu)先發(fā)展的戰(zhàn)略位置[1]。長期以來，健康城市的建設(shè)備受關(guān)注。呼吸系統(tǒng)疾病作為影響居民身心健康的疾病之一，是健康城市議題的重點關(guān)注問題[2]。在新冠疫情前的2019年全球疾病負擔(dān)研究顯示，當(dāng)年全球約有397.43萬人因呼吸系統(tǒng)疾病死亡[3]。研究表明，不健康的建成環(huán)境是居民疾病和心理問題的重要誘因[4]，尤其是長期居住的社區(qū)鄰里環(huán)境（簡稱鄰里環(huán)境）。在此背景下，從居民身心健康出發(fā)的城市空間更新與再建設(shè)，以及關(guān)注呼吸系統(tǒng)疾病與建成環(huán)境影響機制的研究將有利于健康中國建設(shè)的深化發(fā)展[5]。

空氣污染是影響身體健康的重要因子[6-8]，已成為影響人類健康的第四大危險因素[9]。既有研究表明空氣污染能增加心血管和呼吸系統(tǒng)疾病、肺癌和慢性阻塞性肺病等的患病概率[10-12]。Kelishadi等[13]和Eze等[14]學(xué)者探究了各種顆粒物濃度與呼吸系統(tǒng)疾病患病率、死亡率和住院率的關(guān)系。Nazar等[15]對波蘭空氣污染與呼吸健康的關(guān)聯(lián)研究表明，空氣污染水平的增加與呼吸系統(tǒng)疾病死亡率的升高有關(guān)。Khomenko等[16]對空氣污染造成的不良影響展開研究，提出降低空氣污染濃度可以避免相當(dāng)一部分城市居民過早死亡。國內(nèi)學(xué)者也對城市環(huán)境和呼吸系統(tǒng)疾病之間的關(guān)系做了大量研究，如王蘭等[17]指出空氣中的顆粒物濃度變化將顯著影響呼吸系統(tǒng)疾病的患病風(fēng)險；李振興等[18]指出不良的氣候環(huán)境和環(huán)境污染都對呼吸系統(tǒng)疾病具有顯著影響，并解析了城市生產(chǎn)、生活和生態(tài)空間對呼吸系統(tǒng)健康的影響路徑。既有研究多從空氣污染與呼吸系統(tǒng)疾病的關(guān)系展開研究，對于建成環(huán)境與呼吸系統(tǒng)疾病之間關(guān)聯(lián)機制的研究則相對缺乏。

在探究鄰里環(huán)境對健康的影響中，研究者多聚焦于建成環(huán)境與體力活動、肥胖、心血管病或糖尿病關(guān)聯(lián)機制上，通過問卷調(diào)查或者定性分析的方式展開研究。Mccormack等[19]發(fā)現(xiàn)社區(qū)建設(shè)條件，包括街道、土地、人口和住宅密度能夠影響體力活動的概率和形式。Saelens等[20]和Foster等[21]提出社區(qū)公園空間的安全性和美學(xué)性能在一定程度上影響體力活動的方式-。此外，鄰里空間特征也會影響居民的健身和飲食方式[22-23]，如鄰里范圍內(nèi)快餐店空間分布與肥胖癥有著顯著關(guān)系[24]。謝波等[25]基于居民腦卒中疾病數(shù)據(jù)，通過空間回歸分析，揭示了高密度居住環(huán)境對居民患腦卒中疾病的影響。王何王等[26]歸納了住區(qū)空間規(guī)劃建設(shè)在引導(dǎo)居民健康生活習(xí)慣上的作用路徑。相關(guān)研究的數(shù)據(jù)多來源于問卷調(diào)查，而基于醫(yī)院確診信息開展的相關(guān)研究較為缺乏，且通過問卷數(shù)據(jù)來揭示建成環(huán)境與呼吸健康的關(guān)聯(lián)度，難免與實際情況存在一定的偏離。運用定量的方法揭示呼吸健康受鄰里建成環(huán)境的影響，為健康城市的建設(shè)提供具有可操作性的優(yōu)化干預(yù)措施是當(dāng)前較為迫切的問題。

1 研究范圍與研究方法

1.1 研究范圍

某市作為典型的工業(yè)城市，快速城市化引起人口快速增長與主城區(qū)人口的大規(guī)模集聚，導(dǎo)致主城區(qū)內(nèi)建成環(huán)境質(zhì)量持續(xù)下降。主城區(qū)內(nèi)存在數(shù)量較多的老舊小區(qū)，環(huán)境衛(wèi)生設(shè)施較為缺乏，小區(qū)建筑密度普遍較高，這在很大程度上制約了鄰里環(huán)境的優(yōu)化和提升。居民近年來呼吸系統(tǒng)疾病的患病人數(shù)持續(xù)增加，鄰里環(huán)境與居民呼吸系統(tǒng)疾病的關(guān)聯(lián)機制研究迫在眉睫。

本研究選取某地級市三級甲等醫(yī)院所在的城市片區(qū)作為研究范圍（圖1），包括398個社區(qū)。為避免因為就近看病而產(chǎn)生的統(tǒng)計偏差，本研究通過對該市呼吸系統(tǒng)疾病人群的就診醫(yī)院空間分布分析，確定了研究范圍內(nèi)該醫(yī)院的呼吸系統(tǒng)疾病人群的就診比例占有絕對優(yōu)勢。當(dāng)然，一家醫(yī)院的數(shù)據(jù)不能代表研究范圍內(nèi)全部醫(yī)院的普遍情況，本研究旨在通過該醫(yī)院的代表性數(shù)據(jù)來揭示鄰里環(huán)境與呼吸系統(tǒng)疾病的關(guān)聯(lián)效應(yīng)。

1 研究范圍Research area

1.2 研究方法

本研究基于研究范圍內(nèi)2015—2018年呼吸系統(tǒng)疾病住院人群（簡稱患病人群）數(shù)據(jù)①，借助ArcGIS的空間自相關(guān)和Getis-Ord Gi＊空間熱點分析工具，分析患病人群的空間分布特征；利用有序Logistic回歸模型，從居住環(huán)境、生態(tài)質(zhì)量、道路交通3個方面選取影響因子，探究社區(qū)居民呼吸系統(tǒng)疾病患病率與鄰里環(huán)境的相關(guān)性；選取街景綠視率作為影響因子來探究鄰里環(huán)境范圍內(nèi)的街景綠化與呼吸系統(tǒng)疾病的關(guān)系，為指導(dǎo)中微觀尺度的城市設(shè)計優(yōu)化提供依據(jù)；選取具有代表性的樣本社區(qū)，提出鄰里環(huán)境優(yōu)化方向，以期通過架構(gòu)鏈接設(shè)計方法，為改善鄰里環(huán)境提供一種空間設(shè)計思路。

1.2.1 鄰里環(huán)境影響因子選取

既往研究表明，鄰里環(huán)境中的多項因素與人體健康存在不同程度的相關(guān)性。綠色空間具備重要的健康干預(yù)作用[27]，一定規(guī)模的綠地能有效消減PM2.5濃度[28]；高密度的城市空間形態(tài)能直接影響城市通風(fēng)廊道與空氣環(huán)境，進而影響人體健康[29]。在社區(qū)尺度，人口和住宅密度與體力活動方式、頻次相關(guān)，特別是步行行為[22,30]。

本研究根據(jù)研究區(qū)域特點和呼吸系統(tǒng)疾病的空間分布，探究鄰里環(huán)境對呼吸健康的影響效應(yīng)，以期得出兩者之間的直接影響關(guān)系，因此沒有考慮空氣污染這類間接影響要素[17,31]。過往研究多選取用地類型、容積率、人口密度、街道可步行性、綠色空間等指標(biāo)作為鄰里環(huán)境影響因子[19,22-23,25]，本研究在此基礎(chǔ)上，結(jié)合研究區(qū)域的實際情況和數(shù)據(jù)獲取的難易程度，從居住環(huán)境、生態(tài)質(zhì)量和道路交通3個方面選取了12個影響因子（表1）。其中，居住環(huán)境層面選取居住人口密度、建筑密度、容積率和居住用地占比4個因子；生態(tài)質(zhì)量層面選取綠化用地占比、植被覆蓋率、街景綠視率以及天空開闊度4個因子；道路交通層面選取一級道路路網(wǎng)密度、二級道路路網(wǎng)密度、道路可見度和交通設(shè)施密度4個因子。

表1 鄰里環(huán)境對呼吸健康的影響因子Tab.1 Neighborhood environment factors that influence respiratory health

1.2.2 呼吸系統(tǒng)疾病數(shù)據(jù)提取

呼吸系統(tǒng)疾病數(shù)據(jù)包括患者登記的家庭地址、入院日期、出院日期、性別、年齡以及診斷描述等?；诨颊呒彝サ刂沸畔?，通過ArcGIS軟件對呼吸病患數(shù)據(jù)進行空間化處理得到每個社區(qū)的病患數(shù)據(jù)（圖2）。由于是采用住院人群的家庭住址信息進行分析，住址信息可以代表患病人群的長期居住環(huán)境，而普通的公共空間抽樣，除選取在居住小區(qū)這類地址外，其他在抽樣點的調(diào)查人群其空間位置即為抽樣點，而并非長期居住的生活空間，因此住址信息可以在一定程度上規(guī)避公共空間隨機抽樣所存在的空間偏移問題。

2 患病人群空間分布圖Spatial distribution of the diseased population

1.2.3 鄰里環(huán)境數(shù)據(jù)提取

城市社區(qū)人口數(shù)據(jù)來源于該市2017年的統(tǒng)計年鑒；道路交通數(shù)據(jù)、建筑輪廓數(shù)據(jù)是通過百度地圖平臺抓取獲得的2017年交通設(shè)施點位數(shù)據(jù)和一級、二級道路網(wǎng)絡(luò)數(shù)據(jù)；土地利用數(shù)據(jù)來源于清華大學(xué)地球系統(tǒng)科學(xué)系宮鵬教授2017年全國土地利用覆蓋數(shù)據(jù)[32]，并在ArcGIS中裁剪出研究范圍內(nèi)的土地利用覆蓋數(shù)據(jù)；街景圖片數(shù)據(jù)則基于2017年的百度街景地圖，在研究范圍內(nèi)沿道路共選取11 076個街景視點，并通過語義分割對街景圖片中的物體進行識別，其中街景語義分割是以DeepLab-V3+作為圖像語義識別模型[33]，使用Cityscapes大規(guī)模數(shù)據(jù)集作為訓(xùn)練的語義標(biāo)記來識別城市街景，常用語義標(biāo)簽為建筑物、樹木和天空等共19種要素（圖3、4）。

3 鄰里環(huán)境影響因子空間分布Spatial distribution of neighborhood environment factors

4 城市片區(qū)街景分析樣例Sample of streetscape analysis for urban areas

1.2.4 數(shù)據(jù)分析

首先，采用空間自相關(guān)方法分析患病人群在空間分布上的集聚性特征，通過全局莫蘭指數(shù)和局部莫蘭指數(shù)說明患病人群在整體空間上的集聚性和空間內(nèi)部集聚的具體特性。計算結(jié)果大于0表示空間正相關(guān)，且值越大空間集聚越明顯；反之結(jié)果小于0表示空間負相關(guān)，值越小空間異質(zhì)性越強，結(jié)果等于0則表示無相關(guān)性。其次，根據(jù)局部莫蘭指數(shù)的計算結(jié)果，可將集聚狀態(tài)分為高-高聚集、低-低聚集、高-低聚集、低-高聚集4個類型。然后，利用熱點分析工具識別熱點區(qū)域，得分越高，高值的聚類就越緊密。最后，采用有序Logistic回歸模型以社區(qū)患病程度為因變量，分析其與建成環(huán)境的相關(guān)性。與二分類Logistic回歸不同的是，有序Logistic回歸適用于因變量為等級或者程度差別的研究對象。

2 結(jié)果與分析

2.1 患者特征整體描述分析

2015—2018年該醫(yī)院呼吸科總住院量為20 071例。利用SPSS軟件對患病數(shù)據(jù)進行統(tǒng)計分析，得出研究期間患者年平均住院次數(shù)為1.777次，患者平均年齡為55歲（表2）。統(tǒng)計診斷描述數(shù)據(jù)，分析得出呼吸系統(tǒng)患病類型主要為肺部感染、慢性阻塞性肺病急性加重、支氣管哮喘、慢性阻塞性肺病伴急性下呼吸道感染等。

表2 患病人群特征及住院信息描述性統(tǒng)計Tab.2 Descriptive statistics of patient characteristics and hospitalization information

分別按照性別和年齡（0～14歲為兒童，15～64歲為中年，65歲以上為老年）對所有患者進行類別劃分，結(jié)果表明男性患者比例明顯高于女性；不同年齡段的住院次數(shù)存在差異（圖5-1），老年男性和中年女性的入院次數(shù)相對較高；不同年齡段患者的入院時間也存在差異（圖5-2），兒童群體入院時間主要在7～9月，季節(jié)變化對兒童患病的影響較大，對其他年齡群體沒有顯著影響。

5 患者住院信息分類匯總均值Mean value of aggregated patient hospitalization information by category5-1 按年入院次數(shù)分類統(tǒng)計結(jié)果Results of classified statistics by annual number of hospitalization5-2 按入院月份數(shù)量分類統(tǒng)計結(jié)果Results of classified statistics by number of months of hospitalization

2.2 患者空間分布特征：散點集聚分布

依據(jù)398個社區(qū)的每萬人患病人數(shù)，將社區(qū)患病程度由高到低劃分為5個等級：高患病社區(qū)、較高患病社區(qū)、一般患病社區(qū)、較低患病社區(qū)、低患病社區(qū)（圖6）。研究范圍南側(cè)和西側(cè)社區(qū)的患病程度顯著較高，且集聚性較強；相比之下，區(qū)域北側(cè)和東側(cè)的除少數(shù)幾個社區(qū)外，整體患病程度相對較低。

6 每萬人患呼吸系統(tǒng)疾病人數(shù)統(tǒng)計Statistics of respiratory disease patients per 10,000 population

進一步分析得出該區(qū)域患病率前16的社區(qū)②呈散點集聚分布（圖7）。其中L社區(qū)每萬人患病數(shù)最高，為77人，其次為G社區(qū)和A社區(qū)，每萬人患病數(shù)分別為67和61人。

7 高患病率社區(qū)空間分布Spatial distribution of communities with high prevalence of respiratory disease

2.3 患者空間集聚特征：空間集聚顯著

為探究患病人群的空間集聚特征，首先運用全局莫蘭指數(shù)工具判斷社區(qū)相對患病率屬于隨機分布還是集聚分布。莫蘭指數(shù)分析結(jié)果為0.131，z得分為9.929，p值為0.001（圖8）。即表示該片區(qū)患病人群在空間上表現(xiàn)出顯著集聚性，在研究范圍內(nèi)各社區(qū)患病程度之間存在潛在依賴性。

8 空間自相關(guān)結(jié)果Spatial autocorrelation results

2.4 患者集聚類型分析：高-高聚集特征明顯

通過全局莫蘭指數(shù)得出患病人群的空間聚集特征，但是無法判斷其集聚狀態(tài)。因此在確定空間權(quán)重矩陣之后，利用GeoDa軟件進行局部莫蘭指數(shù)分析。結(jié)果顯示，聚集特征主要表現(xiàn)在患病程度較高的社區(qū)（圖9）。該片區(qū)的東南老城區(qū)域主要呈現(xiàn)高-高聚集，其周圍則為低-高聚集區(qū)；而北側(cè)地區(qū)低-低聚集特征明顯。

9 聚類和異常值分析Clustering and outlier analysis

2.5 聚類熱點分析：熱點集中于南側(cè)

高/低聚類檢驗可以測度該城區(qū)各社區(qū)患病程度的空間分布模式，并將結(jié)果表現(xiàn)為高值集聚或低值集聚。結(jié)果顯示，標(biāo)準(zhǔn)差倍數(shù)z得分為3.903（圖10），隨機產(chǎn)生此高值集聚模式的可能性小于1%。患病人群熱點區(qū)域顯著集中（圖11），片區(qū)西南側(cè)6條街道的聚類熱點分析結(jié)果Gi＊大于0時，呈現(xiàn)高值集聚區(qū)，即“熱點”；而片區(qū)南側(cè)5條街道的聚類熱點分析結(jié)果Gi＊小于0時，呈現(xiàn)低值集聚區(qū)，即“冷點”。

10 高/低聚類結(jié)果High/low clustering results

11 患病人群Gi＊熱點分布Gi＊ hotspot distribution of the diseased population

2.6 影響因素探究：呼吸系統(tǒng)疾病受多項鄰里環(huán)境因素影響

為減少統(tǒng)計誤差帶來的影響，本研究剔除每萬人呼吸系統(tǒng)疾病患病人數(shù)低于2人的社區(qū)以及該醫(yī)院附屬的社區(qū)，同時剔除部分影響因素異常的社區(qū)，最終得到201個有效樣本社區(qū)。

有序Logistic模型擬合效果較好，顯著性為0，表明患呼吸系統(tǒng)疾病概率與鄰里環(huán)境之間存在相關(guān)性。且研究所選取的解釋變量經(jīng)過了平行線檢驗，表明解釋變量之間并不存在多重共線性關(guān)系。模型擬合優(yōu)度R2為0.307（R2越接近1，表示模型擬合結(jié)果越好），表明研究范圍內(nèi)的鄰里環(huán)境與呼吸系統(tǒng)疾病有一定聯(lián)系，可用于解釋鄰里環(huán)境因子對呼吸系統(tǒng)疾病具有影響。

模型分析結(jié)果表明（表3），研究區(qū)域的居住人口密度、容積率、街景綠視率、天空開闊度、交通設(shè)施密度與呼吸系統(tǒng)疾病患病率存在顯著相關(guān)性。其中容積率對患呼吸系統(tǒng)疾病有顯著的正向影響，即容積率越高，社區(qū)患病率越高。而居住人口密度、街景綠視率、天空開闊度、交通設(shè)施密度均對呼吸系統(tǒng)疾病患病率有顯著的負向影響，即數(shù)值越大，患病率越低。而其他鄰里環(huán)境影響因子與呼吸系統(tǒng)疾病患病率的關(guān)聯(lián)性較弱。

表3 有序Logistic模型的分析結(jié)果Tab.3 Analytical results of ordered logistic model

3 研究結(jié)果及優(yōu)化建議

3.1 鄰里環(huán)境對呼吸健康的影響機制

3.1.1 高密度的居住環(huán)境會影響人體呼吸健康

本研究發(fā)現(xiàn)容積率與呼吸系統(tǒng)疾病之間存在強關(guān)聯(lián)作用，而建筑密度、居住用地占比的影響并不顯著。城市中心區(qū)容積率較高會在一定程度上阻礙空氣流通[34-35]，導(dǎo)致空氣污染物無法及時擴散，對呼吸健康產(chǎn)生不利影響。值得關(guān)注的是，分析結(jié)果顯示居住人口密度與患病率呈負相關(guān)，經(jīng)調(diào)研發(fā)現(xiàn)，研究片區(qū)的居住人口與容積率并不成正比，老城區(qū)中的老舊小區(qū)雖然居住人口密度較低，但整體居住環(huán)境較差，呼吸系統(tǒng)疾病的患病概率相對較高。因此，居住人口密度與患病率并無直接關(guān)聯(lián)，通過控制城市開發(fā)強度和改善公共空間可以有效改善居民健康[36]。

3.1.2 完善的交通設(shè)施有助于改善空氣質(zhì)量

交通是影響公眾健康的維度之一[37]，交通設(shè)施密度在一定程度上與呼吸系統(tǒng)疾病之間存在相關(guān)性，而路網(wǎng)密度與呼吸系統(tǒng)疾病之間沒有表現(xiàn)出明顯的相關(guān)性。路網(wǎng)密度對空氣污染物存在正負兩方面的效應(yīng)，路網(wǎng)密度的提升在一定程度上加大了開發(fā)強度，同時也會對人們出行方式的選擇產(chǎn)生影響。完善的交通設(shè)施體系可以引導(dǎo)居民形成綠色低碳的出行方式，降低汽車尾氣排放，同時促進居民體力活動，一定程度上間接改善了空氣質(zhì)量。

3.1.3 街道綠化在社區(qū)層面可以顯著改善呼吸健康

天空開闊度和街景綠視率均對呼吸健康具有顯著影響，植被覆蓋率和綠化用地占比的影響并不顯著。街景中天空面積比例高的社區(qū)患病率相對較低，主因是因為天空開闊度越高，產(chǎn)生城市熱島效應(yīng)的概率就越低[38-40]，越有利于形成良好的空氣環(huán)境。街道兩側(cè)的綠植對汽車尾氣等空氣污染物具有較強的吸滯效應(yīng)和良好的物理屏障作用[41]，能有效改良呼吸環(huán)境，這是街景綠視率對呼吸健康具有顯著影響的重要原因之一。植被覆蓋率和綠化用地占比的影響并不顯著，這可能是由于城市綠地包含了公園綠地、防護綠地、生產(chǎn)綠地、附屬綠地等，不同的綠地類型發(fā)揮著不同的功能，而并非所有的綠化用地都能起到改善呼吸健康的作用。雖然植被覆蓋率和綠化用地占比對呼吸健康的影響不顯著，但已有研究表明公園可達性對體力活動具有積極促進作用[42]。

3.1.4 呼吸健康受多種因素的綜合影響

通過對患病率排名前10的社區(qū)進行實地調(diào)研，發(fā)現(xiàn)患病率較高的社區(qū)除了存在高密度、少綠化等鄰里環(huán)境共性特征外，還表現(xiàn)出一些社會環(huán)境和群體分布的共性特征，這在過往相關(guān)研究中也已經(jīng)得到了論證[43-45]。具體表現(xiàn)在社區(qū)男性比例普遍高于研究區(qū)域平均水平，老年人群比例普遍高于研究區(qū)域平均水平，社區(qū)凝聚力和居民參與社區(qū)活動的積極性普遍較低等方面。模型分析結(jié)果和實地調(diào)研的結(jié)果表明，呼吸系統(tǒng)疾病同時受到鄰里建成環(huán)境、社會環(huán)境、人群分布特征等因素的綜合影響。

3.2 鄰里環(huán)境優(yōu)化建議與措施

選取患病率較高的L社區(qū)進行鄰里環(huán)境優(yōu)化的實證分析。該社區(qū)整體建筑質(zhì)量較差，以2000年以前建造的建筑為主，且社區(qū)內(nèi)有相當(dāng)數(shù)量的自建房。社區(qū)整體建筑密度約35%，局部地塊的甚至超過45%。社區(qū)內(nèi)街巷空間狹窄，步行空間局限，存在大量的機動車與非機動車停車、商鋪售賣等侵占步行空間的現(xiàn)象，部分街巷寬度不足1.5 m；社區(qū)內(nèi)綠化較少，道路兩側(cè)種植行道樹的占比較低，唯一的集中綠地為社區(qū)中部的城市公園（圖12）。

12 L社區(qū)鄰里環(huán)境現(xiàn)狀Current status of the neighborhood environment of Community L

從呼吸健康的視角出發(fā)，本研究對該社區(qū)的步行空間、建筑空間、綠化空間進行優(yōu)化設(shè)計與鄰里環(huán)境改良（圖13）。在步行空間優(yōu)化方面，一是在原有車行道兩側(cè)劃分出人行步道空間，二是將部分建筑的底層架空，提升社區(qū)步行性。通過步行空間的優(yōu)化設(shè)計，能夠改善居民出行的道路空間品質(zhì)，提升綠色低碳出行的比例，一定程度上間接降低了汽車尾氣排放，形成了更為健康的呼吸環(huán)境。在建筑空間優(yōu)化方面，主要從拆除臨時搭建和違章建筑著手，在空地周邊植入更多的微型綠地。通過建筑空間的優(yōu)化能夠在一定程度上降低地塊的容積率和建筑密度，提升綠視率和植被覆蓋率，改善建筑及綠化空間品質(zhì)。在綠化空間優(yōu)化方面，一是將原有的零散綠地進行集中整合；二是組織“口袋公園—微型公共綠地—宅邊綠地”的三級綠化空間層次，通過社區(qū)綠廊進行有機串聯(lián)。已有研究表明，片狀集中綠地相較于零散的點狀和斑塊綠地，其綠化層次更高、植物種類更豐富、綠化視面的連續(xù)性更好，有著更高的綠視率[46]。因此，社區(qū)層面的綠地集中化能夠有效改善社區(qū)公共空間的綠化品質(zhì)，塑造健康的呼吸環(huán)境。

13 L 社區(qū)鄰里環(huán)境空間優(yōu)化策略Spatial optimization strategy for neighborhood environment of Community L

4 結(jié)語

呼吸系統(tǒng)疾病受多重因素的影響，包括居民的個體特征、自然環(huán)境、建成環(huán)境等，呈現(xiàn)出復(fù)雜的致病機理。本研究主要以居民日常生活的鄰里環(huán)境為切入點，以某市的城市片區(qū)為例，探討鄰里環(huán)境和呼吸健康之間的關(guān)聯(lián)性。構(gòu)建了基于患病數(shù)據(jù)和鄰里環(huán)境空間數(shù)據(jù)的ArcGIS空間回歸模型和有序Logistic回歸模型，發(fā)現(xiàn)容積率是影響居民呼吸健康的主要負面因素；而交通設(shè)施密度、街景綠視率、天空開闊度均在一定程度上對呼吸健康產(chǎn)生正面影響。并以研究區(qū)內(nèi)典型的L社區(qū)為樣本，從步行空間、建筑空間、綠化空間3個方面，進行呼吸健康導(dǎo)向下的鄰里環(huán)境空間優(yōu)化設(shè)計，以探索健康鄰里環(huán)境優(yōu)化設(shè)計的具體路徑。此外，本研究在城市環(huán)境與呼吸健康的交叉研究領(lǐng)域內(nèi)進行工具分析語言結(jié)合空間設(shè)計語言的探索，為城市環(huán)境及相關(guān)學(xué)科開展工具語言與設(shè)計語言的融合研究提供了參考與借鑒。

由于研究范圍本身的建成環(huán)境也會對研究變量產(chǎn)生一定的影響；同時社區(qū)的樣本量和鄰里環(huán)境要素的選取有限，其他鄰里環(huán)境要素對呼吸健康的影響有待進一步的研究；此外，由于患病數(shù)據(jù)僅來自1家代表性醫(yī)院，僅代表研究區(qū)域內(nèi)主要呼吸系統(tǒng)疾病患者，也難以將患者的社會背景、家庭情況、經(jīng)濟收入等信息納入考慮，這些都使得分析結(jié)果具有一定的局限性。鄰里環(huán)境與呼吸健康關(guān)聯(lián)性在數(shù)據(jù)獲取、模型建構(gòu)等方面都還有深入研究的空間，有待進一步深化和細化。

注釋(Notes)：

① 由于2019年及之后的數(shù)據(jù)涵蓋了疫情期間的呼吸系統(tǒng)疾病住院數(shù)據(jù)，為消除此方面的影響，兼顧數(shù)據(jù)的準(zhǔn)確性，故選擇2015—2018年的數(shù)據(jù)。

② 排除該醫(yī)院所在社區(qū)，是因為部分住院人群選擇在醫(yī)院周邊租住，填寫信息為短期租房信息，所以存在信息偏差的可能性。

圖表來源(Sources of Figures and Tables)：

文中所有圖表均由作者繪制/拍攝，其中圖1～3、6～7、9、12底圖中的社區(qū)邊界數(shù)據(jù)來源于該市的地理信息公共服務(wù)平臺。