杂志汇中国园林

　　摘要：大数据作为众源地理数据的典型代表，具有数据量大、现势性好、信息丰富等优势。大量文献和研究已证实新浪微博签到数据对于市民活动分析具有实际意义，能够为城市空间研究和市民活动分布分析提供有效的数据源，弥补了社会调查数据样本量小和时间跨度短的不足。以北京市中心城公园绿地为研究范围，利用2013年北京市新浪微博签到数据，进行绿地使用研究，分析北京市中心城公园绿地的使用现状，并从绿地使用角度为城市绿地系统规划的修编提供建议。研究结果揭示：公园绿地使用率首都功能核心区高于城市功能拓展区；公园绿地使用受公园类型影响较大，而不同绿地类型的绿地使用影响因素不同；不同时期北京市中心城绿地使用会发生空间、游憩类型和立地条件上的变化。

关键词：风景园林；大数据；中心城；绿地使用；新浪微博签到文章编号：1000-6664(2016)09-0122-07

中图分类号：TU 986 　 文献标志码：A　收稿日期：2015-09-04； 　修回日期：2016-05-05

基金项目：北京市共建项目专项资助

Abstract: Sina micro-blog check-in data which is a typical representative of social networking servicing has the advantages of large amount of data with updating and rich information. Meanwhile, Sina micro-blog check-in data can provide an effective data source for the city space research and citizen activity distribution analysis which could make up limitation of sample size and time span in the social survey. A large number of researches has confirmed the validity of the public's live action analysis. In this paper, the authors took the green space in the central city of Beijing as the research scope with the use of Sina micro-blog check-in data of Beijing in 2013 aiming to research of the current use status of the green space in Beijing and provide some suggestions to the revision of the urban green system planning from the green perspective. The results showed that: the use rate of the core area of the capital function in central city is significantly higher than that of the urban expansion area in Beijing; the green space use in Beijing's central city was significantly influenced by the type of green space; and there were different factors affecting the use of green space of different type; and in different periods, the use of green space in Beijing's central city had several changes in space, recreation type and site condition in different periods.

Key words: landscape architecture; big data; central city; use of green space; Sina micro-blog check-in

1 大数据在人居环境学科中的应用综述

大数据泛指大规模、超规模的数据集，它并不是一个新的概念，而是传统小样本数据分析研究样本数量的扩展[1]。随着大数据挖掘和分析支撑技术的发展和完善[2]，其应用方向逐渐多样化，它正在改变着人的思维方式，甚至引起各行各业深刻的变革，并成为当今科学研究的热门话题[3]。由于精确的大数据挖掘和分析，能够为规划设计的调研、分析、方案推演、评价等过程提供支撑[4]，大数据已成为提升人居环境研究科学性的重要保证。尤其是城市时空行为研究方面，通过IC卡刷卡、GPS、微博签到等大数据的解译，运用聚类分析、热力分析和差值分析等统计方法以及时空棱柱或路径、叙述性偏好、结构方程模型等数学模型对城市的时空行为现象进行分析[5-7]，能够扩大时空行为的研究范围，并增加研究结果的精确性[8]。目前，基于大数据的大尺度规划应用已较成熟，在研究空间尺度、时间维度和研究粒度的定量研究上实现了重大突破[9]，例如龙瀛等提出“数据增强设计”理论[4]，王鹏等提出城市规划数据生命周期[10]，但这些理论和应用多是面向城市规划学科提出的，在风景园林学科，大数据的应用尚不完善：李方正等利用北京市公交刷卡的二次数据进行北京市中心城绿道选线的应用研究[11]，董琦等提出大数据挖掘是新型城镇化背景下公众参与风景园林规划设计的途径[12]。面对大数据时代的机遇，风景园林学科应该如何做出响应？本文将以大数据辅助绿地评价，进行大数据的应用研究，扩展大数据在风景园林学科的应用方式。

2 微博签到大数据与绿地使用研究

大数据类型丰富，数量、容量和代表性具有差异，通过对常用大数据类型对比分析(表1)，本研究选取微博签到大数据进行绿地使用研究。微博(micro-blog)是一种可以即时发布消息的系统，其单条文字内容均在140字以内，通过手机客户端或电脑端口实现即时分享，并提供实时的签到服务[13]。微博签到大数据是众源地理数据的典型代表，这些来自非专业大众的签到数据具有数据量大、现势性好、信息丰富、成本低等优势，成为近年来国际地理信息科学领域的研究热点[14-18]。作为国内使用率最高的微博网站[19]，截至2012年12月底，新浪微博用户规模已达到3.09亿，占中国网民总数的54.7%。其中，65.6%的微博用户以手机客户端形式登录微博[19-20]。由于新浪微博签到数据完整地记录了包括微博用户的地理信息(经纬度坐标)、时间信息、文本信息等相关内容[21]，因此，通过对大样本量的微博签到数据进行挖掘，能够及时有效地代表和反映微博使用者的活动，并记录其当时的感受。同时，微博签到数据的信息反映了话语权向大众的回归。微博本身是一个完全开放、平民化及多人参与的网络互动平台，社会动员能力强，非常适合信息技术影响下的碎片化时空利用方式分析[22-23]。虽然微博签到大数据缺少儿童和老年人部分人群的行为信息，只代表高频率使用信息设备人群的行为，但这些人群也正是活动最频繁、空间流动性最大的人群[21]。此外，已有大量文献验证微博签到等大数据能反映市民的实时行为，即对城市空间的使用情况。王波等利用新浪微博位置服务大数据对南京市城市活动空间活动进行划分[21]；胡庆武等利用位置签到数据识别和探索武汉市城市热点区域和商圈[24]；熊丽芳利用微博签到数据划定长三角城市群居民活动空间范围[25]；张子昂等利用微博签到数据分析南京钟山风景区的旅游活动时空行为特征[26]。但目前，尚无文献将微博签到大数据应用于城市绿地使用空间分布的研究。传统绿地使用评价通常使用POE等方式选取特定的时间段、人群和地点，对绿地使用的空间分布特征等进行分析，这种方式具有时间跨度小、人群样本小和评价结果较主观等不足，一定时间段的微博签到大数据恰能弥补传统社会学调查方法的不足。微博签到数据能够在一定程度上反应市民和游客空间活动分布规律。根据微博签到地点的矢量化处理，映射至绿地空间位置，基于核密度量算人群在绿地的停留行为和签到情况，得到具有显著样本量和时间跨度的统计数据，即可挖掘市民和游客的绿地使用空间特征信息，反映他们对绿地的使用频次和喜好，进而能够评价市民对城市绿地的使用率。

微博签到对于不同使用人群空间行为的反应程度有所差异。根据目前国内外对青年、中年、老年年龄组的划分，结合微博数据适用人群的年龄分布，本研究将新浪微博用户划分为青年群体(19~24岁)、中年群体(24~50岁)和老年群体(＞50岁)。新浪微博用户发展报告[27]通常以月活跃用户数作为样本，反映微博用户的总体数量。根据2014年度新浪微博用户发展报告的统计(表2)，新浪微博月活跃用户年龄构成以中青年群体为主。从全国范围来看，新浪微博月活跃用户总量为1.67亿人，其中青年群体占45%，中年群体占36%，老年群体占1%。从北京范围来看，新浪微博月活跃用户总量为1 430万人，占全国的8%，可见北京市微博等网络媒介普及程度较高，提升了本文的数据代表性。而北京市微博用户中，青年群体占32.7%，中年群体占46.2%，老年群体占2.3%，中年人群的新浪微博月活跃用户的比例要相比全国高出10.2%。根据2014年北京常住人口年龄构成报告[28]可知，北京常住人口总量约为2 151.6万人，其中，青年群体约为467.3万人，中年群体约为752.3万人，老年群体约为634.4万人。结合年龄构成综合计算，得出中青年群体的微博月活跃用户量占北京常住人口总量的57%，而老年群体的微博月活跃用户量仅占北京常住人口的1.5%。因此，新浪微博数据对于中青年的空间行为具有代表性和可信性，而对老年群体的空间行为反映程度较低。因此，在以中青年人为主体的北京市城市功能拓展区，微博签到数据的统计可以较好地反映该区域绿地空间的使用情况。而在北京市首都功能核心区，由于老年群体数量大，比例相对较高，是该区域绿地的重要使用人群，因此，此区域的微博签到可反映该区域中青年对绿地的使用情况，不能反映该区域人群总体对绿地的使用情况。

3 研究方法3.1 研究对象

本文使用已矢量化的北京2013年一整年的新浪微博数据，共868万条，记录143 576个地点的签到信息，坐标为火星坐标系[29]。本研究所使用的矢量化数据包含每个签到点的签到次数、签到拍照数量、签到地点、签到具体位置、位置谷歌地图链接和签到点的POI地址，并隐去签到者的ID信息。研究对象经过预处理后用于挖掘研究范围内绿地的签到数据(图1)。

图1 北京市2013年新浪微博签到数据空间分布(作者改绘自参考文献[29]

3.2 研究范围

本研究拟通过对北京市中心城内绿地的签到数据进行挖掘和分析，从市民签到角度对绿地使用进行评价。根据《北京市绿地系统规划(2004—2020)》的规划范围和绿地，确定本文研究范围为北京市中心城，主要包括东城区、西城区、朝阳区、海淀区、丰台区、石景山区等地区内总面积1 088km2的公园绿地。按照绿地系统分类，涵盖研究区内的综合公园、专类公园、社区公园、街旁绿地和带状公园，主要包括北京植物园、北海公园、香山公园、颐和园和玉渊潭公园等市属公园和地坛公园、月坛公园、南中轴线绿地、桃园公园和人定湖公园等区属公园(图2)。

图2 北京市中心城公园绿地分布图(作者改绘自参考文献[30]))3.3 数据采集与处理

研究的原始数据来源于SINA OPEN中的签到数据接口，收集2013年北京市中心城一整年新浪微博签到数据，获取后制定坐标系，选取本研究所需要的每个签到点的签到次数、签到拍照数量、签到地点、签到具体位置、位置谷歌地图链接和签到点的POI地址信息，并在Arc Gis中进行空间矢量化录入和处理，得到全体签到数据。然后在GIS中录入研究区绿地范围，将绿地范围内的签到数据进行剪裁，并使用空间连接工具，将签到图层的数据连接到绿地图层，选择签到次数求和，即可计算出研究区每块绿地全年的新浪微博签到总次数(360 985条)，用于中心城绿地使用空间分布的分析(图3)。

图3 北京市2013年新浪微博中心城绿地签到热力分布图(作者绘)4 北京中心城绿地使用空间分布分析

通过对北京市2013年新浪微博对绿地使用签到大数据进行聚类热力分析(图3)，发现不同公园绿地签到具有明显的差异(表3)。空间连接数据显示，2013年新浪微博全年签到次数超过7 200次的中心城公园绿地有15块，其中签到次数最多的为朝阳公园(288.7hm2)，签到次数为75 611次。

4.1 不同城市功能区的公园绿地使用空间分析

北京市在新的城市空间格局基础上将各区县划分为首都功能核心区、城市功能拓展区、城市发展新区和生态涵养区四大功能区，以合理有效地发挥城市职能。本次研究范围主要包含首都功能核心区(东城、西城和石景山)和城市功能拓展区(朝阳、海淀、丰台)2个功能分区。对2013年新浪微博绿地签到次数加和后，发现城市功能拓展区年签到次数为238 571次，首都功能核心区年签到次数为122 413次，因此从签到总次数来衡量，2个功能区绿地的使用严重失衡。根据2013年北京园林绿化局的统计数据显示，东城区、西城区和石景山区的绿地率分别为25.9%、20.68%和47.62%，朝阳区、海淀区和丰台区的绿地率分别为46.83%、47.59%和43.01%。根据2013年北京区域统计年鉴数据，城市功能拓展区年末常住人口为1 032.2万人，首都功能核心区年末常住人口为221.2万人[31]。从绿地率和常住人口的数据综合分析看，2个功能区人口差异远高于绿地面积的差异，此外，由于首都功能核心区的微博签到缺少大部分老年人这一主要群体的绿地使用数据，因此，首都功能核心区绿地使用率反而远高于城市功能拓展区。笔者认为不同功能区出现绿地使用差异的主要原因是首都功能核心公园绿地规模虽然远小于城市功能拓展区，但空间分布较均衡，可达性高，因此促使其使用率较高。而城市功能拓展区签到次数较高的公园绿地均为大型绿地，且均分布在西北郊，位置集中，可达性相对较低，因此其绿地资源未能在游憩休闲等方面得到最充分的发挥。

4.2 不同公园绿地类型的全年使用空间分布规律

通过对北京市2013年新浪微博的绿地使用签到大数据进行聚类热力分析发现，北京中心城绿地使用聚集强度与公园绿地类型具有强相关性。高签到次数的公园绿地类型主要为综合性公园和专类公园，以签到次数大于7 200次的15块绿地为例，其中，综合性公园7块，专类公园7块，带状公园1块。而全年签到次数少于650次的绿地主要为畅春园绿地、成府路清华科技园绿地和文成杰座楼前绿地等大部分街旁绿地，以及紫薇公园和望承公园等小部分社区公园和三里屯SOHO沿街绿地、清河东路带状绿地等部分带状公园。街旁绿地由于规模较小，多为街角休息和短时间停留使用，使用相对较少，因此其年签到次数少；通行功能为主的带状公园主要为慢行提供绿色空间，经过者较少发生停留签到行为；而位置相对偏僻的社区公园人气也相对较低。

为将分析结果用于指导公园绿地规划设计实践，提升公园绿地的使用率，本研究选取具有典型空间使用特征的市属和区属公园绿地进行签到使用率分析。通过综合分析(表3)发现：1)综合性公园使用受游憩空间类型、服务设施和公园交通便捷性的影响。签到次数高的综合性公园均设计有适宜于不同使用人群的多样化和特色化游憩空间及服务娱乐设施，活动类型也符合时代特征，满足现代人的游憩需求，例如奥林匹克森林公园北园的环园慢跑步道，南园的大型集散广场空间，朝阳公园的网球、沙滩排球运动空间等。而签到次数较低的龙潭公园和陶然亭公园等的游憩空间类型较单一。此外，综合性公园周边公共交通设施数量与综合性公园绿地签到数量相关性强，说明公共交通是市民前往综合性公园的重要方式。2)专类公园签到次数受节事活动影响最大，可以通过策划定期的节事活动形成特色的游憩空间以吸引大量人群的签到行为。例如春季玉渊潭公园的“樱花节”、植物园的“桃花节”等，节事活动现已成为这些公园的文化符号，有效提升了专类公园的吸引力和独特性。而专类公园签到次数与其周边交通设施分布数量相关性不大。近年来，北京市流动人口比例逐年提升，外来游客在公园绿地使用人群中占有一定的比例，专类公园使用受知名度影响较大，因此，知名专类公园对外地游客的吸引力使得绿地使用与公共交通便捷性的直接相关性降低。3)社区公园和带状公园使用受选址和规模影响较大，规模越大，对游憩空间的营建越有利，市民的使用频率就越高，但由于微博签到缺少老年人和儿童群体的数据，使得社区公园的使用评价具有一定的局限性。4)可游览区域面积比例是影响公园绿地使用率(签到次数/绿地面积)的重要因素，朝阳公园、玉渊潭公园绿地率高、水体面积大，水陆可进行游憩活动的空间面积所占比重较高，因此绿地使用率高。奥林匹克森林公园具有游憩休闲、生态示范等综合功能，游客可开展游憩活动的空间相对较少，导致其使用率低；香山公园也由于山地公园的地形特征，导致可游览区域减少。由于功能需求的差异性，使用率提升不是综合性公园规划设计的唯一导向，规划设计师应根据功能定位，合理控制可游览区域的比例。

4.3 不同时期的公园绿地空间使用对比

根据《2003年北京园林绿化年鉴》统计，2003年北京市接待市民和游人最多的绿地为北海公园、景山公园、颐和园、北京动物园、天坛公园、香山公园、玉渊潭公园、陶然亭公园、北京植物园、紫竹院公园、中山公园。虽然10年后这些公园绿地仍然保持着活力和一定的游人接待量，但已有部分新建公园绿地的使用频率远高于这些绿地。在空间上，2003年使用频率高的绿地多集中在西城区和东城区，随着北京市的城市扩张，城市南部和北部新建了大量公园绿地，受人口分布影响，四环和五环间单个公园绿地使用次数远超过二环内的公园绿地。在公园类型上，2003年高使用频率高的公园绿地多为以历史名园为基础建成的专类园，而2013年北京市使用次数最高的5个公园为综合性公园和带状公园。而10年间，市民生活方式的改变促使公园绿地游憩活动类型也产生了明显差异，2013年使用频率高的公园绿地游憩活动场地多为满足上班族休闲夜跑、露营和音乐活动的空间，公园立地条件也不再局限于山水型，公园空间形式和建设方式更加多元化。

5 结论与讨论5.1 基于绿地使用的城市绿地系统修编建议

目前，北京市已经启动《北京市总体规划(2004—2020)》的修编工作，因此笔者希望借由此文，从市民的绿地使用层面为未来的城市绿地系统规划修编和总体规划修编提供一定的建议，以期望绿地规划更加科学合理和具有针对性。

1 )均衡转换绿地类型，提升土地利用效率。综合研究上文结果，目前从中心城公园绿地类型和分布看，西郊和朝阳区北部大型公园绿地分布较集中，使用率高，但在海淀区南部和朝阳区东部绿地，微博签到数量相对较低，绿地使用频率较低，建议对现有公园进行适宜性改造，适当合理地进行用地属性转换，增强活力和吸引力。例如朝阳区东部的东坝郊野公园和东风公园等隶属于一道绿隔的绿地(为非城市建设区)；东城区和西城区目前公园使用率较高，分布较均衡，但考虑到大量的签到数据来源为外地游客，为增加市民的绿地游憩休闲活动，建议可以开放部分有条件的沿街附属绿地，使其发展为使用率更高的绿地，弥补区域用地紧张的现状；从2013年的签到数据可以看出，石景山区和丰台区绿地使用率偏低，主要原因还是缺少大型综合性公园或专类公园，建议在新一轮的城市总规修编中，适当地考虑用地类型转换，平衡各区域的绿地分布和绿地类型，使得绿地能更有效地服务于市民。2)依托公共交通选址，提升公园绿地可达性。综合性公园绿地与公共交通设施分布具有强相关性，在绿地系统修编过程中，新建综合性公园等绿地类型的选址可依托公共交通站点的位置，提升市民前往绿地的交通便捷性和可达性。3)合理规划游憩空间，提供多样化休闲体验。在新建公园绿地和改造公园的过程中，对吸引力低的空间进行改造，结合市民生活方式的演变，提供更符合现代人游憩需求的空间类型。

5.2 微博签到大数据在绿地研究中的应用前景

新浪微博作为国内最主流的微博端口，其签到大数据代表着市民活动的活跃度，通过签到数据判断北京市中心城绿地的使用情况，弥补了城市研究中对人的活动关注的不足。其次，网络数据的挖掘和分析的样本量和时间跨度大，使得数据的相关性更加突出，研究结果更加实际，能真正体现市民在绿地活动的频率。虽然已有大量研究证明和验证微博签到等众源地理数据能够较准确地体现市民活动的空间分布，但其使用者毕竟缺少了儿童、老年人等特殊群体，如何将微博签到数据群体扩展到总体人口的技术研究或验证将成为下阶段城市研究学者的重要方向。本文主要基于微博定位信息和签到次数等基础数据分析北京中心城的绿地使用，而微博用户所反映的其他信息，例如文字信息，签到时间等都是值得继续深入挖掘的信息源，如何通过微博签到文本信息获取使用者年龄、性别等信息，如何获取使用者对绿地使用的精细化评价以及基于微博签到的城市绿地时间变化规律研究将成为未来微博签到大数据应用的重要方向。

参考文献：

[1] 叶宇，魏宗财，王海军.大数据时代的城市规划响应[J].规划师，2014，30(8)：5-12.

[2] 孟小峰，慈祥.大数据管理：概念、技术与挑战[J].计算机研究与发展，2013，50(1)：146-169.

[3] 茅明睿.大数据在城市规划中的应用:来自北京市城市规划设计研究院的思考与实践[J].国际城市规划，2014，29(6)：51-57.

[4] 龙瀛，沈尧.数据增强设计：新数据环境下的规划设计回应与改变[EB/OL].[2015-07].http://www. beijingcitylab.com/working-papers-67/.

[5] Miller H J. Modeling accessibility using space: time prism concepts within geographical information systems[J]. International Journal of Geographical Information System, 1991, 5(3): 287-301.

[6] Polak J, Jones P M. The acquisition of pretrip information: a stated preference approach[J]. Transportation, 1993，20(2): 179-198.

[7] 柴彦威，赵莹.时间地理学研究最新进展[J].地理科学，2009，29(4)：593-600.

[8] 秦萧，甄峰，熊丽芳，等.大数据时代城市时空间行为研究方法[J].地理科学进展，2013，32(9)：1352-1361.

[9] 龙瀛，吴康，王江浩，等.大模型：城市和区域研究的新范式[J].城市规划学刊，2014(6)：55-63.

[10] 王鹏，袁晓辉，李苗裔.面向城市规划编制的大数据类型及应用方式研究[J].规划师，2014，30(8)：25-31.

[11] 李方正，李婉仪，李雄.基于公交刷卡大数据分析的城市绿道规划研究：以北京市为例[J].城市发展研究，2015，22(8)：27-32.

[12] 董琦.SoLoMo公众参与：大数据时代新型城镇化建设背景下的风景园林[C]//中国风景园林学会2014年会论文集.北京：中国建筑工业出版社，2014：705-708.

[13] 甄峰，王波，陈映雪.基于网络社会空间的中国城市网络特征：以新浪微博为例[J].地理学报，2012，67(8)：1031-1043.

[14] Heipke C. Crowdsourcing geospatial data[J]. Journal of Photogrammetry and Remote Sensing , 2010，65(6): 550-557.

[15] Goodchild M F. Citizens as sensors: the world of volunteered geography[J]. Geo Journal , 2007, 69(4): 211-221.

[16] Goodchild M F. Commentary: Whither VGI?[J]. Geo Journal, 2008, 72(3-4): 239-244.

[17] Goodchild M F. Geographic information systems and science: today and tomorrow[J]. Procedia Earth and Planetary Science, 2009, 15(1): 1037-1043.

[18] Fritz S, Mccallum I, Schill C, et al. Geo-Wiki Org: the use of crowd sourcing to improve global land cover[J]. Remote Sensing, 2009, 31(3): 345-354.

[19] 刘菁菁.LBS何处“签到”？[J].计算机世界，2011，19(8)：1-4.

[20] 中国互联网信息中心(CNNIC).第31次中国互联网络发展统计报告[R].北京：中国互联网信息中心，2013.

[21] 王波，甄峰，张浩.基于签到数据的城市活动时空间动态变化及区划研究[J].地理科学，2015，35(2)：151-160.

[22] 孙中伟，贺军亮，金凤君.世界互联网城市网络的可达性与等级体系[J].经济地理，2010，30(2)：1449-1455.

[23] 刘扬.微博客：自媒体时代的话语快乐[J].今传媒，2010，18(1)：34-35.

[24] 胡庆武，王明，李清泉.利用位置签到数据探索城市热点与商圈[J].测绘学报，2014，43(3)：314321.

[25] 熊丽芳.长三角城市群居民活动空间范围划界研究：基于微博签到数据[C]//第十七届中国科协年会：分16大数据与城乡治理研讨会论文集，2015.

[26] 张子昂，黄震方，靳诚，等.基于微博签到数据的景区旅游活动时空行为特征研究：以南京钟山风景名胜区为例[J].地理与地理信息科学，2015，31(4)：121-126.

[27] 新浪微博数据中心.2014年微博用户发展报告[EB/OL].[2015-01-27].http://www.chinaz.com/ news/2015/0127/381090.shtml#g381090=3.

[28] 北京统计信息网.北京市常住人口年龄构成(2014) [EB/OL].[2015-02].http://www.bjstats.gov.cn/rkjd/.

[29] Beijing city lab. Beijing check-in records from SinaWeibo[EB/OL]. [2014-05-09]. http://www. beijingcitylab.com/data-released-1/data21-28/.

[30] Beijing city lab. OpenStreetMap Beijing 2013[EB/ OL]. [2014-05-09]. http://www.beijingcitylab.com/ data-released-1/data01-20/.

[31] 北京市2013年区域统计年鉴[EB/OL].[2013-0917].http://bbs.pinggu.org/thread-2634625-1-1.html.

(编辑/李旻)

作者简介：

李方正/1989年生/男/山东人/北京林业大学园林学院在读博士研究生/城乡生态环境北京实验室/研究方向为城市绿地系统规划(北京 100083)

董莎莎/1992年生/女/浙江人/北京林业大学园林学院在读硕士研究生/研究方向为风景园林历史与理论(北京 100083)

李雄/1964年生/男/山西人/博士/北京林业大学副校长，教授，博士生导师/城乡生态环境北京实验室/研究方向为风景园林规划设计与理论/本刊编委(北京 100083)

雷芸/1968年生/女/浙江人/博士/北京林业大学园林学院副教授/研究方向为风景园林规划(北京 100083)