近年來，公眾對空間環(huán)境的感知和情緒體驗也逐漸成為城市研究的焦點，但將其與HUL相結(jié)合的探討仍然較少。基于此，本研究提出“HUL－認(rèn)知－情緒”的分析框架，特別關(guān)注歷史城市HUL特征對公眾情緒感知的影響機(jī)制，以期為提升公眾幸福感、識別歷史城市的潛在改善機(jī)會提供科學(xué)參考。
導(dǎo)讀
本文提出了“歷史性城市景觀－認(rèn)知－情緒”分析框架，從歷史性城市景觀（HUL）遺產(chǎn)本體價值、城市功能價值和城市景觀價值三個維度，結(jié)合語義分析、時空立方體等方法，通過中國紹興古城案例，揭示了歷史性城市景觀環(huán)境特征對公眾情緒感知的影響機(jī)制及其時空異質(zhì)性。研究發(fā)現(xiàn)，不同的HUL特征對公眾情緒感知的影響具有異質(zhì)性；同一HUL特征在不同的時間（工作日與節(jié)假日）和空間中，對公眾情緒的影響也表現(xiàn)出不同的模式。在節(jié)假日，公眾情緒感知更受到與遺產(chǎn)本體價值相關(guān)的特征的影響，而在工作日，由于公眾活動的性質(zhì)發(fā)生變化，城市功能價值類特征對公眾情緒的影響更加顯著，城市景觀價值對公眾情緒感知的正面影響也更為突出。本研究旨在為提升公眾在城市空間中的感知和情緒體驗、識別歷史城市的潛在空間改善機(jī)會提供科學(xué)參考。
關(guān)鍵詞
歷史性城市景觀；公眾情緒感知；時空異質(zhì)性；微博數(shù)據(jù)；時空立方體；“歷史性城市景觀－認(rèn)知－情緒”分析框架
歷史性城市景觀特征
對公眾情緒感知的影響機(jī)制
及時空異質(zhì)性研究
——以中國浙江省紹興古城為例
Research on the Influencing Mechanism of Historic Urban Landscape Characteristics on Public Sentiments and the Spatio-temporal Differentiation Patterns
—A Case Study of Shaoxing Ancient City in Zhejiang Province, China
2011年，聯(lián)合國教科文組織頒布了《關(guān)于歷史性城市景觀的建議書》，提出了“歷史性城市景觀”（HUL）的理念。古城作為HUL的一個重要子類，面臨著全球化和現(xiàn)代化帶來的各種挑戰(zhàn)，其中，HUL的文化趨同和個性危機(jī)日益顯著。
近年來，公眾對空間環(huán)境的感知和情緒體驗也逐漸成為城市研究的焦點，但將其與HUL相結(jié)合的探討仍然較少。基于此，本研究提出“HUL－認(rèn)知－情緒”的分析框架，特別關(guān)注歷史城市HUL特征對公眾情緒感知的影響機(jī)制，以期為提升公眾幸福感、識別歷史城市的潛在改善機(jī)會提供科學(xué)參考。
在HUL視角下，人與所生活的地方能夠產(chǎn)生深厚的情緒連接。隨著位置服務(wù)技術(shù)的快速發(fā)展，可以通過感知設(shè)備和定位技術(shù)，基于時空單元對公眾情緒感知進(jìn)行可視化測度。社交媒體數(shù)據(jù)為公眾情緒感知的測度和可視化提供了新的機(jī)會，有助于揭示公眾情緒感知的時空分布特征。
HUL價值評價體系的準(zhǔn)則層可以總結(jié)為“保護(hù)現(xiàn)狀”“本體價值”和“城市結(jié)合度”三個方面。已有部分研究揭示了HUL本體價值如何影響公眾對歷史城市的感知，凸顯了它在建立情緒連接和培養(yǎng)文化認(rèn)同中的核心作用。然而，目前仍缺乏關(guān)于保護(hù)現(xiàn)狀和城市結(jié)合度兩個層面的公眾情緒感知影響研究。
本研究將基于社交媒體大數(shù)據(jù)對公眾情緒感知進(jìn)行測度，旨在揭示HUL特征對公眾情緒感知的具體影響機(jī)制，為在城市規(guī)劃和管理中識別歷史城市中的潛在改善空間并予以優(yōu)化提供理論和實踐支撐。
HUL－認(rèn)知－情緒分析框架構(gòu)建
本研究構(gòu)建了“HUL－認(rèn)知－情緒”（HCS）分析框架。該框架主要分為：HUL特征分析，公眾情緒感知分析，以及公眾情緒感知時空分布分析。綜合這三個部分，HCS分析框架提供了一個可解釋公眾在HUL中的情緒感知產(chǎn)生過程的多維度視角。
研究提出的HCS分析框架 ? 石拓，桑萬琛，鄭預(yù)諾
浙江省紹興古城已有2500多年的建城史，其面積約9km2，古城包括八大歷史文化街區(qū)，現(xiàn)有各級文物保護(hù)單位共62處；以20m×20m為網(wǎng)格單元構(gòu)建空間分析網(wǎng)絡(luò)。研究時段為2022年8月1日至2023年1月31日，對工作日和節(jié)假日進(jìn)行差異化分析。
研究區(qū)域 ? 石拓，桑萬琛，鄭預(yù)諾
紹興古城夜景航拍圖 ? 石拓，桑萬琛，鄭預(yù)諾
微博簽到數(shù)據(jù)指用戶在微博平臺上進(jìn)行地理位置簽到操作時產(chǎn)生的文本內(nèi)容和時間信息等數(shù)據(jù)。研究采集了2022年8月1日至2023年1月31日研究區(qū)域內(nèi)的微博簽到數(shù)據(jù)；在剔除重復(fù)、空白、不相關(guān)內(nèi)容和無關(guān)網(wǎng)頁鏈接后，最終獲得8151條有效簽到數(shù)據(jù)。
HUL特征數(shù)據(jù)包括POI數(shù)據(jù)、歷史遺產(chǎn)數(shù)據(jù)及遙感影像數(shù)據(jù)。POI數(shù)據(jù)主要涵蓋休閑娛樂設(shè)施、交通設(shè)施和醫(yī)療服務(wù)設(shè)施，從高德地圖上爬取。歷史遺產(chǎn)數(shù)據(jù)包含研究區(qū)域內(nèi)的文物保護(hù)單位的保護(hù)級別、建設(shè)年代和地理位置等信息，來源于《紹興市歷史文化名城保護(hù)規(guī)劃（2021—2035年）》。研究從Google Earth采集了遙感數(shù)據(jù)，以識別研究區(qū)域內(nèi)的土地覆蓋類型與空間格局：借助ArcGIS Pro平臺，將研究區(qū)域內(nèi)的土地覆蓋類型劃分為綠地、水域、裸地、建筑、道路和不透水表面6個類別，然后在每個類別中隨機(jī)選擇20~30個驗證點進(jìn)行驗證。
研究使用Python對微博簽到數(shù)據(jù)中的文本信息進(jìn)行情緒分析。首先，進(jìn)行文本信息分割，并統(tǒng)計每個詞的出現(xiàn)頻率；最后，采用情感詞典來確定每條微博數(shù)據(jù)的情緒分?jǐn)?shù)研究結(jié)合地理位置信息，選擇反距離加權(quán)插值法對每條微博測度后的情緒分?jǐn)?shù)進(jìn)行空間插值，從而獲得研究區(qū)域內(nèi)的公眾情緒感知分布。
研究選擇“時空立方體”的可視化方法來探究古城內(nèi)公眾情緒感知的時空分異特征。而后，研究選擇Getis-Ord Gi*進(jìn)行空間熱點聚類分析，該指數(shù)能夠反映某一區(qū)域內(nèi)與周圍區(qū)域的公眾情緒感知程度之間的差異，從而識別出熱點區(qū)域和冷點區(qū)域。
研究區(qū)域 ? 石拓，桑萬琛，鄭預(yù)諾
研究使用GWR模型來分析紹興古城HUL特征對公眾情緒感知的影響機(jī)制。GWR模型可以有效解釋回歸系數(shù)的局部差異，以精確識別哪些HUL特征能夠顯著影響公眾情緒感知。
分析結(jié)果顯示，紹興古城內(nèi)的公眾情緒感知分?jǐn)?shù)的均值為6.983，公眾情緒感知強(qiáng)度的均值為7.160。這表明公眾整體情緒感知的積極性較高，且消極情緒在整體上并不占據(jù)主導(dǎo)地位，說明研究區(qū)域內(nèi)的公眾更傾向于積極的情緒體驗。
研究繼而對公眾微博發(fā)文數(shù)量和時間變化進(jìn)行了詳細(xì)分析，發(fā)現(xiàn)國慶節(jié)期間和春節(jié)前夕，微博發(fā)文量出現(xiàn)了明顯高峰；而2022年12月底出現(xiàn)了顯著的低谷，這與中國在該時期的疫情相關(guān)。同時，節(jié)假日的發(fā)文數(shù)量要顯著高于工作日。
每日發(fā)文數(shù)量分析 ? 石拓，桑萬琛，鄭預(yù)諾
研究發(fā)現(xiàn)，雖然在某些日期（如9月1日前后）消極情緒的強(qiáng)度超過了積極情緒，但當(dāng)日的公眾情緒感知分?jǐn)?shù)均值仍然為正。造成此現(xiàn)象的原因可能是積極情緒的發(fā)文數(shù)量遠(yuǎn)超過消極情緒的發(fā)文數(shù)量。
每日情緒分?jǐn)?shù)均值分析 ? 石拓，桑萬琛，鄭預(yù)諾
研究進(jìn)而將每日的公眾情緒感知分?jǐn)?shù)均值進(jìn)行可視化表達(dá)，結(jié)果表明，公眾情緒感知呈現(xiàn)出顯著的積聚性特征，且工作日和節(jié)假期的公眾情緒感知呈現(xiàn)出明顯的時空異質(zhì)性。
工作日公眾情緒感知的空間分布 ? 石拓，桑萬琛，鄭預(yù)諾
節(jié)假日公眾情緒感知的空間分布 ? 石拓，桑萬琛，鄭預(yù)諾
每日公眾情緒感知時空立方體的冷熱點分析結(jié)果顯示，在2022年8~9月，高強(qiáng)度積極情緒積聚區(qū)首先出現(xiàn)在古城中部的前觀巷街區(qū)。隨著時間推移，在古城東北方向的八字橋和書圣故里街區(qū)也出現(xiàn)了明顯的高強(qiáng)度積極情緒積聚。隨著國慶假期的臨近，魯迅故里街區(qū)和東南部的沈園等重要歷史文化遺產(chǎn)點附近出現(xiàn)高強(qiáng)度積極情緒積聚分布；10月1~10日，石門檻街區(qū)、西南部的金帝銀泰城等位置同樣呈現(xiàn)積極情緒積聚逐漸增多。11~12月期間，積極情緒的積聚逐漸減少，但仍然分布于石門檻、魯迅故里、書圣故里街區(qū)，以及上大路古城入口等地。2023年1月上旬，積極情緒的積聚性明顯抬升，以魯迅故里街區(qū)最為明顯，但整體仍以消極情緒為主。
地塊數(shù)量距離與直方圖距離方法示意 ? 周懷宇，向雙斌
研究從HUL遺產(chǎn)本體價值、城市功能價值和城市景觀價值三個維度選取了共11個HUL特征變量作為解釋變量。
1）遺產(chǎn)本體價值：選擇遺產(chǎn)級別、遺產(chǎn)年代和山水價值作為評價指標(biāo)。
2）城市功能價值：以建筑高度、打卡關(guān)注度、休閑娛樂設(shè)施密度、醫(yī)療服務(wù)設(shè)施密度及交通設(shè)施密度來評價HUL的功能價值。
3）城市景觀價值：使用水域空間開敞度、綠地開敞度和土地利用混合度進(jìn)行表征。
模型可信度分析和全局Moran’s I檢驗的基礎(chǔ)上，研究構(gòu)建了工作日和節(jié)假日的GWR模型，兩個模型能夠較好地解釋公眾情緒感知的影響變化。
在遺產(chǎn)本體價值上，遺產(chǎn)級別和遺產(chǎn)年代與公眾情緒感知分?jǐn)?shù)呈現(xiàn)顯著正相關(guān)性，這意味著較高級別、歷史更悠久的遺產(chǎn)會對公眾情緒感知產(chǎn)生積極影響。然而，山水價值在工作日中呈現(xiàn)負(fù)相關(guān)效應(yīng)，可能是因為在日常工作壓力下，人們可能會將自然美景的欣賞置于較低的優(yōu)先級。
在城市功能價值上，與工作日相比，節(jié)假日休閑娛樂設(shè)施和醫(yī)療服務(wù)設(shè)施的影響，建筑高度和打卡關(guān)注度對公眾情緒感知的負(fù)向影響也較弱，可能表明節(jié)假日人們對這些HUL特征關(guān)注度降低。
在城市景觀價值上，水域空間開敞度和綠地開敞度在工作日和節(jié)假日對公眾情緒感知的影響程度都較低。而土地利用混合度在工作日呈現(xiàn)正相關(guān)效應(yīng)、在節(jié)假日中卻呈現(xiàn)負(fù)相關(guān)效應(yīng)。這表明，在節(jié)假日期間，人們可能更傾向于單一而直接的放松體驗。
為了進(jìn)一步探究各解釋變量效應(yīng)的空間異質(zhì)性，研究選擇在工作日和節(jié)假日對公眾情緒感知影響都較顯著的5個解釋變量——遺產(chǎn)級別、遺產(chǎn)年代、山水價值、醫(yī)療服務(wù)設(shè)施密度和土地利用混合度——分別對各網(wǎng)格單元的回歸系數(shù)進(jìn)行可視化。
5個HUL特征對公眾情緒感知影響的時空異質(zhì)性 ? 石拓，桑萬琛，鄭預(yù)諾
1）遺產(chǎn)級別：在工作日和節(jié)假日中，各有61.10%和52.14%的格網(wǎng)單元的遺產(chǎn)級別與公眾情緒感知呈現(xiàn)正相關(guān)。工作日期間，正相關(guān)效應(yīng)主要出現(xiàn)于居民日常居住和休閑的主要區(qū)域。在節(jié)假日期間，各街區(qū)和文物保護(hù)單位所在格網(wǎng)單元內(nèi)出現(xiàn)的正相關(guān)效應(yīng)顯著增加。
2）遺產(chǎn)年代：在工作日和節(jié)假日中，各有60.85%和52.15%的格網(wǎng)單元的遺產(chǎn)年代與公眾情緒感知呈現(xiàn)正相關(guān)。在工作日和節(jié)假日期間，正相關(guān)效應(yīng)主要集中于八字橋街區(qū)和研究區(qū)域南部的部分地段，這些地區(qū)擁有跨多個歷史時期的各種文化遺產(chǎn)。
3）山水價值：在工作日和節(jié)假日，各有58.56%和41.99%的格網(wǎng)單元具有正回歸系數(shù)。在工作日，江南水鄉(xiāng)和山川的特色景觀，對公眾情緒感知呈現(xiàn)明顯正相關(guān)效應(yīng)。然而，節(jié)假日期間，塔山等區(qū)域的山川景觀對公眾情緒感知呈現(xiàn)負(fù)相關(guān)效應(yīng)，這與節(jié)假日期間旅游人流量增多、景觀體驗受限有關(guān)。
4）醫(yī)療服務(wù)設(shè)施密度：在工作日和節(jié)假日GWR模型中，各有37.45%和51.45%的空間單元具有正回歸系數(shù)。整體上，醫(yī)療服務(wù)設(shè)施密度與公眾情緒感知呈現(xiàn)顯著的負(fù)相關(guān)效應(yīng)，但本地居住區(qū)，呈現(xiàn)正相關(guān)效應(yīng)。這表明對于居住區(qū)比較集中的區(qū)域來說，醫(yī)療服務(wù)設(shè)施的合理分布能夠提高居民的積極情緒。
5）土地利用混合度：在工作日和節(jié)假日GWR模型中，各有58.90%和51.69%的空間單元具有正回歸系數(shù)。這說明對于節(jié)假日的公眾來說，多功能的歷史文化場所能夠有效提高積極情緒。
HUL作為城市的文化遺產(chǎn)和歷史記憶的集中體現(xiàn)，可以激發(fā)公眾的情緒共鳴和認(rèn)同感，從而提高公眾的幸福感和滿意度。本研究提出了“HUL－認(rèn)知－情緒”分析框架，并從HUL遺產(chǎn)本體價值、城市功能價值和城市景觀價值三個維度，對紹興古城內(nèi)公眾情緒感知時空特征，以及HUL特征對公眾情緒感知的影響機(jī)制進(jìn)行了綜合分析。結(jié)果表明，不同的HUL特征對公眾情緒感知的影響具有異質(zhì)性。需要注意的是，HUL特征對公眾情緒感知的影響并非是一成不變的，城市設(shè)計者應(yīng)結(jié)合公眾情緒感知影響效應(yīng)的局部特征，提出更有針對性的建成環(huán)境規(guī)劃和政策。
盡管本研究對HUL特征與公眾情緒感知的關(guān)系進(jìn)行了初步探索，但仍存在一定局限性。首先，在社交媒體平臺上主動發(fā)布信息的用戶，可能更傾向于表達(dá)極端或強(qiáng)烈的情緒狀態(tài)，這種傾向可能致使本研究采用的情緒感知可能與公眾在實際HUL游覽體驗存在一定差異。其次，本研究選擇遺產(chǎn)本體價值、城市功能價值和城市景觀價值等來表征HUL特征，難以全面表征HUL的復(fù)雜性和多樣性。此外，本研究的影響分析結(jié)果僅限于紹興古城這一特定地區(qū)，未來研究可拓展研究范圍和方法。
[1] UNESCO. (2019). The UNESCO recommendation on the Historic Urban Landscape.
[2] Li, H., & Yang, L. (2019). Research on the management tools of Historic Urban Landscape—Historic townscape characterisation. Chinese Landscape Architecture, 35(5), 54–58.
[3] Lazarus, R. S. (1982). Thoughts on the relations between emotion and cognition. American Psychologist, 37(9), 1019–1024.
[4] Li, Y., Chen, X., Liu, P., & Huang, G. (2021). Research on image perception of heritage tourist destinations from the three-dimensional perspective of “cognition–emotion–integrity”: Taking Xiangjiang ancient town group as an example. Human Geography, 36(5), 167–176.
[5] Taylor, K. (2023). Historic Urban Landscape paradigm—A tool for balancing values and changes in the urban conservation process. Landscape Architecture Frontiers, 11(3), 96–104.
[6] Zhang, S., & Zhen, X. (2017). From historical features preservation to urban landscape management—Based on the Historic Urban Landscape approach. Landscape Architecture, (6), 14–21.
[7] Zhou, X., Sun, Z., & Liu, X. (2022). Research on the spatial perception and recreational experience of Historic Urban Landscape supported by the technology of digital footprint. New Architecture, (1), 10–15.
[8] Li, H., Li, M., Zou, H., Zhang, Y., & Cao, J. (2023). Urban sensory map: How do tourists “sense” a destination spatially?. Tourism Management, (97), 104723.
[9] Zhou, X., Liu, Z., & Shi, J. (2022). Evaluation on visual landscape perception under the support of digital footprint: A case study of Historic Urban Landscape of the Qinhuai River area. Landscape Architecture, 29(9), 18–25.
[10] Ginzarly, M., Roders, A. P., & Teller, J. (2019). Mapping historic urban landscape values through social media. Journal of Cultural Heritage, (36), 1–11.
[11] Dai, J., Huang, X., Sun, J., An, H., & Guo, Q. (2023). Research on the formation mechanism of tourist cultural identity in National Cultural Park—Taking the iconic natural landscapes of the Yellow River National Cultural Park as an example. Tourism Tribune, 38(1), 31–41.
[12] Taylor, K. (2008, September 29–October 4). Landscape and memory: Cultural landscapes, intangible values and some thoughts on Asia [Conference or Workshop Item]. 16th ICOMOS General Assembly and International Symposium: ‘Finding the Spirit of Place—between the Tangible and the Intangible’. Quebec, Canada.
[13] Liu, T., Butler, R. J., & Zhang, C. (2019). Evaluation of public perceptions of authenticity of urban heritage under the conservation paradigm of Historic Urban Landscape—A case study of the Five Avenues Historic District in Tianjin, China. Journal of Architectural Conservation, 25(3), 228–251.
[14] Hoteit, A. (2015). Role of the landscape in the preservation of collective memory and the enhancement of national belonging. Canadian Social Science, 11(3), 1–8.
[15] Bonadei, R., Cisani, M., & Viani, E. (2017). City walls as Historic Urban Landscape: A case study on participatory education. Journal of Tourism, Culture and Territorial Development, 8(7), 75–88.
[16] Anderson, K., & Smith, S. (2001). Editorial: Emotional geographies. Transactions of the Institute of British Geographers, 26(1), 7–10.
[17] Zhu, H., & Gao, Q. (2015). Review on “emotional turn” and emotional geographies in recent western geography. Geographical Research, 34(7), 1394–1406.
[18] Yang, L., Duarte, C. M., & Ciriquián, P. M. (2022). Quantifying the relationship between public sentiment and urban environment in Barcelona. Cities, (130), 103977.
[19] Lazarus, R. S. (1991). Emotion and Adaptation. Oxford University Press.
[20] Zhang, X. (2019). Emotion recognition via passive sensing [Doctoral dissertation]. Nanjing University.
[21] Li, Y., Gao, X., Yang, L., & Guo, J. (2020). Research on walking environment satisfaction of residents based on ordered probit model—A case study of Gulangyu. Chinese Landscape Architecture, 36(11), 90–94.
[22] Kerr, M. L., Rasmussen, H. F., Smiley, P. A., Buttitta, K. V., & Borelli, J. L. (2021). The development of toddlers’ emotion regulation within the family system: Associations with observed parent-child synchrony and interparental relationship satisfaction. Early Childhood Research Quarterly, (57), 215–227.
[23] Benita, F., Bansal, G., & Tun?er, B. (2019). Public spaces and happiness: Evidence from a large-scale field experiment. Health & Place, (56), 9–18.
[24] Rodríguez-Ibánez, M., Casánez-Ventura, A., Castejón-Mateos, F., & Cuenca-Jiménez, P.-M. (2023). A review on sentiment analysis from social media platforms. Expert Systems with Applications, (223), 119862.
[25] Mitchell, L., Frank, M. R., Harris, K. D., Dodds, P. S., & Danforth, C. M. (2013). The geography of happiness: Connecting Twitter sentiment and expression, demographics, and objective characteristics of place. PLoS One, 8(5), e64417.
[26] Shan, Z., An, Y., Yuan, M., & Huang, Y. (2022). Study on spatial and temporal distribution characteristics and influencing factors of urban residents’ sentiment based on Weibo data: A case study of the main urban area of Wuhan. Urban Development Studies, 29(8), 69–76.
[27] Kong, L., Liu, Z., Pan, X., Wang, Y., Guo, X., & Wu, J. (2022). How do different types and landscape attributes of urban parks affect visitors’ positive emotions?. Landscape and Urban Planning, (226), 104482.
[28] Wang, Y., Chew, A. W. Z., & Zhang, L. (2022). Deep learning modeling of public’s sentiments towards temporal evolution of COVID-19 transmission. Applied Soft Computing, (131), 109728.
[29] Amarasinghe, A. (2023). Public sentiment in times of terror. Journal of Development Economics, (162), 103058.
[30] Ginzarly, M., Houbart, C., & Teller, J. (2019). The Historic Urban Landscape approach to urban management: A systematic review. International Journal of Heritage Studies, 25(10), 999–1019.
[31] Jian, J., Zhen, F., Xi, G., & Zhai, Q. (2016). A review on emotional geography: Its progress and enlightenment. World Regional Studies, 25(2), 123–136.
[32] Lei, Z., Luo, J., & Cao, L. (2021). Quantitative research on historic city landscape value assessment based on AHP-GIS—Taking Taiyuan, a historic and cultural city, as an example. Journal of Taiyuan University of Technology, 52(4), 630–637.
[33] Shoval, N., Schvimer, Y., & Tamir, M. (2018). Tracking technologies and urban analysis: Adding the emotional dimension. Cities, (72), 34–42.
[34] Oren, G., Shani, A., & Poria, Y. (2021). Dialectical emotions in a dark heritage site: A study at the Auschwitz Death Camp. Tourism Management, (82), 104194.
[35] Jimura, T. (2011). The impact of world heritage site designation on local communities—A case study of Ogimachi, Shirakawa–mura, Japan,. Tourism Management, 32(2), 288–296.
[36] Su, M., & Wall, G. (2010). Place attachment and heritage tourism at the Great Wall. Journal of China Tourism Research, 6(4), 396–409.
[37] Medina-Viruel, M. J., López-Guzmán, T., Gálvez, J. C. P., & Jara-Alba, C. (2019). Emotional perception and tourist satisfaction in world heritage cities: The Renaissance monumental site of úbeda and Baeza, Spain. Journal of Outdoor Recreation and Tourism, (27), 100226.
[38] Liang, J., Jiang, S., & Tao, L. (2020). Empirical research on the relationship between spatial-temporal behavior and emotion of tourists based on semantic analysis of online travel blogs and GIS visualization: A case of Beijing. Human Geography, 35(2), 152–160.
[39] Shaoxing Wuhan Municipal Bureau of Natural Resources and Planning. (2023, October 23). Public notice of draft of Shaoxing historical and cultural city protection plan (2021–2035).
[40] Zhu, Y., & Jing, J. (2019). Chinese word segmentation technology based on Python language. Communications Technology, 52(7), 1612–1619.
[41] Wang, Y., Chi, Y., Xu, J.-H., & Yuan, Y. (2022). Consumers’ attitudes and their effects on electric vehicle sales and charging infrastructure construction: An empirical study in China. Energy Policy, (165), 112983.
[42] Wan, P., Qiu, F., Xiang, F., Wang, J., Pan, C., Zhu, X., & Xu, L. (2022). Study on the Spatio-temporal Variation and Prediction Model of PM2.5 in Kunming. Environmental Science Survey, 41(2), 47–51, 56.
[43] Wang, H., Chen, R., Wei, S., Gui, L., & Fei, T. (2020). Mining emotional geography features based on Chinese Weibo data. Geomatics and Information Science of Wuhan University, 45(5), 699–708.
[44] Zhang, Q., Xu, D., & Ding, Y. (2021). Spatio-temporal pattern mining of the last 40 years of drought in China based on SPEI index and spatio-temporal cube. Agricultural Research in the Arid Areas, 39(3), 194–201.
[45] Xue, M., Wang, C., Zhao, J., & Li, M. (2020). Spatial differentiation pattern and influencing factors of tourism economy in the Yellow River Basin. Economic Geography, 40(4), 19–27.
[46] Tao, J., Dong, P., Zhou, N., Lu, Y., Gong, X., & Ma, X. (2022). Study on spatial distribution characteristics and influencing factors of historical and cultural towns and villages in the Yangtze River Economic Belt. Geography and Geo-Information Science, 38(3), 66–73.
[47] Wang, C., Wang, B., Wang, Q., & Lei, Y. (2023). Nonlinear associations between urban vitality and built environment factors and threshold effects: A case study of central Guangzhou City. Progress in Geography, 42(1),79–88.
[48] Ta, N., Zeng, Y., Zhu, Q., & Wu, J. (2020). Relationship between built environment and urban vitality in Shanghai downtown area based on big data. Scientia Geographica Sinica, 40(1), 60–68.
[49] Zhu, J., Fan, Y., & Fan, F. (2018). Factors affecting commute happiness of residents in big cities: A case study of Xi’an, China. Urban & Rural Planning, (3), 43–53.
[50] Fan, R., Zhao, J., Chen, Y., & Xu, K. (2014). Anger is more influential than joy: Sentiment correlation in Weibo. PLoS ONE, 9(10), e110184.
本文引用格式 / PLEASE CITE THIS ARTICLE AS
Shi, T., Sang, W., & Zheng, Y. (2024). Research on the influencing mechanism of Historic Urban Landscape characteristics on public sentiments and the spatio-temporal differentiation patterns—A case study of Shaoxing ancient city in Zhejiang Province. Landscape Architecture Frontiers, 12(3), 73?88. https://doi.org/10.15302/J-LAF-1-020097.
編輯 | 田樂，王胤瑜
翻譯 | 田樂
制作 | 郭陽，高雨婷
媒體發(fā)布 | 馬哲
版權(quán)聲明：本文版權(quán)歸原作者所有，請勿以景觀中國編輯版本轉(zhuǎn)載。如有侵犯您的權(quán)益請及時聯(lián)系，我們將第一時間刪除。
投稿郵箱：info@landscape.cn
項目咨詢：18510568018（微信同號）
京公海網(wǎng)安備 110108000058號
北京海淀區(qū)
www.lafrontiers.com
lafrontiers@foxmail.com
