Evaluasi metode pemetaan partisipatif untuk menilai manfaat taman kota

Evaluasi metode pemetaan partisipatif untuk menilai  manfaat taman kota

Lokasi

Pengaturan geografis untuk penelitian ini adalah Brisbane, Australia, ibu kota Queensland dengan perkiraan populasi wilayah metropolitan lebih besar dari 2,35 juta orang. Daerah pemerintah daerah Brisbane (LGA), batas fisik untuk penelitian ini, memiliki perkiraan populasi 1,2 juta dan mencakup 1338 km2 (ABS, 2015). Dewan Kota Brisbane (BCC) mengelola ratusan taman dan cadangan yang terletak di LGA yang memiliki berbagai ukuran mulai dari taman lingkungan kecil hingga taman distrik besar, termasuk dua kebun botanik.

Sampling dan Pengumpulan data

1. Peserta rumah tangga acak. Sebanyak 5000 alamat rumah tangga secara acak diambil dari basis data alamat bertingkat di pinggiran kota dengan pembobotan proporsional ke daerah masing-masing daerah pinggiran.

2. Peserta sukarelawan. BCC mengirim pengumuman penelitian kepada kelompok-kelompok masyarakat yang memiliki kepentingan potensial di taman-taman BCC melalui milis Newsletter Greenheart.

Metodelogi

Kegiatan fisik diidentifikasi dan dipilih untuk menyediakan berbagai aktivitas fisik untuk penugasan ke kategori tugas metabolik setara (MET) berdasarkan tingkat konsumsi energi yang diasumsikan untuk kegiatan tersebut. Karena aktivitas tertentu (misalnya, berjalan) dapat dilakukan pada berbagai tingkat intensitas, maka dibuat asumsi tentang tingkat intensitas paling umum yang terkait dengan aktivitas untuk klasifikasi ke dalam kategori nominal pengeluaran energi tinggi, sedang, atau rendah. Misalnya, aktivitas berjalan dapat dilakukan pada berbagai tingkat intensitas (kecepatan berjalan) dengan perkiraan level MET mulai dari sekitar 2 hingga lebih dari 5. Dalam penelitian ini, aktivitas berjalan diklasifikasikan sebagai aktivitas MET tingkat moderat sementara istirahat / duduk diklasifikasikan sebagai aktivitas MET rendah.

Hasil Analisis

Ada hubungan yang signifikan secara statistik antara penanda aktivitas fisik (dikodekan sebagai intensitas MET rendah, sedang, dan tinggi) dan tipe taman untuk semua responden (X2 = 82,9, df = 16, p <0,001) dan untuk rumah tangga (X2 = 38,8, df = 16, p <0,001) dan relawan (X2 = 58,5, df = 16, p <0,001) sampel masing-masing (Tabel 4). Jumlah terbesar kegiatan MET tinggi dikaitkan dengan taman linier untuk semua kelompok sampling, diikuti oleh taman masyarakat. Proporsi aktivitas MET tinggi juga secara signifikan lebih besar dari batas taman formal outside yang diharapkan (residual lebih besar dari +2.0), hasil yang logis karena aktivitas MET yang tinggi seperti jogging dan bersepeda sering termasuk area geografis di luar batas taman sebagai bagian dari kegiatan. Kelas taman kota yang lebih kecil — mini-park dan neighbor-hood — berisi lebih banyak kegiatan MET yang rendah dan aktivitas MET yang lebih sedikit daripada yang diharapkan berdasarkan nilai residu chi-square.

Gambar 1. Distribusi dari (a) jumlah peserta dan (b) titik-titik yang dipetakan (kegiatan dan manfaat) oleh area kode pos di Brisbane. Skor Z menunjukkan apakah jumlah peserta (c) dan poin (d) secara signifikan lebih besar (hijau) atau kurang dari yang diharapkan (merah) berdasarkan proporsi populasi.

a Hubungan keseluruhan adalah signifikan (X2 = 82,9, df = 16, p <0,001).

b Hubungan keseluruhan signifikan (X2 = 38,8, df = 16, p <0,001).

c Keseluruhan asosiasi signifikan (X2 = 58,5, df = 16, p <0,001).

Hubungan antara manfaat, tipe dan ukuran taman

Taman-taman alami memiliki jumlah manfaat terbesar yang dipetakan, diikuti oleh taman-taman kota besar, dan taman-taman masyarakat. Jumlah rata-rata manfaat terendah ditemukan di taman olahraga. Korelasi bivariat antara jumlah manfaat yang dipetakan dan ukuran taman adalah signifikan, tetapi moderat dalam kekuatan (r = 0,52, p <0,05). Ketika ukuran taman diperlakukan sebagai kovariat dalam model linier umum (GLM) dengan jumlah manfaat sebagai variabel dependen dan tipe taman sebagai variabel independen untuk taman dengan lima atau lebih manfaat yang dipetakan (n = 176), model ini signifikan (F = 4,5, p <0,000, R2 = 0,16). Ukuran taman kovariat signifikan (p = 0,079) pada tingkat signifikansi 0,10 dalam model.

Distribusi Spasial manfaat taman di wilayah studi

Gambar. 6. Peta yang menunjukkan distribusi spasial dari manfaat yang dipetakan di taman (ditampilkan sebagai centroid) dengan dua atau lebih manfaat yang dipetakan. Warna menunjukkan jenis manfaat paling sering di taman tempat Env = lingkungan, Phy = fisik, Psy = psikologis, Soc = sosial. CBD = Kawasan Pusat Bisnis.

Dengan lebih sedikit dan lebih spasial "sosial" taman (merah) dan jumlah yang lebih besar dan lebih banyak lagi taman "lingkungan" (hijau). Taman di mana manfaat “psikologis” paling sering (biru) paling dekat dengan distrik pusat bisnis Brisbane (CBD) sementara taman di mana manfaat “lingkungan” adalah tipe yang paling sering (hijau) yang jelas di pinggiran wilayah studi Brisbane dan bertepatan dengan taman hutan alam di bagian barat dan utara daerah perkotaan Brisbane.

Klasifikasi taman perkotaan dan perencanaan kota

Klasifikasi taman olahraga di Brisbane menimbulkan tantangan karena taman-taman ini dapat mencakup fitur taman lainnya (misalnya, area alami) yang tidak terkait dengan aktivitas olahraga.

Taman linear dalam studi ini diklasifikasikan berdasarkan bentuknya (yaitu, memanjang dan sempit), tetapi dengan pertimbangan tambahan untuk kedekatan dengan fitur fisik seperti saluran air dan keberadaan jalur penghubung.

Perbedaan antara taman olahraga, taman kota besar, dan taman alam yang tumpang tindih ukurannya membutuhkan penilaian subjektif tentang fungsi dominan taman, dikombinasikan dengan tingkat vegetasi asli. Singkatnya, klasifikasi taman membutuhkan penilaian analis subyektif ketika menerapkan beberapa kriteria.

Kesimpulan

Metode pemetaan partisipatif yang dijelaskan dalam penelitian ini menyediakan sarana untuk menilai layanan ekosistem budaya yang terkait dengan taman perkotaan dan ruang hijau. Namun, sebagaimana dicatat oleh Ahearn et al. (2014), penilaian jasa ekosistem perkotaan saja tidak memberikan inovasi yang diperlukan untuk menginformasikan kegiatan pembangunan perkotaan dan infrastruktur rutin (Ahern, Cilliers, & Niemelä, 2014). Namun, pemetaan partisipatif menawarkan potensi untuk lebih menginformasikan infrastruktur hijau kota karena secara spasial-eksplisit, pendekatan sistem untuk penilaian terfokus pada berbagai manfaat. Penelitian di masa depan dapat menganalisis distribusi spasial manfaat taman oleh pinggiran kota atau lingkungan (disaggregation spasial) untuk mengidentifikasi ketidakadilan sosial dalam manfaat taman yang dapat diatasi melalui pengembangan lebih lanjut dari infrastruktur hijau.