Influencias ambientales dependientes de la escala en el sentimiento sobre las áreas verdes urbanas: Integración del análisis multimodal de redes sociales y modelos espaciales explicables

Los beneficios de las áreas verdes urbanas (UGS) para la salud pública surgen no solo de las propias áreas verdes, sino también del entorno circundante (surrounding environmen, SE). Sin embargo, el aprovechamiento de los datos multimodales de las redes sociales para evaluar exhaustivamente las asociaciones entre las características ambientales y el sentimiento hacia las UGS sigue siendo un desafío.

Este estudio integra SHapley Additive exPlanations y Geographically Weighted Regression, utilizando 59.880 entradas de texto de redes sociales y 49.501 imágenes de 280 UGS en Beijing para revelar asociaciones no lineales, sinergias y heterogeneidades espaciales en diferentes escalas de UGS.

Los resultados muestran que: (1) Las características del SE juegan un papel más importante que los atributos de las UGS en la determinación del sentimiento hacia las UGS, siendo la tasa de cobertura de edificios, el producto interno bruto y la densidad de población los que más contribuyen. (2) Todas las variables ambientales exhiben efectos interactivos no lineales y heterogeneidad geográfica en el sentimiento hacia las UGS. (3) Dentro de las características de SE, la accesibilidad se asocia positivamente con la percepción del público en las áreas verdes comunitarias, pero negativamente en las no comunitarias, mientras que la relación de superficie construida es positiva en ambos, lo que revela una heterogeneidad dependiente de la escala entre las UGS y efectos localizados dentro de sus rangos efectivos.

Nuestra metodología combina el análisis de sentimientos basado en fotos y texto, ofreciendo un enfoque más preciso y eficiente para captar la opinión pública y, por lo tanto, permitir decisiones de planificación de UGS más precisas.

Título Original:

"Scale-Dependent environmental influences on urban green space sentiment: Integrating multimodal social media analysis and explainable spatial models"

Autor/es: