145

Wpływ zielonej infrastruktury na wartość ekonomiczną nieruchomości

Green infrastructure’s influence on market value of real estate properties

Gabriela Maksymiuk

Szkoła Główna Gospodarstwa Wiejskiego, Wydział Ogrodnictwa, Biotechnologii i Architektury Krajobrazu, Katedra Architektury Krajobrazu, ul. Nowoursynowska 166, 02-787 Warszawa

e-mail: gabriela_maksymiuk@sggw.pl __________________________________________________________________

Abstract: The paper analyses link between housing prices and urban green areas and it describes the results of pilot studies on influence of green infrastructure objects on market value of real estate properties located in their vicinities. In carried study a hedonic technique has been used, which allows simultaneous evaluation of multiple independent variables (including distance from apartment to green infrastructure) on dependant variable (e.g. real estate prices). Statistical analyses were performed on sample of 108 properties located in Warsaw that were sold between January and April 2012. Together with typical variables used to explain the housing price (e.g. number of rooms, etc.), three environmental variables were considered: distance to the nearest green infrastructure object (calculated as “walking route”), type of green space (park or forests) and size of the nearest object (in ha).Among the independent variables associated with green spaces, a statistically significant positive effect of “size of the nearest green infrastructure (in ha)” (p=0.015) was observed. The larger the size of the green space located in the dwelling vicinity, the higher transaction price per sq metre can be expected. Moreover, prices for dwellings located in the vicinities of forests were slightly higher than for dwellings located closer to parks.

Słowa kluczowe: cena rynkowa terenów zieleni, metoda cen hedonicznych, tereny wypoczynkowe Key words: market value of green spaces, hedonic price method, recreational areas

Wprowadzenie

W Polsce przemiany polityczne i gospodarcze lat 90., w tym wprowadzenie gospodarki wolnorynkowej, w znacznej mierze wpłynęły na zarządzanie terenami w miastach. W Warszawie oraz innych dużych miastach obserwowane są dynamiczne przemiany w strukturze przestrzennej. Są one wynikiem między innymi presji urbanizacyjnej na tereny otwarte, czego rezultatem jest uszczuplanie terenów wypoczynkowych.Rola terenów zieleni w mieście jest bezdyskusyjna. Liczne badania naukowe potwierdzają ich pozytywny wpływ na poprawę warunków życia mieszkańców, uznają ich walory przyrodnicze, społeczne czy kulturowe (m.in. Piątkowska, 1983; Tyrväinen, Mäkinen, Schipperijn, 2007; Zachariasz, 2001, 2006). Jednakże w sytuacji presji urbanizacyjnej na tereny otwarte w miastach, brak jest

Maksymiuk G., 2013, Wpływ zielonej infrastruktury na wartość ekonomiczną nieruchomości. T. XXXVI, 145-153.

146

Maksymiuk G.

analiz opartych na ekonomicznej wycenie wartości terenów zieleni, pomimo iż korzyści płynące z ich lokalizacji są powszechnie znane i akceptowane. Zasób terenów wypoczynkowych współtworzy zieloną infrastrukturę miasta. Zalicza się do dóbr środowiska, które warunkują tzw. usługi ekosystemowe, poprzez dostarczanie korzyści niematerialnych, tak jak możliwości rekreacji czy wartości poznawcze (m.in. Jim, Chen, 2009). Ocena wpływu położenia nieruchomości w sąsiedztwie terenów zieleni na jej wartość rynkową, może pozwolić na pośrednie określenie wartości materialnej samego obiektu zielonej infrastruktury, np. parku. Określenie materialnej wartości, w tym wypadku terenów wypoczynkowych, może mieć kluczowe znaczenia dla zarządzania tymi terenami, jak również może stanowić podstawę ochrony tych terenów przed zabudową.Celem artykułu jest prezentacja wyników badań pilotażowych dotyczących wpływu wybranych obiektów zielonej infrastruktury na cenę nieruchomości zlokalizowanych w ich sąsiedztwie.W zagranicznej literaturze przedmiotu prezentowane są badania dotyczące oceny wartości terenów zieleni w kontekście finansowym (m.in. Vandermeulen et al., 2011; Mell et al., 2013; Schäffler, Swilling, 2013; Netusil et al., 2014). Fińskie badania Tyrvainen i Miettinen (2000) pokazują, że bezpośrednie położenie mieszkania w sąsiedztwie lasu podnoszą jego wartość rynkową o 6%. Również studia hiszpańskie Morancho (2003) wskazują, że bliskość terenów wypoczynkowych nawet o niewielkiej powierzchni, np. skwerów i zieleńców, jest czynnikiem podnoszącym cenę rynkową mieszkań. Kilkuletnie badania prowadzone we Frankfurcie nad Menem na temat wpływu terenów zieleni na wartość gruntów zlokalizowanych w ich sąsiedztwie (Gruehn, Budinger 2012) wykazały, że bezpośrednie sąsiedztwo parku podnosi wartość jednego metra kwadratowego sąsiadującej działki budowlanej od 67 do 200 euro. Tym samym cena działki o powierzchni 1000 m2 może osiągnąć wartość rynkową wyższą nawet o 200 000 euro. Także badania Des Rosiers et al. (2002) wykazują korelację między sposobem zagospodarowania działki a ceną transakcyjną nieruchomości. Korzystny wpływ na cenę nieruchomości, w tym przypadku domu z ogrodem, miały: zwiększony udział drzew w obrębie działki oraz zróżnicowanie elementów roślinnych, takich jak żywopłoty, klomby i rabaty.W literaturze polskiej doniesienia na temat podobnych badań są nieliczne, przeprowadzane głównie przez ekonomistów. Nie zawierają one zwykle pogłębionej analizy przyrodniczych i społecznych wartości obiektów terenów zieleni. W kontekście określenia korzyści czerpanych z wielofunkcyjnej gospodarki leśnej, włącznie z oszacowaniem ich wartości ekonomicznej, należy wymienić badania w ramach projektu POLFOREX (Żylicz, Bartczak 2010).

Metody stosowane w ocenie walorów środowiskowych

Spośród stosowanych ekonomicznych metod wyceny wartości walorów środowiskowych, należy wymienić metodę kosztów podróży (z ang. Travel Cost Method - TCM), transferu korzyści (z ang. Benefit Transfer - BT), analizę kosztów i korzyści (z ang. Cost - Benefit Analysis - CBA) czy metodę cen hedonicznych (ang. Hedonic Price Method - HPM). Metoda cen hedonicznych najbardziej odpowiada potrzebom oszacowania wzrostu wartości nieruchomości ze względu na bliskość terenów wypoczynkowych (Shechter 1996). Najczęściej spotykanym w literaturze przedmiotu zastosowaniem metody HPM jest badanie wpływu jakości powietrza na ceny nieruchomości. Metoda ta była z powodzeniem wykorzystywana także do analizy wpływu wybranych terenów otwartych na wartość otoczenia w cytowanych powyżej badaniach. Głównym założeniem metody cen hedonicznych jest stwierdzenie, że na cenę nieruchomości składa się suma parametrów, takich jak: metraż, wiek, cechy architektoniczne nieruchomości oraz zbiór cech środowiskowa występujących w danym miejscu (Zandersen, 2010, Widłak 2010). Do cech środowiska zalicza się m.in. bliskość terenów wypoczynkowych, atrakcyjność widoku z okna, jakość powietrza w

Wpływ zielonej infrastruktury na ...

147

okolicy. W metodzie tej wykorzystywana jest analiza regresji wielokrotnej (Sokal, Rohlf 1995), która pozwala na jednoczesną ocenę wpływu wielu zmiennych objaśniających (w tym, odległości od terenu zieleni) na zmienną zależną (np.: cenę nieruchomości).

Zakres i metoda zastosowanego modelu

Omawiane w niniejszym artykule badania oceny wpływu wybranych obiektów zielonej infrastruktury na wartość rynkową nieruchomości położonych w ich sąsiedztwie przeprowadzono w 2012 roku. Badania miały charakter pilotażowy. Zastosowano dobór próby warstwowo - losowy, co miało na celu uniknięcie błędów statystycznych nawet przy małej próbie. Wykorzystano dane dla 108 nieruchomości zlokalizowanych w Warszawie (w dzielnicach: Bielany, Ursynów, Mokotów, Praga Południe oraz Śródmieście), sprzedanych w okresie styczeń – kwiecień 2012. Dane na temat transakcji pozyskano z renomowanej agencji pośrednictwa sprzedaży nieruchomości. Dla każdej nieruchomości określono dokładne położenie w oparciu o dane adresowe, co następnie zostało wykorzystane do obliczeń odległości dojścia pieszego do najbliższego obiektu zielonej infrastruktury (parku lub lasu).Dla oceny zależności cen nieruchomości od odległości od obiektów zielonej infrastruktury posłużono się metodą cen hedonicznych, która pozwala na ocenę wpływu wielu czynników na cenę nieruchomości, w tym zmiennych niezależnych związanych z odległością i typem terenu zieleni. Analizy statystyczne przeprowadzono w programie Statistica 7 (StatSoft, 2005).Zakres i charakterystykę zmiennych dla każdej nieruchomości przedstawia tabela 1.

Tabela 1. Charakterystyka zmiennych dla analizowanych nieruchomości (N=108)Table 1. Variables characteristics of studied real estate properties (N=108)

LP. CHARAKTERYSTYKA ZMIENNYCH1. ADRES: nazwa ulicy, numer domu2. POWIERZCHNIA: powierzchnia mieszkalna w m2

3. LICZBA POKOI: liczba pokoi mieszkalnych 4. LICZBA ŁAZIENEK: liczba łazienek, przy założeniu 1 punkt za każdą łazienkę

5. WINDA: zmienna dychotomiczna; wartość 1 punkt w przypadku istnienia windy w budynku, 0 gdy jej brak

6. MATERIAŁ: W – wielka płyta, C – cegła, I – inny; wartość 0 punktów dla konstrukcji budynków z wielkiej płyty, 1 punkt w przypadku pozostałych materiałów

7. ODLEGŁOŚĆ OD CENTRUM: odległość nieruchomości od centrum Warszawy (umownie – budynek Pałacu Kultury i Nauki) mierzona w km jako promień

8. CENA SPRZEDAŻY: cena całkowita transakcji w PLN9. CENA M2: przeliczenie ceny całkowitej transakcji na 1 m2 (PLN)

10. NAZWA NAJBLIŻSZEGO OBIEKTU ZIELONEJ INFRASTRUKTURY: nazwa własna najbliższego parku lub lasu

11.ODLEGŁOŚĆ OD NAJBLIŻSZEGO OBIEKTU ZIELONEJ INFRASTRUKTURY: odległość od nieruchomości do najbliższego parku lub lasu, mierzona w metrach zgodnie z najkrótszą trasą przejścia, przy uwzględnieniu przeszkód komunikacyjnych, np. brak przejścia dla pieszych

12. POWIERZCHNIA OBIEKTU ZIELONEJ INFRASTRUKTURY: powierzchnia mierzona w hektarach

13. TYP OBIEKTU ZIELONEJ INFRASTRUKTURY: park lub lasŹródło: opracowanie własne.Source: author’s elaboration.

148

Maksymiuk G.

W analizach statystycznych uwzględniono jako zmienne objaśniające (niezależne) następujące cechy: powierzchnia w m2, liczba pokoi, obecność windy, materiał, odległość od centrum, odległość od najbliższego terenu wypoczynkowego, powierzchnia oraz typ obiektu zielonej infrastruktury. Zestawienie badanych nieruchomości w podziale na dzielnice wraz z podaniem nazw najbliższych obiektów zielonej infrastruktury o funkcji wypoczynkowej przedstawia tabela 2.

Tabela 2. Zestawienie badanych nieruchomości w podziale na dzielnice oraz najbliższe obiekty zielonej infrastruktury Table 2. Summary of studied real estate properties in regards to districts and the nearest locations of green infrastructure objects

Dzielnica Liczba badanych nieruchomości - w pod-ziale na dzielnice

Liczba badanych nieruchomości - w podziale na poszczególne najbliższe obiekty zielonej infrastruktury

Bielany 35

13 – Park Olszyna9 – Las Bielański5 – Lasek Lindego3 – Park im. Z. Herberta2 – Park „Stawy Brustmana”1 – Park „Stawy Kellera”1– Park Kaskada1 – Sady Żoliborskie

Mokotów 5 3 – Park Morskie Oko2 – Park Sielecki

Praga Południe 52– Las „Olszynka Grochowska”2 – Park Szaserów1 – Park Znicza

Śródmieście 146 – Park „Łazienki Królewskie”4 – Park im. Rydza-Śmigłego4 – Park Świętokrzyski

Ursynów 47

19 – Park „Lasek Brzozowy”12 – Las Kabacki10 – Park „Przy Bażantarni”6 – Park im. Jana Pawła II

Wilanów 2 2 – Park na terenie „Miasteczka Wilanów”Źródło: opracowanie własne. Source: author’s elaboration.

Wykluczono z analiz zmienne nieliczbowe (adres i nazwa terenu zieleni) oraz cechy niewykazujące zmienności w ocenianej próbie (liczba łazienek dla wszystkich nieruchomości była taka sama i wynosiła 1).Jako zmienne objaśniane przyjęto cenę sprzedaży oraz cenę m2 (w PLN).Wykresy przedstawione na ryc. 1 (A-F) przedstawiają rozkłady zmiennych ilościowych uwzględnianych w analizach, natomiast tabela 3 przedstawia wartości średnie i parametry zmienności tych zmiennych. Na podstawie poszczególnych wykresów można stwierdzić, że w próbie losowej dominowały nieruchomości o powierzchni między 35 a 65 m2, a średnia powierzchnia wynosiła 49,4 m2. Średnia odległość od centrum wynosiła 7,5 km, w większości przypadków była między 3 a 12 km, jedynie 8 nieruchomości było położonych bliżej niż 3 km od centrum i 2 nieruchomości dalej niż 12 km. Średnia odległość od obiektu zielonej infrastruktury wynosiła ok. 590 m, a dla blisko 80% nieruchomości nie przekraczała 800 m, w tym 3 z nich bezpośrednio sąsiadowały z terenem zieleni.

Wpływ zielonej infrastruktury na ...

149

Ryc. 1. Histogramy przedstawiające rozkłady wartości zmiennych ilościowych ciągłych uwzględnianych w analizach (źródło: opracowanie własne).

Fig. 1. Histograms showing the distributions of continuous quantitative variables taken into account in the analyzes (source: author’s elaboration).

A B

30 35 40 45 50 55 60 65 70

Powierzchnia

0%

2%

4%

6%

7%

9%

11%

13%

15%

17%

19%

20%

22%

24%

26%

Proc

ent o

bser

wac

ji

0

2

4

6

8

10

12

14

16

18

20

22

24

26

28

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14

Odległość od centrum (km)

0%

2%

4%

6%

7%

9%

11%

13%

15%

17%

Pro

cent

obs

erw

acji

0

2

4

6

8

10

12

14

16

18

C D

0 200 400 600 800 1000 1200 1400 1600 1800 2000 2200

Odległość od najbliższego terenu zieleni lub lasu (m)

0%

2%

4%

6%

7%

9%

11%

13%

15%

17%

19%

20%

Proc

ent o

bser

wac

ji

0

2

4

6

8

10

12

14

16

18

20

22

0 5 10 15 20 50 100 500 1000

powierzchnia terenu zieleni

0%

5%

9%

14%

19%

23%

28%

32%

37%

42%

Proc

ent o

bser

wac

ji

0

5

10

15

20

25

30

35

40

45

E F

4000 5000 6000 7000 8000 9000 10000 11000 12000 13000 14000 15000

Cena m2

0%

5%

9%

14%

19%

23%

28%

32%

Proc

ent o

bser

wac

ji

0

5

10

15

20

25

30

35

200000

250000300000

350000400000

450000500000

550000600000

650000700000

750000800000

850000900000

Cena sprzedaży

0%

2%

4%

6%

7%

9%

11%

13%

15%

17%

19%

20%

22%

Pro

cent

obs

erw

acji

0

2

4

6

8

10

12

14

16

18

20

22

24

Jeśli chodzi o powierzchnię obiektów zielonej infrastruktury to w większości przypadków (ok. 60%) miały one powierzchnię do 10 ha. Natomiast średnia powierzchnia obiektu wynosiła aż 126,1 ha, o czym przesądził Las Kabacki zajmujący powierzchnię 924,7 ha. Powierzchnia terenu wypoczynkowego była cechą o największej zmienności (wartość współczynnika zmienności wynosiła 227,3%).Wśród nieruchomości uwzględnianych w badaniu największy udział miały mieszkania 2-pokojowe (59%) oraz 3-pokojowe (30%) (ryc. 2). Większość nieruchomości była wyposażona w windy (72%), a najbliższym obiektem zielonej infrastruktury był park (74%).

150

Maksymiuk G.

Tabela 3. Wartości średnie oraz parametry zmienności dla nieruchomości uwzględnianych w analizieTable 3. The average values and variability parameters for the real estate properties taken into account in the analysis

Cechy nieruchomości Średnia Minimum Maksimum Odchylenie standardowe.

Współczynnik zmienności (%)

Powierzchnia nieruchomości (m2) 49,4 34,4 65,6 8,5 17,2

Odległość od centrum (km) 7,5 0,4 12,2 3,1 41,9Odległość od najbliższego obiektu zielonej infrastruktury (m) 589,6 0,0 1950,0 446,1 75,7

Cena sprzedaży (zł) 432 516 260 000 807 000 107 088 24,8

Cena m2 (zł) 8765,6 5710,0 13866,0 1552,5 17,7Powierzchnia obiektu zielonej infrastruktury (ha) 126,1 1,9 924,7 286,8 227,3

Źródło: opracowanie własne.Source: author’s elaboration.

Ryc. 2. Udział poszczególnych klas dla cech skategoryzowanych (źródło: opracowanie własne).Fig. 2. The share of individual classes for studied characteristics (source: author’s elaboration).

A

B

C

D

8%

59%

30%

3%

Liczba pokoi

1 2 3 4

28%

72%

Winda

NIE TAK

24%

42%

34%

Materiał

cegła inny wielka płyta

26%

74%

Typ terenu zieleni

park las

Wpływ zielonej infrastruktury na ...

151

Wyniki

Przeprowadzona analiza regresji wielokrotnej liniowej (tab. 4) wykazała największy wpływ powierzchni, liczby pokoi oraz materiału budowlanego nieruchomości na jej cenę. Wpływ ten był wysoce istotny (p<0,01). Wpływ liczby pokoi był ujemny, co świadczy o mniejszych cenach nieruchomości o większej liczbie pokoi, przy podobnych pozostałych cechach (np. powierzchni). Natomiast, wpływ powierzchni i materiału był dodatni.

Tabela 4. Wyniki analizy regresji wielokrotnej liniowejTable 4. The results of multiple linear regression analysis

Cechy analizy Współczynnik regresji (B) Statystyka t poziom p

Powierzchnia 10230,3 9,18 <0,001Liczba pokoi -46898,6 -3,12 0,002Winda (1-tak/0- nie) -23066,1 -1,29 0,199Materiał (0-wielka płyta/1-inny) 45616,0 2,75 0,007Odległość od centrum (km) -2333,8 -0,77 0,442Odległość od najbliższego terenu zieleni lub lasu (m) -7,1 -0,43 0,666Powierzchnia terenu zieleni (ha) 86,7 2,38 0,019Typ terenu zieleni (0-park/1- las) 40268,9 1,75 0,084

R2= 0,566; skorygowane R2= 0,531; F=16,014; N=108Źródło: opracowanie własne.Source: author’s elaboration.

Spośród zmiennych niezależnych związanych z obiektami zielonej infrastruktury, stwierdzono statystycznie istotny wpływ powierzchni obiektu zielonej infrastruktury (p=0,019). Wpływ ten był dodatni, co świadczy o tym, że czym większa powierzchnia najbliższego obiektu, tym możemy się spodziewać wyższej ceny nieruchomości. Bliski istotnemu statystycznie był również wpływ typu obiektu zielonej infrastruktury (wartość p=0,084). Dodatnia wartość tego wpływu także świadczy o tym, że nieruchomości, dla których najbliższym obiektem zielonej infrastruktury był las, były droższe. Wpływ odległości od zielonej infrastruktury był ujemny, ale bardzo słaby (czyli występuje bardzo słaba tendencja zmniejszania się cen wraz ze zwiększaniem odległości od terenów zieleni). Łącznie wszystkie zmienne objaśniające uwzględnione w analizie regresji determinowały cenę nieruchomości w ponad 50% (R2=0,566).Natomiast w analizie regresji, w której za zmienną zależną przyjęto cenę za m2 nieruchomości, stwierdzono największy wpływ liczby pokoi (ujemny) oraz materiału (dodatni). Wynik ten wskazuje, że nieruchomości zbudowane z materiałów innych niż wielka płyta były droższe (tab. 5).Również w tej analizie spośród zmiennych niezależnych związanych z zieloną infrastrukturą stwierdzono statystycznie istotny wpływ powierzchni obiektu zielonej infrastruktury (p=0,015). Podobnie jak w przypadku poprzedniej analizy dotyczącej ceny całej nieruchomości, wpływ ten był dodatni. Wynik ten świadczy o tym, że czym większa powierzchnia najbliższego terenu zieleni, tym możemy się spodziewać wyższej ceny nieruchomości za m2. Bardzo bliski istotnemu statystycznie był wpływ typu obiektu zielonej infrastruktury (wartość p=0,052). Wartość ta jest prawie równa poziomowi istotności, który wynosi 0,05. Nieruchomości, dla których najbliższym terenem zielonej infrastruktury był las, miały wyższe ceny za m2 w porównaniu z nieruchomościami, dla których najbliższym terenem

152

Maksymiuk G.

Tabela 5. Wyniki analizy regresji wielokrotnej liniowej dla zmiennej zależnej: cena sprzedaży za m2

Table 5. The results of multiple linear regression analysis for variable: transaction price per square meter

Cechy analizy Współczynnik regresji (B) Statystyka t poziom p

Powierzchnia 26,04 1,23 0,220Liczba pokoi -840,63 -2,96 0,004Winda (1-tak / 0- nie) -467,17 -1,38 0,170Materiał (0-wielka płyta / 1- inny) 944,14 3,00 0,003Odległość od centrum (km) -15,26 -0,27 0,791Odległość od najbliższego obiektu zielonej infrastruktury (m) -0,18 -0,58 0,563Powierzchnia obiektu zielonej infrastruktury (ha) 1,71 2,48 0,015Typ obiektu zielonej infrastruktury (0-park / 1- las) 858,59 1,97 0,052

R2= 0,261; skorygowane R2= 0,201; F=4,328; N=108Źródło: opracowanie własne.Source: author’s elaboration.

był park. Wpływ odległości obiektów zielonej infrastruktury na cenę za m2 był ujemny, ale bardzo słaby (p=0,563). Łącznie wszystkie zmienne objaśniające uwzględnione w tej analizie regresji determinowały cenę m2 w około 25% (R2=0,261).

Dyskusja i wnioski

Na podstawie przeprowadzonych analiz stwierdzono statystycznie istotny wpływ typu zielonej infrastruktury oraz bliski statystycznie istotnemu wpływ powierzchni zielonej infrastruktury. Świadczy to o tym, że położenie nieruchomości w sąsiedztwie lasu lub innego dużego terenu zieleni zwiększa jej wartość. Powyższe wyniki są zgodne z cytowanymi pracami Tyrvainen i Miettinen (2000) czy Gruehn, Budinger 2012.Nie stwierdzono natomiast tak klarownego wpływu odległości od zielonej infrastruktury na wartość nieruchomości. Może to wynikać z powodu niewielkich odległości od terenów zieleni dla prawie wszystkich uwzględnianych nieruchomości, jak również pilotażowego charakteru badania, a stąd ograniczonej próby. W przytaczanych we wprowadzeniu do artykułu badaniach Morancho (2003) to właśnie odległość od zielonej infrastruktury była zmienną o statystycznie istotnym wpływie na wartość nieruchomości. Różnice w wynikach badań są najprawdopodobniej warunkowane różną próbą; opisywane badania warszawskie próba N = 108, w porównaniu do próby N=810 w badaniach Morancho. Jednocześnie, w hiszpańskich badaniach nie uwzględniano specyfiki różnych typów terenów o funkcji wypoczynkowej, a wszystkie zakwalifikowano do kategorii tereny zieleni, a właśnie w badaniach warszawskich bliskość lasu podnosiła cenę nieruchomości bardziej niż bliskość parku. Wyniki przeprowadzonych analiz, pomimo swojego pilotażowego charakteru, potwierdzają pozytywny wpływ zielonej infrastruktury na wartość ekonomiczną przestrzeni znajdującej się w jej otoczeniu. W warunkach gospodarki rynkowej te “twarde argumenty” mogą być wykorzystane w zarządzaniu terenami w miastach i stanowić argument przeciw zabudowie istniejących obiektów zielonej infrastruktury.

Podziękowania

Autorka artykułu składa serdeczne podziękowania dr Dariuszowi Gozdowskiemu z Katedry Doświadczalnictwa i Biometrii, Wydziału Rolnictwa i Biologii, SGGW w Warszawie za wsparcie techniczne przy analizach statystycznych.

Wpływ zielonej infrastruktury na ...

153

Literatura

Des Rosiers F., Theriault, M., Kestens Y., Villeneuve P., 2002. Landscaping and House Values: An Empirical Investigation. JRER, Vol. 23, 139-150.

Jim C.Y., Chen W.Y., 2009. Ecosystem services and valuation of urban forests in China. Cities, Vol. 26, 187–194.

Mell I.C, Henneberry J., Hehl-Lange S., Keskin B., 2013. Promoting urban greening: Valuing the development of green infrastructure investments in the urban core of Manchester, UK. Urban Forestry & Urban Greening Vol. 12 (2013), 296–306.

Morancho A. B., 2003. A hedonic valuation of urban green areas. Landscape and Urban Planning, Vol. 66, 35-41.

Netusil N.R., Levin Z., Shandas V., Hart T., 2014. Valuing green infrastructure in Portland, Oregon. Landscape and Urban Planning Vol. 124, 14–21.

Piątkowska K.,1983. Kształtowanie obiektów i zespołów usługowych, Zieleń i wypoczynek. Instytut Kształtowania Środowiska, Warszawa.

Schäffler A., Swilling M., 2013. Valuing green infrastructure in an urban environment under pressure — The Johannesburg case. Ecological Economics Vol. 86 (2013), 246–257.

Shechter, M. 1996. Wycena środowiska. Ekonomia środowiska i zasobów naturalnych. Red, H. Folmer, L., Gabel, H., Opschoor. (eds.) Wydawnictwo Krupski i s-ka, p. 193-213.

Sokal R. R., Rohlf F. J., 1995. Biometry: the Principles and Practice of Statistics in Biological Research, 3 ed., W. H. Freeman, New York.

StatSoft, Inc. 2005. STATISTICA (data analysis software system), version 7.1. www.statsoft.com.Tyrväinen L., Mäkinen K., Schipperijn J., 2007. Tools for mapping social values of urban woodlands

and other green areas. Landscape & Urban Planning, Vol. 79(2007). Tyrvainen L., Miettinen A., 2000. Property Prices and Urban Forest Amenities. Journal of Environmental

Economics and Management, Vol. 39, 205-223.Ustawa o ochronie przyrody. 2004. Dz. U. 2004. Nr 92 Poz. 880.Vandermeulen V., Verspecht A., Vermeire B., Van Huylenbroeck G., Gellynck X., 2011. The use of

economic valuation to create public support for green infrastructure investments in urban areas. Landscape and Urban Planning Vol. 103 (2011), 198– 206.

Widłak M., 2010. Metody wyznaczania hedonicznych indeksów cen jako sposób kontroli zmian jakości dóbr. Wiadomości statystyczne, Studia Metodologiczne, 9(592), 1-25.

Zachariasz A., 2006. Zieleń jako współczesny czynnik miastotwórczy ze szczególnym uwzględnieniem roli parków publicznych. Seria Architektura. Monografia 336. Politechnika Krakowska, Kraków.

Zachariasz A., 2001. Tereny zieleni miejskiej – aspekty architektoniczno – planistyczne. Architektura krajobrazu a planowanie przestrzenne. Wydawnictwo Politechniki Krakowskiej, Kraków.

Zandersen M., 2010. Wartości nierynkowych korzyści z lasów. Metody wyceny oraz zastosowanie wyników w analizach ekonomicznych. Polforex, IBL, 8-10.