Cultural ecosystem services (CESs) intangibly influence many aspects of public daily life, and when evaluating them, it is difficult to obtain perception data. Spatial value transfer predicts the ecosystem service value of policy sites based on the spatial associations of study sites with services value. This approach has the potential to produce an evaluation without perception data. Previous studies have preliminarily researched the validity and effects of using spatial value transfer to evaluate CESs, but, there are doubts about the transfer performance of indicators, differences among various CES types, and the impact of the physical environment. This study examines the above key points of spatial value transfer in depth, with urban parks as the study area to assess three types of CES values that are closely related to human well-being: aesthetic, historical and recreational value. Two popular indicators, area under the curve statistics and transfer error rate, are used to evaluate transfer performance. The results reveal that historical values have the best transfer performance, and transfer error is lower in transfers from small locations to large locations with environmental variable combinations that include road network, water coverage and attraction distribution. The transfer error rate indicator could not only assess the overall transfer performance but also generate maps to reflect the distribution and value of transfer error. We suggest that more knowledge of minor differences in physical factors and developing specific transfer coefficients for them are necessary to enhance the accuracy of CES evaluation by spatial value transfer.

文化生态系统服务 (CES) 无形地影响着公众日常生活的许多方面，在评估它们时，很难获得感知数据。空间价值转移根据研究地点与服务价值的空间关联预测政策地点的生态系统服务价值。这种方法有可能在没有感知数据的情况下进行评估。已有研究初步研究了利用空间价值转移评价CES的有效性和效果，但对指标的转移性能、不同CES类型之间的差异以及物理环境的影响等方面存在疑问。本研究深入考察上述空间价值转移的要点，以城市公园为研究区域，评估与人类福祉密切相关的三类CES价值：审美、历史和娱乐价值。两个流行的指标，曲线统计下的面积和传输错误率，用于评估传输性能。结果表明，历史值具有最佳的传输性能，并且在从小位置到大位置的传输中，具有包括道路网络、水覆盖和景点分布在内的环境变量组合，传输误差较低。传输错误率指标不仅可以评估整体传输性能，还可以生成地图以反映传输错误的分布和价值。我们建议，有必要更多地了解物理因素的微小差异并为它们开发特定的传递系数，以通过空间值传递提高 CES 评估的准确性。两个流行的指标，曲线统计下的面积和传输错误率，用于评估传输性能。结果表明，历史值具有最佳的传输性能，并且在从小位置到大位置的传输中，具有包括道路网络、水覆盖和景点分布在内的环境变量组合，传输误差较低。传输错误率指标不仅可以评估整体传输性能，还可以生成地图以反映传输错误的分布和价值。我们建议，有必要更多地了解物理因素的微小差异并为它们开发特定的传递系数，以通过空间值传递提高 CES 评估的准确性。两个流行的指标，曲线统计下的面积和传输错误率，用于评估传输性能。结果表明，历史值具有最佳的传输性能，并且在从小位置到大位置的传输中，具有包括道路网络、水覆盖和景点分布在内的环境变量组合，传输误差较低。传输错误率指标不仅可以评估整体传输性能，还可以生成地图以反映传输错误的分布和价值。我们建议，有必要更多地了解物理因素的微小差异并为它们开发特定的传递系数，以通过空间值传递提高 CES 评估的准确性。用于评估传输性能。结果表明，历史值具有最佳的传输性能，并且在从小位置到大位置的传输中，具有包括道路网络、水覆盖和景点分布在内的环境变量组合，传输误差较低。传输错误率指标不仅可以评估整体传输性能，还可以生成地图以反映传输错误的分布和价值。我们建议，有必要更多地了解物理因素的微小差异并为它们开发特定的传递系数，以通过空间值传递提高 CES 评估的准确性。用于评估传输性能。结果表明，历史值具有最佳的传输性能，并且在从小位置到大位置的传输中，具有包括道路网络、水覆盖和景点分布在内的环境变量组合，传输误差较低。传输错误率指标不仅可以评估整体传输性能，还可以生成地图以反映传输错误的分布和价值。我们建议，有必要更多地了解物理因素的微小差异并为它们开发特定的传递系数，以通过空间值传递提高 CES 评估的准确性。从小地点转移到大地点的转移误差较低，环境变量组合包括道路网络、水域覆盖和景点分布。传输错误率指标不仅可以评估整体传输性能，还可以生成地图以反映传输错误的分布和价值。我们建议，有必要更多地了解物理因素的微小差异并为它们开发特定的传递系数，以通过空间值传递提高 CES 评估的准确性。从小地点转移到大地点的转移误差较低，环境变量组合包括道路网络、水域覆盖和景点分布。传输错误率指标不仅可以评估整体传输性能，还可以生成地图以反映传输错误的分布和价值。我们建议，有必要更多地了解物理因素的微小差异并为它们开发特定的传递系数，以通过空间值传递提高 CES 评估的准确性。传输错误率指标不仅可以评估整体传输性能，还可以生成地图以反映传输错误的分布和价值。我们建议，有必要更多地了解物理因素的微小差异并为它们开发特定的传递系数，以通过空间值传递提高 CES 评估的准确性。传输错误率指标不仅可以评估整体传输性能，还可以生成地图以反映传输错误的分布和价值。我们建议，有必要更多地了解物理因素的微小差异并为它们开发特定的传递系数，以通过空间值传递提高 CES 评估的准确性。