基于街景测量的南昌市行道树结构特征与健康状况研究

2022-03-10梁陈涛杨艳波田盼立王慧梅王文杰

生态学报 2022年2期

梁陈涛,杨艳波,田盼立,肖路,王慧梅,王文杰,,*

1 森林植物生态学教育部重点实验室,东北林业大学化学化工与资源利用学院,哈尔滨 150040 2 中国科学院东北地理与农业生态研究所,长春 130102

行道树是城市绿化基础设施的重要组成部分,具有减少噪音、改善微气候、净化空气、美化城市等重要的作用[1—2]。行道树大小、结构和健康状况直接影响城市环境和生态服务功能(固碳、降尘等)以及城市观光价值。最大化提升行道树生态服务功能已经成为城市绿地建设和管理一个重点,而明确行道树结构特征与健康状况是重要基础[3]。在获取城市行道树基础数据时,在更大、高密度区域准确树木测量才能保证准确生态功能评价。

随着网络大数据技术的发展,在线三维街景地图已广泛用于城市环境研究[4—7]。我们课题组前期开发了街景照片测量法用于行道树胸径、树高、冠下高和冠幅的方法,并在Urban Forestry Urban Greening上发表[8]。也有人用于量化与叶面积相关的冠层盖度[4]、遮荫作用[9]。街景测量法与传统实地调查相比街景调查具有高效、节约成本等优点,为城区大面积、高密度的树木测量提供了基础。

基于上述,本研究通过百度街景平台的网络街景测树法对南昌市行道树的结构特征和健康状况展开全城市区域的详细调查、测定与空间分布绘图,旨在对南昌市的城市行道树建设进行科学、全面评价,为南昌市未来城市绿化基础设施提供数据支持。

1 研究地点与研究方法

1.1 研究区域

南昌市是江西省的省会城市。南昌地处江西中部偏北,赣江、抚河下游,鄱阳湖西南岸,位于东经115°27′—116°35′、北纬28°10′—29°11′之间[16],历年平均气温在17.1—17.8℃,全年降水量1567.7—1654.7 mm[17]。本研究选取南昌市三环以内的区域作为实验调查样地,共包括7个行政区,分别是：西湖区、青云谱区、青山湖区、南昌县、东湖区、新建县和湾里区,如图1所示,总面积为987 km2。

图1 调查样地在南昌市的空间分布、研究测量方法图示和垂直结构类型Fig.1 The spatial distribution of the sample plot in Nanchang, the measurement method and the vertical structure types in this studyDBH：胸径 diameter at breast height；UBH：冠下高 underbranch height；TH：树高 tree height；CS：冠幅 canopy size

1.2 基于街景照片行道树数据的获取

在百度街景地图中对南昌市进行网格化布点,网格大小为600 m,全市共设置963个样点(图1)。全景模式下进入每个样点的网络街景地图,识别100 m道路样地行道树信息(作为一个样地),当百米内遇到围墙、栅栏等时,以遮挡物为止所有树木所在样地进行统计,研究区域内共调查26727株行道树。不同指标的测量方法具体包括：

树木大小测量(图1)：参照城市行道树街景测树法[8],采集并下载街景照片,导入ImageJ软件测量各指标。选择固定的参考标准,如路缘石的高度15—20 cm(平均值18 cm：CJJ37—2012 城市道路工程设计规范标准)、交通警告标线宽15 cm(国标名称：GB5768—1999)、行道树涂白漆高度(1.0—1.3 m：经验值)和车道宽度(3.5 m：道路交通标志和标线国家标准)等。测量样地内所有树木的各指标,平均值表示该样地的树木的胸径、树高、冠下高和冠幅。

树木健康状况采用视觉评价法。评价方法：1)支架比例：样地内支架支撑的树木占树木总数的百分比(帮助树木生存)；2)枯梢比例：样地内有枯梢的树占树木总数的百分比；3)叶色不健康比例：样地内叶色异常树占树木总数的百分比；4)死亡比例：样地死树占树木总数的百分比。4个参数用于评价树木健康状况,参数百分比越高,健康状况越差。就叶片颜色而言,大多数植物健康色为绿色,非绿色为不健康状态,对于某些特殊种(如紫叶李等),则以颜色较深的为健康,明显变色的定义为不健康。我们选择在植物生长季街景图完成调查,所有工作在2017年夏季完成。

垂直结构采用视觉评价法。记录方法为：目测识别样地内行道树及其附属植被的结构类型(图1),规定结构类型的确定规则：100 m范围内两侧道路非硬质路面上,即有土壤地面上,各植被类型绿化土地面积占比情况确定其垂直结构等级,具体分类如下：

1)有乔木,灌木绿化率达20%以上,草本达20%以上,为乔灌草(7)；

2)有乔木,灌木绿化率达20%以上,无草本或低于20%,为乔灌(6)；

3)有乔木,无灌木或低于20%,草本达20%以上,为乔草(5)；

4)有乔木,无灌木或低于20%,无草本或低于20%,为乔(4)；

5)无乔木,灌木绿化率达20%以上,草本达20%以上,为灌草(3)；

6)无乔木,灌木绿化率达20%以上,无草本或草本低于20%,为灌(2)；

7)无乔木,无灌木或低于20%,草本高于20%,为草(1)；

8)硬质面、土壤无植被、无乔木且灌木和草本均低于20%均为裸地(0)。括号内数字从0到7代表垂直结构等级复杂程度,所有信息记录到Excel中。社会发展情况也进行观察记录。具体包括100 m内行人数、行驶车辆数、路边停车数、路边商铺数量、道路车道数、道路绿化带宽度,用于分析社会发展情况,以便后续相关性分析。

1.3 数据分析

使用JMP10.0软件对行道树大小指标、健康状况和垂直结构进行统计分析,绘制频率分布箱线图,图内包括的指标包括平均值(菱形)、中位数(长方形中线)、上四分位数(长方形上缘)、下四分位数(长方形下缘)和异常值(黑点)；红线表示50%数据最小集中区域。

就林分健康而言,样地内树木支架比例、枯梢比例、叶色不健康比例、死亡比例越接近0%,则该林分整体健康越良好。为方便分析,上述指标<1/4的样地定义为林分健康良好,在1/4到1/2的样地定义林分健康状况一般,而占比>1/2时定义为林分健康较差。

通过ArcGIS10.2克里金插值模块确定各指标空间分布情况。单因素方差与多重分析比较用于分析不同行政区和不同环路的树木大小、健康状况、垂直结构等级差异,统计在SPSS22.0中完成。在Canoco5.0中运用冗余分析用于确定树木大小、垂直结构、健康状况与社会因子和道路因子间的复杂关系,为行道树管理提供参考。

2 结果

2.1 行道树大小频率与空间分布

南昌市行道树平均胸径16.66 cm,平均冠下高2.04 m,平均树高6.17 m,平均冠幅4.65 m。行道树大小分布相对集中,如图2所示,树胸径主要集中在10—20 cm,冠下高主要集中在1—2.5 m,占比76%；树高度集中在4—8 m,占比71%；冠幅主要集中在2—6 m,占比76%。

图2 南昌市行道大小指标分布箱线图Fig.2 Box-plots of tree size factors of roadside trees in Nanchang

南昌市行道树大小在不同行政区间存在差异。综合分析来看,小树在南昌县、新建区、湾里区大面积分布,大树主要分布在东湖区、西湖区。且在不同环路间则显示出大树主要分布在靠近内环区域、较小的树主要分布在城市外围的空间分布规律(图3)。

图3 南昌市行道树大小空间分布图Fig.3 Spatial distribution map of street tree sizes in Nanchang

2.2 行道树健康频率与空间分布

南昌市行道树多数健康状况良好。调查样地中不健康状况处于较低的水平,频率分布如图4显示,77%的样地中行道树没有支架,69%的样地中行道树没有枯梢,35%的样地行道树叶片颜色健康,93%的样地无死树。

图4 南昌市行道树木健康指标分布箱线图Fig.4 Box-plots of health index distribution of roadside trees in Nanchang

行道树健康状况空间分布显示行道树管理的潜在危险区域(图5)。综合各指标分析,青山湖、新建区、青山湖区存在林分健康等级较差的区域,湾里区局部地区、青山湖区大部分区域林分健康等级为一般,其他区域林分健康等级为良好。其中,空间分布清楚地显示了整个城市西部区域行道树叶片健康较东部区域差。

图5 南昌市行道树健康状况空间分布Fig.5 Spatial distribution map of health status of roadside trees in Nanchang

2.3 植被垂直结构频率分布与空间分布

南昌市垂直结构等级配置情况整体较好。如图6所示,植被垂直结构以乔-灌-草结构为主,占比为75%,而裸地占比为3%；空间分布图则显示,东湖区、西湖区出现大面积等级较低、结构简单的植被类型,其他地区结构等级较高,以多层为主；且不同环路间表现出内环多为结构等级较低、外环则多为等级较高的空间分布格局。

2.4 不同行政区间行道树大小、健康状况及垂直结构差异分析

南昌市不同行政区行道树胸径、冠下高、树高及冠幅均有显著差异(P<0.05)。单因素方差分析与多重比较结果显示,东湖区各行道树各指标显著高于其他区域,如冠幅平均高出1.5—3 m,树高平均高出1.2—1.7 m,而新建区行道树则相对较小(表1)。

南昌市不同行政区行道树支架比例、叶片不健康比例差异显著(P<0.05)。新建区支架比例显著高于东湖区、湾里区；新建区和湾里区叶色不健康状况比例显著高于西湖区、青云谱区；不同行政区间行道垂直结构

表1 南昌市不同行政区间树木生长状况比较

配置等级差异显著(P<0.05)。青山湖区、新建区结构配置等级显著高于西湖区,青山湖区配置等级最高,西湖区等级最低(表1)。

2.5 不同环路间行道树大小、健康、立体结构差异分析

南昌市行道树不同环路间树高、冠下高、胸径、冠幅差异显著(P<0.05)。各指标大小在环路上均表现出1环>2环>3环空间分布规律。不同环路间行道树叶色不正常比例差异显著(P<0.05)。叶色不健康状况比例2环最高,显著高于3环,其他指标在不同环路间差异没有达到显著水平。不同环路间垂直结构配置情况差异显著(P<0.05)。3环结构得分最高,1环最低,垂直结构配置等级从外环到内环呈降低趋势(表2)。

2.6 行道树大小、健康状况与社会发展因子耦合关系分析

社会发展因子与行道树结构特征和健康状况关系较大。从第一轴分析,社会发展因子(商铺量、静态车流量、人流量)与行道树大小指标多呈正相关关系,但是与健康状况、植被垂直结构等级多呈负相关关系,而道路因子(车道数)与行道树大小多呈负相关关系,与健康状况、植被垂直结构呈正相关关系。从第二轴分析,动态车流量、道路绿化宽度、行道树密度与健康状况呈负相关关系。总而言之,较高水平的社会发展因子会导致较大个体出现,但是较低水平的道路因子(窄绿化宽度、窄道路和低树木密度)会伴随着简单的垂直结构和较好的个体健康(图7)。

表2 南昌市不同环路间树木生长状况差异分析

RDA轴从原始数据中提取了92.89%的信息,各因子总共解释力为13%。各因子的单独解释量如表3所示,行道树密度、车道数解释力最大,且各因子的解释均达到了极显著的水平(P<0.01)。当去除共线性影响之后,只有绿化带宽度为解释力未达到显著性。

图7 南昌市行道树大小、健康状况和垂直结构与社会发展因子、道路因子耦合关系的冗余分析Fig.7 RDA analysis of the coupling associations between the tree size, health status, vertical structure and social development factor and road factor in NanchangRDA,冗余分析 redundancy analysis

3 讨论

3.1 基于街景测量城市森林的优势及需要注意的事项

在线街景地图能够有效提高街道因子数据集的更新速度[18],被广泛应用于城市生态及街道因子调查[19]。针对南昌市的树木调查进一步证实了我们前期的研究结论[8]：街景技术可用于测量行道树的大小,同时也证明了其在视觉评价林分健康与垂直结构的有效性。其优点是效率高、速度快,可以替代大规模的野外调查。野外实测工作中,对哈尔滨[20]、长春市[21]区内主要街道行道树结构特征和健康状况调查,每个城市耗时2—3个月且多人合作完成。本研究1人用3周时间完成了963块采样地的26727棵道路树木的测量,测量参数与较上述文献相近甚至更多,测量样地数更多。在测量精度上,胸径、树高(树高和冠下高)和冠幅的精度最高分别为92%、87%和80%,其所需的人力和时间是实地调查所需的10%左右[8]。

表3 基于RDA分析的不同条件下各因子对行道树大小、健康、垂直结构的解释量及其显著性

林分健康视觉评价尚缺乏固定的标准,特别是街景像素过低的限制。比如：1)在叶片颜色正常与否的观察上,除了传统的绿色、非绿色界定为健康与否外,还需要考虑某些彩叶树种,如紫叶李、红叶石楠[13,22],其颜色往往越深越健康。这就需要测量人对主要行道树树种有分辨能力；考虑到行道树种类仅5—6类和分类树种主要数十种[13,22],提前熟悉相关树种照片具有可行性。南昌市樟树、秃瓣杜英等10种树种出现频率81.10%,其中樟树的出现频率为61.21%[13]；我们通过街景[23]也确认南昌市主要树种为樟树、悬铃木、栾树等,但无法识别的树种达到21.3%。2)利用支架表征行道树健康度,主要考虑的是新栽植树木往往并未扎实根系；如果某一区域内新移植树木较多,其生态服务功能发挥将受影响。3)更多的指标可能用于健康评价,尚需建立适宜标准。比如不同行道树树种的树木生长状态并不相同,树木分叉点、枝下高、冠幅等修剪保留不尽一致,在枯梢量占比、死亡比例评价上容易造成较大误差。未来在街景调查中充分考虑不同树种,将有利于提出更加切实可行的、在造林学种水平上的林分管理建议。落叶树木的修剪期一般为自晚秋至早春,减少视觉检查的偏差,我们选择在夏季的街景照片进行调查。另外,许多行道树的健康状况还受到了生存空间被挤占、水肥管理措施不当等多方面因素的影响,这些因素本研究也未考虑。整体来看,与野外视觉评价一样,街景视觉检查树木健康可能存在系统性误差,未来考虑多人共同评价、增加可行性指标来减少误差。

街景测树方面需要综合考虑标尺问题,以提升测定指标的精度。本团队对街景测树法精确度也进行了相关的研究[8],结果发现街景中常见参照物可用于树木大小的远程估计,并对不同参照标准如树木涂白、路缘石等高度下的树木测量精度,其中涂白被证明是最精确的参照(R2=0.82—0.97),而综合标尺的精度最高；ImageJ软件是较好的综合各参照物标准的测量软件,能够大大提高测量精度；对参照物的准确标注、周围环境(与其他树的距离)、测量角度和采集位置(光线问题)均会影响测量精度。在实测中,采用综合标尺(就近选择固定大小的物体作为标尺)参照物,采集照片与标尺尽量在一个平面内、选择表征树整体合适角度和位置,并进行前期练习培训是进行街景测量的必要过程。

3.2 南昌城市森林的空间分布：以往研究的更新

分析城市树木大小和健康状况的分布规律,并与以往研究进行对比,是开展城市树木管理的前提。本研究的主要发现包括2点。

第一,通过街景测树法对南昌市行道树结构和林分健康的远程调查是对以往研究的更新。以往针对南昌市行道树的大量研究显示出城市森林的重要生态功能。如：尤春波等人对南昌市主要街道行道树调查统计显示中径阶树为69%,且健康总体达到了中等水平[13]；与此不同,周宇婷等人也对市内小面积区域研究发现没有优质等级的行道树个体[22]。这些研究局限于某一小范围或受野外实测的限制,不能对整个市区进行有效性评价和实时更新。本研究利用街景技术较为系统、全面的对南昌市整体行道树特征进行评价,即南昌市行道树整体较小,南昌县和新建区小树居多；湾里区、新建区林分健康情况较差；西湖区、东湖区的植被垂直结构等级配置较差。这些结果将为南昌市的城市行道树精细化管理提供新参考。

第二,城市化影响具有规律性,在构建良好城市环境中需要考虑这一点。提前新区造林方案进行设计、加强现有林管理,使得城市森林成为低投入、高产出、长效的绿色基础设施。本研究和前期研究都发现城市化对森林相关属性的规律性影响。大量研究城市化会影响大小和健康[24]、相关景观指数[25—26]、物种丰富度[27]等的空间分布趋势。本研究发现,南昌市行道树在城乡梯度上表现出行道树单个个体减小,垂直结构逐渐复杂化。这可能与城市化程度越高、人为干扰越强、树木生长可能受到越强的限制[27]有关。在未来城市化影响评价以及森林城市、花园城市和生态城市建设中应该充分考虑这种城市化的长期影响。

3.3 南昌市绿色基础设施：问题与建议

南昌市是江西省最重要的城市,在未来城市绿化过程中,需要关注如下几点。首先,空间图示显示出不同区域行道树大小的显著差异,比如：行道树幼树主要集中在南昌县和新建区,大树主要分布在东湖区和西湖区,这些信息以往研究中报道很少[28]。大树可以提供更好的生态服务,很多研究强调其保护[29—32],本研究指出了其存在区域。为提高城市行道树服务功能,强调在幼树较多的区域应当注意其生长管理,而树龄较大的老树需注重养护。同时,本研究的调查地点的经纬信息能够定位行道树区域,为城市管理者提供数据基础。

其次,南昌市行道树整体上健康状况良好,但是局部地区依然存在问题。青山湖区、新建区林分健康较差,西部区域行道树叶片颜色不正常比例普遍较高。叶片异常的观察可能存在不足[13,22],但是至少证明了南昌市行道树叶片健康在空间格局上存在差异。行道树管理和维护上,应当在支架比例较高的林分区域,加强维护和管理,使其自理能力增强。及时修剪枯梢,及时补充营养,清除死树并有计划的进行植树,有效提高生态服务功能。

最后,南昌市植被垂直结构空间分布呈现规律性。外环等级最高,内环最差,应当在市中心种植不同类型植被、裸地种植植被,避免商业区开发导致绿化减少。而针对如西湖区结构等级较差的问题,城市管理者在规划路边树木时,应以人类活动频繁的地点为重点,种植抗逆性强的树种,注重不同植被类型的结合以提高多样性和生态稳定性。