城市搬遷地適生綠化樹種生長模型構建
——以上海為例

張冬梅 林奕成 張 浪* 常 晨 李明勝 張 標

（1上海市園林科學規劃研究院，上海 200232；2北京林業大學林學院，北京 100083；3上海長興島開發建設有限公司，上海 202150）

城市高效園林綠化是實施“生態文明和美麗中國建設”國家戰略的重要途徑，是踐行人口高密區的“以人民為中心”宜居城市建設、長江經濟帶“不搞大開發，發展大生態”的具體舉措。作為城市園林綠化主體的植物，其生長狀況及植物群落生物量直接影響著城市綠化效能的發揮［1-4］。因此，開展植物群落生物量研究對城市綠化效能評價意義重大。其中，研究樹木生長動態及其所處生長環境（如地理位置、氣象氣候、地形地勢、土壤條件、種植密度），可建立多因子全林分樹木生長模型，揭示林木生長規律，達到準確預測樹木生長動態的目的，從而實現對城市綠地質量做出精準評價［5-9］。然而，我國城市特別是特大型城市，其園林綠化建設不得不在城市搬遷地上實施。以上海市為例，80%～90%的園林綠化是在廢棄地、城中村搬遷、舊工廠搬遷等城市搬遷地上開展的［10］。由此可見，構建基于城市搬遷地適生綠化樹種的生長模型是對城市搬遷地高效園林綠化成效評估的基礎。目前，對樹木生長模型的研究主要集中在用材林、防風林和經濟林樹種［11］，對城市園林綠化樹種生長模型的研究尚未得到應有的重視［12］，對城市搬遷地適生綠化樹種生長模型構建的研究更是鮮見報道。

在此背景下，為了及時、準確地掌握城市搬遷地立地綠化植物資源狀況，尤其是植物資源數據的動態變化及其生長與立地環境之間的關系［13］，筆者擬通過在上海市全域建立313塊四邊形綠地微樣地，對連續3年的立地和林分進行監測，并結合江、浙、滬3 000余塊固定樣地的連續清查數據及森林資源二類調查數據，構建基于上海市的城市搬遷地適生綠化樹種的生長模型，以期定時估算植物群落生物量，從而實現城市搬遷地高效園林綠化的可持續發展。

1 材料與方法

1.1 樣地布設

依據2014年上海市森林資源二類調查數據和上海市全域遙感影像，利用分層抽樣的方法，進行了四邊形微樣地選取，并在樣地位置選擇時，按各區不同類型樣地的個數，選取能代表林分總體特征平均水平的地塊作為樣地，在上海市全域共設立313個微樣地（共57個樹種）。其中，分布在搬遷地綠化的微樣地有87個，上海世博公園有8個（上海世博公園屬于典型的城市搬遷地綠化類型，其原址是浦東鋼鐵集團的鋼鐵廠和后灘船舶修理廠，屬于典型的城市搬遷地；針對上海市土壤自然條件和城市搬遷地特殊環境，將上海世博公園建園場地劃分為工業區、居住區、綠地、道路、河流等64個立地單元，共37種主要綠化樹種）。

1.2 樣地和林分調查

四邊形微樣地觀測法是一種效能高、誤差小、標準化的樣地抽樣調查方法。在抽樣調查中依照小班調查樣地選擇原則，在靠近林分中心地帶的小班區域內選定觀測樣地，樣地中樹木的選取要具有代表性，能體現整個林分情況。調查指標主要包括：（1）立地因子（地形地勢如坡度、坡向、坡位，土壤厚度，土壤氮、磷、鉀含量和pH）；（2）氣候因子（日照、平均氣溫、平均降雨量）；（3）養護因子（澆水量、施肥量）；（4）林分調查因子（樹種名稱、樹種組成、株數、冠幅、樹高、胸徑、樣地樹木相對位置關系）。

采用四邊形微樣地觀測法進行林分測定，選擇樣地中一個優勢木為中心木（0號樣木），以距離中心木最近的4棵樹為觀測木（編號1-4號樣木），對微樣地中的5棵樹分別進行刷漆編號，連接邊界相鄰兩棵樹來確定樣地邊界，構成四邊形微樣地。中心木的位置即為樣地中心，用GPS進行定位，并記錄其坐標信息；中心木的觀測視角為 360°，記權重為1，邊界木的權重為觀測視角所占比例，樣地內的有效株數為每棵樹在該樣地所占權重之和；通過紅外激光測量樣地內相鄰兩棵樹之間的距離，利用Android智能測樹超站儀分別測量樣地內1-4號樣木的胸徑及中心木0號樣木的樹高。其中，平均胸徑的計算公式為林分密度N，通常是指每塊樣地一定面積內樹木數量的疏密程度，計算公式為。

在林分調查因子測量記錄完成后，分別對立地因子、氣候因子、養護因子進行調查記錄或信息采集；初期樣地建立完成后，后期只需進行連年復測，對其四大因子進行調查統計，獲取多年連續數據。

1.3 生物量計算方法

通過文獻檢索等方式，獲取上海市不同樹種單木生物量異速生長方程，計算喬木的生物量，公式為 W=a（D2H）b，其中，W代表樹木生物量，a、b代表方程中的估算參數，D為樹木胸徑或地徑（cm），H為樹高（m）。

2 結果與分析

2.1 生長模型建立

建立城市搬遷地綠化樹種生長模型，對城市綠地進行精細化管理具有重大的現實意義，通過對綠化適生樹種生長量的預測預估，可更好地實現對不同立地條件下綠地的質量精準評價和精細化管理［14-15］。其中，樹高和胸徑是衡量林分生長和生物量大小的重要指標，受樹木生長立地、土壤、氣候、地形地勢等因素的影響[16］。

筆者于2017年、2018年、2019年對上海市313個微樣地（共57個樹種）的地形地勢、氣象氣候、林分因子、森林精準經營等多元因子，實施連年監測獲取數據（將立地環境、地理位置、林木資源等復雜信息劃分為14個指數，包括胸徑、樹高、主要樹種混交比、密度、土壤厚度、土壤含鹽量、土壤有機質含量、土壤全氮含量、土壤有效磷含量、土壤速效鉀含量、土壤pH、土壤空隙度、投入定額、施肥），獲得了13 146個連續監測數值，并結合江、浙、滬3 000余塊固定樣地清查數據和上海市森林資源的二類調查數據進行綜合分析和數據整理。為了保證一定數據量的綜合運算，筆者將上海城市搬遷地適生綠化樹種按照生活型和生長量劃分為適生常綠樹種、適生落葉樹種、其他常綠樹種和其他落葉樹種4個組，對其生長與氣候環境、土壤質地、林分結構等因子建立多元線性回歸模型，進行胸徑生長量和樹高生長量擬合，方程式如下：

△Y=a1D+a2H+a3K+a4n+a5T+a6Y+a7C+a8N+a9P+a10K+a11pH+ a12L+a13B+a14S

式中，D為胸徑、H為樹高、K為主要樹種混交比、n為密度、T為土壤厚度、Y為土壤含鹽量、C為土壤有機質含量、N為土壤全氮含量、P為土壤有效磷含量、K為土壤速效鉀含量、pH為土壤pH、L為土壤空隙度、B為投入定額、S為施肥。以IBM SPSS Statistics軟件為計算平臺進行多元線性回歸分析。具體結果見表1。

2.2 模型精度驗證

多元線性回歸模型通常是從數據分割或引導過程中導出的獨立數據集或數據［17-18］，模型的精度需要進行驗證。在313個微樣地中，有8個微樣地分布在上海世博公園，利用四邊形微樣地測定法，于2017年、2018年、2019年連續對上海世博公園80%的獨立樣地進行測定，以對該生長模型進行驗證，且通過R2和方差分析結果進行生長模型內部精度判斷，并通過20%的獨立樣地數據進行生長模型外部數據精度評定[主要通過殘留（R）、偏差（BIAS）、相對偏差（BIAS%）、均方根誤差（RMSE）、相對均方根誤差根（RMSE%）和相關經驗系數（R2）實現精度評定]。

表1 上海市主要綠化樹種及年度平均生物量

根據統計學原理，對于采用逐步回歸建立的模型，調整后的R2是檢驗多元回歸方程的重要統計量，調整后的R2越接近1，說明擬合度越高［19-22］。針對上海世博公園（64個立地單元）80%的獨立樣本進行復測和模型驗證。對于胸徑擬合而言，其適生常綠樹種R2=0.987，其他常綠樹種R2=0.941，適生落葉樹種R2=0.829，其他落葉樹種R2=0.645；對于樹高擬合而言，適生常綠樹種R2=0.995，其他常綠樹種R2=0.870，適生落葉樹種R2=0.980，其他落葉樹種R2=0.689，模型擬合總體精度較高。以上結果表明，除了其他落葉樹種以外，生長模型對其他樹種均有良好的擬合效果，這可能是其他落葉樹種與當地環境因子相關性較弱、適生性不強造成的。見表2。

表2 生長量精度檢驗結果

此外，在多元回歸中有多個自變量，需說明所有自變量聯合起來對因變量影響的總顯著性，或整個模型總的聯合顯著性[23］。F檢驗結果表明，適生常綠樹種組、適生落葉樹種組、其他常綠樹種組和其他落葉樹種組4個樹種組模型方差分析F＜0.05，表明該生長模型中所有自變量聯合起來對因變量的影響差異顯著。

3 結論和展望

筆者通過對上海市313個微樣地進行多年定點定位立地和林分監測，創建了基于城市搬遷地的24個適生綠化樹種的生長量與所處地理位置（經緯度、海拔）、地形地勢（坡度、坡向、坡位）、土壤（厚度、C含量、N含量、P含量、K含量、pH）、氣候（日照、平均氣溫、平均降雨量）、種植模式（混交度、平均胸徑、株數密度）、養護模式（澆水量、施肥量、冬季保護增溫）等多因子的多元線性回歸模型。經在上海世博公園這一典型的城市搬遷地綠化進行實踐驗證，生長模型的擬合R2精度較高，能在一定程度上實現對上海市城市搬遷地適生綠化樹種樹木生長精準預測，實現了由大量野外觀測為主到以模型網絡預測為主、野外觀測為輔的森林精準經營。

本研究在未來將應用機器學習（人工神經網絡協同遺傳算法），實現對上海市城市搬遷地適生綠化樹種作進一步研究，以獲得上海市樹種年度生長量、凈初生產力、碳匯量估值，同時配合遙感影像，應用GIS統計，通過微樣地檢測預測成果的精度，實現對綠化生態、經濟、社會效益的高效評價。