POI空間密度與城市森林景觀格局的關系

楊金明 周正廣 劉昭福

摘要： 文章在進行精細城市森林斑塊提取基礎上，利用公里網格空間劃分方法，分析POI（points of interest）空間分布密度與城市森林景觀格局指數之間的關系，并借助地理加權回歸模型GWR（Geographically Weighted Regression）進行空間異質性分析。研究結果表明：1）POI空間密度與城市森林斑塊個數NP、斑塊密度PD、邊緣密度ED、鄰接度指數CONTIG、周長面積分維比指數PAFRAC 5種景觀格局指數呈顯著正相關關系，與平均斑塊面積AREA和聚集度指數AI呈負相關關系;2）POI每平方公里增加1個點，NP，PD和ED將分別增加0.209，0.190和0.118，而AREA和AI分別減少0.001和0.002;3）POI空間密度與森林景觀格局的關系具有顯著空間異質性。研究結果可為城市森林效益最大化，以及更高頻次地服務城市居民提供新的優化視角。

關鍵詞： 城市森林，景觀格局指數，POI，植物多樣性， ArcGIS，GWR

DOI： 10.12169/zgcsly.2020.07.04.0002

The Relationship between POI Spatial Density and Urban

Forest Landscape Pattern

Yang Jinming1，4Zhou Zhengguang2Liu Zhaofu3

（1.School of Landscape Architecture and Forestry， Qingdao Agriculture University， Qingdao 266109， Shandong， China;

2.Forestry Development Center， Chengyang District，Qingdao 266109， Shandong， China;

3.Qingdao Gaocheng Weilin Forestry Planning Co.， Ltd.，Qingdao 266109， Shandong， China;

4.Shanghai Key Lab of Urban Ecological Processes and Eco-Restoration，Shanghai 200241， China）

Abstract： Based on the delineation of fine-resolution urban forest patches， this study analyzes the correlation between the spatial distribution density of the points of interest （POI） and the urban forest landscape metrics using grid cells division method， and then conducted the spatial heterogeneity analysis using the geographically weighted regression（GWR） model. The results show that： 1）The spatial density of POI is significantly positively correlated with the number of patches （NP）， patch density （PD）， edge density （ED）， contiguity index （CONTIG） and perimeter-area fractal dimension index （PAFRAC）， and is significantly negatively correlated with mean patch area （AREA） and aggregation index （AI）; 2）the NP， PD and ED will increase by 0.209， 0.190 and 0.118 respectively， whereas the AREA and AI will decrease by 0.001 and 0.002 respectively， if the POI increases by 1 point per square kilometer; 3） the relationship between the POI spatial density and urban forest landscape pattern has a significant spatial heterogeneity. The study provides a new optimized perspective for maximizing urban forest benefits and offering a higher-frequency service for citizens.

Keywords：urban forest， landscape metrics， points of interest （POI）， plant diversity， ArcGIS， geographically weighted regression （GWR）

城市森林是城市生態系統的重要組成部分[1-2] 。研究城市森林的景觀格局及其影響因素有助于城市綠色基礎設施的優化設計[3] 。國內外相關研究普遍認為城市化進程會導致城市森林的破碎化。Lv等[4] 研究發現，隨著城市化強度的增強，城市森林的斑塊面積減少，斑塊密度和景觀形狀指數升高，說明從郊區到市中心過程中，城市森林被分離和打散。Zhou等[5] 通過對中國6大都市區的林地變化的對比分析，發現城市擴張是導致森林減少和破碎化的主要原因，尤其是在長株潭、珠三角和成都-重慶大都市區域。城市森林的破碎化會影響城市景觀的美感度和森林生態系統服務，比如休閑服務功能、生物多樣性保護及固碳效益等。因此，對城市森林連通性和聚集度的改進研究顯得尤為必要。然而，鑒于遙感影像分辨率的問題以及對城市森林規模的限定[6] ，多數研究只分析了城市中面積較大的森林斑塊，否定了小斑塊在城市森林生態系統中的作用[7-8] ， 但是城市森林具有高度破碎化的特點，超過60%的綠地斑塊小于0.1 hm2[9] 。因此，亟待利用精細尺度的城市森林斑塊進行更精準的城市森林景觀格局分析。

POI（points of interest）是人們感興趣或者認為有用的特定點位置，屬于地理信息系統范疇中的概念，是指可以抽象為點的地理對象，尤其是一些與人們生活密切相關的地理實體，如學校、銀行、餐館、醫院、超市、公交站等[10] 。隨著大數據時代的來臨，POI數據被廣泛應用于土地利用分類、人口密度分析、旅游出行以及共享單車等方面的研究[11-12] ，其與城市用地屬性和人口流動具有高度的相關性[13] 。人們感興趣的地方往往也是人口與人工景觀高度密集的區域，這些因素會對城市森林的空間布局產生影響[14] 。因此，商鋪的周圍一般不會有高大的喬木，風景區則林木覆蓋度較高，學校和居住區樹種豐富，而醫院的優勢樹種則多是能夠揮發殺菌素以凈化空氣、利于身心健康的植物[15] 。但是，目前還沒有發現POI密度與城市森林景觀格局之間關系的研究。城市居民日常活動的區域大部分集中在POI附近，這些區域的森林生態服務如滯塵、美化環境和保健等功能與居民關系最為密切。研究POI密度與城市森林景觀格局之間的關系，可為城市森林效益最大化提供新的優化方案視角。

1 研究區概況與研究方法

1.1 研究區概況

本文選取青島市市南區、市北區、李滄區、嶗山區中韓街道作為研究區域（圖1），坐標位于北緯35°50′～36°30′，東經120°00′～120°30′，總面積約250 km2 。研究區內主要地貌類型為丘陵，地勢東高西低，分布信號山、浮山、觀象山、青島山、北嶺山和嘉定山等自然山體。氣候屬于溫帶季風氣候，空氣濕潤，降水適中，雨熱同季，四季變化明顯。年平均氣溫13 ℃，年平均降水量664.1 mm。

1.2 研究方法

本文將以公里網格為單元，統計并分析單元內精細城市森林斑塊景觀格局指數與POI空間密度之間的空間關系，實現步驟包括精細城市森林斑塊提取及公里網格單元內景觀格局指數計算、POI空間分布密度計算及空間相關關系分析等，具體過程如下：

1） 城市森林斑塊提取。從Google地球上分幅下載研究區1m分辨率遙感影像。影像拍攝時間為2018年6—10月和2019年7—10月。利用面向對象和人工目視解譯相結合的方法，分類并提取城市森林斑塊。為了研究城市森林斑塊的精細特征，將提取的最小斑塊設定為0.001 hm2 。

2）POI數據處理。首先，利用API從高德地圖下載時間為2019年12月31日的研究區POI數據，共獲得14類82 978個POI點;然后，利用ArcGIS軟件中的核密度分析方法計算所有POI點的空間分布密度圖，并建立研究區公里網格;最后，統計每個網格的POI點密度。

3） 景觀格局指數計算。利用Fragstats軟件計算每個網格的森林斑塊景觀格局指數。根據前人研究結果，篩選7個常用的指數，即斑塊個數NP（Number of Patches）、斑塊密度PD（Patch Density）、邊緣密度ED（Edge Density）、平均斑塊面積AREA（Mean Patch Area）、平均鄰接度CONTIG（Mean Contiguity Index）、周長面積分維比PAFRAC（Perimeter-Area Fractal Dimension）、聚集度指數AI（Aggregation Index）。

4）統計分析。以公里網格為基本單元，利用SPSS軟件對POI密度和城市森林景觀格局指數進行Pearson相關性分析和單一變量逐步回歸分析，研究POI空間密度與城市森林景觀空間配置之間的關系。為了分析POI空間密度與城市森林景觀格局之間關系的空間異質性，利用ArcGIS建立POI密度和各景觀格局指數之間的地理加權回歸分析模型（Geographically Weighted Regression， GWR）。

2 結果與分析

2.1 青島市主城區城市森林空間分布

研究區城市森林具有明顯的聚集性分布特點，東北部、南部、東部及嶗山區的西南部森林斑塊面積較大，市北區和市南區東部的森林斑塊較破碎（圖1）。森林斑塊在中山公園、浮山、信號山等城內丘陵區域分布較多。研究區大于0.001 hm2 的森林斑塊數為46 300個，總面積為 6 225.6hm2 （占研究區總面積的24.9%），其中，小于0.1 hm2 的斑塊數為41 178個（占斑塊總數的88.9%），面積711.6 hm2 （占斑塊總面積的11.4%）。

2.2POI空間密度與城市森林景觀格局的關系

POI空間分布密度區域差異性較大，其中，西南部區域密度最大，可達1 897點/km2 ;北部及東部區域密度較小（圖2）。

2.2.1POI空間分布密度與城市森林景觀格局 指數 的相關性

在7種景觀格局指數中，NP，PD，ED，CONTIG，PAFRAC 5種景觀格局指數與POI分布密度呈顯著正相關關系，其中，斑塊數量與POI密度相關性最為顯著，為0.534;鄰接度與POI密度相關性最小，為0.087。其余2種景觀格局指數（AREA斑塊面積和AI聚集度指數）與POI分布密度呈負相關關系，相關系數分別為-0.181和-0.137。

2.2.2POI空間分布密度與城市森林景觀格局 指數 的函數關系

在POI分布密度與城市森林景觀格局指數之間的逐步回歸分析中，鄰近度指數CONTIG被剔除。POI分布密度對景觀格局指數的解釋能力總體不強（調整后的 R2? 值較小），除了對城市森林斑塊個數和斑塊密度的解釋能力較高（分別為0.282和0.212）之外，對其余景觀格局指數的解釋能力均小于0.1。

從建立的線性模型看，每平方公里中POI每增加1個點，城市森林斑塊個數NP、斑塊密度PD和邊緣密度ED將分別增加0.209，0.19和0.118，而森林斑塊平均面積AREA和聚集度指數AI分別減少0.001和0.002，周長面積比指數PAFRAC基本保持不變。

2.2.3POI空間分布密度與城市森林景觀格局 關系 的空間異質性

POI分布密度與城市森林景觀格局指數的GWR回歸模型擬合優度（調整 R2? ）較高，其中，POI空間分布密度與森林斑塊個數NP、斑塊密度PD、邊緣密度ED和聚集度指數AI的擬合優度分別達到了0.709，0790，0.664和0.629，模型的解釋能力是相應線性回歸模型解釋能力的2倍以上。這說明POI空間分布密度對森林景觀格局的影響具有顯著的空間異質性。

POI空間分布密度與景觀格局指數GWR回歸模型系數空間分布分析結果（圖3）表明，POI空間分布密度與城市森林景觀格局指數的相關性具有顯著的空間異質性。除AREA和AI外，其余指數與POI分布密度在研究區東北部呈現顯著正相關，在李滄區和嶗山區中韓街道呈現負相關，在市南區和市北區的相關性較小。PAFRAC和CONTIG在研究區東部與POI分布密度呈現顯著正相關。說明POI空間分布密度更容易對城市后發展區域產生影響。相反，POI分布密度與城市森林斑塊平均面積AREA在研究區東北部呈負相關，在其他區域以正相關為主。

3 結論與討論

3.1 結論

本文利用相關性分析和地理加權回歸模型（GWR）分析POI空間分布密度與城市森林景觀格局指數之間的關系，得出如下結論：1）POI空間密度與景觀格局指數NP，PD，ED，CONTIG和PAFRAC呈顯著正相關關系，與AREA和AI呈負相關關系，說明POI越多，城市森林斑塊越破碎、邊緣越復雜;2）地理加權回歸模型（GWR）顯示，POI分布密度對城市森林景觀格局指數的擬合優度（調整 R2? ）較高，對NP，PD，ED和AI的解釋能力均高于0.6，說明POI空間分布密度與森林景觀格局的關系具有顯著空間異質性。

3.2 討論

POI是伴隨城市化進程而產生的，其空間密度的大小反映了一個地方的城市化水平。本文對青島市主城區POI空間分布密度與城市森林景觀格局關系的研究結果表明城市化會導致城市森林的破碎化，這一結論已被許多研究者從不同的角度所證實[16-18] 。城市人口的聚集，改變了原有的土地利用格局，對城市森林的大小和分布都造成了較大的干擾，導致城市森林的分布不均勻和破碎化，進而顯著降低其生態效益的發揮。因此，在城市化進程中，城市規劃決策者應該協調好人工硬質景觀和原有森林景觀之間的關系，注意大斑塊森林的保護以及森林斑塊之間的連通，并適當營造一些大的公園，提升城市森林的生態效益[18] 。

此外，本研究也存在一些不足。本文未考慮POI及城市森林斑塊在時間尺度上的變化，今后的研究中可分析POI時間變化與城市森林斑塊變化之間的關系，以期找到二者之間更密切的聯系。同時，除POI之外的諸多指標都可以用來表征城市化水平， 如路網密度、人口密度等，應考慮盡可能多的因子，分析并比較這些因子對城市森林景觀格局的影響。

參考文獻

[1]王成，蔡春菊，陶康華.城市森林的概念、范圍及其研究[J].世界林業研究，2004，17（2）：23-27.

[2]MOURATIDIS K.The impact of urban tree cover on perceived safety[J].Urban Forestry and Urban Greening，2019，44：126434.

[3]ZHANG D，WANG W J，ZHENG H F，et al.Effects of urbanization intensity on forest structural-taxonomic attributes，landscape patterns and their associations in Changchun，Northeast China：implications for urban green infrastructure planning[J].Ecological Indicators，2017（80）：286-296.

[4]LV H L，YANG Y B，ZHANG D，et al.Perimeter-area ratio effects of urbanization intensity on forest characteristics，landscapepatterns and their associations in Harbin City，Northeast China[J]. Urban Ecosystems，2019，22（4）：631-642.

[5]ZHOU W Q，ZHANG S，YU W J，et al.Effects of urban expansion on forest loss and fragmentation in six megaregions，China[J].Remote Sensing，2017，9（10）：991.

[6]劉常富，李海梅，何興元，等.城市森林概念探析[J].生態學雜志，2003，22（5）：146-149.

[7]REN Z B，DU Y X，HE X Y，et al.Spatiotemporal pattern of urban forest leaf area index in response to rapid urbanization and urban greening[J].Journal of Forestry Research，2018，29（3）：785-796.

[8]REN Z B，HE X Y，ZHENG H F，et al.Spatio-temporal patterns of urban forest basal area under Chinas rapid urban expansion andgreening：implications for urban green infrastructure management[J]. Forests，2018，9（11）：721.

[9]ZHOU W Q，WANG J，QIAN Y G，et al.The rapid but “invisible” changes in urban greenspace：a comparative study of nine Chinese cities[J].Science of the Total Environment，2018，627：1572-1584.

[10] GAO R，LI J，DU B，et al.Exploiting geo-social correlations to improve pairwise ranking for point-of-interest recommendation[J].China Communications，2018，15（7）：180-201.

[11]YU Z W，XU H，YANG Z，et al.Personalized travel package with multi-point-of-interest recommendation based on crowdsourced user footprints[J].IEEE Transactions on Human-Machine Systems，2016，46（1）：151-158.

[12]YANG F，DING F，QU X，et al.Estimating urban shared-bike trips with location-based social networking data[J].Sustainability，2019，11（11）：3220.

[13]ZHANG T Q，SUN L S，YAO L Y，et al.Impact analysis of land use on traffic congestion using real-time traffic and POI[J].Journal of Advanced Transportation，2017：1-8.

[14]FAN C，JOHNSTON M，DARLING L，et al.Land use and socio- economic determinants of urban forest structure and diversity[J]. Landscape and Urban Planning，2019，181：10-21.

[15]李曉婷，劉佳，姜莎莎，等.北京城區醫院綠地林木樹冠覆蓋與城市森林結構分析[J].生態學報，2019，39（22）：8392-8403.

[16]魯敏，羅曉楠，王永華，等.濟南城市森林景觀生態格局[J].應用生態學報，2019，30（12）：4117-4126.

[17]戴菲，楊超，徐亞如，等.基于POI點數據的武漢漢陽區綠道線路選擇[J].中國城市林業，2020，18（6）：26-31.

[18]YANG J M，LI S M，LU H C.Quantitative influence of land-use changes and urban expansion intensity on landscape pattern in Qingdao，China：implications for urban sustainability[J].Sustainability，2019，11（21）：6174.