基于街景測量的南昌市行道樹結構特征與健康狀況研究

梁陳濤,楊艷波,田盼立,肖 路,王慧梅,王文杰,,*

1 森林植物生態學教育部重點實驗室,東北林業大學化學化工與資源利用學院,哈爾濱 150040 2 中國科學院東北地理與農業生態研究所,長春 130102

行道樹是城市綠化基礎設施的重要組成部分,具有減少噪音、改善微氣候、凈化空氣、美化城市等重要的作用[1—2]。行道樹大小、結構和健康狀況直接影響城市環境和生態服務功能(固碳、降塵等)以及城市觀光價值。最大化提升行道樹生態服務功能已經成為城市綠地建設和管理一個重點,而明確行道樹結構特征與健康狀況是重要基礎[3]。在獲取城市行道樹基礎數據時,在更大、高密度區域準確樹木測量才能保證準確生態功能評價。

隨著網絡大數據技術的發展,在線三維街景地圖已廣泛用于城市環境研究[4—7]。我們課題組前期開發了街景照片測量法用于行道樹胸徑、樹高、冠下高和冠幅的方法,并在Urban Forestry Urban Greening上發表[8]。也有人用于量化與葉面積相關的冠層蓋度[4]、遮蔭作用[9]。街景測量法與傳統實地調查相比街景調查具有高效、節約成本等優點,為城區大面積、高密度的樹木測量提供了基礎。

基于上述,本研究通過百度街景平臺的網絡街景測樹法對南昌市行道樹的結構特征和健康狀況展開全城市區域的詳細調查、測定與空間分布繪圖,旨在對南昌市的城市行道樹建設進行科學、全面評價,為南昌市未來城市綠化基礎設施提供數據支持。

1 研究地點與研究方法

1.1 研究區域

南昌市是江西省的省會城市。南昌地處江西中部偏北,贛江、撫河下游,鄱陽湖西南岸,位于東經115°27′—116°35′、北緯28°10′—29°11′之間[16],歷年平均氣溫在17.1—17.8℃,全年降水量1567.7—1654.7 mm[17]。本研究選取南昌市三環以內的區域作為實驗調查樣地,共包括7個行政區,分別是：西湖區、青云譜區、青山湖區、南昌縣、東湖區、新建縣和灣里區,如圖1所示,總面積為987 km2。

圖1 調查樣地在南昌市的空間分布、研究測量方法圖示和垂直結構類型Fig.1 The spatial distribution of the sample plot in Nanchang, the measurement method and the vertical structure types in this studyDBH：胸徑 diameter at breast height；UBH：冠下高 underbranch height；TH：樹高 tree height；CS：冠幅 canopy size

1.2 基于街景照片行道樹數據的獲取

在百度街景地圖中對南昌市進行網格化布點,網格大小為600 m,全市共設置963個樣點(圖1)。全景模式下進入每個樣點的網絡街景地圖,識別100 m道路樣地行道樹信息(作為一個樣地),當百米內遇到圍墻、柵欄等時,以遮擋物為止所有樹木所在樣地進行統計,研究區域內共調查26727株行道樹。不同指標的測量方法具體包括：

樹木大小測量(圖1)：參照城市行道樹街景測樹法[8],采集并下載街景照片,導入ImageJ軟件測量各指標。選擇固定的參考標準,如路緣石的高度15—20 cm(平均值18 cm：CJJ37—2012 城市道路工程設計規范標準)、交通警告標線寬15 cm(國標名稱：GB5768—1999)、行道樹涂白漆高度(1.0—1.3 m：經驗值)和車道寬度(3.5 m：道路交通標志和標線國家標準)等。測量樣地內所有樹木的各指標,平均值表示該樣地的樹木的胸徑、樹高、冠下高和冠幅。

樹木健康狀況采用視覺評價法。評價方法：1)支架比例：樣地內支架支撐的樹木占樹木總數的百分比(幫助樹木生存)；2)枯梢比例：樣地內有枯梢的樹占樹木總數的百分比；3)葉色不健康比例：樣地內葉色異常樹占樹木總數的百分比；4)死亡比例：樣地死樹占樹木總數的百分比。4個參數用于評價樹木健康狀況,參數百分比越高,健康狀況越差。就葉片顏色而言,大多數植物健康色為綠色,非綠色為不健康狀態,對于某些特殊種(如紫葉李等),則以顏色較深的為健康,明顯變色的定義為不健康。我們選擇在植物生長季街景圖完成調查,所有工作在2017年夏季完成。

垂直結構采用視覺評價法。記錄方法為：目測識別樣地內行道樹及其附屬植被的結構類型(圖1),規定結構類型的確定規則：100 m范圍內兩側道路非硬質路面上,即有土壤地面上,各植被類型綠化土地面積占比情況確定其垂直結構等級,具體分類如下：

1)有喬木,灌木綠化率達20%以上,草本達20%以上,為喬灌草(7)；

2)有喬木,灌木綠化率達20%以上,無草本或低于20%,為喬灌(6)；

3)有喬木,無灌木或低于20%,草本達20%以上,為喬草(5)；

4)有喬木,無灌木或低于20%,無草本或低于20%,為喬(4)；

5)無喬木,灌木綠化率達20%以上,草本達20%以上,為灌草(3)；

6)無喬木,灌木綠化率達20%以上,無草本或草本低于20%,為灌(2)；

7)無喬木,無灌木或低于20%,草本高于20%,為草(1)；

8)硬質面、土壤無植被、無喬木且灌木和草本均低于20%均為裸地(0)。括號內數字從0到7代表垂直結構等級復雜程度,所有信息記錄到Excel中。社會發展情況也進行觀察記錄。具體包括100 m內行人數、行駛車輛數、路邊停車數、路邊商鋪數量、道路車道數、道路綠化帶寬度,用于分析社會發展情況,以便后續相關性分析。

1.3 數據分析

使用JMP10.0軟件對行道樹大小指標、健康狀況和垂直結構進行統計分析,繪制頻率分布箱線圖,圖內包括的指標包括平均值(菱形)、中位數(長方形中線)、上四分位數(長方形上緣)、下四分位數(長方形下緣)和異常值(黑點)；紅線表示50%數據最小集中區域。

就林分健康而言,樣地內樹木支架比例、枯梢比例、葉色不健康比例、死亡比例越接近0%,則該林分整體健康越良好。為方便分析,上述指標<1/4的樣地定義為林分健康良好,在1/4到1/2的樣地定義林分健康狀況一般,而占比>1/2時定義為林分健康較差。

通過ArcGIS10.2克里金插值模塊確定各指標空間分布情況。單因素方差與多重分析比較用于分析不同行政區和不同環路的樹木大小、健康狀況、垂直結構等級差異,統計在SPSS22.0中完成。在Canoco5.0中運用冗余分析用于確定樹木大小、垂直結構、健康狀況與社會因子和道路因子間的復雜關系,為行道樹管理提供參考。

2 結果

2.1 行道樹大小頻率與空間分布

南昌市行道樹平均胸徑16.66 cm,平均冠下高2.04 m,平均樹高6.17 m,平均冠幅4.65 m。行道樹大小分布相對集中,如圖2所示,樹胸徑主要集中在10—20 cm,冠下高主要集中在1—2.5 m,占比76%；樹高度集中在4—8 m,占比71%；冠幅主要集中在2—6 m,占比76%。

圖2 南昌市行道大小指標分布箱線圖Fig.2 Box-plots of tree size factors of roadside trees in Nanchang

南昌市行道樹大小在不同行政區間存在差異。綜合分析來看,小樹在南昌縣、新建區、灣里區大面積分布,大樹主要分布在東湖區、西湖區。且在不同環路間則顯示出大樹主要分布在靠近內環區域、較小的樹主要分布在城市外圍的空間分布規律(圖3)。

圖3 南昌市行道樹大小空間分布圖Fig.3 Spatial distribution map of street tree sizes in Nanchang

2.2 行道樹健康頻率與空間分布

南昌市行道樹多數健康狀況良好。調查樣地中不健康狀況處于較低的水平,頻率分布如圖4顯示,77%的樣地中行道樹沒有支架,69%的樣地中行道樹沒有枯梢,35%的樣地行道樹葉片顏色健康,93%的樣地無死樹。

圖4 南昌市行道樹木健康指標分布箱線圖Fig.4 Box-plots of health index distribution of roadside trees in Nanchang

行道樹健康狀況空間分布顯示行道樹管理的潛在危險區域(圖5)。綜合各指標分析,青山湖、新建區、青山湖區存在林分健康等級較差的區域,灣里區局部地區、青山湖區大部分區域林分健康等級為一般,其他區域林分健康等級為良好。其中,空間分布清楚地顯示了整個城市西部區域行道樹葉片健康較東部區域差。

圖5 南昌市行道樹健康狀況空間分布Fig.5 Spatial distribution map of health status of roadside trees in Nanchang

2.3 植被垂直結構頻率分布與空間分布

南昌市垂直結構等級配置情況整體較好。如圖6所示,植被垂直結構以喬-灌-草結構為主,占比為75%,而裸地占比為3%；空間分布圖則顯示,東湖區、西湖區出現大面積等級較低、結構簡單的植被類型,其他地區結構等級較高,以多層為主；且不同環路間表現出內環多為結構等級較低、外環則多為等級較高的空間分布格局。

2.4 不同行政區間行道樹大小、健康狀況及垂直結構差異分析

南昌市不同行政區行道樹胸徑、冠下高、樹高及冠幅均有顯著差異(P<0.05)。單因素方差分析與多重比較結果顯示,東湖區各行道樹各指標顯著高于其他區域,如冠幅平均高出1.5—3 m,樹高平均高出1.2—1.7 m,而新建區行道樹則相對較小(表1)。

南昌市不同行政區行道樹支架比例、葉片不健康比例差異顯著(P<0.05)。新建區支架比例顯著高于東湖區、灣里區；新建區和灣里區葉色不健康狀況比例顯著高于西湖區、青云譜區；不同行政區間行道垂直結構

表1 南昌市不同行政區間樹木生長狀況比較

配置等級差異顯著(P<0.05)。青山湖區、新建區結構配置等級顯著高于西湖區,青山湖區配置等級最高,西湖區等級最低(表1)。

2.5 不同環路間行道樹大小、健康、立體結構差異分析

南昌市行道樹不同環路間樹高、冠下高、胸徑、冠幅差異顯著(P<0.05)。各指標大小在環路上均表現出1環>2環>3環空間分布規律。不同環路間行道樹葉色不正常比例差異顯著(P<0.05)。葉色不健康狀況比例2環最高,顯著高于3環,其他指標在不同環路間差異沒有達到顯著水平。不同環路間垂直結構配置情況差異顯著(P<0.05)。3環結構得分最高,1環最低,垂直結構配置等級從外環到內環呈降低趨勢(表2)。

2.6 行道樹大小、健康狀況與社會發展因子耦合關系分析

社會發展因子與行道樹結構特征和健康狀況關系較大。從第一軸分析,社會發展因子(商鋪量、靜態車流量、人流量)與行道樹大小指標多呈正相關關系,但是與健康狀況、植被垂直結構等級多呈負相關關系,而道路因子(車道數)與行道樹大小多呈負相關關系,與健康狀況、植被垂直結構呈正相關關系。從第二軸分析,動態車流量、道路綠化寬度、行道樹密度與健康狀況呈負相關關系。總而言之,較高水平的社會發展因子會導致較大個體出現,但是較低水平的道路因子(窄綠化寬度、窄道路和低樹木密度)會伴隨著簡單的垂直結構和較好的個體健康(圖7)。

表2 南昌市不同環路間樹木生長狀況差異分析

RDA軸從原始數據中提取了92.89%的信息,各因子總共解釋力為13%。各因子的單獨解釋量如表3所示,行道樹密度、車道數解釋力最大,且各因子的解釋均達到了極顯著的水平(P<0.01)。當去除共線性影響之后,只有綠化帶寬度為解釋力未達到顯著性。

圖7 南昌市行道樹大小、健康狀況和垂直結構與社會發展因子、道路因子耦合關系的冗余分析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 討論

3.1 基于街景測量城市森林的優勢及需要注意的事項

在線街景地圖能夠有效提高街道因子數據集的更新速度[18],被廣泛應用于城市生態及街道因子調查[19]。針對南昌市的樹木調查進一步證實了我們前期的研究結論[8]：街景技術可用于測量行道樹的大小,同時也證明了其在視覺評價林分健康與垂直結構的有效性。其優點是效率高、速度快,可以替代大規模的野外調查。野外實測工作中,對哈爾濱[20]、長春市[21]區內主要街道行道樹結構特征和健康狀況調查,每個城市耗時2—3個月且多人合作完成。本研究1人用3周時間完成了963塊采樣地的26727棵道路樹木的測量,測量參數與較上述文獻相近甚至更多,測量樣地數更多。在測量精度上,胸徑、樹高(樹高和冠下高)和冠幅的精度最高分別為92%、87%和80%,其所需的人力和時間是實地調查所需的10%左右[8]。

表3 基于RDA分析的不同條件下各因子對行道樹大小、健康、垂直結構的解釋量及其顯著性

林分健康視覺評價尚缺乏固定的標準,特別是街景像素過低的限制。比如：1)在葉片顏色正常與否的觀察上,除了傳統的綠色、非綠色界定為健康與否外,還需要考慮某些彩葉樹種,如紫葉李、紅葉石楠[13,22],其顏色往往越深越健康。這就需要測量人對主要行道樹樹種有分辨能力；考慮到行道樹種類僅5—6類和分類樹種主要數十種[13,22],提前熟悉相關樹種照片具有可行性。南昌市樟樹、禿瓣杜英等10種樹種出現頻率81.10%,其中樟樹的出現頻率為61.21%[13]；我們通過街景[23]也確認南昌市主要樹種為樟樹、懸鈴木、欒樹等,但無法識別的樹種達到21.3%。2)利用支架表征行道樹健康度,主要考慮的是新栽植樹木往往并未扎實根系；如果某一區域內新移植樹木較多,其生態服務功能發揮將受影響。3)更多的指標可能用于健康評價,尚需建立適宜標準。比如不同行道樹樹種的樹木生長狀態并不相同,樹木分叉點、枝下高、冠幅等修剪保留不盡一致,在枯梢量占比、死亡比例評價上容易造成較大誤差。未來在街景調查中充分考慮不同樹種,將有利于提出更加切實可行的、在造林學種水平上的林分管理建議。落葉樹木的修剪期一般為自晚秋至早春,減少視覺檢查的偏差,我們選擇在夏季的街景照片進行調查。另外,許多行道樹的健康狀況還受到了生存空間被擠占、水肥管理措施不當等多方面因素的影響,這些因素本研究也未考慮。整體來看,與野外視覺評價一樣,街景視覺檢查樹木健康可能存在系統性誤差,未來考慮多人共同評價、增加可行性指標來減少誤差。

街景測樹方面需要綜合考慮標尺問題,以提升測定指標的精度。本團隊對街景測樹法精確度也進行了相關的研究[8],結果發現街景中常見參照物可用于樹木大小的遠程估計,并對不同參照標準如樹木涂白、路緣石等高度下的樹木測量精度,其中涂白被證明是最精確的參照(R2=0.82—0.97),而綜合標尺的精度最高；ImageJ軟件是較好的綜合各參照物標準的測量軟件,能夠大大提高測量精度；對參照物的準確標注、周圍環境(與其他樹的距離)、測量角度和采集位置(光線問題)均會影響測量精度。在實測中,采用綜合標尺(就近選擇固定大小的物體作為標尺)參照物,采集照片與標尺盡量在一個平面內、選擇表征樹整體合適角度和位置,并進行前期練習培訓是進行街景測量的必要過程。

3.2 南昌城市森林的空間分布：以往研究的更新

分析城市樹木大小和健康狀況的分布規律,并與以往研究進行對比,是開展城市樹木管理的前提。本研究的主要發現包括2點。

第一,通過街景測樹法對南昌市行道樹結構和林分健康的遠程調查是對以往研究的更新。以往針對南昌市行道樹的大量研究顯示出城市森林的重要生態功能。如：尤春波等人對南昌市主要街道行道樹調查統計顯示中徑階樹為69%,且健康總體達到了中等水平[13]；與此不同,周宇婷等人也對市內小面積區域研究發現沒有優質等級的行道樹個體[22]。這些研究局限于某一小范圍或受野外實測的限制,不能對整個市區進行有效性評價和實時更新。本研究利用街景技術較為系統、全面的對南昌市整體行道樹特征進行評價,即南昌市行道樹整體較小,南昌縣和新建區小樹居多；灣里區、新建區林分健康情況較差；西湖區、東湖區的植被垂直結構等級配置較差。這些結果將為南昌市的城市行道樹精細化管理提供新參考。

第二,城市化影響具有規律性,在構建良好城市環境中需要考慮這一點。提前新區造林方案進行設計、加強現有林管理,使得城市森林成為低投入、高產出、長效的綠色基礎設施。本研究和前期研究都發現城市化對森林相關屬性的規律性影響。大量研究城市化會影響大小和健康[24]、相關景觀指數[25—26]、物種豐富度[27]等的空間分布趨勢。本研究發現,南昌市行道樹在城鄉梯度上表現出行道樹單個個體減小,垂直結構逐漸復雜化。這可能與城市化程度越高、人為干擾越強、樹木生長可能受到越強的限制[27]有關。在未來城市化影響評價以及森林城市、花園城市和生態城市建設中應該充分考慮這種城市化的長期影響。

3.3 南昌市綠色基礎設施：問題與建議

南昌市是江西省最重要的城市,在未來城市綠化過程中,需要關注如下幾點。首先,空間圖示顯示出不同區域行道樹大小的顯著差異,比如：行道樹幼樹主要集中在南昌縣和新建區,大樹主要分布在東湖區和西湖區,這些信息以往研究中報道很少[28]。大樹可以提供更好的生態服務,很多研究強調其保護[29—32],本研究指出了其存在區域。為提高城市行道樹服務功能,強調在幼樹較多的區域應當注意其生長管理,而樹齡較大的老樹需注重養護。同時,本研究的調查地點的經緯信息能夠定位行道樹區域,為城市管理者提供數據基礎。

其次,南昌市行道樹整體上健康狀況良好,但是局部地區依然存在問題。青山湖區、新建區林分健康較差,西部區域行道樹葉片顏色不正常比例普遍較高。葉片異常的觀察可能存在不足[13,22],但是至少證明了南昌市行道樹葉片健康在空間格局上存在差異。行道樹管理和維護上,應當在支架比例較高的林分區域,加強維護和管理,使其自理能力增強。及時修剪枯梢,及時補充營養,清除死樹并有計劃的進行植樹,有效提高生態服務功能。

最后,南昌市植被垂直結構空間分布呈現規律性。外環等級最高,內環最差,應當在市中心種植不同類型植被、裸地種植植被,避免商業區開發導致綠化減少。而針對如西湖區結構等級較差的問題,城市管理者在規劃路邊樹木時,應以人類活動頻繁的地點為重點,種植抗逆性強的樹種,注重不同植被類型的結合以提高多樣性和生態穩定性。

4 結論

南昌市行道樹整體小樹較多,健康狀況整體良好,植被垂直結構較優,且在空間上呈現顯著的城鄉梯度變化規律,即從內環到外環,行道樹個體變小,垂直結構逐漸復雜化。城市森林空間分布圖的完善為南昌市城市森林精準管理提供了基礎。本研究采用的快速、準確的街景網絡測樹的調查方法,為今后的全國大尺度調查奠定了基礎。