光和噪聲污染脅迫下城市生態斑塊鳥類風險評價

郝慶麗,任卓菲,劉 剛,*,王立雄,于 娟,郁澤君

1 天津大學建筑學院, 天津 300072

2 天津市建筑物理環境與生態技術重點實驗室, 天津 300072

人類活動產生的光污染和噪聲污染快速增長、擴張,侵入鳥類生存和發展的生態斑塊,改變其賴以生存的自然光、聲環境[1—2]。研究表明,光、聲污染脅迫可以通過改變鳥類對環境的感知進而影響鳥類行為和生理[3]。鳥類基于自然光進化出復雜、互補的光感知系統和磁場感知系統[4—5]。人工光會影響鳥類光和磁場感知系統,進而改變鳥類生理節律[6—7]、基因表達[8]、激素分泌[9]、能量代謝[10]等方面。另一方面,鳥類的聽覺與鳴叫行為密切相關,正常的聽覺輸入對于鳥類鳴叫正常水平的維持至關重要[11]。交通噪聲會損害鳥類聽覺信號感知,改變鳥類鳴聲特性(振幅和頻率),從而破壞鳥類交流能力[12]以及覓食或躲避掠食者的能力[13],影響鳥類生理和繁殖行為[14],造成鳥類棲息地喪失或破碎[15],降低鳥類種群密度和物種豐度[16]。人工光和交通噪聲或將隨城市擴張而繼續蔓延,對鳥類的影響也會不斷擴大。因此,評價光污染和噪聲污染造成鳥類生態風險是必要而迫切的。

在光污染生態風險評價研究領域,對微觀的鳥種“光刺激-行為反應”的定量化實驗和宏觀的光污染生態風險評價兩方面均有一定研究。在鳥類光刺激實驗研究方面,國內外學者獲得了鳥類行為和光環境特性(光譜、光照強度等)之間的定量化規律[17]。Poot等[18]研究發現,夜間遷徙的鳥類依賴于藍光和綠光定向,而容易被紅光誘陷；Evans[19]和Zhao等[20]研究表明,藍光、綠光會對鳥類飛行產生風險。Wolfgang Wiltschko等[21]研究發現,565 nm綠光輻照度達到15 mW/m2時,澳大利亞繡眼鳥在該光照的影響下遷徙方向發生變化。Raap等[7]研究表明1.6 lx LED照明會改變雌性大山雀的睡眠節律。但目前,鳥類“光刺激-行為反應”實驗中光環境的評價指標與宏觀夜光遙感數據的評價指標不一致；同時,實驗光環境與真實夜間光環境的光譜能量分布存在差異,故實驗研究結論難以全面反映城市環境中鳥類受到人工光的影響。在宏觀光污染生態風險評價方面,夜光遙感為大范圍評估光污染的生態風險提供了可能。Horton等[22]結合VIIRS/DNB夜光數據和雷達監測的候鳥飛行數量,研究了美國候鳥每年暴露在光污染下最多的位置和時間；Xue等[23]利用Jilin 1- 3B夜光數據結合模擬獲得的鳥類活動區域分布圖,通過自然斷點法推測了鳥類活動區域的光污染等級。然而,上述光污染評價研究未與鳥類敏感響應特征建立直接關系,采用自然斷點法的城市區域光污染等級劃分未必能反映鳥類面臨的光污染生態風險程度。

在聲污染生態風險評價領域,道路噪聲對鳥類影響機理及宏觀的聲環境評價均有研究。已有學者通過研究獲得了鳥類敏感的聲壓級閾值范圍,多項研究表明,超過45 dBA SPL(re 20 μPa)的交通噪音會改變鳥類鳴聲特征、繁殖、應激激素水平和物種豐富度[14]。另有研究表明,不同鳥類對于環境的聲壓級偏好各不相同[24],因此需要針對本土典型鳥種開展噪聲敏感基礎機理研究。同時,城市環境中道路噪聲分布復雜,僅有鳥類敏感聲壓級閾值還不能直觀評價城市內交通噪聲對鳥類造成的生態風險。在宏觀的聲環境評價研究方面,已有學者開展城市區域尺度的聲環境評價研究。Wang等[25]提出了基于空間細分的波束跟蹤法來模擬和評估城市建筑噪聲；Gao等[26]通過現場實測和仿真模擬,探究了快速檢測城市噪聲、評價降噪效果的方法；Aumond等[27]基于克里格法的空間插值方法,利用城市區域聲壓級測量值繪制了聲環境插值地圖。上述研究主要通過實測、模擬和預測獲得城市局部區域的聲環境分布,其中模擬是可便捷獲取噪聲分布的方法,但是模擬結果缺乏空間信息及數值信息。此外,與光污染類似,研究僅定性地評價了聲環境的分布或噪聲改造情況,但聲環境分布情況無法體現城市噪聲對鳥類形成的實際風險。

完善的生態風險評價需要構建完整的技術鏈條[28],針對光污染和噪聲污染生態風險評價領域存在的不足,本文搭建了全鏈條研究方法:探究微觀層面光、聲污染脅迫下鳥類生態風險閾值,同時獲取宏觀光、聲污染分布數據；將微觀風險閾值和宏觀污染分布數據聯合,開展生態風險評價；搭建生態風險評價平臺并進行生態風險可視化展現。具體而言,在微觀層面,本文探究了光污染對鳥類寤寐節律及聲污染對鳥類退避行為的生態風險閾值；由于鳥類所處的真實環境中,人工光多以混合光的形式長期穩定存在,因此本文光污染風險研究圍繞混合光對鳥類造成的生態風險進行評價。本文建立的全鏈條研究方法可為城市光、聲污染生態風險的快速診斷、評價及防控提供方法支撐。

1 研究方法

開展環境污染生態風險評價研究的首要條件是獲取兩類數據,即典型受體的風險評價閾值和環境污染空間分布數據。前者主要來自污染源刺激實驗獲得的典型受體風險閾值,后者來自于實測、建模、遙感等方式。

1.1 生態風險評價閾值量化

1.1.1光污染生態風險評價閾值量化

本文探究了混合光影響黃雀和栗鹀寤寐節律的光強風險閾值。團隊前期基于規范化實驗方法,采用常規LED混合光及五種單色光(包括紫光、藍光、綠光、黃光和橙紅光)作為實驗光源,以輻照度作為實驗光強的衡量指標,選取入睡時刻、清醒時刻、睡眠時長及驚醒率作為鳥類寤寐節律觀測指標,開展人工光干擾下鳥類寤寐節律實驗研究[29]。本文通過總結該實驗結果,發現以下規律。對黃雀而言,5 mW/m2人工光推遲入睡時刻、提前清醒時刻及縮短睡眠時長均超過1 h,并顯著提升驚醒率；當人工光從較低輻照度升至5 mW/m2時,四項寤寐節律觀測指標變化顯著,而隨著輻照度繼續增大,觀測指標變化趨勢減緩。對栗鹀而言,10 mW/m2人工光推遲入睡時刻、縮短睡眠時長均超過1 h,且推遲清醒時刻,與較低輻照度人工光提前清醒時刻的現象形成鮮明對比。通過對比不同輻照度下六種光色對鳥類寤寐節律觀測指標的綜合影響程度,本文初步確定黃雀和栗鹀的人工光輻照度風險閾值分別為5 mW/m2和10 mW/m2。

1.1.2室外夜間光污染生態風險評價閾值轉換

實驗場景難以還原復雜的室外夜間光環境光譜分布,且實驗研究常采用的光環境評價指標(照度、輻照度)與宏觀夜光遙感數據的評價指標(輻亮度)不一致,因此本文提出根據特定鳥種輻照度風險閾值估算符合研究區域混合光光譜能量分布的輻亮度風險閾值的方法,具體如下:

(1)開展實驗室單色光輻亮度定標。因研究團隊前期開展的光刺激實驗獲得的鳥類風險指標為輻照度(mW/m2),而可用于大范圍生態風險評價的夜光遙感影像單位是經輻射校正后的輻亮度(nW cm-2sr-1)。若想利用夜光遙感影像進行大范圍光污染生態風險評價,則需要通過光強定標將實驗獲得的輻照度閾值轉換為輻亮度閾值。本文采用峰值波段位置精準、于可見光范圍內分布較為均勻的六種定制單色光,包括藍色光(448 nm)、青色光(501 nm)、黃綠色光(542—554 nm)、琥珀色光(594 nm)、橙紅色光(618 nm)、紅色光(660 nm)。實驗人員將六種單色光置于標準實驗箱裝置內形成人工光環境,使用拓普康SR- 3AR分光輻射度計,分別測量了六種單色光工況下實驗鳥站立平面輻照度為5 、10 mW/m2時對應的實驗裝置底部漫反射表面的輻亮度。以10 mW/m2輻照度實驗工況為例,各單光色光譜能量分布如圖1所示。

(2)確定研究區光環境光譜能量分布。通過調研發現,道路照明、建筑照明、景觀照明是對夜間光環境影響較大的幾種照明類型。使用CL- 500A分光輻射照度計可以采集夜間光環境光譜能量分布,獲得典型光譜能量分布特征。

(3)劃分單色光代表波段。根據6種單色光光譜能量分布(圖1),以峰值波長相鄰的兩種單色光光譜能量分布曲線交點對應的波長為界,將可見光范圍(360—780 nm)分為6個波段,各波段中光譜輻照度高的單色光作為主光色,從而將單色光與代表波段一一對應。以相鄰的藍色光和青色光為例,兩者的光譜能量分布曲線在473 nm處相交,且在波段360—473 nm內藍色光的光譜輻照度高,因此確定藍色光所代表的藍色光波段為360—473 nm。同理,青色光代表波段為473 nm至青色光和黃綠色光光譜能量分布曲線交點對應的波長,其他單色光代表波段范圍以此類推。

圖1 6種單色光光譜能量分布及峰值波長

(4)確定真實光環境中各單色光波段具有的能量權重。權重系數是真實光環境光譜能量分布中,不同單色光所在波段范圍內對應的輻照度與真實光環境總輻照度的比值。

(5)估算符合真實光環境的輻亮度閾值。單色光權重系數乘以該單色光在實驗室環境下輻照度閾值定標對應的輻亮度值,并求和,即可估算得符合真實光環境可見光波段的輻亮度閾值。

公式1總結了(4)、(5)的計算方法。

(1)

式中,n為單色光的個數,第i個單色光代表波段范圍為ai-bi,I為測量的研究區域可見光波段真實光環境光譜輻照度,Ii為單色光i代表波段ai-bi在真實夜間光環境中的光譜輻照度,Ri為單色光i在實驗室特定輻照度定標的輻亮度,R為估算獲得的符合真實光環境的輻亮度閾值。

1.1.3噪聲污染生態風險評價閾值量化

本文探究了道路噪聲影響畫眉鳥退避率的聲壓級風險閾值。畫眉鳥具有生性膽小、對噪聲敏感的特征,因此適宜作為典型物種開展實驗室噪聲干擾實驗。退避行為是鳥類受噪聲影響的典型反應之一,以退避率作為量化指標。研究定義某聲壓級下的退避率為該聲壓級下畫眉鳥退避數量除以實驗鳥總數量的百分比。研究團隊在條形實驗室兩端播放野外采集的噪聲源,模擬野外道路噪聲環境,以畫眉鳥作為典型風險受體,觀察各聲壓級下畫眉鳥的分布情況,并以退避率作為因變量y,聲壓級作為自變量x,建立了一元回歸方程(公式2)[30]:

y=0.071x-4.452

(2)

1.2 環境地圖及污染風險地圖處理

1.2.1夜間光環境地圖及光污染風險地圖處理

夜間光環境地圖的來源主要有三種,實測光環境地圖、無人機航拍圖和夜光遙感影像。對于城市區域尺度光污染生態風險評價,夜光遙感影像更具有優勢。本文中,光環境地圖來自Luojia 1-01衛星(LJ1-01)和Jilin 1- 7B衛星(JL1-07B)獲取的夜光遙感影像,兩者空間分辨率分別為130 m[31]和0.92 m[23]。其中,LJ1-01圖像來自湖北高分辨率地球觀測系統數據和應用網絡(http://59.175.109.173:8888/app/login_zh.html,于2020年3月31日訪問),拍攝于2018年8月21日。JL1-07B夜光遙感影像拍攝于2020年4月9日。根據圖2所示流程,基于ArcGIS 10.2對兩種夜光遙感影像進行了數據幾何糾正、輻射校正、中值濾波,并將WGS84基準的通用橫軸墨卡托投影應用于遙感圖像。通過一系列處理,獲得研究區域的夜間光環境地圖。

圖2 光環境地圖及光污染風險地圖處理流程

基于官方提供的輻射校正方法,使用公式(3)將LJ1-01圖像的DN值轉換為輻亮度。

R=DN3/2×10-10×w

(3)

式中,R為絕對輻射校正后的輻亮度(W cm-2sr-1),DN為像素的灰度值,w為帶寬[32]。為便于可視化表現,下文所提及的輻亮度值單位多為nW cm-2sr-1。

對于JL1-07B夜光遙感影像,根據元數據中提供的方法對其單波段影像進行輻射校正。灰度亮度計算方法見公式4:

R=0.2989×Red+0.5870×Green+0.1140×Blue

(4)

式中,Red、Green、Blue為經過輻射校正后的JL1-07B單波段影像。

在光環境地圖的基礎上,以特定鳥種風險閾值作為分類值,利用ArcGIS重分類工具進行重分類,將研究區域劃分為安全區和風險區,獲得光污染風險地圖。

1.2.2聲環境地圖及噪聲污染風險地圖處理

交通噪聲現已成為噪聲污染的最顯著來源之一。因此,本文以交通噪聲作為主要噪聲源,通過噪聲環境模擬、實測聲壓級校核、ArcGIS數據處理獲得噪聲地圖,方法如下。

(1)實測校核的噪聲環境模擬

①噪聲聲壓級實測:在研究區域的主要交通干路及支路設置監測點,使用聲級計測量聲壓級,同時通過拍攝視頻獲取車流量信息,每測點測量10分鐘,取平均聲壓級,并排除汽鳴聲等極端噪聲的干擾。每日分別在早高峰(7:00—8:00)、早平峰(9:00—10:00)、晚高峰(18:00—19:00)、晚平峰(21:00—22:00)四個時間段進行監測。通過上述操作,實測獲得不同時間段內顯著噪聲源的聲壓級及車流量。

②聲環境仿真模擬:使用軟件SoundPLAN進行研究區域建模和聲環境模擬。建模考慮因素包括建筑形狀、高度及分布,道路表面材料、寬度及車流量,并設定研究區域中的林地、草地及水域,同時使用實測聲壓級對模擬數據進行校核,最終輸出符合真實環境的聲環境模擬圖。

(2)聲環境地圖處理

由于模擬輸出的數據為RGB圖片,圖內可直接讀取數據僅為R、G、B三個通道的灰度值,缺少空間及數值屬性。為解決這一問題,本文提出基于ArcGIS的聲環境模擬地圖處理技術,將位置屬性及聲壓級數值屬性賦予聲環境仿真模擬圖像,生成聲環境地圖及噪聲污染風險地圖(圖3)。處理流程如下:

圖3 聲環境地圖及風險地圖處理流程

①圖像預處理:將聲環境模擬地圖導出為灰度圖像,通過顏色識別,獲取并記錄與聲壓級分類一一對應的灰度值(0—255)。②賦予位置屬性:將聲環境模擬圖加載到ArcGIS,并設置為墨卡托投影坐標系,利用地理配準工具以谷歌地圖作為底圖對聲環境模擬圖進行地理配準,使其獲得空間屬性。③賦予聲壓級數值屬性:將聲環境模擬圖R、G、B任意一波段加載到ArcGIS,使用重分類工具,以灰度值為舊值,以對應聲壓級作為新值,重新賦值該波段。至此,新生成的柵格圖像則為具有位置屬性和聲壓級數值屬性的聲環境地圖,圖中每像元灰度值均為聲壓級。④柵格重分類:以特定鳥種噪聲污染風險閾值作為分類值,對聲環境地圖進行重分類,獲得噪聲污染風險地圖。

1.3 評價平臺搭建

評價平臺主要包括客戶端前端、管理端前端、后端及數據庫。(1)客戶端前端以網絡地圖為支撐,可視化環境污染源分布地圖及特定物種生態風險評價地圖。(2)管理端前端服務于管理人員,實現便捷化數據上傳、管理、查詢、調取、更新等功能。(3)后端通過接口與前端進行數據交互,進行業務邏輯處理工作(數據的增、刪、改、查等),并保存于數據庫中。(4)數據庫主要用于存儲污染源數據、物種生態風險評價數據等。

2 結果與分析

2.1 示范研究區概況

福建省廈門市擁有豐富的鳥類資源,鳥類種數占全國總種數的19.5%,主要為鳴禽和涉禽。其中,黃雀、栗鹀和畫眉鳥,是廈門市三種常見鳴禽[33]。位于廈門本島中西部的筼筜湖區(圖4),經過多年的環境修復和治理,儼然成為廈門的“城市會客廳”、鳥類棲息的天堂,是典型的城市生態斑塊。經調研發現,圖4中a—e區域均存在鳥類頻繁活動的現象。但筼筜湖區及周邊是廈門市的政治、文化、金融中心,城市化水平高,導致夜間光污染和噪聲污染較為嚴重,逐漸成為影響生態斑塊內鳥類生存的潛在風險因素。因此,本文以筼筜湖區域這一典型城市生態斑塊作為示范研究區,探討如何將宏觀光污染和噪聲污染數據與微觀鳥類閾值數據結合進行城市生態斑塊生態風險評價。

圖4 筼筜湖地圖

2.2 生態風險評價閾值

2.2.1夜間光污染生態風險評價閾值

調研發現,筼筜湖區環湖建筑照明是主要光污染源,建筑照明形式包括整體照明、局部照明、輪廓照明等。該區域建筑的平均高度約20 m,高層建筑約占總建筑數量的17%,其建筑立面亮化強度及垂直高度較高,對整體光環境影響大。因此,筼筜湖環湖建筑照明光譜分布可以一定程度代表該區域綜合光譜分布。實驗人員在湖心島(圖4)南北側碼頭采集環湖建筑立面光譜,測點距離最近的建筑約220 m。通過CL- 500A分光輻射照度計進行建筑立面光譜采集,獲得代表筼筜湖區的夜間光譜能量分布(圖5)。

圖5 筼筜湖夜間光環境光譜能量分布

根據閾值量化提出的估算混合光譜風險評價閾值的方法,最終獲得符合筼筜湖區典型光譜能量分布的輻亮度閾值:黃雀人工光風險閾值5 mW/m2對應的輻亮度閾值為118.28 nW cm-2sr-1,栗鹀人工光風險閾值10 mW/m2對應的輻亮度閾值為218.88 nW cm-2sr-1。

2.2.2噪聲污染生態風險評價閾值

根據研究團隊獲得的畫眉鳥退避率與聲壓級關系式可知,當聲壓級為62.7 dB(A)時,y=0,即此時畫眉鳥出現退避行為的概率為0；當聲壓級大于62.7 dB(A)時,畫眉鳥即開始出現退避行為,且概率隨聲壓級增加而增大。因此,為確保無任何畫眉鳥出現退避行為,本文將畫眉鳥的噪聲風險閾值定于62.7 dB(A)。

2.3 生態風險評價及分析

2.3.1夜間光環境地圖及光污染風險評價

通過1.2.1操作,獲得筼筜湖區域的JL1-07B(圖6a)和LJ1-01(圖6b)夜間光環境地圖。在此基礎上,以實驗及計算獲得的黃雀人工光風險閾值118.28 nW cm-2sr-1、栗鹀人工光風險閾值218.88 nW cm-2sr-1作為輻亮度閾值,對光環境地圖進行重分類,繼而生成光污染風險地圖(圖6c、d、e、f)。圖7e中選取四個夜間光污染典型區域:g為市政建筑照明(廈門市政府和人民會堂),h為住宅建筑群照明,i為商業建筑群照明(萬象城),j為道路及沿湖景觀照明。

由筼筜湖夜間光環境地圖可見(圖6),該區域兩類夜光影像表征的夜間光環境分布特征相近,基本以道路及建筑為中心形成集中照明區域,并且在道路周邊建筑區域形成局部光污染熱點。由于分辨率的差異以及溢散光的影響,LJ1-01地圖的整體輻亮度水平高于JL1-07B。以栗鹀風險地圖為例,研究區域中,LJ1-01地圖顯示光污染風險區域面積6.31 km2,而JL1-07B地圖顯示風險區域面積僅為0.96 km2。對比兩者風險區域,發現風險重合區域與JL1-07B風險區域的面積比為84.0%,可見兩類夜光影像對于光污染核心風險區域的識別是相似的。

圖6 光環境地圖及特定鳥種光污染風險地圖

JL1-07B夜光影像分辨率高,可以精細表現夜間照明分布,是較好的城市區域尺度夜間光環境數據來源。因此,針對廈門市筼筜湖區域,本文以JL1-07B光污染風險地圖對鳥類風險區進行描述:超出黃雀風險閾值的光污染風險區域占研究區域的24.6%,主要為湖區道路照明和市政、商業、住宅等建筑群裝飾性照明；相比之下,栗鹀超出風險閾值部分相對較小,占比6.9%,主要來源于建筑裝飾性照明和景觀照明。本文推測對黃雀和栗鹀造成風險的高輻亮度區域緣于照明設施缺乏截光措施。

LJ1-01夜光影像雖分辨率相對較低,難以細致地對城市區域尺度光環境進行評價,但其每景影像覆蓋范圍廣,因此更適用于大尺度夜間光環境生態風險評價。本文利用LJ1-01夜光數據繪制了廈門市、漳州市、泉州市在內的閩三角城市群夜間光環境地圖,并分別對該區域的黃雀和栗鹀的光污染生態風險進行了評價(圖7)。由圖可見,閩三角城市群絕大部分區域屬于光污染生態安全區,光污染生態風險區集中分布在城市中心和東南沿海區域。黃雀和栗鹀的光污染風險區分別占閩三角城市群面積的0.8%和0.4%,其中,漳州市和泉州市的光污染風險較小,黃雀和栗鹀光污染風險區域在漳州市分別為0.3%和0.2%,在泉州市分別為0.7%和0.2%。而廈門市的光污染風險最高,黃雀和栗鹀的風險區域面積占比分別為6.0%和3.2%。

圖7 閩三角城市群夜間光環境地圖及生態風險地圖

2.3.2夜間光污染風險分布模式

道路照明、建筑照明、景觀照明是需重點關注的照明類型,三者的夜間光照水平與土地利用類型密切相關[34]。探究城市土地類型與夜間光污染之間的關系,有助于為防治生態光污染、降低生態風險提供支撐。

根據衛星地圖及實地調研,本文獲得筼筜湖區域土地利用類型分布(圖8),包括商業、住宅、行政、綠化及其他共五類用地。其中,住宅所占比例最大,商業次之。為評價不同類型用地對夜間光污染的貢獻,本文通過疊加土地利用類型圖和JL1-07B夜光影像,計算獲得各分區斑塊的總輻亮度,即各斑塊內所有像素輻亮度之和(圖9和圖11)。根據各斑塊總輻亮度分布圖及箱型圖可以看出,五類土地利用類型中,住宅用地總輻射亮度較高,商業其次,這兩類占地面積相對較大,因此對整體光環境貢獻的夜間光照也最多；而行政、綠化、其他三類面積占比相對較小,對光污染的貢獻也相對較小。為了區分不同土地利用的光照強度,進一步計算了各土地利用斑塊的平均輻亮度(圖10和圖12),平均輻亮度為各斑塊總輻亮度與總像元數之比。結果顯示,商業用地各斑塊的平均輻亮度水平最高；行政用地次之,存在局部過亮的照明；住宅的光照強度相對均衡。

圖8 研究區城市土地利用分布圖

圖9 各斑塊總輻射亮度分布

圖10 各斑塊平均輻射亮度分布

圖11 各土地利用類型總輻射亮度分布

圖12 各土地利用類型平均輻射亮度分布

本文統計了五類功能分區中黃雀和栗鹀的光污染風險區域占比(即各類分區中超出閾值的面積與該類區域的面積之比,圖13)。五類分區中,黃雀和栗鹀風險區域占比相差較大,但總趨勢一致。其中,商業和行政區域超過閾值部分占比最高,商業區域中,黃雀和栗鹀風險區域占比分別為55.0%和24.9%；行政區域中,兩者占比分別為44.8%和19.4%。其次,住宅區域的風險區域占比也相對較高,黃雀和栗鹀風險區分別占34.5%和10.4%。本文推測,這是由于商業和行政區域的建筑及景觀室外照明設計不合理,導致較多光線直接射向天空,或照射到建筑表面和路面而反射到天空,被衛星傳感器捕捉。且調研發現,該區域住宅多為高層,頂部裝飾照明普遍,且缺乏截光措施。

圖13 黃雀和栗鹀光污染風險區域在各功能分區占比

2.3.3聲環境地圖及噪聲污染風險評價

本文根據前文1.2.2描述的聲環境地圖處理方法,獲得筼筜湖區聲環境地圖,以晚高峰階段為例進行表現(圖14)。并根據典型風險受體畫眉鳥的退避風險閾值62.7 dB(A)對噪聲污染進行評價,生成噪聲污染風險地圖(圖14)。

圖14 筼筜湖區晚高峰聲環境地圖及噪聲污染風險地圖

多項鳥類研究表明,噪聲水平高于45 dB(A),鳥類鳴聲特征、繁殖、應激激素水平和物種豐富度會發生變化[14]。根據筼筜湖區域噪聲模擬結果顯示,距單向道路噪聲源近1300 m處,環境聲壓級降至約45 dB(A)。道路圍合的筼筜湖湖心聲壓級大約為55 dB(A)。畫眉鳥風險區占研究區面積的34.7%。

2.3.4噪聲污染風險分布模式

為深入了解該區域噪聲沿道路分布模式,對聲環境地圖進行聲壓級提取及分析。沿垂直于道路的方向設置聲壓級提取路徑(圖15中紅線),設置提取路徑與道路中心交叉點為中心點,沿遠離道路中心點方向每隔10m設置一個提取點。筼筜湖區湖濱東路、湖濱西路為一級道路,白鷺洲路及湖濱中路為二級道路。根據噪聲聲壓級隨距道路中心線距離的變化曲線(圖16),聲壓級在道路中心處最高,甚至超過80 dB(A)。隨著距離的增加,噪聲受到障礙物遮擋而衰減,聲壓級逐漸降低。對于畫眉鳥而言,距離一級道路約150 m、距離二級道路約50 m以內為畫眉鳥噪聲污染風險區。針對風險受體主要活動區域與噪聲污染風險預警區發生重疊的問題,相關保護組織可以考慮通過在道路附近設置聲屏障或增加綠化林帶的方式緩解噪聲對風險受體的影響,運用SoundPLAN模擬調整后的噪聲分布情況,驗證規劃建議的有效性,最終提出改進方案。

圖15 研究區域聲壓級數據提取

圖16 聲壓級隨距道路中心線距離變化圖

2.4 光、聲污染綜合風險評價

在夜間照明和交通晚高峰的重疊時間段,光污染和噪聲污染同時作用于鳥類,并可能產生單日最大疊加風險。經調研發現,研究區道路照明開啟時間與日落時間基本一致,建筑及景觀照明隨后開啟,晚高峰時段會隨日落時間變化、作息時間調整而相應偏移。研究區全年夜間照明時段會與交通晚高峰時段完全或部分重疊。以團隊11月調研結果為例,道路照明隨日落大約在17:20開啟,交通晚高峰時段約為18:00—19:00,光污染和噪聲污染時段完全重合。因此,本文對夜間黃雀、栗鹀光污染風險和畫眉鳥噪聲污染風險開展了綜合評價(圖17)并獲得以下結果。風險區集合的總面積為4.99 km2,約占研究區域的44.32%。將生態風險區集合劃分為三個等級:僅一種物種遭受風險的區域定義為輕度污染區域(占地2.55 km2,約占總生態風險區域的51.10%),兩種物種生態風險重合的區域定義為中度污染區域(1.91 km2,38.28%),三種物種風險區域重合的區域定義為重度污染區域(0.53 km2,10.62%)。結果表明,重度污染區域面積有限,主要分布于靠近道路且照明水平高的區域；中度污染及輕度污染區域,覆蓋范圍相對較廣。風險水平高的區域亟需政府相關部門給予重點關注,降低物種的光污染和噪聲污染生態風險。

圖17 光、聲污染多重風險地圖

2.5 網頁評價平臺搭建與示范

網頁客戶端界面如圖18所示,關鍵功能是由用戶選擇不同物理環境污染源及特定物種生態風險評價地圖進行可視化展示,并疊加于開源地圖Open Street Map (OSM)上方。當前物理環境污染源包括光污染和噪聲污染。在網頁客戶端平臺中,可調節光環境、聲環境地圖及污染風險地圖的不透明度,用于查看光污染和噪聲污染生態風險的疊加效果,據此綜合評價生態風險,為政府相關部門決策及環境治理提供依據。

圖18 平臺網頁客戶端界面及功能展示

3 結論與討論

本文在GIS技術的支持下,將微觀的風險閾值與宏觀的污染地圖結合,以典型城市生態斑塊筼筜湖區為例,進行了光污染和噪聲污染脅迫下的鳥類生態風險評價,得出以下結論并展開討論:

(1)微觀風險閾值

在光污染研究中,本文根據團隊前期研究,初步總結了黃雀和栗鹀的人工光輻照度風險閾值分別為5 mW/m2和10 mW/m2,對應的實驗LED混合光照度風險閾值分別為1.78 lx和3.38 lx。該風險閾值與已有研究中對鳥類產生影響的混合光光強相近。例如,1.5 lx人工光使城市大山雀(Parus major)日間活動開始時刻提前55分鐘[35]；1.6 lx人工光可能擾亂大山雀睡眠[7,36]；3.2 lx人工光可能影響灌叢鴉(Aphelocoma californica)褪黑素分泌[37],或進一步影響寤寐節律；10 mW/m2人工光會推遲繡眼鳥(Silvereyes)入睡行為[38]；在平均照度為3.91 lx的重度光污染區,美國知更鳥的晨鳴時間相比于輕度光污染區大幅度提前[39]。此外,本文提出了根據特定鳥種實驗室輻照度閾值估算符合真實光環境混合光譜能量分布下輻亮度閾值的方法,并獲得符合筼筜湖區典型光譜能量分布的黃雀和栗鹀輻亮度風險閾值,分別為118.28 nW cm-2sr-1、218.88 nW cm-2sr-1。不同鳥種對于人工光強度的敏感度和耐受力存在差異,在未來研究中有待開展更多鳥種風險機理研究。

在噪聲污染研究中,畫眉鳥呈現0%退避率時,風險閾值為62.70 dB(A)。相關研究表明,70 dB(A)或更高水平的噪聲會迫使鳥類產生退避行為[40]。該噪聲水平微高于本文中的風險閾值62.70 dB(A),推測原因有二:其一是鳥種間差異[24],其二是實驗設置方法不同。

(2)宏觀污染地圖及風險評價

在光污染研究中,本文利用鳥類風險閾值結合JL1-07B夜光遙感影像進行了筼筜湖區光污染風險評價,發現黃雀和栗鹀在該區域的光污染風險區占比分別為24.6%和6.9%。在筼筜湖區,LJ1-01與JL1-07B表征的栗鹀風險區域重合率達84.0%,說明LJ1-01與JL1-07B表征的光污染風險分布相近。基于兩類夜光數據各自特征,本文認為JL1-07B夜光地圖適用于城市區域尺度光污染風險評價,LJ1-01更適用于城市群大尺度評價。以閩三角城市群為例,LJ1-01風險評價地圖顯示,黃雀和栗鹀的光污染風險區域占比為0.8%和0.4%,其中廈門市的光污染風險最高,分別占全部風險區域的6.0%和3.2%。對比Xue等[23]研究中關于鳥類棲息地光污染等級劃分,本文獲得的黃雀光污染風險閾值(118.28 nW cm-2sr-1)對應該研究中的初級光污染(89.40—151.84 nW cm-2sr-1),栗鹀光污染風險閾值(218.88 nW cm-2sr-1)對應中級光污染(151.85—334.60 nW cm-2sr-1)。該研究雖然沒有參考鳥類風險閾值,但是光污染分級可與本文實驗鳥種風險閾值對應,說明采用自然斷點法獲得的光污染等級一定程度上能反映典型人工光對鳥類的影響情況。但是,由于不同鳥種對人工光的敏感程度存在差異,自然斷點法獲得的光污染等級能否代表各典型鳥種面臨的光污染風險尚不明確,因此仍需開展鳥類對人工光響應機理研究,從而為光污染風險等級的合理劃分提供支撐。

在噪聲污染研究中,本文通過SoundPLAN模擬、實測校核以及ArcGIS賦予空間及數值屬性,獲取聲環境地圖,結合畫眉鳥噪聲風險閾值,發現畫眉鳥噪聲風險區域占筼筜湖區的34.7%。噪聲污染可能會導致以畫眉鳥為代表的城市鳥類出現退避行為而放棄棲息地,進而可能造成城市生態斑塊棲息地功能退化。

在光、聲污染綜合評價中,筼筜湖區光、聲污染風險區域總面積4.99 km2,占筼筜湖區域面積的44.32%。輕度污染區域2.55 km2(占污染風險區域的51.10%)；中度污染區域1.91 km2(38.28%),重度污染區域0.53 km2(10.62%)。在評價平臺客戶端中,可通過調節地圖的不透明度查看光、聲污染生態風險的疊加效果,據此進行綜合生態風險評價。相關研究表明,在光污染和噪聲同時存在的夜晚,人工光對城市鳥類造成的不良影響將被進一步放大；而對于郊區鳥類,人工光和噪聲的影響也將疊加[35]。因此,夜間光污染和噪聲污染的風險區域如出現重疊,則表明該重疊區域的城市生態環境亟待改善。

(3)風險分布模式

在光污染研究中,五類土地利用類型中的商業區域光污染風險最多,黃雀和栗鹀風險區域占比分別為55.0%和24.9%；行政和住宅區域其次。調研發現,在非節假日夜間,筼筜湖區的大部分建筑外立面裝飾照明在22:30關閉,但商業區低層沿街商鋪照明以及基礎設施照明基本通宵運行。因此,光污染的防治措施需從功能和時間兩個角度考慮。在噪聲污染研究中,距離一級道路約150m以及距離二級道路約50m以內的區域為畫眉鳥噪聲污染風險區。道路中心處聲壓級最高,達到80 dB(A)以上。筼筜湖區大部分區域噪聲水平超過55 dB(A),高于世界衛生組織(WHO)認定的人類長期接觸的噪聲安全水平。

(4)光、聲污染控制建議

從控制光污染的角度,本文建議城市管理部門根據鳥類活動頻率、綠化率等因素重點關注商業區域和行政區域的光照水平,對于鳥類光污染風險區采取降低光照強度、減少光源數量、縮短照明時間等措施以減少光污染生態風險。從控制聲污染的角度,建議在鳥類活動、棲息及繁殖的區域,相關機構需采取必要措施適當減少道路噪聲的影響,例如限制車速、增加綠化、增建隔音設施等。