下载:
-
随着中国城市化进入全面发展期，城市景观格局及其稳定性维护机制面临着巨大的人为改造压力[1]，如不透水地面增加，绿地和水体面积减少，景观破碎化加重等，以及人为热量排放等因素，使得城市热环境逐渐恶化[2]。目前，热岛效应已成为城市普遍面临的环境问题。绿色基础设施(green infrastructure，简称GI)在城市尺度上作为一种基础设施化的绿色空间网络，具有提供雨洪管理、气候调节、空气净化等生态系统服务的重要功能[3]，其要素中的绿地、水体大部分都具有“冷岛效应”[4]，可有效缓解热岛效应，提高城市应对气候变化的能力。通过多学科协作合理地规划布局城市绿色基础设施，对于改善城市热环境，进而指导城市的精明增长具有重要意义。目前，国内外学者主要运用实地观测、地表温度反演、数值模拟等3种手段，从不同侧重点出发对绿色基础设施的热环境效应展开相关研究。在基于气温实地观测来探讨绿色基础设施降温效应的相关研究方面，主要从城市绿地的面积与形状特征、植被结构特征、相关外部因素等3 个方面深入探讨了影响绿地降温效应的主要因素[5]。实测研究大多集中在中小尺度，其中许多研究证实城市绿地与周边区域相比具有明显的降温效应[6-7]，绿地的类型、面积、形状及植被遮阴面积等是影响绿地降温效应的重要因素[8-10]。大尺度的研究需借助遥感反演和地理信息空间分析技术。研究表明：下垫面类型[11]、所在斑块特征、邻近降温斑块空间关系特征[12]等是影响热岛效应分布范围和强度的重要因素。总体而言，研究多集中在缓解热岛效应的各类要素特征层面，而如何通过对城市绿色基础设施的整合分析和前瞻性布局实现其整体降温效应最大化的相关成果鲜见。作为中国“三大火炉”城市之一的南京是夏热冬冷，兼具“山水林城”景观要素的城市。随着人口不断增多和城镇建设用地快速扩张，南京城市热岛效应日趋显著。在满足城市扩张需求的前提下，如何利用有限的绿色空间资源形成高效的绿色基础设施网络布局，缓解城市热环境的恶化，已成为南京快速城市化过程迫切需要解决的重要课题。本研究以快速城市化的南京市主城区为研究对象，通过选取绿色基础设施核心区斑块中降温效应贡献值较高、连通性强的斑块作为“源”斑块，利用景观格局特征与地表覆盖构建阻力面，并基于最小成本路径方法，识别出以“源”斑块为起点和终点的最小成本路径作为降温廊道，并在整合现有空间规划的基础上，研究以缓解热岛效应为导向的绿色基础设施网络构建方法，以期从改善城市热环境的角度为城市绿色基础设施网络构建与发展提供借鉴与参考。
-
南京市位于中国东部长江中下游，31°14′~32°37′N，118°22′~119°14′E。2018年市域总面积为6 587.02 km2，其中城镇常住人口为685.89万人，城镇人口占比高达82.3%。气候为典型的北亚热带季风气候，四季分明，雨水充沛，春秋短而冬夏长。年温差较大，夏季平均气温为28.0 ℃左右，极端日最高气温达43.8 ℃。
近年来，南京市主城区绿色基础设施不断被城市建设所侵占，城市热环境持续恶化。如何改善因城市建设而造成的绿色空间破碎，构建合理高效的绿色降温网络，是实现南京绿色发展和改善城市人居舒适度的重要课题。本研究选取南京市主城区为研究区域，包括玄武区、秦淮区、鼓楼区、雨花台区、建邺区5个中心城区以及栖霞区、江宁区、浦口区3个近郊区。这些区是南京市的核心区域，城市化水平高，经济发展迅速，具有典型的现代城市特征，也最能反映南京市热岛效应的真实状况。
-
本研究采用南京市2015年Landsat TM影像数据(来源于地理空间数据云
http:/www.gscloud.cn/ )，通过单窗算法[13]进行温度反演，结合收集的气象资料，获得区域地表温度数据。使用ArcGIS 10.2对2015年南京土地利用数据结合现状调查资料(来源于南京市规划和自然资源局、南京市统计局)进行重分类后划分为耕地、林地、草地、水体、建设用地、裸地等6类，并将裸地温度作为标准地物温度，计算不同土地覆盖类型的降温率。 -
使用GUIDOS软件的形态学空间格局分析(morphological spatial pattern analysis，MSPA)对研究区斑块进行分析，得到7种景观连通类型：核心区、孤岛、边缘、穿孔、桥接区、环、支线，分别与地表温度叠加计算分析后，选取降温率突出、具有生境可利用性[14]的核心区作为“源”斑块的备选斑块。
城市景观格局是影响热岛效应强度和范围的重要因素[11]。景观连通性作为景观格局的重要部分，反映了绿色空间结构和功能特征，是衡量景观功能性的有效指标[15]。可能连通性指数(PC)的计算基于可能性模型，将生境斑块中的中间斑块参与到景观连通可能性的计算中，在此基础上计算出斑块重要值(dPC)，即每个斑块对于维持景观连通性的重要程度。
$$ {P_{\rm{C}}} = \frac{{\displaystyle\sum\limits_{i = 1}^n {\sum\limits_{j = 1,i \ne j}^n {{a_i}} } {a_j}{p_{ij}}}}{{A{L^2}}}{\displaystyle\text{；}} $$ (1) $$ {d_{{\rm{PC}}}} = \frac{{{P_{\rm{C}}} - {{{P}}_{{\rm{Cr}}}}}}{{{P_{\rm{C}}}}} \times 100{\text{。}} $$ (2) 式(1)~(2)中：ai和aj分别是斑块i和斑块j的贡献值(本研究中指面积)，n表示斑块总数，pij代表物种在斑块i和j直接扩散的最大可能性，PC为可能连通性指数值，PCr为去除单个斑块后剩下的斑块的整体指数值。PC计算值满足0＜PC＜1[16]。
根据斑块重要值(dPC)，采用Jenks自然间断点分级法对斑块进行分级[17]，计算出不同等级斑块的平均降温率。结合前人对绿色基础设施要素与降温效应关系的分析与研究[18]，选取备选斑块中降温效果最优、分布较均匀、景观特征具有代表性且面积大于5 hm2的斑块作为“源”斑块。
-
最小成本路径方法是根据用地耗费路径阻力值生成的空间上耗费成本最小的成本路径。本研究基于最小成本路径进行廊道识别，依据城市用地对热环境的缓解作用设置阻力值。由于城市景观格局与地表覆盖特征的改变被认为是城市热岛形成的直接原因[11]，因此需要计算获得能反映两者的指标值，即景观特征阻力值与地表覆盖阻力值。
①计算景观特征阻力值。景观格局指数可反映组成空间配置某些方面的特征[19]，因此初步选取斑块类型面积(AC)、最大斑块指数(ILP)、斑块密度(DP)、景观聚集度指数(IA)等10个景观格局指数，并利用Fragstats软件计算出各用地类型的景观格局指数。由于不同用地类型的景观特征差异较大，为选取最具代表性的景观格局指数，根据计算所得数据反映出的特征将用地类型划分为2类(地类A和B)，再通过相关性分析筛选出与地表平均温度相关性显著的指数，最后利用熵值法计算各指数的权重。在熵值法中用Pkl表示第l个信息在第k类项目中的不确定度，则整个信息(设有z个数据) 的不确定性为：
$$ S_k = - K\sum\limits_{l = 1}^z{P_{kl}}{\rm{ln}}P_{kl}{\text{。}} $$ (3) 式(3)中：Sk 为第k类景观格局指数的熵值；K 为常数，取决于数据组数。
由于各指数对于景观特征阻力值的贡献度正负作用不同，取该指数与地表平均温度相关系数的正负值，并将各景观格局指数与权重相乘叠加计算得出各用地的景观特征阻力值：
$$ {L_m} = {S_{m,{N_{\rm{P}}}}}{N_{{\rm{P}}m}} + {S_{m,{L_{{\rm{SI}}}}}}{L_{{\rm{SI}}}} + {S_{m,{I_{\rm{A}}}}}{I_{{\rm{A}}}}{\text{。}} $$ (4) 式(4)中：Lm为第m类用地的景观特征阻力值；Sm,Np为斑块数量(NP)与第m类用地所属地类相关系数的符号，正相关取值1，负相关取值−1，
$S_{m,L_{{\rm{SI}}}} $ 与$S_{m,I_{\rm{A}}} $ 同理；NPm为第m类用地斑块数量(NP)叠加权重后的指数值，景观形状指数(LSI)与景观聚集度指数(IA)同理。②计算地表覆盖阻力值。将降温率数据用规范化标准化方法(min−max标准化方法)将数据标准化，再根据热力过程对地表覆盖阻力值进行计算，最终得到各用地的地表覆盖阻力值：
$$ {V_m} = \frac{{{E_{{\rm{M}}m}} - {E_{{\rm{Mmin}}}}}}{{{E_{{\rm{Mmax}}}} - {E_{{\rm{Mmin}}}}}} + 0.001{\text{；}} $$ (5) $$ {F_m} = \frac{1}{{{V_m}}}{\text{。}} $$ (6) 式(5)~(6)中：Vm为标准化降温率；EMm为降温率；EMmax和EMmin为该组降温率数据中的最大、最小值。为消除0值，将标准化值+0.001。Fm为第m类用地类型地表覆盖阻力值[20]，为消除数据特性对阻力值的影响，将阻力值限制为1~1 001。
③确定指数权重。根据熵值法计算景观特征阻力值与地表覆盖阻力值的权重后，将其分别乘以对应的系数后叠加，得到各用地的成本路径阻力值：
$$ {C_m} = a{F_m} + b{L_m}{\text{。}} $$ (7) 式(7)中： Fm为地表覆盖阻力值， Lm为景观特征阻力值，a、b 为两者的系数。
④绿色基础设施网络构建。“可扩展路径”是景观由源地向周围扩散的可能方向，这些路径共同构成目标源景观的潜在生态网络[16]。降温网络则由“源”斑块及连接“源”斑块的廊道构成，可以减少空气受阻程度，保障空气交换的畅通，尤其在应对城市热岛效应方面发挥重要作用[21]。根据上述研究选取降温“源”斑块作为成本路径的起点和终点，为空间上不同的土地利用类型附上成本路径阻力值，通过最小累积阻力(MCR)模型识别，构建起“源”斑块之间的连接通道作为降温廊道，最后结合南京市绿地系统规划获得优化后的城市绿色基础设施降温网络。
-
根据形态学空间格局分析方法与地表温度叠加分析计算可得出，降温率从大到小依次为核心区、边缘、孔隙、桥接区、环、支线、孤岛(表1)，可见大型斑块对于城市热环境的改善效果较好，而分散的小型城市绿地对热量消解贡献较小。基于生境可利用性，选出507个核心区斑块作为“源”斑块的备选斑块。根据景观连通性重要程度的计算结果及Jenks自然间断点分级法的分级结果，备选斑块被分为5个等级(表2)，其中第1等级和第2等级斑块数量最少，重要程度最高，分布较均匀，包括南京市重要的绿色基础设施要素，如长江、紫金山、玄武湖、老山、青龙山等区域；第4等级和第5等级斑块在数量上更多，在空间上多为分散的小型城市绿地(图1)。再结合各级斑块的降温率(表3)可知：第1等级和第2等级斑块面积占比大、连通性强、降温率高，因而选择第1等级和第2等级共25个面积大于5 hm2的斑块作为降温网络“源”斑块(图2)。
表 1 7种类型地表温度分析
Table 1. Seven landscape connectivity types and their average temperature
类型 平均温度/℃ 降温率/% 类型 平均温度/℃ 降温率/% 支线 31.19 1.2 桥接区 30.90 2.1 边缘 30.42 3.6 环 31.02 1.7 孤岛 31.43 0.4 孔隙 30.42 3.6 核心区 29.02 8.0 表 2 斑块重要值分级
Table 2. Grading of cores by dPC (delta PC decomposed) value
等级 斑块数/个 斑块重要值取值区间 连通性重要程度 第1等级 9 79.551 5~0.738 7 极强 第2等级 16 0.591 5~0.113 0 强 第3等级 76 0.084 8~0.009 2 中 第4等级 287 0.008 7~0.000 2 弱 第5等级 119 0.000 1~0.000 0 极弱 
图 1 核心区斑块重要值分级示意图
Figure 1. Grading of cores by dPC value
表 3 各级斑块地表温度分析
Table 3. Analysis of surface temperature of patches at different levels
等级 面积占比/% 平均温度/℃ 降温率/% 第1等级 0.75 28.51 9.7 第2等级 0.12 29.17 7.6 第3等级 0.07 30.27 4.1 第4等级 0.05 30.38 3.7 第5等级 0.01 30.69 2.8 
图 2 降温“源”斑块选取示意图
Figure 2. Selection of cool “source” cores
-
通过不同用地类型的景观格局指数分析得知：林地、草地、水体的景观格局指数所显现的特征相似，被分为地类A；建设用地、裸地景观格局指数所显现出的特征相似，被分为地类B；耕地具有双重性质，被分为2个部分。将各景观格局指数与地类温度作相关性分析后(表4)，选出斑块数量(NP)、景观形状指数(LSI)、景观聚集度指数(IA)等3个指数作为景观特征阻力值影响主要因素。依据3个指数对降温的正负作用及由熵值法确定的权重系数计算后可得出各用地类型的景观特征阻力值(表5)。
表 4 景观格局指数与地类温度的相关性分析
Table 4. Correlation analysis between landscape pattern index and land type temperature
指数 地类A 地类B 指数 地类A 地类B 斑块类型面积 0.902 −0.125 边界密度 0.865 0.248 斑块所占面积 0.902 −0.125 景观形状指数 0.928 −0.871 斑块数量 −0.895 0.984 边缘面积分维数 0.782 −0.989 斑块密度 −0.895 0.984 斑块凝聚度 0.552 0.326 最大斑块指数 0.709 0.352 景观聚集度 −0.939 0.843 表 5 各用地类型景观特征阻力值
Table 5. Landscape characteristic resistance value of land use types
用地类型 斑块数/个 景观形状指数 景观聚集度指数 阻力值计算 标准化处理 景观特征阻力值 耕地(地类A) 233 46.814 89.237 −157.521 0.122 122 林地 300 26.128 88.888 −206.278 0.091 91 草地 35 10.371 85.364 −32.508 0.202 202 水体 515 31.096 84.228 −347.847 0.001 1 建设用地 1 831 44.087 87.721 1 222.137 1.001 1 001 裸地 32 9.606 74.742 29.259 0.241 241 耕地(地类B) 233 46.814 89.237 157.521 0.323 323 结合地表覆盖阻力值的计算结果，利用熵值法计算景观特征阻力与地表覆盖阻力的权重得出各用地类型的成本路径阻力值(表6)，赋予各地类空间分布可构成成本路径阻力面分布图(图3)。可以看到：成本路径阻力值从大到小依次为建设用地、裸地、耕地、草地、林地、水体，其中水体与建设用地为阻力值最小和最大的用地类型，接近极限值。利用最小累积阻力模型将成本路径阻力值叠加土地类型后，识别出的20条成本路径多沿河流并串联沿线小型生境斑块，其中主城区重要的城市河道如秦淮新河、秦淮外河、滁河均被识别为降温廊道。与“源”斑块一同构成了可缓解城市热岛效应的绿色基础设施网络(图4)。
表 6 各用地类型地表覆盖阻力值
Table 6. Ground cover resistance values of land use types
用地
类型平均
温度/℃降温
率/%降温率
标准化地表覆盖
阻力值成本路径
阻力值耕地 31.388 0.539 0.427 2.34 54 林地 30.235 4.193 0.676 1.48 22 草地 28.964 8.220 0.950 1.05 48 水体 28.730 8.961 1.001 1.00 1 建设用地 33.358 −5.705 0.001 1 000.00 1000 裸地 31.558 0.000 0.390 2.56 58 
图 3 成本路径阻力面示意图
Figure 3. Cost path resistance surface
图 4 绿色基础设施降温网络构建示意图
Figure 4. Cooling network of GI
-
将初步的构建网络与《南京市绿地系统规划(2013−2020)》进行对比后发现，本研究从生态斑块的“冷岛效应”出发构建的绿色基础设施网络与绿地规划中“四环六楔”及“九道十八射”的生态网络格局基本重合。同时，本研究还识别出了规划中忽略的廊道，可见该研究方法对于绿地、河流之间的潜在廊道识别具备一定的优势，可为国土空间规划提供参考和借鉴。结合现有规划，得到优化后的南京市主城区绿色基础设施网络，其结构可以归纳为“三环、六带、多线”(图5)。以“三环”为主体，其中明城墙为第1环，秦淮百里风光带与长江连接形成第2环，绕城高速道路绿地系统为第3环；结合连接 “三环”的6个重要降温廊道以及其他多个线型通道，共同构成南京市主城区的降温网络结构。
图 5 南京主城区绿色基础设施降温网络结构
Figure 5. Structure of cooling network for GI
-
运用形态学空间格局分析方法与景观连通分析综合识别出南京市主城区内的25个“源”斑块，与识别出的20条廊道共同构成缓解热岛效应的绿色基础设施网络，进而结合南京市绿地系统规划，提出“三环、六带、多线”的总体空间结构。
综合多种方法定量识别“源”斑块，避免了选择的主观性和忽略生境可利用性的情况。将反映景观格局的景观格局指数和反映地表覆盖特征的地表降温率利用熵值法确定权重后构建阻力面，再用最小成本路径方法进行廊道识别，对以往的构建方法进行了修正，使得缓解热岛效应导向下的绿色基础设施网络构建更加合理。
通过形态学空间格局分析、连通性分析，结合景观特征和地表覆盖双重指标赋值的最小成本路径方法的综合应用，为建构缓解城市热岛效应的绿色基础设施网络提供了一种新的研究思路与方法，也为通过合理布局绿色基础设施网络，改善城市人居环境提供借鉴。
-
根据研究目标的差异对阻力面的构建进行修正是科学构建绿色基础设施网格需研究的重要问题。以往使用最小成本路径法进行的研究中，常根据不同景观类型赋予相应的阻力系数构建阻力面[22-23]。在本研究中若将景观格局指数与地表温度分别计算权重相加，会忽略景观格局指数与地表温度所指示的特征差异及其对降温的正负作用等。基于上述问题，本研究赋值时考虑景观特征和地表覆盖双重指标，其中景观特征阻力值计算考虑到景观格局指数对不同地类阻力值贡献的正负性，并采用熵值法叠加多个计算结果权重，使得运算结果更加全面准确。
-
众多研究表明：城市中的绿色基础设施要素在解决城市生态、污染、气候等问题中具有突出的作用[24-25]，而相关的绿色基础设施网络构建研究仍处于起步阶段。安超等[26]基于空间利用生态绩效构建“自然生态”与“人文生态”相结合的绿色基础设施网络；王晶晶等[27]以多元价值为导向探索能够符合多种需求的复合型绿色基础设施网络。这些研究所运用的方法与构想都为本研究提供了可供借鉴的思路。本研究基于对快速城市化背景下热岛效应问题的思考，通过绿色基础设施网络构建结合城市绿地系统规划，提出了南京市主城区绿色基础设施网络应着力建设“三环、六带、多线”降温功能空间结构，为缓解城市热岛效应的绿色基础设施网络构建提供了一种研究思路，后续还可结合细颗粒物(PM2.5)消减、雨洪管理等热点问题进一步深入研究。
-
本研究的绿色基础设施网络构建结果不仅包含了传统绿地系统规划的若干重要生态廊道，对传统城市绿地系统规划容易忽视的城市大型生境斑块中的潜在廊道也具有识别优势，对生态系统服务与空间规划交叉领域的研究是一个有益的补充。本研究将降温廊道定义为降温效应贡献值大的“源”斑块之间的连接廊道，即空气流通方向为“源—源”，而实际中城市热岛效应主要是由“汇”景观大量集聚与扩张所造成，因此对“源—汇”“汇—汇”等不同热量传导方向廊道的降温效果都需进一步开展对比分析，从而补充现有网络，形成复合型降温网络。同时，绿色基础设施网络在明确降温廊道空间形态后，还应进一步通过绿色基础设施网络降温功能量化的方式，研究确定廊道具体建设宽度，如何串联分散的绿色基础设施要素等问题，使得降温网络能够更加科学地指导实践。
Green infrastructure network construction method for mitigating urban heat island effect in Nanjing
-
摘要:
目的 绿色基础设施网络作为覆盖城市的生态网络，对于热岛效应有着重要的调节和改善作用。探究绿色基础设施构建方法并进行合理规划布局是改善城市热环境问题的有效措施。 方法 以江苏省南京市主城区为研究对象，基于形态学空间格局分析，选取连通性高、降温效应显著的“源”斑块，将反映景观格局的景观格局指数和反映地表覆盖特征的地表降温率进行叠加并构建阻力面，进而采用最小成本路径方法生成廊道。 结果 ①识别出降温率高的507个核心区斑块，结合景观连通性分析选择了25个斑块作为“源”斑块；②基于最小成本路径方法识别出20条廊道，与“源”斑块共同构建出以缓解热岛效应为导向的城市绿色基础设施网络；③结合南京市绿地系统规划进行网络优化，提出“三环、六带、多线”的总体空间结构。 结论 多种方法的综合运用使缓解热岛效应导向的绿色基础设施网络构建更加合理，同时为建构绿色基础设施网络，改善人居环境提供了新的研究思路与方法。图5表6参27 Abstract:Objective As an ecological network covering the city, green infrastructure (GI) network plays an important role in mitigating the heat island effect. The purpose of this study is to explore the construction method and reasonable planning and layout of GI, as well as effective measures to improve the urban thermal environment. Method The main urban area of Nanjing City in Jiangsu Province was taken as the research object. Based on the morphological spatial pattern analysis (MSPA), the “source” patches with high connectivity and significant cooling effect were selected. The landscape pattern index reflecting the landscape pattern and the surface cooling rate reflecting the surface coverage characteristics were superposed to construct the resistance surface. Then, the minimum cost path method was used to generate corridors. Result (1) 507 core patches with high cooling rate were identified, and 25 patches were selected as “source” patches based on landscape connectivity analysis. (2) 20 corridors were identified by the minimum cost path method. Together with the “source” patches, the urban GI network was constructed to mitigate the heat island effect. (3) The network was optimized based on Green Space System Planning of Nanjing, and the overall spatial structure of “three rings, six belts and multiple lines” was proposed. Conclusion The comprehensive application of various methods makes it more reasonable to construct a GI network to mitigate the heat island effect, and provides a new research approach for building a GI network and improving urban living environment. [Ch, 5 fig. 6 tab. 27 ref.] -
现代农业中无土育苗技术的广泛应用，极大促进了种苗工厂化的发展。泥炭作为无土育苗的重要基质来源，具有质轻、透气、保水保肥能力强等多种优良特性，但其价格昂贵且不可再生，因此亟需寻找可替代泥炭的生态型育苗基质[1]。园林废弃物堆肥产品作为一种廉价易得的育苗基质，富含有机质和其他营养成分，可有效替代泥炭用于基质育苗[2]。但其容重较大，pH、电导率较高，营养元素不均衡[3−4]，并且如果在育苗基质中高比例添加园林废弃物堆肥产品，可能会导致植物生长矮小、叶片黄化、出苗率低、品质差或产生“烧苗”现象[5−6]，因此需要对园林废弃物堆肥产品进行改良和优化[7−8]。
腐熟花生Arachis hypogaea壳质地较轻，营养元素丰富，将其作为基质组分可有效降低基质容重，增加基质通气性和持水性，提高基质肥力[9]。朱巧莲等[10]将腐熟花生壳替代泥炭用作金线莲Anoectochilus roxburghii的栽培基质后发现：腐熟花生壳可显著降低基质容重，增加其持水量和非毛管孔隙度，提高其全氮含量；梁新安等[11]将腐熟花生壳替代草炭用作黄瓜Cucumis sativus的育苗基质后发现：添加适当比例腐熟花生壳可有效提高基质总孔隙度，改善其理化性质，增加其保水保肥性。腐植酸作为一种重要的基质改良剂，可有效改善基质物理结构，增加其养分[12]。刘宇锋等[13]将腐植酸添加至床垫料用作辣椒Capsicum annuum的栽培基质后发现：适当比例腐植酸的添加可显著降低基质容重，提高其总孔隙度和通气孔隙度，有效改善其品质；顾鑫等[14]将腐植酸施入土壤用于玉米Zea mays种植后发现：适当比例腐植酸的施用可有效降低土壤盐碱特性，提高土壤肥力，达到良好的改良效果。因此，腐熟花生壳和腐植酸的协同作用是否可用作改良园林废弃物堆肥产品，使其可高效替代泥炭进行植物育苗值得研究。
紫苏Perilla frutescens为唇形科Labiatae的1年生草本植物，含有多种活性成分，具有较高的药用、食用和文化价值[15]。紫苏叶、根和种子是天然营养物质的有效来源，含有丰富的酚类化合物，具有良好的抗过敏、抗中毒和抗肿瘤作用[16]，因此，有关紫苏育苗的研究也逐渐成为热点。但是，将园林废弃物堆肥产品作为泥炭替代基质用于紫苏无土育苗的研究相对较少。本研究利用腐熟花生壳和腐植酸改良园林废弃物堆肥产品，并将其用于紫苏育苗。通过温室育苗试验，探讨不同处理的育苗基质对紫苏出苗的影响，以期筛选出适合紫苏育苗的最优育苗基质，为园林废弃物资源化再利用和药用植物紫苏的育苗基质开发探索新途径。
1. 材料与方法
1.1 材料
紫苏种子购于北京林业大学科技股份有限公司。供试园林废弃物堆肥产品来源于植物园堆肥厂，采用好氧堆肥法堆置。堆肥前，将园林废弃物粉碎至2 cm，调节含水量为60%，添加尿素调节碳氮比为25%~30%，并加入0.5 mg·kg−1自制菌剂(主要成分为枯草芽孢杆菌Bacillus subtilis、乳酸菌和放线菌)；堆肥过程中隔7 d翻堆1次，并定期定量洒水，使堆体含水率维持约60%，堆肥周期为45 d。堆置后的园林废弃物堆肥产品质地疏松、无结块、无明显异臭味和可视杂物， pH为7.89，电导率为1.99 mS·cm−1，质量分数全氮为17.73 g·kg−1，全磷为4.46 g·kg−1，全钾为3.14 g·kg−1，铵态氮为714.09 mg·kg−1，硝态氮为129.58 mg·kg−1，速效磷为4 764.97 mg·kg−1，速效钾为627.76 mg·kg−1，符合GB/T 33891—2017《绿化用有机基质》的产品质量要求。
供试用改良剂腐熟花生壳、腐植酸均购于北京林业大学科技股份有限公司。腐熟花生壳使用前粉碎，过2 mm筛。其pH为6.8，电导率为1.51 mS·cm−1，质量分数全氮为26.9 g·kg−1，全磷为13.22 g·kg−1，全钾为3.84 g·kg−1，铵态氮为1 256.85 mg·kg−1，硝态氮为207.00 mg·kg−1，速效磷为9 601.65 mg·kg−1，速效钾为765.84 mg·kg−1。腐植酸为黑色粉末状，粒径为0.125~1.000 mm。其pH为5.6，电导率为0.95 mS·cm−1，质量分数腐植酸为700.00 g·kg−1，黄腐酸为200.00 g·kg−1，全氮为10.29 g·kg−1，全磷为11.39 g·kg−1，全钾为3.63 g·kg−1，铵态氮为536.80 mg·kg−1，硝态氮为92.74 mg·kg−1，速效磷为3 927.41 mg·kg−1，速效钾为604.59 mg·kg−1。
1.2 方法
1.2.1 试验设计
本次育苗试验在北京林业大学科技股份有限公司温室苗圃进行。按表1设计，在园林废弃物堆肥产品中添加腐熟花生壳和腐植酸。共设9个育苗基质处理，每处理重复10盆。
表 1 正交试验设计Table 1 Orthogonal experimental design处理 不同育苗基质的原材料组成/% 处理 不同育苗基质的原材料组成/% 处理 不同育苗基质的原材料组成/% 腐熟花生壳(干质量) 腐植酸(干质量) 腐熟花生壳(干质量) 腐植酸(干质量) 腐熟花生壳(干质量) 腐植酸(干质量) T1 0 0 T4 1.5 0 T7 3.0 0 T2 0 3.0 T5 1.5 3.0 T8 3.0 3.0 T3 0 6.0 T6 1.5 6.0 T9 3.0 6.0 1.2.2 育苗基质制备
根据表1所示：分别将添加了9种不同质量分数腐熟花生壳和腐植酸的园林废弃物堆肥产品置于210 mm×150 mm×185 mm的塑料花盆(基质表面距花盆顶部约3 cm)，拌入质量比为0.1%的多菌灵，杀菌消毒后，灌水至饱和，置于温室稳定3 d，备用。在制备基质的同时，采集样品。
1.2.3 播种与管理
选取颗粒饱满、大小一致的紫苏种子，均匀播种于花盆，每粒种子埋于距基质表面1 cm处，每盆播种3粒，并对基质充足灌水。播种至幼苗发芽期间，始终保持基质湿润。
1.3 测定指标与方法
1.3.1 幼苗指标与测定方法
播种后，每天观察出苗情况，统计出苗数，计算紫苏在21 d内的出苗率。紫苏播种后第40天统计其幼苗株数(紫苏在出苗后可能发生死亡现象，因此，紫苏在播种后第21天的出苗株数和第40天的出苗株数并不完全一致)、幼苗叶片数、被虫(小菜蛾Plutella xylostella)咬食叶片数和被虫咬食株数，计算其单株叶片数、死亡率、受虫害叶片率和受虫害株率。出苗率=(种子出苗数/供试种子粒数)×100%，受虫害叶片率=(被虫咬食叶片数/叶片总数)×100%，受虫害株率=(被虫咬食株数/总株数)×100%，死亡率=(死亡数/总株数)×100%。
1.3.2 基质指标与测定方法
参照ZHANG等[8]和鲍士旦[17]的方法，测定育苗基质的容重、最大含水量、总孔隙度、通气孔隙、持水孔隙、水气比、pH、电导率以及全氮、全磷、全钾、铵态氮、硝态氮、速效磷、速效钾和有机质质量分数等。其中：容重、最大含水量、总孔隙度、通气孔隙、持水孔隙、水气比等指标用环刀法测定；pH用pH 400防水型笔式pH计(上海仪电科学仪器股份有限公司)测定；电导率用EC 400防水型笔式电导率/TDS/盐度计(上海仪电科学仪器股份有限公司)测定；全氮用H2SO4-H2O2消煮，凯氏定氮法(K1306型全自动凯氏定氮仪，上海晟声自动化分析仪器有限公司)测定；全磷用H2SO4-H2O2消煮，钼锑抗比色法(752型紫外光栅分光光度计，上海元析仪器有限公司)测定；全钾用H2SO4-H2O2消煮，火焰光度计法(FP640型火焰光度计，上海精密科学仪器有限公司)测定；铵态氮用2 mol·L−1KCl浸提，靛酚蓝比色法测定；硝态氮用酚二磺酸比色法测定；速效磷用NaHCO3浸提-钼锑抗比色法测定；速效钾用NH4OAc浸提，火焰光度法测定；有机质用稀释热法测定。
1.4 数据处理
采用Excel 2019和SPSS 23.0软件进行数据处理与单因素方差分析；采用CANOCO 5.0分析紫苏育苗与育苗基质理化性质的关系；采用模糊数学的隶属函数法综合评价紫苏在不同处理基质的育苗情况。具体计算方法为[2]：①若某指标与紫苏育苗呈正相关，则用公式R(xi)=(xi−xmin)/(xmax−xmin)求其隶属函数值。其中：xi为某指标测定值，xmax、xmin分别为该指标的最大值和最小值，R(xi)为指标xi的隶属函数值；②若某指标与紫苏育苗呈负相关，则用公式R(xi)=1−(xi−xmin)/(xmax−xmin)求其隶属函数值。③将各指标的隶属函数值进行累加后求其平均值，即为紫苏幼苗的综合评价指数。值越大，说明紫苏育苗效果越好，育苗基质越适宜。
2. 结果与分析
2.1 不同处理对育苗基质物理性质的影响
由表2可知：与T1相比，添加腐熟花生壳和腐植酸的基质(T2~T9)容重显著(P＜0.05)降低，分别降低了11.49%、13.54%、14.80%、17.36%、18.21%、22.38%、32.57%、24.27%；最大含水量显著(P＜0.05)增加，分别增加了6.13%、6.12%、11.81%、17.62%、18.31%、22.71%、29.56%、24.56%；总孔隙度显著(P＜0.05)增加，分别增加了3.42%、11.82%、15.64%、17.58%、23.25%、25.48%、31.65%、25.86%；通气孔隙度显著(P＜0.05)增加，分别增加了23.43%、21.12%、52.07%、53.15%、34.49%、122.27%、124.04%、88.33%；持水孔隙度显著(P＜0.05)增加，分别增加了0.22%、10.34%、9.81%、11.89%、21.45%、9.99%、16.86%、15.87%；水气比降低但不显著，分别降低了18.82%、8.92%、27.81%、26.96%、9.71%、50.52%、47.85%、38.49%。
表 2 不同基质的物理性质Table 2 Physical properties of different substrates处理 容重/(g·cm−3) 最大含水量/% 总孔隙度/% 通气孔隙度/% 持水孔隙度/% 水气比/% T1 0.44±0.02 a 64.59±0.72 g 62.92±0.08 e 8.68±0.04 d 54.24±0.14 e 6.25±0.06 a T2 0.39±0.03 b 68.55±1.09 f 65.07±0.09 e 10.71±0.03 c 54.36±0.13 e 5.07±0.07 a T3 0.38±0.05 b 68.54±1.11 f 70.36±0.10 d 10.51±0.05 c 59.85±0.12 c 5.69±0.04 a T4 0.37±0.04 b 72.22±0.11 e 72.76±0.11 c 13.20±0.03 b 59.56±0.09 d 4.51±0.02 a T5 0.36±0.01 b 75.97±1.14 d 73.98±0.13 c 13.29±0.09 b 60.69±0.18 b 4.57±0.02 a T6 0.36±0.03 b 76.42±1.08 c 77.55±0.10 b 11.67±0.08 c 65.87±0.20 a 5.64±0.07 a T7 0.34±0.06 c 79.26±0.65 b 78.95±0.09 b 19.29±0.11 a 59.66±0.32 d 3.09±0.04 a T8 0.30±0.02 e 83.68±0.54 a 82.83±0.06 a 19.45±0.10 a 63.39±0.18 a 3.26±0.02 a T9 0.33±0.02 d 80.45±0.45 b 79.19±0.06 b 16.35±0.14 a 62.85±0.21 a 3.84±0.07 a 理想范围 ＜0.40[8] 70.00~85.00[8] 70.00~90.00[8] 10.00~30.00[18] 45.00~−65.00[18] 2.00~4.00[19] 说明：同列不同小写字母表示不同处理间差异显著 (P＜0.05) 2.2 不同处理对育苗基质化学性质的影响
由表3可知：与T1相比，添加腐熟花生壳和腐植酸的基质(T2~T9) pH显著(P＜0.05)降低，分别降低了1.77%、3.30%、3.93%、5.32%、7.22%、8.62%、9.63%、11.53%；电导率显著(P＜0.05)降低，分别降低了13.57%、20.10%、23.12%、24.12%、25.63%、23.62%、26.13%、30.15%；全氮质量分数显著(P＜0.05)增加，分别增加了1.07%、0.73%、14.44%、13.25%、11.73%、30.34%、28.82%、25.83%；全磷质量分数显著(P＜0.05)增加，分别增加了38.34%、31.83%、41.48%、23.77%、23.54%、63.90%、65.47%、60.09%；全钾质量分数无显著变化；铵态氮质量分数显著(P＜0.05)增加，分别增加了12.62%、0.94%、28.84%、50.53%、48.09%、85.52%、85.53%、85.59%；硝态氮质量分数显著(P＜0.05)增加，分别增加了0.08%、9.71%、16.86%、14.63%、3.89%、11.06%、27.54%、6.53%；除T3外，其他处理的速效磷质量分数显著(P＜0.05)增加，T2、T4、T5、T6、T7、T8、T9分别增加了1.54%、6.82%、18.13%、10.03%、22.15%、31.45%、20.27%；速效钾质量分数显著(P＜0.05)增加，分别增加了1.51%、1.90%、1.86%、2.06%、2.80%、0.60%、0.99%、3.05%；有机质质量分数显著(P＜0.05)增加，分别增加了0.05%、0.17%、13.26%、12.77%、13.09%、22.66%、23.24%、22.73%。
表 3 不同基质的化学性质Table 3 Chemical properties of different substrates处理 pH 电导率/(mS·cm−1) 全氮/(g·kg−1) 全磷/(g·kg−1) 全钾/(g·kg−1) T1 7.89±0.08 a 1.99±0.74 a 17.73±0.68 e 4.46±1.07 b 3.14±0.04 a T2 7.75±0.12 a 1.72±0.14 a 17.92±1.54 e 6.17±1.25 a 3.20±0.03 a T3 7.63±0.02 a 1.59±0.12 b 17.86±2.11 e 5.88±0.45 a 3.45±0.27 a T4 7.58±0.10 a 1.53±0.03 b 20.29±1.38 c 6.31±1.00 a 3.16±0.06 a T5 7.47±0.08 b 1.51±0.06 b 20.08±3.10 c 5.52±0.45 a 3.27±0.03 a T6 7.32±0.04 c 1.48±0.05 b 19.81±1.14 d 5.51±1.03 a 3.19±0.14 a T7 7.21±0.05 d 1.52±0.08 b 23.11±2.03 a 7.31±0.75 a 3.38±0.09 a T8 7.13±0.09 e 1.47±0.02 b 22.84±1.98 a 7.38±0.96 a 3.34±0.11 a T9 6.98±0.06 f 1.39±0.01 c 22.31±2.87 b 7.14±0.42 a 3.51±0.19 a 处理 铵态氮/(mg·kg−1) 硝态氮/(mg·kg−1) 速效磷/(mg·kg−1) 速效钾/(mg·kg−1) 有机质/(mg·kg−1) T1 714.09±44.38 d 129.58±5.24 c 4 764.97±82.52 e 627.76±3.24 d 548.69±12.91 f T2 804.24±62.78 c 129.69±0.93 c 4 838.35±130.58 d 637.22±2.24 b 548.98±14.93 f T3 720.83±111.33 d 142.16±8.82 b 4 690.12±175.35 e 639.70±1.25 a 549.65±18.31 f T4 920.03±28.44 b 151.43±17.54 a 5 090.17±168.04 c 639.44±7.95 a 621.43±9.22 d T5 1074.94±32.49 b 148.54±2.33 a 5 628.76±202.95 b 640.71±2.23 a 618.78±9.37 e T6 1 057.53±173.67 b 134.62±18.06 b 5 242.77±45.47 c 645.31±0.25 a 620.52±11.54 d T7 1 324.80±115.38 a 143.91±5.24 b 5 820.21±331.18 b 631.53±8.20 c 673.02±15.90 c T8 1 324.87±85.48 a 165.26±4.36 a 6 263.58±89.33 a 633.95±1.50 c 676.22±8.56 b T9 1 325.27±28.26 a 138.04±3.55 b 5 730.77±117.63 b 646.93±3.00 a 673.43±18.88 c 说明：同列不同小写字母表示不同处理间差异显著 (P＜0.05) 2.3 不同处理对紫苏出苗的影响
由图1可知：T4、T5、T7、T8、T9紫苏种子在播种后第7天开始出苗，T6在播种后第8天开始出苗，T3在播种后第9天开始出苗，T1和T2在播种后第10天开始出苗。其中，T8和T9紫苏种子出苗速度较快，并且在播种后第11天出苗率已达80%以上，分别为84%和88%；T1和T2紫苏种子出苗速度较慢，在播种后第21天出苗率仍均不足60%，分别为55%和58%。在播种后的第21天，紫苏在不同基质内的出苗率从高到低依次为T9、T8和T6、T7、T5、T4、T3、T2、T1，其中T6~T9的出苗率大于80%，分别为91%、88%、91%、93%，T1~T5的出苗率小于80%，分别为55%、58%、65%、71%、75%。
由表4可知：不同基质的紫苏幼苗单株叶片数、幼苗死亡率、幼苗受虫害叶片率和幼苗受虫害株率有显著(P＜0.05)差异。其中，T8和T9紫苏幼苗单株叶片数较多，T3和T4紫苏幼苗单株叶片数较少；T1和T2紫苏幼苗死亡率较高，T8和T9紫苏死亡率较低；T1和T6紫苏幼苗受虫害叶片率较高，T3和T5紫苏幼苗受虫害叶片率较低；T5和T6紫苏幼苗受虫害株率较高，T3和T8紫苏幼苗受虫害株率较低。
表 4 不同基质的紫苏幼苗单株叶片数、死亡率、受虫害叶片率和受虫害株率Table 4 Number of leaves per plant, mortality rate, leaf infestation rate and plant infestation rate of P. frutescens seedlings in different substrates处理 单株叶片数/片 死亡率/% 受虫害叶片率/% 受虫害株率/% T1 5.40±1.51 b 36.12±1.44 a 12.46±0.43 b 19.54±0.76 e T2 5.37±1.03 b 33.17±2.63 b 8.56±0.58 f 19.43±0.31 e T3 4.21±1.57 d 22.89±2.63 d 6.99±0.89 h 18.57±0.99 f T4 4.46±0.50 d 21.30±1.88 e 11.83±0.54 c 21.78±0.76 c T5 4.50±2.22 d 32.20±1.64 c 7.43±1.11 g 23.84±1.98 b T6 5.03±0.81 c 14.31±0.92 f 17.73±1.02 a 26.46±1.53 a T7 4.82±1.31 c 12.67±2.75 g 10.84±0.98 d 23.72±0.92 b T8 6.12±0.59 a 10.74±1.75 i 9.93±0.47 e 17.65±0.83 g T9 6.43±0.62 a 11.34±2.42 h 11.95±0.87 c 20.68±0.54 d 说明：同列不同小写字母表示不同处理间差异显著 (P＜0.05) 2.4 紫苏育苗与育苗基质理化性质的关系
冗余分析结果显示：多个理化性质间存在共线性，因此选用向前选择法筛选出方差膨胀因子小于10的容重、总孔隙度、pH、电导率以及全氮、全磷、全钾、速效钾质量分数等8个理化性质作为解释变量。图2为紫苏育苗情况与筛选后基质理化性质间的冗余分析排序图。在基质理化性质中，容重、pH、电导率、总孔隙度和全氮质量分数对紫苏育苗情况有较高的解释量；紫苏幼苗出苗率、受虫害叶片率和受虫害株率与育苗基质总孔隙度以及全氮、全磷、全钾、速效钾质量分数呈正相关，与育苗基pH、电导率、容重呈负相关；紫苏幼苗单株叶片数与育苗基质全氮、全磷、全钾质量分数以及总孔隙度呈正相关，与育苗基质pH、容重呈负相关，与育苗基质速效钾质量分数、电导率相关性较弱；紫苏幼苗死亡率与育苗基质pH、电导率、容重呈正相关，与育苗基质总孔隙度以及全氮、全磷、全钾、速效钾质量分数呈负相关。
图 2 紫苏育苗情况与筛选后育苗基质理化性质间的冗余分析Figure 2 Redundancy analysis of P. frutescens seedling state and physicochemical characters of seedling substrate after screening2.5 紫苏育苗的综合评价
通过模糊数学的隶属函数法，计算T1~T9基质的紫苏育苗综合评价指数。由表5可知：T2~T9的紫苏幼苗综合评价指数均高于T1，其中T8的紫苏幼苗综合评价指数最高，表明T8的紫苏育苗效果最优。
表 5 不同育苗基质对紫苏育苗情况的综合评价Table 5 Comprehensive evaluation of P. frutescens seedlings on different substrates处理 单指标评价指数 综合评
价指数出苗率 单株叶
片数死亡率 受虫害
叶片率受虫害
株率T1 0.00 0.54 0.00 0.49 0.79 0.36 T2 0.08 0.52 0.12 0.85 0.85 0.48 T3 0.26 0.00 0.52 1.00 0.92 0.54 T4 0.42 0.11 0.58 0.55 0.65 0.46 T5 0.53 0.13 0.15 0.96 0.48 0.45 T6 0.95 0.37 0.86 0.00 0.25 0.49 T7 0.87 0.27 0.92 0.64 0.49 0.64 T8 0.95 0.86 1.00 0.73 1.00 0.91 T9 1.00 1.00 0.98 0.54 0.74 0.85 3. 讨论
3.1 不同处理影响育苗基质物理性质的原因分析
除T1 (100%园林废弃物堆肥产品)外，T2~T9的容重均小于0.40 g·cm−3，表明腐熟花生壳和腐植酸可以降低基质紧实度，使其更为疏松透气。这与已有研究结果[10−12]一致。在一定范围内，孔隙度越大，基质容纳的空气和水分越多，基质的排水能力和保水能力就越好[20]。添加适宜比例腐熟花生壳和腐植酸可显著增加基质的含水量和孔隙度，改善基质中大、小孔隙的比例，从而改善园林废弃物堆肥产品的保水性和通气性，使其处于理想范围。其主要原因可能是由于腐熟花生壳质地疏松，具有较大的孔隙，腐植酸含羧基、羟基等亲水基团，可促进基质中水稳性大团聚体的形成，减少微团聚体的含量，因此将两者结合可降低基质容重，提高基质水分供给和气体交换能力，从而起到保水保肥作用[8, 21]。
3.2 不同处理影响育苗基质化学性质的原因分析
理想基质的pH为6.0~7.5[7]。未添加腐熟花生壳和腐植酸的园林废弃物堆肥产品(T1)的pH大于7.5，呈碱性，不利于种子萌发和幼苗生长；添加腐熟花生壳和腐植酸后(T2~T9)，基质环境变成中性，达到理想要求。这可能是因为腐熟花生壳和腐植酸中含有较多羧基、酚羟基等酸性基团可解离出较多的H+，可与园林废弃物堆肥产品中的碱性物质发生中和反应，使基质的pH下降[21, 22]。这表明腐熟花生壳和腐植酸作为改良剂可有效调节园林废弃物堆肥产品的pH，使基质酸碱环境可达理想范围。
理想育苗基质的电导率应小于0.65 mS·cm−1(GB/T 33891—2017)。本研究中，T1~T9的电导率均不在理想范围，但是腐熟花生壳和腐植酸的添加可降低基质可溶性盐的含量，其主要原因可能是由于腐熟花生壳和腐植酸中含有较多的酚羟基，此类官能团上的H+可与基质水溶液的K+、Na+等盐基离子发生离子交换作用，减少基质水溶液的可溶性盐含量，达到降低基质电导率的效果[23]。
腐熟花生壳和腐植酸的添加可提高基质中铵态氮和硝态氮质量分数，主要原因可能是由于腐植酸可提高脲酶活性，促进尿素分解，还可与尿素分解产生的NH4+结合生成稳定的腐植酸铵盐，避免了氨的挥发，增加了NH4+质量分数；腐熟花生壳含有丰富的纤维素，质地坚硬，疏松多孔，利于硝化细菌附着或将其作为固体碳源进行利用，从而提高了硝化细菌的活性，增加了NO3−质量分数[24−25]。因此，将腐熟花生壳和腐植酸作为改良剂添加至园林废弃物堆肥产品中，可增强基质供应氮元素的能力，有助于植物对基质养分的吸收。
添加腐熟花生壳和腐植酸可提高基质中全磷和速效磷质量分数，主要原因可能是由于腐熟花生壳和腐植酸自身含有较多的磷素，且腐熟花生壳疏松多孔的结构适合微生物生长，又可为其提供所需的碳源，增强微生物活动和数量，两者的添加可显著加速有机磷向无机磷的转化。另外，腐植酸含有的胡敏酸可与基质的铁、铝等金属发生络合反应，减缓磷的固定；腐植酸含有的酸性基团还可活化基质的无机固定态磷[23]。因此，将两者联合添加可提高基质的全磷和速效磷质量分数，增强基质供应磷素的能力。
添加腐植酸可在一定程度上增强基质供应速效钾的能力，可能是由于腐植酸粉末具有巨大的表面积，带有大量的电荷，可与基质的K+进行吸附交换作用，补充基质溶液的钾质量分数，从而增加基质的钾利用率[14, 23]。
添加腐熟花生壳和腐植酸可以有效增加基质的有机质供应，主要原因可能是由于腐熟花生壳含大量的纤维素、半纤维素和木质素等含碳有机化合物和蛋白质等含氮化合物，同时，腐植酸也是一种大分子有机物质，有机质丰富，将两者联合添加可有效增加基质肥力，提高有机质供应水平[14]。
3.3 不同处理影响紫苏出苗的原因分析
种子的出苗率和出苗速度是衡量育苗基质优劣的重要指标，其中种子出苗率达80%是判断基质适宜的首要依据[2, 7, 26]。本研究表明：紫苏种子在T6~T9的出苗率达80%，出苗情况较好。可能是由于T6~T9的基质容重、pH、电导率等较低，总孔隙度以及全氮、全磷、全钾、速效钾质量分数等较高，可为紫苏种子提供合适的水分、氧气、温度和养分，比较适合紫苏种子出苗。
叶片数量是影响生态系统服务的植物功能性状之一，可反映植株的生长情况[27]。本研究表明：T8和T9的紫苏生长发育较好，可生长出更多的叶片进行光合作用和蒸腾作用，可能是由于T8和T9的容重和pH较低，总孔隙度以及全氮、全磷、全钾质量分数等较高，其通气性较好且供肥能力较强，可提供给幼苗更多的养分，利于幼苗生长和叶片建成。
本研究表明：紫苏幼苗死亡率受总孔隙度、容重、pH、电导率以及全氮、全磷、全钾、速效钾质量分数的影响较大，且随基质容重、pH、电导率的增加而增加，随基质总孔隙度以及全氮、全磷、全钾、速效钾质量分数的增加而减少。T6~T9的紫苏幼苗死亡比例较低，可能是由于T6~T9的基质容重、pH、电导率较低，总孔隙度以及全氮、全磷、全钾、速效钾质量分数较高，可为紫苏提供良好的基质环境，比较适合紫苏幼苗成活。
T8的紫苏幼苗虫害发生率较低，抗虫性较好，可能是由于T8的养分质量分数较高，酸碱性适宜，可溶性盐质量分数较低，不仅可为紫苏幼苗提供充足的合成次生代谢产物等防御性物质所需的原料，使其加强化学防御，提高其对害虫直接或间接的防御能力，也可以为其提供适宜的基质环境，增加其营养和根系活力，进而增强紫苏幼苗对害虫的耐受性，提高其抗虫性。
4. 结论
添加腐熟花生壳和腐植酸可显著降低园林废弃物堆肥产品的容重、pH、电导率，提高其最大含水量和孔隙度，增加其全氮、全磷、铵态氮、硝态氮、速效磷、速效钾和有机质质量分数。表明腐熟花生壳和腐植酸可使园林废弃物堆肥产品质量得到一定程度的提高。改良后的园林废弃物堆肥产品可显著提高紫苏幼苗发芽率和发芽速度，降低幼苗死亡率和虫害发生率，提高抗虫性，有利于紫苏快速出苗和成活，同时具有一定的生物防治效果。在9种不同基质中，紫苏幼苗综合效果由高向低依次为T8、T9、T7、T3、T6、T2、T4、T5、T1，表明T8 (即3.0%腐熟花生壳+3.0%腐植酸)为最优组配。这一组配不仅可以改善园林废弃物堆肥产品的理化性质，增加养分质量分数，还可以提高紫苏出苗率，降低幼苗受虫害程度。
-
表 1 7种类型地表温度分析
Table 1. Seven landscape connectivity types and their average temperature
类型 平均温度/℃ 降温率/% 类型 平均温度/℃ 降温率/% 支线 31.19 1.2 桥接区 30.90 2.1 边缘 30.42 3.6 环 31.02 1.7 孤岛 31.43 0.4 孔隙 30.42 3.6 核心区 29.02 8.0 
下载: 导出CSV
表 2 斑块重要值分级
Table 2. Grading of cores by dPC (delta PC decomposed) value
等级 斑块数/个 斑块重要值取值区间 连通性重要程度 第1等级 9 79.551 5~0.738 7 极强 第2等级 16 0.591 5~0.113 0 强 第3等级 76 0.084 8~0.009 2 中 第4等级 287 0.008 7~0.000 2 弱 第5等级 119 0.000 1~0.000 0 极弱
下载: 导出CSV
表 3 各级斑块地表温度分析
Table 3. Analysis of surface temperature of patches at different levels
等级 面积占比/% 平均温度/℃ 降温率/% 第1等级 0.75 28.51 9.7 第2等级 0.12 29.17 7.6 第3等级 0.07 30.27 4.1 第4等级 0.05 30.38 3.7 第5等级 0.01 30.69 2.8
下载: 导出CSV
表 4 景观格局指数与地类温度的相关性分析
Table 4. Correlation analysis between landscape pattern index and land type temperature
指数 地类A 地类B 指数 地类A 地类B 斑块类型面积 0.902 −0.125 边界密度 0.865 0.248 斑块所占面积 0.902 −0.125 景观形状指数 0.928 −0.871 斑块数量 −0.895 0.984 边缘面积分维数 0.782 −0.989 斑块密度 −0.895 0.984 斑块凝聚度 0.552 0.326 最大斑块指数 0.709 0.352 景观聚集度 −0.939 0.843
下载: 导出CSV
表 5 各用地类型景观特征阻力值
Table 5. Landscape characteristic resistance value of land use types
用地类型 斑块数/个 景观形状指数 景观聚集度指数 阻力值计算 标准化处理 景观特征阻力值 耕地(地类A) 233 46.814 89.237 −157.521 0.122 122 林地 300 26.128 88.888 −206.278 0.091 91 草地 35 10.371 85.364 −32.508 0.202 202 水体 515 31.096 84.228 −347.847 0.001 1 建设用地 1 831 44.087 87.721 1 222.137 1.001 1 001 裸地 32 9.606 74.742 29.259 0.241 241 耕地(地类B) 233 46.814 89.237 157.521 0.323 323
下载: 导出CSV
表 6 各用地类型地表覆盖阻力值
Table 6. Ground cover resistance values of land use types
用地
类型平均
温度/℃降温
率/%降温率
标准化地表覆盖
阻力值成本路径
阻力值耕地 31.388 0.539 0.427 2.34 54 林地 30.235 4.193 0.676 1.48 22 草地 28.964 8.220 0.950 1.05 48 水体 28.730 8.961 1.001 1.00 1 建设用地 33.358 −5.705 0.001 1 000.00 1000 裸地 31.558 0.000 0.390 2.56 58
下载: 导出CSV
-
[1] GEDZELMAN S D, AUSTIN S, CERMAK R, et al. Mesoscale aspects of the urban heat island around New York City [J]. Theor Appl Climatol, 2003, 75(1/2): 29 − 42. [2] 车通, 林芙蓉, 武思凡, 等. 快速城市化进程中扬州城市热环境与景观格局的动态关联[J]. 扬州大学学报(农业与生命科学版), 2020, 41(3): 120 − 126. CHE Tong, LIN Furong, WU Sifan, et al. Dynamic relationships between the urban thermal environment and the pattern of landscape development in Yangzhou City [J]. J Yangzhou Univ Agric Life Sci Ed, 2020, 41(3): 120 − 126. [3] 张炜, 杰克·艾亨, 刘晓明. 生态系统服务评估在美国城市绿色基础设施建设中的应用进展评述[J]. 风景园林, 2017, 24(2): 101 − 108. ZHANG Wei, JACK A, LIU Xiaoming. A review of the application of ecosystem service valuation in urban green infrastructure development of United States [J]. Landscape Archit, 2017, 24(2): 101 − 108. [4] 庄晓林, 段玉侠, 金荷仙. 城市风景园林小气候研究进展[J]. 中国园林, 2017, 33(4): 23 − 28. ZHUANG Xiaolin, DUAN Yuxia, JIN Hexian. Research review on urban landscape micro-climate [J]. Chin Landscape Archit, 2017, 33(4): 23 − 28. [5] 孔繁花, 尹海伟, 刘金勇, 等. 城市绿地降温效应研究进展与展望[J]. 自然资源学报, 2013, 28(1): 171 − 181. KONG Fanhua, YIN Haiwei, LIU Jinyong, et al. Research progress and prospect of cooling effect of urban green space [J]. J Nat Resour, 2013, 28(1): 171 − 181. [6] SANTAMOURIS M, BAN-WEISS G, OSMOND P, et al. Progress in urban greenery mitigation science-assessment methodologies advanced technologies and impact on cities [J]. J Civil Eng Manage, 2018, 24(8): 638 − 671. [7] HAMAMDA S, OHTA T. Seasonal variations in the cooling effect of urban green areas on surrounding urban areas [J]. Urban For Urban Greening, 2010, 9(1): 15 − 24. [8] 谢紫霞, 张彪, 佘欣璐, 等. 上海城市绿地夏季降温效应及其影响因素[J]. 生态学报, 2020, 40(19): 6749 − 6760. XIE Zixia, ZHANG Biao, SHE Xinlu, et al. The summer cooling effect and its influencing factors ofurban green spaces in Shanghai [J]. Acta Ecol Sin, 2020, 40(19): 6749 − 6760. [9] 栾庆祖, 叶彩华, 刘勇洪, 等. 城市绿地对周边热环境影响遥感研究——以北京为例[J]. 生态环境学报, 2014, 23(2): 252 − 261. LUAN Qingzu, YE Caihua, LIU Yonghong, et al. Effect of urban green land on thermal environment of surroundings based on remote sensing: a case study in Beijing, China [J]. Ecol Environ Sci, 2014, 23(2): 252 − 261. [10] KONG Fanhua, YAN Weijiao, ZHENG Guang, et al. Retrieval of three-dimensional tree canopy and shade using terrestrial laser scanning (TLS) data to analyze the cooling effect of vegetation [J]. Agric For Meteorol, 2016, 217: 22 − 34. [11] 刘焱序, 彭建, 王仰麟. 城市热岛效应与景观格局的关联: 从城市规模、景观组分到空间构型[J]. 生态学报, 2017, 37(23): 7769 − 7780. LIU Yanxu, PENG Jian, WANG Yanglin. Relationship between urban heat island and landscape patterns: from city size and landscape composition to spatial configuration [J]. Acta Ecol Sin, 2017, 37(23): 7769 − 7780. [12] 马瑞明, 谢苗苗, 郧文聚. 城市热岛“源—汇”景观识别及降温效率[J]. 生态学报, 2020, 40(10): 3328 − 3337. MA Ruiming, XIE Miaomiao, YUN Wenju. “Source-sink” landscape identification of the urban heat island and the cooling efficiency [J]. Acta Ecol Sin, 2020, 40(10): 3328 − 3337. [13] ISHWAR D, KATHRYN G A, TIMOTHY A W, et al. Phenology of trees and urbanization: a comparative study between New York City and Ithaca, New York [J]. Geocarto Int, 2011, 26(7): 507 − 526. [14] 吴健生, 刘洪萌, 黄秀兰, 等. 深圳市生态用地景观连通性动态评价[J]. 应用生态学报, 2012, 23(9): 2543 − 2549. WU Jiansheng, LIU Hongmeng, HUANG Xiulan, et al. Dynamic evaluation on landscape connectivity of ecological land: a case study of Shenzhen, Guangdong Province of South China [J]. Chin J Appl Ecol, 2012, 23(9): 2543 − 2549. [15] 董子燕, 张友水. 基于城市景观格局和连通性的地表温度贡献分析[J]. 地理信息世界, 2020, 27(4): 75 − 82. DONG Ziyan, ZHANG Youshui. Land surface temperature contribution analysis based on urban landscape pattern and connectivity [J]. Geomatics World, 2020, 27(4): 75 − 82. [16] KONG F H, YIN Haiwei, NAKAGISHI N, et al. Urban green space network development for biodiversity conservation: identification based on graph theory and gravity modeling [J]. Landscape Urban Plann, 2010, 95(1/2): 16 − 27. [17] WEBER T, SLOAN A, WOLF J. Maryland’s green infrastructure assessment: development of a comprehensive approach to land conservation [J]. Landscape Urban Plann, 2006, 77(1/2): 94 − 110. [18] 许霖峰. 应对热岛效应的深圳低碳城绿色基础设施规划策略研究[D]. 哈尔滨: 哈尔滨工业大学, 2013. XU Linfeng. Green Infrastructure Planning Strategy for Alleviating Urban Heat Island in Shenzhen Low-carbon City[D]. Harbin: Harbin Institute of Technology, 2013. [19] 邬建国. 景观生态学: 格局、过程、尺度与等级[M]. 北京: 高等教育出版社, 2000: 27 − 31. [20] 滕明君. 快速城市化地区生态安全格局构建研究: 以武汉市为例[D]. 武汉: 华中农业大学, 2011. TENG Mingjun. Planning Ecological Security Patterns in a Rapidly Urbanizing Context: a Case Study in Wuhan, China[D]. Wuhan: Huazhong Agricultural University, 2011. [21] 姚圩琴. 基于气候适应性的杭州主城区绿色基础设施构建策略研究[D]. 杭州: 浙江农林大学, 2007. YAO Weiqin. The Research on the Constructive Strategies of Green Infrastructure Based on the Climate Adaptability in Hangzhou Downtown[D]. Hangzhou: Zhejiang A&F University, 2007. [22] 徐文彬, 尹海伟, 孔繁花. 基于生态安全格局的南京都市区生态控制边界划定[J]. 生态学报, 2017, 37(12): 4019 − 4028. XU Wenbin, YIN Haiwei, KONG Fanhua. Development of ecological control boundaries in Nanjing metropolis district based on ecological security patterns [J]. Acta Ecol Sin, 2017, 37(12): 4019 − 4028. [23] SHI Xuemin, QIN Mingzhou. Research on the optimization of regional green infrastructure network [J]. Sustainability, 2018, 10(12): 4649. doi: 10.3390/su10124649. [24] 黄河, 余坤勇, 高雅玲, 等. 基于MSPA的福州绿色基础设施网络构建[J]. 中国园林, 2019, 35(11): 70 − 75. HUANG He, YU Kunyong, GAO Yaling, et al. Building green infrastructure network of Fuzhou using MSPA [J]. Chin Landscape Archit, 2019, 35(11): 70 − 75. [25] 戴菲, 毕世波, 孙培源. PM2.5消减效应导向下的城市绿色基础设施网络优化: 以湖北省武汉市江汉区为例[J]. 风景园林, 2020, 27(10): 51 − 56. DAI Fei, BI Shibo, SUN Peiyuan. Urban green infrastructure network optimization guided by PM2.5 reduction effect: a case study of Jianghan District, Wuhan City, Hubei Province [J]. Landscape Archit, 2020, 27(10): 51 − 56. [26] 安超, 沈清基. 基于空间利用生态绩效的绿色基础设施网络构建方法[J]. 风景园林, 2013, 20(2): 22 − 31. AN Chao, SHEN Qingji. Method of constructing network of green infrastructure based on ecological performance of space utilization [J]. Landscape Archit, 2013, 20(2): 22 − 31. [27] 王晶晶, 尹海伟, 孔繁花, 等. 基于供需匹配度视角的环太湖区域绿色基础设施网络构建[J]. 城市建筑, 2017(12): 19 − 24. WANG Jingjing, YIN Haiwei, KONG Fanhua, et al. The green infrastructure network planning in the area around Taihu Lake based on the matching degree between supply and demand [J]. Urban Archit, 2017(12): 19 − 24. -
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20200816
点击查看大图
计量
- 文章访问数: 1753
- HTML全文浏览量: 431
- PDF下载量: 68
- 被引次数: 0
