下载:
-
洋白蜡Fraxinus pennsylvanica是中国重要的造林绿化树种，也是北京市使用频度最高的行道树种之一，其形体端正，枝叶繁茂而鲜绿，秋叶橙黄，不仅美观性强，还能捕获大量空气中的颗粒物，降低风速，改善城市空气质量[1]。行道树是城市绿地系统的骨干，以“线”的形式联系着城市中分散的“点”和“面”的绿化，构成完整的城市森林生态系统[2]。行道树在缓解城市热岛效应[3]、净化空气[4]、改善城市环境及维护城市内部生物多样性[5]等方面均能起到显著作用，其健康状况不仅反映了城市绿化质量高低，同时也是景观效果及生态效益得以发挥的重要基础。行道树易受人为活动的干扰，生长空间受限及后期疏于管护，易出现树势衰弱、腐烂空洞及病虫害频发等问题，存在较高的安全隐患，限制其景观和生态效益的发挥[6]。
近年来，层次分析法[7-9]、主成分分析[10-11]、综合打分法[12]、树木活力度分级[13]等方法广泛应用于树木健康评价中。不同评价方法各有优劣，评价结果精度也不尽相同，整体呈现出多方法相结合的发展趋势[14-16]。针对行道树开展健康评价研究，尚未形成实用性强的评价体系。基于此，本研究在北京市核心区11条街道洋白蜡行道树调查结果基础上，结合行道树生境、管护措施等多方面因素，运用主成分分析及聚类分析建立洋白蜡行道树健康评价体系，采用判别分析进行结果验证，并基于验证结果建立BP神经网络预测模型，以期了解北京市核心区洋白蜡行道树健康状况，为行道树快速、准确的健康评价提供技术支撑。
-
调查于2018年夏季进行。选取分布于北京市核心区多个方位、包含多种道路类型的11条行道树为洋白蜡的街道。随机选取每条街道2侧各至少20株样树，对其生长状况、环境条件等指标进行每木调查，共计调查870株洋白蜡。道路概况见表1。
表 1 研究区域道路概况
Table 1. Roads’ profile in study area
道路名称 单向车道数 道路走向 道路类型 行政区划 道路名称 单向车道数 道路走向 道路类型 行政区划 南礼士路二条 1 东西 支路 西城 青年沟路 1 东西 次干路 东城 南纬路 2 东西 次干路 西城 先农坛西路 1 南北 支路 西城 燕京北街 1 东西 支路 西城 二七剧场路 1 南北 支路 西城 史家胡同 1 东西 支路 东城 南花市大街 2 南北 次干路 东城 西兴隆街 1 东西 支路 东城 德胜门内大街 2 南北 次干路 西城 崇文门西大街 3 东西 主干道 东城 -
将指标中定性数据量化后，与定量数据相结合，共同构建洋白蜡行道树健康评价指标体系。本研究参考汪瑛[2]、邵鹏[6]、余韵[18]以及DB 11/T1692—2019《城市树木健康诊断技术规程》[19]的指标选择和赋值原则，从行道树树冠、树干、根部的生长状况及病虫害、环境条件及管护等多个角度建立指标体系，共选取12个评价指标。所选指标及赋值原则如下：①长势与枯枝(x1)：冠形饱满、长势良好无枯枝，赋值为4；树冠缺损和枯枝率≤10%，为轻度，赋值为3；树冠缺损和枯枝率为10%~≤30%，为中度，赋值为2；树冠缺损严重和枯枝率＞30 %，为重度，赋值为1。②枝叶茂密程度(x2)：非常茂密赋值为3；茂密赋值为2；不茂密赋值为1。③树干异常音(x3)：木槌敲击树干，无异常音，赋值为3；轻微异常音，赋值为2；异常音较大，赋值为1。④树干完整度(x4)：树干表皮无腐朽损伤，赋值为4；损伤度≤1/3，赋值为3；腐朽损伤度为1/3~≤1/2时，赋值为2；损伤度＞1/2，赋值为1。其中，损伤度=树干表皮最大损伤宽度/树干周长。⑤基部空洞程度(x5)：树干基部空洞深度占树干基部直径的比例，用钢钎测量。目测无空洞，赋值为4；存在空洞情况，空洞程度≤1/3，赋值为3；空洞程度为1/3~≤1/2时，赋值为2，损伤度＞1/2，赋值为1。⑥根部腐朽程度(x6)：用钢钎测量。如钢钎无法插入，则无腐朽，赋值为4；插入深度≤5 cm，为轻度，赋值为3；插入深度为5~≤20 cm时，则为中度，赋值为2；深度＞20 cm，则为重度腐朽，赋值为1。⑦修枝愈合率(x7)：伤口愈合良好的修枝数量占修枝总量的比例。⑧修枝留茬(x8)：无修枝留茬，赋值为4；留茬数为1 个即为轻度，赋值为3；留茬数为2~3个即为中度，赋值为2；留茬数为3个以上即为重度，赋值为1。⑨病虫害情况(x9)：该指标结合叶片病虫害受害率、树干部病虫害受害率、异色叶比例3个方面进行考量。叶片病虫害受害率=受害叶片数量/叶总量；树干部病虫害受害率=受害宽度/周长；异色叶比例=异常叶色数量/叶总量，其中受害宽度指寄生物危害、病害及虫害等致树干部位受到损伤的最大宽度，周长指受害部位所在位置的枝干周长。无病虫害、无叶色异常、无羽化孔和排粪孔，赋值为4；存在排粪孔或1个羽化孔，叶色异常≤30%，叶片或树干部受害率≤1/3，满足其中任意1项为轻度，赋值为3；存在2~5个羽化孔、叶色异常为30%~≤50%、叶片或树干部受害率为1/3~≤1/2时，满足其中任意1项为中度，赋值为2；存在5个及以上羽化孔，叶色异常比例＞50%，叶片或树干部受害率＞1/2，满足其中任意1项为重度，赋值为1。⑩环境影响(x10)：生长空间充足无遮荫，有防踩铺装且透水性良好，无根系裸露，赋值为4；生长空间稍狭，有防踩铺装但透水性差或存在轻微根系裸露现象，赋值为3；阻碍交通、生长空间受限、无防踩铺装或存在1/3~≤1/2根系裸露，赋值为2；生长空间严重受限(距离建筑物≤1 m)、基部晃动或＞1/2根系裸露，赋值为1。⑪冠穴比(x11)：
$\mathrm{冠}\mathrm{穴}\mathrm{比}={\mathrm{{\text{π}} }\;{\left(\dfrac{1}{4}\displaystyle \sum\limits _{i=1}^{4}{{W_{{\rm{C}}_i}}}\right)}^{2}}/{A_{{\rm{TP}}}}$ 。⑫冠高比(x12)：$\mathrm{冠}\mathrm{高}\mathrm{比}= {\dfrac{1}{2}\displaystyle \sum\limits _{i=1}^{4}{W_{{\rm{C}}_i}}}/{H}$ ，其中：${W_{{\rm{C}}_i}} $ 表示东、西、南、北4个方向的冠幅之和，ATP表示树池面积，H表示树高。 -
本研究所选取的评价指标均为正向指标。将12个指标数据进行归一化处理[20]；采用主成分分析法计算相关系数矩阵、特征值和方差贡献率，得到因子载荷矩阵，提取特征值大于1且累计方差贡献率70%以上n个主成分F，得出主成分的表达式yi；再根据主成分的方差贡献率计算权重，从而得到主成分综合健康得分表达式Z；对健康综合得分进行K-means聚类分析，评定树木健康等级，结果共分为健康、亚健康、不健康及濒死4个层次；然后采用判别分析对评价结果进行验证。
-
BP神经网络是基于误差反向传播算法的多层前馈式神经网络(multiple-layer feedforward network)，由输入层、隐藏层和输出层构成，其基本思想是学习过程由信号的正向传播与误差的反向传播2个过程组成，不断调整各层神经元的权值及阈值，进行误差校正，使训练的网络达到最优[21]，具有较强的非线性适应性和多维函数映射能力[20,22]。
基于MATLAB R2019b工具箱nftool环境设计了1个3层BP神经网络，将归一化后的指标数据及评价结果类别分别作为输入层及输出层。根据经验公式[20]，计算隐含层单元数，后通过试错法[21]对比，确定最终隐含层数量。采用均方误差(EMS)与相关系数(R)对模型性能进行评估[23]。
-
采用SPSS 26和MATLAB R2019b分别进行数据统计分析及构建神经网络模型，利用单因素方差分析(one-way ANOVA)和DUNCAN进行多重比较。
-
样本数据通过KMO (K＞0.5)和Bartlett (P＜0.05)球形检验，对数据进行主成分分析，选择特征根值＞1的前6个主成分作为洋白蜡行道树健康评价的综合指标。结果如表2。
表 2 主成分特征根及方差贡献率
Table 2. Principal component characteristic root and variance contribution rates
主成分 特征根 方差贡献率(wi)/% 累计方差贡献率(W)/% 主成分 特征根 方差贡献率(wi)/% 累计方差贡献率(W)/% F1 1.952 16.264 16.264 F4 1.137 9.477 52.449 F2 1.712 14.267 30.531 F5 1.102 9.179 61.629 F3 1.493 12.441 42.972 F6 1.008 8.396 70.025 说明：F1~F6为前6个主成分。i=1, 2, 3 -
根据表3，构建前6个主成分与洋白蜡行道树综合指标之间的线性关系yi。
表 3 因子载荷矩阵
Table 3. Factor load matrix
指标 主成分 指标 主成分 F1 F2 F3 F4 F5 F6 F1 F2 F3 F4 F5 F6 x1 0.492 −0.312 0.211 −0.168 0.351 0.291 x7 0.781 −0.156 −0.398 0.091 −0.180 0.019 x2 0.409 0.109 0.047 −0.325 0.636 0.148 x8 0.722 −0.280 −0.370 0.169 −0.260 0.045 x3 0.328 0.533 0.369 −0.206 −0.300 0.031 x9 0.272 0.319 0.110 −0.320 0.222 −0.401 x4 0.294 0.534 0.234 −0.174 −0.426 0.002 x10 −0.116 0.066 0.263 0.062 −0.104 0.816 x5 0.161 0.060 0.337 0.696 0.258 −0.164 x11 −0.041 0.675 −0.473 0.043 0.219 0.111 x6 0.290 0.364 0.357 0.518 0.108 −0.012 x12 −0.136 0.482 −0.644 0.177 0.125 0.177 $$ {y}_{1} = 0.352{x}_{1} + 0.293{x}_{2} + 0.235{x}_{3} + 0.210{x}_{4} + 0.115{x}_{5} + 0.208{x}_{6} + 0.559{x}_{7} + 0.517{x}_{8}+0.195{x}_{9}-0.083{x}_{10}-0.029{x}_{11}-0.097{x}_{12} ；$$ $$ {y}_{2} = -0.238{x}_{1} + 0.083{x}_{2} + 0.407{x}_{3} + 0.408{x}_{4} + 0.046{x}_{5} + 0.278{x}_{6} - 0.119{x}_{7} - 0.214{x0}_{8} + 0.244{x}_{9} + 0.050{x}_{10} + 0.516{x}_{11} + 0.368{x}_{12} ；$$ $$ {y}_{3}=0.173{x}_{1} + 0.038{x}_{2} + 0.302{x}_{3} + 0.192{x}_{4} + 0.276{x}_{5} + 0.292{x}_{6} - 0.326{x}_{7} - 0.303{x}_{8}+0.090{x}_{9}+0.215{x}_{10}-0.387{x}_{11}-0.527{x}_{12} ；$$ $$ {y}_{4} = -0.158{x}_{1} - 0.305{x}_{2} - 0.193{x}_{3} - 0.163{x}_{4} + 0.653{x}_{5} + 0.486{x}_{6} + 0.085{x}_{7} + 0.158{x}_{8} - 0.300{x}_{9} + 0.058{x}_{10}+0.040{x}_{11}+0.166{x}_{12}； $$ $$ {y}_{5}=0.334{x}_{1} + 0.606{x}_{2} - 0.286{x}_{3} - 0.406{x}_{4} + 0.246{x}_{5} + 0.103{x}_{6} - 0.171{x}_{7} - 0.248{x}_{8} + 0.211{x}_{9} - 0.099{x}_{10}+0.209{x}_{11}+0.119{x}_{12}； $$ $$ {y}_{6}=0.290{x}_{1} + 0.147{x}_{2} + 0.031{x}_{3} + 0.002{x}_{4} - 0.163{x}_{5} - 0.012{x}_{6} + 0.019{x}_{7} + 0.045{x}_{8} - 0.399{x}_{9} + 0.813{x}_{10}+0.111{x}_{11}+0.176{x}_{12}。 $$ 基于以上，按照公式
$ Z=({w}_{1}{y}_{1}+{w}_{2}{y}_{2}+{w}_{3}{y}_{3}+\dots +{w}_{n}{y}_{n})/W $ ，可得最终模型为：$ Z=(16.264{y}_{1}+ 14.267{y}_{2}+ 12.441{y}_{3}+9.477{y}_{4}+9.179{y}_{5}+8.396{y}_{6})/70.025 $ 。 -
采用K-means聚类和判别分析分别进行分类和准确性检验，由表4可见：研究区域有洋白蜡健康树341株；亚健康树359株；不健康树146株；濒死树24株。线性判别结果可知：K-means分类结果不存在任何分类争议，正确率达100%。
表 4 基于K-means聚类分析的健康判别结果
Table 4. Health discrimination results based on K-means clustering analysis
健康等级 线性判别分析 健康/株 亚健康/株 不健康/株 濒死/株 总计/株 健康 341 0 0 0 341 亚健康 0 359 0 0 359 不健康 0 0 146 0 146 濒死 0 0 0 24 24 总计 341 359 146 24 870 -
结果表明：健康的洋白蜡有341株，占比39.20%，平均得分为1.0222；亚健康的洋白蜡有359株，占比41.26%，平均得分为0.9374；不健康的洋白蜡有146株，占比16.78%，平均得分为0.8377；濒死的洋白蜡有24株，占比2.76%，平均得分为0.6064。每条道路的洋白蜡健康状况见表5。洋白蜡行道树总体平均得分为0.9448，在该评价系统中属于亚健康等级，核心区洋白蜡行道树健康状况整体呈中上等水平，约19%的树木健康状况较差，亟需进一步加强管理。
表 5 11条道路洋白蜡的健康状况
Table 5. Health condition of F. pennsylvanica in 11 roads
道路名称 健康树 亚健康树 不健康树 濒死树 总数/株 数量/株 比例/% 数量/株 比例/% 数量/株 比例/% 数量/株 比例/% 南礼士路二条 3 5.40 22 39.30 19 33.90 12 21.40 56 南纬路 21 47.70 18 40.90 5 11.40 0 0.00 44 燕京北街 51 63.00 26 32.10 4 4.90 0 0.00 81 史家胡同 10 16.70 34 56.70 13 21.70 3 5.00 60 西兴隆街 38 52.80 29 40.30 4 5.60 1 1.40 72 崇文门西大街 20 30.30 41 62.10 4 6.10 1 1.50 66 青年沟路 69 32.40 79 37.10 60 28.20 5 2.30 213 先农坛西路 18 41.90 22 51.20 3 7.00 0 0.00 43 二七剧场路 24 40.00 22 36.70 13 21.70 1 1.70 60 南花市大街 46 69.70 17 25.80 3 4.50 0 0.00 66 德胜门内大街 41 37.60 49 45.00 18 16.50 1 0.90 109 总数 341 39.20 359 41.26 146 16.78 24 2.76 870 -
将归一化后的12个指标数据作为输入层；将4个评价结果，即健康、亚健康、不健康和濒死，分别与(1，0，0，0) (0，1，0，0) (0，0，1，0) (0，0，0，1)一一对应，作为期望输出。隐含层通过试错法最终确定为10个。确定的网络拓扑结构为“12-10-4”(图1)。
图 1 BP神经网络模型的拓扑结构
Figure 1. Topological structure of BP neural network model
训练及验证样本从样本数据中随机选取，且无交集。用于训练、验证及测试的样本数分别为608、131及131个。图2为神经网络EMS的曲线图。由图2可知：当训练步数增加时，模型误差曲线逐渐逼近误差的最优值。当模型迭代18次时，验证误差达到0.0104，网络训练稳定且迅速收敛，说明该模型能够满足需求。
图 2 BP神经网络模型的误差下降曲线图
Figure 2. Error decline curve of BP neural network model
图3表示4个数据集的期望值及预测值之间的比较情况。当验证误差为0.0104时，建立的神经网络模型中的训练集、验证集、测试集与总体数据的相关系数分别为0.9997、0.9720、0.9976及0.9953，均大于0.9500，表明建立的BP神经网络模型对于训练集、验证集、测试集和总体样本都有很好的逼近能力，能较好地反映洋白蜡行道树12个评价指标与健康评价等级之间关系，故BP神经网络预测模型在洋白蜡健康状况评价中有较好的适用性。
图 3 期望值和预测值的相关系数
Figure 3. Correlation coefficient between measured and predicted values
-
研究区域洋白蜡行道树胸径平均值为31.88 cm，约68.20%的洋白蜡树胸径集中分布在20~40 cm，总体呈现左偏正态分布的趋势。单因素方差分析(表6)可知：胸径对洋白蜡行道树的健康状况影响达显著水平(P＜0.05)。当胸径≥10~＜60 cm时，呈现随着胸径增加，综合健康评分随之下降的趋势，但在胸径≥60~＜70 cm时，健康综合得分达最大值，且显著高于胸径≥30~＜60 cm区间内的3个水平(P＜0.05)。
表 6 胸径对洋白蜡健康状况的影响
Table 6. Effects of DBH on the health status of F. pennsylvanica
胸径/cm 样本量 健康综合得分 平均值±标准差 极小值 极大值 标准误 ≥10~＜20 82 0.96±0.07 ab 0.71 1.15 0.01 ≥20~＜30 354 0.96±0.08 ab 0.39 1.15 0.00 ≥30~＜40 241 0.93±0.11 a 0.45 1.10 0.01 ≥40~＜50 132 0.93±0.09 a 0.45 1.07 0.01 ≥50~＜60 54 0.92±0.10 a 0.47 1.08 0.01 ≥60~＜70 7 0.99±0.06 b 0.88 1.06 0.02 说明：不同字母表示不同胸径间差异显著(P＜0.05) 调查区域内树高平均值为11.78 m。由表7可知：洋白蜡树高大多数≥6~＜18 m，占比95.75%，其他范围分布较少；洋白蜡健康综合得分与树高间的关系整体呈正相关，但并未达到显著水平。
表 7 树高对洋白蜡健康状况的影响
Table 7. Effects of tree height on the health status of F. pennsylvanica
树高/m 样本量 健康综合得分 平均值±标准差 极小值 极大值 标准误 ≥0~＜6 8 0.89±0.12 a 0.64 1.00 0.04 ≥6~＜12 494 0.94±0.10 a 0.45 1.15 0.00 ≥12~＜18 339 0.95±0.09 a 0.39 1.15 0.00 ≥18~＜24 29 0.95±0.05 a 0.84 1.05 0.01 说明：不同字母表示不同树高间差异显著(P＜0.05) -
不规范的修枝方法会导致树体留茬，而留茬处往往易腐烂进而导致分枝处更大面积腐烂等，如不及时清除，腐烂可蔓延至主干木质部，威胁行道树的健康。由表8可知：存在修枝留茬的洋白蜡行道树占比56.90%，留茬数多为1~3个，3个以上的相对较少。修枝留茬现象对于健康综合得分影响显著(P＜0.05)，无留茬的洋白蜡健康得分显著高于存在留茬的得分，但留茬数量对行道树健康综合得分无显著影响。
表 8 修枝留茬对洋白蜡健康状况的影响
Table 8. Effects of pruning stubble on the health status of F. pennsylvanica
修枝留茬/个 样本量 健康综合得分 平均值±标准差 极小值 极大值 标准误 0 375 0.97±0.08 b 0.58 1.15 0.00 1 215 0.94±0.10 a 0.39 1.08 0.01 2~3 180 0.92±0.11 a 0.45 1.10 0.01 ＞3 100 0.92±0.08 a 0.56 1.06 0.01 说明：不同字母表示不同修枝留茬数间差异显著(P＜0.05) 调查区域内，88.16%的树池有防踩实措施，主要包括毛毡子、梅花砖、塑料篦子+塑料+石子等模式。不同铺装材料的透水性差异较大，影响土壤的水分、养分循环及树体的吸收，从而影响树木健康状况。由表9可知：防踩铺装的铺设及材料透水性显著影响洋白蜡健康状况(P＜0.05)，采用透水性强的铺装材料的洋白蜡行道树的健康综合得分最高，显著高于无铺装和透水性差的铺装。
表 9 树池防踩铺装情况对洋白蜡健康状况的影响
Table 9. Effects of anti-stepping paving condition on the health status of F. pennsylvanica
防踩铺装 样本量 健康综合得分 平均值±标准差 极小值 极大值 标准误 无铺装 103 0.88±0.12 a 0.45 1.05 0.01 透水性强铺装 748 0.95±0.09 b 0.39 1.15 0.00 透水性差铺装 19 0.91±0.10 a 0.62 1.03 0.02 说明：不同字母表示不同防踩铺装间差异显著(P＜0.05) -
株距限制着行道树生长范围，过小会导致树木地上和地下生长空间压缩，限制树木树冠及根系伸展，加剧土壤营养资源的争夺，进而导致生长所需矿质养分不足。调查区域内，株距平均值为5.38 m，最大值25.00 m，最小值1.50 m。株距对洋白蜡的健康状况存在显著影响(P＜0.05)，株距≥0~＜5 m时，洋白蜡健康得分为最低，显著低于其他株距范围；当株距≥5 m时，洋白蜡健康得分并不会随着株距增加而产生显著的变化(表10)。
表 10 株距对洋白蜡健康状况的影响
Table 10. Effects of plant spacing on the health status of F. pennsylvanica
株距/m 样本量 健康综合得分 平均值±标准差 极小值 极大值 标准误 ≥0~＜5 68 0.90±0.11 a 0.45 1.09 0.01 ≥5~＜10 750 0.95±0.09 b 0.39 1.15 0.00 ≥10 52 0.94±0.09 b 0.66 1.05 0.01 说明：不同字母表示不同株距间差异显著(P＜0.05) 行道树树池是城市道路绿化景观的节点。树池面积过小会导致土壤透水透气不良，树木根系伸展和生长状况不佳；过大的树池又会占用过多城市道路硬质地面，对行人行车造成妨碍。表11可知：调查区域内树池面积大多为≥1~＜2 m2，占比88.74%，且在此树池面积下生长的洋白蜡行道树具有最高的健康综合得分，与其余树池面积下的洋白蜡健康得分差异显著(P＜0.05)。
表 11 树池面积对洋白蜡健康状况的影响
Table 11. Effects of tree pool area on the health status of F. pennsylvanica
树池面积/m2 样本量 健康综合得分 平均值±标准差 极小值 极大值 标准误 ≥0~＜1 9 0.90±0.10 a 0.64 0.99 0.03 ≥1~＜2 772 0.95±0.09 b 0.39 1.15 0.00 ≥2 89 0.90±0.11 a 0.45 1.04 0.01 说明：不同字母表示不同树池面积间差异显著(P＜0.05) 车道数以及车道走向对于洋白蜡健康状况均有显著的影响(P＜0.05)。表12可知：洋白蜡健康得分随车道数的增加呈先上升后下降的趋势，当车道数为2条时，洋白蜡的健康状况最佳，显著高于车道数为1条时的健康得分，而与车道数为3条时差异不大；车道走向决定了行道树接受日照的情况，车道为南北走向时，洋白蜡健康状况显著优于东西走向(P＜0.05)(表13)。
表 12 单向车道数对洋白蜡健康状况的影响
Table 12. Effects of the number of unidirectional traffic lanes on the health status of F. pennsylvanica
单向车
道数/条样本量 健康综合得分 平均值±标准差 极小值 极大值 标准误 1 585 0.93±0.10 a 0.39 1.12 0.00 2 219 0.97±0.07 b 0.64 1.15 0.00 3 66 0.95±0.06 ab 0.70 1.07 0.01 说明：不同字母表示不同单向车道数间差异显著(P＜0.05) 表 13 车道走向对洋白蜡健康状况的影响
Table 13. Effects of directions of traffic lanes on the health status of F. pennsylvanica
车道走向 样本量 健康综合得分 平均值±标准差 极小值 极大值 标准误 东西 592 0.94±0.10 a 0.39 1.15 0.00 南北 278 0.96±0.07 b 0.64 1.15 0.00 说明：不同字母表示不同车道走向间差异显著(P＜0.05) -
本研究采用主成分分析计算北京市核心区洋白蜡行道树的健康综合得分，采用聚类分析进行结果分类，采用判别分析法进行结果验证，分类结果与实际生长状况基本一致。将行道树健康状况评价指标和分类结果构建的拓扑结构为“12-10-4”的BP神经网络预测模型，结果表明：训练集和测试集均方误差均小于0.0104，且训练集、测试集及总集相关系数均＞0.990 0，说明BP神经网络模型能准确地反映洋白蜡行道树12个评价指标与健康评价类别的关系。与传统树木健康评价方法相比，该方法避免了庞杂的计算，从而实现对同一地区洋白蜡行道树健康状况的快速、准确评价。
本研究所选指标覆盖了行道树的树冠、树干及根部的健康状况以及行道树的生长环境条件及管护情况等因素，并引入“冠穴比”及“冠高比”2个指标，将各定性指标进行分级、量化分析，研究结果表明：在所调查的870株洋白蜡中，健康、亚健康、不健康及濒死单株分别占39.20%、41.26%、16.78%及2.76%。可以看出：多数洋白蜡生长状况良好，极少部分洋白蜡生长状况堪忧，处于濒死状态，亟需处理。这一结果与邵鹏[6]、余韵[18]的研究结果基本一致。同时，本研究得到的健康评价结果与洋白蜡实际生长状况一致，表明本研究建立的健康评价模型在北京市核心区洋白蜡行道树健康评价中有很好的适用性。
-
树木的健康状况与年龄紧密相关[10]。本研究结果表明：洋白蜡胸径为60~＜70 cm时，健康状况最好。这可能是由于胸径在此范围的洋白蜡树龄较大，栽植时间长，生长状况稳定的缘故；当胸径为10~＜60 cm，呈现随胸径增加，洋白蜡健康得分随之下降的趋势，这与李佳慧等[10]对北京市核心区国槐Sophora japonica行道树的评价结果基本一致。城市行道树受人为活动影响较大。调查发现：约87%的洋白蜡存在不同程度的枯枝状况，约27%的洋白蜡存在由车辆剐蹭、修枝等造成的树皮损伤，约57%的洋白蜡存在由修枝不当造成的不同程度的修枝留茬。建议规范行道树修枝技术，及时去除枯枝并合理处理受损部位。行道树树池防踩铺装材料的不同影响着植物吸收水分及养分的过程。北京核心区树池铺装材料多采用透水砖、石子、毛毡子、铁篦子等。研究结果表明：在铺装材料透水性强树池中生长的洋白蜡，健康状况显著优于不铺装及铺装透水性差条件下的洋白蜡。这一结果与赵丹等[24]、李佳慧等[10]的研究结果基本一致。
行道树位于道路两侧。城市下垫面性质的改变，压缩了行道树生长的环境空间，阻碍了土壤水分的移动与循环，限制了行道树的生长[25]。株距、树池面积一定程度上决定了行道树的生长及管护空间，而车道数及车道走向决定着道路宽度及树体生长位置，影响着树体接受日照情况[6, 18]。本研究发现：株距、树池面积、车道数及走向都显著影响着行道树的健康状况，当保持洋白蜡行道树株距≥5 m、树池面积≥1~＜2 m2、车道数为2条且车道为南北走向时，洋白蜡健康状况较为理想。当株距≥5 m时，随着距离继续增大，洋白蜡的健康状况不再发生显著的变化。随着树池面积和车道数增加，洋白蜡健康得分均呈现先上升后下降的趋势。这可能是随着生长范围及道路宽度的增加，生长空间及光照情况已不再是限制行道树健康的主要因素，而人为踩踏、车辆剐蹭等其他因素影响逐渐占据主导地位。当树池面积＜2 m2时，树池的防踩铺装率为91.29%，树池面积≥2 m2时，防踩铺装率仅为60.67%。树池的防踩铺装率下降往往会导致人为踩踏的增加，导致土壤板结，影响行道树生长。这可能是导致树池面积增大但洋白蜡健康状况却显著下降的原因之一。本研究发现：车道走向对行道树健康状况影响显著，南北走向车道上的洋白蜡健康状况显著优于东西走向的洋白蜡。这是由于车道走向决定着树体的生长方位和接受日照情况。车道为东西走向时，南侧及北侧行道树受日照时间差异较大，北侧行道树接受日照时间相比南侧更长，而车道为南北走向时，东西两侧行道树接受日照角度及日照时间基本相同[18, 26]，因此整体生长状况更好。道路状况往往还受到周边建筑物密度及高度、道路硬质铺装、车流量等多方面影响，因此仍需进一步探究。
Health assessment and influencing factors of Fraxinus pennsylvanica in Beijing core area
-
摘要:
目的 针对城市树木健康评价的快速化、准确化及生产化，调查并分析北京市首都功能核心区主要绿化树种洋白蜡Fraxinus pennsylvanica的生长、健康及管护现状，为构建精炼、全面的洋白蜡行道树健康评价体系及管护技术措施提供科学依据。 方法 以北京市核心区11条主要街道的洋白蜡行道树为研究对象，采用主成分分析、K-means聚类构建健康评价模型，采用判别分析进行结果验证，将评价结果与评价指标结合建立洋白蜡BP神经网络健康预测模型；同时从生长状况、管护措施以及环境因子3个方面，分析胸径、树高、修枝留茬数量、防踩铺装等因素对洋白蜡行道树健康状况的影响。 结果 研究区域中，健康、亚健康、不健康及濒死单株分别占总数的39.20%、41.26%、16.78%和2.76%；建立的BP神经网络健康预测模型中，训练集、验证集、测试集与总集的期望值与预测值之间的相关系数分别为0.999 7、0.972 0、0.997 6及0.995 3，均大于0.950 0，表明此模型能准确地反映洋白蜡行道树12个评价指标与健康评价类别的关系，可用于对同一地区其他白蜡行道树健康状况预测；方差分析和多重比较表明：胸径、修枝留茬、防踩铺装、株距、树池面积、车道数及车道走向均对洋白蜡行道树的健康状况存在显著影响(P＜0.05)，树高影响较小。当洋白蜡胸径为60~70 cm、树体无修枝留茬、树池铺装透水性好、株距为5~10 m、树池面积为1~2 m2、道路宽度适宜且为南北走向时，洋白蜡健康状况最好。 结论 研究区域内，洋白蜡行道树整体呈亚健康状态，具有良好的保育保养潜力，部分受害严重，亟需处理。在洋白蜡行道树栽植及后期管护中，确保其修剪规范、铺装材料透水强、株距5~10 m、树池面积1~2 m2以及适宜的道路情况，是保证洋白蜡行道树健康状况良好的重要措施。图3表13参26 Abstract:Objective For the rapid, accurate, and productive assessment of urban tree health, this study aims to investigate and analyze the growth, health, and management status of Fraxinus pennsylvanica in Beijing core functional area, so as to provide a scientific basis for comprehensive health assessment and technical measures for management and protection. Method Taking street trees of 11 main streets in the core area of Beijing as the research object, the health assessment model of F. pennsylvanica was constructed by principal component analysis and K-means clustering. The results were verified by discriminant analysis, and the BP neural network health prediction model was established by combining the assessment results with the assessment indexes. Meanwhile, the effects of DBH, tree height, the number of pruning stubble, anti-trampling pavement etc. on the health status of F. pennsylvanica were analyzed. Result The results indicated that healthy, sub-healthy, unhealthy, and dying plants accounted for 39.20%, 41.26%, 16.78%, and 2.76%, respectively. In the BP neural network health prediction model, the correlation coefficients between expected value and predicted value of the training set, verification set, test set, and total set were 0.9997, 0.9720, 0.9976 and 0.9953 respectively, all greater than 0.9500, indicating that the model could accurately reflect the relationship between 12 evaluation indexes and health assessment categories of F. pennsylvanica and could be used to predict the health status of other F. pennsylvanica in the same area. Variance analysis and multiple comparisons showed that DBH, pruning stubble, anti-trampling pavement, plant spacing, tree pool area, number of lanes and lane direction all had significant effects on the health status of F. pennsylvanica (P＜0.05), but tree height had little effect. The health condition of F. pennsylvanica was the best under the following conditions: 60−70 cm DBH, tree body without pruning stubble, tree pool pavement with good water permeability, 5−10 m tree spacing, 1−2 m2 tree pool area, suitable road width, and north-south direction. Conclusion F. pennsylvanica street trees in the study area are in a sub-health state on the whole, with good conservation and maintenance potential. However, some of them are seriously damaged and need to be dealt with urgently. In planting and management process, important measures should be taken to ensure the good status of F. pennsylvanica, such as standard pruning, strong water permeability of pavement materials, 5−10 m plant spacing, 1−2 m2 tree pool area, and suitable road conditions . [Ch, 3 fig. 13 tab. 26 ref.] -
城市绿地对改善城市生态环境恶化等问题具有举足轻重的作用[1]。目前，对城市绿地生态效益的研究因受生态系统服务功能多样、区域环境及人类社会活动需求差异等因素影响，呈现出评估方法众多但评价内容、指标及结果差异性大等问题[2-3]。随着大数据等现代技术的应用，城市绿地生态效益价值的评估已经由原来的传统方法逐渐发展到计算机模型测算法[4-5]。由美国林务局2006年开发的i-Tree模型因树种匹配灵活、分析结果精确、评估对象尺度多元等优点，自推出至今在国际上尤其是北美国家已得到了大量的应用[6]。近年来中国合肥[7]、杭州[8]、南京[9]等地已有大量基于该模型的生态效益研究成果，但呈现出以研究城市森林等大区域尺度及城市社区行道树等小微尺度为主的特征，仅有魏云龙[10]、施炜婷等[11]、施健健等[5]对城市公园、广场这类中小尺度的绿地进行评估，且仅以研究单种生态效益功能或植物个体生态效益为主。本研究以临安吴越钱王陵公园为研究对象，运用i-Tree模型对公园植物群落结构及节能、改善空气质量、吸收二氧化碳(CO2)、截留雨水等4个方面的生态效益价值进行定量评估，以期为钱王陵公园及当代城市公园植物群落提升建设过程中群落及树种选择提供一定参考，丰富该模型在城市绿地生态效益研究的理论与内容。
1. 研究地区与研究方法
1.1 研究地概况
临安区位于杭州市西部，29°56'~30°23'N，118°51'~119°52'E，属亚热带季风气候，年平均降水量1 613.90 mm，降水日158.0 d，全年平均气温16.4 ℃，全年日照时数1 847.3 h。钱王陵公园坐落在临安区锦城太庙山南坡，2018年作为杭州地区唯一代表入选浙江省级考古遗址公园，在塑造城市形象、传承历史文化、市民公共游憩活动等方面起重要作用；该园建成至今已有20余a，占地10.30 hm2，海拔92.0 m[12]。园内植物生长稳定，群落结构水平和垂直结构差异明显，群落景观多样，类型丰富。
1.2 调查内容与方法
本研究调查对象为钱王陵公园内的典型人工植物群落。在对公园全面勘查的基础上，于2019年8−9月采用典型取样法，设置32个20 m×20 m，面积为400 m2的典型样地，按照L1至L32顺序对样地编号(表1)；采用每木测量法，对样地内的植物种类、数量、胸径、树高、冠幅、健康状况以及立地条件、水体、道路、铺装广场的占比状况进行调查[5]，后期整理汇总。
表 1 钱王陵公园植物群落基本类型Table 1 Basic types of plant communities in Qianwangling Park群落类型 垂直结构类型 样地编号(群落名称) 针阔混交型 乔-灌-草 L1(水杉Metasequoia glyptostroboides+樟树群落)、L2(圆柏Sabina chinensis+樟树群落)、L3(雪松 Cedrus deodara+樟树群落)、L4(塔柏Sabina chinensis ‘Pyramidalis’+圆柏+樟树群落)、L5(塔 柏+樟树群落)、L6(塔柏+樟树+棕榈Trachycarpus fortunei群落)、L9(桂花Osmanthus fragrans+水 杉群落)、L11(水杉+柳杉Cryptomeria fortunei+樟树群落)、L14(水杉+枫香Liquidambar formosana群落)、L18(樟树+罗汉松Podocarpus macrophyllus群落) 乔-灌 L7(水杉+广玉兰群落Magnolia grandiflora)、L17(马尾松Pinus massoniana+深山含笑Michelia maudiae群落) 乔-草 L25(马尾松+樟树群落) 常绿阔叶型 乔-灌-草 L8(桂花群落)、L13(樟树+广玉兰+桂花群落)、L16(樟树+广玉兰群落)、L21(樟树+广玉兰-山茶 Camellia japonical群落)、L26(樟树+桂花群落)、L30(樟树+女贞Ligustrum lucidum+桂花群落) 乔-草 L23(樟树+女贞群落)、L28(樟树+棕榈群落) 常绿落叶阔叶混交型 乔-灌-草 L10(樟树+山樱花Prunus serrulata群落)、L15(樟树+银杏Ginkgo biloba群落)、L26(樟树+枫香+ 构树Broussonetia papyrifera群落(L20) 乔-草 L19(樟树+枫香+油茶Camellia oleifera群落)、L22(樟树+枫香+棕榈群落)、L24(樟树+枫香群落)、 L27(樟树+栓皮栎Quercus variabilis群落) 乔-灌 L12(樟树+榔榆Ulmus parvifolia群落) 竹阔混交型 乔-灌-草 L29(毛竹Phyllostachys edulis+枫香群落)、L32(毛竹+樟树-山茶群落)、L31(毛竹+樟树群落) 1.3 i-Tree模型生态效益评估原理
评估采用i-Tree V5.0版本的streets模块。将模型内测算树木节能效益的电费和天然气经济指标价格修正为2018年临安区居民生活用电的平均价格0.59元·kW−1·h−1和天然气平均价格3.66元·m−3；碳吸收、改善空气质量、截留雨水效益的计算参照魏云龙[10]基于该模型同一模块对花港观鱼公园生态效益测算价格指标，用于导入及输出的美元效益价值量采用2019年8月及9月美元对人民币平均汇率(1美元兑换7.04元人民币)进行换算[13]。基于临安亚热带季风气候条件及杭州地区该模型相关研究[5, 10]，匹配沿海平面(coastal plain)气候区作为背景开展评估，对树种数据库中没有的树种依据其属性进行同属或同叶型的树种匹配，最后将整理好的树种实测数据整理成Access数据库，并处理成mdb格式文件导入模型中开展评估。
2. 结果与分析
2.1 群落类型及空间结构分析
参照《中国植被》[14]、尚玉昌[15]生态学优势种命名法、武文婷[16]对于杭州城市绿地植被类型划分原则，以植物群落本身特征作为划分依据，以生态外貌为高级分类单位，中低级单位采用优势种(以重要值为依据)，对所调查植物群落进行划分得出(表1)：竹阔混交型群落占比为9.37%，常绿落叶阔叶混交型和常绿阔叶型群落占比同为25.00%，针阔混交型群落占比最高(40.63%)；公园整体表现出以针阔混交型群落为主的植物景观风貌，营造出纪念性公园四季常青、庄严肃穆的景观氛围。
根据水平结构上的配置模式，将群落划分为纯林和混交林2种类型[17]。在水平结构上，混交林占比为93.75%，呈现出主导地位；在垂直结构上，“乔-灌-草”型复层模式群落占68.75%；双层模式群落只出现“乔-草”及“乔-灌”这2种类型，分别占21.88%和9.37%。复层型为公园植物群落的主要构建模式。
2.2 植物群落树种结构分析
参照《浙江植物志》等[18-19]，对所调查32个植物群落树种分析可知：调查植物共计113种，分属于63科98属。符合测量评估条件的乔、灌木共1 613株，隶属于39科62属74种。i-Tree模型内置的“Define Species”功能将树木分为常绿阔叶树种(BE)、落叶阔叶树种(BD)、常绿针叶树种(CE)、落叶针叶树种(CD)、常绿棕榈树种(PE)5种生长类型，且每一类型又分为大(L)、中(M)、小(S)3类[10]。由图1可知：公园内常绿树占比约是落叶树占比的4倍，群落总体表现出以常绿树为主的林相，季相变化不够丰富；公园内阔叶树种占79.11%，针叶树种占12.46%，阔叶树约为针叶树6倍，针叶树种数量偏少，不符合纪念性公园以针叶树偏多的特点。
图 1 植物群落树木生长类型Figure 1 Plant community tree growth typesBDL. 落叶阔叶大型树；BDM. 落叶阔叶中型树； BDS. 落叶阔叶小型树；BEL. 常绿阔叶大型树； BEM. 常绿阔叶中型树；BES. 常绿阔叶小型树； CEL. 常绿针叶大型树；CEM. 常绿针叶中型树； CDL. 落叶针叶大型树；PEM. 常绿棕榈中型树从数量上来看，株数排名前10位的树种分别是：樟树(22.13%)、毛竹(10.17%)、桂花(9.92%)、棕榈(8.43%)、枫香(6.01%)、山茶(4.03%)、圆柏(3.72%)、广玉兰(2.60%)、罗汉松(2.60%)、女贞(2.17%)；这10个树种数量占调查总数的71.79%；但仅有樟树、桂花、棕榈这3种乡土树种应用频度在50%以上，构成整个公园的优势树种。总体来看，钱王陵公园树种丰富，但绝大多数乔、灌木应用频度低、景观单调。
从胸径结构来看，i-Tree模型主要将树种胸径划分为7个等级。由图2可知所调查群落树种胸径主要集分布在≤45.7 cm，胸径在45.70~61.00 cm的占比1.55%，胸径在61.00~76.20 cm和76.20~94.10 cm的占比都为0.06%。公园内树种胸径呈现以中小径级为主，且随着胸径增大树种数量显著减少现象。
图 2 植物群落树种胸径等级Figure 2 Plant community tree species’ diameter at breast height gradesⅠ. DBH≤7.6 cm；Ⅱ. 7.6＜DBH≤15.2 cm； Ⅲ. 15.2＜DBH≤30.5 cm；Ⅳ. 30.5＜DBH≤45.7 cm； Ⅴ. 45.7＜DBH≤61.0 cm；Ⅵ. 61.0＜DBH≤76.2 cm； Ⅶ. 76.2＜DBH≤91.4 cm2.3 群落生态效益分析
树木通过遮光、降低风速、叶片蒸腾散热等方式，起到改善小气候、节约能源的作用[20]；光合、呼吸等作用吸收CO2和水转化为有机物并释放氧气，实现碳氧循环减缓温室效应[21]；通过树冠、树叶、树皮表面对雨水进行拦截，延缓暴雨峰值，起到减少雨水径流的效果[22]。运用i-Tree模型对钱王陵公园32个植物群落节约能源、截留雨水、吸收CO2和改善空气质量生态效益价值定量评估得出(表2)：4类生态效益年总价值为208 588.16元·a−1，平均单株生态效益为129.25元·株−1·a−1。对生态效益价值贡献最大的是吸收CO2，占47.20%；节约能源效益与截留雨水效益价值相近，分别占23.10%和27.77%；改善空气质量效益最低，仅占1.93%。这4类生态效益按照价值量从高到低排名依次为吸收CO2、截留雨水、节约能源、改善空气质量。生态效益最高的是樟树+广玉兰-山茶群落(L21)，为12 777.60元·a−1，占6.13%；最低的是樟树+银杏群落(L15)，为1 203.84元·a−1，仅占0.58%。不同类型群落生态效益价值存在较大差距，对生态效益贡献最大的为针阔混交型群落，总生态效益占比为35.47%；其次是常绿阔叶型群落，占比为27.61%；常绿落叶阔叶混交型群落占比为26.17%；竹阔混交型最少，仅占10.75%。
表 2 钱王陵公园32个植物群落总生态效益Table 2 Total ecological benefits of 32 plant communities in Qianwangling Park群落 生态效益/(元·a−1) 效益
占比/
%群落 生态效益/(元·a−1) 效益
占比/
%节约
能源吸收
CO2改善空
气质量截留
雨水总生态
效益节约
能源吸收
CO2改善空
气质量截留
雨水总生态
效益L1 1 070.08 2 168.32 98.56 1 351.68 4 688.64 2.25 L18 1 830.40 3 365.12 28.16 2 400.64 7 624.32 3.66 L2 1 520.64 3 182.08 183.04 1 879.68 6 765.44 3.24 L19 1 457.28 2 872.32 49.28 1 696.64 6 075.52 2.91 L3 1 267.20 2 696.32 133.76 1 591.04 5 688.32 2.73 L20 1 584.00 2 977.92 112.64 1 809.28 6 483.84 3.11 L4 1 112.32 2 393.60 91.52 1 337.60 4 935.04 2.37 L21 2 851.20 5 850.24 232.32 3 843.84 12 777.60 6.13 L5 781.44 1 605.12 42.24 851.84 3 280.64 1.57 L22 2 175.36 4 238.08 126.72 2 745.60 9 285.76 4.45 L6 1 041.92 2 154.24 112.64 1 203.84 4 512.64 2.16 L23 1 802.24 3 808.64 161.92 2 259.84 8 032.64 3.85 L7 1 415.04 3 196.16 154.88 1 675.52 6 441.60 3.09 L24 2 245.76 4 540.80 112.64 2 520.32 9 419.52 4.52 L8 711.04 1 921.92 126.72 682.88 3 442.56 1.65 L25 1 457.28 2 949.76 112.64 1 619.20 6 138.88 2.94 L9 1 619.20 4 026.88 168.96 1 900.80 7 715.84 3.70 L26 1 760.00 3 597.44 161.92 2 316.16 7 835.52 3.76 L10 1 344.64 3 238.40 168.96 1 415.04 6 167.04 2.96 L27 2 696.32 5 005.44 253.44 3 182.08 11 137.28 5.34 L11 1 422.08 3 048.32 35.20 1 774.08 6 279.68 3.01 L28 2 041.60 4 055.04 140.80 2 907.52 9 144.96 4.38 L12 1 119.36 2 358.40 126.72 1 217.92 4 822.40 2.31 L29 1 809.28 3 013.12 197.12 1 752.96 6 772.48 3.25 L13 675.84 1 492.48 77.44 830.72 3 076.48 1.47 L30 1 506.56 3 104.64 84.48 1 844.48 6 540.16 3.14 L14 732.16 1 555.84 84.48 725.12 3 097.60 1.49 L31 1 774.08 3 372.16 133.76 2 337.28 7 617.28 3.65 L15 260.48 577.28 28.16 337.92 1 203.84 0.58 L32 2 062.72 3 548.16 239.36 2 189.44 8 039.68 3.85 L16 1 520.64 3 160.96 147.84 1 907.84 6 737.28 3.23 总计 48 188.80 98 447.36 4 019.84 57 932.16 208 588.16 100 L17 1 520.64 3 358.08 98.56 1 837.44 6 814.72 3.27 对群落各生态效益分析可知：i-Tree模型对节能效益的评估由节约电量和节约天然气效益两部分组成，其中节约电量为62 227.20 kW·h·a−1，产生生态效益为36 706.56元·a−1；节约天然气量3 560.50 m³·a−1，产生生态效益11 482.24元·a−1，节约能源的生态效益总价值为48 188.80元·a−1，单株树木平均生态效益为29.85元·株−1·a−1；节能效益最高的是樟树+广玉兰-山茶群落(L21)，为2 851.20元·a−1；最低的是樟树+银杏群落(L15)，为260.48元·a−1；从群落类型来看，节能效益总量占比最高的是针阔混交型群落，为34.84%，该类群落在节能效益价值方面优势较高。经模型计算植物群落吸收CO2总量为81 951.00 kg·a−1，产生生态效益价值98 447.36元·a−1，单株平均吸收CO2生态效益为61.04元·株−1·a−1；对不同类型群落生态效益分析可知：针阔混交型群落生态效益占比最高，为36.26%，在吸收CO2方面表现出一定优势。模型计算群落年截留雨水量为5 192.00 m³·a−1，产生生态效益为57 932.16元·a−1，单株树木平均截留雨水生态效益为35.90元·株−1·a−1。对单株树木平均截留雨水生态效益分析可以得出，针阔混交型群落中树木平均效益超过总平均生态效益的群落数量最多且效益排名靠前，说明相对其他类型该群落类型在截留雨水上具有优势。模型计算植物群落年改善空气质量生态效益为4 019.84元·a−1，单株树木平均生态效益为2.46元·株−1·a−1，明显低于以上3个功能，其中群落间接减排空气污染物[二氧化氮(NO2)、可吸入颗粒物(PM10)、挥发性有机化合物(VOC)、二氧化硫(SO2)]生态效益最高，为6 188.16元·a−1，SO2减排量最高为220.40 kg·a−1，占66.85%；群落吸附沉积空气污染物[NO2、臭氧(O3)、PM10和SO2]效益为2 731.52元·a−1，对O3的沉积效果最强，占比为58.65%；SO2的沉积效果最差仅6.14%。此外，树木自身代谢等作用会散发挥发性有机物污染(BVOCs)对空气造成污染[23]，经计算该公园群落释放BVOCs量为213.20 kg·a−1，产生生态效益−4 899.84 元·a−1，其中樟树+广玉兰-山茶群落(L21)释放量最多，为13.30 kg·a−1；从改善空气质量综合能力来看，樟树+栓皮栎群落(L27)效果最强，产生生态效益最高，为253.44元·a−1，占6.30%，同时间接减排空气污染物的能力也最为显著。综合看来，树木在间接减排空气污染物方面上更具优势。
对群落树种单株平均生态效益分析可知，排名前10位树种为落叶阔叶树和针叶树(表3)，针叶树有水杉、雪松、马尾松，其余的为落叶阔叶树。常绿阔叶树种未出现，生态效益偏低。综合树种平均胸径及各生态效益分析可知，在平均胸径相近情况下，落叶阔叶树各项生态效益高于针叶树，即落叶阔叶树在节能、吸收CO2、改善空气质量及截留雨水方面都表现出更高优势。单株平均生态效益价值由高到低排名前10位的树种为三角枫Acer buergerianum、黄山栾树Koelreuteria paniculata、水杉、栓皮栎、雪松、马尾松、山樱花、朴树Celtis bungeana、榔榆、垂柳Salix babylonica，在植物群落构建时对于落叶阔叶树和针叶树树种的选择可优先考虑。
表 3 单株平均效益前10位树种各生态效益Table 3 Per plant benefit,top ten tree species, ecological benefits效益排名 树种名称 生长类型 单株生态效益/(元·株−1·a−1) 单株平均生态效益/
(元·株−1·a−1)平均胸径/cm 节约能源 吸收CO2 改善空气质量 截留雨水 1 三角枫 BDM(落叶阔叶中型树) 119.82 300.40 18.66 119.33 558.21 35.04 2 黄山栾树 BDM(落叶阔叶中型树) 97.72 213.73 16.12 100.95 428.52 30.26 3 水杉 CDL(落叶针叶大型树) 95.46 203.03 −1.76 119.47 416.20 41.47 4 栓皮栎 BDL(落叶阔叶大型树) 79.20 177.76 12.88 76.03 345.87 37.05 5 雪松 CEL(常绿针叶大型树) 76.88 163.40 2.60 82.09 324.97 30.33 6 马尾松 CEL(常绿针叶大型树) 75.82 161.36 1.55 84.83 323.56 33.65 7 山樱花 BDM(落叶阔叶中型树) 69.98 161.43 11.26 66.81 309.48 26.50 8 朴树 BDL(落叶阔叶大型树) 79.62 130.17 13.38 78.14 301.31 27.44 9 榔榆 BDM(落叶阔叶中型树) 63.15 148.54 10.14 60.19 282.02 24.48 10 垂柳 BDM(落叶阔叶中型树) 49.63 122.78 7.88 46.96 227.25 26.48 结合表3和表4分析可知：L21群落(樟树+广玉兰-山茶群落)树种株数占比不高(排第10位)，但群落平均胸径最高，单株生态效益高的落叶阔叶树种三角枫、栓皮栎和针叶树马尾松平均胸径都较高。而L22群落(樟树+枫香+棕榈群落)树种株数占比较低，但群落平均胸径高，因此生态效益也相对较高。L24群落(樟树+枫香群落)、L27群落(樟树+栓皮栎群落)和L28群落(樟树+棕榈群落)树种株数占比相似(分别为4.4%、4.0%和4.3%)，而群落L27和群落L28相比，群落整体平均胸径相近，但群落L27中单株生态效益高的树木数量及平均胸径更具有优势，因此该群落效益更高；L24群落平均胸径偏低，但单株平均效益高树种株株多，因此生态效益也较高。在树种生长型方面，胸径＞30 cm的落叶阔叶和针叶高生态效益树种株数占比越高对生态效益贡献越大。综上分析，群落生态效益的高低主要取决于树种的株数、生长类型和平均胸径。从构建高生态效益植物群落角度出发，建议植物群落构建时以三角枫、黄山栾树、水杉、栓皮栎、雪松、马尾松等高单株生态效益的树木为优势种，以提高植物群落整体生态效益。
表 4 生态效益排名前5位群落指标分析Table 4 Analysis of the top five community indicators in benefit ranking排名 样地
编号群落
类型主要组
成树种单株生态效益排名前10树种
(株数及平均胸径)群落整体平均
胸径/(cm·株−1)群落树种株数
占比/%(排名)1 L21 常绿阔叶型 樟树+广玉兰+棕榈-山茶 三角枫(4株，胸径35.06 cm)、栓皮栎(1株，
胸径45.39 cm)、马尾松(2株，胸径39.33 cm)25.70 3.6(10) 2 L27 常绿落叶阔叶
混交型樟树+栓皮栎+女贞+棕榈+
黄山栾树+枫香黄山栾树(3株，胸径29.47 cm)、朴树(1株，
胸径32.16 cm)、栓皮栎(10株，胸径30.86 cm)20.56 4.0(5) 3 L24 常绿落叶阔叶
混交型枫香+樟树+棕榈 栓皮栎(3株，胸径16.73 cm)、马尾松(2株，
胸径36.22 cm)17.96 4.4(3) 4 L22 常绿落叶阔叶
混交型枫香+樟树+棕榈-山茶 马尾松(2株，胸径34.00 cm) 25.31 2.7(19) 5 L28 常绿阔叶型 樟树+女贞+棕榈 马尾松(1株，胸径42.61 cm)、三角枫(1株，
胸径34.98 cm)、雪松(1株，胸径28.83 cm)20.03 4.3(4) 3. 结论与讨论
本研究采用典型取样法及每木调查法对钱王陵公园32个植物群落内所有符合测量条件的乔、灌木进行实地调查。调查树木共计1 613株，分属39科62属74种。群落树种种类丰富，胸径结构分布合理，呈现出较明显上、中、下层分布。在水平结构上以混交型为主，垂直结构以复层模式为主，且表现出以针阔混交型群落为主的景观风貌。公园内存在常绿树、阔叶树数量占比远超落叶树、针叶树，树木生长类型分布不合理，多数灌木及草本植物生长状况不佳，林间凋落物堆积过厚等问题。这与公园建成时间久远缺乏管理与维护有关。从公园长远发展角度考虑，应基于该公园的纪念性特点，增加落叶树与松柏类针叶树种数和株数，营造庄重、肃穆的纪念氛围，以构建更加完善和稳定的植物群落结构体系。
钱王陵公园32个植物群落年总生态效益为208 588.16元·a−1，节约能源、吸收CO2、改善空气质量和截留雨水生态效益价值分别为48 188.80、98 447.36、4 019.84和57 932.16元·a−1，占比分别为23.10%、47.20%、1.93%和27.77%。这4类效益按照价值量高低排名为吸收CO2、截留雨水、节约能源、改善空气质量。结果与魏云龙[10]研究排名一致，其中吸收CO2生态效益最高，贡献最大。这与树种本身对CO2吸收能力较强有关。不同类型群落生态效益存在明显差异，针阔混交型群落总生态效益最高，占38.38%，表现出显著优势。这是由于该类型群落数量(占38.38%)及树种株数(占35.30%)最多，且水杉、马尾松、雪松等单株平均生态效益高的树种占比大。其次分别为常绿阔叶型、常绿落叶阔叶混交型和竹阔混交型群落；常绿阔叶型群落数量与常绿落叶阔叶混交型群落数量相同，占比为25%。常绿阔叶型群落总生态效益占比为27.61%，树种株数占24.1%；常绿落叶阔叶混交型群落总生态效益占比为26.71%及树种株数占26.20%。竹阔混交型群落在群落数量(占9.37%)及树种株数(占14.5%)上都为最少，导致生态效益占比最低为10.75%。
在城市绿地的建设过程中，i-Tree模型能从资源结构及生态效益方面对植物群落进行定量评估，将不同群落和树种的生态效益以货币形式更直观地展示出来，若将其引入城市绿地植物群落构建的“人工形成—自然进程—人工调控”的动态过程中，将使高生态效益绿地的建设更加具有科学性、高效性和便捷性。由于该模型是基于美国的生态环境而开发的，应用于本研究评估时在树种匹配上有一定的局限性，因此对于国内树种的研究以及完善更新模型基础数据库，使之能够更好地适用于本土树种，是今后重点研究方向。在生态服务功能评估上，由于i-Tree模型限制，只从节约能源、吸收CO2、改善空气质量、截留雨水等4个方面对钱王陵公园生态服务功能价值进行评估。植物群落生态服务功能的种类众多，还包括释放氧气、改良土壤及减少空气中负离子等，因此还需从深度和广度上加以进一步完善和提高。在成本参数上，模型中需要输入清除空气中O3、PM10和VOC等成本参数，因国内未有统一标准，参数获取难度大。在参照国内该模型的相关研究基础上，使用了模型的内置参数进行评估。在以后的研究中，应该建立符合国内情况的处理空气污染物和截留雨水相关参数指标，从而更加完善地运用评估模型对生态效益价值进行评估研究。
-
图 3 期望值和预测值的相关系数
Figure 3 Correlation coefficient between measured and predicted values
表 1 研究区域道路概况
Table 1. Roads’ profile in study area
道路名称 单向车道数 道路走向 道路类型 行政区划 道路名称 单向车道数 道路走向 道路类型 行政区划 南礼士路二条 1 东西 支路 西城 青年沟路 1 东西 次干路 东城 南纬路 2 东西 次干路 西城 先农坛西路 1 南北 支路 西城 燕京北街 1 东西 支路 西城 二七剧场路 1 南北 支路 西城 史家胡同 1 东西 支路 东城 南花市大街 2 南北 次干路 东城 西兴隆街 1 东西 支路 东城 德胜门内大街 2 南北 次干路 西城 崇文门西大街 3 东西 主干道 东城 
下载: 导出CSV
表 2 主成分特征根及方差贡献率
Table 2. Principal component characteristic root and variance contribution rates
主成分 特征根 方差贡献率(wi)/% 累计方差贡献率(W)/% 主成分 特征根 方差贡献率(wi)/% 累计方差贡献率(W)/% F1 1.952 16.264 16.264 F4 1.137 9.477 52.449 F2 1.712 14.267 30.531 F5 1.102 9.179 61.629 F3 1.493 12.441 42.972 F6 1.008 8.396 70.025 说明：F1~F6为前6个主成分。i=1, 2, 3
下载: 导出CSV
表 3 因子载荷矩阵
Table 3. Factor load matrix
指标 主成分 指标 主成分 F1 F2 F3 F4 F5 F6 F1 F2 F3 F4 F5 F6 x1 0.492 −0.312 0.211 −0.168 0.351 0.291 x7 0.781 −0.156 −0.398 0.091 −0.180 0.019 x2 0.409 0.109 0.047 −0.325 0.636 0.148 x8 0.722 −0.280 −0.370 0.169 −0.260 0.045 x3 0.328 0.533 0.369 −0.206 −0.300 0.031 x9 0.272 0.319 0.110 −0.320 0.222 −0.401 x4 0.294 0.534 0.234 −0.174 −0.426 0.002 x10 −0.116 0.066 0.263 0.062 −0.104 0.816 x5 0.161 0.060 0.337 0.696 0.258 −0.164 x11 −0.041 0.675 −0.473 0.043 0.219 0.111 x6 0.290 0.364 0.357 0.518 0.108 −0.012 x12 −0.136 0.482 −0.644 0.177 0.125 0.177
下载: 导出CSV
表 4 基于K-means聚类分析的健康判别结果
Table 4. Health discrimination results based on K-means clustering analysis
健康等级 线性判别分析 健康/株 亚健康/株 不健康/株 濒死/株 总计/株 健康 341 0 0 0 341 亚健康 0 359 0 0 359 不健康 0 0 146 0 146 濒死 0 0 0 24 24 总计 341 359 146 24 870
下载: 导出CSV
表 5 11条道路洋白蜡的健康状况
Table 5. Health condition of F. pennsylvanica in 11 roads
道路名称 健康树 亚健康树 不健康树 濒死树 总数/株 数量/株 比例/% 数量/株 比例/% 数量/株 比例/% 数量/株 比例/% 南礼士路二条 3 5.40 22 39.30 19 33.90 12 21.40 56 南纬路 21 47.70 18 40.90 5 11.40 0 0.00 44 燕京北街 51 63.00 26 32.10 4 4.90 0 0.00 81 史家胡同 10 16.70 34 56.70 13 21.70 3 5.00 60 西兴隆街 38 52.80 29 40.30 4 5.60 1 1.40 72 崇文门西大街 20 30.30 41 62.10 4 6.10 1 1.50 66 青年沟路 69 32.40 79 37.10 60 28.20 5 2.30 213 先农坛西路 18 41.90 22 51.20 3 7.00 0 0.00 43 二七剧场路 24 40.00 22 36.70 13 21.70 1 1.70 60 南花市大街 46 69.70 17 25.80 3 4.50 0 0.00 66 德胜门内大街 41 37.60 49 45.00 18 16.50 1 0.90 109 总数 341 39.20 359 41.26 146 16.78 24 2.76 870
下载: 导出CSV
表 6 胸径对洋白蜡健康状况的影响
Table 6. Effects of DBH on the health status of F. pennsylvanica
胸径/cm 样本量 健康综合得分 平均值±标准差 极小值 极大值 标准误 ≥10~＜20 82 0.96±0.07 ab 0.71 1.15 0.01 ≥20~＜30 354 0.96±0.08 ab 0.39 1.15 0.00 ≥30~＜40 241 0.93±0.11 a 0.45 1.10 0.01 ≥40~＜50 132 0.93±0.09 a 0.45 1.07 0.01 ≥50~＜60 54 0.92±0.10 a 0.47 1.08 0.01 ≥60~＜70 7 0.99±0.06 b 0.88 1.06 0.02 说明：不同字母表示不同胸径间差异显著(P＜0.05)
下载: 导出CSV
表 7 树高对洋白蜡健康状况的影响
Table 7. Effects of tree height on the health status of F. pennsylvanica
树高/m 样本量 健康综合得分 平均值±标准差 极小值 极大值 标准误 ≥0~＜6 8 0.89±0.12 a 0.64 1.00 0.04 ≥6~＜12 494 0.94±0.10 a 0.45 1.15 0.00 ≥12~＜18 339 0.95±0.09 a 0.39 1.15 0.00 ≥18~＜24 29 0.95±0.05 a 0.84 1.05 0.01 说明：不同字母表示不同树高间差异显著(P＜0.05)
下载: 导出CSV
表 8 修枝留茬对洋白蜡健康状况的影响
Table 8. Effects of pruning stubble on the health status of F. pennsylvanica
修枝留茬/个 样本量 健康综合得分 平均值±标准差 极小值 极大值 标准误 0 375 0.97±0.08 b 0.58 1.15 0.00 1 215 0.94±0.10 a 0.39 1.08 0.01 2~3 180 0.92±0.11 a 0.45 1.10 0.01 ＞3 100 0.92±0.08 a 0.56 1.06 0.01 说明：不同字母表示不同修枝留茬数间差异显著(P＜0.05)
下载: 导出CSV
表 9 树池防踩铺装情况对洋白蜡健康状况的影响
Table 9. Effects of anti-stepping paving condition on the health status of F. pennsylvanica
防踩铺装 样本量 健康综合得分 平均值±标准差 极小值 极大值 标准误 无铺装 103 0.88±0.12 a 0.45 1.05 0.01 透水性强铺装 748 0.95±0.09 b 0.39 1.15 0.00 透水性差铺装 19 0.91±0.10 a 0.62 1.03 0.02 说明：不同字母表示不同防踩铺装间差异显著(P＜0.05)
下载: 导出CSV
表 10 株距对洋白蜡健康状况的影响
Table 10. Effects of plant spacing on the health status of F. pennsylvanica
株距/m 样本量 健康综合得分 平均值±标准差 极小值 极大值 标准误 ≥0~＜5 68 0.90±0.11 a 0.45 1.09 0.01 ≥5~＜10 750 0.95±0.09 b 0.39 1.15 0.00 ≥10 52 0.94±0.09 b 0.66 1.05 0.01 说明：不同字母表示不同株距间差异显著(P＜0.05)
下载: 导出CSV
表 11 树池面积对洋白蜡健康状况的影响
Table 11. Effects of tree pool area on the health status of F. pennsylvanica
树池面积/m2 样本量 健康综合得分 平均值±标准差 极小值 极大值 标准误 ≥0~＜1 9 0.90±0.10 a 0.64 0.99 0.03 ≥1~＜2 772 0.95±0.09 b 0.39 1.15 0.00 ≥2 89 0.90±0.11 a 0.45 1.04 0.01 说明：不同字母表示不同树池面积间差异显著(P＜0.05)
下载: 导出CSV
表 12 单向车道数对洋白蜡健康状况的影响
Table 12. Effects of the number of unidirectional traffic lanes on the health status of F. pennsylvanica
单向车
道数/条样本量 健康综合得分 平均值±标准差 极小值 极大值 标准误 1 585 0.93±0.10 a 0.39 1.12 0.00 2 219 0.97±0.07 b 0.64 1.15 0.00 3 66 0.95±0.06 ab 0.70 1.07 0.01 说明：不同字母表示不同单向车道数间差异显著(P＜0.05)
下载: 导出CSV
表 13 车道走向对洋白蜡健康状况的影响
Table 13. Effects of directions of traffic lanes on the health status of F. pennsylvanica
车道走向 样本量 健康综合得分 平均值±标准差 极小值 极大值 标准误 东西 592 0.94±0.10 a 0.39 1.15 0.00 南北 278 0.96±0.07 b 0.64 1.15 0.00 说明：不同字母表示不同车道走向间差异显著(P＜0.05)
下载: 导出CSV
-
[1] 周姝雯, 高菲, 马克明. 基于ENVI-met模型的北京市典型道路行道树树种优化研究[J]. 中国园林, 2020, 36(6): 141 − 144. ZHOU Shuwen, GAO Fei, MA Keming. Research on species optimization of typical road trees in Beijing based on ENVI-met [J]. Chin Landscape Archit, 2020, 36(6): 141 − 144. [2] 汪瑛. 北京市行道树结构分析与健康评价[D]. 北京: 中国林业科学研究院, 2011. WANG Ying. The Structural Analysis and Health Assessment of Roadside Trees in Beijing [D]. Beijing: Chinese Academy of Forestry, 2011. [3] CHOW W T L, ROTH M. Temporal dynamics of the urban heat island of Singapore [J]. Int J Climatol, 2006, 26(15): 2243 − 2260. [4] 潘辉, 刘晓华, 黄石德, 等. 城市行道树对道路空间CO浓度的影响[J]. 福建林学院学报, 2008, 28(4): 356 − 360. PAN Hui, LIU Xiaohua, HUANG Shide, et al. Effects of urban forest trees on CO concentration in street space [J]. J Fujian Coll For, 2008, 28(4): 356 − 360. [5] FERNÁNDEZ-JURICIC E. Avifaunal use of wooded streets in an urban landscape [J]. Conserv Biol, 2000, 14(2): 513 − 521. [6] 邵鹏. 北京城市核心区国槐行道树健康评价研究[D]. 北京: 北京林业大学, 2020. SHAO Peng. A Study on Health Assessment of Sophora japonica Street Trees in Beijing Urban Core Area [D]. Beijing: Beijing Forestry University, 2020. [7] 翁殊斐, 黎彩敏, 庞瑞君. 用层次分析法构建园林树木健康评价体系[J]. 西北林学院学报, 2009, 24(1): 177 − 181. WENG Shufei, LI Caimin, PANG Ruijun. Establishment of landscaping tree health assessment model using analytic hierarchy process [J]. J Northwest For Univ, 2009, 24(1): 177 − 181. [8] 游惠明, 游秀花, 陈笑玲, 等. 福州市行道树种综合评价与分级选择[J]. 中国城市林业, 2009, 7(1): 15 − 17. YOU Huiming, YOU Xiuhua, CHEN Xiaoling, et al. Integrated evaluation and selection of street trees species in Fuzhou City [J]. J Chin Urban For, 2009, 7(1): 15 − 17. [9] 罗贵斌. 汉中市中心城区常绿行道树综合评价[J]. 西北林学院学报, 2016, 31(2): 302 − 308. LUO Guibin. Comprehensive evaluation of the evergreen streettrees planted in the downtown of Hanzhong city [J]. J Northwest For Univ, 2016, 31(2): 302 − 308. [10] 李佳慧, 彭祚登, 刘勇, 等. 北京市首都功能核心区国槐健康评价及其影响因素研究[J]. 西北农林科技大学学报(自然科学版), 2021, 49(1): 64 − 73. LI Jiahui, PENG Zuodeng, LIU Yong, et al. Health evaluation and influencing factors of Sophora japonica in the capital functional core area of Beijing [J]. J Northwest A&F Univ Nat Sci Ed, 2021, 49(1): 64 − 73. [11] 杜甲宝, 潘盼, 杨芳绒. 主成分分析法在郑州市行道树综合性能评价研究中的应用[J]. 西北林学院学报, 2009, 24(3): 190 − 193. DU Jiabao, PAN Pan, YANG Fangrong. Application of principal component analysis method in the comprehensive function assessment of the street trees in Zhengzhou [J]. J Northwest For Univ, 2009, 24(3): 190 − 193. [12] 郄光发, 彭镇华, 王成. 北京城区银杏行道树生长现状与健康状况研究[J]. 林业科学研究, 2013, 26(4): 511 − 515. QIE Guangfa, PENG Zhenhua, WANG Cheng. Growth and health status of Ginkgo biloba in Beijing urban street area [J]. Res For, 2013, 26(4): 511 − 515. [13] 莫训强, 闫维, 陈小奎, 等. 活力度分级法在天津空港经济区行道树健康评价中的应用[J]. 国土与自然资源研究, 2012(1): 88 − 90. MO Xunqiang, YAN Wei, CHEN Xiaokui, et al. Application of street trees’ vigorous degree in greening management: a case of Tianjin airport economic area [J]. Territ Nat Resour Study, 2012(1): 88 − 90. [14] 马志林, 陈丽华, 于显威, 等. 北京西山地区不同林分健康状况比较研究[J]. 生态环境学报, 2010, 19(3): 646 − 651. MA Zhilin, CHEN Lihua, YU Xianwei, et al. Study on health assessment and comparison of different tree species in the west-mountains area, Beijing [J]. Ecol Environ Sci, 2010, 19(3): 646 − 651. [15] 姬文元, 邢韶华, 郭宁, 等. 川西米亚罗林区云冷杉林健康状况评价[J]. 林业科学, 2009, 45(3): 13 − 18. JI Wenyuan, XING Shaohua, GUO Ning, et al. Health evaluation on spruce and fir forests in Miyaluo of the western Sichuan [J]. Sci Silv Sin, 2009, 45(3): 13 − 18. [16] 朱宇, 刘兆刚, 金光泽. 大兴安岭天然落叶松林单木健康评价[J]. 应用生态学报, 2013, 24(5): 1320 − 1328. ZHU Yu, LIU Zhaogang, JIN Guangze. Health assessment of individual trees in natural Larix gmelinii forest in Great Xing’ an mountains of China [J]. Chin J Appl Ecol, 2013, 24(5): 1320 − 1328. [17] 张楠, 董丽, 郝培尧, 等. 北京市中心城区行道树结构的研究[J]. 中南林业科技大学学报, 2014, 34(5): 101 − 106. ZHANG Nan, DONG Li, HAO Peiyao, et al. Study on structure of street trees in central districts of Beijing [J]. J Cent South Univ For Technol, 2014, 34(5): 101 − 106. [18] 余韵. 北京城市核心区白蜡行道树健康评价研究[D]. 北京: 北京林业大学, 2020. YU Yun. A Study on Health Assessment of Roadside Trees Fraxinus ssp. in Core Area of Beijing [D]. Beijing: Beijing Forestry University, 2020. [19] 北京市市场监督管理局. 城市树木健康诊断技术规程: DB11/T 1692—2019 [S]. 北京: 中国标准出版社, 2019. Beijing Municipal Bureau of Market Supervision and Administration. Technical Regulations for Health Diagnosis of Urban Trees: DB11/T 1692−2019 [S]. Beijing: China Quality and Standards Publishing & Media Co. , Ltd. [20] HAN Xin, WEI Zheng, ZHANG Baozhong, et al. Crop evapotranspiration prediction by considering dynamic change of crop coefficient and the precipitation effect in back-propagation neural network model[J/OL]. J Hydrol, 2021, 596(3/4): 126104[2021-12-10]. doi: 10.1016/j.jhydrol.2021.126104. [21] 雷廷, 贾军元, 田福金, 等. 基于BP神经网络预测岩石导热系数[J]. 世界地质, 2021, 40(1): 131 − 139. LEI Ting, JIA Junyuan, TIAN Fujin, et al. Prediction of rock thermal conductivity based on BP neural network [J]. Glob Geol, 2021, 40(1): 131 − 139. [22] KUMAR M, RAGHUWANSHI N S, SINGH R. Artificial neural networks approach in evapotranspiration modeling: a review [J]. Irrig Sci, 2011, 29(1): 11 − 25. [23] HUANG Xiaoqiao, LI Qiong, TAI Yonghang, et al. Hybrid deep neural model for hourly solar irradiance forecasting [J]. Renewable Energy, 2021, 171: 1041 − 1060. [24] 赵丹, 李锋, 王如松. 城市地表硬化对植物生理生态的影响研究进展[J]. 生态学报, 2010, 30(14): 3923 − 3932. ZHAO Dan, LI Feng, WANG Rusong. Effects of ground surface hardening on plant eco-physiological progress inurban landscape [J]. Acta Ecol Sin, 2010, 30(14): 3923 − 3932. [25] 李科科, 李延明, 丛日晨, 等. 模拟道路种植环境对银杏生长的影响[J]. 中国园林, 2020, 36(7): 117 − 122. LI Keke, LI Yanming, CONG Richen, et al. Simulating the influence of road planting environment on the growth of Ginkgo biloba [J]. Chin Landscape Archit, 2020, 36(7): 117 − 122. [26] 吴迪. 基于日照分析的郑州市行道树配置模式研究[D]. 郑州: 河南农业大学, 2018. WU Di. Configuration Models Research of Avenue Trees Based on Sunlight Analysis in Zhengzhou City[D]. Zhengzhou: Henan Agricultural University, 2018. 期刊类型引用(7)
1. 余显显，武一帆，孔令鹏，赵玉西，王泳涵，杨眉佳，吴国玺. 基于i-Tree Eco模型的滨河景观生态效益分析——以许昌市饮马河北段为例. 国土与自然资源研究. 2025(02): 81-86 . 
百度学术2. 姚晓洁，杜存刚. 基于i-Tree模型的公园植物群落与生态效益研究——以蚌埠市张公山公园为例. 长春大学学报. 2025(02): 35-41 . 百度学术3. 圣倩倩，周成宇，祝遵凌. 城市绿化生态功能评价研究进展——基于CiteSpace知识图谱分析. 江苏林业科技. 2023(01): 51-57 . 百度学术4. 谢雪咏，张鲲，陈治儒，谭小昱，廖晨阳. 城市公园植物群落生态效益与游憩满意度评价——以成都市东湖公园为例. 建筑与文化. 2023(12): 233-236 . 百度学术5. 刘小冬，陈海涛，罗立杰，潘晨. 城市公园乔木群落特征与多样性分析——以广州市为例. 现代园艺. 2022(19): 43-45 . 百度学术6. 姚侠妹，偶春，夏璐，姚晓洁，陈媛媛，王宁馨. 安徽沿淮地区小城镇主要景观树种固碳释氧和降温增湿效益评估. 生态学杂志. 2021(05): 1293-1304 . 百度学术7. 盛超群，蒋文伟. 秋季城市公园绿地小气候环境与人体舒适度实测研究. 现代农业研究. 2021(12): 93-94 . 百度学术其他类型引用(7)
-
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20220109
点击查看大图
计量
- 文章访问数: 597
- HTML全文浏览量: 114
- PDF下载量: 13
- 被引次数: 14
