南京市不同純林群落結(jié)構(gòu)參數(shù)與夏季降溫增濕效應(yīng)關(guān)系研究

佘思玥 魏家星 王楠琪 賀奕堯 姜衛(wèi)兵

摘要： 以往關(guān)于植物降溫增濕效應(yīng)主要基于綠帶等大尺度測(cè)量和利用光合儀對(duì)葉片進(jìn)行微觀測(cè)量分析研究，模糊了植物群落結(jié)構(gòu)差異的影響。該研究基于純林群落的小尺度實(shí)測(cè)，采用stata虛擬變量回歸分析法，探討了降溫增濕作用與群落疏透度、郁閉度的影響關(guān)系，并提出群落參數(shù)的最優(yōu)閾值。結(jié)果表明：郁閉度和降溫、增濕作用均呈顯著的正相關(guān)，而疏透度和降溫、增濕作用分別呈正相關(guān)和負(fù)相關(guān)，但影響都不顯著。郁閉度在0.81～0.85，疏透度在0.31～0.35時(shí)，植物群落降溫作用和增濕作用最優(yōu)。同時(shí)，該文將樹(shù)種類(lèi)型作為一個(gè)相關(guān)因素，得出在降溫作用上，楓香林和紫荊林的降溫效果和廣玉蘭林相比無(wú)顯著差異，而櫻花林、雞爪槭林、香樟林、紅楓林的降溫效果呈極顯著性差異；在增濕作用上，桂花林、香樟林和紅楓林的增濕效果和廣玉蘭林相比無(wú)顯著差異，而烏桕、紫荊林的增濕效果差異顯著。該研究結(jié)果為通過(guò)城市綠化建設(shè)緩解熱島效應(yīng)的植物配置選擇提供了科學(xué)依據(jù)，同時(shí)為城市綠地緩解熱島效應(yīng)評(píng)價(jià)體系提供了量化的參考模式。

關(guān)鍵詞： 純林群落， 熱島效應(yīng)， 郁閉度， 疏透度， 虛擬變量回歸

中圖分類(lèi)號(hào)： Q948文獻(xiàn)標(biāo)識(shí)碼： A文章編號(hào)： 10003142（2018）03036109

廣西植物38卷3期佘思玥等： 南京市不同純林群落結(jié)構(gòu)參數(shù)與夏季降溫增濕效應(yīng)關(guān)系研究收稿日期： 2017-09-27

基金項(xiàng)目： 國(guó)家自然科學(xué)基金 （31200530） [Supported by the National Natural Science Foundation of China （31200530）]。

作者簡(jiǎn)介： 佘思玥（1993-），女，湖南邵陽(yáng)人，碩士研究生，主要從事園林植物生態(tài)與應(yīng)用研究，（Email）791016661@qq.com。

*通信作者： 姜衛(wèi)兵，教授，主要從事園林園藝作物資源與生理生態(tài)研究，（Email）weibingj@njau.edu.cn。Correlation between community structure parameters

of pure forests and temperature reduction

and humidity increase in summer

SHE Siyue， WEI Jiaxing， WANG Nanqi， HE Yiyao， JIANG Weibing*

（ College of Horticulture， Nanjing Agricultural University， Nanjing 210095， China ）

Abstract： In the early research， the temperature reduction and humidity increase of plants were mainly based on big scale measurement such as green belt and microcosmic research in the scale of leaves in use of photosynthesis equipment， ignoring the effects of tree types and structural characteristics of communities in the dimension of quantification. We investigated the correlation among the effects of temperature reduction and humidity increase， canopy porosity and density based on small scale of pure forest， using dummy variable regression analysis. Furthermore， in order to obtain certain conclusion in the range of our research， we also put forward the optimal interval of structural parameter. The results showed canopy density was significantly positively correlated with both temperature reduction and humidity increase. While canopy porosity was positively correlated with temperature reduction and negatively correlated with humidity increase ， but there was no significant difference. The pure forests could elaborate maximum function of releasing thermal island effect when canopy porosity ranged from 0.81 to 0.85 and canopy density ranged from 0.31 to 0.35. At the same time， we took the types of pure tree as related factors. The results showed there was no significant difference among Liquidambar formosana， Cercis chinensis and Magnolia grandiflora. And we also found significant difference appeared in Cerasus， Acer palmatum， Cinnamomum camphora and Acer palmatum ‘Atropurpureum and Cerasus when it comes to temperature reduction effect. As for humidity increase that the pure forests played， we can see Osmanthus fragrans， Cinnamomum camphora， Acer palmatum ‘Atropurpureum showed no difference compared to Magnolia grandiflora while there were significant differences between Sapium sebiferum and Cercis chinensis. This study provides a scientific basis for the selection of plant configurations to alleviate the heat island effect through urban greening， and provides a quantitative reference model for the urban green space to mitigate the heat island effect evaluation system， which has farreaching impact in the ecology field.

Key words： pure forests， thermal island effect， canopy density， canopy porosity， dummy variable regression

城市植被作為城市生態(tài)環(huán)境的重要組成部分，是構(gòu)成城市生態(tài)系統(tǒng)中唯一執(zhí)行自然“納污吐新”負(fù)反饋機(jī)制的子系統(tǒng)。植物通過(guò)自身的光合、蒸騰等生理作用不僅可以調(diào)節(jié)小范圍的空氣質(zhì)量，而且也可以調(diào)節(jié)小氣候的溫濕度。已有城市綠地生態(tài)功能的實(shí)證研究，證實(shí)了綠地降溫增濕效應(yīng)及其限制因子。例如，馬秀梅和李吉躍（2007）利用便攜式氣象站分別測(cè)定城市林蔭道、草坪和廣場(chǎng)對(duì)小氣候的影響，得出林蔭道有較好的降溫保濕效果；劉嬌妹等（2008）的研究證實(shí)，只有在綠地覆蓋率大于60%時(shí)，綠地的降溫增濕效果才會(huì)明顯，且喬灌草復(fù)合型綠地的效果優(yōu)于純草坪。因而作為城市綠地生態(tài)系統(tǒng)的一個(gè)組成部分，植被結(jié)構(gòu)的優(yōu)化配置對(duì)于改善城市熱島效應(yīng)具有積極作用。

國(guó)內(nèi)外學(xué)者已在不同綠化樹(shù)種群落的降溫增濕能力（Lin et al，2010；張明麗等，2008；韓煥金和周用武，2007）、植物群落垂直類(lèi)型的影響（馬秀枝等，2011；紀(jì)鵬等，2012）、植物群落冠層結(jié)構(gòu)特征的影響（Peter & Mcfadden，2010；秦仲等，2015）、城市公園綠地中喬木覆蓋率的影響（朱春陽(yáng)等，2013；紀(jì)鵬等，2012）等方面對(duì)植物群落降溫增濕的效應(yīng)和限制因子進(jìn)行了研究。研究機(jī)制集中在對(duì)單株葉片進(jìn)行光合儀測(cè)定和大尺度的公園綠地的環(huán)境因子實(shí)測(cè)，尚缺乏對(duì)小尺度樹(shù)種群落的研究對(duì)象選擇，而且樣地選擇城市公園純林群落更為少見(jiàn)。目前，定量解析樹(shù)種群落結(jié)構(gòu)參數(shù)與緩解熱島效應(yīng)的研究并不多見(jiàn)，且一般多為傳統(tǒng)的定性描述為主，集中在相關(guān)性等淺顯層面。前人大多采用傳統(tǒng)散點(diǎn)圖和相關(guān)性分析，彼此探究的因子相互獨(dú)立，未能消除其相互影響以及形成直觀的數(shù)據(jù)趨勢(shì)變化圖。

虛擬變量回歸分析在生態(tài)學(xué)領(lǐng)域的應(yīng)用，多集中在自然森林群落和城市氣象監(jiān)測(cè)點(diǎn)。如陶偉國(guó)等（2007）分類(lèi)建立了產(chǎn)草量與4種植被指數(shù)的回歸估產(chǎn)模型，找出了3種利用狀況下的鮮草產(chǎn)量最優(yōu)混合估算模型和估算指數(shù)。謝心慶和許英（2015）通過(guò)對(duì)西安市一個(gè)空氣質(zhì)量監(jiān)測(cè)點(diǎn)添加虛擬變量及因子分析提取因子的方法，將強(qiáng)相關(guān)因素、提取的天氣、溫度、風(fēng)力和風(fēng)向因子與PM2.5濃度觀測(cè)值進(jìn)行回歸預(yù)測(cè)。因此，通過(guò)對(duì)實(shí)測(cè)數(shù)據(jù)的整理和分析，引進(jìn)虛擬變量回歸分析法，能對(duì)城市園林與綠地規(guī)劃研究中群落結(jié)構(gòu)參數(shù)與其最優(yōu)生態(tài)功能發(fā)揮之間的關(guān)系有較為清晰的認(rèn)知。本研究選取了南京明外郭風(fēng)光帶示范段的9個(gè)純林綠化樹(shù)種，在植物群落結(jié)構(gòu)特征相關(guān)參數(shù)調(diào)研的基礎(chǔ)上，通過(guò)實(shí)時(shí)監(jiān)測(cè)記錄小環(huán)境的溫度、相對(duì)濕度的變化，引入虛擬變量構(gòu)建計(jì)量模型，比對(duì)不同群落結(jié)構(gòu)降溫增濕最優(yōu)區(qū)間并檢驗(yàn)估計(jì)結(jié)果，為通過(guò)城市綠化建設(shè)緩解熱島效應(yīng)的植物配置選擇提供科學(xué)依據(jù)，同時(shí)為城市綠地緩解熱島效應(yīng)評(píng)價(jià)體系提供量化的參考模式。

1材料與方法

1.1 研究區(qū)概況

位于長(zhǎng)江下游的南京地區(qū)，屬于北亞熱帶季風(fēng)氣候區(qū)，常年平均降雨117 d，平均降雨量為1 106.5 mm，相對(duì)濕度為76%。年平均氣溫為15.5 ℃，1月份平均氣溫為2.3 ℃，7月份平均氣溫為25.3 ℃。2015年，全市空氣質(zhì)量達(dá)到二級(jí)標(biāo)準(zhǔn)的天數(shù)為235 d，達(dá)標(biāo)率為64.4%，未達(dá)到二級(jí)標(biāo)準(zhǔn)的天數(shù)為130 d，首要污染物為PM2.5。

樣地選擇南京純林群落特征最為典型，且建成時(shí)間一致的明外郭風(fēng)光帶的示范段（坐標(biāo)118°54′—118°55′E，32°6′ N）進(jìn)行植物群落結(jié)構(gòu)特征調(diào)研和大氣顆粒物等數(shù)據(jù)測(cè)定。該樣地所測(cè)氣象數(shù)據(jù)與南京國(guó)家基準(zhǔn)氣候站（坐標(biāo)118°55′ E，32°56′ N）的氣象數(shù)據(jù)基本一致，占地140 000 m2左右。隨著大小龜山建設(shè)，大量種植廣玉蘭、桂花、櫻花等樹(shù)種，綠化覆蓋率超過(guò)80%。

1.2 樣地選擇

選擇明外郭風(fēng)光帶示范段的有代表性、出現(xiàn)頻率較高、樹(shù)齡一致且具有良好生長(zhǎng)勢(shì)的9種單一純林樹(shù)種進(jìn)行試驗(yàn)，試驗(yàn)群落的周?chē)h(huán)境相似，下墊面一致，均為沿階草、麥冬和雜草，林下植物覆蓋率為80%～90%。所試驗(yàn)的林帶高度在5.0～6.5 m的范圍，寬度為50～70 m，樣地距離林緣在20～40 m之間。在所選擇的試驗(yàn)群落內(nèi)劃分出一個(gè)30 m×30 m的樣方，按照東西南北四個(gè)方向均勻布點(diǎn)的方式在每個(gè)樣方中設(shè)置9個(gè)測(cè)量點(diǎn)。此外，為盡可能使對(duì)照點(diǎn)與各個(gè)群落的環(huán)境背景一致并排除其他因子的影響，將對(duì)照點(diǎn)設(shè)置為靠近公園大門(mén)的裸地，下墊面為混泥土，距離試驗(yàn)樹(shù)種群落距離50 m。為了保證測(cè)定數(shù)據(jù)的可靠性和可比性，所選群落立地條件相似、均遠(yuǎn)離水域和人工建筑，人可自由進(jìn)入，且各群落內(nèi)部樹(shù)種結(jié)構(gòu)、郁閉度、疏透度等特征具有一定差異，具體布點(diǎn)方式如下圖1，群落概況如下表1。

1.3 虛擬變量回歸模型構(gòu)建

在經(jīng)濟(jì)計(jì)量分析中，利用回歸模型方法對(duì)經(jīng)濟(jì)現(xiàn)象的變化進(jìn)行描述、模擬和預(yù)測(cè)是經(jīng)常使用的方法。虛擬變量的基本功能是將品質(zhì)型數(shù)據(jù)轉(zhuǎn)化為數(shù)值型數(shù)據(jù)，以便于將一些不能直接量化的因素引入到統(tǒng)計(jì)模型中加以研究。虛擬變量模型的基本應(yīng)用主要在三個(gè)方面：一是對(duì)事物的結(jié)構(gòu)變化進(jìn)行分析；二是構(gòu)造分段回歸模型；三是刻畫(huà)屬性變量間的交互效應(yīng)。

影響樹(shù)種群落發(fā)揮其緩解熱島效應(yīng)的主要因素有郁閉度、疏透度和樹(shù)種種類(lèi)等。而這些特征參數(shù)又是互相影響的，采用傳統(tǒng)的單一散點(diǎn)圖并不能綜合反映這些變量相互影響的效應(yīng)。因此，本研究首先量化虛擬變量，構(gòu)造分段回歸模型，分別建立溫濕度與兩個(gè)群落結(jié)構(gòu)參數(shù)以及樹(shù)種種類(lèi)的回歸方程，然后列表得出基于虛擬變量的每個(gè)測(cè)量指標(biāo)的回歸模型結(jié)果，從而找到群落發(fā)揮不同生態(tài)功能所對(duì)應(yīng)相對(duì)最優(yōu)的群落結(jié)構(gòu)參數(shù)區(qū)間。

采用Xi命令定義降溫量、增濕量均值為y，分別建立每個(gè)生態(tài)功能績(jī)效值和三個(gè)自變量的耦合回歸方程表達(dá)式。對(duì)應(yīng)方程表達(dá)式如下：

y=∑7i=2ai vcci+∑7j=2bjvcpj+∑9k=2cktypek+cons

式中，ai，bj，ck分別為自變量vcc、vcp、type的系數(shù)， 規(guī)定vcc1、vcp1、type1為試驗(yàn)點(diǎn)內(nèi)部的對(duì)照

1.4 數(shù)據(jù)描述

1.4.1 測(cè)試時(shí)間及指標(biāo)為消除天氣變化可能帶的誤差，本研究選擇晴朗無(wú)風(fēng)或微風(fēng)的典型夏季炎熱天氣（午間最高溫達(dá)到41 ℃），試驗(yàn)周期為2016年7月30日—8月1日連續(xù)3 d；在常規(guī)游憩時(shí)間（8：00—18：00）內(nèi)，每隔2 h進(jìn)行測(cè)定。測(cè)試指標(biāo)為群落內(nèi)植物胸徑、冠幅、郁閉度、疏透度以及空氣溫度、相對(duì)濕度。本研究中將增溫降濕量定義為與對(duì)照點(diǎn)的差值絕對(duì)值。具體公式如下：

降溫量=對(duì)照點(diǎn)日均溫度值-試驗(yàn)點(diǎn)日均溫度值，增濕量=試驗(yàn)點(diǎn)日均濕度值-對(duì)照點(diǎn)日均濕度值。

1.4.2 測(cè)量方法采用NK4000手持式移動(dòng)氣象站測(cè)定各樣點(diǎn)空氣溫度、相對(duì)濕度，測(cè)量高度為1.5 m（人體對(duì)環(huán)境因子最敏感的感知高度），每個(gè)樣點(diǎn)每時(shí)間點(diǎn)重復(fù)測(cè)量3次，取平均值為該試驗(yàn)點(diǎn)的實(shí)測(cè)值。

遵循“典型性、代表性、一致性”原則，在每個(gè)群落的試驗(yàn)點(diǎn)實(shí)地測(cè)量記錄其胸徑、冠幅、樹(shù)高和枝下高取平均值，以便掌握其群落結(jié)構(gòu)及相關(guān)參數(shù)。

測(cè)量群落郁閉度和疏透度主要借助數(shù)字圖像處理法。由于單一樹(shù)林面積較大，不同位置的疏密程度存在一定差異，為了更好的記錄每個(gè)試驗(yàn)點(diǎn)的所處環(huán)境差異，用數(shù)碼相機(jī)（cannon 650D）拍攝所有試驗(yàn)點(diǎn)的垂直影像，計(jì)算透光孔隙在影像垂直面上的投影面積與林帶要素投影總面積的比值，即得到該試驗(yàn)點(diǎn)的疏透度；保持鏡頭水平，外接魚(yú)眼鏡頭在每個(gè)群落的9個(gè)測(cè)點(diǎn)處距離地面1.5 m向群落冠層拍照，將所得半球面冠層數(shù)字圖像用Adobe Photoshop CS6進(jìn)行相應(yīng)的處理分析，得到該群落各個(gè)樣點(diǎn)的郁閉度。

1.4.3 自變量確定自變量設(shè)置為虛擬變量，包括試驗(yàn)點(diǎn)的郁閉度（vcc）、試驗(yàn)點(diǎn)的疏透度（vcp）、試驗(yàn)點(diǎn)所屬的群落種類(lèi)（type）。

1.4.4 虛擬變量賦值（1）郁閉度（vcc）：試驗(yàn)點(diǎn)所測(cè)得的郁閉度集合區(qū)間為0.60～0.95，此變量為有序分類(lèi)變量，故量化時(shí)派生出6個(gè)啞變量，分別為vcc2（郁閉度0.65～0.70）、vcc3（郁閉度0.71～0.75）、vcc4（郁閉度0.76～0.80）、vcc5（郁閉度0.81～0.85）、vcc6（0.86～0.90）、vcc7（郁閉度0.91～0.95）。（2）疏透度（vcp）：試驗(yàn)點(diǎn)所測(cè)得的郁閉度集合區(qū)間為0.15～0.60，此變量為有序分類(lèi)變量，根據(jù)其分布頻率，量化時(shí)派生出6個(gè)啞變量，分別為vcp2（疏透度0.26～0.30）、vcp3（疏透度0.31～0.35）、vcp4（疏透度0.36～0.40）、vcp5（疏透度0.41～0.45）、vcp6（疏透度0.46～0.50）、vcp7（疏透度0.51～0.60）。（3）群落樹(shù)種種類(lèi)（type）：試驗(yàn)樣地一共有9個(gè)純林，此變量為等量分布的無(wú)序變量，量化時(shí)派生出8個(gè)啞變量，分別為type2（櫻花）、type3（雞爪槭）、type4（楓香）、type5（烏桕）、type6（桂花）、type7（紫荊）、type8（香樟）、type9（紅楓）。

2結(jié)果與分析

2.1 降溫量回歸方程及相關(guān)性的檢驗(yàn)

降溫量在顯著水平為1%的情況下通過(guò)了F檢驗(yàn)，試驗(yàn)回歸結(jié)果達(dá)到極顯著差異（P<0.01），且R2=0.88，說(shuō)明曲線(xiàn)的整體回歸擬合結(jié)果較好。

從表2可以看出，郁閉度前的系數(shù)均為正值，說(shuō)明其與降溫量成正相關(guān)關(guān)系，且系數(shù)也呈增大趨勢(shì)，說(shuō)明在一定程度上郁閉度增大能增加對(duì)降溫量的正向影響。在1%的水平上呈極顯著性差異。說(shuō)明在一定范圍內(nèi)，隨著試驗(yàn)點(diǎn)郁閉度的增加，植物群落溫度與對(duì)照裸地的差值越大，其日均溫度越低，降溫效果越好。疏透度前的各項(xiàng)系數(shù)也為正值，說(shuō)明疏透度對(duì)降溫量有正面影響，在0.26～0.35區(qū)間達(dá)到10%差異顯著水平，在0.46～0.50區(qū)間上呈極顯著，說(shuō)明疏透度對(duì)此區(qū)間的降溫影響最大。從表2可以看出，樹(shù)種之間的顯著性測(cè)試可以看出，楓香林和紫荊林的降溫效果和廣玉蘭林相比無(wú)顯著差異，而櫻花林、雞爪槭林、香樟林、紅楓林的降溫效果呈極顯著性差異。

2.2 增濕量回歸方程及相關(guān)性的檢驗(yàn)

相對(duì)濕度變化值為百分?jǐn)?shù)，將百分?jǐn)?shù)換算導(dǎo)入stata軟件進(jìn)行計(jì)算。增濕量在顯著水平為1%的情況下試驗(yàn)回歸結(jié)果通過(guò)了F檢驗(yàn)，達(dá)到極顯著差異（P<0.01），且R2=0.84，說(shuō)明曲線(xiàn)的整體回歸擬合結(jié)果較好。由表3可知，郁閉度變量前的參數(shù)均為正，即郁閉度和增濕量成正相關(guān)關(guān)系，且均具有顯著相關(guān)性。疏透度變量前的參數(shù)均為負(fù)，表示疏透度對(duì)增濕量有著負(fù)面影響，即在一定

范圍內(nèi)，群落橫截面的孔隙率越大，空氣流通越活躍，導(dǎo)致增濕效果變差，但顯著性較低。從表3中樹(shù)種虛擬變量的P值分布看出，桂花林、香樟林和紅楓林的增濕效果和廣玉蘭林相比無(wú)顯著差異， 而

烏桕林、紫荊林的增濕效果差異顯著。

2.3 基于虛擬變量的回歸模型均值分析

在植物群落生態(tài)學(xué)中，郁閉度和疏透度是表征植物群落結(jié)構(gòu)疏密程度的常用參數(shù)指標(biāo)。為了更深入地探究不同純林對(duì)降溫增濕的具體影響趨勢(shì)，找到植物發(fā)揮不同生態(tài)效益所對(duì)應(yīng)郁閉度和疏透度的相對(duì)較優(yōu)區(qū)間，我們用列表法對(duì)這兩個(gè)變量回歸模型的均值進(jìn)行了分析。

2.3.1 郁閉度、疏透度與降溫量的回歸模型均值從表4可以看出，排除個(gè)別值影響，對(duì)于同一疏透度區(qū)間，隨著郁閉度的增加，試驗(yàn)點(diǎn)降溫量大體上呈現(xiàn)增加趨勢(shì)，較低郁閉度的降溫量總量明顯小于較高郁閉度對(duì)應(yīng)的降溫量。表4表明，郁閉度達(dá)到0.9以上，降溫量反而呈現(xiàn)下降趨勢(shì)。說(shuō)明基于外界環(huán)境和植物自身生長(zhǎng)特性的綜合因素影響，在一定測(cè)度范圍的群落內(nèi)，植物種植密度越大，對(duì)溫度的降低效果越好；但是如果種植過(guò)于緊密，不利于植物群落內(nèi)部空氣擴(kuò)散和流通，導(dǎo)致降溫效果受到影響。為使增濕量保持在一個(gè)較高的水平，群落郁閉度的最優(yōu)區(qū)間為0.81～0.85，此時(shí)對(duì)應(yīng)疏透度的最優(yōu)區(qū)間為0.31～0.35。

2.3.2 郁閉度、疏透度與增濕量的回歸模型均值從表5可以看出，排除個(gè)別值影響，對(duì)于同一疏透度區(qū)間，隨著郁閉度的增加，試驗(yàn)點(diǎn)增濕量呈現(xiàn)顯著的增加趨勢(shì)，即與郁閉度的正相關(guān)性顯著。而較低疏透度整體的增濕量大于較高疏透度，對(duì)增濕效果表現(xiàn)出一定的負(fù)面影響。綜上所述，為使增濕量保持在一個(gè)較高的水平，此時(shí)群落郁閉度的最優(yōu)區(qū)間為0.81～0.85，疏透度的最優(yōu)區(qū)間為0.31～0.35。

3討論

植物群落可通過(guò)自身的冠層結(jié)構(gòu)和生理活動(dòng)，反射和吸收部分太陽(yáng)福射，使地面接收的凈福射減少，且吸收的凈福射通過(guò)蒸騰作用和光合作用等生理過(guò)程轉(zhuǎn)化為化學(xué)能，從而影響地表的熱量平衡狀況，使環(huán)境熱量顯著減少。周立晨等（2005）、高凱等（2009）、秦仲等（2015）研究結(jié)果得到葉面積指數(shù)和郁閉度與溫濕效應(yīng)呈顯著相關(guān)。秦仲等（2012）通過(guò)對(duì)北京植物園14個(gè)植物群落的溫濕度進(jìn)行測(cè)定，得出郁閉度與群落降溫效應(yīng)呈極顯著正相關(guān)，與增濕效應(yīng)呈正相關(guān)但不顯著。而本研究增加了對(duì)疏透度的探究，得出在夏季，郁閉度對(duì)降溫增濕作用均有顯著的正相關(guān)影響，而疏透度與降溫增濕作用分別呈正相關(guān)和負(fù)相關(guān)， 但影響都不顯著?？赡苁且?yàn)橄募救郝錂M

截面孔隙度大， 透氣性好， 利于空氣流動(dòng)，導(dǎo)致溫度降低迅速。而又因?yàn)橥饨缈諝膺M(jìn)入潮濕的內(nèi)部環(huán)境，帶走了水汽，進(jìn)而使群落內(nèi)的相對(duì)濕度降低。

前人對(duì)于城市綠地的研究，一般集中在復(fù)雜的復(fù)合群落。由于單一樹(shù)種群落和復(fù)合群落之間的差異，不同林木之間的相互作用疊加，以及植物所在生長(zhǎng)區(qū)域周?chē)h(huán)境的差異性，本研究結(jié)果同前人研究相似，但是不完全相同。張明麗等（2008）對(duì)上海市植物群落降溫增濕效果的研究表明，結(jié)構(gòu)復(fù)雜、郁閉度高、葉面積指數(shù)大、植株高的群落要比結(jié)構(gòu)簡(jiǎn)單、郁閉度低、葉面積指數(shù)小、植株矮的群落降溫增濕作用明顯。黃良美等（2008）通過(guò)對(duì)廣西南寧市植物復(fù)合群落的小氣候因子進(jìn)行調(diào)研，得出在林蔭處，植物群落總冠幅蓋度、總密度、群落重要值均與溫度成極顯著的負(fù)相關(guān)；植物群落群落重要值還與相對(duì)濕度達(dá)到顯著正相關(guān)。高吉喜等（2016）得出冠層郁閉度介于0.60～0.85的喬灌草或喬草綠地具有最大降溫增濕功能。本研究進(jìn)一步提出，純林群落郁閉度在0.81～0.85，疏透度在0.31～0.35時(shí)，純林植物群落緩解熱島效應(yīng)最好。此外在不同樹(shù)種方面，張明麗等（2008）研究表明，柳杉、香榧、東方衫和廣玉蘭群落的增溫降濕效果好，桂花和雪松群落的降溫增濕效果差；馬秀枝等（2011）對(duì)內(nèi)蒙古校園內(nèi)行道樹(shù)研究發(fā)現(xiàn)，垂柳和油松的降溫增濕綜合效應(yīng)大于新疆楊。本研究將公園內(nèi)的純林群落作為一個(gè)相關(guān)因子，得出了在降溫作用上，楓香林和紫荊林的降溫效果和廣玉蘭林相比無(wú)顯著差異，而櫻花林、雞爪槭林、香樟林、紅楓林的降溫效果呈極顯著性差異；在增濕作用上，桂花林、香樟林和紅楓林的增濕效果和廣玉蘭林相比無(wú)顯著差異，而烏桕、紫荊林的增濕效果差異顯著。并在后續(xù)群落結(jié)構(gòu)最優(yōu)區(qū)間的研究上，最大程度地消減了群落種類(lèi)對(duì)其造成的影響。如何應(yīng)用虛擬變量方法進(jìn)一步研究植物種類(lèi)、群落結(jié)構(gòu)參數(shù)與降溫增濕的關(guān)系，也是后續(xù)研究需重點(diǎn)關(guān)注的內(nèi)容。

綜上所述，由于不同植物種類(lèi)緩解熱島效應(yīng)能力不同，不同群落的郁閉度和疏透度等也不同，所以結(jié)合區(qū)域特征、植物生長(zhǎng)狀況、群落結(jié)構(gòu)以及樹(shù)種種類(lèi)進(jìn)行綜合選擇，合理配置植物，可以有效消除城市熱島效應(yīng)，減少高溫天氣對(duì)環(huán)境及居民生活的影響。

虛擬變量回歸分析在今后生態(tài)學(xué)跨學(xué)科領(lǐng)域的探索具有借鑒意義。目前虛擬變量回歸分析在生態(tài)學(xué)領(lǐng)域的應(yīng)用，主要集中在自然森林群落（陶偉國(guó)等，2007）和城市氣象監(jiān)測(cè)點(diǎn)（謝心慶和許英，2015）。由于面積較大，一般運(yùn)用遙感技術(shù)獲取數(shù)據(jù)，而城市純林群落相對(duì)較小，通過(guò)布點(diǎn)實(shí)時(shí)監(jiān)測(cè)即能獲取相關(guān)數(shù)據(jù)。此外，城市綠化由于周邊環(huán)境更為復(fù)雜，且牽涉到的植被種類(lèi)多樣，因而，降低外界影響因子的干擾，并對(duì)試驗(yàn)變量其進(jìn)行分類(lèi)分析顯得更為重要。

本研究將經(jīng)濟(jì)學(xué)研究方法應(yīng)用到傳統(tǒng)生態(tài)學(xué)統(tǒng)計(jì)分析中，消除了各因子的相互影響，量化了群落結(jié)構(gòu)參數(shù)和樹(shù)種類(lèi)型與降溫增濕效果的關(guān)系方程，并通過(guò)均值分布表探究其發(fā)揮最優(yōu)效益的區(qū)間閾值，為城市綠地緩解熱島效應(yīng)評(píng)價(jià)體系提供了量化的參考模式，建立多元協(xié)同的生態(tài)環(huán)境治理格局。

參考文獻(xiàn)：

GAO JX， SONG T， ZHANG B， et al， 2016. The relationship between urban green space community structure and air temperature reduction and humidity increase in Beijing [J]. Resourc Sci， 38（6）：1028-1038. [高吉喜，宋婷，張彪，等，2016. 北京城市綠地群落結(jié)構(gòu)對(duì)降溫增濕功能的影響 [J]. 資源科學(xué)，38（6）：1028-1038.]

GAO K， QIN J， SONG K， et al， 2009. Fallen temperature effects at green patches of urban residential areas and analysis of its influence factors [J]. J Plant Resourc Environ， 18（3）：50-55. [高凱，秦俊，宋坤，等，2009. 城市居住區(qū)綠地斑塊的降溫效應(yīng)及影響因素分析 [J]. 植物資源與環(huán)境學(xué)報(bào)， 18（3）：50-55.]

HAN HJ， ZHOU YW， 2007. Cooling and moisturizing effect of different afforested tree species in July [J]. J Hebei Agric Sci， （5）：28-30. [韓煥金，周用武，2007. 不同綠化樹(shù)種的降溫增濕效應(yīng) [J]. 河北農(nóng)業(yè)科學(xué)，（5）：28-30.]

HUANG LM， HUANG YY， LI H， et al， 2008. Analysis on the relation between the structural characteristics of plant communities and the microclimate effects in Nanning City， China [J]. Guihaia， 28（2）：211-217. [黃良美， 黃玉源， 黎樺， 等， 2008. 南寧市植物群落結(jié)構(gòu)特征與局地小氣候效應(yīng)關(guān)系分析 [J]. 廣西植物， 28（2）：211-217.]

JI P， ZHU CY， LI SH， 2012. Effects of the different structures of green belts on the temperature and humidity in river corridors [J]. Sci Silv Sin， 48（1）：58-65. [紀(jì)鵬， 朱春陽(yáng)， 李樹(shù)華， 2012. 河流廊道綠帶結(jié)構(gòu)的溫濕效應(yīng) [J]. 林業(yè)科學(xué)， 48（1）：58-65.]

JIANG WJ， 2000. The setting and application of dummy variable in regression model [J]. Zhejiang Stat， （12）：13-14. [蔣文杰， 2000. 回歸模型中虛擬變量的設(shè)定及應(yīng)用 [J]. 浙江統(tǒng)計(jì)， （12）：13-14.]

LIU JM， LI SH， YANG ZF， 2008. Temperature and humidity effect of urban green space in Beijing in summer [J]. Chin J Ecol， 27（11）：1972-1978. [劉嬌妹，李樹(shù)華，楊志峰， 2008. 北京公園綠地夏季溫濕效應(yīng) [J]. 生態(tài)學(xué)雜志， 27（11）：1972-1978.]

LIN TP， TSAI K T， HWANG R L， 2010. Shading effect on longterm outdoor thermal comfort [J]. Bldg Environ， 45（1）：213-221.

LIU M， 2014. Application of dummy variable regression model：variance analysis and outlier test [J]. Stat Decis， （16）：10-14. [劉明， 2014. 虛擬變量回歸模型的應(yīng)用：方差分析及異常值檢驗(yàn) [J]. 統(tǒng)計(jì)與決策， （16）：10-14.]

MA XM， LI JY， 2007. Influences of different green lands on urban microclimate [J]. Hebei J For Orchard Res， 22（2）：210-226. [馬秀梅， 李吉躍， 2007. 不同綠地類(lèi)型對(duì)城市小氣候的影響 [J]. 河北林果研究， 22（2）：210-226.]

MA XZ， LI CS， CHEN GW， et al， 2011. The effects of reducing temperature and increasing humidity of greenery trees in inn Mongolia Agricultural University [J]. J Inn Mongol Agric Univ（Nat Sci Ed）， 32（1）：125-130. [馬秀枝， 李長(zhǎng)生， 陳高娃， 等， 2011. 校園內(nèi)行道樹(shù)不同樹(shù)種降溫增濕效應(yīng)研究 [J]. 內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版）， 32（1）：125-130.]

PETER EB， MCFADDEN JP， 2010. Influence of seasonality and vegetation type on suburban microclimates [J]. Urban Ecosyst， 13（4）：443-460.

QIN Z， LI ZD， CHENG FY， et al， 2015. Impact of canopy structural characteristics on inner air temperature and relative humidity of Koelreuteria paniculata community in summer [J]. Chin J Appl Ecol， 26（6）：1634-1640. [秦仲， 李湛東， 成仿云， 等， 2015. 夏季欒樹(shù)群落冠層結(jié)構(gòu)對(duì)其環(huán)境溫濕度的調(diào)節(jié)作用 [J]. 應(yīng)用生態(tài)學(xué)報(bào)， 26（6）：1634-1640.]

QIN Z， BA CB， LI ZD， 2012. Effects of different plant communities on temperature reduction and humidity increase in Beijing [J]. Ecol Sci， （5）：567-571. [秦仲， 巴成寶， 李湛東， 2012. 北京市不同植物群落的降溫增濕效應(yīng)研究 [J]. 生態(tài)科學(xué)， （5）：567-571.]

TAO WG， XU B， LIU LJ， et al， 2007. Yield estimation model for different utilization status grassland based on remote sensing data [J]. Chin J Ecol， （3）：332-337. [陶偉國(guó)， 徐斌， 劉麗軍， 等， 2007. 不同利用狀況下草原遙感估產(chǎn)模型 [J]. 生態(tài)學(xué)雜志， （3）：332-337.]

XIE XQ， XU Y， 2015. Comprehensive prediction about PM2. 5 concentrations in the atmosphere [J]. Electr Power Technol Environ Prot， （2）：1-4. [謝心慶， 許英， 2015. 關(guān)于大氣中PM_（2. 5）濃度的綜合預(yù)測(cè) [J]. 電力科技與環(huán)保， （2）：1-4.]

YANG ZJ， 2012. The plight of environmental governance and the construction of the ecological government [J]. J Dalian Univ Technol（Soc Sci Ed）， 33（3）：103-107. [楊志軍， 2012. 環(huán)境治理的困局與生態(tài)型政府的構(gòu)建 [J]. 大連理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 33（3）：103-107.]

ZHANG ML， QIN J， HU YH， 2008. Effects of temperature reduction and humidity increase of plant communities in Shanghai [J]. J Beijing For Univ， （2）：39-43. [張明麗， 秦俊， 胡永紅， 2008. 上海市植物群落降溫增濕效果的研究 [J]. 北京林業(yè)大學(xué)學(xué)報(bào)， （2）：39-43.]

ZHOU LC， SHI WY， XUE WJ， et al， 2005. Relationship between vegetation structure and the temperature and moisture in urban green spaces of Shanghai [J]. Chin J Ecol， 24（9）：1102-1105. [周立晨， 施文彧， 薛文杰， 等， 2005. 上海園林綠地植被結(jié)構(gòu)與溫濕度關(guān)系淺析 [J]. 生態(tài)學(xué)雜志， 24（9）：1102-1105.]

ZHU CY， JI P， LI SH， 2013. Relationship between urban green belt structure and temperaturehumidity effect [J]. J Nanjing For Univ（Nat Sci Ed）， （1）：18-24. [朱春陽(yáng)， 紀(jì)鵬， 李樹(shù)華， 2013. 城市帶狀綠地結(jié)構(gòu)類(lèi)型對(duì)空氣質(zhì)量的影響 [J]. 南京林業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版）， （1）：18-24.]