基于植被群落特征的大型公共綠地環(huán)境效益制圖方法

劉喆 潘瑞琦 李昊冉 鄭曦

城市公共綠地對于城市環(huán)境具有顯著的促進(jìn)作用，能夠緩解城市熱島[1]、空氣污染[2-4]等一系列的“城市病”。目前公共政策越發(fā)重視城市公共綠地所提供的環(huán)境改善方面的生態(tài)系統(tǒng)服務(wù)[5-7]，并希望通過改善綠地的環(huán)境效益提升人居環(huán)境的生態(tài)宜居能力。生態(tài)系統(tǒng)服務(wù)制圖是識別和分析綠地的生態(tài)系統(tǒng)服務(wù)并將相關(guān)研究成果應(yīng)用于風(fēng)景園林規(guī)劃和設(shè)計的主要途徑[8-9]。綜合性的生態(tài)系統(tǒng)服務(wù)制圖研究重點仍是以土地利用類型作為基本制圖單元[8]，將景觀格局層面的生態(tài)過程機(jī)制和土地利用類型當(dāng)量作為生態(tài)系統(tǒng)服務(wù)供給的主要途徑，很少有研究對公園內(nèi)部的生態(tài)系統(tǒng)服務(wù)異質(zhì)性進(jìn)行制圖評價[8]。因此，生態(tài)系統(tǒng)服務(wù)制圖技術(shù)難以應(yīng)用于面向規(guī)劃設(shè)計的植被群落尺度。

城市公共綠地不應(yīng)被視為同質(zhì)單元。特別是隨著城市生態(tài)修復(fù)的推進(jìn)，越來越多的大型公共綠地成為綜合生態(tài)修復(fù)工程的重要組成部分，而大型公共綠地的環(huán)境效益在綠地內(nèi)部具有差異，這種差異主要體現(xiàn)在植被群落尺度。一方面，早已有研究證實了不同類型植被群落由于物種組成、群落空間結(jié)構(gòu)、植被狀況等生物物理特性所導(dǎo)致的環(huán)境效益差異[10-13]，且利用群落尺度的植被特征判斷環(huán)境效益的研究也已積累了相當(dāng)多的成果[10,14-15]，并建立了特征與效益的循證評估框架[16]。另一方面，以植被群落特征為參數(shù)的制圖評價方法對綠地設(shè)計而言具有很強的參考價值，植物種類選擇、群落種植模式、群落空間結(jié)構(gòu)等設(shè)計要素都會對植被群落特征產(chǎn)生影響。然而，由于植物作為生物材料在不同區(qū)域和時間上所展現(xiàn)的差異性，不同植被群落的環(huán)境效益研究成果難以進(jìn)行普適性推廣，因此現(xiàn)場特征數(shù)據(jù)的采集成為環(huán)境效益制圖的必要步驟；植被群落特征主要來源于單木尺度的參數(shù)，因此在植被群落層面進(jìn)行大型公共綠地的環(huán)境效益制圖需要先進(jìn)行大規(guī)模單木數(shù)據(jù)采集和分析。上述原因?qū)е乱灾脖蝗郝涮卣鳛橐罁?jù)的研究成果尚未廣泛用于評價環(huán)境效益的制圖應(yīng)用。

目前在群落尺度進(jìn)行城市公共綠地的植被環(huán)境效益制圖研究主要分為以下3個發(fā)展方向。1）采用精細(xì)化的方法對當(dāng)?shù)氐闹脖画h(huán)境效益進(jìn)行大量實證研究，并結(jié)合梯級尺度間的參數(shù)耦合映射到更大的空間范圍。目前已有針對綠地植被的固碳[17]、氣候調(diào)節(jié)[18]、噪聲改善[19]等單個環(huán)境效益的制圖研究采用這種方法，對植被群落特征和產(chǎn)生的環(huán)境效益進(jìn)行了深入的現(xiàn)場調(diào)查研究，但評價方法的時間和物質(zhì)成本無法估計，較適用于小型綠地或單一效益的精細(xì)化評價，難以作為制圖手段對大型綠地的植被進(jìn)行綜合制圖評價。2）采用普適性植被效益當(dāng)量和空間植被分類底圖結(jié)合的方法進(jìn)行空間制圖研究。已有研究對荷蘭鹿特丹城市區(qū)域[20]、中國深圳市[3]、葡萄牙阿爾馬達(dá)市的大型公園[21]等城市或大型公共綠地的植被環(huán)境效益進(jìn)行了綜合制圖和評估。該方法能夠快速地采用公共數(shù)據(jù)庫替代指標(biāo)的方式量化植被群落的環(huán)境效益，具有較高的評價效率，但正如上文所提及的，植被群落尺度的差異往往在公共數(shù)據(jù)的引用過程中被忽視，削弱了制圖技術(shù)對研究對象獨特性的表達(dá)能力。3）采用植被遙感光學(xué)特征反演的方法，采用高分辨率的遙感影像對群落尺度的植被環(huán)境效益進(jìn)行制圖。該方法對于大范圍的綠地環(huán)境效益具有高效的空間映射和評價能力，例如通過植被指數(shù)評價綠地的固碳能力[22]、雨洪調(diào)節(jié)能力[23]、降溫能力[24]以及綜合效益[25]，但這種方法常用于宏觀尺度的植被環(huán)境效益評價，且由于植被指數(shù)受到多個植被群落特征的影響，在群落尺度缺乏解釋度，難以直觀地應(yīng)用于群落尺度的規(guī)劃設(shè)計輔助決策過程。

綜上所述，群落尺度的植被環(huán)境效益制圖主要面臨現(xiàn)場植被群落數(shù)據(jù)采集效率和評價規(guī)模之間的權(quán)衡，傳統(tǒng)的數(shù)據(jù)采集手段和研究方法雖然無法應(yīng)對大型綠地的數(shù)據(jù)采集量，但能夠得出差異性更強的評價結(jié)果，從而更好地識別效益在空間上的差異；而對于能夠快速獲取的數(shù)據(jù)和效益參數(shù)（例如公共數(shù)據(jù)庫、遙感影像），則更適合建立綜合性和時效性強的評價體系，盡管其可能減弱評價結(jié)果在群落尺度的解析能力。隨著景觀績效評價、城市體檢等公共需求將綠地環(huán)境效益評估技術(shù)從學(xué)術(shù)研究引領(lǐng)至公共決策的實踐層面[26]，群落尺度的植被環(huán)境效益高效制圖也逐漸成為當(dāng)下具有實踐意義的研究領(lǐng)域。

近年來，高精度遙感衛(wèi)星、無人機(jī)傾斜攝影和激光雷達(dá)等高效數(shù)據(jù)采集技術(shù)為植被群落特征的大規(guī)模采集提供了更多可能性[27-33]，對于以植被群落特征為依據(jù)的環(huán)境效益制圖和評價產(chǎn)生了積極的促進(jìn)作用。有研究嘗試采用激光雷達(dá)數(shù)據(jù)對小范圍的城市綠地進(jìn)行植被環(huán)境效益評價[34]，或者采用高分辨率遙感數(shù)據(jù)對單木和群落級別的植被特征參數(shù)進(jìn)行解譯和歸納，但尚未搭建出用高精度數(shù)據(jù)集對大型城市公共綠地的綜合環(huán)境效益進(jìn)行空間映射制圖的方法框架。

為了實現(xiàn)大型城市公共綠地植被的環(huán)境效益在群落尺度的空間映射制圖，筆者使用了高分辨率的衛(wèi)星遙感影像和地基激光雷達(dá)2種高精度的大規(guī)模植被群落特征采集手段，彌合群落和大型綠地之間的尺度差距。結(jié)合基于植被群落特征的環(huán)境效益評價指標(biāo)，建立整合遙感分類和群落特征的綜合植被環(huán)境效益制圖方法，用于實現(xiàn)大型城市公共綠地環(huán)境效益制圖，進(jìn)行綠地的環(huán)境效益服務(wù)評價。本研究設(shè)定了2個具體目標(biāo)：1）根據(jù)城市公共綠地的植被群落特征，選取適當(dāng)?shù)姆椒ê蛿?shù)據(jù)構(gòu)建完善的環(huán)境效益制圖技術(shù)路線；2）結(jié)合具體案例探索該方法在環(huán)境效益制圖上的應(yīng)用優(yōu)勢和特點。

1 研究方法

基于植被群落特征的環(huán)境效益制圖方法分為4個步驟。1）使用WorldView-3高分辨率多光譜遙感影像對研究區(qū)域內(nèi)的植被類型進(jìn)行群落級別的精細(xì)化分類，獲取各個植被群落在空間底圖上的位置和邊界；2）通過在現(xiàn)場采集的典型植被群落類型樣方，提取各類型植被群落的特征參數(shù)；3）根據(jù)特征參數(shù)和環(huán)境效益之間的對應(yīng)關(guān)系，對各植被類型的環(huán)境效益進(jìn)行評價；4）根據(jù)植被群落分布將環(huán)境效益參數(shù)反演至整個研究區(qū)域（圖1）。

1.1 植被群落類型空間分布提取

隨著WorldView系列高分辨率多光譜遙感影像的普及，衛(wèi)星遙感影像提取植被的類型、種類等信息成為可能[28,30,32,35]，WorldView-3衛(wèi)星遙感影像是DigitalGlobe公司出品的高分辨率多光譜影像產(chǎn)品，具有8個空間分辨率為1.2 m的多光譜波段和1個空間分辨率為0.31 m的全色波段。以大型公共綠地為研究對象的植被分類研究目前還鮮有報道，但人工種植的植被通常具有清晰的邊界，植被群落斑塊的亮度和紋理特征明顯，因此相對適宜采用多光譜數(shù)據(jù)進(jìn)行高精度的植被分類。本研究以WorldView-3影像作為識別和繪制植被類型分布的數(shù)據(jù)源。

為了實現(xiàn)植被群落斑塊的明確分區(qū)并降低分類難度，本研究采用對象分割和像素分類結(jié)合的方法進(jìn)行分類（圖1）。用基于像素的分割方法對全波段影像進(jìn)行初步劃分，以獲取各個群落類型之間的邊界。在ENVI5.3中利用可見光波段和近紅外波段數(shù)據(jù)計算區(qū)域的歸一化植被指數(shù)（normalized difference vegetation index, NDVI），利用灰度共生矩陣（gray-level co-occurrence matrix, GLCM）計算紋理特征，選取同質(zhì)性作為符合植被類型尺度的紋理特征。將可見光波段、NDVI和紋理特征作為輸入的分類特征信息，采用隨機(jī)森林分類法對遙感影像進(jìn)行多次分類，最終獲得能夠表征空間植被差異性特征的植被群落空間分布底圖。

1.2 植被群落特征參數(shù)提取

由于城市公共綠地大多位于城市建成區(qū)內(nèi)，通常不具備無人機(jī)的作業(yè)條件，因此，地基高效采樣手段成為城市植被群落特征大規(guī)模采集的必要條件。采用地面激光雷達(dá)設(shè)備對植被群落特征進(jìn)行現(xiàn)場采集，根據(jù)遙感分類的植被類型對現(xiàn)場植被進(jìn)行采樣。受地基采樣方法的限制，難以在大型綠地中采集全部植被的空間信息，但結(jié)合現(xiàn)場調(diào)研對于植被群落類型和特征的初步認(rèn)知，筆者認(rèn)為采集典型的群落樣方基本能夠代表現(xiàn)場植被的狀況。

采用Lidar360軟件對典型群落樣方的激光雷達(dá)數(shù)據(jù)進(jìn)行參數(shù)提取。對采集到的樣方進(jìn)行裁剪，僅保留單一類型的植被群落點云模型。根據(jù)軟件的自動化算法，結(jié)合平面種子點繪制，分割出典型群落樣方的單木模型，并通過軟件算法提取群落樣方的群落面積、植株數(shù)量、植株位置、葉面積指數(shù)、單木胸徑、單木樹高、樹冠面積、樹冠體積共8個參數(shù)。

1.3 植被類型環(huán)境效益評價

植被環(huán)境效益的評價目標(biāo)由公共綠地所處的區(qū)位和特征共同決定。雖然在與群落特征相關(guān)的環(huán)境效益研究中，某一項群落特征往往與多種環(huán)境效益相關(guān)，但為了提升方法及案例的說明性，本研究選取了盡量多的群落特征參與到效益的計算當(dāng)中。根據(jù)植被群落“特征-效益”的相關(guān)研究和點云信息提取算法獲得的群落特征參數(shù)類型[36-39]，選取了碳封存、氣候調(diào)節(jié)、空氣凈化、雨洪調(diào)蓄4個目標(biāo)作為評價對象。將對評價目標(biāo)具有顯著影響的群落特征作為群落的環(huán)境效益評價指標(biāo)，構(gòu)建由一個或多個特征參數(shù)構(gòu)成的環(huán)境效益計算方法（表1）。

表1 評價目標(biāo)及基于植被群落特征的環(huán)境效益評價方法Tab. 1 Evaluation targets and vegetation-coummunity-characteristic-based environment benefits evaluation methods

根據(jù)每個類型所有取樣點的效益參數(shù)計算結(jié)果的平均值確定所有植被類型的環(huán)境效益參數(shù)。相比于其他喬木和灌木植被類型，草坪、濕地和地被的環(huán)境效益相比喬木群落和灌木群落而言較低，且目前缺乏系統(tǒng)性的研究，因此在計算過程中不將其作為計算對象。

1.4 環(huán)境效益空間分布制圖

根據(jù)所有指標(biāo)在研究范圍內(nèi)的最高值和最低值，對所有指標(biāo)的環(huán)境效益在[1，5]的區(qū)間內(nèi)進(jìn)行歸一化取值，通過該方法獲取所有指標(biāo)的無量綱值，從而建立整合對各個指標(biāo)的綜合效益評價框架，將4類環(huán)境效益參數(shù)的無量綱值取平均值作為對應(yīng)植被類型的綜合環(huán)境效益參數(shù)，衡量植被群落類型的綜合環(huán)境效益。將綜合環(huán)境效益分值反演至植被類型分布圖的空間位置，獲取研究區(qū)域內(nèi)植被的環(huán)境效益空間分布。根據(jù)植物景觀分區(qū)整合評價結(jié)果，對每個植物景觀分區(qū)內(nèi)植被的綜合效益進(jìn)行分區(qū)統(tǒng)計，計算分區(qū)內(nèi)的環(huán)境效益分值作為各分區(qū)的綜合環(huán)境效益評價結(jié)果。

2 案例研究

2.1 研究對象概況

本次研究區(qū)域為河北省石家莊市（38°9′～38°11′N，114°30′～114°39′E）滹沱河生態(tài)修復(fù)工程城區(qū)段兩岸的公共綠地，總面積2 877 hm2，其中河道水域面積約為791 hm2，公共綠地面積約為2 086 hm2。生態(tài)修復(fù)工程于2015年開始，至2020年基本完成，區(qū)域內(nèi)原有278 hm2在生態(tài)修復(fù)工程前已存在的城市公共綠地和次生植被，而其余綠地則是生態(tài)修復(fù)的過程中隨著總體規(guī)劃統(tǒng)一施工建設(shè)。新建設(shè)的綠地植物景觀類型主要以人工種植的植物群落為主。場地內(nèi)部人工植被群落的水平結(jié)構(gòu)均以具有明確邊界的單一物種斑塊為主，群落的垂直結(jié)構(gòu)以單層種植為主。公共綠地的營建為城市未來擁河發(fā)展提供了預(yù)留的公共開放空間，其中包含滹沱花海、滹沱梅園、明曦湖公園、滹沱濕地等多個具有影響力的城市公共景觀（圖2）。

2.2 數(shù)據(jù)采集和處理

WorldView-3影像采集時間為2020年11月5日。根據(jù)現(xiàn)場調(diào)研初步識別的植被類型地圖標(biāo)記，將研究范圍植被群落類型和其他地表覆蓋分為11個特征分類（表2），其中包含8種植被類型和3種非植被類型。根據(jù)現(xiàn)場調(diào)研的標(biāo)記選取了3 896個數(shù)據(jù)樣本，其中20%用于檢驗。落葉闊葉林的3個分類采用再分類的方法，即先將闊葉林的特征作為一個大類，再進(jìn)行二次分類。通過對結(jié)果進(jìn)行檢驗，分類的總體準(zhǔn)確率為83.14%。

表2 研究范圍內(nèi)植被群落類型和地表覆蓋分類表Tab. 2 Classification of vegetation community and land cover types within the research area

由于研究范圍內(nèi)各園區(qū)、景點的植物景觀具有明顯的特征差異，根據(jù)研究范圍內(nèi)植物景觀特點對評價單元重新劃定為17個植物景觀分區(qū)（圖2），提取各個分區(qū)內(nèi)的分類特征分布（圖3）。根據(jù)分區(qū)的分類統(tǒng)計情況，各區(qū)均具有典型的植被群落景觀特征，除了J、G、B、O 4個分區(qū)，其他分區(qū)的植被群落類型以ND（Q、F分區(qū)）、MD（M、C、H、P、L、K分區(qū)）和BI（A、D、E、I、N分區(qū)）為主。

植物群落樣方采用數(shù)字綠土公司出品的LiBackpack BGC50背包激光雷達(dá)掃描系統(tǒng)。在2021年8月—2022年7月的夏季，對BI、LA、WE以外的SD、MD、ND、NC、BU這5種植被群落類型各選取3～5個典型樣方進(jìn)行采集，共采集21個植被群落樣方（圖2）。典型樣方的選取由初步調(diào)查所拍攝的照片集比對篩選決定。其中，原場地單一、混交闊葉林2個類型的樣方選擇由2015年（生態(tài)修復(fù)工程建設(shè)前）和2020年（建設(shè)后）的Google Map衛(wèi)星圖對比確定。

2.3 植被類型環(huán)境效益參數(shù)

5種群落類型的環(huán)境效益參數(shù)計算結(jié)果（圖4）表明，SD群落在植被碳密度、植被降溫增濕能力、植被滯塵能力和樹冠雨水截留能力4個指標(biāo)中表現(xiàn)最好，而MD次之。BU群落除了樹冠雨水截留能力之外，其余指標(biāo)效益表現(xiàn)較差，可能是由于灌木群落的種植密度和冠層形態(tài)，導(dǎo)致了灌木群落很高的樹冠覆蓋率。指標(biāo)的樣方數(shù)據(jù)均具有較好的收斂性，因此采用平均值來代表對應(yīng)植被群落類型的環(huán)境效益，通過解譯的樣方參數(shù)對類型植被的環(huán)境參數(shù)進(jìn)行計算，獲取各植被類型的環(huán)境效益參數(shù)（表3）。

表3 5種植被群落類型的環(huán)境效益表現(xiàn)和綜合效益Tab. 3 Environment benefits and comprehensive benefits of 5 vegetation community types

2.4 環(huán)境效益空間制圖

將植被群落尺度的環(huán)境效益評價結(jié)果根據(jù)植被類型進(jìn)行空間映射，繪制研究范圍內(nèi)各植物景觀分區(qū)的綜合環(huán)境效益空間分布圖（圖5），并對各植物景觀分區(qū)的各項環(huán)境效益進(jìn)行分區(qū)統(tǒng)計（圖6），識別4類環(huán)境效益參數(shù)在各個植物景觀分區(qū)的分值，從而獲得各區(qū)域綜合環(huán)境效益的空間分布特征和4類環(huán)境效益在各個區(qū)域內(nèi)的表現(xiàn)。

3 討論

3.1 基于植被群落特征制圖的優(yōu)勢和特點

以往研究對于城市大型公共綠地的環(huán)境效益評價通常限于單一的效益指標(biāo)、小范圍綠地的群落尺度評價或大型綠地的粗略評價，本研究以現(xiàn)場的植物群落特征為依據(jù)，通過高分辨率衛(wèi)星影像反演建立制圖方法。結(jié)果表明，這一方法能夠展示大型公共綠地內(nèi)部不同特征的植被群落的環(huán)境效益的差異，從而為大型城市公共綠地在種植設(shè)計和空間布局層面的設(shè)計操作提供優(yōu)化依據(jù)。

對基于植被群落特征的環(huán)境效益參數(shù)而言，從現(xiàn)場植被提取的群落特征可以反映在群落尺度的空間特征上，從而更有針對性地對現(xiàn)場的環(huán)境效益進(jìn)行定量評估，可能比普適性的效益模型和公共數(shù)據(jù)庫更具有可靠性，這也是目前生態(tài)系統(tǒng)服務(wù)評價和制圖向精細(xì)化、科學(xué)化發(fā)展的重要方向之一。但該方法量化的效益參數(shù)仍需要結(jié)合現(xiàn)場觀測等實證研究的檢驗才能證明其準(zhǔn)確性。

對于大型城市公共綠地的環(huán)境效益制圖這一需求而言，數(shù)據(jù)的可獲得性和制圖方法的效率是制約制圖評價實施和應(yīng)用的主要問題，本研究采用基于植被群落特征的制圖方法，使用單幅遙感影像和激光雷達(dá)采集植被信息，可在短時間內(nèi)采集大量植被的空間信息，快速估算綠地環(huán)境效益的空間分布，克服了因數(shù)據(jù)缺失而產(chǎn)生的制圖評價障礙，增強了植被環(huán)境效益制圖在景觀績效評價、城市體檢等需求中的應(yīng)用范圍。

3.2 方法的準(zhǔn)確性和誤差

評價的準(zhǔn)確性取決于遙感植被分類的準(zhǔn)確性和樣方數(shù)據(jù)提取的代表性。通過驗證點對研究區(qū)域內(nèi)植被分類的準(zhǔn)確性進(jìn)行檢驗，采用WorldView-3影像和隨機(jī)森林分類方法對研究區(qū)域地表特征分類的總體準(zhǔn)確率相較于其他植被類型分類的研究[28]，在較少的數(shù)據(jù)量下實現(xiàn)了較高的分類準(zhǔn)確度。可能是由于人工植被在種植斑塊內(nèi)的林分光譜特征更為單一且邊界清晰，因此，高分辨率遙感影像是促進(jìn)公共綠地生態(tài)系統(tǒng)服務(wù)制圖方法研究的重要工具。對群落樣方提取的代表性而言，原場地的植被可能由于其植物種類、生長狀況和年齡的差異，不同樣方之間的效益差異較大，導(dǎo)致了群落類型效益參數(shù)不能很好地代表全局的狀況。因此，盡管采用多時相或組合類型的遙感影像對現(xiàn)狀植被群落進(jìn)行更細(xì)致的分類[32,40]和采集更多典型群落樣方對于提升評價結(jié)果的準(zhǔn)確性而言很有幫助，但這也會顯著增加制圖的成本。

在本研究案例中，未考慮地被、濕地和草坪3種類型的植被環(huán)境效益。一方面，上述3種類型在所提及的4類環(huán)境效益評價目標(biāo)中缺乏系統(tǒng)性的研究；另一方面，激光雷達(dá)對于這3種類型植被的空間信息采集精度較低，且缺乏有效的算法對其進(jìn)行進(jìn)一步的空間參數(shù)提取和環(huán)境效益評價。這將導(dǎo)致不能準(zhǔn)確評估以這3種植被類型為主的植物景觀分區(qū)的環(huán)境效益。因此，該研究的合理性主要是識別環(huán)境效益在空間分布上的特征，而非估算環(huán)境效益的供應(yīng)量。此外，激光雷達(dá)以空間信息為主，對于植被群落物種的信息采集能力較弱，而植被在物種層面的差異對環(huán)境效益的影響很大[16]，這也會影響環(huán)境效益評價的準(zhǔn)確性。

4 結(jié)論

本研究采用WorldView-3高精度影像和地基激光雷達(dá)特征數(shù)據(jù)，建立了基于植被群落特征的高精度植被環(huán)境效益制圖方法。以滹沱河生態(tài)修復(fù)工程綠地為實例對該方法的特點和優(yōu)勢進(jìn)行了探究。結(jié)果表明，該方法使用綜合的數(shù)字技術(shù)并以較少的數(shù)據(jù)量，直觀反映了城市大型公共綠地的環(huán)境效益空間分布特征，實現(xiàn)了在大型城市公共綠地上對植被的環(huán)境效益進(jìn)行高效的群落尺度制圖。采用多時相或組合類型的數(shù)據(jù)集結(jié)合現(xiàn)場群落樣方的植物種類數(shù)據(jù)能夠提升分類的精細(xì)程度和評價的準(zhǔn)確程度，從而提升制圖的準(zhǔn)確性。

圖表來源(Sources of Figures and Tables)：

文中圖表均由作者繪制。圖1、2中地圖底圖截取自高德地圖（2022年）；表1中指標(biāo)的選擇參考了文獻(xiàn)[36]～[39]。