-
园林树木能够通过对太阳辐射的反射、吸收和散射，明显降低环境温度并提高空气湿度。树木冠层的能够拦截、反射、吸收和传导太阳辐射，调节和改善空气温度。从宏观角度而言，树木在阻挡和过滤太阳辐射方面的表现取决于叶表面的物理反射能力、冠层形式和密度，具体取决于树木叶片大小、形态、密度、分枝形式和角度等[1-4]。当前对于园林树木改善环境能力的研究已取得不少成果，例如曹冰冰等[5]、焦雪辉等[6]分别比较了北京市和郑州市行道树的遮荫及UVB 屏蔽效果；吴家兵等[7]对6种行道树屏蔽紫外辐射的能力开展了研究；黄秋燕[8]对肇庆市高校行道树的遮荫效果进行了实证研究。但相关研究均未涉及树木冠层疏透度及其影响。Brown研究发现，可见光辐射被树木叶片吸收、反射及透过树冠的比例分别为80%、10%和10%[4]，所以当太阳辐射强度较大时，透过树冠的辐射通量也较大，必定会影响树木的荫影质量。这一研究首次关注树木冠层屏蔽太阳辐射的机理。但尚未见深入挖掘园林树木冠层特征与遮荫性能之间耦合关系的研究。
冠层指的是指林木枝叶的稠密顶层，处于植物几何形态的最上端，是与外界进行物质和能量交换的初始场所，由叶片、枝条、小枝以及各种附生的有机体等共同组成[15]。冠层透光率对于植物叶片和枝条的生长有着重要影响，冠层的光合能力强弱与透光率成负相关[16-17]；此外，冠层透光性与植物的栽培繁殖也有极大的相关性[18]。总体而言，研究植物冠层的光辐射传输机理对于深入探究植物生长规律和生态效益是十分重要的。疏透度是表征防护林林带结构特征的重要参数，指的是林带林缘垂直面上透光孔隙的投影面积与该垂直面上林带投影总面积的比值，是评价林带结构的定量化指标[9-10]。园林树木冠层疏透度可以认为是太阳光穿过树木冠层而透射到地面的能力，能够反映树木冠层的枝叶疏密程度，也能作为树木遮挡和屏蔽太阳辐射能力的评价指标之一。当前关于疏透度的测定方法主要有方格景框法、照相法、概率估计法、模型测量法、目测法以及采用“光学相机”与“数字图像处理”相结合的方法等。上述方法各有优劣，但都存在稳定性差、误差较大或成本较高的缺点[11-13]。随着计算机图像处理技术的不断发展，采用数码相机获取实验照片，并结合Photoshop等图像处理软件进行疏透度的测定，已成为较为常用的方法[14]。
随着城市化进程的加快和全球气候变化的影响，城市热岛效应已演变为严峻的城市问题。广东地处华南热带和亚热带地区，年平均温度较高，空气相对湿度较大，夏季高温天气频发。在多重因素叠加的背景下，如何提高城市空间的热舒适性已成为关注的焦点。相关研究证实，利用植物营造舒适的遮荫环境是提高热舒适性的有效手段。城市树木不仅有明显的降温增湿作用，也能有效屏蔽太阳辐射，这些方面的作用都与树木的遮荫性能有关。在现阶段，开展树木遮荫功能的研究主要采取实测和分析的方式获取相关参数。其中照度是树木遮荫研究中十分重要的参数，能直接体现树木的遮荫效果。然而，当前的研究仅采用照度计进行测量，易受到外界环境因素和人为操作的影响，可能导致误差过高而影响结果的准确性。因此，为了更加科学获取树木荫影照度，提高树木遮荫功能研究的工作效率和准确度，以肇庆市端州区常见树木为研究对象，借鉴防护林研究中疏透度的计算方法，对园林树木的冠层疏透度开展量化研究，并开展树木基本参数、遮荫面积、冠层疏透度与荫影照度的相关性研究和综合遮荫功能评价，拓展树木遮荫功能研究视角，以丰富和完善园林植物生态效益的研究内容。
-
肇庆市位于广东省西部（22°47′~24°24′N，111°21′~112°52′E），毗邻广佛，辐射湾区，为珠三角核心区与粤港澳大湾区的重要节点城市。肇庆市属于南亚热带季风气候，自然植被为南亚热带常绿季雨林区，年平均温度＞20℃，年平均降雨量＞1500 mm，年平均日照约为1800 h，夏季长，冬季短，高温多湿。夏季平均温度较高，高温极端天气时有发生。
-
通过对肇庆市端州区星湖大道、信安大道、东湖北路、东岗西路、东岗东路、庙前路、前村路、蓝塘北路、石东路、新元北路、立德路、端州一路和端州四路等13条城市主次干道的实地调研，综合植物应用频次和对其遮荫效果的实地预观测，最终确定10种行道树作为研究对象（表1）。
树木名称
Tree name树高
（TH, m）胸径
（DBH, cm）冠高
（CH, m）冠幅
（CW, m）枝下高
（UBH, m）凤凰木Delonix regia 12.55 20.50 4.64 6.23 7.91 麻楝Chukrasia tabularis 13.67 19.31 5.23 7.35 8.44 盆架木Alstonia scholaris 9.89 18.40 4.96 5.82 4.93 秋枫Bischofia javanica 12.56 20.12 6.79 6.20 5.77 芒果Mangifera indica 11.85 15.61 5.60 5.94 6.25 香樟Cinnamomum camphora 10.53 12.35 6.51 5.62 4.02 黄葛榕Ficus virens 11.24 21.03 7.98 7.20 3.26 细叶榕Ficus microcarpa 9.87 23.58 8.25 7.52 1.62 大花紫薇Lagerstroemia speciosa 8.39 11.54 6.83 6.36 1.56 小叶榄仁Terminalia neotaliala 12.04 15.32 7.15 6.79 4.89 备注：表中数据为均值，n=10。Note：The data in the table are mean value, n=10. Table 1. Basic data of observation object and sample plant
园林树木冠层疏透度的实测值主要受到树木枝叶的密集程度影响，也与太阳光透过树木冠层的入射角度有关。为了使观测结果更加客观，选取太阳高度角日变化幅度较小的时间段内完成全程的实验观测和数据采集。根据天气情况，实地观测时间确定为2022年6月26日—6月30日期间，每天11：30—12：30。用HUAWEI Mate30手机拍摄上述园林树木的冠层图片（顶视图）。拍摄照片的具体要求和步骤为：用支架将手机平放于距离树干20 cm、距离地面1.5 m高度的位置；用手机的前置摄像头进行取景，确认画面包含树木的冠层及枝叶分布情况后进行拍摄。每种树木选择10株样株，分别在每株样的东西南北4个方位各拍摄5张照片，累计收集获取10种园林树木的冠层顶视图2000张（图1）。
Figure 1. Pictures of part of the canopy of the 10 garden trees under study
-
(1)树木基本参数测量。采用室外激光测距仪（品牌型号：深达威SW-G/Q，带摄像辅助）、测高仪（品牌型号：哈尔滨牌哈光林业直读型测高器CGQ-1）、胸径尺（规格：2 m）、卷尺（规格：10 m）等仪器实地测定树木的树高（Tree height，TH） 、胸径（Diameter at breast height，DBH）、冠高（Crown height，CH）、冠幅（Crown width，CW）、枝下高（Under branch height，UBH）。每株样株分别测量3次，取平均值作为该株树木的记录数值，将每种树木10株样株的各项数值分别取平均值作为记录数据。
(2)冠层疏透度测算。用S1表示透光孔隙的投影面积，用S2表示树木冠层的投影面积，则园林树木冠层疏透度（β）的计算公式可以表示为：
园林树木冠层疏透度的测定采用数码相机获取照片，并结合Photoshop CS5软件进行图像处理的方法进行。具体方法为：将前文述及的2000张照片进行归类，存储到计算机。在每张图片的中心位置上分别裁剪出20 mm×20 mm的方形区块，并将裁剪处理好的彩色图片转换为“灰度”模式。其次，在PhotoshopCS5的图像菜单下选择依次选择“调整”和“阈值”子菜单，采用“阈值色阶”的默认值128，此时图像即转变为高对比度的黑白图像。然后在直方图上读取出方形区块像素值（Pixel value of square block，PVS），并利用色彩范围选出白色范围，在直方图读取白色区域的像素值（Pixel value of white area，PVW），据此就可计算得出树木冠层疏透度（Canopy transparency，CT）。冠层疏透度即为白色区域像素值与正方形区块总像素值的比值。每种树木的200张图片分别求取疏透度。利用Excel将200张图片的疏透度数值进行排序，舍弃排名前10和排名后10的数值，将剩下的180组数据取其平均值，即可得到该种树木的冠层疏透度。
(3)荫影照度观测。为了进一步分析树木冠层的遮荫作用与其透光性能之间的关系，需要对荫影下方的光照强度进行实验观测和数据获取。观测园林树木荫影照度采用的测量仪器为照度计（品牌：宝工Pro’skit，型号MT-4617）。该仪器量程为0-200000Lux，测量精度±3%。在每次进行数据的读取时，照度计须用三脚架固定，并让仪器静置5 min，待数据不再变化时立即记录下当前显示的数据。测点应选择在树荫下距离地面1.5 m垂直高度的位置。在每一株样株的荫影下方分别测量3次，取平均值作为该株树木的荫影照度，将每种树木10株样株的荫影照度取平均值，即为该种树木的荫影照度（Shade illuminance, SI）。
(4)遮荫面积计算。由于研究对象10种园林树木的冠形均为卵圆形，其荫影近似于椭圆形，故采用椭圆形面积公式计算遮荫面积。用S表示遮荫面积，B表示太阳高度角。为便于不同树种之间的对比，降低太阳高度角日变化对树木遮荫面积计算结果的影响，在计算树木的遮荫面积时统一采用肇庆市端州区2022年6月30日12时30分的太阳高度角作为计算基础，B=77.02，Rg为冠幅的1/2。遮荫面积计算公式如下：
(5)数据分析和处理。实验观测数据的基础统计采用Microsoft Excel 2021完成，主成分分析采用IBM SPSS Statistics 25（IBM Corp., USA）和GraphPad Prism 9（GraphPad Software, USA）配合完成。为消除数据量纲的影响，在主成分分析之前对数据进行标准化处理。图片处理采用Photoshop CS5，图形绘制采用GraphPad Prism 9。
-
从表2可以看出，凤凰木、盆架木、小叶榄仁、黄葛榕等树木的疏透度最高，分别为14.15%、13.27%、13.09%和11.47%；凤凰木、盆架木、小叶榄仁、芒果的荫影照度最高，分别为72500Lux、64500Lux、60800Lux和53200Lux。
树木名称
Tree name白色区域像素值
(PVW)方形区块
像素值(PVS)遮荫面积
(S)冠层疏透度
(CT, %)荫影照度
（SI, Lux）凤凰木Delonix regia 15978 112896 9.79 14.15 72500 麻楝Chukrasia tabularis 8649 112896 11.55 7.66 46650 盆架木Alstonia scholaris 14976 112896 9.15 13.27 64500 秋枫Bischofia javanica 8385 112896 9.75 7.43 43300 芒果Mangifera indica 11093 112896 9.34 9.83 53200 香樟Cinnamomum camphora 9173 112896 8.83 8.13 41250 黄葛榕Ficus virens 12953 112896 11.32 11.47 49850 细叶榕Ficus microcarpa 7713 112896 11.82 6.83 36500 大花紫薇Lagerstroemia speciosa 9743 112896 10.00 8.63 45300 小叶榄仁Terminalia neotaliala 14778 112896 10.67 13.09 60800 Table 2. Canopy transparency and shade illuminance of 10 landscape trees under study
将拍摄收集的园林树木冠层图片用Photoshop CS5图像处理软件进行处理，最终得到10种园林树木的冠层黑白二值图像（图2），据此即可利用直方图的像素读数直接计算得出树木冠层疏透度值。
Figure 2. Black and white binary images of partial canopy of 10 types of landscape trees under study
通过相关性分析可知（图3），冠层疏透度（CT）与荫影照度（SI）在P<0.01 水平（单侧）上显著正相关，相关系数为0.943，表明两者之间存在明显的正向联系，随着树木冠层疏透度的增加，此时由于阳光透过树冠的通量更大，树木的荫影照度也明显增加。荫影照度和冠高（CH）在P＜0.05水平（单侧）上显著负相关，相关系数为−0.641，说明树木冠高越高，荫影照度越低。由于冠层是树木枝叶集中分布的区域，冠高越高则阳光穿透树冠达到地面的距离越长，会被树冠进行更大程度的阻挡。树木冠高与树高（TH）呈负相关关系，相关系数为−0.360；冠层疏透度与冠高、冠幅（CW）均呈负相关关系，相关系数分别为−0.360和−0.238，表明随着冠幅和冠高的增加，冠层疏透度反而降低；枝下高（UBH）、胸径、树高均与冠层疏透度呈正相关，相关系数分别为0.278、0.016和0.099。荫影照度和冠幅呈负相关关系，相关系数为−0.305，表明随着树木冠幅的增加，荫影照度呈降低趋势。冠幅、冠高、胸径、树高均与遮荫面积（S）呈正相关，相关系数分别为1（P<0.001）、0.510、0.580和0.181，表明冠幅是决定遮荫面积的主导因素。以上分析表明，冠层疏透度与荫影照度的关系最为密切，冠层疏透度和冠高是决定树木荫影照度的重要因素，与枝下高、树高和胸径等因素共同影响树木的荫影照度；冠幅、冠高、胸径和树高等因素共同影响树木的遮荫面积。
Figure 3. Correlation analysis of tree basic parameters, canopy transparency and shade illumination
-
为了进一步分析树木结构特征和遮荫面积对树木遮荫功能的影响程度，并对10种园林树木的遮荫功能进行综合评价，选取TH、DBH、CH、CW、UBH、CT、S、SI等8项指标进行主成分分析（通过KMO检验和Bartlett球形度检验）。公因子方差是所有公因子对原有变量总方差的解释，其值越大说明公因子对原有变量的解释程度越强，丢失的信息越少，因子分析效果越好。运用主成分分析法提取公因子，所有公因子方差均大于0.6（表3），表明丢失的信息非常少，采用因子分析的取得较为理想的效果。
指标
Indicators公因子方差
Common factor variance成分矩阵
Component matrix特征向量矩阵
Eigenvector matrix初始
Incipient提取
ExtractionPC1 PC2 PC3 PC1 PC2 PC3 TH(X1) 1 0.893 −0.338 0.776 −0.420 −0.097 0.313 −0.340 DBH(X2) 1 0.673 0.258 0.759 0.175 0.074 0.306 0.142 CH(X3) 1 0.828 0.874 −0.133 0.215 0.249 −0.054 0.174 CW(X4) 1 0.996 0.694 0.650 0.172 −0.198 0.240 −0.323 UBH(X5) 1 0.971 −0.694 0.596 −0.399 −0.190 0.063 0.574 CT(X6) 1 0.934 −0.667 0.156 0.708 0.198 0.262 0.139 S(X7) 1 0.934 0.695 0.650 0.172 0.198 0.262 0.139 SI(X8) 1 0.990 −0.817 0.247 0.511 −0.233 0.099 0.414 Table 3. Common factor variance, component matrix and eigenvector matrix
主成分分析一般按照特征值大于1的标准提取公因子，从输出结果看，征值大于1的因子有3个，累积贡献率达90.25%，说明前3个主成分较好地反映全部指标具有的信息（图4）。可以采用3个因子的载荷矩阵对主成分进行解释，提取主要的评价指标（表3）。通过主成分分析法得到表3中所提取的3个主成分，表示为F1、F2、F3。第一主成分X3、X4、X7上的载荷大于其他变量，能够综合反映这3个变量，该主成分F1的方差贡献率为43.81%；第二主成分在X1、X2、X4、X5、X7上的载荷大于其他变量，够综合反映这5个变量，该主成分F2的方差贡献率为31.01%；第三主成分在X6和X8上的载荷大于其他变量，够综合反映这2个变量，该主成分F3的方差贡献率为15.42%。
Figure 4. Gravel map (a)and variance contribution rate(b)
根据主成分分析的相关原理，通过主成分载荷矩阵中的各个载荷值除以各主成分特征值的算数平方根，可计算得出对应的特征向量（表3），用特征向量乘以各指标数据的标准化值，可得出3个主成分F1、F2、F3的计算方程：
为了更好的评价10种园林树木的综合遮荫能力，以3个主成分所对应的特征值占所提取主成分总的特征值之和的比例作为权重，即可建立主成分综合模型，据此可以推算10种园林树木的综合评价分值，并进行综合评价和排序（表4）
树木名称
Tree name主成分得分
Principal component scores综合得分
Comprehensive score排名
RankingF1 F2 F3 细叶榕Ficus microcarpa 1.57 0.22 0.37 0.90 1 黄葛榕Ficus virens 0.68 0.37 0.99 0.63 2 麻楝Chukrasia tabularis 0.09 1.00 −1.30 0.16 3 小叶榄仁Terminalia neotaliala −0.14 0.20 0.85 0.14 4 大花紫薇Lagerstroemia speciosa 0.45 −1.02 0.29 −0.08 5 秋枫Bischofia javanica 0.11 0.09 −1.11 −0.10 6 凤凰木Delonix regia −1.21 0.58 0.61 −0.28 7 盆架木Alstonia scholaris −0.87 −0.31 0.88 −0.38 8 芒果Mangifera indica −0.56 −0.19 −0.65 −0.45 9 香樟Cinnamomum camphora −0.11 −0.94 −0.94 −0.54 10 Table 4. Principal Component Score and Comprehensive Evaluation Sequence of Shading Function of 10 landscape trees
根据上述(4)(5)(6)(7)公式，得出综合遮荫功能排序前3的树木分别为细叶榕、黄葛榕和麻楝。说明这3种树木具备较好的遮荫效果。
-
采用数码相机拍摄图片与Photoshop CS5图像处理相结合的方法进行园林树木冠层疏透度的测定沿袭了防护林研究中关于林带疏透度测定的成功做法，操作简单且数据可靠。选取肇庆市端州区常见树木开展树木特征参数、冠层疏透度、遮荫面积与荫影照度的相关性研究，对相关因子进行主成分分析，并综合评价10种园林树木的遮荫功能。结论如下：
（1）凤凰木、盆架木、小叶榄仁、黄葛榕的疏透度最高，分别为14.15%、13.27%、13.09%和11.47%；凤凰木、盆架木、小叶榄仁、芒果的荫影照度最高，分别为72500Lux、64500Lux、60800Lux和53200Lux。
（2）园林树木的冠层疏透度（CT）、枝下高（UBH）、树高（TH）、胸径（DBH）均与荫影照度（SI）呈正相关，相关系数分别为0.943（P<0.001）、0.513、0.255和0.035，表明冠层疏透度与荫影照度的关系最为密切，与枝下高、树高和胸径等因素共同影响树木的荫影照度；冠幅（CW）、冠高（CH）、胸径（DBH）、树高（TH）均与遮荫面积（S）呈正相关，相关系数分别为1（P<0.001）、0.510、0.580和0.181，表明冠幅是决定遮荫面积的主导因素，与冠高、胸径和树高等因素共同影响树木的遮荫面积；枝下高（UBH）、胸径（DBH）、树高（TH）均与冠层疏透度（CT）呈正相关，相关系数分别为0.278、0.016和0.099；荫影照度（SI）和冠高（CH）在P＜0.05水平（单侧）上显著负相关，相关系数为−0.641。冠层疏透度和冠高都是决定树木荫影照度的重要因素，其他树木参数则起到一定的辅助作用。
（3）主成分分析结果表明，特征值大于1的3个因子的累积贡献率达90.247%，说明这3个主成分能够较好地反映全部指标所具有的信息。以3个主成分所对应的特征值占所提取主成分总特征值之和的比例作为权重建立主成分综合模型，得出10种园林树木的综合评价分值和排序，综合遮荫功能排序前3的树木分别为细叶榕、黄葛榕和麻楝。从遮荫功能的评价和排序能够明确各树种的生长状况，有助于在养护管理中采取妥善措施。
-
园林树木冠层疏透度的测度为开展相关研究提供了一种全新的思路，可通过测定树木冠层疏透度以了解其遮荫状况。通过冠层疏透度的量化，并结合照度的观测研究和两者的相关性分析，可以弥补研究中可能存在较大误差的缺陷，也可避免繁琐的计算过程。研究提出的关于园林树木冠层疏透度测定的方法虽然较为高效便捷，但还存在以下问题需要今后在实践中进行不断验证和完善。
（1）在树木冠层照片获取的时候可能因为外部光照强度或周围环境的复杂多变性而存在误差，尤其是在中午阳光较为强烈时获取的冠层图像会受到光照强度的影响。因此建议今后开展观测实验时，考虑在清晨或傍晚光照相对较弱时拍摄冠层照片；采用普通数码相机镜头拍摄冠层照片时可能无法全面获得树木冠层影像，今后开展研究时可改用鱼眼相机拍照，提高冠层照片的准确全面性。此外，用Photoshop CS5截取冠层图像的方形区块时，可能因截取部位的不同而导致黑白二值像素产生差异。以上原因均会导致冠层疏透度的测定值与实际情况存在误差。因此建议在后续研究时取多个部位冠层图像方形区块黑白二值图像像素的平均值进行冠层疏透度的计算和分析，提高研究结果的可靠性。
（2）虽然在样株选取时已经尽力保证树木样株的生长状态相近，但由于树木的遮荫功能受到复杂多变的外界环境的直接和间接影响[19]，不同立地环境条件下的环境资源差异显著，树木叶面积密度（LAD）及叶面积指数（LAI）等特性必定会存在差异，并且LAD和LAI会随着季节更替和养护管理等方面的因素而发生改变，导致树木的疏透度存在一定的变化。因此，研究结果仅能体现观测时间范围内的规律性。但由于广东等华南湿热地区的树木生长季较长，基本处于全年遮荫状态，因此研究的结果具有较大的实践应用价值。
（3）栽培管理和种植设计等方面也会明显影响树木的遮荫效果[20]。得出的树木遮荫效果排序与其他研究存在一定区别[21-22]，主要原因是树木生长状态不同，立体环境条件差异等。为了更加深入探讨园林树木的冠层疏透度、树木参数与遮荫功能的相关性，建议今后开展相关研究时采用多尺度和连续观测并配合遥感技术等方法，进一步丰富和完善研究结果，提高研究结果的科学性和实用性。
Summary for“园林树木冠层疏透度测度及遮荫功能综合评价”
The measurement of canopy transparency and comprehensive evaluation of shade function of landscape trees
doi: 10.12172/202310200001
- Received Date: 2023-10-20
- Available Online: 2024-03-05
-
Key words:
- landscape trees /
- canopy transparency /
- shade function /
- measurement
Abstract: Canopy transparency of landscape trees has an important influence on shade function and other ecological benefits. Ten common street trees in Zhaoqing City were selected and canopy photographs were taken by digital camera. Canopy transparency was measured by Photoshop image processing method to verify the correlation between tree parameters, canopy transparency, shade area and shade illumination. The shade function was comprehensively evaluated by principal component analysis. The results showed that: (1) Delonix regia, Alstonia scholaris, Terminalia neotaliala and Ficus virens had the highest opacity, while Delonix regia, Alstonia scholaris, Terminalia neotaliala and Mangifera indica had the highest shade illumination. (2)Canopy transparency (CT), under branch height (UBH), tree height(TH), Diameter at breast height(DBH) were positively correlated with shade illumination (SI); canopy width (CW), canopy height (CH), DBH, TH were positively correlated with shade area (S); UBH, DBH, TH were positively correlated with CT; SI and CH were significantly negatively correlated, and layer transparency was significantly positively correlated with shade illumination. Canopy width is the dominant factor determining shade area, canopy transparency and canopy height are important factors determining shade illumination of trees. (3)The top three trees in the comprehensive shade function ranking were Ficus microcarpa, Ficus virens and Chukrasia tabularis. The measurement of canopy transparency provides a new idea for the study of shade function of landscape trees.
DownLoad: