黄桷落叶影响因素分析及绿化评价体系的建立

葛金钊，苟宇丹，甘栩杰，庄文化，2*(.四川大学水力学与山区河流开发保护国家重点试验室，水利水电学院，四川成都60065;2.南方丘区节水农业研究四川省重点试验室，四川成都60066)

黄桷树(Ficus lacor Ham)，别名大叶榕、黄桶榕等，桑科榕树属，原产华南、西南地区，尤以四川最为普遍。对SiO2、Cl2、粉尘和病虫害有较强的抗性，且树冠大、生长快、寿命长、易繁殖、耐修剪、耐移植，可用作行道树、垂直绿化、沿江岸绿化、公园绿地、风景区及环境绿化等［1］。四川大学校内黄桷种植面积大，分布广，落叶时间跨度大，其落叶状况对景观和交通具有重要的影响。目前，关于不同基因型植物叶片衰老的研究在水稻、小麦、玉米、木薯、绿豆、青椒等作物及橡胶树、梨树等树种中已取得很多成果。研究表明，氮素、高温胁迫、病虫害、土壤或培养液pH等外部因素及植物的根系活力、SOD活性、内源激素含量等内部因素对植物叶片的衰老具有调控作用［2－10］。当前，屋顶和公路的绿化评价模型研究已经有较大的进展和较为丰富的参考资料，其中模糊优先排序法和AHP层次分析法的应用较为广泛，对校园绿化评价模型的建立具有一定的参考价值［11－18］。此次试验以研究四川大学校内黄桷树落叶状况与土壤pH和温度的关系为主要内容，据此建立起合理的绿化评价模型，为四川大学校园黄桷的绿化优化布局。

1 材料与方法

图1 四川大学校园黄桷种植区域分布

1.1 试材选择和处理 该试验在四川大学望江校区校内进行，选择校园各个区域内的黄桷树为试验材料，根据黄桷树在校内的分布及落叶状况，选取了8个试验区，每个试验区内的光照、人流量、车流量等变量基本相同，具体分区如图1所示。由于各区的环境差异(人流量、车流量、空气湿度、日照条件等)，在每个试验区内以黄桷树自身的经纬度为材料编号，总计选取129个样本作为试验材料，分别对各个试验区内试验样本进行pH、温度与落叶状况的观测与分析，以达到控制变量的目的，使统计结果可靠。

1.2 测定指标及方法

1.2.1 落光比例的测定。定义存留叶片大于10片的样本为未落光样本，小于10片的样本为已落光样本。2015年3月20日9:00～12:00统计每个试验区内已落光样本的个数，分别计算每个试验区内样本的落光比例。

1.2.2 叶绿素含量的测定。2015年3月20日9:00～15:00在每棵未落光的试验样本上随机采摘10片叶子，采用便携式叶绿素仪测量其叶绿素含量，计算每个未落光样本的叶绿素含量平均值，计算每个试验区内未落光样本的叶绿素平均值。

1.2.3 土壤pH和温度的测定。2015年3月20日9:00～17:00，采用pH仪测定每个试验对象5 cm深处土壤的pH及温度，计算每个试验区内所有试验对象土壤的pH平均值和温度平均值。

1.2.4 数据处理。使用SPSS软件计算各个区域土壤pH及温度的平均值和标准差，在P=0.01的显著性水平下分析各区土壤pH及温度差异的显著性。利用Excel软件计算各个试验区样本的落光比例和叶绿素含量平均值，并以相关系数为拟合标准，选择拟合度较高的曲线，拟合出8个试验区土壤pH均值与落光比例及叶绿素含量的对应曲线，土壤平均温度与落光比例及叶绿素含量的对应曲线。

2 结果与分析

2.1 各试验区土壤pH及温度 通过对各个试验区的环境比较和数据分析(表1)，可以得出周围环境因素对土壤pH及表层温度影响的定性分析结果。根据观察，临近校门的道路或车道，人流及车流量大，汽车尾气排放严重的地区，土壤pH普遍较低。由表2可知，①、②区的土壤平均pH有显著性差异，①区土壤相较于②区土壤而言偏酸性，这说明人流及车流量，尤其是汽车尾气的排放，对土壤pH有较显著影响，使土壤酸性增强。而这2个区域的黄桷树生长状况也有较大区别。比较这2个区域的日照条件可以发现，试验区的环境开阔，日照充分，树间距大，种植密度小，日照时间长，黄桷树长势就较好。另一方面，数据显示①区和③区的土壤pH均值存在显著性差异。位于③区的黄桷树生长状况较差，落叶情况明显高于①区和⑦、⑧2区。比较而言，③区附近地形不开阔，建筑物遮挡多，人流及车流量减少，日照条件不充分，日照时间短，同时树间距过小，树叶相互遮挡，落叶开始时间早，周期短，土壤pH明显偏高，在6.7左右。

表1 各试验区土壤pH和温度平均值

表2 各试验区土壤pH与温度显著差异区对比

观察发现土壤平均温度较低的区域都是人流及车流量较大或地形较为开阔、遮挡物少的区域，如①区、⑤区、⑥区、⑦区人流及车流量较大，⑧区地形开阔、遮挡物少，其土壤平均温度在16.4～16.9℃，②区、③区、④区都有建筑物遮挡，且②、③2区车流量都较小，其土壤平均温度在17.6～18.0℃。分析发现，无建筑物遮挡地区温度变化快，温差大，因此平均温度低，温度分布离散性大。数据显示①区与③区的土壤温度存在显著性差异，①区的土壤平均温度为16.8℃，低于③区17.7℃，①区的人流及车流量明显高于③区，且①区地形开阔，遮挡物明显少于③区。其结果与分析得出结论一致。从表中可以看出，环境因素相似的①区与⑤区的温度平均值存在着明显差异。从显著性分析及各区域概率密度分析得出，①区的温度分布较离散，而⑤区的温度分布较为集中，平均值的代表性更强。而同样有建筑物遮挡，人流及车流量小的④区及⑦区，温度平均值差异较大，比较2个区域温度的离散程度，④区的温度值范围分布在16.5～20.5℃，温度值离散程度较大，而⑦区的温度值范围分布在15.5～18.0℃，温度值分布较为集中，综合分析该地的日照时间及黄桷树生长状况可以推测，由于⑦区的树冠幅大，间距密，且受建筑物遮挡方位影响，日照时间短且正午时分日光照射不充分，此外，⑦区的种植地为方形区域，由此导致土壤表层温度偏小且分布集中，④区由于树间距较大且冠幅相对较小，土壤表层与外界热交换较快，黄桷树沿道路轴线形成长条型分布，日光照射不均匀，导致温度值偏大且分布离散。

2.2 不同的土壤pH对黄桷叶片叶绿素含量的影响 由图2看出，每个试验区内未落光黄桷的叶绿素含量平均值与土壤pH平均值存在明显的相关性。在5.7～6.6的范围内，随着土壤pH的增大，黄桷叶片叶绿素含量存在先降低后微小增加的趋势。当土壤pH在5.7～6.3时，随着pH的增加，黄桷的叶绿素含量呈逐渐降低的趋势，在土壤pH达到6.3左右时，叶绿素含量达到最低。当土壤的pH在6.3～6.6时，随着pH的增加，叶绿素含量呈微小增加的趋势，叶绿素含量基本稳定在25～27。

图2 各试验区叶绿素含量与土壤pH均值关系

2.3 不同的土壤pH对黄桷落光比例的影响 不同试验区内土壤pH与黄桷的落光比例存在明显的相关性。第1条拟合曲线显示，在5.7～6.7的范围内，随着土壤pH的增加，落光比例呈现先降低后增加的趋势(图3a)。当土壤的pH在5.7～6.0时，随着pH的增加，落光比例呈逐渐降低的趋势，在6.0左右时达到最低点。当土壤pH在6.0～6.7时，随着pH的增加，落光比例呈逐渐增加的趋势。分析表明在6.0左右的土壤pH条件下，黄桷的落叶速度最慢，土壤pH高于或低于该值越多，落叶速度越快。选择不同的回归方程进行拟合得到相关系数也较大的拟合曲线。由图3b中看出土壤pH在5.7～6.7的范围内，随着土壤pH的升高，黄桷的落光比例呈线性增加的趋势，在5.7左右的土壤pH条件下，黄桷的落叶速度最慢。

研究表明植物所处环境的pH对植物SOD活性具有很大的影响。SOD是生物体内一种重要的自我保护酶，它可以不断清除产生的自由基以减轻不良因子的危害［19］。冯建灿［20］研究表明，溶液pH为5.5～6.6时，喜树幼苗叶片 SOD活性最高，不适宜的pH可引起SOD活性降低;马成仓［21］研究表明，油菜种子在pH6.0的缓冲液中萌发幼苗比pH 3.0～10.0都高，不适宜的pH能引起SOD活性降低的结论，都证明pH会影响植物SOD活性。同时喜树幼苗和油菜种子的SOD活性都有较适宜的pH范围，这与该试验结论一致。分析推测，该试验中土壤的pH很可能是通过影响SOD活性间接影响黄桷叶片衰老速度的。

图3 各试验区落光比例与土壤pH均值关系(a.抛物线拟合;b.线性拟合)

2.4 不同的土壤温度对黄桷叶片叶绿素含量的影响 由图4看出，当土壤温度在15.9～17.9℃时，黄桷叶片的叶绿素含量并未随着土壤温度的增大或减少而呈现明显的规律性变化，分析表明土壤温度在15.9～17.9℃的范围内与黄桷叶片叶绿素含量的关系很小。

2.5 不同土壤温度对黄桷树落光比例的影响 由图5可以看出，当土壤温度在16.4～18.0℃时，每个区域内黄桷的落光比例和土壤温度的平均值并未存在明显的相关性，散点图较为分散，各个区域的土壤平均温度相差不大，黄桷树的落光比例却有较大差距。分析得出，当土壤温度在16.4～18.0℃时，黄桷树的落光比例与土壤温度的相关性不显著。

图4 各试验区叶绿素含量与平均温度关系

2.6 黄桷树落叶速度缓慢的土壤条件 定义使黄桷树落光比例低于15%，叶片叶绿素含量高于25的土壤条件为黄桷树落叶缓慢的土壤条件。根据叶绿素—土壤pH曲线，落光比例—土壤pH曲线可得到黄桷树落叶缓慢的土壤pH为5.9～6.2，而该试验所测得数据显示土壤温度基本在16.4～18.0℃范围内，对黄桷树的落叶状况影响并不显著，无法通过该试验确定黄桷落叶缓慢的土壤温度条件。综上可知，使黄桷落叶缓慢的适宜土壤 pH 为5.9 ～6.2，且16.4 ～18.0 ℃的土壤温度条件基本不会影响黄桷树的正常生长。

图5 各试验区落光比例与平均温度关系

3 校园黄桷树种植区绿化评价体系

3.1 校园绿化评价指标体系的建立

3.1.1 建立校园绿化评价指标体系的目的。校园绿化的目的是改善生存与居住环境，提高植被覆盖面积，在达到生态功能的同时为人们的日常生活提供便利。因此，对校园的绿化系统建立评价指标体系，有助于指导校园的环境绿化规划，使土壤与植被资源得到更加充分的应用。针对黄桷树的绿化评价体系，可以分析总结出校园最适宜种植黄桷树的区域，以使黄桷树的生态资源得到最大程度的利用，增强资源的优化配置。

3.1.2 校园绿化评价指标体系建立的思路。绿化评价指标体系是由若干相互联系、相互补充、具有层次性和结构性的指标组成的有机系列［11］。此次研究主要采用专家咨询法和模糊优先排序法相结合筛选指标，以满足科学性和合理性原则［12］。指标体系建立的步骤是，首先初步拟定评价指标，然后采用专家咨询法，征求专家意见，建立一般指标体系及具体指标体系，其次采用模糊优先排序法对指标进行相对重要性排序，以确定评价指标，最后建立评价指标体系并赋予权重。

3.1.3 校园绿化评价指标体系的特点。校园绿化评价体系具有特殊性、差异性、层次性的特点。绿化综合评价是分析不同的因子对校园绿化建设的综合影响［12］。评价主要分为3层，第1层为总目标层，即综合评价;第2层为子目标层，即生态性评价、安全性评价、观赏性评价、功能性评价、社会性评价及经济性评价;第3层为具体的指标层。经过层层分析，最终对总目标层进行评价。

3.1.4 校园绿化评价指标体系的内容。针对子目标层的各个目标，归纳出校园绿化评价体系在各个目标方面的影响因子，根据评价指标选取原则，初步建立校园绿化评价指标体系。

生态性评价主要从黄桷树种植区绿地率、冠幅覆盖率、植物群落结构、其他品种木本植物的多样性、黄桷树生长适应性、水土保持能力、黄桷树生长状况等方面评价。其中，生长状况主要以试验得到的pH与温度影响落叶速率的研究取得的数据为依据进行评价。安全性主要从栽植间距、黄桷树高度、种植区视野通透性等方面评价。观赏性取决于黄桷树体量、形态、周围景观协调性、景观空间尺度的适宜性。功能性指标包括易识别性、可达性、无障碍性、空间场所丰富性。社会性评价包括居住者对黄桷树绿化的认知度、居住者对黄桷树绿化的认可度。经济性评价包括设计建设费用、管理维护费用。具体指标见表3校园黄桷树种植区绿化综合评价指标体系的层次结构。

表3 校园黄桷树种植区绿化综合评价指标体系的层次结构

3.1.5 校园绿化评价指标的修正。上一步拟定的评价指标为定性指标，采用模糊优先关系排序法定量分析。模糊优先排序法的主要原理［14］如下。

(1)设论域 U={u1，u2，…，un}上的 FUZZY 集 A，建立优先关系矩阵C=(Cij)n×n，以Cij表示ui与uj相比时的优越程度。

Cii=0表示ui与uj相比无优越性

(2)建立截矩阵，进行模糊优先排序。取定阈值α∈［0，1］得到截矩阵

Cα=，其中

让α从1到0，若首先出现Cα的第i行元素除对角线外全等于1，则ui为第1优越对象(未必唯一)。除去第1优越对象，得到新的优先关系矩阵，用同样的方法获得第2优越对象，如此继续下去，可以将全部对象排出一定的优劣次序。

(3)将定性顺序利用隶属度函数表示出来。如果已知论域U上各元素对A的隶属顺序，隶属度按公式计算:

其中r(ui)表示元素ui隶属顺序，m=n+2，当A(ui)≤0.60，该元素符合要求。

以子目标层中的安全性评价中所包含指标为例，U={u1，u2，u3，u4，u5}={栽植间距，高度，通透性}，将初选的指标两两比较，由10名行业专家或学者按特好、很好、稍好、相同、稍差、很差、特差分别得分 10、9、7、5、3、1、0 原则打分，评分结果如表4。

表4 安全性评价指标的评分结果

由表4可建立模糊优先矩阵:

对C建立α截矩阵，令其从1到0变化，当α=0.4时，截矩阵为

截矩阵中第2行除对角线元素外均为1，u2为第1优越对象。除去C中有关u2的行和列，同理可以获得新的优先关系矩阵，确定第2优越对象，直至排出相对优越性序列:u1，u2，u3。代入隶属度函数公式 A(u2)=ln(3+2 －1)/ln(5－1)=1，同理 A(u2)=0.79，A(u3)=0.5，因此，只有 u1，u2符合要求，即栽植间距及高度。

以同样的方法分别对其他子目标层下的指标进行筛选，结果如表5所示。

表5 评价指标优先关系排序及修正

3.2 校园黄桷树种植区绿化评价模型的建立

3.2.1 绿化评价指标权重的确定。AHP层次分析法是由美国著名运筹学家萨蒂在20世纪70年代提出的一种系统决策方法，这是一种定性和定量相结合的、系统化的、层次化的分析方法。AHP层次分析法的主要步骤如下。

(1)构造判断矩阵。以已建立的层次模型为基础，构造以萨蒂标度为表现形式的比较判断矩阵。

该试验以问卷形式确定2个因素相比的标度值(表6)，以此建立判断矩阵。在试验过程中，共回收有效问卷100份，目标调查对象中，60%为在校学生，20%为居民区居民，20%为专家学者。综合各方面意见，构建判断矩阵，计算单一层次元素的相对权重。

表6 萨蒂标度法

(2)计算各指标相对权重

采用规范列几何法计算指标权重:

①对判断矩阵每一列规范化

②求规范列的平均值

则 W=［w1，w2…wn］T即为所求的特征向量。

③计算判断矩阵的最大特征根λmax

式中(AW)i表示向量AW的第i个元素。

(3)进行一致性检验

①引入评判矩阵的一致性指标

②当n≥3时，引入平均随机一致性指标 RI，取值见表7。

表7 一致性指标RI的数值

③计算一致性比率CR

当一致性比率CR＜0.1时，认为判断矩阵的不一致程度在允许范围内，具有满意的一致性，可用其归一化特征向量作为权向量，否则要重新构造判断矩阵，对A加以调整，直到具有满意的一致性为止。

3.2.2 绿化评价指标权重的计算过程。现以校园绿化生态评价为例，介绍指标层权重的计算过程。比较判断矩阵及绿化评价指标权重计算结果见表8。其中，生长状况主要由试验得到的pH与温度影响落叶速率的研究取得的数据为依据进行评价。

表8 校园绿化生态性评价指标层判断矩阵及权重

(1)对矩阵每一列规范化

同理可得最后的规范化矩阵为

(2)规范列平均

W=(0.519，0.266，0.108，0.108)T为特征向量。

(3)计算判断矩阵最大特征值λmax

(4)对判断矩阵进行一致性检验

计算矩阵一致性指标，得CI=0.027

由表7查得 RI=0.89，则 CR=0.03 ＜0.1

认为具有满意的一致性。

同理，可得出其他子目标层下各指标的权重(表9)。

表9 评价指标权重计算结果

3.2.3 校园黄桷树种植区绿化评价模型

3.2.3.1 子目标层评价模型。校园绿化子目标层评价结果，由子目标层下各指标权重乘以各指标评价值后加和得到，具体计算公式如下:

式中，Fj代表子目标层第 j个指标的综合评价值，j=1，2，3，……;F(Pi)表示指标层各指标的评价值;WPi表示各指标对子目标层的权重;n为该子目标层指标所包含的指标层具体指标的项数。

3.2.3.2 综合评价模型

式中，IRG代表校园黄桷树种植区绿化的综合评价值;F(Pi)表示各指标层具体指标各因子的评价值;WPi代表校园黄桷树种植区绿化综合评价中指标层各指标相对目标层的权重。

4 结论

(1)土壤pH对黄桷树的生长有较大影响。5.9～6.2为适宜黄桷树生长的土壤pH范围，在该pH范围内，试验区内黄桷树的落光比例低于15%，叶片叶绿素含量高于25，由此可认为黄桷树是一种喜酸性的植物，适宜生长的土壤pH应与此相近。

(2)土壤温度在15.9～17.9℃范围内对黄桷树的生长影响较小。在该温度范围，试验区内的黄桷树落光比例和黄桷叶片的叶绿素含量都未随温度的变化而呈现出明显的升降趋势，由此可认为该温度基本不会影响黄桷树的正常生长。

(3)结合四川大学情况，经过专家建议及问卷调查，参考国家或地方现有的绿化相关标准及规范，如《上海市河道绿化评价研究》《北京居住区室外园林景观评价指标体系初探》等评价标准，采用层次分析法建立校园黄桷树种植区绿化评价模型，包括生态性评价、安全性评价、观赏性评价、功能性评价、社会性评价及经济性评价等6个指标，确定各指标层权重，以此权重分配建立的绿化评价模型对四川大学的黄桷树种植绿化建设具有一定的参考价值。

［1］黄遵纯.黄桷树［J］.中国园林，1985(3):27 －28.

［2］刘宛，徐正进，陈温福，等.不同氮素水平对直立穗型水稻品种群体光合特性的影响［J］.沈阳农业大学学报，2001，32(4):243 －246.

［3］张黎萍，荆奇，戴廷波，等.温度和光照强度对不同品质类型小麦旗叶光合特性和衰老的影响［J］.应用生态学报，2008，19(2):311 －316.

［4］李潮海，赵亚丽，王群，等.遮光对不同基因型玉米叶片衰老和产量的影响［J］.玉米科学，2005，13(4):70 －73.

［5］罗兴录，岑忠用，谢和霞，等.不同木薯品种抗衰老生理与淀粉积累特性研究［J］.作物学报，2007，33(6):1018 －1024.

［6］高小丽，孙健敏，高金锋，等.不同基因型绿豆叶片衰老与活性氧代谢研究［J］.中国农业科学，2008，41(9):2873 －2880.

［7］NESMITY D S，BRIDGES D C，BARBOUR I C.Bell pepper responses to root restriction［J］.Journal of plant nutrition，1992，15(12):2763 －2776.

［8］李一鲲.土壤pH值与橡胶树［J］.云南热作科技，1979(3):13－15.

［9］王进，欧毅，武铮，等.高温胁迫对早熟梨生理效应和早期落叶的影响［J］.西南农业学报，2011，24(2):547 －551.

［10］GEPSTEIN S，GLICK B R.Strategies to ameliorate abiotic stress － induced plant senescence［J］.Plant molecular biology，2013，82(6):623 －633.

［11］刘春霞.高速公路绿化综合效益评价体系［J］.城市环境与城市生态，2007，20(3):38 －44.

［12］杨程程.屋顶绿化综合评价模型的建立与研究［D］.上海:上海交通大学，2012:32－37.

［13］杨林，王麟.公路景观评价指标体系建立方法的研究［J］.森林工程，2008(1):80－83.

［14］祁金峰，宋伟.模糊数学评价方法在浦河水质评价中的应用［J］.科技创新，2010(7):139－141.

［15］孙海涛.北京市公路绿化景观功能评价体系研究［D］.北京:北京林业大学，2008:2－6.

［16］宋子炜.平原区高速公路生态绿化评价体系构建［J］.公路交通技术，2009(1):139－142.

［17］WERTHMANN C，VAN VALKENBURGH M A.American society of landscape architects.Green roof—A case study［M］.New York:Princeton Architectural Press，2007:5 －10.

［18］KUMAR R，KAUSHIK S C.Performance evaluation of green roof and shading for thermal protection of buildings［J］.Building and environment，2005，40(11):1505 －1511.

［19］王建华，刘鸿先，徐同，等.超氧化物歧化酶(SOD)在植物逆境和衰老生理中的作用［J］.植物生理学通讯，1989(1):1－7.

［20］冯建灿，邓建钦，张玉洁，等.培养液pH值对喜树幼苗生长与SOD活性、脯氨酸和叶绿素含量的影响［J］.经济林研究，2001，19(3):6 －8.

［21］马成仓，洪法水.pH对油菜种子萌发和幼苗生长代谢的影响［J］.作物学报，1998，24(4):509－512.