影响城市道路分车带绿地群落状况的主成分分析

戴耀良，何国强，蔺万煌，尹婷辉，

(1.深圳市仙湖植物园，广东 深圳 518001； 2.深圳大学有害生物防控中心，广东 深圳 518060；3.湖南农业大学生物科学技术学院，湖南 长沙 410128)

道路绿地是城市绿地系统的有机构成要素，是城市的交通空间，它与建筑空间的地位同等重要。一般在城市干道上，主要设置行道树和各种绿带(包括人行道绿带、分车绿带和路侧绿带)，并按照道路绿地设计的基本原则进行有规律的布局，使道路绿化在变化和统一中完成，从而形成优良的城市道路绿地景观效果[1]。分车带作为城市道路车行道及人行道的分隔带，贯穿整个城市，其绿化植物的生长状况直接影响了分车带景观及城市生态效果。

深圳地处南亚热带，属亚热带海洋性气候，依山傍海，气候温暖宜人，良好的气候和地理环境，为植物的生长提供了得天独厚的条件[2]。但部分道路存在忽视分车带宽度片面追求复合式多层次的植物配置模式、群落结构不合理、植物搭配不当等倾向，直接影响城市道路的景观效果和生态效益。目前，主成分分析法广泛用于农林业生产、园林绿化及其他植物栽培等方面的研究[3-12]，本研究基于主成分分析法探讨影响城市道路分车带绿地群落的变量因子，了解其制约因素，以期为城市绿化实践提供相应的技术支持。

1 研究方法

1.1 样地设置

根据深圳市道路分车带宽度及绿化配置模式类型，选择宽度为10、6、8、4 m代表性强的各类型分车绿化带，共设置样地31个，面积合计5825 m2，中央分车带样地11个，快慢分车带样地14个，慢车道与人行道分车带样地6个，样地长度统一为10 m。涵盖宝安大道、北环大道、滨河大道、龙城大道、龙翔大道、深南大道、滨海大道、沙河东路、裕安一路、新湖路等，其中南北走向的道路13条，东西走向的道路18条。

1.2 调查内容

调查内容包括样地面积、位置、分车带宽度、群落结构等相关信息。将群落因子调查汇总为乔木物种数、乔木株数密度、灌木物种数、灌木株数密度、地被物种数、地被面积、草坪物种数、草坪面积、群落层次、上层郁闭度、总郁闭度、重叠郁闭度、总物种数、乔灌总株数等14个因子。因本项目研究的样地立足于土壤、气候条件及养护措施相同，立地因子仅对分车带宽度进行调查分析。

1.3 数据处理及指标筛选

采用Excel 2007和SPSS 23.0软件对样地进行数据处理和运算，其中SPSS 23.0自动对原始数据进行标准化处理。

主成分降维分析的条件是要求KMO检验满足KMO值>0.5且bartlett球形度检验的P值<0.05，才有统计学意义[13]。因此，将14个群落调查因子及1个立地因子(分车带宽度)结合植物群落总体状况进行分析，通过对不同因子逐一删减组合分别进行多次演算比对，筛选确定灌木物种数(X1)、乔木物种数(X2)、乔木株数密度(X3)、群落层次(X4)、上层郁闭度(X5)、总郁闭度(X6)、总物种数(X7)、乔灌总株数(X8)、分车带宽度(X9)及地被面积(X10)为满足主成分降维分析检验要求的最佳10个因子组合。

1.4 主成分赋权分析方法

本项目以SPSS 23.0软件进行操作运算。其中软件自动运算出初始因子载荷矩阵，每个载荷量表示主成分与对应变量的相关关系，但不可直接使用于主成分表达式中[11-13]，主成分表达式特征向量计算式为：Zij=aij/SQRT。

2 结果与分析

2.1 标准化处理的样地数据相关矩阵

由于不同的指标存在不同的量纲，而不同量纲的指标是不能进行相互比较的[14]。因此，为了消除由于量纲和数量不同可能带来的影响，对统计的原始数据必须按主成分分析的方法进行标准化处理，调查因子的数据经标准化处理后的相关系数矩阵详见表1。

主成分分析是从众多的原始指标中综合出少数具有代表性的因子，因而要求原有指标之间具有相关性[15-16]。在对影响因子相关性关系的45个比对中，有35个呈正相关关系，占总比对数的77.78%；10个呈负相关关系，占总比对数的22.22%。表1相关性矩阵数据说明，各因子的选择具有充分的合理性。

2.2 相关矩阵的特征值及贡献率

标准化处理后的数据经KMO和 Bartlett 球度检验的结果详见表2。结果表明，KMO值为0.527>0.5，且Bartlett球度检验相应的显著水平为0.000，适合做主成分分析；10个变量因子的公因子方差提取均大于0.8，其中6个变量超过0.9。这说明提取的公因子能够很好地反映原始变量的主要信息。

表1 标准化数据的相关性矩阵

经主成分降维分析得到相关矩阵的特征值及贡献率详见表3。结果表明前5个主成分的累积方差达88.365%。实际中通常取累计贡献率达到85%的m个主成分[17-18]。从第1～第4主成分的初始特征值均大于1，从第1～第5个主成分累计可以解释>85%总方差。

表2 KMO和巴特利特检验

因此，将影响道路分车带绿地的10个指标的全部信息归结为若干个成分，总方差累计为88.365%的前5个主成分能充分反映道路分车带绿地的大部分信息，即前5个主成分较好地保留了原来指标的绝大部分信息量，因此只需选择前5个主成分进行分析。

表3 总方差解释

2.3 主成分的表达式及变量因子分析

设Y1为第1个主成分，Y2为第2个主成分…Y5为第5个主成分，第1、2、3、4、5主成分的因子载荷量aij见表4。从表4主成分aij值可见：在10个因子中具有较高正载荷量的因子依次是乔木株数密度(0.87)、乔木物种数(0.84)、总物种数(0.77)、乔灌总株数(0.73)、群落层次(0.70)、分车带宽度(0.68)、上层郁闭度(0.66)、总郁闭度(0.64)、灌木物种数(0.61)，但也表现出有较高负载荷量的是群落层次(-0.54)、地被面积(-0.53)、灌木物种数(-0.49)、总物种数(-0.45)、乔木株数密度(-0.31)。说明群落株数密度(特别是乔木株数密度)、总物种数、分车带宽度、群落层次、上层郁闭度这几个因子可较大地制约分车带群落的整体状况。

表4 因子载荷量矩阵

根据表3中第1、2、3、4、5主成分提取的载荷平方和分别为3.565、2.164、1.281、1.068、0.758，各主成分的特征向量根据公式Z1j=a1j/SQRT(3.565)、Z2j=a2j/SQRT(2.164)、Z3j=a3j/SQRT(1.281)、Z4j=a4j/SQRT(1.068)、Z5j=a5j/SQRT(0.758)，计算可得出各主成分的表达式：

Y1=0.08X1+0.44X2+0.46X3+0.1X4-0.04X5+0.22X6+0.41X7+0.39X8+0.36X9+0.29X10

Y2=0.42X1-0.09X2+0.09X3+0.47X4+0.39X5+0.27X6-0.3X7+0.35X8-0.09X9-0.36X10

Y3=-0.43X1+0.12X2+0.07X3-0.23X4+0.58X5+0.57X6-0.07X7-0.27X8-0.02X9+0.04X10

Y4=0.56X1-0.06X2-0.3X3-0.53X4+0.11X5+0.17X6-0.18X7+0.18X8+0.01X9+0.47X10

Y5=-0.09X1-0.46X2+0.07X3+0.1X4+0.27X5-0.25X6-0.17X7-0.04X8+0.75X9+0.17X10

综合表3、表4及主成分表达式，可见在第1主成分中，贡献率是35.648%，以株数密度(X3、X8)影响最大，其次是乔木物种数(X2)及总物种数(X7)，再次是分车带宽度(X9)的影响，无负数的载荷量指标数，较高的载荷量为X3>X2>X7>X8>X9。在第2主成分中，贡献率是21.642%，群落层次(X4)、灌木物种数(X1)及上层郁闭度(X5)对分车带群落影响最大，较高的正载荷量为X4>X1>X5；总物种数(X7)、地被面积(X10)对绿化植物生长存在较大负相关影响，负载荷量绝对值X7>X10。在第3主成分中，贡献率是12.815%，上层郁闭度(X5)及总郁闭度(X6)对分车带群落影响最大，较高的正载荷量为X5>X6；灌木物种数(X1)、群落层次(X4)对分车带群落结构也有较大的负面影响，负载荷量绝对值X1>X4。在第4主成分中，贡献率是10.675%，以灌木物种数(X1)、地被面积(X10)影响大，载荷量为X1>X10；有较高负载荷量的为群落层次。在第5主成分中，贡献率是7.584%，有较高正载荷量的为X9、有较高负载荷量的为X2，即分车带宽度对植物生长影响较大且成正相关，而乔木物种数过多，也不利于绿化植物整体健康状况。

3 讨论与结论

3.1 关于变量因子的选取

城市道路分车带绿地对于城市生态环境、城市景观等具有举足轻重的作用，因此认为分车带绿地主要的评价标准是生态效益及景观效果。分车带绿化植物的种类构成、数量结构、空间结构及年龄结构等直接影响群落发育及生态系统的持续稳定性，从而影响景观效果。植物种类的构成与结构状况可通过样地调查获得，在专业调查中通常有林分调查及立地调查。同一城市气候条件相同，分车带绿地的土壤通常改良为种植土，因此，本项目研究立足于认为土壤、气候条件及养护措施相同。此外，不以林木蓄积量为追求目标是城市绿化与林业生产的最大区别。基于这些因素，本研究选择及筛出的乔木物种数及株数密度、灌木物种数及株数密度、地被物种数及面积、群落层次、总郁闭度、上层郁闭度、地被盖度、总物种数、乔灌总株数及分车带宽度等变量因子均与群落生态效益及景观效果密切相关。

3.2 关于高载荷量的变量因子

本研究表明具有较高正载荷量的因子依次为乔木株数密度>乔木物种数>总物种数>乔灌总株数>分车带宽度>灌木物种数>群落层次>上层郁闭度>总郁闭度。负载荷量绝对值较大的因子是群落层次>地被面积>灌木物种数>总物种数>乔木株数密度。其中，株数密度(乔木株数密度及乔灌总株数)和郁闭度(上层郁闭度、总郁闭度)为群落密度指标，均表现了较高的载荷量。这一分析结果符合林学理论“群落密度在很大程度上决定了群落的内部结构”[19-20]。而乔木是绿地造景的基本元素，不仅可美化城市、净化空气、遮荫降温，更可以减轻车辆行驶造成的噪声污染和防止眩光提高行车安全等，在景观功能、生态效益、艺术风格等方面能起主导作用。也有研究表明，大树的遮荫效果以及通过树叶光合作用吸收二氧化碳呼出氧气，疏适空气，减轻由车辆带来的噪声、灰土和炫光等污染，调节气候等生态功能是草地和灌木的数倍乃至数十倍之多[21]，这说明乔木在分车带绿化中的重要性。但在主成分分析中，乔木株数密度也体现了较大负载荷量，因为株数密度过大，个体实际占有空间低于其健康生长所需的生活空间时，树木生长必然会受到影响，并且随着生长空间的减小，光照、通风条件不足，影响愈明显。树木根系得不到伸展，树冠发育不良，大量树木歪斜倒伏，风害、病虫害发生率大增等问题。当生长空间的减小达到致死空间时，树木生长停止直至死亡，自疏现象严重。

总物种数既表现出较高载荷量，也表现有较高负载荷量。这符合种群生长的逻辑斯蒂(Logistic)理论，即某个地区(空间)可以维持种群(物种)最大个体数目是由平均气候条件、生境的构造、食物供给量等决定的[22]。因此，在分车带这种有限的绿地空间内不能片面追求物种多样性。

同时表现出较高载荷量及高负载荷量的群落层次可直接体现植物配置状况。植物配置合理能充分利用空间，结构优化能发挥最大的生态效益，若群落层次结构不当，不仅无景观可言，而且群落的植物种类组成及数量也不稳定，植物个体健康状况差，从而无法发挥最大的生态效益。

群落郁闭度也是密度指标，体现群落的树冠垂直投影状况，郁闭度受株数密度及树冠生长的制约，主成分分析结果表明上层郁闭度对群落的状况影响较大。因为郁闭度因子直接影响群落内的光照强度从而影响群落状况，从而表现出较高的因子载荷量。

作为立地因子的分车带宽度，在分车带绿地中与绿化植物的生长关系往往未引起人们的关注，主成分分析结果揭示分车带宽度有较高正载荷量，与群落状况密切相关。这是因为分车带宽度不仅直接关系到地下营养空间的大小，而且当太阳辐射从分车带两侧照射时，分车带宽度的大小也直接影响群落内的光照强度，这对群落的植物种类组成、植物生长状况及相对稳定都有极大的关系。

3.3 关于主成分表达式

因为主成分分析是以相关系数矩阵为出发点进行因子分析，所以主成分分析表达式中的X1～X10是经过标准化变换后的标准变量。Y1、Y2、Y3、Y4、Y5分别代表了分车带绿地群落中不同主导因子影响的5个主成分得分，通过主成分表达式可分别算出目标样地各主成分的得分，可为计算综合得分提供数据支持。在评价某一分车带绿地群落总体状况时，综合得分Y=Y1+Y2+Y3+Y4+Y5，因此，主成分表达式可用于分车带绿地群落的评价。

3.4 关于分车带绿地群落的构建

根椐深圳城市道路分车带绿地群落状况的主成分分析结果，株数密度(特别是乔木株数密度)、总物种数、分车带宽度、群落层次及上层郁闭度等因子较大地制约分车带群落的整体状况。因此，建议在分车带绿地群落构建工作中可采取以下措施：①应以分车带宽度为基础，分车带宽度越大越适宜配置乔木、中下层则适宜选用耐荫物种，分车带宽度偏小时，则应以灌木及地被植物为主。②在乔木株数密度控制方面，行列式配置原则上应执行国家相关标准规范，但采用自然式配置的分车带绿地，目前尚无严格的株距标准规范，在种植设计方面多数设计师往往凭经验或直觉来确定冠幅尺度大小[23]，需要根据不同的径级生长阶段及郁闭度要求，参考相应自由树的冠径比指标计算出合理的株距来控制株数密度，才更利于植物健康生长并提高空间利用程度，发挥最好的生态效益[24]。③群落层次及上层郁闭度直接影响群落内的光照强度及空间结构与利用，应避免上层郁闭度过大，以保证中下层有适度的光照强度。群落中不同层次树种的选择必须综合考虑树种对光照的要求、树冠形状及生态位等因素；此外，发生树冠重叠时，应控制阳性树种的树冠重叠率[25]，不同树种在城市绿地群落中的树冠可重叠系数有待研究。④在分车带绿地群落中，应遵循生态学原理合理配置植物，不可片面追求物种多样性及无序堆砌植物。因为单位面积内物种数及每物种个体数量的多少与环境容量直接相关，至于不同分车带适宜的物种数则有待进一步研究。

*：夏德美，梁国华等人参与外业调查，特此致谢！

[1]李一伦.杭州市城区主干道路绿地植物景观调查与分析[D].杭州：浙江农林大学，2012.

[2]深圳市中国科学院仙湖植物园.深圳植物志：第1-4卷 [M].北京：中国林业出版社，2015.

[3]孙丽静，蒋益成.岭南不同园林植物根区土壤微生物功能多样性季节动态变化[J].江苏农业科学，2016，44(10)：478-487.

[4]王思梦，翁沁玉，代知广，等.基于主成分分析的武汉市中山公园水体污染研究[J].湖北大学学报：自然科学版，2017，39(2)：206-210.

[5]张永江，邓茂，黄晓容，等.典型生态旅游城市黔江区大气污染物分析及健康风险评估[J].西南师范大学学报：自然科学版，2017，42(4)：81-87.

[6]张亚，杨亚丽，沈涛，等.云南省食用薯蓣中无机元素含量主成分分析与聚类分析[J].湖北农业科学，2015，54(6)：1400-1401.

[7]李文敏，魏虹，李昌晓，等.基于高光谱参数的枫杨叶绿素含量估算模型优化[J].林业科学，2014，50(4)：56-59.

[8]李世瑶，蔡焕杰，陈新明.基于主成分分析的畦灌质量评价[J].农业工程学报，2013，29(24)，86-93.

[9]吴玉红，田霄鸿，同延安，等.基于主成分分析的土壤肥力综合指数评价[J].生态学杂志，2010，29(1)：173-180.

[10]董莹莹，王纪华，李存军，等.基于主成分分析的叶面积指数尺度效应[J].农业工程学报，2012，28(11)：164-169.

[11]公丽艳，孟宪军，刘乃侨，等.基于主成分与聚类分析的苹果加工品质评价[J].农业工程学报，2014，30(13)：276-283.

[12]高吉喜，段飞舟，香宝.主成分分析在农田土壤环境评价中的应用[J].地理研究，2006，25(5)：836-842.

[13]刘大海，李宁，晁阳.统计分析从入门到精通[M].北京：清华大学出版社，2008：115-146.

[14]彭惠，王岚，徐芬，等.基于主成分分析的园林植物耐荫性指标研究[J].草原与草坪，2016，36(3)：90-95.

[15]梁曼，黄富荣，何学佳，等.荧光光谱成像技术结合聚类分析及主成分分析的藻类鉴别研究[J].光谱学与光谱分析，2014，134(8)：132-136.

[16]崔雪梅，郭海如，方嫱，等.基于主成分分析的油菜盐害生理反应规律[J].江苏农业科学，2016，44(2)：105.

[17]宋之杰，高晓红.一种多指标综合评价中确定指标权重的方法[J].燕山大学学报，2002，26(1)：20-23.

[18]张子龙，王文全，缪作清，等.主成分分析在三七连作土壤质量综合评价中的应用[J].生态学杂志，2013，32(6)：1636-1644.

[19]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.

[20]孟宪宇.测树学[M].北京：中国林业出版社，1995：112-121.

[21]王虎彪.城市道路绿化的几点思考[J].山西建筑，2009，35(16)：353.

[22]温国胜，杨京平，陈秋夏.园林生态学[M].北京：化学工业出版社，2007.

[23]王旭东，杨秋生，张庆费.常见园林树种树冠尺度定量化研究[J].中国园林，2016(10)：73-77.

[24]何国强，谢良生，戴耀良，等.100种园林树木冠径比的初步研究[J].广东农业科学，2017，44(5)：57-64.

[25]许安芳，吴隆高，胡中成，等.杉木地理种源胸径与冠幅相关检验及其应用[J].浙江林学院学报，1998，15(2)：131-137.