上海城市行道树安全风险评估研究

贺 坤

宋 平

王本耀*

严 巍

宋 婷

2014年，习近平总书记提出将生态安全纳入国家安全体系，城市公共安全发展成为现代城市文明的基本指标[1]。城市绿化是生态环境建设的重要措施，树木作为绿化的重要组成部分，安全问题不容忽视。国外学者对树木风险的定义是指由于树木发生倒伏、坠落等情况，而造成不同程度人员伤亡、财产损失和城市安全隐患等后果的可能性[2]。一般认为，树体结构发生异常且危及财产和人身安全的树木是存在风险的[3]。国外城市树木安全评估研究已持续几十年，《树木风险管理》[4]将树木风险分为树木风险评估和风险树木管理两部分。Paine等[5-8]基于树木种类、规格等制作出树木潜在的风险评估表，根据树木故障概率和危害水平，以及可能危及的目标(人群、设施等)等确定树木危险等级，并进行了量化研究。Mattheck等[9-12]提出的VTA法应用较为广泛，国内城市树木安全评估目前也多采用VTA为基础的视觉评估检测法[13-14]，研究对象多为古树名木和易遭受风雪灾害的森林[15-17]，通过观测树木的缺陷病症状来评估其风险等级。利用GIS技术开展风险评估主要应用在区域生态风险评价、城市公园避难可达性和城市火灾风险评估等研究领域[18-20]，对城市树木风险的评估研究则相对较少。

为直观地对城市树木风险结果进行描述，以上海为例，采用可视化快速诊断方法，基于风险矩阵表法(Risk Matrix)[21]构建指标体系，开展行道树风险综合评估，并将GIS技术应用在树木风险评估中，以期为上海市行道树安全风险评估提供技术参考，并为城市树木的管理和建设提供指导。

1 研究区域与方法

1.1 研究区域

上海位于中国华东地区，属于亚热带季风性气候，温和湿润，四季分明，平均气温17.6℃，年均降雨量1 103mm，60%以上的雨量集中在5—9月的汛期，受台风影响时间段主要集中在夏秋7—9月。上海是我国的超大型城市，交通线路多，人流量大，21世纪以来随着城市交通设施的大规模建设和运行，城市空间格局呈现出圈层式扩张和轴向延伸的空间特征，形成中心城区、郊区(沿海)等典型区域。

1.2 研究方法

1.2.1 区域选择及行道树调查

在全市16个行政区随机选取135条道路，每条道路采用系统抽样法选取任意连续的5棵树作为树木风险评估对象。调查时间为2018年秋季至2019年春季，采样点共计817个，利用GPS取得调研地点的样本数据，将所获得的行道树分布点数据导入ArcGIS 10.2中进行处理分析和作图(图1)。调查内容包括树种名称、编号、坐标、树高、树冠、胸径值、树龄等基本信息，以及树体状况、根系土壤状况、生长环境状况等24个评估指标观测值。

图1 采样点分布图

在随机选取的135条道路中，香樟、悬铃木、栾树、银杏、广玉兰、无患子、榉树、枫香等出现的频率最高(调查数量均在30棵以上)，与韩玥枫[22]关于上海市常用行道树树种的调研结果基本一致，以上树种在上海行道树种类分布中占比较大，对它们风险状况也将重点关注。

1.2.2 树木风险评价方法

1)风险矩阵表。

风险矩阵表法(Risk Matrix)[21]对风险后果影响和风险发生概率进行等级划分，是一种定性分析与定量分析相结合的评估方法。表1～4为行道树风险评估过程中各个要素的等级量化表。

表1 行道树倒塌/折断的可能性等级

表2 行道树发生倒塌/折断事件的后果严重度等级

表4 风险等级对照

2)行道树风险评估指标体系构建。

行道树风险主要是指行道树对人、车、电缆、建筑等的潜在危害，如果行道树影响区域中没有影响目标的存在，则不构成行道树风险。树木风险类型主要为生长冲突和结构性故障[13]，结构性故障主要涉及树干、树枝和根系三部分的结构异常。参考黄敏硕、Jim、Gary[17，23-24]等的评估方法及ISA的最新相关技术体系和标准[12]，从树木风险类型角度出发，建立起行道树风险评估指标体系(表5)，评估体系涵盖风险可能性评估P和风险后果严重性S两个部分。

表5 行道树风险评估指标体系和评分标准

3)树木风险等级判定。

树木风险等级涉及树木健康、活力、结构完整性和生长环境等[25]，风险可能性评估P主要考虑树木的结构性破坏问题，需根据B1、B2、B3归属下的指标情况来识别树木最容易发生衰竭的模式，从而判断树木受到结构破坏的可能性，对P赋值1～4分，分别表示低、中、高、极高4个等级；风险后果严重性评估S主要考虑生长冲突这一风险类型，将B4、B5归属下的指标评分分配给以下类别之一来获得S等级类别：Ⅰ(0

表3 风险值对照

1.2.3 数据和统计方法

空间分析方法采用核密度分析法[26]，通过离散点数据进行内插，根据输入要素数据计算整个区域的数据聚集状况和等级高低状况，进而从空间可视化与量化角度分析上海市行道树安全风险等级的空间分布特征和趋势。冗余分析法(RDA)可以分析解释变量与响应变量之间的关系[27]，将不同区域的行道树用作响应变量，风险点用作解释变量，使用RDA分析不同区域的行道树与风险点之间的统计关系，数据采用Canoco 5软件进行(RDA)统计分析，得到可视化分析结果图。

2 结果与分析

2.1 上海市行道树风险评估

由表6可见，有超过80%的行道树风险可能性等级P处于中等级别及以下，说明上海大部分行道树风险可能性为中等；大部分行道树的风险后果严重性等级S处于轻度和严重等级，占比分别是54.6%和43.7%；有超过90%的行道树风险等级R处于Ⅱ级及以下，说明调研的大部分行道树的风险都为可忽略或可接受的风险。

表6 上海行道树安全风险评估等级占比

由表7可见，在8种数量相对较多的行道树当中，悬铃木、广玉兰、栾树、无患子和榉树均有超过10%的植株产生风险的可能性较高，其中悬铃木和广玉兰分别有1.08%和4.29%的植株可能性等级极高；香樟、银杏和枫香产生风险的可能性较低。8种树种可能倒伏/折断的部位大多在树干和枝干，尤其以悬铃木和香樟为典型代表。悬铃木是落叶树种，适应性强，但易遭病虫害，有飘絮，作为行道树如果根系发育不良容易被大风吹断枝条；而香樟是深根性常绿树种，虽然风险可能性相比悬铃木来说较低，但在下雪天时，香樟的枝干却更容易被雪压断。广玉兰根系深，抗风能力强但一级主干主枝容易出现树洞。栾树、无患子和榉树作为行道树具有良好的景观效果，其结构异常点主要集中在树干，调查发现它们大多数都有等势干和虫害现象，特别是栾树在夏季容易遭受蚜虫侵害。近年来，上海行道树修剪主要集中在悬铃木和香樟，目的就是为了减少枝干折断的风险，广玉兰、栾树、无患子和榉树作为风险可能性较高树种也应该加强修剪和养护。银杏和枫香的低风险可能性等级占比均超过90%，未出现极高风险可能性等级，说明银杏和枫香的安全性较高。银杏生长慢，冠幅小，安全性较高，但也会因种植穴浅或小而引起风倒之害。枫香观赏性高，但树干脆弱，调研时发现枫香大多种植在绿化隔离带上，表明此环境有利于枫香生长。由此可见，银杏和枫香可考虑作为上海市典型行道树的推荐树种。

表7 上海常见行道树树种风险可能性评估情况

2.2 空间关系

2.2.1 行道树风险评估总体空间格局

将所有数据导入ArcGIS进行核密度处理分析后得到完整区域的行道树风险评估情况空间分布图。图2清晰反映了上海市行道树各部分评估内容的空间分布特征。总体来说，行道树取样点的高密度聚集中心出现在上海的中心城区，呈现出向周边地区逐步递减的规律。外环线以内区域，P、S、R等级分布呈现大聚集的空间格局，由中心城区向周边呈现圈层式向外逐步递减，这也是由城市发展结构决定的。其中，P、S、R级别较高的区域主要集中在中环线以内，尤其以黄浦为代表。外环线以外区域，P、S、R等级分布呈现小分散的空间格局。其中，P、S、R级别较高的区域主要分布在宝山、松江、青浦、嘉定和金山，其余行政区的行道树风险状况较为可观。

图2 上海市行道树安全风险评估空间分布图(注：图a、b、c分别是可能性等级P、严重程度等级S、风险等级R的空间分布图)

2.2.2 行道树风险评估项目分析

由图3可知，风险可能性评估P中的B1(树体状况)、B2(根系/土壤状况)、B3(生长环境胁迫状况)，其评价结果空间分布有明显差异(图3d～3f)，但在外环线以内，B1、B2、B3的评价结果表现出由中心活动区域向外逐步递减的趋势。树体状况(B1)严重的区域有黄浦、浦东和青浦；根系/土壤状况(B2)严重的区域集中于黄浦；生长环境胁迫状况(B3)严重的区域有黄浦、杨浦和青浦。风险后果严重性评估S中的B4(树木衰竭部位)和B5(区域风险状况)，其评价结果空间分布无明显差异(图3g～3h)。树木衰竭(B4)情况严重的区域集中在黄浦；区域风险状况(B5)呈现以区中心向外逐步递减的规律，其中严重区域有黄浦和青浦。

图3 上海市行道树安全风险评估项目空间分布图(注：图d、e、f、g、h分别是B1、B2、B3、B4、B5评估的空间分布图)

2.3 风险点分析

2.3.1 上海市行道树主要风险点

行道树的风险点通常是与树木的物理、生理和环境指标有关，也是评估树木风险可能性(P)的关键影响因子。如图4所示，在817棵行道树中，出现食根性害虫(C20)的频率达到最高，达到了37.58%，总计树木307棵，树种10种，严重程度大部分为轻度级别，出现频率在黄浦区最高为70%。树体的主干和枝干部分(C1～C11)存在缺陷的频率明显高于根系、土壤和环境胁迫方面；其中，大型枯枝现象(C5)最多，共计树木298棵，树种11种，其严重程度大部分为重度级别，黄浦区和宝山区的出现频率分别为73%和70%；第二大常见缺陷是等势干(C11)，共计树木145棵，树种11种；树冠负荷重(C1)、树冠大幅偏冠(C2)、主干/主枝腐烂(C3)、主干倾斜(C7)也较为常见。树体的根系/土壤部分(C12～C20)出现缺陷频率仅次于食根性害虫(C20)的是根系腐烂(C14)问题，影响了树木68棵，树种9种，其严重程度大部分为轻度级别，出现频率在黄浦区达到了最高，为27%。其余影响因子对树木产生风险的可能性影响有限。

图4 树木总数目(X轴)及品种数目(括号内为数目)与22个指标的关系

2.3.2 主要风险点与行道树空间分布的相关性

RDA结果(图5)显示，主成分轴1和轴2的特征值分别为0.271和0.078，即行道树区域变量(特征值的标准和)可以解释风险点34.9%的方差。中心区域的行道树与树冠负荷重(C1)呈显著正相关，与大型枯枝(C5)呈显著负相关；外环区域的行道树与等势干(C11)、根系腐烂(C14)、食根性害虫(C20)呈显著正相关，与主干倾斜(C7)、主干腐烂(C3)、树冠大幅偏冠(C2)呈显著负相关；沿海区域的行道树与大型枯枝(C5)呈显著正相关，与树冠负荷重(C1)呈显著负相关。由此判断出C1是中心区域行道树的主要风险点，C11、C14和C20是外环区域行道树的主要风险点，C5是沿海区域行道树的主要风险点。

图5 风险点与三大区域行道树的RDA分析图

3 结论与讨论

3.1 结论

1)基于风险矩阵法对上海市行道树风险进行综合评估，结果显示大部分行道树处于中等风险水平，悬铃木、广玉兰等行道树容易产生倒伏/折断风险。

2)通过GIS分析得出，高风险行道树集中在外环线以内的中心城区，尤其以黄浦区为代表，外环线以外的嘉定、青浦和松江次之，沿海区域的奉贤和崇明行道树整体风险情况较好。市中心和区域中心容易出现高风险行道树，与城市化活动密切相关。

3)RDA分析得出中心城区、外环区域及沿海区域的行道树风险点分别集中于树干、根部和枝干部分，与行道树外部环境关系密切。树冠负荷重、树冠大幅偏冠、主干腐烂、大型枯枝、主干倾斜、等势干、根系腐烂、食根性害虫等是上海市行道树的主要风险点。

3.2 讨论

3.2.1 行道树风险等级与空间分布的关系

行道树安全风险状况与行道树生长环境关系密切。树木潜在风险造成的后果可能较小或微小，但在发达城市地区可能会产生严重后果[12]。例如中国香港的行道树因生长空间狭窄、邻近建筑，或挖掘沟渠等工程使树木枝干和根部遭受反复破坏，大冠幅的树木很可能会形成不平衡的树冠，从而比小树要承受更大压力[17，28]。黄浦区作为上海的中心城区，人流、车流较多，人行道狭窄，行道树与建筑、电线之间容易造成冲突，而且行道树大多种植时间较早，树种衰老后抗性差，风险相对较大，尤其以悬铃木为代表；树木通过修剪和整形来保持合理的树冠结构，防止树木倒伏[29]，这一举措较好地体现在市中心的其他行道树上，如香樟、枫香、栾树和无患子等。生长于郊区的行道树，因周边建筑和车流量均较少，不必经常性地对其进行大幅度的修剪，但郊区遭遇台风的强度相对较大，特别是沿海一带，台风登陆前持续的降水会软化树木根部土壤，降低树木根系附着力，减弱抗风能力[30-31]。

3.2.2 行道树风险点与空间分布的关系

建筑密度高、道路密集的环境中，树木会因成长空间少、环境质量差而过早衰退甚至死亡[32-33]。城市中心区行道树大多为树冠负荷重的大树，长期遭受立地环境的冲突导致大幅偏冠及主干/主枝腐烂、主干倾斜，问题集中点在树干部分。外环线外的行道树与中心城区相比上部环境有所缓解，不容易受高密度建筑的干扰，但建筑、道路施工强度加大可能会导致树木伤枝断根，极易出现等势干、根系腐烂和食根性害虫，即问题集中在树木根部。调研过程中发现外环区域行道树穴浅小，内部多有建筑垃圾，造成根的损伤、腐烂和死亡，导致树木进一步衰竭。沿海区域行道树，自然环境是造成安全风险的主要因素，例如台风、暴雨、雷电等气候条件，对存在潜在安全隐患的树木造成极大威胁。尤其每年7—9月，是沿海区域树木风险高发期。当施加在树冠和树干上的风力达到树木所能承受的极限时，某些风险部位因不能承受负荷而造成树干弯曲、树冠或树干折断及连根拔起等危害[16]，也导致该区域行道树极易出现大型枯枝现象，其次是主干倾斜或大幅偏冠，问题集中在枝干部分。

3.2.3 大数据是未来城市树木安全的研究依托

本研究采用的基于可视化和工具化的快速诊断方法，其结果是初次性地做出预测，力求掌握大量的基础数据，得到大方向的分析，从而继续深挖数据，进行区域性研究。研究发现崇明区面积大、采样点少、分布松散，导致其出现了3.33%的高风险等级却在GIS分析过程中情况较好，说明采样点的位置和数量是导致数据分析和结果不够准确的原因之一；评估指标评判打分时主观性强也是本研究的不足之处。2011年国际树木学会(ISA)推出的《最佳管理——树木风险评估》一书和2017年推出的树木风险评估手册Tree Risk Assessment Manual都将树木风险评估分为简单视觉评估、基本评估及高级评估3个评估等级。前两者都主要建立在有限的视觉评估基础上；而高级评估需要专业的设备投入来获取客观数据进行分析，耗时较久，且成本较高，即在原来评估的基础上追求精准度，提高预判的准确性，还需要仪器设备的运用，如检测判断树干内部情况时，应用超声波法、红外线检测法、PICUS树木断层检测仪等无伤探测技术来获取更为确切的数据[34]。不同等级的评估所消耗的时间和成本也不相同，本研究所采用的方法是一种基于快速诊断的综合评估方法，对于一个城市较大范围内行道树风险水平评估是较为可行的一种方法。通过这种方法来发现树木可能潜在的风险信息，得到分类分级成果后对中等风险水平以上的区域进行高级评估，定制预防性维护，有助于进一步减少树木风险，提高公共安全。只有充分运用信息技术和大数据平台，才能为城市树木安全提供更加详细的基础数据，从而构建“实施-监测-评估-维护”的动态管理调整机制，这将是未来的研究趋势。

注：文中图片均由宋平绘制。