城市绿地形态对区域环境噪声的影响

张祥 赵骏 吴雪飞

城市化带来愈发恶劣的噪声环境，这不仅会干扰居民的日常生活，还会影响居民的健康。绿地降噪的本质是植被叶片对声音的吸收和散射作用[1]。目前有关城市绿地和噪声污染相关性的研究主要集中在局部绿化带[2-4]、小型绿地[5]等小尺度的植被组成和结构配置上。在城市规划层面指导城市绿地对城市噪声环境衰减作用的文献仍然十分稀缺，还没有研究能够在空间层面单独分析绿地形态对城市区域环境噪声的作用规律。原因是相较于建筑等城市构筑物，城市绿地对噪声衰减量的贡献相对较小，城市绿地和建筑对城市环境噪声的影响机制尚不明确，故难以脱离整体城市形态特征单独将绿地形态和城市环境噪声联系起来。

空间层面上城市绿地和噪声污染性相关的研究中，建筑等混杂因素往往难以排除，这其中包含模型的局限性和数据的局限性2个方面的原因。Guedes等[6]运用土地利用模型（land use model）研究了包括绿地在内的各类土地利用参数①对噪声的影响，该模型的局限性在于无法捕获到环境噪声分布和特定环境特征之间固有的复杂非线性关系[7]，即没有考虑建筑和绿地各自作用的复杂过程，也就无法区分两者的真实作用程度。Sakieh等[8]通过声学仪器实测数据并运用普通最小二乘法（ordinary least square, OLS）线性回归模型探讨了城市绿地对交通噪声的影响，但事实上不论是环境噪声检测站点提供的数据还是用声压计直接测量到的噪声数据，其本身就包含了各类城市形态要素对结果造成的影响，测点声源类型很难用某一种噪声来指代。

区域环境噪声一般被认为反映的是城市噪声环境的整体水平或氛围[9]，改善城市区域声学环境对于推动健康城市建设、改善居民生活质量具有重要的现实意义。在城市用地寸土寸金的今天，单纯地依靠增加绿地面积来改善声学环境往往难以实现，因此本研究主要围绕城市绿地这类城市形态要素，着力在干扰降至较低的情况下来探讨城市绿地形态关键指标对噪声衰减的作用规律，为改善城市声学环境提供有益借鉴。本研究同时考虑了线性相关规律和地理空间分异规律，研究框架主要包括前期的模型构建与指标筛选以及后期的关联规律分析2个部分（图1）。

1 城市绿地形态指标和区域环境噪声关联规律研究框架Research framework on the correlation law between urban green space form indicators and regional environmental noise

1 研究区域与研究方法

1.1 研究区域概况

武汉市位于中国中心腹地，江湖穿城，绿地资源丰富。2017、2018、2019年武汉市建成区昼间区域环境噪声平均等效声级分别为56.1、56.4、55.1 dB，城市昼间区域环境总体水平等级均为3级[10-12]。武昌区为武汉市建成区之一，总面积为64.5 km2，人口密度高达19 793人/km2[13]。过江隧道、城市主干道、武汉市重要内环线等共同构筑了武昌区的交通网络[14]。由于需要考虑噪声接收器测点位置的可操作性和保证连续表面，故在建模时未将武昌区东湖生态旅游风景区的水面、长江水面和部分飞地考虑进来。笔者通过ArcGIS软件处理各类城建数据信息后，分析了武昌区绿地、建筑和主要路网情况（图2）。

2 武汉市武昌区绿地、建筑和主要路网概况Overview of green space, buildings and main road network in Wuchang District of Wuhan

1.2 数据来源

用于绿地轮廓提取和形态指标计算的数据来源于0.5 m分辨率worldveiw II卫星遥感数据，用于噪声建模的交通干道车流量数据来源于武汉市规划局，建筑物轮廓和层数等数据、地形高程数据和路网数据均下载自BigMap（以上数据均为2016年数据②）。

1.3 研究方法

1.3.1 声学模拟和校正

本研究使用模拟软件Cadna A的城市规划模块option Cadna A-XL对研究区域进行建模，通过栅格计算得到噪声地图。由于在大城市中约2/3的噪声污染是由交通引起的[15]，考虑到现实层面中的生活噪声难以精准量化，本研究主要模拟交通噪声，且由于草地对噪声的衰减作用可以忽略不计，故不对草地进行建模。

为了剔除建筑等因素对模拟结果的影响，在建模初期准备A、B两组模型：A组模型按照全部真实物理环境建模，B组模型在A组的基础上删除绿地部分。A、B组均生成对应栅格图后，将B组栅格图和A组栅格图进行差值运算。本研究定义差值运算后的噪声地图对应栅格数值为绿地作用于区域环境噪声的净衰减值（ΔN），该指标将作为本研究模型中噪声部分的指标。由此，经过栅格计算后的噪声净衰减值已经不是现实中噪声发生时的真实结果，而是剔除建筑、地形等干扰因素对噪声反射、折射效果之后的纯粹反映绿地对噪声衰减效果的数值。

本研究还参照Sakieh等[8]的研究，通过声压计实地监测的方法来弥补模型模拟的局限性。因为通过手持声压计实地监测会发现某些测点值和通过交通干道车流量数据模拟生成的测点值差距较大，本研究默认这些测点的交通干道车流量数据可能有一定误差，因此以声压计测得的数据为准确值。检测结果中18个有效点的检验精度大于70%，而对于模型偏离幅度大于5 dB以上的测点，将其附近噪声源测点值重新设为声压计测量值以使模拟结果控制在测点数据偏差值范围内。经过声学模拟和校正之后，得到噪声净衰减量地图（图3）。

3 噪声净衰减量地图Noise net attenuation map

1.3.2 空间分析与统计

通过ArcGIS软件先提取绿地形态特征数据和噪声环境特征数据，再对系统筛选过后的绿地形态指标数据、噪声地图对应的栅格数据展开空间分析。将研究区域划分为符合城市社区尺度的600 m×600 m网格[16]，以绿地形态指标数据为因变量，首先利用统计分析软件SPSS进行Pearson相关性分析，再分别通过SPSS和ArcGIS构建OLS线性回归模型和地理加权回归（geographically weighted regression, GWR）模型[17]，深入剖析各城市绿地形态指标对区域环境噪声的作用。

2 绿地形态指标筛选和尺度效应

2.1 绿地形态指标筛选

本研究通过3个步骤筛选绿地在城市形态学相关研究中的重点形态指标。1）预筛选：通过文献分析法，主要提取规划层面的城市尺度下噪声相关研究中的城市绿地形态指标，并以与PM2.5等空气污染物相关的绿地形态指标作为补充。2）第1次筛选：通过主成分分析法，对23个形态相关的景观格局指标在类别层面进行分析，此次筛选旨在降低整体指标的维数，通过浓缩指标数量，将表征城市绿地形态的复杂多量的信息简化。3）第2次筛选：筛选原则基于Li等[18]提出的4条景观格局指数选取标准，即能够在理论和实践上都有重要意义（可用于指导规划），整体计算量偏小，表征的生态学意义明显，公式相对简单。最终筛选出平均临近指数（mean proximity index, MPI）、有效粒度尺寸（effective mesh size, MESH）、平均形状指数（mean shape index, MSI）、平均斑块面积（mean patch area, MPA）、斑块类型面积（class area,CA）这5项互不冗余且具有概括性的关键绿地形态指标（表1）。

表1 研究选取的关键绿地形态指标表达式及其含义[19-23]Tab. 1 Expressions and meanings of key green space form indicators for the research[19-23]

2.2 尺度效应

绿地形态相关指标要控制在一定尺度的缓冲区距离范围才能够显著降低整体噪声水平，才有利于本研究中空间单元的确定。笔者在研究区域沿着主干道中心均匀设置了13个以辐射覆盖点为圆心的缓冲区，缓冲区的半径以50 m为间隔增加，最小值为100 m。以绿地形态指标和噪声净衰减量相关系数为因变量，以不同缓冲区半径为自变量，剖析对区域环境噪声影响最显著的缓冲区半径以及绿地形态指标和噪声净衰减量变化规律。

不同缓冲区半径距离下，CA和MPA这2个绿地形态指标和噪声净衰减量相关系数呈现先增大后减小趋势（图4），同时在全过程中只有一个峰值（MSI虽然在250 m时达到峰值，但在半径为250 m和300 m时峰值十分接近，默认其相关系数同在300 m半径时有关联）。当相关系数达到峰值时，证明对应缓冲区半径距离范围内与城市绿地形态关联的噪声净衰减量最大，降噪效果最强。CA和MPA在缓冲区半径为300 m时相关系数达到最大，因此本研究以600 m×600 m网格的空间单元来研究绿地形态和区域环境噪声的关系。于天舒等[16]在对不同城市区域环境噪声空间分布特征进行比较研究时，采用网格法设置了大小为600 m×600 m的监测网格，说明在实地监测城市区域环境噪声时600 m边长网格大小具备可操作性。

4 不同缓冲区半径下绿地形态指标和噪声净衰减量相关系数变化规律Change law of correlation coefficient between green space form indicators and net noise attenuation under different buffer radius

3 城市绿地形态对噪声净衰减量的影响

3.1 基于全局性回归模型的分析

以600 m×600 m网格的空间单元噪声净衰减量均值为因变量，以5个绿地形态指标为自变量，构建OLS线性回归模型，从全局层面研究绿地形态指标对噪声净衰减量的增量作用。

城市区域环境噪声净衰减量和5个绿地形态指标的Pearson相关系数均高于0.4，呈现紧密相关性（表2）。各绿地形态指标与噪声净衰减量的相关程度为MPA＞MESH＞MPI＞CA＞MSI，由此可以判断在全局性的回归模型中绿地面积特征＞绿地分布特征＞绿化覆盖率＞绿地形状特征（非边缘复杂程度）。其中MPA对噪声衰减量的增量作用最大，且回归系数远远高于其他变量系数，可能是因为城市中较大规模的绿地斑块保证了噪声衰减效果的连续性，在300 m噪声衰减半径内，绿地斑块越大越利于形成大型声学阴影区域③。

表2 城市绿地形态指标和噪声净衰减量OLS线性回归关系Tab. 2 Green space form indicators and net noise attenuation OLS linear regression relationship

3.2 基于地理加权回归模型的分析

根据城市绿地形态指标和噪声净衰减量的GWR模型可知，各项绿地形态指标在不同空间单元存在降噪能力差异（图5），整体上东南部区域的拟合效果最好。且通过比较2种模型的拟合度可知，GWR模型整体拟合度R²为0.819（图5-1），OLS线性回归模型整体拟合度R²为0.479，这反映出相较于OLS线性回归模型，GWR模型的拟合效果更好。

通过在GWR模型结果上叠加卫星图并运用空间比对的方法进行分析，尝试找到各绿地形态指标在降噪作用较强的区域是否具有特定的绿地形态特征。分析发现，CA整体上能够反映一定区域内的绿化覆盖率情况，其中降噪作用强的区域主要集中在武汉大学校区、黄鹤楼公园等片区，这2个片区恰巧也是武昌区拥有高绿化覆盖率的区域，高绿化覆盖率和高降噪能力集聚特征基本吻合，这在一定程度上反映了提升绿化覆盖率是促进降噪的有效途径（图5-2）。MPA对噪声衰减产生了显著的正向作用，其降噪能力在空间上体现出了明显的集聚特征，即回归系数大、降噪作用强的区域主要集中在拥有大面积绿地斑块的地区，如东湖风景区一侧（图5-3）。武汉理工大学余家头校区附近的MPA对噪声的衰减作用也较为明显，但校园内缺乏大面积绿地斑块，笔者通过实地调研发现校园内树木繁茂，推测此处MPA降噪作用强的原因可能同高绿量有关。MSI在武汉大学和东湖风景区一侧的作用效果显著，这些区域的校园硬质空间或硬质游憩空间点缀在大面积绿地之中，容易形成“多孔隙”绿地，促使绿地整体形态的复杂度提高，初步推测这种“多孔隙”的绿地对噪声的衰减效果类似于大面积绿地斑块的作用效果，虽然绿地被“硬质空隙”打断，但仍然能够形成大面积的声学阴影区域（图5-4）。MPI降噪作用强（回归系数＞0.01）的区域主要集中在南部和北部的居住区，推测虽然居住区难以形成较大面积的绿地斑块，但高团聚性特征的斑块组团有类似于大面积绿地斑块或“多孔隙”绿地的作用（图5-5）。MESH在沿江地带的降噪作用较强，原因可能是沿江一侧的部分区域从车行道到江边有足够宽的空间容纳绿地斑块，沿江的路网相对稀疏避免了同其他区域一样因主干道两侧硬质空间面积占比较大而导致的空间单元内整体绿地斑块分布不均匀的效果（图5-6）。

5 城市绿地形态指标和噪声净衰减量的地理加权回归模型Geographically weighted regression model of urban green space form indicators and net noise attenuation

4 结论

1）绿地布局在噪声源附近的降噪效果最佳。通过尺度效应分析可知，CA和MPA这2个绿地形态指标和噪声净衰减量的相关系数呈现先增大后减小趋势，在缓冲区半径达到300 m后噪声净衰减量的变化趋势明显变缓，故可优先将绿地布局在靠近噪声源的区域以迅速达到降噪效果。

2）绿地形态指标能够显著影响噪声净衰减量。由全局性的OLS线性回归模型可知，高绿化覆盖率、更大的物理斑块尺寸、更复杂的整体形态、更紧密的布局模式和更破碎化的城市绿地能创造出更高的噪声净衰减量，影响程度为绿地面积特征＞绿地分布特征＞绿化覆盖率＞绿地形状特征。此结果可能是由于在这些形态模式下，植被的多孔表面有更多的机会与声波相互作用，形成更大的声学阴影区域。

3）高绿化覆盖率区域和高降噪能力集聚特征区域基本吻合。GWR模型的回归结果解释了各项指标在不同空间区位存在的降噪能力差异，各项指标对噪声净衰减量的作用具有空间的非稳定性。在东湖风景区等有大面积绿地斑块的区域，MPA的降噪作用较强；在科教和游憩区等有着“多孔隙”绿地斑块的区域，MSI的降噪作用相对较强；在居住功能区，由于紧密的绿地布局形态，MPI降噪作用更强；沿江带区域能创造分布更均匀且整体破碎度更高的绿地斑块，MESH表现出更强的降噪作用。

5 展望

基于上述研究结论，可以在城市规划初期和城市存量规划的决策中为城市区域声学环境的改善提供相应的决策辅助，具体包括以下3点建议。

1）将绿地布局在噪声源附近可以有效阻止噪声的产生和传播。绿地对区域环境噪声在600 m空间单元内整体的衰减效果最为显著，可以600 m为绿地规划空间单元，尽可能地将口袋公园等微绿地布局在靠近噪声源附近的600 m区域内，居住区内也可以采用布置生态景墙的方法[24]，既满足观赏需求又能达到迅速降低噪声水平的效果。同时在绿地内部，建议在靠近噪声源一侧种植高叶片密度树种的密林，因为放置在噪声源近距离位置的植被叶片可以先行大幅度地降低噪声水平以达到迅速提升整体声学环境质量的效果。由于草地的降噪作用几乎可以忽略不计，在草地和灌木林结合的绿地类型中，可在面向噪声源的一侧优先布局复合乔、灌结构的植被，以获得更大面积的低声学阴影区域。

2）优先提升绿化覆盖率仍然是目前最有效地改善区域声学环境的方法。除绿化覆盖率外，经本研究系统筛选得到的其他关键性绿地形态指标可以作为规划管控依据，制定弹性和刚性结合的绿地形态指标规划管控策略。从刚性角度出发，可针对受到噪声困扰的空间单元设定绿地形态指标的控制性阈值；从弹性角度出发，对于居住区公园和街头绿地等植被位置布局要求相对不严格的绿地空间，可以在绿化覆盖率总量不变的情景下，对绿地内部降噪效果最佳的大型乔、灌木的位置进行调整，将高密度种植区域优先调整到靠近噪声源的一侧，并在该侧使用对噪声衰减最有效的植物配置形式[25]。绿地的数量和形态指标并非截然分开，如CA体现的是绿化覆盖率，为数量指标，但在具体的绿地形态布局优化时可运用增补绿地植被和调整绿地植被空间位置结合的方法，在提升绿地绿化覆盖率的同时也能够有效地通过MPA、MESH等绿地形态指标优化来增强噪声净衰减效果。

3）依据GWR模型分析结果，由于各项绿地形态指标对噪声净衰减量的作用具有空间的非稳定性，故可以结合各项绿地形态指标的分布特性进行规划。比如，虽然居住区用地中难以形成较大面积的绿地斑块，但可以在绿化覆盖率不变的前提下，对靠近噪声源的绿地斑块进行高聚集度的参数化设计[26]来达到与较大面积绿地斑块类似的作用效果，如增强口袋公园和街边绿地建设。上述不同空间单元的绿化覆盖率和绿地形态指标的规划管控建议，既可在落实绿地增量时进行考量也可以为城市更新改造提供参考。

本研究从区域环境噪声的角度出发，探讨了在区域环境噪声空间单元内应该关注的绿地形态指标。但要从降噪层面落实具体的绿地规划设计策略还需要进一步考虑具体空间单元的功能性特征，未来可进一步将空间单元划分为不同功能区进行分类探讨。此外，虽然已经初步明确了和高噪声净衰减量相关的绿地形态指标类型，但是各绿地形态指标之间的协同和权衡机制尚不完全清晰，又缺少具体客观的方法，对于绿地形态协同布局模式的分析也相对匮乏，所以未来可以进一步探讨更加具体的绿地形态优化路径。

注释(Notes)：

① 土地利用参数包括绿地、建筑、道路布局以及街区形态。

② 由于同一年份的所有数据获取较为困难，多种因素权衡下研究最终选取2016年数据。③ 笔者定义声学阴影特指在模型构建中声音被物理实体阻挡后，物理实体在相对于声源方向的反方向区域所形成的噪声明显减弱区域。

图表来源(Sources of Figures and Tables)：

文中所有图片均由作者绘制，其中图2、3底图来源于GIS基础数据展示；表1由作者根据参考文献[19-23]整理绘制；表2由作者绘制。