城市树木为城市居民提供多种的生态系统服务，但城市化建设常以城市树木树冠覆盖的碎片化或减少为代价。现有研究多从城市发展和规划的角度研究树木管理、植被配置、植被覆盖对城市环境产生的影响。仅就城市树木树冠覆盖变化的驱动要素进行分析，可以对前人的研究进行补充。Saunders等人在Landscape and Urban Planning上发文，以西澳大利亚珀斯市为例分析影响城市树冠覆盖变化的要素，通过随机森林模型分析邻里社区尺度上，社会经济和城市形态对城市居住区树冠覆盖面积的影响，并在Nedlands区域对不同城市规划情景下城市树冠覆盖变化进行预测评估，选择能够协同城市建设与维护城市树木的城市规划路径。

研究方法

1.获取与处理数据：通过超高分辨率遥感数据获取珀斯市植被高于大于3米的树木树冠面积计算各统计区划一级单元（城市基本行政单元）树冠百分比；通过数据库获取统计区域一级单位的人口数据、社会经济、城市形态数据。

2.探索影响城市树木覆盖的要素：应用 R语言中rpart包（递归分区和回归决策树）在探索社区树冠覆盖率与城市形态因素（居住区建筑年龄、建筑占地百分比、道路连接性、住宅密度、地块平均大小、私有土地占比、达到森林的距离、电缆密度）和社会经济因素（居民平均年龄、人均住房面积、受教育程度、职业、家庭收入）之间的关系的同时进行数据集训练。

3.验证和训练城市森林覆盖预测模型：应用80%的采集数据进行训练，20%的数据进行验证通过随机森林模型，预测不同社会经济要素和城市形态要素下社区树冠覆盖百分比。通过训练样本中的保留数据进行树冠覆盖预测，将预测值与实测值进行比较以验证模型的有效性。通过R语言caret包（分类和回归训练）进行参数优化。绘制局部效益积累图（Accumulated Local Effects，ALE )并计算Friedman’s H值得到预测对变量的依赖性，Friedman’s H值为零时，意味着预测的反应没有变化是由于得到的树冠覆盖和所有其他驱动因子之间存在相互作用。

4.模拟城市发展场景：基于2019年颁布的珀斯市Nedlands区域规划方案（Local Planning Scheme 3 , LPS3），对2050年Nedlands制定保持现状、增加7517套住房、根据上位规划方案（Local Planning Scheme 2）增加少量住房三种发展情景，并预测不同情景下2050年Nedlands树冠面积的变化。

研究结果与讨论

1.珀斯市所有社区中树冠覆盖率最小为0.009%，最大为30.6%，大多数社区树冠覆盖率低于15%。

2.社区建筑占地百分比、人均住房面积、公共土地比例与树冠覆盖呈负相关；社区私人土地比例与树冠覆盖度呈正相关；社区居民受教育水平与树冠覆盖度呈较弱的正相关；社区的楼房年龄，居民受教育程度、电缆密度等其他社会经济和城市形态要素与树冠覆盖之间存在明显非线性关系。

3. 用随机森林模型进行预测可以解释74.3%的训练数据中社区树冠覆盖率。社区楼房房龄、居民社会经济地位、建筑占地百分比、住宅地块的平均面积较对树冠覆盖比例预测贡献较大。

4.第一种保持现状方案较2009年测定Nedlands树木覆盖率增长最多，第三种方案次之，第二种方案增长最少，相较于第一种方案损失2.04公顷树冠覆盖。

5.本研究的预测模型主要用于模拟不同城市和社会经济发展场景对社区树冠覆盖水平的影响，但是无法告诉规划者城市规划方案对树冠的空间结构的影响。

编者认为

城市树冠覆盖率作为城市森林的一个属性能够为城市居民提供多样的生态系统服务，如减少热暴露，缓解居民心理压力等。相较于前人应用回归分析探索影响树冠冠幅的要素，本研究不仅通过分析城市社会经济和物理形态对城市树冠覆盖率的影响还通过驱动要素构建预测模型。在后疫情时代，致密化的城市规划方案将逐渐被完善，本项研究为城市规划师提供了一个城市规划方案权衡支持工具。由于本研究是基于遥感数据在行政区划单元尺度上进行研究，没有提及城市树种的选择和种植密度等植被要素，进一步的工作可以利用精细的空间分辨率树冠覆盖图来开发评估工具。

｜原文出处｜

Saunders A, Duncan J, Hurley J, Amati M, Caccetta P, Chia J, Boruff B. Leaf my neighbourhood alone! Predicting the influence of densification on residential tree canopy cover in perth[J]. Landscape and Urban Planning, 2020, 199: 103804.