多尺度绿地景观格局对滞蓄能力的影响研究

石铁矛 卜英杰

1 研究背景

随着城镇化速度的加快与规模的扩大，城市原有的水文循环和水文格局受到了巨大影响。城市建设过程中硬质下垫面的扩展使得城市下垫面的透水性也由此削弱：原有的耕地、林地、湿地等渗透性较好的自然景观大量被硬质表面替代，透水地表的滞洪、蓄洪能力大幅减弱，使得雨水径流量加大，地表径流速度加快，影响了雨水的自然下渗过程。

景观格局是指大小和形状不同的景观要素在空间上的排列[1]，不同尺度下景观格局对生态过程的影响结果会出现不同[2]。近年来针对城市景观格局与城市内涝关系的研究，国外学者很多利用地理信息系统（geographic information system, GIS）与遥感（remote sensing,RS）技术从景观格局、绿色基础设施等方面进行研究[3]。Bautisa等发现了绿地景观格局与径流量之间存在着显著的相关性[4]；Zhang等基于北京绿地斑块的研究证实了绿地的聚集效应能够有效地减少径流[5]；Kaini等提出绿色低影响发展的基础设施分散式布局结合内部连接性合理布置比集中式布局能够产生更长距离的水文过程路径[6]；Auffret等提出绿色雨洪设施分散布局模式结合良好的水文连接体，可以更好地减少和延缓洪峰流量[7]，在场地尺度提升植被群落的物种丰富度、斑块密度。国内针对内涝灾害成因与景观格局相关性的研究也已经有一定进展，黄硕等提出城市内涝是城市景观格局影响下产生的负水文效应[8]；戚晓明等应用多期遥感影像，采用景观指数法分析了合肥市景观格局演变与城市水文效应的关系[9]；雷珺等通过对不同形式绿地的规划，达到了缓解长沙地区暴雨积水的目标[10]；殷学文等从绿地景观格局的角度采用景观生态学指数评价及分析等方法，对城市雨水调蓄功能开展研究[11]；陈珂珂等分析了城市绿地、汇水区与积水点的关系并对其优化，缓解城市雨水径流问题[12]；焦胜等以长沙市苏圫垸为例，基于地形数据、水文气象数据，运用ArcGIS空间分析和SCS（Soil Conservation Service）水文模型，模拟极端降雨的雨洪淹没区和雨水廊道，并建立雨洪安全格局[13]。应用景观生态学方法，探讨绿地滞蓄效应与城市内涝间关系的研究在国内外已有一定研究基础，但对于绿地空间分布与滞蓄能力间关系研究成果较少，对于不同尺度下绿地景观格局与城市内涝间作用关系的研究方向仍存在空白[14]。因此从多尺度绿地景观格局出发，讨论绿地景观格局对于城市内涝的影响具有一定研究意义，对未来绿地规划模式与海绵城市建设具有指导作用。

沈阳市作为东北地区的重要城市，也是北方地区城镇化水平较高的城市之一，近年来内涝灾害频发，因此本研究以沈阳市三环以内建成区为研究对象，进行景观格局与绿地滞蓄能力影响的研究，希望对中国北方城市的内涝治理与海绵城市建设发挥借鉴指导作用。

2 研究范围与数据处理

2.1 研究范围

沈阳市位于辽宁省中部，是辽宁省省会城市，东北地区中心城市，是国家重点工业基地之一。处于北纬41°48′11.75″、东经123°25′31.18″之间。目前城市主要建成区位于三环以内，在城区尺度的景观格局分析中，本研究以沈阳市三环内为研究区域，总面积约为455 km²。在场地尺度的分析中选取7块样地作为研究范围（图1，表1）。

2.2 数据来源与研究方法

2.2.1 数据来源

本研究选取50年一遇降水作为产流模拟的降水标准，相关降水数据来自沈阳市气象数据。采用的土地利用数据来自《沈阳市城市总体规划（2011—2020）》，通过ArcGIS进行矢量化得到土地利用数据（图2）。绿地斑块数据利用2018年夏季的Google Earth卫星地图数据与Landsat 8 OIL遥感影像所提取的归一化植被指数（normalized difference vegetation index, NDVI），结合对于研究区的实地调研，完成沈阳城区绿地斑块的解译工作。城区尺度的绿地景观格局研究中，选用沈阳市总体规划中的土地利用数据计算绿地景观格局指数；在场地尺度，则主要通过人工解译的绿地斑块进行景观格局指数的计算（表2）。

2 .2.2 地表产流模拟

本研究使用美国农业部水土保持局开发的SCS水文模型。模型主要通过经验统计值估算降雨径流量，能够反映下垫面条件对降雨径流的影响，用地类型、土壤类型、土壤湿润条件等因素都能通过参数体现在模型中[15]。SCS水文模型的降雨产流计算方法如下：

式中，Q表示雨水在地表产生径流量，单位为mm；Ia为该场降雨的初损值，包括地表植被截留、蒸发等降雨过程中的损耗，单位为mm；P为降雨时间的总降雨量，单位为mm；S为土壤最大潜在蓄水能力，单位为mm。

在不同条件下，因土壤性质场地条件等因素的限制，土壤最大潜在蓄水能力S的变化很大，因此模型引入了一个无量纲数值，即径流曲线数值，记作CN系数。CN值可以反映降雨过程中不同土地覆盖类型的综合入渗特征。CN系数与土壤最大潜在蓄水能力S的换算关系如下：

式中，S表示土壤最大潜在蓄水能力，CN系数的数值大小在0～100之间变化，其数值与研究区内的土壤类型、理化性质与植被类型有密切联系。美国《国家灌溉工程手册》列举了各类主要土地利用类型的CN系数。由于本研究选择沈阳市城区为研究对象，主要以建成环境为主，所以选择城市和住宅用地的CN值结合本地的城市用地、土壤性质与植被类型特点进行确定和修改。

2.2.3 景观指数的选取

景观绿地格局指数能够反映景观格局的相关信息，是景观生态学研究中广泛使用的定量研究方法[16-17]，本研究从绿地规模特征、绿地形态特征、绿地分布特征3个方面选取共8个景观格局指数（表3）对研究范围内的绿地景观格局进行描述，通过Fragstats 4.2软件进行计算。

3 结果

3.1 城区内涝风险分布情况

《沈阳市中心城区海绵城市建设专项规划》中指出，沈阳市海绵城市的建设目标为“内涝灾害防灾标准达到“50年一遇”。根据沈阳市降水量统计数据可知，50年一遇暴雨重现期1 h降水时长下对应的降雨强度为1.19 mm/min，每小时降雨量71.4 mm。

利用SCS-CN产流模型计算得到各网格内的产流总量，按自然间断法划分为4类产流风险区域，产流能力由小到大依次递增（图3）。对评价结果进行统计，一级风险区占研究区总面积的30.12%；二级风险区占37.00%；三级风险区占27.36%；四级风险区占5.52%。

总结沈阳市建成区域内产流能力空间分布，呈现出如下特点：四级风险区作为内涝风险最高的地区，整体呈现一环内集中连片，特别是在沿地铁一号两侧形成了一条内涝风险带，以铁西广场、太原街、中街三大节点向外蔓延。三级风险区分布于高风险与低风险的过渡区域，主要集中在二环与一环之间以及二环与三环间的开发强度较高的地区，呈现出老城环状聚集、外围点状聚集的空间特征。一、二级风险区域是三环内发生内涝灾害可能性较小的地区，

3.2 城区尺度景观指数对绿地滞蓄能力的影响分析

在城区尺度的分析中，使用网格法对各类景观指数进行统计，通过ArcGIS平台将各类景观指数以500 m×500 m的网格进行分区统计，得到各个景观指数500 m网格图（图4）。以各类网格图数据以及内涝风险区的500 m网格数据作为数据基础，进一步应用数理统计方法，分析城区尺度景观指数对雨水滞蓄能力的影响。

3.2.1 不同风险等级下各景观指数比较

对不同风险等级下各景观指数的数值区间进行进一步分析，通过箱线图统计的方式对数值区间变化情况进行可视化（图5）。箱线图可以清晰地在图中表达各景观指数在不同风险区内的数值集中区域以及数值的最大、最小值，此外还可以识别数据中的异常值。

根据统计结果可知：随内涝风险等级升高，CA、LPI数值越低，呈现明显的负相关。而PD在三、四级风险区有下降趋势，分析其中原因是因为一级风险区内斑块面积较大，而绿地斑块数目较少。整体来看绿地规模特征景观指数与内涝风险之间关联性较强。对于绿地形状特征景观指数中FD与LSI均与内涝等级呈负相关，内涝风险越高二者数值越小。其中FD在不同内涝风险区中数值差异性较大，内涝风险高的区域绿地形状更接近规则矩形。而LSI的变化斜率比FD较为平缓，但整体趋势仍为明显的负相关。在绿地分布特征景观指数方面，绿地CONNECT越高，内涝风险越低，且异常值较少，二者呈现明显的负相关。COHESION、LDI则与内涝风险成正相关，破碎度越高内涝风险越大。

3.2.2 各景观指数与内涝风险相关性验证

为进一步验证各景观指数与内涝风险的相关性，对各景观指数与内涝强度进行相关性分析。利用Pearson相关性分析工具，代入相关系数计算公式，计算二者的相关系数并进行显著性检验。一般来说，相关系数大小按照0～1分为不同的相关等级。但是研究数据的总体数量影响着相关系数的大小，数据越多，相关系数可能就会越小。所以各景观指数与内涝风险的相关性通过其显著性水平来进行检验。

根据结果分析（表4），在城区尺度的研究中，内涝强度与CA、LPI、FD、LSI、CONNECT、LDI、COHESION均呈现出0.01级别的显著性相关。而在本次研究中PD与内涝强度相关性不显著。主要因为沈阳城区内绿地斑块数量分布较为平均，而绿地的面积以及形态等差距较斑块数量更为明显。根据相关系数正负值可以判断，CA、LPI、FD、LSI、CONNECT与内涝强度呈现显著负相关，即各指标值越小，内涝强度越大；LDI与COHESION与内涝强度呈现显著正相关，即各指标值越大，内涝强度越大。各指标相关程度强弱为CA＞LPI＞FD＞LSI＞LDI＞CONNECT＞COHESION。

表4 内涝强度与景观格局指数因子的Pearson相关性矩阵Tab. 4 Pearson correlation matrix of waterlogging intensity and landscape pattern index factor

由此可以判断，在城区尺度上，3类景观格局指数对内涝强度的影响：绿地规模特征＞绿地形状特征＞绿地分布特征。其中CA、LPI影响最为明显，区域绿化率与区域绿地斑块的大小对于绿地的滞蓄能力有着较大的影响。另外，FD对内涝强度的影响也很高，说明区域型绿地斑块边界越复杂则会对绿地的滞蓄效应起到正向的影响，而景观边缘过于规范的如圆形、矩形等则会降低滞蓄效率。在绿地斑块的分布方面LDI、CONNECT、COHESION 3个指数的相关系数均偏低，说明在城区尺度上看绿地斑块的分布对于内涝强度的影响较小。

3.3 场地尺度景观指数对绿地滞蓄能力的影响分析

在场地尺度的绿地景观指数与滞蓄能力关系的分析中，对7个样地的景观指数进行计算（表5）。主要使用相关性分析与回归分析方法，研究在样地地块范围内不同景观指数对径流量的影响。

表5 各样地景观格局指数计算结果Tab. 5 Calculation results of the landscape pattern index of each sample plot

3.3.1 场地尺度绿地景观指数与径流量相关分析

使用SPSS软件，对各个样地的不同类景观格局指数与径流量进行Pearson相关性分析，得到各景观格局指数与径流量的相关性矩阵（表6）。

根据结果分析，在样地尺度的研究中，内涝强度与CONNECT、LDI、COHESION呈现出0.01级别的显著性相关，而CA、FD、LSI则呈现0.05级别相关。PD与LPI与内涝强度无显著相关性。根据相关系数的正负值判断，CA、FD、CONNECT、COHESION与内涝强度呈现显著负相关，即各指标值越小，内涝强度越大；LDI与内涝强度呈现显著正相关，即各指标值越大，内涝强度越大。而在各景观格局指数之间的相关性大多数为呈现出显著的相关性，说明各类指数共线性较低，在本次研究中选择的景观指数之间相互独立，能够相对比较全面地反映不同景观格局特征对绿地滞蓄能力的影响。

各指标相关程度强弱为CONNECT ＞COHESION ＞ LDI ＞ CA ＞ LSI ＞ FD。由此可以判断在场地尺度上，对内涝强度的影响：绿地分布特征＞绿地规模特征＞绿地形状特征。

与城区尺度的研究结果相比较来看，城区尺度的内涝强度与绿地的规模、形态相关性更明显，CA与LSI两项指数对内涝强度影响更为显著。而在场地尺度，绿地的分布情况与内涝强度关系更为显著。另外，从城区尺度上看，COHESION与内涝强度则呈现正相关，即绿地聚集程度高的位置内涝会更严重；而在场地尺度，COHESION与内涝强度则呈现负相关，说明在大尺度范围内的绿地斑块聚集同时也使不透水面聚集，从而更容易产生内涝。而在场地尺度绿地的集聚可以减少径流。

3.3.2 场地尺度绿地景观指数与径流量回归分析通过Pearson相关分析发现CA、CONNECT、LDI、COHESION与样地内径流量有显著的相关性，为了进一步明确各种景观格局指数与径流量之间的关系，探究各种景观格局指数与内涝强度之间的相关性，通过SPSS软件对各种场地尺度的景观格局指数与径流量进行了一系列回归分析[18]。

斑块面积指数（CA）值表示的是研究范围内的所有绿地斑块类型面积之和，在进行计算时表示的是每公顷中绿地斑块的面积之和，因此CA值可理解为样地内的绿地率。由图6可知，随样地内的CA数值升高，径流量随之降低，回归曲线大致呈对数函数关系。曲线在CA值增大的同时斜率逐渐减小，逐渐趋于平缓。所以在场地尺度，特别是城市建成区内部，绿地化率较小的区域内，绿地斑块面积对滞蓄能力的提升是较为明显的，但一味地增大绿化，对于雨水调蓄的效益则会降低。

景观连接度（CONNECT）与径流量之间回归曲线基本呈现指数函数关系。从图6中可以看出在景观连接度处于0～55时径流量数值较高，但随CONNECT数值的增大径流量下降迅速，当CONNECT ＞55时径流量数值的下降开始减缓。这反映了在场地尺度上，小型绿地斑块占主导作用，斑块之间的连接度低，则不透水面的聚集程度高，进而阻碍径流的下渗。

景观破碎度（LDI）与径流量之间呈现显著的正相关关系，与CONNECT的原理恰好相反，随LDI的增大，径流量也随之增大。整体趋势基本呈现指数函数曲线。随着破碎度的增大，径流量增大的速率也显著增大。

斑块内聚力指数（COHESION）值表示的是研究范围内绿地斑块的集中程度。计算得值越高绿地斑块的分布就越集中，得值越小的区域绿地斑块分布越离散。COHESION与径流量之间呈现出二次函数曲线关系，随绿地的聚集程度增加，径流量快速下降，但COHESION值在90～95之间时到达径流量的最低值，随后径流量反而上升。这反映了绿地斑块在场地尺度内，进行雨水调蓄时绿地斑块间的聚集程度是具有极值的，斑块间距离大于距离阈值时则会造成径流的聚集，而在小于阈值时则斑块的聚集则会增加绿地景观的连接度。所以将斑块内聚力指数（COHESION）控制在适当的值有利于提升绿地滞蓄效能。

4 结论与讨论

地形因素、排水系统能力、地表水系分布等因素都直接影响了暴雨事件发生时的城市内涝程度，而绿地景观格局对于内涝灾害的影响主要在于在城市建成环境中，绿地斑块的分布在很大程度上影响了不透水面的连接程度。在不考虑雨水管网排水的前提下，地表硬质斑块会在降雨中快速产流并聚集，而城市绿地的存在则能够有效打断硬质斑块连通性，就地消纳雨水。所以城市的绿地景观格局能够在很大程度反映城市的排水系统压力的空间分布。

本研究从城区与场地2个尺度对绿地景观格局与滞蓄能力之间的关系进行分析得出结论，沈阳市在城区与场地2个尺度上绿地景观格局对绿地滞蓄能力的影响因素是不同的。从整个城区尺度来看，对于整体绿地滞蓄能力提升效果最好的是绿地规模特征指数与绿地形态特征指数，其对应的是城区的绿化率，主导绿地斑块面积以及大型区域绿地的形态。而在场地尺度上，针对绿地滞蓄能力的提升方面，由于在这一尺度上绿地规模与形态相差不多，则应将重点放在绿地的分布上，即绿地的连通性、破碎度以及聚集程度。

因此，在针对城区尺度的绿地滞蓄能力提升方面，应该对大中型绿地斑块重点进行优化，这部分绿地一般作为城市公园与区域绿地存在。增强大型绿地斑块的滞蓄能力用来调节一定区域内的地表径流。可以通过低影响开发措施对城市公园绿地进行改造，加强其传输滞纳雨水能力，形成区域内的径流汇集节点，缓解周围用地的排水压力。此外，在研究中发现绿地的形状特征与内涝强度存在显著相关关系，在城市开发中应尽量满足大型绿地斑块的边界保留自然的复杂状态，避免出现圆形、矩形等规则边界。

在场地尺度上，由于在城市高密度建成区范围内，绿化率普遍较低，所以绿地滞蓄能力提升应从绿地的合理布局方面入手。其中对于绿地的CONNECT的控制应作为重点控制。提升小型绿地斑块的连接度能有效地打断硬质斑块，在降雨过程中雨水径流也将无法快速聚集，最终在绿地内被土壤和植被消纳。另外，城市环境中雨水大多会在汇水区内部产生径流，绿地斑块间连通性的增加，也能够使小型绿地斑块的溢出径流快速转移到其他大型绿地中。由此可知，绿地斑块连接度的增强能够使整个绿地景观系统的雨水调蓄能力大大提升，有利于最大范围地削减径流的产生。

本研究从城区尺度与场地尺度2个层次入手，对绿地的规模、形态及分布3个方面的景观格局与绿地滞蓄能力之间的关系进行研究，在一定程度上丰富了绿地景观格局在城市内涝防治方面的研究，有助于为海绵城市中，为不同层级尺度的绿地系统规划提供规划与管理的参考借鉴。

图表来源(Source of Figures and Tables)：

文中图表均由作者绘制，其中表3参考自文献[16-17]。