基于无损检测技术的行道树风险评估体系构建及实证分析
背景:传统的可视化树木评估方法在评估树木风险时是主观的,因此在准确检测树干和根系内部腐朽方面并不有效。为了提高行道树风险评估的准确性,提出了一种新的无损检测方法。这种新的树木风险评估方法结合了不同的无损检测技术,如声波断层扫描和探地雷达,可以显著提高树干和树根风险评估的准确性。应用该方法对上海历史风貌保护区1001棵行道树进行了风险评价。结果显示,尽管大多数行道树的枝条和树干风险水平较低,但超过三分之一的行道树根系风险水平较高。行道树的风险因素主要在树干和根系,行道树风险水平与树腔、病虫害以及根系分布、倾斜和树干内部腐烂的深度和范围有显著相关性。在无损检测和风险评估分析以及有针对性的预防措施的帮助下,街道风险损害的可能性大大降低,包括行道树在台风期间倾斜和倒塌等。
材料和方法:
研究区域:上海市最大的历史文化风貌保护区,衡山路-复兴东路,该地区行道树市历史文化保护战略的重要组成部分。2020年9月至2021年3月,对横山路-复兴东路历史风貌保护区14条主要道路上1001株胸径大于40厘米的行道树进行了风险评估(图1)。研究区内有各种各样的树木,如Platanus orientalis L.、Pterocarya striptera(C.DC)、Sophora japonica L.、Quercus acuissima Carruth和Sapium sebiferum(L.)Roxb。其中,P. orientalis数量最多,共有884只(88.31%),P. stenoptera次之,共有109只(10.89%)。Platanus orientalis是上海市种植最多的行道树,约占行道树总数的65%。
图1 研究区域及样品点的分布
研究方法:
可视化树木评估(VTA):对获取的风险评估数据进行分析,并使用ArcGIS 10.8软件生成图表。数据包括树种、坐标、树高、胸径、树干倾斜度和树木的潜在生长指标。
选择DBH大于40cm的行道树进行VTA。评估涵盖树枝、树干、根系及其周围环境。为了检测行道树的主要风险点,参考了先前的研究结果和ISA建议(Matheni和Clark,1994;He等,2021)。枝条评估的重点是大冠偏移、真菌果体的存在、病虫害、大枯枝和顶端枯死。树干评估包括树木倾斜、树干空洞和机械损伤。根系评估的重点是交织根系和地下管廊建设。周围环境评估包括可能的坠落地点、道路等级和周围建筑物的密度。
无损检测(NDT):
采用无损检测技术对行道树树干内部腐朽和根系分布进行了无损检测。其中,声波断层扫描(PiCUS-3,Argus,Germany)用于检测行道树树干的内部腐烂。该方法利用高精度的树木几何信息软件计算声速,绘制树木声波传输速率或密度图像,从而准确描述树木的内部结构。根据制造商的说明,从每棵树中选择三个横截面进行检测。理想情况下,三个横截面位于1)根系附近,2)DBH的测量点处,以及3)树的第一个分叉点下方。为了方便起见,本研究中选择的三个横截面为:1)地面以上0.3 m,2)地面以上1.6 m(DBH点以上0.3 m),以及3)分支高度以下2.1 m(图2)。所有数据都被导入连接到传感器和主控制单元的计算机中,然后使用PiCUS-3软件进行数据分析和可视化。
树木雷达装置(TRU™,美国TreeRadar)用于探测行道树的根系分布,而不影响其生长。该方法利用探地雷达技术从垂直和水平方向对根系进行无损扫描。在垂直方向上,根系分布分为三个区域:地面以下0–20 cm、21–40 cm和41–100 cm。使用同心圆方法检测水平分布,其中树干被视为圆的中心。扫描过程包括人行道侧的三个半圆截面和车行道侧的两个半圆截面,半径分别设定为1.0 m、1.5 m和2.0 m。这是因为上海的行道树池都在1.6 m的边长范围内,树池外的区域是人行道或车行道,而地下部分是混凝土结构。根系很少能够延伸到树干周围半径为2.0 m的圆形区域之外(图2)。使用Tree WinTM PRO软件(TreeRear,US)对获得的扫描数据进行分析,以生成水平和垂直方向的根系密度图和树根的三维虚拟模型。
图2 行道树树干和根系检测方法
建立考核指标体系:
风险矩阵法可用于风险排序、风险源识别和风险应对。由于操作简单直观,它被广泛应用于风险管理的各个领域。风险矩阵法结合了定性和定量分析,对风险后果的影响和风险发生的可能性进行了分类(Dunster et al.,2017)。
风险评估的计算公式为:风险等级(R)=风险发生可能性(P)×风险后果严重程度等级(S)
风险矩阵法用于评估风险后果的影响和可能性,并确定行道树的风险水平。行道树风险评估中使用的参数如表1-4所示。表1表示风险发生的可能性(P),从i到iv的值表示低风险到极高风险的可能性。表2描述了后果的严重性(S),其中a到d表示可忽略到极端严重性。表3显示了树木风险等级(R)的比较值,X轴表示风险严重程度,Y轴表示风险可能性。表4列出了风险矩阵中的风险分类标准。
先前的研究表明,根/树干腐烂导致的树木倒塌和树干/树枝腐烂导致的树枝断裂(Roson-Szeryńska et al.,2014)可能会损坏车辆和建筑物,并伤害行人(Lazim和Misni,2016)。本研究采用了最新的研究结果和无损检测技术,以确保评估项目和指标是最新和准确的(Dunster等人,2017;He等人,2021)。评估项目集中在行道树的枝条、树干和根部,评估指标包括树干内部腐烂、根系分布的深度和范围,以及前面提到的VTA指数。基于这些因素,我们构建了一个全面准确的行道树风险评估系统,包括风险发生的可能性(P)和风险后果的严重程度(S)(表5)。
表1 行道树风险发生可能性水平等级
风险发生可能性P | 等级 | 风险发生可能性的描述 |
i(1) | Low | Low possibility, risks can occur if the weather is bad |
ii (2) | Medium | Medium possibility, the occurrence of risks is reasonably predictable |
iii (3) | High | High possibility, risks occur easily due to poor growth |
iv (4) | Extremely high | Highly likely, risks will likely occur |
表2 行道树风险后果的严重程度
风险后果的严重程度S | 等级 | 风险后果严重程度的描述 |
a(1) | Negligible | Almost no harm |
b (2) | Mild | Minor injuries to people, vehicles, buildings etc. |
c (3) | Serious | Serious injury to people, vehicles, buildings etc. |
d (4) | Extreme | Trees pose a serious threat to human life and public property and can cause major accidents |
表3 风险值比较表
可能性 | 后果严重程度 | |||
a | b | c | d | |
i | 1 | 2 | 3 | 4 |
ii | 2 | 4 | 6 | 8 |
iii | 3 | 6 | 9 | 12 |
iv | 4 | 8 | 12 | 16 |
表4 风险水平比较
风险评分(R) | 风险水平 | 解释性陈述 |
I (<3) | Negligible risk | Negligible risk (This risk factor is basically safe, but it does not rule out that there are certain potential safety hazards, so this risk factor should continue to be monitored) |
II (3–6) | Acceptable risk | Acceptable risk (This risk factor is relatively safe, but there are potential risks, which should receive attention) |
III (8–9) | Medium risk | Medium risk (This risk factor is unsafe and it is very likely that trees will collapse or break, so measures should be taken immediately to control this risk factor) |
IV (12–16) | Significant risk | Significant risk (This risk factor is very unsafe and will cause serious consequences) |
风险发生可能性(P)评估主要考虑树木的结构失效问题。对B1-B4的13个指标(C1-C13)进行评分,然后将总分转换为表1中的可能性水平,计算方法如下:将5-15分、16-18分、19-22分、23-45分分别转换为i(低)、ii(中等)、iii(高)或iv(极高)。风险后果的严重性(S)主要考虑增长冲突。对B5-B6的三个指标(C14-C16)进行评分,然后将总分转换为表2中的严重程度(S)水平,a(2<S≤4)、b(4<S≤6分)、c(6<S≤8分)、d(8<S≤10分)。
通过查阅风险矩阵(表3)和获得的结果P和S水平,可以获得单个树的风险水平R(表4),其中I(<3)、II(3-6)、III(8-9)和IV(12-16)分别对应于“可忽略风险”、“可接受风险”、中风险和“重大风险”。
数据统计分析
使用ArcGIS10.7软件对行道树风险的空间分布进行可视化。使用R 4.1.0检查行道树风险水平与每个指标之间的相关性。使用stats(v.4.1.2)和corrplot(v.0.84)软件包计算Kendall相关系数,以评估有序数据的关系(代码可在补充材料中获得)。统计数据包用于计算kendall相关系数和显著性检验,corrplot包用于绘制相关热图。气泡的大小和颜色表示Kendall相关系数值。星号的数量表示变量之间相关性的显著性水平,其中*p值<0.05,**p值=0.01,***p数值<0.001。
结果
行道树风险评估和分析
行道树风险的准确诊断。如图3所示,研究区域93%以上的行道树的树枝风险发生可能性(P)为II级或以下。只有5.99%和0.60%的树木分别具有III级和IV级分支风险。具体而言,50株P.orientalis的分支风险为III级,3株分支风险为IV级,而9株狭翅目P.orientalia的分支风险是III级,2株分支风险是IV级。只有一株S.sebiferum具有IV级分支风险。因此,定期检测树木风险是必要的。
85%以上的行道树树干风险发生可能性(P)被评为II级或以下(图3),12.59%和1.80%的树木分别被评为III级和IV级。85%以上的行道树树干风险发生可能性(P)被评为II级或以下(图3),12.59%和1.80%的树木分别被评为III级和IV级。大约89%的侧柏的树干风险等级为II级或以下,而47%的P. stenoptera的躯干风险等级为III级或以上。
超过62%的行道树的根系风险发生可能性(P)等级为II级或以下,而37%的树木的根系风险等级为III级或以上(图3)。大多数行道树根系分布在0–50 cm的深度范围内,树冠和根系之间存在严重的不平衡。高比例的行道树根系受损的风险很高。在侧柏中,288株具有III级根系风险P值,51株具有IV级根系风险P值。在P. stenoptera中,27个具有III级根系风险P值,3个具有IV级根系风险P值。因此,需要密切监测行道树根系的健康状况。
行道树的总体风险评估
图4显示,超过74%的行道树的风险发生可能性(P)水平为II级或以下,但大多数行道树风险后果严重程度(S)水平为Ⅱ级和Ⅲ级,分别占25.17%和63.14%。超过76%的树木的风险后果等级(R)为II级或以下;194棵树的风险后果等级(R)为III,42棵树的危险后果等级(R)为IV。这些树木需要密切监测,并采取适当的管理措施确保其安全。
如图5所示,P.orientalis的风险发生可能性水平为中等,78%的风险发生概率水平为II或以下。超过56%的P. stenoptera表现出III或更高的风险发生可能性水平,表明风险很高。经鉴定,S. sebiferum和S. japonica的危险发生可能性等级(P)为IV。结果表明,83%的脱落/断裂部位在P. orientalis的枝条上,91%在P. stenoptera的树干上。
行道树风险的总体空间格局
图6显示,东平路和汾阳路的平均支路(B1)风险发生可能性水平最高,宝庆路和桃江路的风险发生可能性最低(图6A)。枝条的高风险是由于严重的疾病、害虫、上部的枯死和大的树冠偏移。此外,东平路和武康路的平均主干(B2)风险发生可能性水平最高,而高安路和高邮路的平均干线(B2)危险发生可能性水平最低(图6B)。树干空洞和内部腐朽是树干(B2)风险发生可能性水平p值高的主要原因,而树木倾斜是次要原因。此外,高安路和高邮路的平均根系(B3)风险发生可能性水平p值最高,而宝庆路和岳阳路的平均根部(B3)危险发生可能性水平p值最低(图6C)。根系(B3)风险发生可能性水平p值高主要是由于地下管廊施工破坏了高速公路一侧的根系,导致根系的范围和深度分布不均。
根据图7A,东平路和武康路的平均总体风险发生可能性水平(P)值最高,而宝庆路和高安路的平均整体风险发生可能性值最低。图7B显示,太原路和天平路的风险后果严重程度(S)值最高,东湖路和桃江路最低。广元路和天平路的平均风险等级(R)值最高,东湖路和桃江路的平均危险等级最低(图7C)。天平路具有最高的风险后果严重程度(S)和风险等级(R)值,这是由于其道路等级高、建筑密度高、地下管道施工对根系造成的破坏、树枝上有病虫害以及树干内有蛀洞和腐烂。
为了减少传统的可视化树木评估带来的主观性,提高行道树风险评估的准确性,开发了一种基于无损检测的评估方法。采用定性和定量相结合的方法,建立了树木风险评估的综合指标体系。无损检测技术能够在考虑内部树干衰减以及根系的分布深度和范围的情况下获取信息。这些信息无法从传统的视觉评估中获得,可以为行道树风险评估提供更精确的定量指标。
为了减少传统的可视化树木评估带来的主观性,提高行道树风险评估的准确性,开发了一种基于无损检测的评估方法。采用定性和定量相结合的方法,建立了树木风险评估的综合指标体系。无损检测技术能够在考虑内部树干衰减以及根系的分布深度和范围的情况下获取信息。这些信息无法从传统的视觉评估中获得,可以为行道树风险评估提供更精确的定量指标。虽然大多数行道树的风险发生可能性和风险水平较低,但由于周围环境的影响,其中很大一部分行道树具有高风险后果严重程度。行道树的主要风险点包括根系的分布深度和范围、地下管道建设以及树干和树腔的内部腐烂。
来源:He K, Wei L and Wang B (2024), Construction of street tree risk assessment system and empirical analysis based on non-destructive testing technologies. Front. Earth Sci. 12:1338316. doi: 10.3389/feart.2024.1338316.