城市森林是城市綠色空間的重要組成部分,科學地評價城市森林質量是確定合理的城市森林結構、科學構建城市森林的前提。目前在城市森林景觀評價方面已有大量研究,但鮮有對多種類型城市森林通用評價技術的探討。該研究以位于城區(qū)的城市公園風景游憩林、居住區(qū)城市森林和位于城郊的郊野公園風景游憩林、城郊山地風景林這4種類型的城市森林為研究對象,在林分尺度上選取評價指標,利用美景度評價法、專家咨詢法、相關系數法等不同的方法對城市森林林內景觀進行評價并篩選評價指標,構建區(qū)域性通用的城市森林林內景觀質量評價指標體系,并對林內景觀質量進行分級,以期為城市森林結構調控、經營管理和生產實踐提供技術支撐。主要研究結論如下:（1）林分結構與林內景觀美景度的關系復雜,不同林分結構指標與城市森林林內景觀美景度的相關性不同,在不同美景度等級間的差異顯著性也不同。共有16個林分結構指標與林內景觀美景度的相關性達到顯著或極顯著水平,共有10個林分結構指標在不同美景度等級間存在顯著或極顯著差異。（2）就4種類型城市森林篩選出15項評價指標,采用因子分析法構建城市森林林內景觀質量評價指標體系。分別采用線性逐步回歸和二次多項式逐步回歸構建... 

【文章來源】：北京林業(yè)大學北京市 211工程院校 教育部直屬院校

【文章頁數】：96 頁

【學位級別】：碩士

【部分圖文】：

019年北京市六大核心區(qū)各類綠地構成情況

結果與分析41表4.16林內景觀線性逐步回歸模型方差分析表Table4.16Analysisofvarianceoflinearstepwiseregressionmodelofin-forestlandscape模型平方和df均方FSig.回歸174938.622358312.87463.823<0.001殘差204660.734224913.664統(tǒng)計379599.356227殘差統(tǒng)計的結果（表4.17）表明，標準化殘差的絕對值最大為2.326，沒有超過默認值3，說明沒有出現(xiàn)異常值。表4.17林內景觀線性逐步回歸模型殘差統(tǒng)計量表Table4.17Residualsstatisticsoflinearstepwiseregressionmodelofin-forestlandscape極小值極大值均值標準偏差N預測值﹣11.323139.76130.78727.761228殘差﹣107.16470.310<0.00130.026228標準預測值﹣1.5173.925<0.0011.000228標準殘差﹣3.5452.326<0.0010.993228由標準化殘差的累積概率分布情況可以看出，所有的點在一條直線附近分布，說明基本服從正態(tài)分布的假定成立（圖4.1）。從標準化殘差分布的散點圖中可以看出，絕大部分的預測值隨機地落在垂直±2的范圍內，說明誤差項服從正態(tài)分布的假定成立（圖4.2）。圖4.1殘差累積概率圖Figure4.1Cumulativeresidualprobabilityplot圖4.2殘差分布散點圖Figure4.2Scatterdiagramofresidualdistribution（2）二次多項式逐步回歸模型除第三個變量（U3）外，其余變量的容差都小于0.2，接近于0，且除第三個（U3）和第四個（U12）變量外，其余變量的方差膨脹因子VIF的值都大于5，說明自變量之間存在強烈的共線性問題，因此不能認為此二次回歸模型是有效的

結果與分析41表4.16林內景觀線性逐步回歸模型方差分析表Table4.16Analysisofvarianceoflinearstepwiseregressionmodelofin-forestlandscape模型平方和df均方FSig.回歸174938.622358312.87463.823<0.001殘差204660.734224913.664統(tǒng)計379599.356227殘差統(tǒng)計的結果（表4.17）表明，標準化殘差的絕對值最大為2.326，沒有超過默認值3，說明沒有出現(xiàn)異常值。表4.17林內景觀線性逐步回歸模型殘差統(tǒng)計量表Table4.17Residualsstatisticsoflinearstepwiseregressionmodelofin-forestlandscape極小值極大值均值標準偏差N預測值﹣11.323139.76130.78727.761228殘差﹣107.16470.310<0.00130.026228標準預測值﹣1.5173.925<0.0011.000228標準殘差﹣3.5452.326<0.0010.993228由標準化殘差的累積概率分布情況可以看出，所有的點在一條直線附近分布，說明基本服從正態(tài)分布的假定成立（圖4.1）。從標準化殘差分布的散點圖中可以看出，絕大部分的預測值隨機地落在垂直±2的范圍內，說明誤差項服從正態(tài)分布的假定成立（圖4.2）。圖4.1殘差累積概率圖Figure4.1Cumulativeresidualprobabilityplot圖4.2殘差分布散點圖Figure4.2Scatterdiagramofresidualdistribution（2）二次多項式逐步回歸模型除第三個變量（U3）外，其余變量的容差都小于0.2，接近于0，且除第三個（U3）和第四個（U12）變量外，其余變量的方差膨脹因子VIF的值都大于5，說明自變量之間存在強烈的共線性問題，因此不能認為此二次回歸模型是有效的

【參考文獻】：
期刊論文
[1]北京市六環(huán)內城市森林結構總體特征[J]. 馬杰,賈寶全,張文,劉秀萍,李曉婷,劉佳.  生態(tài)學雜志. 2019(08)
[2]湘東常綠闊葉林林內景觀質量評價與分析[J]. 周陽超,王瑞輝,周璞,符偉男,鐘呈,周義罡.  林業(yè)資源管理. 2019(03)
[3]北京山區(qū)側柏人工林林內景觀質量分級技術[J]. 趙凱,李金航,劉海軒,馬冰倩,龍嘉翼,崔哲浩,徐程揚.  浙江農林大學學報. 2019(03)
[4]城鎮(zhèn)森林視覺景觀異質性對美學質量的影響[J]. 馬冰倩,徐程揚,劉江,常成,趙凱,孔祥琦,龍嘉翼.  浙江農林大學學報. 2019(02)
[5]密度、灌草蓋度和樹干形態(tài)對油松人工風景林林內景觀指數的影響[J]. 李蘋,毛斌,許麗娟,吳鞠,劉海軒,徐程揚.  北京林業(yè)大學學報. 2018(10)
[6]高速公路生態(tài)景觀質量評價指標體系和評價方法:以江蘇南通為例[J]. 殷明,肖威,紀易凡,徐建華,華建峰,陸曉麗.  應用生態(tài)學報. 2018(12)
[7]基于智慧課堂的教育大數據分析與應用研究[J]. 劉邦奇,李鑫.  遠程教育雜志. 2018(03)
[8]群落特征和林分空間結構對森林公園景觀美學質量貢獻率及影響因子[J]. 艾婧文,劉健,余坤勇,張今朝,曾琪,鄭文英.  浙江農林大學學報. 2017(06)
[9]基于SBE法的城郊森林公園森林林內景觀美學質量評價[J]. 王娜,鐘永德,黎森.  西北林學院學報. 2017(01)
[10]北京市居民小區(qū)景觀林林內景觀質量評價研究[J]. 孫姝亭,陳美諭,李蘋,張艷芳,徐程揚.  西北林學院學報. 2016(05)

博士論文
[1]基于公眾響應評價的森林色彩特征及其影響研究[D]. 張喆.中國林業(yè)科學研究院 2017
[2]上海城市森林多尺度生態(tài)質量評價研究[D]. 郭雪艷.華東師范大學 2017
[3]北京中幼齡人工油松、側柏風景林撫育技術研究[D]. 毛斌.北京林業(yè)大學 2015
[4]北京城區(qū)典型城市森林結構特點分析[D]. 龔嵐.北京林業(yè)大學 2015
[5]ASG綜合法景觀視覺質量評價研究[D]. 李羽佳.東北林業(yè)大學 2014
[6]深圳市城市森林美景度研究[D]. 陳勇.中國林業(yè)科學研究院 2013
[7]北京市城區(qū)城市森林結構及景觀美學評價研究[D]. 黃廣遠.北京林業(yè)大學 2012
[8]京郊低山風景游憩林質量評價及調控關鍵技術研究[D]. 章志都.北京林業(yè)大學 2010
[9]上海環(huán)城林帶群落生態(tài)學與生態(tài)效益及景觀美學評價研究[D]. 張凱旋.華東師范大學 2010
[10]城市森林規(guī)劃理論與方法[D]. 溫全平.同濟大學 2008

碩士論文
[1]北京城區(qū)公園森林景觀美景度評價[D]. 閆笑.北京林業(yè)大學 2019
[2]北京山區(qū)側柏人工風景林林內景觀視覺質量及其與色彩斑塊的耦合機制[D]. 趙凱.北京林業(yè)大學 2019
[3]浙西南山地森林秋季景觀質量評價與林相顏色構成研究[D]. 王賢廣.中南林業(yè)科技大學 2019
[4]色彩斑塊空間特性對黃櫨林秋景美學質量的影響[D]. 李蘋.北京林業(yè)大學 2018
[5]南京紫金山5種典型林分林內景觀質量評價[D]. 金雪梅.南京林業(yè)大學 2017
[6]南方竹林景觀質量評價體系研究[D]. 楊小可.福建農林大學 2017
[7]北京市建筑物背景與城市森林景觀視覺質量的關系研究[D]. 劉江.北京林業(yè)大學 2017
[8]江蘇省園博園植物群落特征及景觀評價研究[D]. 陳思思.南京林業(yè)大學 2016
[9]浙江省森林城市綜合評價指標體系構建及其實證研究[D]. 莊乾達.浙江農林大學 2016
[10]福州國家森林公園夏季風景林服務功能提升研究[D]. 周俊靈.福建農林大學 2016



本文編號：3241416