极端天气事件对城市树木造成严重影响：以冻雨事件为例

《Tumour Virus Research》：Extreme Weather Events Pose Large Impacts on Urban Trees: Freezing Rain Events as an Example

本研究通过多指标遥感与机器学习结合，评估了2024年2月武汉冻雨事件对城市树木的影响，发现植被指数下降49.88%，95.10%树冠覆盖受损，AGB损失达正常季节变化的1.43倍，并揭示了不同树种及区域受损特征，为城市森林管理提供依据。

　　

刘伟|连西红|刘泽进|焦立民

摘要

全球变暖增加了极端天气事件的频率，给城市生态系统带来了更大的风险。在这些事件中，冻雨事件虽然对城市树木有显著影响，但受到的关注却相对较少。以往的研究缺乏时空分辨率，无法将事件导致的损害与季节性变化区分开来，也无法捕捉到城市景观的细微变化。本研究开发了一个综合框架，结合多指数遥感和机器学习方法，评估了2024年2月武汉冻雨事件的影响。研究结果表明，冻雨事件导致综合植被指数（CVI）下降了49.88%，影响了95.10%的树木覆盖区域。地上生物量（AGB）损失达到了0.09 Mg/ha，是正常季节变化的1.43倍。树木覆盖密集的地区受损更为严重。此外，阔叶常绿树种受到的损害比常绿针叶树种和落叶树种更为明显。这些发现强调了需要制定有针对性的管理策略，包括物种选择和基于分区的规划，以提高城市森林对未来冻雨事件的抵御能力。

引言

气候变化是人类面临的最紧迫挑战之一，它使极端天气事件的频率和强度达到了前所未有的水平（Newman和Noy，2023年；Ouyang等人，2023年）。虽然热浪、干旱、飓风和洪水被广泛认为是气候变化的主要影响，但冻雨事件却经常被忽视（Luo等人，2024年；Koppa等人，2024年；Soliman等人；Ombadi等人，2023年）。然而，这些被忽视的事件可能对城市生态系统造成严重损害，尤其是对城市中的树木（Nock等人，2016年）。城市树木在冻雨事件中经常受到直接损害，进而对城市生态系统服务产生更广泛的影响。例如，1998年1月北美历史性的冻雨事件导致数百万棵树木受损或死亡（Henson等人，2007年）。同样，2008年冬季中国南方的冻雨事件摧毁了近1860万公顷的森林（YH等人，2008年）。最近，2020年冬季长春市也遭受了严重破坏，有9390棵树木倒塌，超过151000根树枝断裂（Liu等人，2022年）。这些事件不仅减少了城市树木的冠层覆盖面积，还扰乱了关键的生态系统服务，如空气净化和温度调节。全球多个地区，包括俄罗斯和挪威，都观察到了冻雨事件频率的增加，这对环境稳定性和城市生态系统的韧性构成了重大挑战（Groisman等人，2016年；Wen等人，2024年）。这一趋势凸显了通过加强灾害准备和有针对性的城市森林管理实践来应对冻雨事件带来的风险的紧迫性。武汉是冻雨事件对城市生态系统破坏性影响的显著例证。2024年2月，该市经历了有记录以来最严重的冻雨事件，对其城市环境造成了深远而持久的影响。这些事件是前所未有的，由2月3日至4日和2月21日至22日连续两次的冻雨事件引发。第一次事件造成的损害最为严重，仅两天内就有超过37万根树枝断裂，至少2165棵树木被连根拔起（武汉市园林和林业局，2024a；武汉市园林和林业局，2024a）。第二次事件进一步加剧了破坏，加重了对城市树木的损害，并加剧了对生态系统服务的影响。除了直接损害外，倒下的树木还导致了广泛的交通中断、重大经济损失以及城市树木提供的生态功能的显著下降（CGTN，2024年）。这些事件不仅仅是自然灾害，更是城市生态系统脆弱性的严峻提醒，强调了制定有效策略以评估其对城市树木影响的必要性。

遥感技术通过克服耗时且劳动密集的实地调查的局限性，彻底改变了大规模植被监测（Wang等人，2019年；Zhu等人，2015年；McDowell等人，2015年；Lian等人，2025年）。从卫星图像中获得的植被指数，如归一化差异植被指数（NDVI），已被广泛用于检测植被损害（Huang等人，2021年）。后续的发展带来了增强植被指数（EVI）等新指数，这些指数提高了高生物量区域的敏感性，并纠正了大气影响（Jiang等人，2008年）。最近，核归一化差异植被指数（kNDVI）被引入，以提高在复杂景观中对饱和度和噪声的抵抗力（Camps-Valls等人，2021年）。同时，结合遥感数据的机器学习技术实现了地上生物量（AGB）的空间估算，这是对活木质材料和生态系统功能的直接测量（Wongchai等人，2022年；Mugabowindekwe等人，2023年）。尽管技术有所进步，但在理解冻雨如何影响城市树木方面仍存在重大空白。现有研究的一个关键局限性是它们依赖于事件后的实地调查或单时间点的评估（Wang等人，2019年；Donis等人，2024年；Xibin等人，2025年）。此类数据缺乏区分事件驱动的损害与季节性变化或绘制城市景观细微差异所需的时空分辨率。此外，尽管物理损害通常有记录，但对AGB损失的定量和空间评估往往缺失（Nock等人，2016年；Guo等人，2023年）。估算AGB损失不仅仅是衡量物理损害，也是评估关键生态系统服务退化的重要指标。因此，需要一个结合多种植被指数和基于机器学习的AGB模型的综合框架，以量化冻雨损害及其生态后果。

在这里，我们开发了一个框架，结合遥感和机器学习方法，评估2024年2月武汉冻雨事件对城市树木的影响。我们的工作旨在：（1）通过整合多种植被指数的互补优势，区分并量化事件驱动的损害与季节性变化；（2）绘制AGB损失图，作为生态影响的直接衡量；（3）分析山区（MA）、连续树木覆盖的平坦地区（FC）和分散树木覆盖的平坦地区（FS）的损害空间异质性。这种方法为准确归因植被变化于气候事件并绘制生态后果提供了可靠的方法。该框架为城市树木管理、灾害准备以及在冻雨事件日益增加的挑战面前优先恢复提供了可行的见解。最重要的是，这项研究旨在支持发展更加可持续和适应性的城市生态系统。

研究区域

本研究聚焦于武汉的一个特定区域，该区域由城市树木覆盖面积数据集（2019年）（Lian等人，2024年）确定（图1）。我们特别关注该区域内的树木覆盖区域。研究区域位于北纬30.31°–30.75°、东经113.97°–114.63°之间，总面积为1241平方公里。它包括11个行政区：江安、江汉、桥口、汉阳、武昌、青山、东西湖、蔡甸、江夏和黄陂。

框架

本研究提出的框架结合了遥感图像和机器学习技术，以评估冻雨事件对城市树木的影响（图2）。该框架的核心包括三个连续过程：首先，计算植被指数，以评估冻雨事件前后城市树木的生长状况；其次，量化受影响区域这些指数的空间差异，以识别受损最严重的区域

冻雨事件导致植被指数急剧下降

2024年2月之前，10月、11月、12月、1月和3月的CVI范围系数（范围与平均值的比率）平均为19.23%。这些微小的CVI波动反映了冻雨事件之前树木生长状况的月度稳定性（图4a–e）。然而，2024年2月冻雨事件的影响在2024年3月变得明显，植被指数显著下降

关于冻雨事件对城市系统影响的创新见解

本研究提出了一个创新框架，结合了来自遥感技术的多种植被指数，以评估冻雨事件造成的大规模树木损害。通过利用空间明确的数据，这种方法超越了传统基于实地观察的能力。多种植被指数的结合使得对城市树木生长的评估更加全面。通过量化冻雨事件前后树木生长的空间变化

结论

了解冻雨事件对城市树木的影响对于优化城市森林管理和增强城市生态系统的韧性至关重要。通过结合遥感和机器学习技术，本研究量化了2024年2月武汉两次冻雨事件造成的植被指数和AGB的变化。植被指数的显著下降凸显了冻雨事件对树木生长的严重损害

作者贡献声明

焦立民：撰写 – 审稿与编辑、监督、项目管理、方法论、资金获取、概念构思。连西红：撰写 – 审稿与编辑、监督、资源获取、方法论、资金获取。刘泽进：撰写 – 审稿与编辑、形式分析。刘伟：撰写 – 原稿撰写、可视化、验证、软件开发、方法论、调查、形式分析、数据整理。

利益冲突声明

作者声明他们没有已知的可能会影响本文报告工作的财务利益或个人关系。