本推文来源：城市生态地理新知 UEG-Insight

基本信息

标题

Tree shortages in informal settlements across African cities
非洲城市非正规住区中的树木短缺

发表时间

2025-08-04

作者

Xihong Lian, Wei Liu, Zejin Liu, Limin Jiao, Charlie M. Shackleton, Bingjie Li, Jing Zhong, Rui Yang, Mengjing Fu, Haoran Zhang, Neema Simon Sumari & Yaolin Liu

作者机构

School of Resource and Environmental Sciences, Wuhan University, Wuhan, China.
Key Laboratory of Geographic Information System, Ministry of Education, Wuhan University, Wuhan, China.
Collaborative Innovation Center for Geospatial Information Technology, Wuhan University, Wuhan, China.
Department of Environmental Science, Rhodes University, Makhanda, South Africa.
College of Natural and Applied Sciences, Sokoine University of Agriculture, Morogoro, Tanzania.
...

期刊

Nature Cities

DOI

10.1038/s44284-025-00284-0

摘要

城市树木对于提升城市环境的社会和生态质量至关重要，但它们在非洲城市非正规住区中的分布和相关因素仍不清楚。在此，研究绘制了54个非洲城市的5300万棵独立树木，并研究了它们与沿城市非正规性梯度的邻里环境之间的关系。研究结果揭示了非洲城市最非正规的社区中人均绿色基础设施的短缺。在持续城市扩张的假设下，预计到2050年，28个城市将在现有城市边界之外失去树木覆盖。这凸显了升级非正规住区的迫切需求，尽管这些努力常常受到当前社会经济条件的限制。研究强调了精细空间数据在为城市升级和扩张过程中的树木保留策略提供信息方面的重要性，并强调树木和绿色空间必须被视为非洲可持续城市发展的组成部分。

导读

该研究针对非洲城市快速城市化和非正规住区扩张的背景对54个城市的数千万棵树木进行了个体尺度上的精细测绘。此项工作不仅揭示了非洲城市内部及城市间树木覆盖的显著异质性，还建立了树木分布与社区非正规化程度之间的关联。研究发现，在最非正规的社区中，人均树木资源存在短缺。通过对未来城市扩张情景的模拟，该研究警示了无序扩张和建筑加密对现有树木覆盖的潜在威胁，同时也指出了升级改造非正规住区以增加绿化覆盖的机遇。

引言

研究背景

城市树木作为关键的绿色基础设施，对于增强城市环境的社会与生态质量、适应气候变化至关重要。在正经历频繁极端气候事件和快速城市化的非洲，城市贫困居民在获取降温、食物、医药及燃料等生态系统服务方面，尤其依赖于树木。然而，全球范围内普遍存在因社会经济差异导致的城市树木分布不均问题。考虑到撒哈拉以南非洲超过60%的城市人口居住在非正规住区，且这一数字仍在增长，理解并保障这些区域的树木覆盖对于实现健康与可持续的城市系统显得尤为紧迫。

现有研究不足

尽管已有研究利用土地覆盖数据或遥感植被指数对城市绿地进行探讨，但对于非洲城市中树木的分布，尤其是在非正规住区内的具体情况，仍缺乏清晰的认识。现有研究普遍缺少在个体尺度上对城市树木的精细化监测，特别是缺乏利用遥感技术对非洲城市中的个体树木进行系统性清查和分布关联分析。此外，非洲城市普遍缺乏建立和维护地面树木清单的能力，且现有的官方清单通常仅覆盖公共空间，忽略了私人地块上的树木，导致数据不完整，这阻碍了对城市树木所提供绿色惠益的公平分配与最大化利用。

科学问题与动机

鉴于精细尺度的树木数据对于有效监测和公平分配绿色惠益至关重要，研究旨在通过连接个体树木分布与社区发展状况，为决策者提供有效的城市环境治理模型依据。研究的动机在于应对气候变化和城市化挑战，特别是改善非正规住区居民的生活质量。为此，研究提出并致力于回答三个核心科学问题：（1）非洲大陆各城市中个体树木树冠覆盖的分布特征与不平等性如何？（2）社区的非正规性程度如何影响树木覆盖？（3）未来持续的城市扩张对树木覆盖可能产生哪些影响？

研究目标与创新

研究的主要目标是利用一种新颖的两步法，即结合深度学习模型与分割曲线技术，对非洲主要城市的个体树木进行识别和测绘。该研究的创新之处在于，首次在非洲大陆尺度上实现了对城市个体树木的精细化清查，并系统地探究了树木覆盖与社区非正规化程度之间的关系。具体而言，该研究旨在绘制非洲54个主要城市的个体树木分布图，分析树木覆盖与社区环境条件在不同非正规化梯度下的关联，并基于四种假设情景，评估未来城市扩张对树木覆盖的潜在影响，从而为非洲城市的可持续发展和绿色基础设施规划提供科学依据。

方法

数据来源与类型

研究数据主要包括覆盖非洲54个主要城市、空间分辨率约为0.6米的高分辨率谷歌卫星影像。此外，研究还整合了多源地理空间数据，包括用于界定城市边界的2018年全球城市边界（GUB）数据，基于街道可达性（BSA）来量化社区非正规程度的非正规住区数据，以及来源于“百万社区地图”的街区级人口与建筑面积数据。为进行未来情景分析，还使用了未来土地覆盖与人口网格预测数据。

核心方法或技术

研究的核心方法是一种创新的两步法，用于识别城市中的单体树木。首先，采用高分辨率深度学习模型HR-SFANet，该模型通过注意力机制生成置信度图谱，以高精度识别并定位树木的中心点。其次，研究开发了一种新颖的“分割曲线”方法。该方法基于已识别的树木位置和置信度图，通过计算树木间的空间关系，自动分割并勾勒出每个单体树木的树冠边界。

研究过程或实验步骤

研究过程首先通过对8,022个图像块和超过40万个手动标注的树木位置进行训练，构建并优化了HR-SFANet模型。随后，该模型被应用于非洲54个城市的卫星影像，生成树木位置的置信度图，并结合分割曲线法完成约5300万棵单体树木的树冠提取。为确保可靠性，该研究使用独立于训练集的测试数据对模型性能进行了严格评估，验证了其在树木定位与树冠面积估算上的准确性。最后，基于提取的树木数据，分析了树木覆盖与社区非正规程度的关系，并基于四种假设情景，对未来城市扩张可能造成的树木损失进行了估算。

结果

非洲城市个体树木的识别与空间分布特征

研究采用深度学习模型（HR-SFANet）与分割曲线相结合的两步法，对54个非洲城市的高分辨率卫星影像进行分析，成功识别了约5300万棵冠幅大于3平方米的个体树木，总树冠覆盖面积达3.1×10³平方公里。结果显示，树木覆盖在不同气候区和地理区域间存在显著差异，其中树冠覆盖度（PTCCc）在10%至15%范围内的城市占总绘测树冠面积的50.30%。气候C区（暖温带）的平均树冠覆盖度最高（12.61%），东非和南非的树木密度也显著高于其他区域。此外，研究发现城市内部的树木分布存在巨大的空间异质性，表明树木资源在城市内部配置不均。

树木覆盖与城市社区非正规性的关联分析

研究利用社区非正规性程度（θDNI）指标，在40个样本城市中探究了树木覆盖与建成环境的关系。结果表明，平均树冠尺寸（TCCi）会随着社区内建筑覆盖率（PBCn）和人口密度（PDn）的增加而减小，且这一负相关关系在非正规性程度较高的社区中更为显著。在树木密度方面，按面积计算（ρna），中等非正规社区（θDNI=3）的大型和超大型树木密度最高；然而，按人均树木拥有率（ρnp）计算，最非正规社区在各尺寸树木上均显著低于其他社区，例如中型树木的人均拥有率仅为最正规社区的一半左右，这揭示了最非正规社区存在人均绿色基础设施的相对短缺。

未来城市扩张对树木覆盖的潜在影响评估

研究基于四种假设评估了未来城市扩张对40个样本城市树木覆盖的潜在影响。在外部扩张假设下，预计到2050年，28个城市将在现有城市边界外损失321至435平方公里的树木覆盖。在建筑致密化假设下，若将社区建筑覆盖率阈值（ε）提升至30%，将导致1.4×10³平方公里的树冠损失，占这些城市已绘测树冠的56%。人口致密化同样会导致树冠覆盖的显著减少。然而，在社区升级假设下，对110个急需关注的非正规住区进行改造，可使其平均树冠覆盖面积增加至改造前的2.1倍，显示了规划干预在提升绿化方面的潜力。

结论

非正式住区树木资源的人均短缺及其社会生态动因

研究揭示，非洲城市最非正式的社区存在显著的人均树木短缺。此不平等现象根植于复杂的社会生态动因：高人口与建筑密度挤占了绿色空间，同时居民对树木提供的生存资源（如薪材、食物）依赖度更高，可能导致不可持续的采伐，加剧了资源压力。这表明非正式住区的树木面临着超越气候与土壤的地方性生存挑战，凸显了绿色基础设施分布的严重不公。

精细化树木数据对城市可持续规划的关键价值

该研究论证，绘制单体树木地图能为城市治理提供关键的精细化空间信息。这种数据支持在城市更新与扩张中制定更具针对性的树木保留策略（如保护大树），并为小气候干预、生物多样性热点识别和社区参与管理提供科学依据。该方法强调应将树木视为非洲城市建设的核心要素，以应对绿色空间不平等问题。

局限性与展望

该研究承认存在局限，如遥感影像数据源（缺少近红外波段）与模型算法（茂密林区识别困难）带来的不确定性，以及使用单一指标表征社区非正式性的近似性。未来的研究应关注树木的物种信息及其垂直结构，以更深入地理解其在非正式住区中的具体环境效应。

主要图表

图1 | 城市中单棵树木的测绘。a，非洲54个城市的地理位置。通过结合深度学习模型和分割曲线识别的树木覆盖。实心绿色圆圈的大小表示城市中树木的总数。b，示例城市（哈拉雷）中0.01°×0.01°空间网格内的树木总数（每网格树木数量）和TCCg。实心黑点的大小表示TCCg（单位：平方米）。指向b的一些面板展示了城市中树冠测绘的示例。54个城市由2018年GUB数据30确定。a中行政边界的地理空间数据来源于全球行政区域。a和b中的山体阴影底图来源于数字高程模型。指向b的面板中的光学遥感图像是Google卫星图像（图片来源：地图数据，© 2023 Google）。

图2 | 非洲主要城市的树木覆盖。PTCCc表示城市尺度的树冠覆盖百分比，分为五类。a，γg表示不同PTCCc范围内的梯度分布百分比。b，γgcz表示特定气候区内不同PTCCc范围内的梯度分布百分比。根据柯本气候分类系统（Köppen–Geiger classes31），所选城市涵盖了三个气候区：A（热带或赤道）、B（干旱）和C（暖/温和温带）。c，γgsr表示特定次区域内不同PTCCc范围内的梯度分布百分比。非洲大陆根据联合国地理方案32分为五个次区域，包括西非、北非、中非、南部非洲和东非。d，ρsr表示任何给定次区域内的树木密度（即每平方公里树木数量）。e，按树冠大小分布的树冠。TCCi表示单棵树木的树冠覆盖。红色虚线表示树冠覆盖的平均值（μ）。

图3 | 树木覆盖与环境条件之间的关联。a,c，在社区尺度上，树冠大小与建筑覆盖百分比（a）和人口密度（c）之间的关系。对于任何给定社区，TCCi、PBCn和PDn分别表示平均树冠大小、建筑覆盖百分比和人口密度。θDNI表示社区非正规性程度。我们将θDNI分为四类（即1-4级），对应于从最正规到最非正规的住区。图例中符号s和括号内的数字表示线性回归模型的斜率。阴影区域表示回归模型估计的95%置信区间。虚线表示两个定义的阈值。b,d，ρna（b）和ρnp（d）表示社区尺度上不同树冠大小树木的树木密度和树木人口比。社区数量nθDNI=4 = 1,162，nθDNI=3 = 58,226，nθDNI=2 = 189,791，nθDNI=1 = 382,633。箱线图显示中位数（第50百分位）作为四分位数间距（IQR；第25至第75百分位）内的中心线。须线延伸至低于和高于IQR的1.5倍范围内的最小值和最大值。

图4 | 未来城市扩张对树木覆盖的影响。a，外部扩张假设下的树木覆盖损失。b，建筑密度化假设下的树木覆盖损失。ε表示PBCn阈值。c，人口密度增加假设下的树木覆盖损失。PDc表示人口密度阈值。d，非正规住区升级假设下的树木覆盖变化。TCCn表示社区尺度的树冠覆盖。箱线图显示中位数（第50百分位）作为四分位数间距（IQR；第25至第75百分位）内的中心线。须线延伸至低于和高于IQR的1.5倍范围内的最小值和最大值。平均值（由白色空心点表示）可能因偏态分布而偏离中位数。n表示城市数量，m表示社区数量。

武大焦利民教授团队Nature Cities发文。深度学习揭示非洲城市树木分配不均，非正规社区人均绿荫最少，且未来将流失大量树冠