河南省PM2.5时空分布特征及其与植被覆盖度的关系

杜彦彦，黄青

中国农业科学院农业资源与农业区划研究所，北京 100081

近年来，“雾霾天”席卷中国大江南北，PM2.5等大气污染物的危害成为全社会关注的焦点。PM2.5也称细颗粒物，是空气动力学当量直径小于或等于2.5 μm 的颗粒物，是中国主要的大气污染物（李小飞等，2012），悬浮时间长、直径小、比表面积大且散射性强，不仅会降低大气能见度，影响气候变化，还会对人体呼吸系统造成损害（杨新兴等，2012），其质量浓度是评价空气质量的重要指标（中华人民共和国环境保护部，2012；2013）。

植被与PM2.5的相互影响已成为研究热点，植被对PM2.5的削减作用引起了学术界的广泛关注（赵晨曦等，2013；吴海龙等，2012）。植被可通过覆盖地表切断PM2.5来源（Fan et al.，2019）；植物叶片、枝条表面、茎干可直接捕获PM2.5（Liang et al.，2016；Beckett et al.，1998）；植被能够营造稳定的微气候环境，促进PM2.5沉降（Zhang et al.，2017；Fan et al.，2019）；林带可以通过改变风场阻拦颗粒物进入局部区域（郭伟等，2010）。许多研究者设计了对比实验，分别在森林或者绿化带和周边的道路设置观测点，发现植被覆盖区域PM2.5质量浓度显著低于其他土地利用类型区域（刘萌萌，2014；王轶浩等，2016；阮氏清草，2014），但也有研究结果表明当林带处于低风速高湿度的状态时，森林对PM2.5有聚集作用（刘旭辉等，2014）。

河南省作为人口大省、农业大省、中部发展中省份，工业化和城市化正在加速推进，面临高速发展和生态环境保护的双重挑战。《2018 中国生态环境状况公报》显示，河南省安阳市、焦作市、新乡市以及郑州市4 座城市，位于全国空气质量相对较差的20 个城市之列。2016—2018 连续3 年，河南省大气首要污染物为PM2.5（河南省生态环境厅，2017；2018），2018 年全省18 个省辖市PM2.5年均质量浓度皆超过了二级标准35 μg·m-3。但是目前关于PM2.5研究，多集中于单一的时空分布研究，综合分析其与植被覆盖度的关系研究较少，也鲜有关于整个河南省区域的研究报告，研究主要集中在个别城市（朱文德等，2018；陈强等，2015），且采样点较少，观测时间跨度短。本研究基于2017 年1月—2019 年2 月期间75 个国控空气质量监测站PM2.5数据和遥感卫星数据，在分析PM2.5时空分布特征的基础上，进一步研究二者的关系，为PM2.5时空分布特征和植被覆盖度的关系研究提供数据支撑和理论依据。

1 材料与方法

1.1 研究区概况

河南界于31.4°—36.4°N 和110.4°—116.7°E 之间，东邻山东、安徽，西连陕西，北与河北、山西相临，南接湖北，总面积为1.67×105km2，其中耕地面积接近50%。地势西高东低，中部和东部为黄淮海冲积平原，西南部为南阳盆地。属北亚热带向暖温带过渡的大陆性季风气候，年平均降水量为477.8—1 167.3 mm，降雨主要集中在6—8 月。河南省是中国能源消费大省，以煤炭为主要能源；由于连接南北的区位特点，河南是中国交通物流枢纽，汽车污染物排放严重；农业体量大，种植业和养殖业也是重要污染来源，大气环境质量面临极大的挑战。

1.2 数据来源

1.2.1 PM2.5质量浓度

河南省2017 年1 月—2019 年2 月PM2.5质量浓度日均值数据，来自环保部环境监测总站空气质量实时发布系统，根据原始数据建立PM2.5质量浓度空间数据库。如图1 所示，河南省内共有75 个国控空气质量监测站，主要分布在城区。原始数据58 651 条，剔除无监测数据和有明显规律的异常值的条目之后，用于研究的有效数据有56 001 条。

1.2.2 被覆盖度

植被覆盖信息由美国国家航空航天局提供的MODIS NDVI 产品数据集MOD13Q1 反演而来。该数据集经过水汽、云和气溶胶等部分数据噪声处理，数据质量较好，被广泛用于植被相关研究。影像行列号为h27v05，收集了2017 年1 月—2018 年12 月46 景影像，产品周期为16 d，空间分辨率250 m，原始数据采用Sinusoidal 投影，将原始的hdf文件批量转换为tiff 影像，投影转换至以WGS84为基准的地理坐标系，重采样方法选用最近邻法，再根据河南省界矢量边界进行影像裁剪。

植被覆盖度是指植被地上部分（包括叶、茎、枝）在地面的垂直投影面积占总面积的百分比，植被覆盖度是衡量地表植被覆盖最重要的指标。本研究利用MODIS NDVI 数据，采用像元二分模型来估算植被覆盖度（李苗苗等，2004）。

像元二分模型假设影像中每个像元只有两个成分，由植被覆盖的部分和无植被覆盖的裸土组成，该像元的信号是由这两部分线性组合而成，植被部分的权重系数即为植被覆盖度。

根据像元二分模型，遥感传感器的观测到的信号为S，Sv和Ss分别表示植被和土壤的贡献，即：

假设某一像元植被覆盖度为VF，植被全覆盖的纯像元的遥感传感器接收的信号为Sveg，则该像元植被部分贡献的信号为：

图1 河南省空气质量监测站分布图 Fig. 1 Distribution map of air quality monitoring stations in Henan

同理，若无植被覆盖的纯像元的遥感传感器接收的信号为Ssoil，则像元的裸土部分贡献的信号为：

将式（2）、式（3）带入式（1）得：

由式（4）可解得植被覆盖度VF 为：

因此，只要得到参数Sveg和Ssoil即可计算植被覆盖度。NDVI 是遥感传感器接收到地物近红外和红波段反射率的非线性组合，是定量反映植被状况的敏感指标。某个像元的NDVI 值可以表达为由绿色植被部分所贡献的信息NDVIveg，与由裸土部分所贡献的信息NDVIsoil这两部分组成，因此可以将NDVI 代入式（4），经变换后得植被覆盖度VF 为：

其中，NDVIsoil为完全是裸土或无植被覆盖区域的NDVI 值，理论上接近于0，一般在0.1—0.2之间变化；NDVIveg则代表完全被植被所覆盖的像元的NDVI 值，即纯植被像元的NDVI 值，在没有实地测量数据的情况下，分别可以取NDVImax和NDVImin来代替。在本研究中，取各景影像NDVI累计频率为95%的值为NDVImax，累计频率为5%的值NDVImin，带入下式即可计算得到植被覆盖度，从而得到河南省16 d 植被覆盖度数据集。

1.3 秩相关分析

秩相关系数，又称等级相关系数，或顺序相关系数。是描述两个因素之间相关程度的一种统计指标，由Spearman 在1904 年提出，用来度量两个变量之间联系的强弱，与常用的Pearson 相关系数计算方法不同，它是位次分析方法的数量化，非参数性的秩统计参数，与样本的分布无关（徐建华，2014）。

由于MOD13Q1 为16 d 合成产品，本研究为使反演得到的植被覆盖度与PM2.5时间序列一致，将PM2.5日均值数据以16 d 平均值合成，得到了2017—2018 年46 组数据，进行秩相关分析。

秩相关系数的具体计算过程如下：

设两个要素x 和y 有n 对样本，令R1代表要素x 的位次，R2代表要素y 的位次，代表要素x 和y 的同一组样本位次差的平方，那么要素x 与y 之间的秩相关系数被定义为：

其中x 代表16 d PM2.5平均质量浓度；y 为对应的植被覆盖度；n 表示样本数目；xyr′的绝对值越接近与1 表明两要素相关性越强，通过查阅秩相关系数检验的临界值表进行显著性检验（徐建华，2014）89-91。

1.4 空间插值

克吕金插值是建立在地理学第一定律和变异函数的理论基础上，对区域化变量进行无偏最优估计的一系列空间局部估计方法。根据不同的变异函数模型，有普通克吕金、泛克吕金、协同克吕金、析克吕金和指示克吕金5 种插值方法（徐建华，2014）177-181。已有研究表明，普通克吕金在估算PM2.5质量浓度时制图效果较好（李杰等，2016），本研究采用该方法，根据研究区域已知采样点的PM2.5质量浓度和空间位置，考虑采样点与待估计点的相互空间位置关系，建立插值函数计算估计值。插值公式为：

其中，λi为权重系数，表示采样点xi处PM2.5质量浓度Z(xi)对x 处估计值Z*(x)的贡献程度，计算公式为：

其中，h 为分离距离；Nh是在（xi, xi+h）之间样本点的个数。

2 结果与分析

2.1 PM2.5质量浓度的时间分布特征

基于各站点PM2.5质量浓度日均值数据，计算所有站点各个季节的算数平均值即为河南省该季节的PM2.5平均质量浓度。根据河南省的气候特点，河南省每年3—5 月为春季，6—8 月为夏季，9—11月为秋季，12 至翌年2 月为冬季。从图2 可看出，河南省PM2.5质量浓度季节性差异显著。河南省冬季PM2.5质量浓度最高，远高于其他季节，2018 年冬季质量浓度（113 μg·m-3）是同年夏季（35 μg·m-3）的3.2 倍。春季和秋季PM2.5质量浓度水平相当，在56—60 μg·m-3之间，略高于夏季，远低于冬季。

图2 2017 年和2018 年河南省四季PM2.5平均质量浓度 Fig. 2 Quarterly average of PM2.5 mass concentrations in Henan in 2017 and 2018

图3 2017 年和2018 年河南省PM2.5月平均质量浓度 Fig. 3 Monthly variation of PM2.5 mass concentrations in Henan in 2017 and 2018

2017年与2018年PM2.5质量浓度月变化趋势基本一致（图3），月均值折线图呈“U”形。月均PM2.5质量浓度最高值出现在1 月，2018 年1 月河南省PM2.5均值为117 μg·m-3，2017 年1 月为137 μg·m-3，从1—7 月，PM2.5质量浓度一直呈现降低态势，2017年7 月是PM2.5质量浓度水平最低的月份，7 月之后PM2.5质量浓度开始逐渐升高，进入10 月PM2.5质量浓度急剧上升，一直持续到翌年1 月。

2.2 PM2.5质量浓度的空间分布特征

图4 河南省2018 年PM2.5质量浓度四季空间分布示意图 Fig. 4 Quarterly spatial distribution of PM2.5 mass concentrations in Henan in 2018

运用普通克吕金插值法，将各个离散测站得到的PM2.5质量浓度值模拟为整个河南省空间连续的数据。如图4 所示，总体上河南省PM2.5质量浓度呈现南低北高，质量浓度高的区域有聚集效应，且季节差异显著。春季和秋季PM2.5质量浓度水平相当，但是春季高值区主要分布在河南中部，以郑州为中心向周围呈辐射状扩散趋势，秋季PM2.5质量浓度污染强点主要位于东北部。北部形成了以安阳市为污染中心的辐射圈，在关于河南省PM2.5来源解析的研究中发现（王媛林等，2016），河南北部受到河北省的PM2.5传输影响。西部和南部边界多山地，工业化和城镇化水平普遍低于北部城市，本地排放量小，且距离主要污染源郑州市和安阳市较远，不会受到区域传输的影响，因此PM2.5污染程度低于中部和北部。

2.3 植被覆盖度和PM2.5质量浓度的关系

2018 全省PM2.5年均质量浓度为63 μg·m-3（图5），较2015 年降幅达20.2%，3 年平均降幅为7.2%，尽管其质量浓度持续下降，但速度缓慢，以2015 为基准，按照目前的年均降幅，到2023 年河南省年均质量浓度才能达到国家二级标准35 μg·m-3。

2.3.1 河南省植被覆盖特征

如图6 所示，河南省16 d 平均植被覆盖度呈波浪形分布。3 月植被开始生长，林地和农田生物量开始增长，在4 月初植被覆盖度达到第一个峰值，5 月底至6 月初正处于冬小麦收割黄金期，植被覆盖度迅速降低，7 月中下旬夏玉米正处穗期，植被覆盖度全年最高，9 月底玉米开始收获，10 月后树木叶绿素含量降低，植被覆盖度逐渐降低。

图5 2015—2018 年PM2.5年均质量浓度 Fig. 5 Annual average concentration of PM2.5 from 2015 to 2018

图6 2017 和2018 年植被覆盖度(VF)变化趋势 Fig. 6 The variation of vegetation fraction (VF) in 2017 and 2018

图7 2018 年河南省植被覆盖度空间分布图 Fig. 7 Spatial distribution map of vegetation fraction in Henan in 2018

根据河南省植被覆盖度空间分布图（图7），高植被覆盖区主要位于豫南山地，豫西山地和北部省界沿线的太行山脉。中等植被覆盖区主要分布在豫东平原和南阳盆地，该区域土地利用类型是耕地，作物生长期较树木短，且存在撂荒和休耕现象；低盖度区域零星分散在各个区域，主要是城市、河流和湖泊。

2.3.2 植被覆盖度和PM2.5质量浓度的相关性分析

本研究为使植被覆盖度与PM2.5时间序列一致，将PM2.5日均值数据合成为16 d 平均值合成，得到了 2017—2018 年 46 组数据，两组数据Spearman 秩相关系数为-0.55，在0.01 的置信度水平下显著负相关，说明PM2.5质量浓度和植被覆盖度有着此消彼长的关系。从图8 可明显看出植被对PM2.5的清除作用，植被覆盖度随时间变化的趋势与PM2.5质量浓度变化刚好相反，夏季和冬季响应最为强烈，在植被覆盖高的时期，对应的PM2.5质量浓度水平较低。

图8 16 d 序列植被覆盖度和PM2.5质量浓度 Fig. 8 16 days sequence vegetation fraction and PM2.5 mass concentration

如表1 统计结果所示，2018 年较2017 年高植被覆盖度（VF＞80%）增加了1 662.4 km2，是2017年的1.7 倍，植被覆盖度小于20%的面积减少了12.3%，2018 年PM2.5质量浓度较2017 年下降了4 μg·m-3。如表2 所示，信阳、许昌和焦作三市二氧化硫、氮氧化物、烟（粉）尘排放总量接近，而PM2.5质量浓度依次为54、64、75 μg·m-3，对应的植被覆盖度分别为50%、48%和38%，排放量接近的条件下，植被覆盖度高的信阳市PM2.5质量浓度分别比许昌和焦作低10 μg·m-3和21 μg·m-3。

表1 不同等级植被覆盖度面积 Table 1 Area with different levels of vegetation fraction

表2 2017 年河南省和废气排放量与PM2.5 Table 2 Exhaust emissions and PM2.5 mass concentration in Henan in 2017

3 讨论

3.1 关于河南省PM2.5时空分布

河南省PM2.5季节分布特征与我国北方其他区域研究结果相似（顾芳婷等，2016；王振波等，2014），冬季污染程度最高，夏季最低，春秋两季居中，地形、气候特征和污染源是主要驱动因素。冬季细颗粒物污染严重的主要原因是采暖期消耗化石燃料，向大气中排放了大量的废气和颗粒物，冬季大面积的地表无植被覆盖，地面扬尘也是细颗粒物一大重要来源，又因为冬季地表温度较低，气流非常稳定，大气垂直扩散条件较差，容易形成逆温效应，不利于PM2.5扩散和降解（李梦，2017；杨龙等，2005）。河南省夏季降雨频繁，雨水对大气中的颗粒物存在一定的冲刷效应（李芳等，2013），再加上植被的吸滞作用，空气较为清洁。

春季空气湿度高，大气结构较为稳定，使得颗粒物难以扩散（顾芳婷等，2016）。秋季是河南省主要农作物玉米（Zea mays）、水稻（Oryza sativa）、棉花（Gossypiumspp.）、花生（Arachis hypogaea）、大豆（Glycine max）和甘薯（Dioscorea esculenta）的收获期，大范围的作物收割，土壤扰动严重，同时由于秸秆燃烧，向大气中排放了大量的颗粒物（李瑞敏等，2015）。以郑州市、安阳市为代表的豫中和豫北是PM2.5重污染区。郑州市人口密集，煤炭为主要能源，且由于北部太行山脉阻隔，逆温天气频繁，不利于大气污染物的沉降和扩散，容易形成重污染天气（田贺忠等，2011）。安阳市是中部重要的工业城市，除了本地排放较大，还由于与河北省南部接壤，易受到其污染传输的影响（王媛林等，2016）。

3.2 关于PM2.5质量浓度与植被覆盖度的关系

本研究采用秩相关分析的方法发现PM2.5质量浓度与植被覆盖度呈显著的负相关关系，植被面积的增加有助于降低PM2.5的含量。从地区的统计数据来看，植被覆盖度高的地区PM2.5质量浓度相应较低，植被发挥了一定作用，然而高植被覆盖的地区工业化城市化进程缓慢，本地排放量较小。三门峡和濮阳植被覆盖程度相同，均为46%，且濮阳少排放了两万余吨废气，但是PM2.5质量浓度却超过三门峡10 μg·m-3，主要原因是濮阳毗邻排放量最高的安阳，又与河北南部相接，受区域传输影响严重。说明植被的吸滞作用有限，污染源和气象条件才是主要的驱动因素。农田对PM2.5而言是一种特殊的土地利用类型，一方面农田扬尘、秸秆燃烧以及化肥的大量施用，都会提高颗粒物的浓度；另一方面，在作物的生长季，作物叶片又能吸附、沉降大气中的颗粒物。植被对PM2.5的吸滞作用还取决于森林结构、景观格局和植被的生理活动，精确量化植被的吸滞作用还需深入研究。

目前河南省空气质量监测站分布不均且数量有限，同时长时间序列的观测数据不足，本研究结果是否与其他年份一致，还需更多的数据来验证。利用卫星遥感监测技术的发展可克服地面监测的局限，精确描述PM2.5空间分布，为未来的研究提供数据支撑。本文旨在研究植被覆盖度与PM2.5质量浓度的关系，并未考虑如降雨量、风速和湿度等气象因素的影响，还需在以后的研究中进行综合研究。

4 结论

（1）2015—2018 年期间，河南省PM2.5年均质量浓度由79 μg·m-3持续降至63 μg·m-3，年均降幅达7.2%，但是仍然超过国家二级标准（35 μg·m-3），大气污染治理的任务艰巨。

（2）河南省PM2.5时间变化规律明显，冬季PM2.5质量浓度最高，夏季最低，春秋两季接近。从月尺度来看，PM2.5月均质量浓度大致呈“U”形分布，1 月最高，9 月最低。

（3）河南省PM2.5空间分布差异显著，呈北高南低，形成了以污染最严重的郑州市、安阳市为核心的PM2.5辐射圈，离核心越近的地区PM2.5质量浓度越高。冬季是各区域PM2.5浓度最高、污染范围最广的季节。

（4）整体而言，植被覆盖度和PM2.5浓度有显著负相关关系，植被面积的增加能够降低空气中的PM2.5含量，但是在受污染源和地形气象因素主导的地区，植被只能起到一定的辅助作用。