城市景观格局与大气颗粒物污染的关系研究

刘奇 王宁 杨潋威 秦一文 赵娟 张鑫 张平

（西安工程大学，陕西西安 710048）

1 引言

因此，开展不同地域城市景观格局与大气颗粒物污染的研究具有理论和实践上的重要意义。本研究选取西安市作为研究区，来分析不同时间和空间尺度下城市景观格局与大气颗粒物污染的关系。研究结果为中国西部内陆城市大气颗粒物污染控制、土地利用规划以及生态建设提供参考。

2 研究区概况

西安市位于关中平原中部，是中国西部地区重要的中心城市，陕西省省会。西安市属暖温带半湿润大陆性季风气候，冷暖干湿四季分明，2014 年全市PM10年平均浓度值为147 μg/m3，PM2.5年平均浓度值为76 μg/m3［15］。

3 数据与方法

3.1 研究数据

（1）研究区域内土地利用类型栅格数据来源于地理空间数据云（http：//www.gscloud.cn）中下载的Landsat8 卫星拍摄的西安市遥感影像，通过运用ArcGIS 和ENVI 软件，对遥感影像进行解译分类，得到西安市2014 年的土地利用空间分布图。按照国家土地利用类型划分标准，将土地利用类型划分为林地、草地、耕地、建筑用地、水域、未利用地六大类。

（2）西安市空气质量数据来自中国环境监测总站的全国城市空气质量实时发布平台（http：//www.cnemc.cn/sssj/qgkqzlyb），西安市13 个监测站点（高压开关厂、兴庆小区、纺织城、小寨、人民体育场、高新区、经开区、草滩、长安区、阎良区、临潼区、曲江区和广运潭）见图1。数据包括2014 年1—12 月的PM2.5和PM10浓度的日均值（剔除缺失及有误数据）。

图1 2014 年西安市土地利用及监测站点

3.2 研究方法

3.2.1 基于Fragstats 的景观格局指数计算

景观格局指数可以反映景观结构组成及空间配置，是研究土地利用的重要指标。结合Fragstats 软件中常规景观格局指数及前人研究［16-17］，选取反映类型水平特征的PLAND（斑块面积百分比）指标，以及反映景观水平特征的CONTAG（蔓延度指数）、AI（聚合性指数）、IJI（散布与并列指数）、PAFRAC（周长面积分维度指数）、SHDI（香农多样性指数）指标来量化区域土地利用景观格局特征。各指数表达式见表1。

表1 景观指数公式

续表

3.2.2 基于GIS 的IDW 插值法

IDW 插值法（反距离权重法）的原理是以距离进行加权平均。它是一种全局插值法，即全部样点都参与某一待估点的Z 值的估算。计算公式如下：

速度，本是科学上用来表示物体运动快慢的矢量，也被人们当作衡量生活乃至时代发展的一个重要标尺。提起速度，我们首先想到是“快”。然而速度是否就是越快越好呢？其实不然。速度重要是“度”。客观事物都有其规律，在符合其规律的基础上适当加速，则事半功倍。否则只会揠苗助长，欲速则不达。

Vε=Σnj=1wjvj

式中，Vε（j＝1，…，n）是点（xj，yj）的变量值；wj是其对应的权重系数。

3.2.3 相关性分析

相关分析是将变量之间相关关系进行量化处理的过程，通过SPSS 软件，对数据进行双变量相关分析，用Pearson（皮尔逊）相关系数来量化判定变量之间两两相关的强度。

4 结果与分析

4.1 土地利用面积占比分析

在GIS 中计算可知，西安市总体面积为11 761 km2，其中林地占32.2%、耕地占36.7%、草地占14.8%、建设用地占14.5%、水域占0.5%、未利用地占1.3%。相同土地利用类型分布较为集中，林地和耕地分布在建设用地外围，占将近70%的面积。由于建设用地过于集中，林地无法有效排解由此带来的污染问题，因此环境压力依然很大。

4.2 土地利用景观格局分析

利用Fragstats4.2 软件进行景观格局指数分析，基于移动窗口法对2014 年西安市土地利用类型图进行分析，得到类型级别的PLAND（斑块面积百分比图，图1），景观级别的CONTAG，AI，IJI，PAFRAC，SHDI 图（图2-6）。

图2 景观级别的CONTAG

图3 景观级别的AI

图4 景观级别的IJI

图5 景观级别的PAFRAC

图6 景观级别的SHDI

分析可知，西安市的景观破碎度较低，优势斑块类型连接良好；相同类型斑块之间聚合度较高；景观斑块总体离散程度处于中间值；景观形状复杂程度较低；土地利用类型丰富程度较低。

4.3 不同大气污染物浓度空间分布分析

基于GIS 软件，利用IDW 插值法得到2014 年西安市PM10平均浓度空间分布，见图7。

图7 2014 年西安市PM10 年均浓度统计

PM2.5平均浓度空间分布见图8。

图8 2014 年西安市PM2.5 年均浓度统计

如图7、图8 所示，西安市PM10和PM2.5浓度的空间分布特征呈现出地区上的特异性，其浓度从市中心至城郊呈梯度递减趋势，除个别区域，PM2.5和PM10的质量浓度在整体上西北高于东南，PM2.5和PM10的浓度峰值基本都集中出现在建设用地范围内。由以上初步分析可知，西安市污染物浓度与土地利用类型存在着一定的相关性。

4.3.1 土地利用类型与颗粒物浓度分析

图9 为2014 年西安市空气污染浓度月均值变化曲线。在整年的时间内，PM10和PM2.5浓度变化趋势一致，春、夏低，秋、冬高。分别在2 月达到峰值（PM10：213 μg/m3；PM2.5：164 μg/m3）；最小值均出现在7 月（PM10：68 μg/m3；PM2.5：47 μg/m3）。

图9 西安市2014 年空气污染浓度月均变化趋势

图10 表明，不同土地利用类型与PM10和PM2.5污染浓度间的响应关系存在差异。综合分析土地利用类型图与PM10和PM2.5污染浓度空间分布格局，PM10浓度的空间分布与土地利用类型的关系较为复杂，在紧邻建设用地零散分布的耕地以及水域周围浓度较高；PM2.5浓度均值在夏季较小，PM2.5高浓度集中分布区域是建设用地。

图10 2014 年西安市各类土地利用类型PM2.5，PM10 年均浓度统计

表2 中PLAND 与PM10和PM2.5污染浓度相关性分析的结果，证实了土地利用类型对城市大气颗粒物污染浓度的影响。而且在不同时间尺度下，土地利用类型与PM2.5和PM10污染物浓度的相关关系存在显著差异。总体而言，西安城市建设用地面积占比与PM2.5浓度正相关，与PM10浓度显著正相关；未利用地面积占比与大气颗粒物浓度相关系数较小；林地、耕地面积占比与PM2.5浓度呈负相关；水域、耕地面积占比与PM10浓度呈负相关；耕地面积占比与大气颗粒物浓度相关性不显著。

表2 各类型土地占比（PLAND）与PM2.5，PM10 浓度的相关系数

4.3.2 景观格局与颗粒物浓度分析

表3 为西安市2014 年月均和年均尺度空气污染物浓度与景观指数相关分析结果。SHDI 与PM10浓度的相关性较小。PAFRAC 与冬季PM2.5浓度相关系数仅为0.009，但其与PM10年均浓度显著负相关。CONTAG 与PM10和PM2.5浓度正相关。

表3 土地利用景观指数与空气污染物浓度的相关系数

5 研究结论及讨论

5.1 研究结论

西安市总体面积为11 761 km2，其中林地占32.2%、耕地占36.7%、草地占14.8%、建设用地占14.5%、水域占0.5%、未利用地占1.3%。相同土地利用类型分布较为集中，林地和耕地分布在建设用地外围，占将近70%的面积。西安市大气颗粒物浓度的空间分布特征为从市中心至城郊呈梯度递减趋势。PM2.5和PM10在整体上呈现西北高于东南的倾向，大气颗粒物污染物浓度峰值基本都集中出现在建设用地范围内（PM10：102.7 μg/m3；PM2.5：99.7 μg/m3）。西安市土地利用对大气颗粒物污染物浓度变化具有一定影响，且有明显的时间效应。相关性结果证实了城市景观格局与大气颗粒物浓度的空间分布特征，SHDI 与PM10浓度的相关性相较PM2.5浓度值较小。PAFRAC 与冬季PM2.5浓度相关系数仅为0.009，但其与PM10年均浓度显著负相关。CONTAG 与PM10和PM2.5浓度正相关。

5.2 讨论

本研究能够一定程度上揭示城市景观格局与大气颗粒物污染的关系，但大气颗粒物污染往往是气象、人类活动以及地表景观结构相互作用、相互影响的结果，应将其看做一个整体来进行研究。大气污染是区域共有现象，因此需要考虑更合理的研究分区，而非严格按照行政分区，各城市治理大气污染应该区域联防联治。受限于数据获取、技术手段等条件，本研究未能进一步探究城市景观格局与大气颗粒物的响应机制。后续研究应进一步综合探究大气颗粒物与气象、人类活动以及地表景观结构的响应机制，研究区划分也应该更加合理。