PM2.5相关的重庆市主城区绿地景观格局评价指标体系构建

谭 璐，秦 华

(西南大学园艺园林学院，重庆 北碚 400715)

随着城市化进程的加快和城市发展的内在需求，城市土地利用类型正在发生复杂而深刻的变化，城市生态环境也面临着巨大的挑战。城市发展不合理导致了大量污染问题，其中雾霾问题尤为突出[1-3]，几乎已经成为各大城市的污染常态。特别是城市的急速扩张和人口数量的增加，会导致城市用地紧张，城市绿地空间大量减少，从而使雾霾现象进一步加剧[4]。因此，合理利用有限的城市绿地，将其生态效益最大化，是我国城市发展的必然趋势，也是实现现代化城市的内在需求。为了有效地规划城市绿地，实现城市与自然的和谐发展，有必要研究当下的城市绿地景观格局模式对缓解PM2.5污染的影响，并通过科学的方法进行评价，以期对未来的城市绿地规划提供一定的建议。

由于在城市污染中雾霾问题较为严重，因此许多专家学者将研究重点放在绿地景观格局的配置上，通过研究绿地景观格局对PM2.5污染的影响，来分析城市绿地在缓解PM2.5污染中所起到的作用。例如，李琴[5]发现提高绿地板块之间的聚合度可以减少大气颗粒物污染；苏维等人[6]基于南昌市的大气污染监测数据与卫星影像结合分析后发现，PM2.5浓度与林地覆盖率(F-PLAND)和林地平均斑块面积(F-MPS)呈显著负相关关系。大量研究表明[7-9]，一个城市的景观组分和空间格局的比例相互平衡和制约，这些景观类型组分不同的排列组合能够间接影响城市污染物的扩散和排放，从空间上反映出污染源的分布差异。通过对绿地格局进行规划，改变以往的绿地空间模式，将会对缓解PM2.5污染起到重要的作用[10]。

然而，从目前的研究来看，关于对能够削减PM2.5浓度的绿地空间布局模式的评价鲜有报道。本文以重庆市九大主城区为研究对象，从绿地数量指标与绿地结构指标2方面构建绿地景观格局评价指标体系，为将来的城市绿地规划提供参考。

1 材料与方法

1.1 研究区域概况

重庆市位于长江上游地区，东经105°11′～110°11′，北纬28°10′～32°13′，国土面积8.24万km2，地势由南北向长江河谷逐渐降低。其中，巴南区、北碚区、大渡口区、江北区、九龙坡区、南岸区、沙坪坝区、渝北区和渝中区是重庆市的九大主城区，由于经济快速发展而带来的城区环境污染问题也日益严重。根据《2017年重庆市环境状况公报》显示，2017年主城区的空气质量达标天数为303 d，超标天数为62 d，其中PM2.5、PM10、O3和NO2分别超标0.29倍、0.03倍、0.02倍和0.15倍。虽然在近年的大气污染治理中得到了一定的改善，但是持续控制并缓解PM2.5污染仍然是一个亟待解决的问题。

1.2 研究方法

1.2.1数据来源

1)PM2.5浓度数据

本研究的PM2.5浓度数据来源于重庆市生态环境局官方网站(http://sthjj.cq.gov.cn/hjzl)，以及PM2.5(细颗粒物)及空气质量指数(AQI)实时监测网站(http://pm25.in)。从上述网站下载了自2015年1月1日至2017年12月31日主城区21个大气质量监测站点(分别是白市驿、蔡家、茶园、高家花园、虎溪、解放碑、缙云山、空港、礼嘉、两路、南坪、南泉、唐家沱、天生、新山村、杨家坪、鱼新街、龙井湾、龙洲湾、歇台子和上清寺)的PM2.5浓度小时均值。参考苏维等人[6]对PM2.5浓度数据的处理方式，先计算出每个监测站点的PM2.5浓度的日均值、月均值，再推算出该监测站点的PM2.5浓度年均值。最后将各监测站点的PM2.5浓度年均值按照主城区进行分类，取其平均值，作为该主城区的PM2.5浓度年均值。

2)绿地数量指标数据

本文使用的绿地数量指标数据来自2015—2017年重庆市建设系统统计年鉴使用Excel对该部分数据进行分区整理。

3)绿地结构指标数据

本文使用的绿地数量指标数据来源于美国地质勘探局(United States Geological Survey，简称USGS)的官方网站(https://glovis.usgs.gov)的遥感影像数据。从USGS官方网站上下载2015年至2017年的覆盖重庆市主城区的Landsat 8影像数据，参考以往研究[11]的遥感图像处理方法，对重庆市主城区的遥感影像进行目视解译，用于景观格局指数的运算与分析。最后通过Fragstats软件计算各主城区2015—2017年的景观格局指数，作为绿地结构指标数据来源。

1.2.2构建方法

1)熵值法

熵的概念来自信息熵论，它表示系统随机出现的期望值，可以描述研究对象所反映的有效信息量。当损失了部分接收信息时，折损的信息量就被称为信息熵[12]。因此，可以通过熵来对评价指标的权重赋值。计算指标的熵值，需要先对原始数据进行标准化和无量纲化，再进行熵值、差异系数和权重计算。

2)TOPSIS评价法

TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution)法，又称作理想解法，是一种常见的多目标决策方法。它具有运算量小、信息保真度高、应用领域广泛[13]等特点，常用于资源系统评价、地区经济评估、员工绩效考评等领域的综合评价。

TOPSIS评价法的基本原理是：构建归一化矩阵并求出各指标的正理想解和负理想解，并确定各评价指标的正理想解与负理想解的加权欧氏距离，然后求出各评价对象的相对接近度作为综合评价值，综合评价值越大，说明该指标的评价越高。进而可以对评价对象进行综合排序，并据此对方案的优劣进行评价[14-15]。近年来，由于环境和资源问题日益突出，关于环境质量和资源评价的相关研究也与日俱增[16-17]，TOPSIS评价法逐渐应用于土地生态安全评估、环境治理方案评估等方面，并取得了较好结果[18]。

2 结果与分析

2.1 PM2.5结果与分析

2015—2017年各主城区PM2.5浓度年均值如表1、图1所示。从中可以看出，九大主城区的PM2.5年均浓度值呈现逐年下降的趋势，说明PM2.5污染得到了一定的改善。

表1 2015—2017年各主城区PM2.5浓度年均值

图1 重庆市主城区PM2.5浓度年均值

2.2 权重结果与分析

利用熵值法将上述绿地景观格局评价指标体系的评价指标进行赋权，结果如表2所示。

表2 各评价指标的权重计算结果

由二级指标权重可以算出一级指标权重，进而可以获得主城区绿地景观格局评价指标体系的权重(表3)。

表3 各层级评价指标的权重计算结果

由上述结果可知，一级指标层相对于目标层的权重由大到小的排序为B2绿地结构指标>B1绿地数量指标，即绿地景观结构方面的权重相对较大，绿地结构指标在整个评价指标体系中具有相对重要的作用。

在绿地结构指标层中，二级指标层相对于目标层的权重由大到小的排序为C4斑块类型总面积>C20蔓延度指标>C6最大斑块所占景观面积比例>C21Shannon多样性指标>C22Shannon均匀度指标>C23Simpson均匀度指标>C7平均斑块面积>C17连接度指标>C16散步与并列指标>C5斑块所占景观面积比例>C8总边缘长度>C13景观形状指标>C11平均斑块分维数>C12平均邻近指数>C9边缘密度>C18分离度指数>C19聚合指数>C14斑块数量>C10平均斑块形状指数>C15斑块密度。其中，斑块类型总面积和蔓延度指标的权重相对较高，分别为 0.078 194 和 0.067 648，其次为最大斑块所占景观面积比例、Shannon多样性指标、Shannon均匀度指标、Simpson均匀度指标、平均斑块面积以及连接度指标，其权重值分别为 0.058 632、0.057 618、0.057 602、0.057 271、0.057 194 和 0.054 608。可以看出，斑块类型总面积和蔓延度指标的权重较大，说明面积和空间聚合度占有重要地位，其次是景观多样性和丰富度占有较为突出的地位。在绿地规划中，应该综合考虑其面积、空间聚合度和景观多样性等方面，有利于更好地建设城市绿地基础设施。

2.3 TOPSIS评价结果与分析

通过SPSS软件计算出各评价对象的综合评价值，并对2015—2017年的评价变化进行比较(表4、图2)。

从表4中可以看出，2015年、2016年和2017年的同期比较中，巴南区、渝北区和北碚区的综合评价值较高，并且排名较为稳定，均位列前三。从绿地相关指标的比较可知，巴南区、渝北区和北碚区的绿地面积相对较大，相对于其他主城区，其绿地的蔓延度较好，连接性较强；同时，由于绿地斑块面积较大，相对于其他主城区，其景观类型的多样性也更小。因此可以认为，巴南区、渝北区和北碚区的绿地景观格局空间分布模式对PM2.5浓度的削减作用更加明显，对生态环境更加友好。

表4 各评价对象的相对接近度计算结果

从图2可以看出，重庆市九个主城区的综合评价值均是逐年下降的，但是下降的速度各不相同。各主城区2015—2017年的同比下降率排序为渝中区<江北区<九龙坡区<渝北区<南岸区<大渡口区<巴南区<沙坪坝区<北碚区，其中渝中区的同比下降率最小，为-4.22%；北碚区的同比下降率最大，为-19.47%。根据数据结果可知，渝中区是九个主城区中唯一一个在2015—2017年中绿地面积增长的主城区，由于绿地面积权重较大，因此可以很明显地看到渝中区的综合评价值下降幅度最小。这也从侧面说明了城市绿地面积的增大有利于维持主城区的高评价值。而反观北碚区，在2016—2017年的绿地相关指标的数据统计中，其绿地斑块面积便减少了3 727.07 hm2，绿地平均斑块面积从 146.858 1 hm2骤降至 69.402 9 hm2，代之以大量的建筑和其他用地，严重挤压了城市绿地空间，因此其综合评价值下降幅度最大。

图2 重庆市各主城区2015—2017年评价结果

通过评价也进一步说明了PM2.5浓度削减作用与城市绿地面积有很大的关系，绿地面积越大，对缓解PM2.5污染越有利，这与之前的研究结果相一致[19-21]。在城市面积日益扩张、城市绿地资源趋于紧张的背景下，充分利用每一寸城市绿地，将其发挥最大功效，是城市规划者应该思考的重要问题。

3 结论

1)横向比较中，巴南区、渝北区和北碚区的相对接近度综合评价值最高。其中，2015年的评价值分别为 0.618 071、0.514 953 和 0.498 704；2016年的评价值分别为 0.612 525、0.496 605 和 0.491 396；2017年的评价值稍低，分别为 0.562 127、0.476 947 和 0.401 590。通过比较三者的绿地景观格局可以发现，虽然整体上由于城市建设导致建筑用地和居住用地增加，导致绿地景观格局的破碎度增加，但是从绿地面积总量来看，3个主城区的绿地斑块面积都非常高，因此得到的综合评价值较高。此外，除了绿地斑块面积较大之外，绿地的边缘趋于平整、绿地的聚合度和连接性高也使得综合评价值更高。这表明PM2.5浓度的降低还是以城市绿地的体量为主体来发挥作用。城市绿地若能够形成有规模的绿色网络，增加绿地空间，对PM2.5污染的缓解作用将会更加明显。

2)纵向比较中，渝中区综合评价值的同比下降率为九大主城区中最低，为-4.22%。该结果表明，在重庆市城镇化推进过程中，由于建筑用地、居住用地、道路用地、生产用地等的增加占据了原本的绿地空间，导致九个主城区的综合评价值均有不同程度下降。然而，渝中区虽然也与其他主城区一样面临着绿地总体面积减少的问题，但是其绿地斑块面积不降反升，这在一定程度上缓解了城市生态压力，有利于改善人居环境。这也与以往的研究结果不谋而合[21-22]，表明城市绿地在改善城市环境、减少雾霾污染中发挥着重要作用。该结果也进一步表明了绿地斑块空间分布的重要性。由于渝中区面积狭小，人口密度大，在居住用地和建筑用地非常紧张的情况下，绿地面积并没有被严重压缩，而是得到了一定的增长。因此，合理利用城市绿地空间，通过空间结构优化的形式将城市绿地的生态效益最大化，在未来将会是重要的研究方向。

4 城市绿地规划建议

4.1 提高城市公共绿地面积

2015—2017年，重庆市主城区的绿地总量从 35 291 hm2增加到 36 571.68 hm2，呈逐年递增的趋势；但是从遥感解译的结果来看，期间九个主城区的绿地面积破碎度均有明显的增加，中心城区的绿地斑块面积狭小，分布较为零散，整体的连通性较低。此外，城市中心区缺少大型的绿地斑块，无法更好地发挥绿地的生态作用。在未来的规划中，在满足城市发展和人居条件的情况下，将有限的绿地斑块面积集中起来，做好大型块状绿地的绿化改造，增加多个城市中央公园，构建城市绿色廊道，将其他大型绿地斑块联系起来，从而完善整个城市的绿地规划体系，使城市绿地空间布局更加合理。

4.2 优化城市绿地空间布局模式

在过去的研究中，往往比较重视城市公园绿地、街头绿地、道路绿地、滨河绿地等的建设，而忽视了立体绿化这一重要内容。由于地形的影响，在重庆市主城区中存在有大量的护坡、堡坎、悬崖和挡墙，并且为发展城市交通，建设了大量的高架桥路、轨道立柱和隧道口。这些平常未能引起注意的“灰色地带”若能够充分利用起来，便可获得非常可观的绿地量。2019年新修订的《重庆市城市园林绿化条例》也明确规定将立体绿化纳入附属绿地面积的范围，这在很大程度上能够促进城市立体绿化建设。重庆本就是一座山地城市，加强立体绿化能够增加城市绿化的立体感和层次感，能够更好地展现山城风貌，打造重庆特色城市名片，塑造山城形象。因此，在未来的城市绿化中，可以将立体绿化作为重点绿化内容进行改造，在增加绿地斑块的同时，也能体现出城市特色。