滇东南地区PM2.5的时空分布与土地利用研究

张学林，冯 祥，王建雄

（云南农业大学 水利学院/云南省高校农业遥感与精准农业工程研究中心，云南 昆明 650201）

0 引言

随着城市化发展的不断推进，云南作为祖国面向南亚、东南亚开放的桥头堡，紧跟时代发展的潮流。经济的发展必然会带来诸多的环境问题，在此阶段尤为严重的是细颗粒物PM2.5（环境空气中空气动力学当量直径≤2.5 μm的颗粒物）的污染［1］。PM2.5的特点是粒径小、空气中停留时间长、容易附着有害物质、活性高，这些特性使PM2.5对人体健康造成了严重危害。PM2.5对环境质量和人体健康有严重的影响，因此，对PM2.5进行时空分异研究和治理对策研究迫在眉睫。

目前，国内外科研工作者已经对PM2.5的监测、组成、分布、影响等展开了大量研究，结果表明，PM2.5的浓度与海拔、土地利用情况、温度、降雨等因素密切相关，污染程度也会随着季节的改变而改变，其中在城市发展的过程中，工业化程度是PM2.5污染程度的一个重要因素。2016年毕丽玫［2］对昆明大气PM2.5的污染特征及气象条件进行了相关性分析；2017年邓聪等［3］对高原省份城市的空气质量状况进行了统计分析，并探究了PM2.5污染水平的时空分布；2019年韩林洁等［4］对昆明市典型干季大气PM2.5中重金属污染特征与来源进行了探究；2020年邓靓等［5］对云南低纬度高原城市大气PM2.5中水溶性离子特征及其来源进行了分析。

但是针对云南省滇东南地区PM2.5空间分布特征与土地利用方面的研究较少，本文通过探索滇东南地区PM2.5浓度与土地利用的相关性，以期为滇东南地区PM2.5的防治规划提供相应的参考。

1 研究区域概况

滇东南地区位于云南省东南部，主要是红河哈尼族彝族自治州和文山壮族苗族自治州2个州。红河州地处东经101°47′～104°16′，北纬22°26′～24°45′之 间，国土面积32931 km2，地 处 亚 热带高原型温润季风区，立体气候特征显著，四季区分不明显，干雨季明显，该州下辖4个县级市、6个县、3个自治县。文山州地处东经103°35′～106°12′，北纬22°40′～24°48′之间，国土面积31456 km2，属亚热带季风气候，冬暖夏凉，降雨充沛，下辖1个地级市、7个县。滇东南地区由文山市、砚山县、西畴县、麻栗坡县、马关县、丘北县、广南县、富宁县、个旧市、开远市、蒙自市、弥勒市、屏边苗族自治县、建水县、石屏县、泸西县、元阳县、红河县、金平苗族瑶族傣族自治县、绿春县、河口瑶族自治县21个县（市）组成［6-7］。

2 数据来源

PM2.5相关数据来源于达尔豪斯大学大气成分分析组，时间跨度2000—2018年，区域范围为全国2850个县；其他年份的数据来源于中国气象历史数据，时间跨度更新至2021年8月，区域为全国。

土地利用数据来源于Yang等［8］的研究。该数据基于Landset卫星影像通过GEE平台制造的30 m分辨率中国土地利用数据集，与GLC_FCS30、Global30、AGLC2000_2015、FROM-GLC10、ESA10、ESRI10等相比，时间分辨率更高。该数据集更新至1985—2020年。

土地利用数据选取了滇东南地区的土地利用分类图。

3 数据处理与研究方法

3.1 数据处理

PM2.5相关数据处理：首先通过筛选选出所需州（市、县）的数据，然后通过ArcGIS 10.8软件对数据进行插值，通过可视化图像分析变化过程。土地利用数据处理：首先通过矢量边界进行掩膜提取得出研究区域数据，然后对研究区域土地利用数据进行要素转栅格、融合、相交、计算几何等操作，得到研究区域的土地变化数据。

3.2 时间序列分析法

时间序列分析法被称为动态序列，一般是将指标数按照时间序列排列成的数值序列，需要2个要素：一是时间要素，二是数值要素［9］。本文对滇东南地区2000—2020年PM2.5的年平均浓度进行了分析。

3.3 克里金（Kriging）插值法

克里金插值法是地质统计学插值方法中最常用的一种插值方法，利用样本点的统计规律，使样本点之间的空间自相关性定量化，在待预测的点周围构建样本点的空间结构模型［10］。公式为：

式（1）中，Z0是点（x0，y0）处的估计值；λi是权重系数，用空间已知点的数据Zi加权求和计算未知点的值。

权重需满足点（x0，y0）处的估计值Z0与真实值Z0之间的差为最小，且为最优的一套系数，即：

同时满足无偏估计条件，即：

3.4 土地转移矩阵

土地转移矩阵包括固定区域某一时间点的不同土地利用面积数据以及在变化初期和末期不同土地利用面积的转入、转出信息。土地转移矩阵可以反映在某一时间段内不同土地利用类型的动态变化过程。土地利用转移矩阵的公式为：

式（4）中：S代表面积；n代表土地利用类型数；i、j分别代表土地在某一时段转移前后的土地类型；Sij代表i型地转为j型地的面积。在矩阵中行元素代表i型地转移后的各个土地利用类型的动态变化信息，列元素代表j型地转移前的各个土地利用类型的来源信息［11］。

3.5 桑基图

桑基图［12］（Sankey diagram）也叫桑基能量平衡图，因Matthew Henry Phineas Riall Sankey在1898年绘制的“蒸汽机能量效率图”闻名。其最明显的特征是起始端和结束端分支的宽度相等，即保持能量平衡，通过桑基图可以清晰地看出不同阶段土地利用类型的流向，可进一步总结流向规律和特征。

3.6 相关性分析

皮尔逊相关性是分析2个变量之间的线性相关性，2个变量符合正态分布，构造的模型即为线性回归模型。皮尔逊相关系数用于度量2个变量之间的相关程度，其值介于-1～1之间。本文运用SPSS Statistics 25软件进行了相关性分析。皮尔逊相关系数公式为：

式（5）中，x、y是 长 度n的2个 向 量，mx、my为x、y的均值。

4 结果与分析

4.1 PM2.5的时间变化特征

本文选取2000—2020年滇东南地区PM2.5浓度数据，把2000、2005、2010、2015、2020年这5个年份作为时间节点，分析各县（市）在这20年PM2.5浓度的变化趋势，发现2005、2010、2015年这3个时间节点每个县（市）的值均比2000、2020年的高，且每个县（市）都呈先增加后减少的变化趋势，2000和2020年的PM2.5浓度水平相接近。

通过对2000—2020年滇东南地区PM2.5浓度进行分析可知（图1），2000年滇东南地区PM2.5浓度年平均值最低，为24.478 μg/m3，2007年达到峰值，为36.832 μg/m3，2018年PM2.5浓度又下降到2000年的水平，为24.978 μg/m3，2020年之后又经历了小幅增长，但整体仍为先增长后减少的变化趋势。

图1 2000—2020年滇东南地区PM2.5浓度年均变化趋势

4.2 PM2.5的空间变化特征

将滇东南地区每个县（市）2000—2020年的PM2.5浓度去均值，运用ArcGIS 10.8软件进行克里金插值可视化，并对这21年的PM2.5浓度平均水平进行对比。由图2可知，泸西县、丘北县、广南县的PM2.5浓度水平一直处于较低的状态，河口瑶族自治县PM2.5浓度处于较高的水平。滇东南地区整体PM2.5浓度的空间分布状态是自北向南逐渐增高，北部地区浓度比南部地区的普遍偏低。

图2 滇东南地区PM2.5浓度21年均值克里金插值图

把2000—2020年分成4个发展阶段，对21个县（市）不同阶段PM2.5浓度变化程度进行分析（图3），本研究具体分析每个阶段PM2.5浓度变化范围较大区域的分布情况。将21年来PM2.5浓度变化数据进行处理，再通过插值法进行可视化，最后得到PM2.5浓度变化较大区域呈块状分布。2000—2005年阶段，研究区域南部的河口瑶族自治县PM2.5浓度均值达到11.4788μg/m3，呈上升趋势分布；2005—2010年阶段；研究区域东南部的麻栗坡县、西畴县PM2.5浓度均值分别达到2.3521、2.1912 μg/m3，呈上升趋势分布；2010—2015年阶段，研究区域北部的泸西县、弥勒市PM2.5浓度均值分别为-5.2935、-5.2557μg/m3，呈下降趋势分布；2015—2020年阶段，研究区域中部的文山市、西畴县PM2.5浓度均值分别为-9.0843、-7.7691μg/m3，呈下降趋势分布。

图3 滇东南地区PM2.5浓度变化程度插值图

4.3 土地利用现状

运用ArcGIS 10.8软件对2000、2005、2010、2015、2020年的土地利用类型面积进行统计，对2000—2005、2005—2010、2010—2015、2015—2020年 进行相交处理，制作土地转移矩阵，统计不同时期各种土地利用类型的变化情况，如表1所示。

表12000 —2020年滇东南地区土地转移变化情况 hm2

通过4个阶段土地转移矩阵得出：2000—2020年这21年间不透水面占地面积一直在增加；草地占地面积每个时期都在减少，大都向林地、耕地转变；耕地在2005—2010年这个时期大幅减少，说明滇东南地区正在积极响应2002年颁布的《国务院关于进一步完善退耕还林政策措施的若干意见》退耕还林政策；荒地在这20年间变化不大；水体除在第1阶段有所减少之外，其他3个阶段均有所增加；而林地作为占地面积最大的一种土地利用类型，后3个阶段都在大幅度地增长。

对这4个时期的土地类型流动进行可视化处理（图4）。通过桑基图可以看出：在2000—2020年间，滇东南地区土地流动变化最大的是草地、耕地、灌木、林地，其中在2000—2005年间，草地主要流动方向为耕地，耕地的主要流动方向为草地、林地，灌木的主要流动方向为耕地、林地，林地的主要流动方向为耕地、灌木；在2005—2010年间，草地的主要流动方向为耕地，耕地的主要流动方向为草地、灌木、林地，灌木的主要流动方向为耕地、林地，林地的主要流动方向为耕地、灌木；在2010—2015年间，草地的主要流动方向为耕地，耕地的主要流动方向为林地，灌木的主要流动方向为耕地、林地，林地的主要流动方向为耕地、灌木；在2015—2020年间，草地的主要流动方向为耕地，耕地的主要流动方向为林地、草地、灌木，灌木的主要流动方向为耕地、林地，林地的主要流动方向为耕地、灌木。

图4 2000—2020年土地流动桑基图

4.4 PM2.5与土地利用类型相关性分析

对2000—2020年滇东南地区PM2.5每年的平均浓度与不同土地利用类型面积占比进行皮尔逊相关性分析，如表2所示。

表2 PM2.5年平均浓度和不同土地利用类型面积占比

对PM2.5和不同土地利用类型进行皮尔逊相关性分析，结果如表3所示。

表3 PM2.5浓度与不同土地利用类型的相关系数

从表2和表3中可以看出：不透水面的面积占比逐年增加，但与PM2.5浓度呈负相关，原因是不透水面的面积基数太小，在本研究区域不透水面的变化对PM2.5浓度影响较小。草地、耕地、灌木和PM2.5浓度呈正相关，在本研究区域2005—2020年草地、耕地、灌木的面积占比整体呈减少的趋势。而PM2.5年平均浓度在2007—2020年也基本呈逐年减少的趋势，可能是因为2005—2020年草地、耕地、灌木这3种土地利用类型的减少主要是流向了林地，导致自2005年之后林地面积不断扩大，从图4土地桑基图也可印证，而森林吸附PM2.5的能力最强，因此，滇东南地区在草地、耕地、灌木面积减少的同时，PM2.5浓度也在减少。水体与PM2.5浓度呈显著负相关，水体在本研究区域的面积占比较小，21年间变化比较稳定。林地与PM2.5浓度呈极显著负相关，说明林地变化决定了整个地区PM2.5浓度的变化趋势，也就是说PM2.5浓度的变化在滇东南地区主要受林地变化的影响。

5 结论

本文选取了滇东南地区2000—2020年PM2.5浓度数据和土地利用数据，通过分析PM2.5的时空变化特征和土地利用变化情况得出：滇东南地区PM2.5浓度在2000—2020年整体呈现先增高后减小的抛物线型变化趋势，在2007和2014年达到峰值，在2020年又下降到2000年的水平；整个研究区域的PM2.5浓度呈南高北低的趋势，PM2.5浓度变化较大的区域呈集中块状分布，从研究区域南部到东部再到北部最后到中部地区，从21年间PM2.5平均浓度来看，研究区域的南部地区明显高于北部地区。

滇东南地区土地利用类型面积占比大小依次为：林地＞耕地＞灌木＞草地＞不透水面＞水体＞荒地，2020年林地的占比达到61.85%，随着城市化的推进，21年间不透水面的面积在逐年增长，2020年不透水面占比达到0.37%。受退耕还林政策的影响，2000—2010年间草地、耕地、林地面积变化浮动比较大，2005年开始林地的面积不断扩大，主要是由草地、耕地、灌木转变而来，水体面积相对较小。

通过对PM2.5浓度与土地利用相关性分析得出：在滇东南地区林地变化决定了PM2.5浓度的变化，林地占地面积在此地区基数巨大，对PM2.5影响较大的植被覆盖区耕地、草地、灌木在2005—2020年间主要的流动方向都是林地，林地在这15年间一直处于增长的状态， 2020年已经达到了该区域总面积的3/5。森林作为“地球之肺”，对PM2.5的吸附能力相对于耕地、草地、灌木而言是最强的，该区域虽然城市化不断发展，不透水面的面积不断增加，但是受不断扩大的林地面积的影响，PM2.5浓度近些年整体上仍呈下降的趋势。