土地利用下的空气污染论文

前言：本站为你精心整理了土地利用下的空气污染论文范文，希望能为你的创作提供参考价值，我们的客服老师可以帮助你提供个性化的参考范文，欢迎咨询。

1引言

本研究以长株潭城市群核心区为对象，综合地理信息系统（GIS）和遥感（RS）技术，在年均和季节2个时间尺度，探讨土地利用/覆盖类型及其景观格局对城市空气污染时空分布特征的影响。与已往研究相比，本研究创新之处在于首次在年均与季节2个时间尺度，同时从宏观土地利用/覆盖类型及其微观景观格局双重角度，解析土地利用格局与空气污染特征的关系。

2空气污染效应的图像识别处理与分析

2.1土地利用/覆盖数据处理

在美国地质勘探局(USGS)全球可视化浏览器[18]下载长株潭城市群2013年7月31日2景Landsat8（Path123,Row40&41）遥感影像，选取波段分辨率为30m的8个波段进行合成。利用ENVI软件对合成影像进行大气校正、几何校正、镶嵌和裁剪处理后，依据前人经验[13-14,19]与研究区土地利用/覆盖特征，采用最大似然法将预处理后的合成影像分为建设用地、道路、裸地、耕地、水域、绿地和林地7类。长株潭城市群及其生态绿心区土地利用/覆盖分类与统计结果分别见图1和表1。表1中面积占比=(Ai/A)×100%，式中，i=1,2,…7和Ai分别为土地利用/覆盖类型i的序号和面积；A为长株潭城市群全区土地总面积。

2.2土地利用景观格局分析

相对土地利用/覆盖从宏观角度总体描述区域土地利用状况，景观格局分析着重于从微观角度测度土地要素的空间配置关系。景观指数是表征土地利用景观格局的有效指标[20]。参照相关报道[19,21]，结合长株潭城市群特点与空间幅度，选取类型级别斑块面积百分比（PLAND）、景观级别蔓延度指数（CONTAG）、散布与并列指数（IJI）、周长面积分维度指数（PAFRAC）、聚合性指数（AI），以及香农多样性指数（SHDI）量化区内土地利用景观格局特征。景观指数计算通过软件Fragstats4.0移动窗口法实现。

2.3空气污染数据处理及其浓度分布格局

研究中使用的空气污染数据来源于湖南省环保厅环境质量实时系统[22]，包括23个空气质量监测点（图1），站点依据环境监测规范[23]设置，采样高度为3~15m。获取2013年1-12月NO2、PM10、O3、PM2.5小时浓度观测数据，通过求算术平均值计算月均和年均浓度值。在实验对比分析反距离加权（IDW）、普通克里格（OrdinaryKring）和样条函数（SplineFunction）3种常用插值方法精度基础上，选择插值效果最佳的IDW方法生成长株潭城市群NO2、PM10、O3、PM2.5的空气污染浓度图。成图过程中，在统计分析300、500、1000、1500和3000m5个不同分辨率栅格图各土地利用/覆盖类型NO2浓度均值的基础上，结合环境空气质量监测规范附则中对空气质量评价点的定义，选定1000m为空气污染浓度图制图的空间分辨率，结果见图3。考虑数据缺失程度（1-12月数据缺失率分别为：7.08%、11.81%、2.45%、2.53%、2.13%、5.68%、2.98%、1.57%、0.8%、1.89%、2.44%、20.79%）和研究区季节划分情况（3-5月为春季，6-8月为夏季，9-11月为秋季，12月和1-2月为冬季），选取数据缺失少、最具季节特征的5月（图3(a)）、8月（图3(b)）、10月（图3(c)）和1月（图3(d)）分别代表长株潭城市群春、夏、秋、冬4个季节，绘制城市群NO2、PM10、O3、PM2.5季节和年均（图3(e)）浓度空间分布图。

2.4空气污染特征及其浓度相关性

运用ArcGIS分区统计工具（ZonalStatisticTool）分别统计春季、夏季、秋季、冬季和全年长株潭城市群各类土地利用/覆盖类型下的NO2、PM10、O3、PM2.5浓度均值。在此基础上，运用ArcGISIntersect功能叠加空气污染浓度和景观指数图，组合对应栅格浓度值和景观指数值生成分析样本数据组，基于皮尔逊相关系数量化土地利用/覆盖及其景观格局与NO2、PM10、O3、PM2.5浓度的相关性。

3空气污染效应计算结果与分析

3.1土地利用/覆盖类型与空气污染浓度

图4为2013年长株潭城市群空气污染浓度月均值变化曲线。从图4可知，在不区分土地利用/覆盖类型时，城市群内PM10和PM2.5浓度变化趋势一致，春、夏季节低，秋、冬季节高，在10月达到最大值（PM10:172μg/m3；PM2.5:154μg/m3）；最小值出现在7月（PM10:50μg/m3；PM2.5:26μg/m3）。O3冬季最低，2月最低浓度为45μg/m3；春、夏、秋季节均较高，最高值（144μg/m3）出现在10月。NO2与PM10和PM2.5的浓度变化趋势相似，12月均值最高（72μg/m3），7月最低（23μg/m3）。相对不区分土地利用/覆盖类型而言，图5表明：长株潭城市群不同土地利用/覆盖类型与空气污染浓度间的响应关系存在差异。综合分析土地利用/覆盖分类结果（图1）和空气污染浓度空间分布格局（图3）可知，长株潭城市群核心城区建设用地NO2浓度最高，而西南部绿地、林地集中区域NO2较低，整个城市群建设用地NO2浓度均值亦高于相应林地均值（春季：36μg/m3VS30μg/m3；夏季：26μg/m3VS23μg/m3；秋季：52μg/m3VS47μg/m3；冬季：60μg/m3VS52μg/m3；年均：43μg/m3VS37μg/m3）。PM10浓度分布与土地利用/覆盖类型的关系相对复杂，在建设用地外围绿地与耕地零散夹杂分布地区，以及望城与湘潭县接壤地区浓度仍然较高。O3浓度在建设用地相对大面积集中区明显低于非集中零散分布小区，但在岳塘区和石峰北部林地区存在小面积高浓度区域，总体呈现外围高、中心低的趋势。各土地利用/覆盖类型PM2.5浓度均值差异在春季、夏季，以及年均尺度较小（<2μg/m3），但建设用地、道路及水域在秋季和冬季的PM2.5浓度（秋季：132、132、134μg/m3；冬季：159、158、156μg/m3）均高于林地PM2.5浓度（秋季：127μg/m3；冬季：149μg/m3），建设用地总体上是PM2.5高浓度集中分布区域。与图5结果相似，表2PLAND与空气污染浓度相关性分析结果，进一步定量证实了土地利用/覆盖类型对城市空气污染浓度的影响。不同时间尺度下土地利用/覆盖类型与各空气污染物浓度相关关系的显著性存在差异，相关系数的大小反映了相关关系的紧密程度。总体而言，长株潭城市群建设用地和道路面积占比与NO2、PM2.5浓度正相关、与O3浓度负相关，相关性强弱依次是NO2>PM2.5>O3。究其原因，建设用地与道路是以NO2为主要成分的机动车尾气排放的重要场地，PM2.5与O3由NO2经过化学/光化学反应生成的二次污染物组成，但与O3相比，PM2.5还与城市内部工厂废气排放等密切相关，由此造成了3种污染物与城市建设用地、道路面积占比的相关性差异。林地、绿地、耕地面积占比与NO2、PM2.5浓度负相关，研究结果与相关报道一致[13-14]。但林地面积占比与O3年均、春季、冬季浓度显著负相关，与先前报道结果相反[25]。土地利用/覆盖对PM10浓度特征的影响相对不稳定，建设用地、耕地面积占比与PM10浓度呈现负相关特征。分析原因：建设用地面积占比较小的望城南部与湘潭处于城镇化高速开发阶段（如其中的岳塘区2013年有多个项目密集开工），建筑和工业扬尘带来的PM10排放[26]明显高于其他区域，造成了小比例建设用地对应高PM10浓度。表2说明长株潭城市群土地利用/覆盖，对空气污染物浓度变化的影响具有明显季节效应。道路面积占比与O3和PM10年均浓度相关性较小（ρX,Y:－0.04、0.09），但与夏季、冬季O3浓度以及夏季PM10浓度的相关性明显增大（ρX,Y:-0.14，-0.16，0.17）。耕地面积占比与年均O3和PM2.5浓度相关性不显著但与夏季、冬季O3浓度显著相关（ρX,Y:0.11VS-0.08），与春季、夏季PM2.5浓度出现正负反复的显著性相关差异（ρX,Y:0.07VS-0.12）。林地面积占比除与春季PM2.5浓度显著正相关外，与其他季节和年均PM2.5浓度均显著负相关。

3.2土地利用景观格局与空气污染浓度

综合分析城市群内景观指数和空气污染浓度空间分布格局（图2、3）可知，长株潭城市群土地利用/覆盖型的微观景观格局，可用于揭示空气污染的空间分布特征。蔓延度指数CONTAG值高的长沙县南部、石峰区北部对应O3浓度较高；散布与并列指数IJI、形状分维数PAFRAC、聚合性指数AI值高的城市群核心区中西部与PM10和PM2.5浓度高值区域相对吻合；多样性指数SHDI较低区域PM2.5浓度值低。分析原因，长株潭城市群CONTAG高值区域位于湘江支流浏阳河两侧，优势斑块绿地和林地的连通性较好，对NO2、PM10和PM2.5的“负效应”得以充分发挥。相对而言，承载人类开发活动较多的城市群核心区中西部的望城和湘潭景观格局破碎程度高，PM10和PM2.5浓度相应较高。表3为长株潭城市群2013年春季、夏季、秋季、冬季和年均尺度空气污染浓度与景观指数相关分析结果。总体来看，相关性结果的显著性在证实景观格局对空气污染存在指示作用的同时，也揭示了指示作用强弱随季节变化的特征。CONTAG在年均、冬季、春季与O3浓度显著正相关，但在夏季、秋季不相关。IJI与NO2、O3、PM2.5年均浓度显著相关（ρX,Y:0.10、-0.12、0.14），但与冬季NO2、秋季O3、夏季PM2.5浓度几乎不相关（ρX,Y:0.01、0、0.01）；PAFRAC与冬季PM10浓度相关系数仅为-0.07，但与年均、春季、秋季PM10浓度强显著相关（ρX,Y:≥0.3）；SHDI与PM2.5浓度正相关特征出现在秋季、冬季及年均尺度（ρX,Y:0.17、0.11、0.13），但此种相关性在夏季消失。此外，不容忽视的是，土地利用/覆盖及其景观格局的空气污染效应分析，多强调大致从宏观角度间接反映区域内部大气污染源排放的空间差异，如何耦合大气污染物扩散的物理化学机制充分揭示微观地貌景观，如河流、丘陵等对空气污染扩散的影响值得深入研究。事实上，区域空气质量多数情景下易受外源输入的影响。但在季节和年均时间尺度，外来污染源对区域内部空气污染浓度分布的贡献空间上相对均匀，因而，在城市高空间分辨率气象数据（如混合层高度）获取受限的条件下，从土地利用/覆盖及其景观格局与空气污染浓度关系分析的角度解析区域空气污染空间差异的成因不失为一种相对可行与可靠的手段。

3.3生态绿心区空气污染浓度特征

长株潭生态绿心区建设的目的在于合理创新土地利用模式，科学管理自然生态资源，实现维持区域生态健康、提升城市群空气质量水平的目标[27]。分析生态绿心区空气污染特征可初步检验土地利用方式改变对于降低城市空气污染的效果。综合分析图1和图3可知，长株潭城市群建设用地覆盖率低、植被覆盖率高的生态绿心区内的NO2、O3、PM2.5浓度水平整体低于邻近地区。同时，整个城市群内NO2、PM2.5浓度最高值却出现在生态绿心区的石峰区与岳塘区交界地。生态绿心区PM10浓度均值高于城市群整体均值，大致呈现西高东低趋势，在岳塘区湘江沿岸达到最高。分析原因，一方面生态绿心区内的岳塘和浏阳市交界地集中分布了五一、仙人造水库2个自然保护区，保护区内聚集的林地、绿地对绿心区范围内的NO2、O3、PM2.5浓度具有“负效应”；另一方面，生态绿心区地处长株潭三市交接地，在长株潭城市群一体化建设过程中，区内高PM10浓度主要可归咎于各类工业发展和建筑开发活动对污染的“正效应”。

4结论

在运用GIS和RS技术获取研究区土地利用/覆盖基础上，结合土地利用景观格局分析结果，本研究首次分年均和季节时间尺度，同时从宏观和微观角度解析了土地利用格局与空气污染浓度特征之间的关系。主要结论如下：（1）土地利用/覆盖类型可影响空气污染浓度的空间分布特征。建设用地和道路面积占比越大，NO2、PM2.5浓度越高、O3浓度越低；林地、耕地面积占比越大，NO2、PM2.5浓度越低；土地利用/覆盖对PM10浓度特征的影响相对不稳定，主要受局地尺度工业发展和建筑开发活动影响。（2）土地利用景观格局一定程度上，指示了空气污染浓度的空间分布特征。形状分维数、香农多样性指数和散布与并列指数值越大，PM10、PM2.5浓度往往相应高；蔓延度指数值越大、散布与并列指数值越小，O3浓度越高。（3）宏观土地利用/覆盖类型及其微观景观格局，对NO2、PM10、O3、PM2.5浓度变化的影响程度，会随分析时间尺度（年均、季节）的变化而改变，其中PM2.5受季节性因素影响大。（4）长株潭城市群生态绿心区整体上对区内NO2、O3、PM2.5浓度的上升有抑制作用，但对局地NO2和PM2.5浓度极高值、整个城市群PM10浓度的“负效应”作用不明显，生态绿心区保障长株潭城市群空气质量的效果尚未真正展现。

作者：许珊邹滨蒲强郭宇单位：中南大学地球科学与信息物理学院上海市大气颗粒物污染防治重点实验室