韋 晶, 孫 林,*, 劉雙雙, 段德宏, 郭亞敏, 米雪婷, 田信鵬, 于會(huì)泳

1 山東科技大學(xué)測(cè)繪科學(xué)與工程學(xué)院, 青島 266590

2 山東科技大學(xué)科研處, 青島 266590

3 北京師范大學(xué)全球變化與地球系統(tǒng)科學(xué)研究院, 北京 100875

大氣顆粒物污染對(duì)土地覆蓋變化的響應(yīng)

韋 晶1, 孫 林1,*, 劉雙雙1, 段德宏2, 郭亞敏3, 米雪婷1, 田信鵬1, 于會(huì)泳1

1 山東科技大學(xué)測(cè)繪科學(xué)與工程學(xué)院, 青島 266590

2 山東科技大學(xué)科研處, 青島 266590

3 北京師范大學(xué)全球變化與地球系統(tǒng)科學(xué)研究院, 北京 100875

土地利用-覆蓋變化(LUCC)直接或間接影響顆粒物污染。了解顆粒物污染對(duì)LUCC的響應(yīng)，對(duì)維護(hù)和改善生態(tài)環(huán)境具有重要的意義?；谛l(wèi)星遙感技術(shù)，從廣域的空間尺度分析顆粒物污染對(duì)LUCC的響應(yīng)。使用MODIS數(shù)據(jù)分別提取與顆粒物污染相關(guān)性較高的城市用地、林地等土地利用類型，確定土地利用類型的變化趨勢(shì)，利用長(zhǎng)時(shí)間序列MODIS氣溶膠光學(xué)厚度(AOD, Aerosol optical depth)產(chǎn)品分析顆粒物污染與土地利用類型的變化的相關(guān)性。以山東省青島市、淄博市、濟(jì)南市3個(gè)典型城市為例，研究了AOD隨土地利用類型的變化趨勢(shì)。同時(shí)，考慮并分析了顆粒物污染對(duì)土地利用變化響應(yīng)的敏感性，以及城市區(qū)域變化對(duì)環(huán)境的影響。研究結(jié)果表明，不同的城市類型，由于決定環(huán)境變化主導(dǎo)因素的差異，顆粒物污染對(duì)LUCC的響應(yīng)具有明顯的差異。青島市地區(qū)，由于受海洋影響顯著，大氣顆粒物污染與LUCC的相關(guān)性較低，如中度污染天氣與林地的相關(guān)系數(shù)為-0.451；而淄博市和濟(jì)南市的相關(guān)系數(shù)分別為-0.473、-0.507。

土地利用-覆蓋變化(LUCC); 顆粒物污染; MODIS; 氣溶膠光學(xué)厚度(AOD); 相關(guān)性分析

近年來(lái)，隨著我國(guó)城市化進(jìn)程的加快，土地利用變化的快速發(fā)展，尤其是植被覆蓋被建筑物所替代，導(dǎo)致地表吸附、阻擋揚(yáng)塵的能力降低，帶來(lái)一系列的生態(tài)環(huán)境問(wèn)題，其中大氣污染問(wèn)題日益嚴(yán)重，城市建設(shè)、工業(yè)生產(chǎn)等都直接導(dǎo)致了空氣中顆粒物的增加。大氣顆粒物已經(jīng)成為影響我國(guó)城市空氣質(zhì)量的首要污染物[1- 3]，顆粒物污染問(wèn)題愈發(fā)嚴(yán)重且來(lái)源比較復(fù)雜[4- 5]，目前已經(jīng)嚴(yán)重影響到人們的正常生產(chǎn)生活。

國(guó)內(nèi)外學(xué)者利用遙感技術(shù)研究土地利用-覆蓋變化的歷史較長(zhǎng)，并取得了較多成果，土地利用信息提取、過(guò)程趨勢(shì)及驅(qū)動(dòng)力分析是當(dāng)前研究的重點(diǎn)內(nèi)容，目前，土地利用-覆蓋變化(LUCC)的研究主要集中在空間分布規(guī)律及變化趨勢(shì)探討[6- 9]、多源遙感數(shù)據(jù)的LUCC過(guò)程動(dòng)態(tài)監(jiān)測(cè)[6,10]及LUCC對(duì)全球氣候變化的影響、機(jī)理研究[11- 15]等方面。同時(shí)，氣溶膠的研究在國(guó)內(nèi)外已經(jīng)廣泛開(kāi)展，其信息獲取經(jīng)歷了由最初的地面實(shí)時(shí)監(jiān)測(cè)到利用衛(wèi)星遙感數(shù)據(jù)定量反演的過(guò)程。研究學(xué)者在氣溶膠光學(xué)特性及時(shí)空分布規(guī)律[16- 18]、近地表顆粒物濃度預(yù)測(cè)與模擬[19- 21]、大氣污染動(dòng)態(tài)監(jiān)測(cè)[22- 24]、全球氣候變化影響[25- 26]等方面做了大量研究，并取得了較大進(jìn)展。以往的研究對(duì)LUCC、氣溶膠的進(jìn)一步發(fā)展具有重要的推動(dòng)作用，然而對(duì)于LUCC與氣溶膠之間關(guān)系的研究相對(duì)較少[22]，多針對(duì)短時(shí)間內(nèi)的特定區(qū)域，缺乏長(zhǎng)時(shí)間序列的研究。衛(wèi)星遙感技術(shù)的不斷發(fā)展為長(zhǎng)時(shí)間土地覆蓋信息及大氣顆粒物污染信息的提取提供了便利。本文利用長(zhǎng)時(shí)間序列MODIS數(shù)據(jù)研究大氣顆粒物污染對(duì)LUCC的響應(yīng)，探討氣溶膠隨土地利用類型的變化趨勢(shì)。

文中考慮到沿海地區(qū)由于受海洋環(huán)境的直接調(diào)節(jié)，空氣質(zhì)量受海洋影響比較明顯，大氣污染相對(duì)較輕；內(nèi)陸地區(qū)遠(yuǎn)離海洋，空氣質(zhì)量受海洋影響較小，而城市擴(kuò)張、森林砍伐等人為因素使綠色植被大面積減少，導(dǎo)致地表吸附顆粒物的能力降低，空氣污染加重，森林、城市的變化對(duì)內(nèi)陸地區(qū)空氣質(zhì)量的影響相對(duì)較大，初步推測(cè)城市大氣顆粒物污染與土地覆蓋變化存在著密切關(guān)系。因此，為探討LUCC對(duì)大氣顆粒物污染的影響，本文分別選取山東省青島市、淄博市和濟(jì)南市3個(gè)典型城市作為研究區(qū)，模擬沿海到內(nèi)陸城市區(qū)域的變化，以RS和GIS為技術(shù)支撐，利用廣尺度、長(zhǎng)時(shí)間序列MODIS標(biāo)準(zhǔn)產(chǎn)品分別提取各城市近10年來(lái)土地覆蓋信息與大氣顆粒物污染時(shí)空分布信息，分析大氣顆粒物污染與LUCC之間的相關(guān)性，確定LUCC對(duì)大氣顆粒物污染的響應(yīng)機(jī)制，該研究不但可以為區(qū)域和周邊經(jīng)濟(jì)發(fā)展以及環(huán)境保護(hù)提供決策依據(jù)，而且對(duì)維持城市群生態(tài)環(huán)境安全也具有重要的理論和現(xiàn)實(shí)意義。

1 研究區(qū)與數(shù)據(jù)源介紹

1.1 研究區(qū)概況

本文以山東省的3個(gè)典型城市，青島市、淄博市和濟(jì)南市為研究對(duì)象，開(kāi)展大氣顆粒物污染與土地覆蓋變化的響應(yīng)分析研究。青島市位于山東省東南部，太平洋西岸，東、南瀕臨黃海，由于海洋環(huán)境的直接調(diào)節(jié)，青島受東南季風(fēng)及海流等因素的影響比較明顯，海洋性氣候顯著，屬于典型的東部沿海城市；該市經(jīng)濟(jì)發(fā)展迅速，人口分布比較集中。淄博市位于山東省中部，地處暖溫帶，屬半濕潤(rùn)、半干旱的溫帶季風(fēng)氣候；是全國(guó)重要的石油化工基地，重工業(yè)發(fā)展迅速、經(jīng)濟(jì)發(fā)達(dá)。濟(jì)南市位于山東省西部，南依泰山，北跨黃河，屬于暖溫帶半濕潤(rùn)季風(fēng)型氣候；全市工業(yè)、軟件等產(chǎn)業(yè)快速發(fā)展，旅游資源非常豐富，人口分布集中。3個(gè)城市橫向分布，由沿海到內(nèi)陸延伸，空間分布規(guī)律明顯(圖1)。

圖1 研究區(qū)地理位置示意圖Fig.1 Location of the research area

1.2 數(shù)據(jù)源及預(yù)處理

1.2.1 數(shù)據(jù)源介紹

文章所需的數(shù)據(jù)源主要包括2001—2010年山東省青島、淄博和濟(jì)南3個(gè)城市的大氣顆粒物污染數(shù)據(jù)和土地覆蓋分類數(shù)據(jù)，兩種數(shù)據(jù)主要來(lái)源于MODIS標(biāo)準(zhǔn)產(chǎn)品，其中還包括Landsat TM、ETM+、MODIS地表反射率產(chǎn)品等輔助數(shù)據(jù)，以上數(shù)據(jù)均統(tǒng)一到同一投影和坐標(biāo)系中，采用的投影為阿爾伯斯圓錐等面積投影(Albers conical equal area projection)，簡(jiǎn)稱阿爾伯斯投影，坐標(biāo)系為WGS- 1984，所有數(shù)據(jù)在處理過(guò)程中保證像元大小一致。本文研究所采用的數(shù)據(jù)統(tǒng)一來(lái)源于http://ladsweb.nascom.nasa.gov/data/search.html，具體介紹如表1所示。

表1 數(shù)據(jù)源介紹

本文使用的大氣顆粒物污染數(shù)據(jù)是MODIS Level 2中的氣溶膠產(chǎn)品(MOD04)。MODIS(中分辨率成像光譜儀)是搭載在Terra和Aqua上的重要傳感器，具有36個(gè)光譜通道，分布在可見(jiàn)光、近紅外到熱紅外波譜范圍內(nèi)，刈幅寬達(dá)到2330km。MODIS數(shù)據(jù)因重訪周期短、數(shù)據(jù)質(zhì)量高的特點(diǎn)，被廣泛應(yīng)用到資源環(huán)境監(jiān)測(cè)、全球氣候變化等多個(gè)方面；同時(shí)，基于MODIS的提取結(jié)果，NASA業(yè)務(wù)化提供了表觀反射率、云、氣溶膠、土地覆蓋等多種標(biāo)準(zhǔn)產(chǎn)品，其中MOD04是NASA提供的氣溶膠產(chǎn)品，該產(chǎn)品包括470、550、660nm等7個(gè)波長(zhǎng)處逐日的氣溶膠數(shù)據(jù)，陸地地區(qū)的氣溶膠數(shù)據(jù)是通過(guò)濃密植被法反演獲得，該產(chǎn)品在近地面顆粒物濃度模擬轉(zhuǎn)換、大尺度地區(qū)氣溶膠研究等方面得到廣泛應(yīng)用[16- 20,27]。文中分別提取青島、淄博、濟(jì)南3個(gè)城市2001—2010年夏季的MOD04數(shù)據(jù)，時(shí)間為每年第150—245天，共96d。

土地覆蓋數(shù)據(jù)是根據(jù)山東省3個(gè)典型城市近年來(lái)的土地利用變化特點(diǎn)，以林地、城市用地2種主要土地利用類型來(lái)分析二者的相關(guān)性。林地是使用MODIS土地覆蓋分類產(chǎn)品(MOD12Q1)，該數(shù)據(jù)主要根據(jù)國(guó)際生物圈計(jì)劃的分類系統(tǒng)，利用決策樹(shù)和人工神經(jīng)網(wǎng)絡(luò)的分類算法分類得到[28]，共包含5種土地利用分類方案，空間分辨率為500m。該產(chǎn)品是區(qū)域土地覆蓋變化監(jiān)測(cè)的重要數(shù)據(jù)源，已被廣泛應(yīng)用到土地利用變化動(dòng)態(tài)監(jiān)測(cè)、土地覆蓋及土地利用分類研究中，研究表明，MODIS土地覆蓋產(chǎn)品在中國(guó)區(qū)域有較高的整體分類精度[29]，尤其對(duì)于大面積的主要自然植被類型如作物、林地、草地等，分類精度較高。城市用地選用MODIS 8d合成的地表反射率產(chǎn)品(MOD09A1)，該數(shù)據(jù)是經(jīng)過(guò)了大氣校正和氣溶膠訂正后作進(jìn)一步處理后生成的柵格化3級(jí)數(shù)據(jù)產(chǎn)品(L3G)，是表面波譜的反射估計(jì)，包含了8d之內(nèi)最有可能的L2G觀測(cè)數(shù)值，空間分辨率為500m。文中分別提取青島、淄博、濟(jì)南3個(gè)城市2001—2010年MOD12Q1數(shù)據(jù)及每年8月份各四景MOD09A1數(shù)據(jù)。

1.2.2 數(shù)據(jù)預(yù)處理

本文涉及到的數(shù)據(jù)處理主要包括氣溶膠數(shù)據(jù)及土地覆蓋類型數(shù)據(jù)的獲取、投影轉(zhuǎn)換、影像裁剪、數(shù)據(jù)合成、類別合并及信息統(tǒng)計(jì)等。對(duì)于MOD04氣溶膠數(shù)據(jù)，文中研究采用的是550nm波長(zhǎng)處的AOD數(shù)據(jù)集，為保證投影信息一致，首先對(duì)AOD數(shù)據(jù)進(jìn)行投影轉(zhuǎn)換，即由原來(lái)的正弦曲線投影轉(zhuǎn)為Albers投影，AOD數(shù)據(jù)處理主要包括兩個(gè)方面：季度合成和日均AOD計(jì)算。在數(shù)據(jù)處理過(guò)程中，獲取的MOD04氣溶膠產(chǎn)品中普遍存在兩個(gè)問(wèn)題：部分?jǐn)?shù)據(jù)有效觀測(cè)值較少及數(shù)據(jù)中存在奇異值，因此，為保證本文研究的精度，文中對(duì)獲 取的氣溶膠數(shù)據(jù)逐一進(jìn)行篩選，僅保留有效氣溶膠數(shù)據(jù)(影像中有效像元數(shù)大于等于50%視為有效數(shù)據(jù))，利用公式(1)和(2)對(duì)氣溶膠數(shù)據(jù)進(jìn)行季度合成和日均AOD計(jì)算，在計(jì)算過(guò)程中剔除數(shù)據(jù)中的無(wú)效像元值及奇異值。

(1)

(2)

式中,AODQS表示氣溶膠季度合成數(shù)據(jù)，AOD表示有效氣溶膠數(shù)據(jù)，總數(shù)為S，s表示第s幅數(shù)據(jù)；AODAvg表示日均AOD值，AOD(i,j)表示數(shù)據(jù)中第i行j列像元值，N表示有效像元總數(shù)，其中N=m×n。

圖2為青島、淄博、濟(jì)南2001—2010年夏季氣溶膠空間分布圖，可以看出10年間3個(gè)城市夏季氣溶膠的空間分布現(xiàn)狀和變化規(guī)律：青島市AOD濃度整體較低，空氣污染程度較小，淄博市、濟(jì)南市的AOD濃度明顯高于青島市，空氣污染相對(duì)嚴(yán)重；同時(shí)，各城市AOD濃度的年際變化規(guī)律不穩(wěn)定，波動(dòng)起伏較大，不同城市的空氣染年際變化情況也有所不同。

文中考慮到大氣能見(jiàn)度(V)與空氣污染之間的相關(guān)關(guān)系，把能見(jiàn)度分為4個(gè)等級(jí)。V在10km以上時(shí)，顆粒物濃度低，大氣污染輕，可視為無(wú)污染天氣；V在5—10km時(shí)，大氣污染較輕，空氣質(zhì)量稍差，為輕微污染天氣；V在2.5—5km時(shí)，大氣污染較為嚴(yán)重，空氣質(zhì)量較差，為中度污染天氣；然而在V不足2.5km時(shí)，空氣質(zhì)量差，為重度污染天氣。根據(jù)Koschmieder提出的能見(jiàn)度與光學(xué)厚度的相關(guān)關(guān)系[30]，

(3)

式中,H為標(biāo)高(km)，V為大氣能見(jiàn)度，AODTH為計(jì)算得到的AOD劃分閾值。以上能見(jiàn)度可與本文使用的光學(xué)厚度直接對(duì)應(yīng)(表2)，對(duì)日均AOD數(shù)據(jù)按照表2進(jìn)行分段處理，分別統(tǒng)計(jì)青島、淄博、濟(jì)南3個(gè)城市各空氣等級(jí)污染天氣出現(xiàn)的天數(shù)，并計(jì)算其有效百分比，表3為統(tǒng)計(jì)結(jié)果。

對(duì)于MOD12Q1土地覆蓋分類數(shù)據(jù)，本文選擇國(guó)際地圈生物圈計(jì)劃(IGBP)全球植被分類方案，數(shù)據(jù)處理主要包括投影轉(zhuǎn)換和土地利用類型合并。文中參照中國(guó)土地資源分類系統(tǒng)對(duì)IGBP分類體系進(jìn)行類別合并(表4)，最終分為水體、林地、草地、耕地、城市用地及未利用地6類，以此提取林地信息。MOD09A1地表反射率數(shù)據(jù)的處理主要為去云處理，文中對(duì)每年獲取的4景MOD09A1數(shù)據(jù)利用最小值合成法合成一幅無(wú)云影像，計(jì)算歸一化建筑指數(shù)(NDBI)[31]，突出影像中的城市用地信息；城市信息提取，文中考慮到城市用地面積相對(duì)較小，具有整體集中、局部分散的特點(diǎn)，分布散落的城市在遙感影像中受周圍地物的影響較大，在分類過(guò)程中容易出現(xiàn)錯(cuò)分現(xiàn)象，導(dǎo)致分類精度較低。因此，為保證城市用地的提取精度，本文采用遙感目視解譯與參考研究區(qū)NDBI、高分辨率遙感影像等輔助數(shù)據(jù)相結(jié)合的手段提取城市用地信息。NDBI的計(jì)算公式如下所示：

圖2 山東省典型城市2001—2010年夏季氣溶膠空間分布圖Fig.2 The summer aerosol space distribution of Shandong typical cities from 2001 to 2010

圖3 山東省典型城市2001年—2010年土地利用分類圖Fig.3 The land use classification of Shandong typical cities from 2001 to 2010

(4)

式中，RSWIR和RNIR表示短波紅外和近紅外波段的光譜反射率，分別對(duì)應(yīng)MOD09A1數(shù)據(jù)的第6和第2波段。

表2 空氣質(zhì)量等級(jí)劃分標(biāo)準(zhǔn)

表3 山東省典型城市2001—2010年空氣污染天數(shù)有效百分比統(tǒng)計(jì)/%

表4 土地利用分類標(biāo)準(zhǔn)

土地分類結(jié)果更新，文中將遙感目視解譯提取的城市用地替代MOD12Q1中的城市用地，同時(shí)更新分類結(jié)果，得到山東省3個(gè)典型城市2001—2010年土地利用分類圖(圖3)，由圖3可以看出，3個(gè)城市主要以耕地為主，所占面積達(dá)到80%以上，分布較為穩(wěn)定；水體、草地、未利用地所占面積較小，年際變化不明顯，而林地與城市用地的變化相對(duì)較為明顯；信息統(tǒng)計(jì)，文中分別統(tǒng)計(jì)青島、濟(jì)南、淄博10年間林地和城市用地的面積，進(jìn)行百分比統(tǒng)計(jì)，表5為統(tǒng)計(jì)結(jié)果。

表5 山東省典型城市2001—2010年土地覆蓋類型面積百分比統(tǒng)計(jì)/%

2 顆粒物污染對(duì)LUCC的響應(yīng)分析

本文選用皮氏積矩相關(guān)系數(shù)(PPCC)分析LUCC與大氣顆粒物污染之間的相關(guān)性，該數(shù)值是用來(lái)衡量?jī)蓚€(gè)隨機(jī)變量之間線性相關(guān)程度的指標(biāo)，取值范圍為[-1,1]，通常R表示樣本的相關(guān)系數(shù)，該方法簡(jiǎn)單靈活，已被廣泛的應(yīng)用于各個(gè)領(lǐng)域。相關(guān)系數(shù)的具體計(jì)算公式如下所示：

(5)

2.1 LUCC對(duì)顆粒物污染的影響趨勢(shì)分析

為了探討城市顆粒物污染隨土地覆蓋變化的發(fā)展趨勢(shì)，分別計(jì)算2001—2010年青島、淄博、濟(jì)南三個(gè)城市各空氣污染等級(jí)天氣與林地、城市用地之間的相關(guān)系數(shù)(表6)，結(jié)合表3、表5中的統(tǒng)計(jì)數(shù)據(jù)，分析兩者之間的相關(guān)性，確定青島、淄博、濟(jì)南顆粒物污染隨LUCC的變化趨勢(shì)。

表6 LUCC與顆粒物污染相關(guān)系數(shù)表

* 表示在0.05水平(雙側(cè))上顯著相關(guān)；** 表示在0.01水平(雙側(cè))上顯著相關(guān)

由表3可以看出青島市各空氣污染等級(jí)天氣的年際變化不穩(wěn)定，起伏變化較大，其中城市高污染天氣(包含中度污染、重度污染天氣)所占比例明顯低于淄博市和濟(jì)南市，空氣污染相對(duì)較低。由表5可以發(fā)現(xiàn)青島市林地、城市用地整體呈現(xiàn)增長(zhǎng)的趨勢(shì)，其中城市擴(kuò)張速度較快，10年來(lái)城市面積增加了3個(gè)多百分點(diǎn)，而由表6可以看出林地、城市用地與顆粒物污染之間的相關(guān)性相對(duì)較差，尤其與極端的無(wú)污染、重度污染天氣間的相關(guān)性整體偏低，相關(guān)性多出現(xiàn)相反交叉的情況。產(chǎn)生該現(xiàn)象的原因主要是青島市作為典型的沿海城市，受海洋性季風(fēng)氣候影響明顯，氣候濕潤(rùn)，夏季受西太平洋副熱帶高壓控制，東南季風(fēng)顯占優(yōu)勢(shì)，降水、風(fēng)速等因素可顯著稀釋城市空氣中的污染物，有效降低城市的大氣污染[32]，林地、城市用地對(duì)顆粒物污染的影響低于海洋的直接調(diào)節(jié)作用，致使兩者之間的相關(guān)性較差。

由表3可以看出淄博市整體呈現(xiàn)無(wú)污染天氣減少、重度污染天氣增加的趨勢(shì)，空氣質(zhì)量逐漸惡化。由表5可以發(fā)現(xiàn)淄博市城市用地整體呈現(xiàn)增加的趨勢(shì)，林地面積在近幾年來(lái)逐漸減少。結(jié)合表6可以看出林地、城市用地與顆粒物污染之間具有較高的相關(guān)性，林地與低污染天氣(包含無(wú)污染、輕微污染天氣)均表現(xiàn)為正相關(guān)，而與高污染天氣均表現(xiàn)為負(fù)相關(guān)，其中林地與輕微污染天氣的響應(yīng)系數(shù)達(dá)到0.808，在置信度為99%(雙側(cè))顯著相關(guān)；同時(shí)，城市用地與無(wú)污染天氣存在明顯的負(fù)相關(guān)性，相關(guān)系數(shù)為0.615，而與其他天氣均呈為正相關(guān)，且相關(guān)性逐漸增加(R分別為0.224、0.312和0.367)。可以說(shuō)明，隨著城市用地不斷擴(kuò)張，特別是近年來(lái)林地減少，導(dǎo)致地表吸附顆粒物的能力下降，城市高污染天氣有明顯增加、低污染天氣有明顯減少的趨勢(shì)，城市空氣污染進(jìn)一步加重。

由表3可以看出，濟(jì)南市高污染天氣所占比例明顯高于青島市和淄博市，空氣污染較為嚴(yán)重，但整體呈現(xiàn)減少的趨勢(shì)，空氣質(zhì)量逐漸得到改善。由表5可以看出，濟(jì)南市林地、城市用地面積均呈現(xiàn)穩(wěn)定增加的趨勢(shì)，10a內(nèi)林地和城市用地的面積分別增加了1.5、1.8個(gè)百分點(diǎn)左右。結(jié)合表6可以看出林地與低污染天氣均存在正相關(guān)性，而與高污染天氣均存在較高的負(fù)相關(guān)性，相關(guān)系數(shù)分別為-0.507、-0.206；而城市用地與重度污染天氣存在較高的正相關(guān)性，相關(guān)系數(shù)為0.465，而與其他空氣污染天氣均表現(xiàn)為負(fù)相關(guān)。林地與顆粒物污染之間的相關(guān)性整體高于城市用地，可以說(shuō)明，隨著濟(jì)南市林地面積的不斷增加，地表吸附顆粒物的能力有所提高，高污染天氣有明顯減少，低污染天氣有不斷增加的趨勢(shì)，城市空氣污染逐步減輕，空氣質(zhì)量得以改善。

2.2 LUCC對(duì)顆粒物污染的影響程度分析

由于地理位置、自然和人文條件等因素的不同，不同的土地覆蓋類型對(duì)城市顆粒物污染的影響程度可能存在較大的差異，為進(jìn)一步探討顆粒物污染對(duì)LUCC的響應(yīng)程度，文中分別計(jì)算了2001—2010年青島、淄博、濟(jì)南各空氣污染等級(jí)天氣與林地、城市用地變化幅度之間的相關(guān)性(表7)，同時(shí)，繪制3個(gè)城市各空氣污染天氣與土地覆蓋變化幅度曲線圖(圖4)，結(jié)合表7和圖4具體展開(kāi)LUCC對(duì)顆粒物污染影響程度的分析。

盡管青島市LUCC與顆粒物污染之間的變化趨勢(shì)不明顯，兩者間相關(guān)性較低，但城市用地對(duì)顆粒物污染仍具有一定的影響。結(jié)合表7和圖4可以得出，城市用地與重度污染天氣變化幅度之間呈現(xiàn)較高的正相關(guān)性，相關(guān)系數(shù)為0.511，圖中除2007年外，兩條曲線的變化趨勢(shì)基本一致；而與輕微污染、中度污染天氣均存在負(fù)相關(guān)性，由圖中可以明顯看出，除少數(shù)年份外，輕微污染、中度污染天氣與城市用地的變化趨勢(shì)整體相同，即城市用地與重度污染天氣的變化規(guī)律存在較好的一致性，與其他空氣污染等級(jí)天氣基本相反，可以說(shuō)明城市的不斷擴(kuò)張對(duì)青島市顆粒物污染產(chǎn)生了一定的副作用，在一定程度上增加了空氣中的顆粒物濃度。

表7 LUCC與顆粒物污染變化幅度相關(guān)系數(shù)表

圖4 空氣污染天氣與土地覆蓋變化幅度曲線圖Fig.4 The graph of the scale of air pollution weather change and LUCC

由上述分析可知林地、城市用地均能較好地反映淄博市顆粒物污染的變化趨勢(shì)，其中城市用地對(duì)顆粒物污染的影響最為明顯。由表7和圖4可以得出，城市用地與高污染天氣變化幅度之間存在明顯的正相關(guān)性，其中城市用地與中度污染天氣的相關(guān)系數(shù)達(dá)到0.759，在置信度為95%(雙側(cè))顯著相關(guān)，圖中城市用地與中度污染、重度污染天氣的變化趨勢(shì)幾乎一致；與低污染天氣呈現(xiàn)明顯的負(fù)相關(guān)性，圖中可以看出兩條曲線變化趨勢(shì)正好相反，即城市用地與高污染天氣的變化規(guī)律比較一致，而與低污染天氣的變化規(guī)律剛好相反。造成該現(xiàn)象的原因主要是淄博市作為全國(guó)重要的重工業(yè)生產(chǎn)基地，近年來(lái)城市用地面積的不斷增加，主要體現(xiàn)在工業(yè)用地的不斷擴(kuò)張，然而工業(yè)擴(kuò)張建設(shè)、工業(yè)生產(chǎn)等人為活動(dòng)直接導(dǎo)致空氣中顆粒物濃度的增加，帶來(lái)嚴(yán)重的顆粒物污染，進(jìn)一步加重了城市的大氣污染程度。

由上述分析可知林地、城市用地對(duì)濟(jì)南市顆粒物污染的影響趨勢(shì)均比較明顯，其中林地對(duì)顆粒物污染的影響程度最大。由表7和圖4可以得出，林地與無(wú)污染天氣變化幅度之間呈現(xiàn)負(fù)相關(guān)性，而由圖中可以看出2006年后兩條曲線的變化趨勢(shì)基本相同；與輕微污染天氣存在非常高的正相關(guān)性，相關(guān)系數(shù)達(dá)到0.859，在置信度為99%(雙側(cè))顯著相關(guān)，兩條曲線變化趨勢(shì)幾乎一致；而與高污染天氣均呈現(xiàn)明顯的負(fù)相關(guān)性，相關(guān)系數(shù)分別為-0.753(在置信度為95%(雙側(cè))顯著相關(guān))、-0.309，圖中除極少數(shù)年份外，兩者之間的變化趨勢(shì)正好相反，即林地與高污染天氣的變化規(guī)律基本一致，而與低污染天氣的變化規(guī)律正好相反。造成該現(xiàn)象的原因主要是濟(jì)南市城市空間格局較為穩(wěn)定，城市擴(kuò)張緩慢，而濟(jì)南林業(yè)建設(shè)成為該市發(fā)展規(guī)劃的重要產(chǎn)業(yè)，近年來(lái)呈現(xiàn)出持續(xù)、快速發(fā)展的良好態(tài)勢(shì)，林地的不斷增加，對(duì)顆粒物的吸收、凈化作用增強(qiáng)，有效降低了空氣中的顆粒物污染。

2.3 影響顆粒物污染的主導(dǎo)因素變化分析

考慮到不同的地區(qū)，影響顆粒物污染的主導(dǎo)因素可能不同，文中通過(guò)分析在城市類型由沿海到內(nèi)陸的變化中，顆粒物污染與LUCC之間的相關(guān)性變化，探討影響和決定城市環(huán)境主導(dǎo)因素的變化規(guī)律。

由表6可以看出，青島市、淄博市、濟(jì)南市林地與高污染天氣均呈現(xiàn)負(fù)相關(guān)性，相關(guān)系數(shù)逐漸增加，其中林地與中度污染天氣的相關(guān)性變化比較明顯，相關(guān)系數(shù)分別為-0.451、-0.473、-0.507；城市用地與重度污染天氣均呈現(xiàn)正相關(guān)性，相關(guān)性逐漸增加，響應(yīng)系數(shù)分別為0.241、0.367、0.465。林地、城市用地與青島市顆粒物污染之間的相關(guān)性相對(duì)較低，在由沿海到內(nèi)陸城市類型的變化中，兩者之間的相關(guān)性逐漸提高。由表7可以得出，城市用地的變化對(duì)淄博市顆粒物污染的影響明顯高于濟(jì)南市和青島市，兩者之間存在更高的相關(guān)性，相關(guān)系數(shù)分別為-0.561、-0.389、0.759和0.374；林地的變化對(duì)濟(jì)南市顆粒物污染的影響最明顯，兩者之間的相關(guān)性最高，響應(yīng)系數(shù)分別為-0.176、0.859、-0.753和-0.309，整體來(lái)看，林地、城市用地對(duì)淄博市、濟(jì)南市顆粒物污染的影響程度明顯高于青島市。

綜合上述，青島市作為典型的東部沿海城市，海洋成為影響該市空氣污染的主導(dǎo)因素，受海洋的影響顯著，顆粒物污染對(duì)林地、城市用地對(duì)的響應(yīng)不敏感；淄博市、濟(jì)南市作為典型的內(nèi)陸城市，距海較遠(yuǎn)，受海洋影響較小，城市用地對(duì)淄博市顆粒物污染的影響比較明顯，兩者存在較好的相關(guān)性；林地對(duì)濟(jì)南市顆粒物污染的影響非常明顯，兩者之間的相關(guān)性較高。LUCC對(duì)城市顆粒物污染的影響具有較大的差異，在由沿海到內(nèi)陸城市類型的變化中，顆粒物污染的對(duì)城市用地、林地變化的響應(yīng)逐步增強(qiáng)。

3 結(jié)論與討論

文中利用長(zhǎng)時(shí)間序列的MODIS標(biāo)準(zhǔn)產(chǎn)品數(shù)據(jù)，分別提取青島、淄博、濟(jì)南3個(gè)城市2001—2010年夏季的氣溶膠數(shù)據(jù)及林地、城市用地兩種主要土地利用類型，對(duì)氣溶膠數(shù)據(jù)進(jìn)行分段、分級(jí)處理。分別從林地、城市用地對(duì)城市顆粒物污染的影響趨勢(shì)、影響程度及城市顆粒物污染的主導(dǎo)因素變化3個(gè)方面進(jìn)行相關(guān)性分析，最終得出以下結(jié)論：(1)由于受海洋因素的直接調(diào)節(jié)，土地覆蓋變化與青島市顆粒物污染之間的相關(guān)性較低；而林地、城市用地與濟(jì)南市、淄博市顆粒物污染存在較高的相關(guān)性。(2)城市用地對(duì)淄博市顆粒物污染的影響程度整體高于青島市，而林地對(duì)濟(jì)南市顆粒物污染的影響最大，其中林地與各空氣污染等級(jí)天氣變化幅度之間的相關(guān)系數(shù)分別達(dá)到-0.176，0.859、-0.753、-0.309，相關(guān)性顯著。(3)不同的城市類型，顆粒物污染對(duì)LUCC的響應(yīng)存在明顯的差異，在由沿海到內(nèi)陸城市類型的變化中，影響和決定城市環(huán)境的主導(dǎo)因素由海洋因素逐漸轉(zhuǎn)變?yōu)槌鞘杏玫?、林地?/p>

本文的分析結(jié)果較好地解釋了大氣顆粒物分布與不同類型區(qū)域地表覆蓋變化的相關(guān)性，在一定程度上可以為區(qū)域發(fā)展規(guī)劃提供借鑒作用。本文的研究同時(shí)存在以下幾個(gè)問(wèn)題：(1)在顆粒物空間分布與地表覆蓋變化相關(guān)性因素的表達(dá)上，本文對(duì)地表類型的分析，受數(shù)據(jù)源以及分析手段的限制，僅使用了選擇區(qū)域內(nèi)幾個(gè)主要的地表類型，探討其變化與顆粒物空間分布的相關(guān)性，而實(shí)際上對(duì)顆粒物空間分布影響的地表因素很多，且隨區(qū)域的空間位置和職能特征有較大的相關(guān)性，因此，在該方法向其它區(qū)域的推廣上受到一定限制?；诟鼮閺?fù)雜地表系統(tǒng)的分析有待于以后的工作中繼續(xù)完善；(2)盡管在研究的過(guò)程中，對(duì)數(shù)據(jù)源進(jìn)行了精心的篩選和嚴(yán)密的質(zhì)量控制，但受當(dāng)前定量遙感以及地物類型信息提取技術(shù)水平的限制，大氣顆粒物污染數(shù)據(jù)和地表覆蓋類型數(shù)據(jù)仍存在一定的誤差，會(huì)對(duì)分析的相關(guān)性結(jié)果有相應(yīng)的影響，所以在使用不同時(shí)期、不同數(shù)據(jù)源分析時(shí)，在相似趨勢(shì)的框架下，相關(guān)性大小上可能會(huì)有相當(dāng)?shù)牟町悾?3)本文在分析二者的相關(guān)性時(shí)，用到的顆粒物污染數(shù)據(jù)是整層大氣顆粒物的光學(xué)參數(shù)，而人類所接觸最多的是近地表顆粒物數(shù)據(jù)，盡管當(dāng)前的研究表明二者具有較高的相關(guān)性，但卻并不十分吻合，所以分析的結(jié)果與常識(shí)性的感受可能會(huì)有一定的差異。

致謝：美國(guó)NASA網(wǎng)站提供大氣氣溶膠數(shù)據(jù)和地表覆蓋類型數(shù)據(jù)，北京林業(yè)大學(xué)黃華國(guó)教授對(duì)寫作給予幫助，特此致謝。

[1] Ministry of Environmental Protection of the People′s Republic of China. 2011 Report on the State of the Environment in China. Beijing: Ministry of Environmental Protection of the People′s Republic of China, 2011.

[2] Huang D S, Xu J H, Zhang S Q. Valuing the health risks of particulate air pollution in the Pearl River Delta, China. Environmental Science and Policy, 2012, 15(1): 38- 47.

[3] 范雪波, 劉衛(wèi), 王廣華, 林俊, 伏晴艷, 高松, 李燕. 杭州市大氣顆粒物濃度及組分的粒徑分布. 中國(guó)環(huán)境科學(xué), 2011, 31(1): 13- 18.

[4] Wang H, Zhuang Y, Wang Y, Sun Y, Yuan H, Zhuang G, Hao Z. Long-term monitoring and source apportionment of PM2. 5/PM10 in Beijing, China. Journal of Environmental Sciences, 2008, 20(11): 1323- 1327.

[5] Gu J X, Bai Z P, Li W F, Wu L P, Liu A X, Dong H Y, Xie Y Y. Chemical composition of PM2. 5 during winter in Tianjin, China. Particuology, 2011, 9(3): 215- 221.

[6] Turner B L II, Lambin E F, Reenberg A. The emergence of land change science for global environmental change and sustainability. Proceedings of the National Academy of Sciences of the United States of America, 2007, 104(52): 20666- 20671.

[7] Lambin E F, Turner B L II, Geist H, Agbola S, Angelscn A. The causes of land use and cover change: Moving beyond the myths. Global Environmental Change, 2001, 11(4): 261- 269.

[8] Ojima D S, Galvin K A, Turner B L II. The global impact of land use change. BioScience, 1994, 44(5): 300- 304.

[9] DeFries R, Bounoua L, Collatz G J. Human modification of the landscape and surface climate in the next fifty years. Global Change Biology, 2002, 8(5): 438- 458.

[10] Garik G, Janetos A C, Justice C O, Moran E F, Mustard J F, Rindfuss R R, Skole D, Turner B L II, Cochrane M A. Land Change Science: Observing, Monitoring and Understanding Trajectories of Change on the Earth′s Surface. Netherlands: Kluwer Academic Publishers, 2004.

[11] 劉紀(jì)遠(yuǎn), 張?jiān)鱿? 莊大方, 王一謀, 周萬(wàn)村, 張樹(shù)文, 李仁東, 江南, 吳世新. 20世紀(jì)90年代中國(guó)土地利用變化時(shí)空特征及其成因分析. 地理研究, 2003, 22(1): 1- 12.

[12] 劉紀(jì)遠(yuǎn), 張?jiān)鱿? 徐新良, 匡文慧, 周萬(wàn)村, 張樹(shù)文, 李仁東, 顏長(zhǎng)珍, 于東升, 吳世新, 江南. 21世紀(jì)初中國(guó)土地利用變化的空間格局與驅(qū)動(dòng)力分析. 地理學(xué)報(bào), 2009, 64(12): 1411- 1420.

[13] 劉紀(jì)遠(yuǎn), 邵全琴, 延曉冬, 樊江文, 鄧祥征, 戰(zhàn)金艷, 高學(xué)杰, 黃麟, 徐新良, 胡云峰, 王軍邦, 匡文慧. 土地利用變化對(duì)全球氣候影響的研究進(jìn)展與方法初探. 地球科學(xué)進(jìn)展, 2011, 26(10): 1015- 1022.

[14] Lambin E F, Linderman M. Time series of remote sensing data for land change science. IEEE Transactions on Geoscience and Remote Sensing, 2006, 44(7): 1926- 1928.

[15] Pongratz J, Reick C H, Raddatz T, Claussen M. Biogeophysical versus biogeochemical climate response to historical anthropogenic land cover change. Geophysical Research Letters, 2010, 37(8): L08702.

[16] 李成才, 毛節(jié)泰, 劉啟漢, 陳介中, 袁自冰, 劉曉陽(yáng), 朱愛(ài)華, 劉桂青. 利用MODIS研究中國(guó)東部地區(qū)氣溶膠光學(xué)厚度的分布和季節(jié)變化特征. 科學(xué)通報(bào), 2003, 48(19): 2094- 2100.

[17] 李成才, 毛節(jié)泰, 劉啟漢, 袁自冰, 王美華, 劉曉陽(yáng). MODIS衛(wèi)星遙感氣溶膠產(chǎn)品在北京市大氣污染研究中的應(yīng)用. 中國(guó)科學(xué)D輯-地球科學(xué), 2005, 35(增刊): 177- 186.

[18] 陳好, 顧行發(fā), 程天海, 余濤, 李正強(qiáng). 中國(guó)地區(qū)氣溶膠類型特性分析. 遙感學(xué)報(bào), 2013, 17(6): 1559- 1571.

[19] Wang J, Christopher S A. Intercomparison between satellite-derived aerosol optical thickness and PM2.5 mass: Implications for air quality studies. Geophysical Research Letters, 2003, 30(21): doi: 10.1029/2003GL018174.

[20] Lau K H, Li C C, Mao J T, Chen J C. A new way of using MODIS data to study air pollution over Hong Kong and the Pearl River Delta. Proceedings of the SPIE, 2003, 4891: 105- 114.

[21] 孫娜. 珠三角地區(qū)可吸入顆粒物的遙感監(jiān)測(cè)及其與下墊面的相關(guān)性分析. 北京: 中國(guó)地質(zhì)大學(xué)(北京), 2013.

[22] Chu D A, Kaufman Y J, Zibordi G, Chem J D, Mao J T, Li C C, Holben B N. Global monitoring of air pollution over land from the earth observing system-terra moderate resolution imaging spectroradiometer (MODIS). Journal of Geophysical Research, 2003, 108(D21): 4661, doi: 10.1029/2002JD003179.

[23] Engel-Cox J A, Christopher H H, Basil W C, Raymond M H. Qualitative and quantitative evaluation of MODIS satellite sensor data for regional and urban scale air quality. Atmospheric Environment, 2004, 38(16): 2495- 2509.

[24] 余梓木, 周紅妹, 鄭有飛. 基于遙感和GIS的城市顆粒物污染分布研究. 自然災(zāi)害學(xué)報(bào), 2004, 13(3): 58- 64.

[25] Tsai Y I, Kuoc S C, Lee W J, Chen C L, Chen P T. Long-term visibility trends in one highly urbanized, one highly industrialized, and two rural areas of Taiwan. Science of Total Environment, 2007, 382(2/3): 324- 341.

[26] Buseck P R, Posfai M. Airborne minerals and related aerosol particles: Effects on climate and the environment. Proceedings of the National Academy of Sciences of the United States of America, 1999, 96(7): 3372- 3379.

[27] 關(guān)佳欣, 李成才. 我國(guó)中、東部主要地區(qū)氣溶膠光學(xué)厚度的分布與變化. 北京大學(xué)學(xué)報(bào):自然科學(xué)版, 2010, 46(2): 185- 191.

[28] 衛(wèi)亞星, 王莉雯. MODIS土地覆蓋產(chǎn)品研究進(jìn)展. 光譜學(xué)與光譜分析, 2010, 30(7): 1848- 1852.

[29] 冉有華, 李新. 四種常用的全球1KM土地覆蓋數(shù)據(jù)中國(guó)區(qū)域的精度評(píng)價(jià). 冰川凍土, 2009, 31(3): 490- 500.

[30] 盛立芳, 申莉莉, 李秀鎮(zhèn), 劉飛. 水平能見(jiàn)度經(jīng)驗(yàn)公式在青島沿海地區(qū)的應(yīng)用. 中國(guó)海洋大學(xué)學(xué)報(bào), 2009, 39(5): 877- 882.

[31] Yang S. On extraction and fractal of urban and rural residential spatial pat tern in developed area. Acta Geographica Sinica, 2000, 55(6): 671- 678.

[32] 王斌, 高會(huì)旺. 中國(guó)沿海城市空氣污染指數(shù)的分布特征. 生態(tài)環(huán)境, 2008, 17(2): 542- 548.

Response analysis of particulate air pollution to Land-use and land-cover change

WEI Jing1, SUN Lin1,*, LIU Shuangshuang1, DUAN Dehong2, GUO Yamin3, MI Xueting1, TIAN Xinpeng1, YU Huiyong1

1GeomaticsCollege,ShandongUniversityofScienceandTechnology,Qingdao266590,China2DepartmentofScienceandTechnology,ShandongUniversityofScienceandTechnology,Qingdao266590,China3CollegeofGlobalandEarthSystemScience,BeijingNormalUniversity,Beijing100875,China

Land-use and land-cover change (LUCC) affects particulate matter pollution in the atmosphere, directly or indirectly. Atmospheric particulate matter is now the primary type of air pollutant and can seriously affect the life of people in the city. It is very important for ecological and environmental protection to understand and determine the atmospheric particulate matter pollution response to LUCC. In this paper, based on satellite remote sensing technology, we analyzed the responses of particle pollution to LUCC on a large scale. The experiments were carried out in three typical cities, Qingdao, Zibo, and Jinan, in Shandong Province. The aerosol optical depth (AOD) data in the last ten years from 2001 to 2010 from MODIS L1B products were chosen to define atmospheric particulate matter pollution. The main land use types including forest land and urban land were obtained from MODIS land use classification product (MOD12) to estimate the land cover change of each city. According to the atmospheric visibility, the particle pollution was divided into four levels: no pollution, slight pollution, medium pollution, and heavy pollution. The numbers of effective days for each air pollution level and the areas of each land use type in the three cities were counted to analyze the correlation of particle pollution with LUCC. The sensitivity of particle pollution to LUCC and the impact of urban change on particle pollution were also considered. There are three main conclusions: (1) the correlation between atmospheric particle matter pollution and LUCC is lower in Qingdao (R=-0.451) but higher in Jinan (R=-0.473) and Zibo (R=-0.507). (2) The influence of urban land on Zibo′s atmospheric particulate matter pollution is higher than that of Qingdao. Forest land is the most important factor on particulate matter pollution in Jinan, with the correlation coefficient between the scale of forest land change and the four air pollution level weather changes of 0.176, 0.859, 0.753, and 0.309 respectively. (3) The response of atmospheric particle matter pollution to LUCC is obviously different in different cities due to different dominant factors.

LUCC(Land-use and land-cover change); particle pollution; MODIS; AOD (aerosol optical depth); correlation analysis

山東省中青年科學(xué)家獎(jiǎng)勵(lì)基金(2011BSB01500); 山東省杰出青年基金(2012JQB01025); 國(guó)家科技支撐計(jì)劃課題(2012BAH27B00);研究生科技創(chuàng)新基金(YC140307)

2014- 04- 24;

日期:2014- 11- 04

10.5846/stxb201404240816

*通訊作者Corresponding author.E-mail: sunlin6@126.com

韋晶, 孫林, 劉雙雙, 段德宏, 郭亞敏, 米雪婷, 田信鵬, 于會(huì)泳.大氣顆粒物污染對(duì)土地覆蓋變化的響應(yīng).生態(tài)學(xué)報(bào),2015,35(16):5495- 5506.

Wei J, Sun L, Liu S S, Duan D H, Guo Y M, Mi X T, Tian X P, Yu H Y.Response analysis of particulate air pollution to Land-use and land-cover change.Acta Ecologica Sinica,2015,35(16):5495- 5506.