婁彩榮,劉紅玉,李玉玲,李玉鳳
1 江蘇省地理環(huán)境演化國家重點(diǎn)實(shí)驗(yàn)室培育建設(shè)點(diǎn),江蘇省地理信息資源開發(fā)與利用協(xié)同創(chuàng)新中心,虛擬地理環(huán)境教育部重點(diǎn)實(shí)驗(yàn)室,南京師范大學(xué)地理科學(xué)學(xué)院, 南京 210023 2 南通大學(xué)地理科學(xué)學(xué)院, 南通 226007
大氣顆粒物(PM2.5、PM10)對地表景觀結(jié)構(gòu)的響應(yīng)研究進(jìn)展
婁彩榮1,2,劉紅玉1,*,李玉玲1,李玉鳳1
1 江蘇省地理環(huán)境演化國家重點(diǎn)實(shí)驗(yàn)室培育建設(shè)點(diǎn),江蘇省地理信息資源開發(fā)與利用協(xié)同創(chuàng)新中心,虛擬地理環(huán)境教育部重點(diǎn)實(shí)驗(yàn)室,南京師范大學(xué)地理科學(xué)學(xué)院, 南京 210023 2 南通大學(xué)地理科學(xué)學(xué)院, 南通 226007
顆粒物PM2.5、PM10是近年來我國大氣首要污染物,威脅環(huán)境和人類健康。地表景觀結(jié)構(gòu)直接或間接影響PM2.5、PM10濃度,了解其影響過程和機(jī)理對于改善生態(tài)環(huán)境具有重要意義。系統(tǒng)總結(jié)了國內(nèi)外關(guān)于PM2.5、PM10對地表景觀結(jié)構(gòu)響應(yīng)的研究成果,指出研究中出現(xiàn)不確定性的可能影響因素,并對今后的發(fā)展方向進(jìn)行展望。得出基本結(jié)論:①地表景觀類型的構(gòu)成及其格局顯著影響大氣顆粒物濃度,對PM2.5、PM10起到“源”和“匯”的作用。②地表景觀結(jié)構(gòu)引起局地氣候變化并影響顆粒物的遷移轉(zhuǎn)化,但其影響過程和機(jī)理復(fù)雜,研究結(jié)論并不明確。③顆粒物濃度和地表景觀數(shù)據(jù)主要通過實(shí)際監(jiān)測或遙感處理方法獲得,但因?yàn)楂@取方法、監(jiān)測點(diǎn)微觀環(huán)境及遙感影像等因素影響,導(dǎo)致數(shù)據(jù)具有不確定性,加上時(shí)空尺度相對應(yīng)的復(fù)雜性,大大限制了地表景觀結(jié)構(gòu)與PM2.5、PM10響應(yīng)關(guān)系的研究進(jìn)展,是未來要突破的難點(diǎn)。④PM2.5、PM10對地表景觀結(jié)構(gòu)響應(yīng)的區(qū)域時(shí)空差異及過程,局地小氣候變化對顆粒物濃度的影響過程和強(qiáng)度,主要景觀類型尤其是水體、濕地景觀對大氣顆粒物濃度的影響過程、機(jī)理與貢獻(xiàn)程度等是未來需要關(guān)注的方向。
大氣顆粒物(PM2.5、PM10);地表景觀類型;景觀格局;響應(yīng)
高濃度顆粒物PM2.5、PM10所導(dǎo)致的霾污染天氣在很多城市經(jīng)常發(fā)生,是當(dāng)前我國城市和區(qū)域所面臨的最突出的大氣污染問題[1],對PM2.5和PM10的研究與治理成為政府管理部門、科研工作者以及普通民眾共同關(guān)注的熱點(diǎn)問題。當(dāng)前,我國正處于社會經(jīng)濟(jì)發(fā)展快速進(jìn)程中,大氣環(huán)境問題日益突出,其中,城市化影響下的地表景觀結(jié)構(gòu)改變最為明顯[2- 3],而這種改變明顯影響PM2.5、PM10濃度。一方面,各種景觀類型的組成和格局直接作用于PM2.5、PM10,使其增加或減少;另一方面,地表景觀結(jié)構(gòu)變化引起局地氣候發(fā)生變化,從而影響顆粒物的遷移轉(zhuǎn)化。PM2.5、PM10污染是各種污染物長期積淀和疊加的結(jié)果,多數(shù)研究關(guān)注的氣象條件只是外因,人類活動(dòng)不斷排放的污染物才是其內(nèi)因。但是作為社會發(fā)展的必然趨勢,城市化進(jìn)程無法阻擋。因此,從長遠(yuǎn)的角度看,經(jīng)濟(jì)發(fā)展和環(huán)境保護(hù)并行前進(jìn)的狀態(tài)下,除了控制污染物排放外,找到更合適的土地利用方式,更科學(xué)的景觀格局配置,也許才是解決問題的根本。國內(nèi)外對PM2.5、PM10的研究主要關(guān)注其組分和源解析[4- 5]、變化特征和機(jī)理[6- 8]以及模型預(yù)測[9- 10]等方面,近年來才開始注意到地表景觀結(jié)構(gòu)對大氣顆粒物的影響,但研究成果較少。本文從PM2.5、PM10對地表景觀結(jié)構(gòu)響應(yīng)的研究角度進(jìn)行綜述,分析不同地表景觀類型和空間格局對大氣顆粒物的影響,進(jìn)一步探討研究中可能出現(xiàn)的不確定,并提出今后研究的重點(diǎn)和方向。
1.1 PM2.5、PM10的產(chǎn)生和消亡
PM2.5和PM10分別指空氣動(dòng)力學(xué)當(dāng)量直徑小于2.5、10μm的顆粒物,均是大氣顆粒污染物的重要組成部分。尤其是PM2.5具有粒徑小、在空氣中遠(yuǎn)距離傳播、停留時(shí)間長,比面積大且易吸附攜帶大量有害物質(zhì)和可入人體肺泡等特點(diǎn),威脅環(huán)境和人類健康,已經(jīng)被國內(nèi)外大量研究所證實(shí)[11- 12]。一般認(rèn)為,PM2.5和PM10是由自然和人為活動(dòng)共同作用產(chǎn)生。其中,PM2.5來源于工業(yè)廢氣、汽車尾氣、燃料和生物質(zhì)燃燒等污染物及其經(jīng)過一系列反應(yīng)形成的二次顆粒物,而PM10更多來源于交通、城市建設(shè)活動(dòng)等引起的揚(yáng)塵和沙塵等[4- 5,13]。顆粒物產(chǎn)生和增加過程包括氣態(tài)污染物積累疊加、氣態(tài)—顆粒物轉(zhuǎn)化、顆粒物之間碰并、吸濕增長等過程,當(dāng)氣候條件因素形成(穩(wěn)定或弱天氣系統(tǒng)),顆粒物積累到一定程度便暴發(fā)為霾污染[14- 15]。王躍思等[1]認(rèn)為造成2013年1月我國東部地區(qū)強(qiáng)霾污染的外部條件是天氣系統(tǒng)弱、強(qiáng)冷空氣活動(dòng)少和極其不利于污染物擴(kuò)散的局地氣象條件及地理位置,內(nèi)因則是大氣中積累的一次氣態(tài)污染物向顆粒態(tài)的快速轉(zhuǎn)化。顆粒物減少過程包含干沉降、濕沉降、垂直和水平擴(kuò)散等過程[14,16]。干沉降主要是粒徑較大的顆粒物由于重力作用在空中滯留時(shí)間短,與地表景觀碰撞摩擦被吸附或沉降至地面,PM2.5等小粒徑顆粒物在靜止大氣中從對流層上部落回到地表需要幾天到幾十天,除了被植物葉片吸附,很難靠重力沉降到地面,主要通過顆粒物的吸濕增長、聚合及與云滴、雨滴的并合,然后被雨、霧和雪等攜帶、溶解和沖刷回到地表,即濕沉降。顆粒物在風(fēng)作用下垂直和水平擴(kuò)散也是其濃度改變的主要方式[14,17]。
1.2 地表景觀結(jié)構(gòu)及景觀類型劃分
景觀是由多個(gè)景觀要素單元構(gòu)成的異質(zhì)性地域或不同土地利用鑲嵌體,在地表經(jīng)常表現(xiàn)為不同的土地利用-土地覆被(LULC)類型[18],景觀生態(tài)學(xué)中也稱之為景觀類型。本文所說的地表景觀結(jié)構(gòu)包含景觀類型的構(gòu)成(景觀類型及面積比例)及其空間格局(各種景觀類型的形狀、配置與空間排列方式)兩方面含義。不同景觀結(jié)構(gòu)內(nèi)部的水文、氣候、動(dòng)植物包括人類活動(dòng)均有所差異,而地表景觀是大氣環(huán)境的下墊面,時(shí)刻影響大氣顆粒物的存在狀態(tài)和擴(kuò)散方式。
對地表進(jìn)行明確的景觀類型劃分是景觀和大氣顆粒物污染關(guān)系分析的前提和基礎(chǔ)。研究尺度不同,景觀分類差異較大,如表1所示。宏觀尺度(全國或區(qū)域?qū)用?研究通常按照地表LULC來劃分景觀類型,常見的分類結(jié)果為城市用地(或城鎮(zhèn)、城市建設(shè)用地)、耕地/農(nóng)田、林地、草地、水體、未利用地(或裸地、荒地)等6大類。其中,城市被籠統(tǒng)歸為一種景觀。當(dāng)研究尺度降到城市層面時(shí),多數(shù)研究會從城市土地利用功能角度進(jìn)行景觀分類,比如居住用地、工業(yè)用地、交通用地等,這種分類方法主要結(jié)合污染物的排放源,能更清晰反映城市不同功能區(qū)對顆粒物濃度的貢獻(xiàn)程度。而研究尺度較小或?yàn)槲⒂^尺度時(shí),景觀分類更多考慮景觀格局差異。除了選用傳統(tǒng)的景觀格局指數(shù)外(表2),一些研究還引入綠地覆蓋率、植被指數(shù)和建筑指數(shù)等連續(xù)地表參數(shù)來反映地表景觀結(jié)構(gòu)特征和差異。
表1 與顆粒物研究有關(guān)的景觀分類
1.3 相關(guān)數(shù)據(jù)獲取
PM2.5、PM10對地表景觀結(jié)構(gòu)響應(yīng)研究涉及兩方面數(shù)據(jù)。PM2.5、PM10數(shù)據(jù)一般利用常規(guī)監(jiān)測手段或遙感影像反演獲得。監(jiān)測方法是使用地面儀器選擇監(jiān)測點(diǎn)進(jìn)行監(jiān)測,這種方法精度高、時(shí)間連續(xù),但僅適應(yīng)于中小尺度或微觀環(huán)境下使用,而當(dāng)需要城市或區(qū)域面狀的大氣顆粒物信息時(shí),很難用常規(guī)觀測方法進(jìn)行,遙感影像反演成為當(dāng)前比較常用的方法。主要原理是利用遙感影像上的光譜特征,建立遙感反演模型,獲取氣溶膠厚度(AOD)信息,然后通過分析AOD和近地面顆粒物濃度的關(guān)系,構(gòu)建擬合方程估算PM2.5、PM10濃度。目前已有較多研究成果。陶金花等[30]通過遙感反演的近地面PM2.5與地面實(shí)際監(jiān)測數(shù)據(jù)在趨勢上基本一致,相關(guān)關(guān)系R2達(dá)到 0.61。Chudnovsky等[31]利用高分辨率AOD反演數(shù)據(jù)得到PM2.5預(yù)測值和實(shí)測值的R2高達(dá)0.89。另一種獲取面狀顆粒物數(shù)據(jù)的方法是從點(diǎn)到面,即通過地面站點(diǎn)實(shí)測數(shù)據(jù)進(jìn)行插值獲得空間上PM2.5、PM10信息[20,32],但這類研究要求地面監(jiān)測站點(diǎn)數(shù)量必須要足夠多而且分布較均勻。
大尺度層面的地表景觀結(jié)構(gòu)信息多數(shù)是采用遙感影像解譯獲取,與同時(shí)段、同分辨率或經(jīng)過處理達(dá)到相同分辨率的圖像數(shù)據(jù)反演獲取的PM2.5、PM10數(shù)據(jù)疊加,然后按照不同景觀類型來統(tǒng)計(jì)對應(yīng)的顆粒物濃度。微觀研究多是在特定景觀類型中設(shè)置監(jiān)測點(diǎn),以監(jiān)測點(diǎn)獲取數(shù)據(jù)代表該類景觀的PM2.5、PM10濃度,進(jìn)而分析同一景觀類型不同規(guī)模,或不同景觀類型組合即空間格局不同時(shí)大氣顆粒物濃度的差異。中等尺度城市層面的研究以上兩種方法都有采用。
2.1 地表景觀結(jié)構(gòu)對PM2.5、PM10的直接作用
地表景觀結(jié)構(gòu)對PM2.5、PM10的直接影響研究一般被轉(zhuǎn)化為LULC及空間格局與大氣顆粒物的相關(guān)關(guān)系分析。
(1)城市景觀
地表景觀類型中影響大氣顆粒物濃度的首要類型是城市景觀,通常被看作是顆粒物最重要的排放源。城市化和經(jīng)濟(jì)快速發(fā)展導(dǎo)致建成區(qū)面積不斷擴(kuò)張,一方面大量工業(yè)活動(dòng)和能源消耗集中在城市及周邊區(qū)域,大氣污染物集中排放,同時(shí)人口迅速集聚,更多交通、城市建設(shè)等人類活動(dòng)帶來的汽車尾氣和揚(yáng)塵直接增加大氣顆粒物濃度,致使區(qū)域內(nèi)城市PM2.5、PM10濃度高于郊區(qū)和農(nóng)村[21,33],也高于林地、農(nóng)田等其他景觀類型,且城市建設(shè)用地面積越大顆粒物濃度越高,如表2所示。對于城市內(nèi)部而言,高濃度PM2.5主要分布在居住用地、工業(yè)用地、交通用地及道路擁堵結(jié)節(jié)點(diǎn)[26],可能與這些區(qū)域的能源燃燒和汽車尾氣排放有關(guān)。PM10對城市建設(shè)活動(dòng)響應(yīng)更明顯,Font等[34]對道路拓寬建設(shè)活動(dòng)期間及前后的PM2.5、PM10濃度進(jìn)行了連續(xù)觀測,發(fā)現(xiàn)活動(dòng)期間和工程完成后PM10明顯升高,PM2.5變化不大。許珊等[20]也證實(shí)了LULC對PM10濃度影響相對不穩(wěn)定,易受不同季節(jié)局地尺度的工業(yè)生產(chǎn)、建筑開發(fā)活動(dòng)影響。
從景觀空間格局上看,建筑用地面積比、建筑用地最大斑塊面積和破碎度[35]等指標(biāo)與PM10濃度均呈正相關(guān),反映出城市建筑用地格局對顆粒物濃度影響較大。作為城市景觀格局特征之一,城市形態(tài)和城市空間結(jié)構(gòu)也影響PM2.5分布。城市在發(fā)展過程中呈現(xiàn)出集聚發(fā)展和蔓延發(fā)展兩種格局類型,集聚型城市土地利用方式能顯著改變居民出行行為,增加公共交通的分擔(dān)率,從而有效降低汽車使用率和尾氣排放量;而受到低密度、機(jī)動(dòng)車導(dǎo)向的蔓延型城市格局,污染物排放更高,空氣質(zhì)量也較差[27,36]。兩種方案對比研究表明,集聚型城市比蔓延型城市在汽車尾氣排放方面能預(yù)期減少包含7.8%的碳?xì)浠衔铩?.3%的一氧化碳、5.5%的氮氧化合物[37],而這些是影響PM2.5濃度的主要污染物。
盡管城市地表景觀結(jié)構(gòu)錯(cuò)綜復(fù)雜,能降低風(fēng)速,改變顆粒物的流速和方向,使較大顆粒物重力干沉降加快[23],甚至建筑物墻面和道路表面能滯留和承載部分粉塵,但沒有降水的情況下加上道路、墻面粗糙程度低,表面浮塵很容易被風(fēng)吹起成為二次揚(yáng)塵。綜合來看,區(qū)域內(nèi)城市是顆粒物的“源”景觀,城市顆粒物濃度高于其他景觀類型。城市內(nèi)部,PM2.5對工業(yè)用地、居住用地和交通用地響應(yīng)明顯,而PM10對城市建設(shè)活動(dòng)區(qū)的響應(yīng)更明顯,城市形態(tài)和格局影響大氣顆粒物濃度。
(2)林地、城市綠地和草地
林地、城市綠地和草地可通過植物葉面、枝條表面、莖桿或者氣孔、皮孔吸收直接捕獲PM2.5、PM10起到滯塵作用,通過植被覆蓋地表減少地面揚(yáng)塵,其復(fù)雜的冠層結(jié)構(gòu)還可降低風(fēng)速促進(jìn)顆粒物沉降或改變風(fēng)速阻攔顆粒物進(jìn)入局部區(qū)域[38- 39],降低PM2.5、PM10濃度。許多研究均表明(表2),林地PM2.5和PM10濃度低于林外和城市背景值[40- 41]。許珊等[20]還發(fā)現(xiàn),無論冬季和夏季,林地PM2.5濃度均低于其他景觀類型,且林地、綠地面積比與PM2.5濃度呈負(fù)相關(guān)。孫娜[42]用遙感反演的方法證明草地、林地PM10濃度低于農(nóng)田、建筑區(qū)和荒漠荒地。King等[43]指出紐約城市森林對PM10的削減能力達(dá)4%—20%。但也有學(xué)者認(rèn)為,林帶對顆粒物阻滯作用對PM10影響較顯著,對PM2.5沒有明顯影響[44]。林地和城市綠地影響PM2.5、PM10主要因素有:①植被覆蓋率或綠地率。植被覆蓋率越大,林地密度越大,顆粒物濃度越小[20,45]。城市綠地斑塊面積越大,滯塵能力越強(qiáng),對顆粒物濃度降低作用的范圍也越大[26]。②植被群落結(jié)構(gòu)和生長季節(jié)。城市道路綠地對PM2.5消減作用與綠化帶寬度及植物群落格局相關(guān),群落內(nèi)郁閉度高、多復(fù)層格局的綠地景觀對PM2.5消減作用優(yōu)于郁閉度低、單層配置綠地景觀模式[46]。葉片充分發(fā)育季節(jié),灌木和闊葉林的滯塵能力最好,而在落葉季節(jié),針葉林和混合林滯塵能力最好[38]。③大氣污染程度。不同的污染背景下,道路綠地景觀對PM2.5消減作用不同。隨PM2.5濃度增大,道路綠地對PM2.5消減作用減弱[46]。草地因植被較矮,無法影響懸浮在空中的顆粒物,但因草叢覆蓋減少了地面塵源,草地顆粒物濃度低于城市建設(shè)用地、工業(yè)用地等景觀類型[42,47]。但草地滯塵能力比林地和城市綠地弱[28]。
林地、城市綠地和草地能有效滯塵,成為顆粒物的“匯”景觀,但總體表現(xiàn)出對PM10有更顯著的影響作用。同時(shí),植被吸附、阻滯大氣顆粒物的能力有季節(jié)差異[43],大多數(shù)研究成果中PM2.5、PM10濃度呈現(xiàn)出“冬季高、夏秋季節(jié)低”變化趨勢[21,25,48],植被滯塵能力的季節(jié)變化是其原因之一。
表2 LULC與顆粒物響應(yīng)關(guān)系的部分研究成果
PLAND:景觀類型面積比 Percent of landscape;CONTAG:蔓延度指數(shù) Contagion index;PAFRAC:周長面積分維數(shù) Perimeter-Area Fractal Dimension;AI:聚集度指數(shù) Aggregation index;SHDI:香濃多樣性指數(shù) Shannon′s diversity index;IJI:散布與并列指數(shù) Interspersion and Juxtaposition index;FN:景觀破碎度 Landscape fragmentation;LSN:景觀分維數(shù) Landscape fractal dimension
(3)農(nóng)田景觀
與林地、城市綠地的滯塵作用不同,農(nóng)田景觀對大氣顆粒物影響是雙向的。第一,作為地表植被的一種,農(nóng)田景觀顆粒物濃度低于建設(shè)用地、交通用地等景觀類型[42,54]能反映出其一定程度的滯塵作用,但是農(nóng)作物整齊的種植方式降低了植被表面粗糙度,對大氣顆粒物阻滯作用減弱。第二,季節(jié)不同,農(nóng)作物覆被差異較大,對顆粒物濃度的影響作用也不同。在農(nóng)作物生長茂盛季節(jié),地表植被覆蓋能抑制地面揚(yáng)塵,同時(shí)還通過葉片吸附作用降低顆粒物濃度;而在農(nóng)作物收割和播種季節(jié),地表缺少植被覆蓋,土壤結(jié)構(gòu)被破壞以后表面硬度降低,大量粉塵和粘性物質(zhì)暴露在外,遇到風(fēng)蝕便揚(yáng)起沙塵,加上農(nóng)作物秸稈燃燒,致使農(nóng)田地區(qū)顆粒物濃度上升[55- 57]。Chen等[58]發(fā)現(xiàn),2009年天津市因風(fēng)蝕作用使市區(qū)和農(nóng)村的PM10排放量分別為17300t、40700t,其中,粉塵排放總量中農(nóng)田貢獻(xiàn)高達(dá)99.5%,而林地和草地貢獻(xiàn)僅占0.5%。第三,農(nóng)田景觀本身因?yàn)橄幕剂虾娃r(nóng)業(yè)操作,排放顆粒物。同時(shí)因施用化肥、農(nóng)藥等,以及農(nóng)作物生長期間和腐爛之后排放出不同污染物,這些可能是PM2.5的組成部分或前體物[55,59],導(dǎo)致顆粒物污染加重。總的看來,農(nóng)田對顆粒物的影響表現(xiàn)為源、匯作用相互交錯(cuò),顆粒物濃度隨季節(jié)波動(dòng)變化。
(4)濕地和水體
從查閱的文獻(xiàn)看,在LULC與顆粒物關(guān)系的研究中,單獨(dú)分析水體和濕地的成果非常少。但從表2中仍能看出水體的顆粒物濃度較高,而且季節(jié)差異較大。從污染排放的角度分析,清潔水體不會排放顆粒物,但是污染水體可能會釋放影響顆粒物的污染氣體。水體的增濕效應(yīng)可能是影響顆粒物濃度的主要原因。濕地因其豐富的植物群落,能有效調(diào)節(jié)大氣組分,起到凈化空氣作用。理論上,濕地面積越大越利于降低顆粒物濃度,但目前并未見明確的研究結(jié)論。
(5)荒漠地、裸地等未利用地。這類景觀缺少植被覆蓋,地表粗糙度低,易受風(fēng)蝕作用引起地面揚(yáng)塵,研究表明荒漠地、裸地等未利用地的PM10濃度較高[42]。
2.2 地表景觀結(jié)構(gòu)對PM2.5、PM10的間接作用
地表景觀類型的構(gòu)成及其空間格局的改變可引起局地大氣溫、濕度以及風(fēng)向風(fēng)速等氣象條件發(fā)生變化(地-氣系統(tǒng)),與季節(jié)尺度和強(qiáng)對流天氣條件相比,這種改變是微弱并相對穩(wěn)定的,在弱天氣系統(tǒng)時(shí)該變化對PM2.5、PM10存在狀態(tài)和擴(kuò)散方式影響較大。其中,以城市地-氣系統(tǒng)變化和林地、濕地和水域等地表景觀引起的“冷濕效應(yīng)”影響最為明顯。
2.2.1 PM2.5、PM10對城市地-氣系統(tǒng)變化的響應(yīng)
(1)城市熱島效應(yīng)與顆粒物濃度
城市地表景觀特殊性引起的熱島效應(yīng)是城市局地氣候最突出的特征之一[60- 61]。Hamdi等[62]通過長時(shí)間的數(shù)值模擬發(fā)現(xiàn)城市化導(dǎo)致布魯塞爾地區(qū)的最高、最低氣溫上升速率分別增加0.05℃/10a和0.14℃/10a,Trusilova等[63]同樣利用數(shù)值模擬發(fā)現(xiàn)城市區(qū)域夏季氣溫日較差下降(1.26±0.71)℃,冬季下降(0.73±0.54)℃。Zhang等[64]認(rèn)為城市化效應(yīng)引起城市地區(qū)冬季平均地表氣溫上升(0.45±0.43)℃,夏季上升(1.9±0.55)℃。由此看來,城市景觀結(jié)構(gòu)改變引起地表增溫是大多數(shù)研究所認(rèn)同的結(jié)論。同時(shí),城市景觀的空間格局也影響地表溫度,Wu等[65]使用遙感解譯方法發(fā)現(xiàn)城市從熱場中心到邊緣,建筑斑塊密度下降,而水體、森林和農(nóng)田斑塊密度增加。
溫度影響大氣顆粒物的遷移轉(zhuǎn)化。季節(jié)尺度上,溫度越高,尤其是溫差越大越利于顆粒物擴(kuò)散,PM2.5濃度的季節(jié)差異正是溫度對其顯著影響的反映。郭元喜等[66]指出我國中東部濕潤區(qū)域PM10濃度與氣溫日較差呈負(fù)相關(guān)。但蔣永成等[17]對福州冬季一次PM2.5過程分析發(fā)現(xiàn),地面氣溫與PM2.5濃度呈正相關(guān),原因是高溫有助于氣粒轉(zhuǎn)化。說明在較短時(shí)間尺度上,溫度升高可能加重大氣污染。另外,當(dāng)城市熱島形成時(shí),熱場中心暖輕的微氣流上升,抬升到一定高度后降溫膨脹向四周輻散下沉,地表大量的污染物會隨之抬升再向四周擴(kuò)散,而郊外的冷空氣又從近地面層不斷涌入到市區(qū),致使污染物在局地環(huán)流的作用下聚集在城市上空且相對穩(wěn)定。城市熱島效應(yīng)也可能會在一定程度上強(qiáng)化大氣逆溫,致使PM2.5不易擴(kuò)散[67]??梢?城市熱島效應(yīng)可能會延長污染持續(xù)時(shí)間或加重污染水平。
(2)城市降水與顆粒物濃度
城市擴(kuò)展對降水量是增多或是減少還存在爭議。有研究證明城市化驅(qū)動(dòng)下的土地利用改變明顯影響降水。城市熱島引起近地面的大氣輻合上升并誘發(fā)暴雨[68],城市面積擴(kuò)大顯著增加當(dāng)?shù)貥O端降雨[69]。Chen等[70]指出城市化使臺北地區(qū)下午雷暴頻次增加67%,引起降水增加77%。但也有研究反映城市化對降水的影響有季節(jié)差異,甚至可能使城市降水減少。Cheng等[71]發(fā)現(xiàn)城市化對降水和氣候的影響在冬、夏季不同,城市擴(kuò)展導(dǎo)致珠三角夏季降水增強(qiáng),但冬季降水減少。Kaufmann等[72]認(rèn)為長三角地區(qū)城市化對當(dāng)?shù)亟邓疁p少起著至關(guān)重要的作用。
降水可以直接降低大氣顆粒物的濃度,但降低程度與降雨強(qiáng)度和持續(xù)時(shí)間相關(guān)。Buchholz等[73]研究得出,PM10與日總降水量呈負(fù)相關(guān)。Wei等[74]發(fā)現(xiàn)北京市PM2.5濃度與累積降雨量呈負(fù)相關(guān)(R2為0.668—0.974),其中,每5mm降水可降低PM2.5濃度10—30μg/m3。胡敏等[75]分析發(fā)現(xiàn)夏季降雨過程對粗粒子和細(xì)粒子都有去除作用,對細(xì)粒子去除作用更明顯,降雨后PM10、PM1.8濃度分別約降低3倍、6倍。董繼元等[76]認(rèn)為連續(xù)降水對PM10濕清除能力存在最低極限。超過一定的極限后,降水對PM10的清除作用減弱,濃度值有可能增加[76]。綜合看,城市景觀結(jié)構(gòu)特殊性引起的城市降水對顆粒物濃度的影響具有不確定性,降水對哪類顆粒物作用更顯著也無統(tǒng)一結(jié)論。
2.2.2 PM2.5、PM10對地表景觀冷濕效應(yīng)的響應(yīng)
林地、城市綠地、濕地和水域?qū)Φ乇砩鷳B(tài)環(huán)境有冷濕效應(yīng)[77- 78],其降溫、增濕程度與綠地類型、面積、形狀及植被遮蔭面積等密切相關(guān),其中,增濕程度與植被的郁閉度和植物三維綠量呈正相關(guān)關(guān)系[79- 80]。大面積分布的水體或濕地容易形成“城市冷島”,冷濕效應(yīng)的強(qiáng)度與濕地斑塊的形狀、位置相關(guān),濕地面積越大,其冷濕效應(yīng)越強(qiáng),相同面積城市濕地蒸發(fā)量是水體的2—3倍,濕地冷濕效應(yīng)更加明顯[81- 83]。
溫度微變化對顆粒物影響作用不再贅述。濕度對顆粒物的影響機(jī)理比較復(fù)雜。根據(jù)Ma等[15]對霾和霧的區(qū)分,霾是未被活化的氣溶膠,霾污染時(shí)能見度降低是氣溶膠吸濕增長或濃度升高造成的,而霧滴是已經(jīng)活化的氣溶膠形成的液滴,大氣中有霧滴存在才可稱為霧。霧和霾的本質(zhì)區(qū)別在于顆粒物尺度和含水量的差異。張振華[84]對杭州市分析發(fā)現(xiàn),當(dāng)RH較小時(shí),隨濕度增大,PM2.5明顯升高,RH達(dá)到80%時(shí),PM2.5達(dá)到最大值,隨后,RH值增加,PM2.5濃度下降。由此可見,低濕度條件下,顆粒物表面吸附能力小,不易凝聚沉降,隨濕度增加,顆粒物吸濕增長和累積導(dǎo)致濃度增加,地表增濕效應(yīng)可能加劇這一過程;而濕度達(dá)到一定高度時(shí),顆粒物活化形成霧滴,這時(shí)濕度再增加可能會加速雨滴、霧滴形成,促進(jìn)顆粒物濕沉降過程,起清除作用??梢?濕度對顆粒物影響作用并不是簡單的線性關(guān)系,加上季節(jié)造成地表景觀氣候調(diào)節(jié)效應(yīng)差異,如蒸騰作用的強(qiáng)弱隨季節(jié)不同發(fā)生變化,地表景觀冷濕效應(yīng)對大氣顆粒物的影響機(jī)制更加復(fù)雜,目前相關(guān)研究還比較薄弱。
3.1 結(jié)論
綜述分析表明,我國對大氣顆粒物污染研究進(jìn)入了一個(gè)重要階段。影響顆粒物濃度的因素較多,從邊界層天氣條件到下墊面地表景觀結(jié)構(gòu)差異,復(fù)雜多樣,目前地表景觀結(jié)構(gòu)對PM2.5、PM10的影響研究開始受到關(guān)注。通過綜述相關(guān)文獻(xiàn),得出基本結(jié)論:城市擴(kuò)張?jiān)鰪?qiáng)了城市大氣環(huán)境污染。從景觀類型上看,城市建設(shè)用地、工業(yè)用地和交通用地對PM2.5、PM10濃度增加的貢獻(xiàn)較大,是大氣顆粒物主要的“源”景觀;林地、草地和城市綠地能在一定程度上削減和降低顆粒物濃度,成為“匯”景觀;農(nóng)田景觀的“源”、“匯”作用隨季節(jié)更替而變化;濕地與水體景觀對大氣顆粒物的影響作用并不明確,不能簡單歸類到“源”或“匯”景觀中。從景觀空間格局看,“源”景觀的面積比例越大,聚集度越高,密度越大,對顆粒物濃度增加作用越大,“匯”景觀的面積比例越大,聚集度越高,對顆粒物濃度降低作用則越大。因PM2.5和PM10的生消機(jī)理差異,各種地表景觀結(jié)構(gòu)對不同粒徑顆粒物的影響方式和作用大小存在差異。另外,地表景觀結(jié)構(gòu)引起的局地氣候變化在一定程度上強(qiáng)化了大環(huán)境氣候?qū)M2.5、PM10濃度影響的方向和程度。
3.2 地表景觀結(jié)構(gòu)與PM2.5、PM10響應(yīng)關(guān)系的不確定性
從已有的研究成果看,PM2.5、PM10與地表景觀結(jié)構(gòu)的數(shù)據(jù)獲取、兩類數(shù)據(jù)尺度對接中存在的不確定性以及兩者關(guān)系的復(fù)雜性導(dǎo)致研究中出現(xiàn)很多不確定結(jié)果,這些難點(diǎn)大大限制了該領(lǐng)域的研究進(jìn)展。
(1)數(shù)據(jù)獲取帶來的不確定性。準(zhǔn)確獲取顆粒物濃度信息是分析其與地表景觀結(jié)構(gòu)關(guān)系的前提。但目前大氣顆粒物濃度分布與景觀格局關(guān)系的研究中,景觀類型和格局?jǐn)?shù)據(jù)一般來源于遙感數(shù)據(jù),但遙感數(shù)據(jù)本身因地表參數(shù)和精度不同具有不確定性,另外,多源、多時(shí)像遙感影像數(shù)據(jù)因分辨率和季相造成的地表景觀的不同給分類也帶來不確定性。大氣顆粒物濃度一般通過監(jiān)測點(diǎn)監(jiān)測、遙感影像反演獲得。由于監(jiān)測點(diǎn)周邊的環(huán)境和監(jiān)測點(diǎn)高度造成監(jiān)測的數(shù)據(jù)可能僅代表小范圍、瞬時(shí)或微氣候環(huán)境下的空氣質(zhì)量,遙感反演的顆粒物信息同樣因?yàn)檫b感數(shù)據(jù)本身的因素會給研究結(jié)果帶來不確定。
(2)研究尺度導(dǎo)致的不確定性。如果考慮到PM2.5、PM10監(jiān)測獲取數(shù)據(jù)的微觀復(fù)雜環(huán)境(微環(huán)境的景觀粗糙度、高度),可能景觀格局的尺度和維度與PM2.5、PM10數(shù)據(jù)對應(yīng)起來更有困難。而且顆粒物污染是大氣問題,采用何種時(shí)空尺度的PM2.5、PM10數(shù)據(jù)和景觀格局?jǐn)?shù)據(jù)對接,才能較好反應(yīng)顆粒物對地表景觀結(jié)構(gòu)的響應(yīng)過程,而又不能掩蓋掉季節(jié)性差異,這些因素也很難確定。另外,城市內(nèi)部的景觀結(jié)構(gòu),尤其是城市三維特征的景觀格局參數(shù)與PM2.5、PM10的關(guān)系也未見報(bào)道。
(3)地表景觀結(jié)構(gòu)與PM2.5、PM10響應(yīng)關(guān)系的復(fù)雜性。制約城市大氣污染物擴(kuò)散、遷移和轉(zhuǎn)化的因子是多尺度、多渠道的。如果把人類活動(dòng)排放污染物的影響看作是穩(wěn)定的,一次顆粒物重污染事件往往是由不利的大尺度天氣形勢引起,與較強(qiáng)的大尺度環(huán)流對PM2.5、PM10顯著作用相比,地表景觀結(jié)構(gòu)變化是否能夠影響顆粒物的遷移、轉(zhuǎn)化和分布以及影響程度是多少,地表景觀結(jié)構(gòu)對顆粒物濃度的直接作用和間接作用哪方面更強(qiáng)或貢獻(xiàn)更大,以及不同地表景觀結(jié)構(gòu)對顆粒物濃度變化的貢獻(xiàn)程度有多大,這方面的文獻(xiàn)非常缺乏。所有作用力的耦合導(dǎo)致地表景觀結(jié)構(gòu)與PM2.5、PM10響應(yīng)關(guān)系非常復(fù)雜,成為研究難點(diǎn)。
3.3 未來研究重點(diǎn)展望
“地”、“氣”系統(tǒng)是一個(gè)非常復(fù)雜的系統(tǒng),顆粒物污染是氣象條件、人類活動(dòng)和地表景觀結(jié)構(gòu)相互作用、協(xié)同變化和耦合作用的結(jié)果。大氣顆粒物既來源于地表,更受地表土地利用與景觀結(jié)構(gòu)影響,因此,開展大氣顆粒物對地表景觀結(jié)構(gòu)響應(yīng)關(guān)系研究,對大氣污染治理,促進(jìn)社會經(jīng)濟(jì)與生態(tài)環(huán)境協(xié)調(diào)發(fā)展具有重要現(xiàn)實(shí)意義。但目前該方面研究剛剛起步,未來研究需要更長時(shí)間、更高密度、更準(zhǔn)確的顆粒物數(shù)據(jù),與更合適的景觀結(jié)構(gòu)尺度對應(yīng),定量分析出不同區(qū)域、不同類型、不同規(guī)模的地表景觀對大氣顆粒物的作用。具體需要進(jìn)一步關(guān)注的研究領(lǐng)域如下:
(1)PM2.5、PM10對地表景觀結(jié)構(gòu)響應(yīng)的區(qū)域尺度研究和區(qū)域差異研究。大氣污染往往是區(qū)域共有現(xiàn)象,需要聯(lián)防聯(lián)治,目前,我國大氣污染治理逐漸由“點(diǎn)源”向“面源”方向發(fā)展。受PM2.5、PM10數(shù)據(jù)或方法的限制,城市尺度和微觀尺度研究成果較多,而區(qū)域尺度較少。因此,研究尺度需要由城市向區(qū)域尺度發(fā)展,尤其是危害性更大的細(xì)顆粒物PM2.5對區(qū)域尺度地表景觀結(jié)構(gòu)響應(yīng)的研究應(yīng)該被重點(diǎn)關(guān)注。另外,不同區(qū)域地表景觀格局存在較大差異,從區(qū)域差異視角研究PM2.5、PM10對地表景觀格局響應(yīng)的研究也可能會成為未來研究的方向之一。
(2)PM2.5、PM10對地表景觀格局響應(yīng)研究。景觀格局強(qiáng)調(diào)土地利用景觀要素的空間聚集性、連通性以及散布性等空間組合特征,對大氣污染物質(zhì)聚集與擴(kuò)散具有重要影響。目前研究主要圍繞景觀類型與顆粒物濃度關(guān)系,而從景觀格局角度揭示PM2.5、PM10空間擴(kuò)散特征的研究成果非常有限。
(3)PM2.5、PM10對地表景觀結(jié)構(gòu)響應(yīng)的時(shí)空尺度與過程研究。顆粒污染物形成及其在大氣中累積與擴(kuò)散受到多尺度時(shí)空過程影響。尤其是地表景觀結(jié)構(gòu)隨時(shí)間變化顯著,引起的局地小氣候變化強(qiáng)度在不同季節(jié)也有差異,未來研究應(yīng)該跟蹤PM2.5、PM10污染過程的時(shí)空尺度特征,揭示不同時(shí)空尺度的響應(yīng)機(jī)制。
(4)主要景觀類型及其氣候效應(yīng)與PM2.5、PM10響應(yīng)的關(guān)系研究。氣象條件對PM2.5、PM10累積與擴(kuò)散產(chǎn)生重要影響,尤其是濕度對PM2.5、PM10影響機(jī)理較為復(fù)雜,導(dǎo)致某些景觀類型(如濕地、水體等)及其氣候效應(yīng)對顆粒物影響的研究結(jié)論到目前尚未達(dá)成共識。因此未來需要從機(jī)理上認(rèn)識顆粒物污染對景觀格局響應(yīng)的過程,特別是濕地和水體景觀與PM2.5響應(yīng)過程的關(guān)系應(yīng)該被重點(diǎn)關(guān)注。
[1] 王躍思, 姚利, 王莉莉, 劉子銳, 吉東生, 唐貴謙, 張軍科, 孫揚(yáng), 胡波, 辛金元. 2013年元月我國中東部地區(qū)強(qiáng)霾污染成因分析. 中國科學(xué): 地球科學(xué), 2014, 44(1): 15- 26.
[2] Dugord P A, Lauf S, Schuster C, Kleinschmit B. Land use patterns, temperature distribution, and potential heat stress risk-The case study Berlin, Germany. Computers, Environment and Urban Systems, 2014, 48: 86- 98.
[3] Romero H, Ihl M, Rivera A, Zalazar P, Azocar P. Rapid urban growth, land-use changes and air pollution in Santiago, Chile. Atmospheric Environment, 1999, 33(24- 25): 4039- 4047.
[4] Masiol M, Squizzato S, Rampazzo G, Pavoni B. Source apportionment of PM2.5at multiple sites in Venice (Italy): Spatial variability and the role of weather. Atmospheric Environment, 2014, 98: 78- 88.
[5] Mooibroek D, Schaap M, Weijers E P, Hoogerbrugge R. Source apportionment and spatial variability of PM2.5using measurements at five sites in the Netherlands. Atmospheric Environment, 2011, 45(25): 4180- 4191.
[6] Ahmed E, Kim K H, Shon Z H, Song S K. Long-term trend of airborne particulate matter in Seoul, Korea from 2004 to 2013. Atmospheric Environment, 2015, 101: 125- 133.
[7] Rooney M S, Arku R E, Dionisio K L, Paciorek C, Friedman A B, Carmichael H, Zhou Z, Hughes A F, Vallarino J, Agyei-Mensah S, Spengler J D, Ezzati M. Spatial and temporal patterns of particulate matter sources and pollution in four communities in Accra, Ghana. Science of the Total Environment, 2012, 435- 436: 107- 114.
[8] 李名升, 張建輝, 張殷俊, 周磊, 李茜, 陳遠(yuǎn)航. 近10年中國大氣PM10污染時(shí)空格局演變. 地理學(xué)報(bào), 2013, 68(11): 1504- 1512.
[9] Ho C C, Chan C C, Cho C W, Lin H I, Lee J H, Wu C F. Land use regression modeling with vertical distribution measurements for fine particulate matter and elements in an urban area. Atmospheric Environment, 2015, 104: 256- 263.
[10] Ross Z, Jerrett M, Ito K, Tempalski B, Thurston G D. A land use regression for predicting fine particulate matter concentrations in the New York City region. Atmospheric Environment, 2007, 41(11): 2255- 2269.
[11] Pascal M, Falq G, Wagner V, Chatignoux E, Corso M, Blanchard M, Host S, Pascal L, Larrieu S. Short-term impacts of particulate matter (PM10, PM10- 2.5, PM2.5) on mortality in nine French cities. Atmospheric Environment, 2014, 95: 175- 184.
[12] Pui D Y H, Chen S C, Zuo Z L. PM2.5in China: Measurements, sources, visibility and health effects, and mitigation. Particuology, 2014, 13: 1- 26.
[13] Aldabe J, Elustondo D, Santamaría C, Lasheras E, Pandolfi M, Alastuey A, Querol X, Santamaría J M. Chemical characterisation and source apportionment of PM2.5and PM10at rural, urban and traffic sites in Navarra (North of Spain). Atmospheric Research, 2011, 102(1/2): 191- 205.
[14] 王茜. 上海市秋季典型PM2.5污染過程數(shù)值預(yù)報(bào)分析. 中國環(huán)境監(jiān)測, 2014, 30(2): 7- 13.
[15] Ma N, Zhao C S, Chen J, Xu W Y, Yan P, Zhou X J. A novel method for distinguishing fog and haze based on PM2.5, visibility, and relative humidity. Science China Earth Sciences, 2014, 57(9): 2156- 2164.
[16] 周凱, 葉有華, 彭少麟, 粟娟. 城市大氣總懸浮顆粒物與城市熱島. 生態(tài)環(huán)境, 2006, 15(2): 381- 385.
[17] 蔣永成, 趙天良, 王宏, 王瓊, 常爐予, 譚成好. 福州市PM2.5污染過程中大氣邊界層和區(qū)域傳輸研究. 中國環(huán)境科學(xué), 2015, 35(2): 347- 355.
[18] 陳利頂, 劉洋, 呂一河, 馮曉明, 傅伯杰. 景觀生態(tài)學(xué)中的格局分析: 現(xiàn)狀、困境與未來. 生態(tài)學(xué)報(bào), 2008, 28(11): 5521- 5531.
[19] 韋晶, 孫林, 劉雙雙, 段德宏, 郭亞敏, 米雪婷, 田信鵬, 于會泳. 大氣顆粒物污染對土地覆蓋變化的響應(yīng)分析. 生態(tài)學(xué)報(bào), 2015,35(16):5495-5506.
[20] 許珊, 鄒濱, 蒲強(qiáng), 郭宇. 土地利用/覆蓋的空氣污染效應(yīng)分析. 地球信息科學(xué)學(xué)報(bào), 2015, 17(3): 290- 299.
[21] Zhao X J, Zhang X L, Xu X F, Xu J, Meng W, Pu W W. Seasonal and diurnal variations of ambient PM2.5concentration in urban and rural environments in Beijing. Atmospheric Environment, 2009, 43(18): 2893- 2900.
[22] Han L J, Zhou W Q, Li W F, Li L. Impact of urbanization level on urban air quality: A case of fine particles (PM2.5) in Chinese cities. Environmental Pollution, 2014, 194: 163- 170.
[23] De Meij A, Bossioli E, Penard C, Vinuesa J F, Price I. The effect of SRTM and Corine Land Cover data on calculated gas and PM10concentrations in WRF-Chem. Atmospheric Environment, 2015, 101: 177- 193.
[24] Amini H, Taghavi-Shahri S M, Henderson S B, Naddafi K, Nabizadeh R, Yunesian M. Land use regression models to estimate the annual and seasonal spatial variability of sulfur dioxide and particulate matter in Tehran, Iran. Science of the Total Environment, 2014, 488- 489: 343- 353.
[25] Chen L, Bai Z P, Kong S F, Han B, You Y, Ding X, Du S Y, Liu A X. A land use regression for predicting NO2and PM10concentrations in different seasons in Tianjin region, China. Journal of Environmental Sciences, 2010, 22(9): 1364- 1373.
[26] 于靜, 尚二萍. 城市快速發(fā)展下主要用地類型的PM2.5濃度空間對應(yīng)——以沈陽為例. 城市發(fā)展研究, 2013, 20(9): 128- 130.
[27] Martins H. Urban compaction or dispersion? An air quality modelling study. Atmospheric Environment, 2012, 54: 60- 72.
[28] 阮氏清草. 城市森林植被類型與PM2.5等顆粒物濃度的關(guān)系分析[D]. 北京: 北京林業(yè)大學(xué), 2014.
[29] 張靜, 趙文標(biāo), 魯小珍, 林蔭, 龍海艷, 趙育鵬, 陳永江. 夏季南京雨花臺景區(qū)不同綠地類型與大氣污染的關(guān)系. 東北林業(yè)大學(xué)學(xué)報(bào), 2013, 41(1): 21- 23, 36.
[30] 陶金花, 張美根, 陳良富, 王子峰, 蘇林, 葛萃, 韓霄, 鄒銘敏. 一種基于衛(wèi)星遙感AOT估算近地面顆粒物的方法. 中國科學(xué): 地球科學(xué), 2013, 43(1): 143- 154.
[31] Chudnovsky A A, Koutrakis P, Kloog I, Melly S, Nordio F, Lyapustin A, Wang Y J, Schwartz J. Fine particulate matter predictions using high resolution Aerosol Optical Depth (AOD) retrievals. Atmospheric Environment, 2014, 89: 189- 198.
[32] 趙晨曦, 王云琦, 王玉杰, 張會蘭, 趙冰清. 北京地區(qū)冬春PM2.5和PM10污染水平時(shí)空分布及其與氣象條件的關(guān)系. 環(huán)境科學(xué), 2014, 35(2): 418- 427.
[33] Querol X, Alastuey A, Pandolfi M, Reche C, Pérez N, Minguillón M C, Moreno T, Viana M, Escudero M, Orio A, Pallarés M, Reina F. 2001- 2012 trends on air quality in Spain. Science of the Total Environment, 2014, 490: 957- 969.
[34] Font A, Baker T, Mudway I S, Purdie E, Dunster C, Fuller G W. Degradation in urban air quality from construction activity and increased traffic arising from a road widening scheme. Science of the Total Environment, 2014, 497- 498: 123- 132.
[35] 崔巖巖. 城市土地利用變化對空氣環(huán)境質(zhì)量影響研究[D]. 濟(jì)南: 山東建筑大學(xué), 2013.
[36] Bandeira J M, Coelho M C, Sá M E, Tavares R, Borrego C. Impact of land use on urban mobility patterns, emissions and air quality in a Portuguese medium-sized city. Science of the Total Environment, 2011, 409(6): 1154- 1163.
[37] 宋彥, 鐘紹鵬, 章征濤, 陳燕萍, 丹尼爾·羅德里格斯, 布萊恩·莫頓. 城市空間結(jié)構(gòu)對PM2.5的影響——美國夏洛特汽車排放評估項(xiàng)目的借鑒和啟示. 城市規(guī)劃, 2014, 38 (5): 9- 14.
[38] Nguyen T, Yu X X, Zhang Z M, Liu M M, Liu X H. Relationship between types of urban forest and PM2.5capture at three growth stages of leaves. Journal of Environmental Sciences, 2015, 27: 33- 41.
[39] Tallis M, Taylor G, Sinnett D, Freer-Smith P. Estimating the removal of atmospheric particulate pollution by the urban tree canopy of London, under current and future environments. Landscape and Urban Planning, 2011, 103(2): 129- 138.
[40] 王成, 郭二果, 郄光發(fā). 北京西山典型城市森林內(nèi)PM2.5動(dòng)態(tài)變化規(guī)律. 生態(tài)學(xué)報(bào), 2014, 34(19): 5650- 5658.
[41] 古琳, 王成, 王曉磊, 王艷英, 王茜. 無錫惠山三種城市游憩林內(nèi)細(xì)顆粒物(PM2.5)濃度變化特征. 應(yīng)用生態(tài)學(xué)報(bào), 2013, 24(9): 2485- 2493.
[42] 孫娜. 珠三角地區(qū)可吸入顆粒物的遙感監(jiān)測及其與下墊面的相關(guān)性分析[D]. 北京: 中國地質(zhì)大學(xué), 2013.
[43] King K L, Johnson S, Kheirbek I, Lu J W T, Matte T. Differences in magnitude and spatial distribution of urban forest pollution deposition rates, air pollution emissions, and ambient neighborhood air quality in New York City. Landscape and Urban Planning, 2014, 128: 14- 22.
[44] 劉旭輝, 余新曉, 張振明, 劉萌萌, 阮氏青草. 林帶內(nèi)PM10、PM2.5污染特征及其與氣象條件的關(guān)系. 生態(tài)學(xué)雜志, 2014, 33(7): 1715- 1721.
[45] 郭含文, 丁國棟, 趙媛媛, 高廣磊, 陳明秀, 王海勇, 賴文豪. 城市不同綠地PM2.5質(zhì)量濃度日變化規(guī)律. 中國水土保持科學(xué), 2013, 11(4): 99- 103.
[46] 李新宇, 趙松婷, 李延明, 郭佳, 李薇. 北京市不同主干道綠地群落對大氣PM2.5濃度消減作用的影響. 生態(tài)環(huán)境學(xué)報(bào), 2014, 23(4): 615- 621.
[47] 彭威, 江洪, 肖鐘湧, 徐建輝, 張林靜. 長三角地區(qū)土地覆蓋對氣溶膠光學(xué)厚度的影響. 環(huán)境科學(xué)與技術(shù), 2014, 37(6): 177- 182.
[48] 王占山, 李云婷, 陳添, 張大偉, 孫峰, 潘麗波. 2013年北京市PM2.5的時(shí)空分布. 地理學(xué)報(bào), 2015, 70(1): 110- 120.
[49] 岳輝. 武漢市大氣PM10濃度空間分布特征及其影響因素研究: 華中農(nóng)業(yè)大學(xué), 2012. 77.
[50] 莫莉, 余新曉, 趙陽, 孫豐賓, 莫楠, 夏洪磊. 北京市區(qū)域城市化程度與顆粒物污染的相關(guān)性分析. 生態(tài)環(huán)境學(xué)報(bào), 2014(05): 806-811.
[51] 李松, 鄧寶昆, 邵技新, 徐紅勤, 李戀. 基于GIS的貴陽PM_(2.5)質(zhì)量濃度城鄉(xiāng)過渡特征及影響因素研究. 生態(tài)環(huán)境學(xué)報(bào), 2014(08): 1298-1304.
[52] 賈軍強(qiáng). 冀中南平原區(qū)土地覆被與氣溶膠光學(xué)厚度關(guān)系研究: 河北師范大學(xué), 2011. 66.
[53] 丁宇, 李貴才, 路旭, 高梅. 空間異質(zhì)性及綠色空間對大氣污染的削減效應(yīng)——以大珠江三角州為例. 地理科學(xué)進(jìn)展, 2011(11): 1415-1421.
[54] 唐明. 北京城區(qū)可吸入顆粒物分布與土地覆蓋類型的關(guān)系研究[D]. 北京: 首都師范大學(xué), 2011.
[55] Aneja V P, Schlesinger W H, Erisman J W. Effects of agriculture upon the air quality and climate: research, policy, and regulations. Environmental Science & Technology, 2009, 43(12): 4234- 4240.
[56] Li J F, Song Y, Mao Y, Mao Z C, Wu Y S, Li M M, Huang X, He Q C, Hu M. Chemical characteristics and source apportionment of PM2.5during the harvest season in eastern China′s agricultural regions. Atmospheric Environment, 2014, 92: 442- 448.
[57] Kasumba J, Holmén B A, Hiscox A, Wang J M, Miller D. Agricultural PM10emissions from cotton field disking in Las Cruces, NM. Atmospheric Environment, 2011, 45(9): 1668- 1674.
[58] Chen L, Gao J C, Ji Y Q, Bai Z P, Shi M S, Liu H. Effects of particulate matter of various sizes derived from suburban farmland, woodland and grassland on air quality of the central district in Tianjin, China. Aerosol and Air Quality Research, 2014, 14: 829- 839.
[59] Erisman J W, Bleeker A, Hensen A, Vermeulen A. Agricultural air quality in Europe and the future perspectives. Atmospheric Environment, 2008, 42(14): 3209- 3217.
[60] Jiang Y T, Fu P, Weng Q H. Assessing the impacts of urbanization-associated land use/cover change on land surface temperature and surface moisture: a case study in the midwestern united states. Remote Sensing, 2015, 7(4): 4880- 4898.
[61] Chen X L, Zhao H M, Li P X, Yin Z Y. Remote sensing image-based analysis of the relationship between urban heat island and land use/cover changes. Remote Sensing of Environment, 2006, 104(2): 133- 146.
[62] Hamdi R, Deckmyn A, Termonia P, Demarée G R, Baguis P, Vanhuysse S, Wolff E. Effects of historical urbanization in the brussels capital region on surface air temperature time series: a model study. Journal of Applied Meteorology and Climatology, 2009, 48(10): 2181- 2196.
[63] Trusilova K, Jung M, Churkina G, Karstens U, Heimann M, Claussen M. Urbanization impacts on the climate in Europe: numerical experiments by the PSU-NCAR Mesoscale Model (MM5). Journal of Applied Meteorology and Climatology, 2008, 47(5): 1442- 1455.
[64] Zhang N, Gao Z Q, Wang X M, Chen Y. Modeling the impact of urbanization on the local and regional climate in Yangtze River Delta, China. Theoretical and Applied Climatology, 2010, 102(3/4): 331- 342.
[65] Wu H, Ye L P, Shi W Z, Clarke K C. Assessing the effects of land use spatial structure on urban heat islands using HJ- 1B remote sensing imagery in Wuhan, China. International Journal of Applied Earth Observation and Geoinformation, 2014, 32: 67- 78.
[66] 郭元喜, 龔道溢, 汪文珊, 張自銀, 毛睿. 中國中東部秋季PM10時(shí)空變化及其與日氣溫的關(guān)系. 地理學(xué)報(bào), 2012, 67(9): 1155- 1164.
[67] 李興榮, 胡非, 舒文軍, 梁碧玲. 北京秋季城市熱島效應(yīng)及其氣象影響因子. 氣候與環(huán)境研究, 2008, 13(3): 291- 299.
[68] Bornstein R, Lin Q L. Urban heat islands and summertime convective thunderstorms in Atlanta: three case studies. Atmospheric Environment, 2000, 34(3): 507- 516.
[69] Pathirana A, Denekew H B, Veerbeek W, Zevenbergen C, Banda A T. Impact of urban growth-driven landuse change on microclimate and extreme precipitation---A sensitivity study. Atmospheric Research, 2014, 138: 59- 72.
[70] Chen T C, Wang S Y, Yen M C. Enhancement of afternoon thunderstorm activity by urbanization in a valley: Taipei. Journal of Applied Meteorology and Climatology, 2007, 46(9): 1324- 1340.
[71] Cheng C K M, Chan J C L. Impacts of land use changes and synoptic forcing on the seasonal climate over the Pearl River Delta of China. Atmospheric Environment, 2012, 60: 25- 36.
[72] Kaufmann R K, Seto K C, Schneider A, Liu Z T, Zhou L M, Wang W L. Climate response to rapid urban growth: evidence of a human-induced precipitation deficit. Journal of Climate, 2007, 20(10): 2299- 2306.
[73] Buchholz S, Junk J, Krein A, Heinemann G, Hoffmann L. Air pollution characteristics associated with mesoscale atmospheric patterns in northwest continental Europe. Atmospheric Environment, 2010, 44(39): 5183- 5190.
[74] Ouyang W, Guo B B, Cai G Q, Li Q, Han S, Liu B, Liu X G. The washing effect of precipitation on particulate matter and the pollution dynamics of rainwater in downtown Beijing. Science of the Total Environment, 2015, 505: 306- 314.
[75] 胡敏, 劉尚, 吳志軍, 張靜, 趙云良, W Birgit, W Alfred. 北京夏季高溫高濕和降水過程對大氣顆粒物譜分布的影響. 環(huán)境科學(xué), 2006(11): 2293-2298.
[76] 董繼元, 王式功, 尚可政. 降水對中國部分城市空氣質(zhì)量的影響分析. 干旱區(qū)資源與環(huán)境, 2009, 23(12): 43- 48.
[77] Amiri R, Weng Q H, Alimohammadi A, Alavipanah S K. Spatial-temporal dynamics of land surface temperature in relation to fractional vegetation cover and land use/cover in the Tabriz urban area, Iran. Remote Sensing of Environment, 2009, 113(12): 2606- 2617.
[78] Chang C R, Li M H, Chang S D. A preliminary study on the local cool-island intensity of Taipei city parks. Landscape and Urban Planning, 2007, 80(4): 386- 395.
[79] Cao X, Onishi A, Chen J, Imura H. Quantifying the cool island intensity of urban parks using ASTER and IKONOS data. Landscape and Urban Planning, 2010, 96(4): 224- 231.
[80] 劉青, 劉苑秋, 李超. 城市森林斑塊對溫濕度的影響研究. 中國農(nóng)學(xué)通報(bào), 2013, 29(7): 35- 39.
[81] 張蕓, 呂憲國, 倪健. 三江平原典型濕地冷濕效應(yīng)的初步研究. 生態(tài)環(huán)境, 2004, 13(1): 37- 39.
[82] 王紅娟, 黃華芳, 王健, 張聰聰, 左曉明. 石家莊市濱河濕地公園秋季增濕效應(yīng). 生態(tài)學(xué)報(bào), 2014, 34(17): 5077- 5086.
[83] 段汀龍. 城市濕地生態(tài)服務(wù)功能探析. 地域研究與開發(fā), 2014, 33(1): 117- 121.
[84] 張振華. PM2.5濃度時(shí)空變化特性、影響因素及來源解析研究[D]. 杭州: 浙江大學(xué), 2014.
Research on the response of air particles (PM2.5、PM10) to landscape structure: A review
LOU Cairong1,2, LIU Hongyu1,*, LI Yuling1, LI Yufeng1
1StateKeyLaboratoryCultivationBaseofGeographicalEnvironmentEvolution(JiangsuProvince),JiangsuCenterforCollaborativeInnovationinGeographicalInformationResourceDevelopmentandApplication,CollegeofGeographicalScience,NanjingNormalUniversity,Nanjing210023,ChinaCollegeofGeographicalScience,NantongUniversity,Nantong226007,China
In recent years, high concentrations of inhalable particulate matter (PM10) or fine particulate matter (PM2.5), primary pollutants in most cities, have been monitored frequently in China. Numerous studies have manifested an inextricably link between atmospheric particulate matter and human health. The ambient PM2.5or PM10concentrations are affected by the landscape structure (LS, including the landscape composition and configuration) directly or indirectly. Consequently, quantifying the connectivity of PM2.5,PM10concentrations in LS has become an important subject in the scientific and decision-making communities. Based on the systematic summary of both domestic and foreign studies, a series of possible influential factors attributed to the uncertainty in this field of study were identified, and potential study directions for the future have been proposed. Firstly, results indicate that the type of landscape has different effects on the concentrations of air particles. Urban sprawl aggravates air pollution, and densely built-up city areas have turned into the critical situations suffering from high concentrations of air pollutant (particularly PM2.5,PM10). Intra-urban landscapes, construction areas, areas of heavy traffic and industrial zones, leading to higher PM2.5or PM10concentrations through direct discharge of particles, were considered to be the “source” landscapes. Because of effective role of plants in interception and absorption of particles, the concentrations of PM2.5and PM10in woodland, grassland and green-land were lower than other types of landscape, and these were usually deemed as the “sink” landscapes. Due to the variation of seasonal impacts of air particles, farmland was often regarded as the “source” in the harvest season and the “sink” in the growing season. It is still indeterminate whether the wetland is the “source” or the “sink”, as well as a water body. Secondly, the characteristic modification of the surface land during urbanization has exerted strong impacts on the meteorological conditions, which may influence the process of air contamination. The microclimate changes caused by LS, such as urban heat islands or cold-humid ecological effects, affect the evolution of airborne contaminants indirectly. However,these influences, processes, and mechanisms were too intricate to determine accordant conclusions from previous literature. Our third finding examines data in existing research of PM2.5or PM10concentrations and landscape pattern were mostly obtained through monitoring or remote sensing retrieval. But these data were still uncertain due to the effects of method, micro-environment and image. The spatial-temporal scale between air particles and LS was also complicated. All mentioned above have greatly lagged the research progress of relationship between LS and the responses of air particulate matter, and would be new challenges for prospective studies. Fourth, some key study directions should be highlighted in future, such as analyses on the regional spatial-temporal differential and the response course of PM2.5or PM10to LS. Besides, the influence processes, mechanism and contribution degree of air particles concentration caused by LS and its climate change, especially by water body, wetland and their cold-humid ecological effects were also in need of concerns in the future.
air particulate matter (PM2.5,PM10); surface landscape type; landscape pattern; response
國家自然科學(xué)基金項(xiàng)目(31570459, 41401205);江蘇省自然科學(xué)基金項(xiàng)目(BK20140921);江蘇省地理信息資源開發(fā)與利用協(xié)同創(chuàng)新中心;江蘇高校優(yōu)勢學(xué)科建設(shè)工程資助項(xiàng)目(164320H116)
2015- 01- 24;
日期:2016- 03- 03
10.5846/stxb201501240190
*通訊作者Corresponding author.E-mail: liuhongyu@njnu.edu.cn
婁彩榮,劉紅玉,李玉玲,李玉鳳.大氣顆粒物(PM2.5、PM10)對地表景觀結(jié)構(gòu)的響應(yīng)研究進(jìn)展.生態(tài)學(xué)報(bào),2016,36(21):6719- 6729.
Lou C R, Liu H Y, Li Y L, Li Y F.Research on the response of air particles (PM2.5、PM10) to landscape structure: A review.Acta Ecologica Sinica,2016,36(21):6719- 6729.