楊 昆， 王桂林， 楊 揚(yáng)， 羅 毅

1．云南師范大學(xué)信息學(xué)院， 云南 昆明 650500 2．云南師范大學(xué)西部資源環(huán)境地理信息技術(shù)教育部工程研究中心， 云南 昆明 650500 3．云南師范大學(xué)旅游與地理科學(xué)學(xué)院， 云南 昆明 650500

昆明市不透水表面擴(kuò)張與PM2．5質(zhì)量濃度變化相關(guān)性分析

楊 昆1，2， 王桂林2，3*， 楊 揚(yáng)2，3， 羅 毅1，2

1．云南師范大學(xué)信息學(xué)院， 云南 昆明 650500 2．云南師范大學(xué)西部資源環(huán)境地理信息技術(shù)教育部工程研究中心， 云南 昆明 650500 3．云南師范大學(xué)旅游與地理科學(xué)學(xué)院， 云南 昆明 650500

為分析城市化進(jìn)程導(dǎo)致的城市生態(tài)環(huán)境問題，采用不透水表面覆蓋率(impervious surface coverage，ISC)作為宏觀地理指標(biāo)表征昆明市城市化水平，以ρ(PM2．5)反映城市化進(jìn)程帶來的大氣環(huán)境問題，基于不同空間尺度和空間數(shù)理統(tǒng)計(jì)研究了ISC與ρ(PM2．5) 的對應(yīng)關(guān)系．結(jié)果表明：2000—2015年，昆明ISC從9．36%增至16．37%，ρ(PM2．5)年均值從17．12 μgm3增至28．63 μgm3，并且二者空間分布總體一致．從鄉(xiāng)鎮(zhèn)尺度分析，鄉(xiāng)鎮(zhèn)ρ(PM2．5)和ISC具有顯著空間自相關(guān)性，二者2015年Moran′s I指數(shù)分別為0．58和0．29(P<0．001)，具有顯著正相關(guān)性(R2=0．803，P<0．001)．當(dāng)鄉(xiāng)鎮(zhèn)ISC>5%時(shí)，有58．14%(2543)的鄉(xiāng)鎮(zhèn)已污染〔ρ(PM2．5)>25 μgm3〕；當(dāng)鄉(xiāng)鎮(zhèn)ISC>10%時(shí)，有71．43%(2535)的鄉(xiāng)鎮(zhèn)已污染；當(dāng)鄉(xiāng)鎮(zhèn)ISC>25%時(shí)，有100%(2626)的鄉(xiāng)鎮(zhèn)處于污染狀態(tài)；但當(dāng)鄉(xiāng)鎮(zhèn)ISC<5%時(shí)，所有鄉(xiāng)鎮(zhèn)的ρ(PM2．5)都低于25 μgm3．從站點(diǎn)尺度分析，所有站點(diǎn)旱季比雨季污染嚴(yán)重；主城區(qū)站點(diǎn)(ISC高)比城郊區(qū)站點(diǎn)(ISC低)污染嚴(yán)重，其中前者季節(jié)變化為冬天>春天>秋天>夏天，后者為春天>冬天>夏天>秋天；站點(diǎn)緩沖區(qū)ISC與ρ(PM2．5)的相關(guān)性顯著(R2=0．893，P<0．001)．研究顯示，未來中國新型城市化建設(shè)中應(yīng)當(dāng)考慮城市不透水表面比例和空間分布，保證新型城市擁有足夠的綠色空間，建設(shè)生態(tài)城市．

不透水表面覆蓋率； PM2．5污染； 城市化； 環(huán)境效應(yīng)

不透水表面(impervious surfaces)作為一種典型的城市地表覆蓋組分，是指一種由不透水性材料構(gòu)造的人為地表，主要包括建筑物屋面系統(tǒng)和交通運(yùn)輸系統(tǒng)，如房頂、廣場、道路、停車場等．中國近30年改革開放以來，城市化進(jìn)程越來越激烈，越來越多的人口涌入城市生活，為滿足城市人口、經(jīng)濟(jì)需求，城市不斷往四周蔓延，人工地表不斷擴(kuò)張，即不透水表面不斷增加．國內(nèi)外的諸多研究表明，不透水表面擴(kuò)張對城市生態(tài)系統(tǒng)[1]、水文循環(huán)[2]、水質(zhì)[2]、大氣環(huán)境[3- 4]和城市熱島[5]等有顯著的影響，已經(jīng)成為城市生態(tài)環(huán)境問題的重要指標(biāo)[6]．假如說“人口”、GDP是城市的軟件，具有“流動性”和“不穩(wěn)定性”，對城市的影響具有短暫性，不能準(zhǔn)確量化城市化水平，那么城市不透水表面則是城市的“硬件”，其對城市生態(tài)系統(tǒng)具有永久性影響[7]．不透水表面的擴(kuò)張改變了城市生態(tài)系統(tǒng)的結(jié)構(gòu)，破壞了地表系統(tǒng)的自然生態(tài)功能，導(dǎo)致城市大氣環(huán)境惡化，生物多樣性減少和水環(huán)境退化等；ISC能夠綜合反映人類開發(fā)活動強(qiáng)度，且易于用遙感技術(shù)大范圍提取和量化，能夠定性和定量地反映人類活動對陸地生態(tài)系統(tǒng)影響．該研究采用ISC作為可量化地理空間指標(biāo)來研究近年來快速城市化的大氣環(huán)境效應(yīng)．目前，ISC作為一種城市指標(biāo)來研究城市生態(tài)環(huán)境的研究主要應(yīng)用在水環(huán)境[6]、城市熱環(huán)境[4，8- 10]，把不透水表面應(yīng)用于大氣環(huán)境效應(yīng)還處于探索階段．早在1996年，Arnold等[6]研究表明，采用ISC作為一個城市化指標(biāo)來分析城市化帶來的水環(huán)境污染問題，認(rèn)為ISC能夠有效地解析一系列復(fù)雜的城市環(huán)境問題．Bierwagen等[1]研究表明，美國馬里蘭流域不透水表面擴(kuò)展影響流域徑流、水滲透能力、水質(zhì)狀況，認(rèn)為當(dāng)子流域ISC>25%時(shí)，其流域水質(zhì)明顯退化，并且如果不加以控制，其將帶來不可逆轉(zhuǎn)的生態(tài)破壞．美國國家環(huán)境保護(hù)局[11]研究表明，美國北卡羅來納州流域的子流域ISC與水質(zhì)呈顯著負(fù)相關(guān)，當(dāng)子流域ISC>10%時(shí)，有62%的監(jiān)測站點(diǎn)的水質(zhì)下降；當(dāng)ISC>15%時(shí)，有78%的監(jiān)測站點(diǎn)水質(zhì)下降；當(dāng)ISC>25%時(shí)，有83%的監(jiān)測站點(diǎn)水質(zhì)退化；當(dāng)ISC>30%時(shí)，有91%的站點(diǎn)水質(zhì)退化．相反，當(dāng)ISC<10%時(shí)，只有10%的站點(diǎn)水質(zhì)下降．把ISC用來研究城市空氣質(zhì)量的研究有：Larkin[12]研究表明，城市擴(kuò)張與城市NO2濃度呈顯著相關(guān)性，認(rèn)為城市規(guī)劃和土地利用政策對區(qū)域空氣污染具有巨大影響．Heald等[13]研究表明，人工地表-不透水表面擴(kuò)張影響城市景觀、攪動能量循環(huán)、空氣濕度、化學(xué)通量和影響地表氣候，認(rèn)為其對地表O3約有±5 μgm3的攪動作用．Han等[14]研究表明，城市不透水表面對空氣污染具有很大的影響，認(rèn)為一定區(qū)域內(nèi)，ISC越大，空氣污染越嚴(yán)重．

研究[12- 16]表明，不透水表面對城市大氣環(huán)境產(chǎn)生影響的原因：①不透水表面擴(kuò)張改變區(qū)域能量平衡和氣候循環(huán)，直接改變地表污染物與大氣層的氣流交換，影響大氣污染的擴(kuò)散、稀釋和匯集；②不透水表面格局幾乎控制整個城市空氣動力學(xué)粗糙度，影響區(qū)域氣候；③形成城市“熱島”效應(yīng)；④改變城市地貌形態(tài)；⑤大部分人類活動都集中在不透水表面上，間接綜合各種人類開發(fā)活動的強(qiáng)度．目前研究主要把ISC作為一個城市特征來研究其與城市空氣污染的相關(guān)關(guān)系，該研究以ISC作為一個可控、可量測的宏觀地理指標(biāo)來研究城市化進(jìn)程中城市下墊面的改變導(dǎo)致的生態(tài)環(huán)境問題，認(rèn)為不透水表面擴(kuò)張是人類改變自然的一個最直接的行為方式，其直接改變地表結(jié)構(gòu)導(dǎo)致區(qū)域下墊面結(jié)構(gòu)發(fā)生變化，進(jìn)而影響區(qū)域風(fēng)場[17]、溫度場、氣流、大氣邊界層的改變[18]，形成大氣逆溫層，阻礙大氣污染物的擴(kuò)散，使得局地污染物濃度持續(xù)居高不下，是研究城市大氣環(huán)境的一個重要指標(biāo)．中國PM2．5污染嚴(yán)重且對人類健康危害巨大，因此以ρ(PM2．5)來表征城市空氣質(zhì)量，以此來研究城市化帶來的城市大氣環(huán)境效應(yīng)．現(xiàn)在對PM2．5污染的研究主要集中在源解析[19- 20]、化學(xué)組分[21]、與氣象條件的關(guān)系[22]、污染時(shí)空分布特征[23- 24]等，并主要集中在京津冀[25]、長三角[26- 28]、珠三角[29]、川渝[30- 31]等污染嚴(yán)重地區(qū)，而研究中國西部污染相對較少．其中畢麗玫等[32]研究表明昆明市主城區(qū)的PAHs主要來源于機(jī)動車尾氣排放、燃煤排放、生物質(zhì)燃燒等．尚未有文獻(xiàn)分析昆明市城市化過程中不透水表面擴(kuò)張與PM2．5污染的相關(guān)關(guān)系．該研究以昆明市為例從不透水表面擴(kuò)張的視角，探索了城市化進(jìn)程中不透水表面擴(kuò)張與城市PM2．5污染的相關(guān)關(guān)系，即用ISC表征昆明市城市化水平程度，用PM2．5污染代表大氣污染指標(biāo)，來挖掘這二者之間的關(guān)系，得出ISC與PM2．5相關(guān)性顯著．

1 研究區(qū)概況與數(shù)據(jù)

由于獨(dú)特的區(qū)位優(yōu)勢，昆明市近幾年城市化發(fā)展迅速，滇池已因城市化而被嚴(yán)重污染，引起了國家高度重視，但昆明大氣環(huán)境污染還沒有引起廣泛關(guān)注．相比于中國其他污染嚴(yán)重的區(qū)域，昆明市空氣質(zhì)量相對較好．通過環(huán)境保護(hù)部按小時(shí)發(fā)布的空氣質(zhì)量數(shù)據(jù)，得出昆明市71．43%站點(diǎn)的ρ(PM2．5)年均值高于GB 3095—2012二級標(biāo)準(zhǔn)(35 μgm3)[33]，全部站點(diǎn)的ρ(PM2．5) 年均值都沒有達(dá)到世界衛(wèi)生組織(WHO)標(biāo)準(zhǔn)(10 μgm3)[34]，昆明的空氣污染也已經(jīng)進(jìn)入我們的生活，昆明市空氣污染需要及時(shí)預(yù)防，而不是先污染，后治理．研究區(qū)示意圖見圖1．

注：底圖采用云南省1∶25萬矢量地圖，來源于云南省 測繪地理信息局．DEM數(shù)據(jù)是采用國家1∶5萬30 m分辨數(shù)據(jù)，來源于國際科學(xué)數(shù)據(jù)服務(wù)平臺 (http：datamirror．csdb．cn), 下載日期：2015年11月2日．圖1 研究區(qū)PM2．5自動監(jiān)測站點(diǎn)分布Fig．1 The spatial distribution of automatic PM2．5 monitoring stations in study area

1.1 空氣質(zhì)量數(shù)據(jù)

昆明市空氣質(zhì)量濃度數(shù)據(jù)包括：地面實(shí)時(shí)監(jiān)測數(shù)據(jù)和遙感影像提取數(shù)據(jù)．地面實(shí)時(shí)監(jiān)測數(shù)據(jù)來自于國家環(huán)境保護(hù)部按小時(shí)發(fā)布的空氣質(zhì)量數(shù)據(jù)(來源于http：pm25．in)．主要有7個國家空氣質(zhì)量自動監(jiān)測站點(diǎn)(見表1)，數(shù)據(jù)收集時(shí)間為2013年4月2日到2016年6月2日，共有3年2個月的每h質(zhì)量數(shù)據(jù)，國家監(jiān)測的主要污染物包括PM2．5、CO、NO2、O3、SO2、PM10，以及相應(yīng)的24 h污染物濃度數(shù)據(jù)，外加AQI指數(shù)．該研究采用ρ(PM2．5)數(shù)據(jù)，根據(jù)空氣質(zhì)量自動監(jiān)測點(diǎn)的經(jīng)緯度，生成點(diǎn)圖層數(shù)據(jù)，形成與昆明市土地利用分類數(shù)據(jù)一樣的空間數(shù)據(jù)，以便分析站點(diǎn)周邊土地利用格局和結(jié)構(gòu)對ρ(PM2．5)的影響．

雖然地面自動監(jiān)測數(shù)據(jù)具有實(shí)時(shí)性、準(zhǔn)確性，但是地面空氣質(zhì)量自動監(jiān)測站點(diǎn)稀少零散，監(jiān)測成本高，難以大范圍地獲取區(qū)域空氣質(zhì)量數(shù)據(jù)．為了彌補(bǔ)這個缺點(diǎn)，該研究采用了基于大氣層反射率的優(yōu)化算法[35- 36]，利用MODIS(Moderate Resolution Imaging Spectroradiometer)數(shù)據(jù)，反演了2000—2015年的ρ(PM2．5)空間分布，空間分辨率為0．01°，其反演結(jié)果與地面監(jiān)測數(shù)據(jù)具有較高的相關(guān)性(R2=0．82)，該數(shù)據(jù)來源于美國大氣成分分析組(Group，http：fizz．phys．dal．ca～at-mosmartin)．由于地面監(jiān)測站點(diǎn)的數(shù)據(jù)收集在2013年4月—2016年6月期間，只有2014年和2015年有全年的監(jiān)測數(shù)據(jù)，因此該研究對2014年和2015年的昆明市7個監(jiān)測站點(diǎn)的觀測值以及MODIS反演值的差異進(jìn)行分析(見表2)．

表1 昆明監(jiān)測點(diǎn)信息

從圖2可以看出，昆明市MODIS反演的ρ(PM2．5) 與地面監(jiān)測值高度相關(guān)，雖然沒有達(dá)到一直的效果，有一定的誤差(見表2)．但是二者具有很高的相關(guān)性，模擬結(jié)果符合實(shí)際情況，符合實(shí)驗(yàn)精度要求．昆明市MODIS反演的ρ(PM2．5)空間分布見圖3，由于篇幅以及不透水提取的數(shù)據(jù)有限，這里只展示2000年、2005年、2008年、2010年、2013年、2015年的空間分布圖．

表2 監(jiān)測站點(diǎn)ρ(PM2．5)觀測值與反演值對比分析

圖2 2014年ρ(PM2．5)模擬值與監(jiān)測值的相關(guān)性分析Fig．2 The relationship between the monitoring value and the simulation value in 2014

圖3 昆明市ρ(PM2．5)時(shí)空變化趨勢Fig．3 The change of the PM2．5 concentration in Kunming

從圖3可以看出，昆明已經(jīng)不再是人們以為的“春城”，PM2．5污染一樣地襲擊該城，并出現(xiàn)越演越劇烈的趨勢．昆明市東南地區(qū)明顯高于西北區(qū)域．2015年，整個昆明的南邊區(qū)域都處于輕度污染水平．因此，研究昆明市大氣環(huán)境污染的意義重大，要把PM2．5污染扼殺在搖籃里，而不是等到跟華北平原污染一樣嚴(yán)重的時(shí)候才來治理，要預(yù)防在先．下面章節(jié)依據(jù)PM2．5空間分布數(shù)據(jù)，采用空間分析工具(分區(qū)統(tǒng)計(jì))計(jì)算昆明市各鄉(xiāng)鎮(zhèn)從2000年到2015年ρ(PM2．5)變化，充分發(fā)揮MODIS數(shù)據(jù)的多時(shí)相、大尺度、連續(xù)性的優(yōu)勢以及地面監(jiān)測站監(jiān)測數(shù)據(jù)的實(shí)時(shí)性、準(zhǔn)確性的優(yōu)點(diǎn)．

1．2 土地利用數(shù)據(jù)

該研究選用2000年3月21日、2005年4月9日、2008年3月1日、2010年3月11日的LandsatETM+以及2015年4月3日的Landsat 8+OLI遙感影像數(shù)據(jù)，采用監(jiān)督分類方法提取昆明市土地利用數(shù)據(jù)：建筑用地；林地；草地；水體；裸地〔見圖4(a)〕．采用混淆矩陣對土地利用分類數(shù)據(jù)進(jìn)行精度驗(yàn)證，表明分類結(jié)果可靠(見表3)．根據(jù)土地利用數(shù)據(jù)計(jì)算昆明市的ISC空間分布〔見圖4(b)〕．

圖4 2015年昆明市土地利用分類數(shù)據(jù)和ISC空間分布Fig．4 The land use and land cover and the spatial distribution of ISC in Kunming， 2015

年份數(shù)據(jù)類型總體精度∕%Kappa系數(shù)2015Landsat∕OLI90．960．94622008Landsat∕TM82．360．89302000Landsat∕ETM+89．360．9023

2 ISC和PM2．5時(shí)空耦合關(guān)系

2．1 ISC與PM2．5時(shí)空演變

昆明市ISC從2000年的9．36%增至2015年16．37%，ρ(PM2．5)年均值從2000年的17．12 μgm3升至2015年的28．63 μgm3，二者變化趨勢一致(見表4)．昆明市2000—2008年以來，城市化發(fā)展迅速，不透水表面擴(kuò)張速度較快，相對于2008—2015年，其發(fā)展速度快了1倍．同理，兩個時(shí)期的ρ(PM2．5)增長模式與ISC總體相似．ρ(PM2．5)的最高值從2000年的17．12 μgm3增至2015年的28．63 μgm3，增長了11．51 μgm3，增長率為67．23%．ρ(PM2．5)空間分布表明昆明市所有鄉(xiāng)鎮(zhèn)沒有達(dá)到WHO標(biāo)準(zhǔn)．

表4 2000—2015年昆明市ISC與ρ(PM2．5)變化

圖5 2000—2015年昆明市鄉(xiāng)鎮(zhèn)ISC時(shí)空變化趨勢Fig．5 The spatial distribution of ISC changes at the town level during 2000 to 2015

圖6 2000—2015年昆明市鄉(xiāng)鎮(zhèn)PM2．5時(shí)空變化趨勢Fig．6 The spatial distribution of PM2．5 concentration changes at the town level during 2000 to 2015

2．2 ISC與ρ(PM2．5)空間自相關(guān)性分析

空間計(jì)量經(jīng)濟(jì)學(xué)理論[37]認(rèn)為，一個地區(qū)空間單元上的某一種地理現(xiàn)象或某一屬性值與鄰近地區(qū)空間單元上同一現(xiàn)象或?qū)傩灾凳窍嚓P(guān)的．徐偉嘉等[29]研究表明，采用地統(tǒng)計(jì)學(xué)定性、定量分析了珠三角州ρ(PM2．5)的時(shí)空變異特征，認(rèn)為ρ(PM2．5)的分布差異主要由區(qū)域結(jié)構(gòu)導(dǎo)致．該研究對2015年昆明市的鄉(xiāng)鎮(zhèn)ISC和ρ(PM2．5)分布數(shù)據(jù)進(jìn)行空間自相關(guān)性分析，采用Moran′s I指數(shù)進(jìn)行全局空間自相關(guān)性分析得出PM2．5與ISC具有明顯的空間自相關(guān)性(見表5)．

表5 Moran′s I分析

其中ρ(PM2．5)的Moran′s I為0．58，P<0．001，ISC的Moran′s I為0．29，P<0．001，其值都大于0，且P值通過顯著性檢驗(yàn)，表明PM2．5和ISC都具有明顯的高值和低值的聚集特征，具有顯著的空間自相關(guān)性．ISC和ρ(PM2．5)的高值和高值聚集于昆明主城區(qū)及其東南鄉(xiāng)鎮(zhèn)上，低值與低值聚集在昆明市西北區(qū)域．

3 不透水表面擴(kuò)張與PM2．5污染相關(guān)性分析

3．1 鄉(xiāng)鎮(zhèn)尺度分析

按照2015年ρ(PM2．5)年均值，把昆明市137個鄉(xiāng)鎮(zhèn)劃分為優(yōu)(0～15 μgm3)、良(>15～25 μgm3)、污染(>25 μgm3)三個等級的鄉(xiāng)鎮(zhèn)群；基于空間疊加統(tǒng)計(jì)分析獲得各級別鄉(xiāng)鎮(zhèn)群的ISC(見表6)．

表6 2015年昆明鄉(xiāng)鎮(zhèn)PM2．5污染級別與ISC

此外，把昆明市137個鄉(xiāng)鎮(zhèn)按照2015年的ISC劃分為不密集(0%～5%)、輕度密集(>5%～10%)、密集(>10%～25%)、非常密集(>25%)4個等級的鄉(xiāng)鎮(zhèn)群；通過空間分區(qū)統(tǒng)計(jì)各等級鄉(xiāng)鎮(zhèn)群的ρ(PM2．5)平均值(見表7)．

表7 2015年昆明鄉(xiāng)鎮(zhèn)ISC級別與PM2．5污染

結(jié)論表明，當(dāng)鄉(xiāng)鎮(zhèn)ISC>5%時(shí)，有58．14%(2543)的鄉(xiāng)鎮(zhèn)已污染(>25 μgm3)；當(dāng)鄉(xiāng)鎮(zhèn)ISC>10%時(shí)，有71．43%(2535)的鄉(xiāng)鎮(zhèn)已污染；當(dāng)鄉(xiāng)鎮(zhèn)ISC>25%時(shí)，有100%(2626)的鄉(xiāng)鎮(zhèn)處于污染狀態(tài)．結(jié)論表明，隨著ISC等級的升高，其被PM2．5污染的鄉(xiāng)鎮(zhèn)數(shù)量也相應(yīng)增長．此外，采用最小二乘法(OLS)空間回歸模型，得出昆明市鄉(xiāng)鎮(zhèn)ISC和ρ(PM2．5) 呈顯著現(xiàn)正相關(guān)(R2=0．803，P<0．001)．

3．2 空氣質(zhì)量監(jiān)測站點(diǎn)緩沖區(qū)尺度分析

3．2．1 各站點(diǎn)ISC

昆明市空氣質(zhì)量自動監(jiān)測站與昆明市土地利用分類圖疊加(見圖7)表明，碧雞廣場、金鼎山、龍泉鎮(zhèn)、東風(fēng)東路、關(guān)上等站點(diǎn)位于主城區(qū)，ISC高，植被覆蓋率低，人類活動密集；呈貢新區(qū)位于城郊區(qū)，建筑用地相對較低，屬于新開發(fā)區(qū)；西山森林公園站點(diǎn)，屬于清潔對照區(qū)，植被覆蓋度高、ISC低．

圖7 昆明市空氣質(zhì)量監(jiān)測站點(diǎn)分布圖及其緩沖區(qū)(2 km)土地利用結(jié)構(gòu)Fig．7 The spatial distribution of the stations and their buffers(2 km)land use and land cover

為了分析各監(jiān)測站點(diǎn)周邊土地利用格局與其ρ(PM2．5)的相關(guān)關(guān)系，把站點(diǎn)緩沖區(qū)圖層與2015年土地利用分類數(shù)據(jù)進(jìn)行空間疊加分析，獲得各站點(diǎn)緩沖區(qū)2 km范圍內(nèi)的土地利用結(jié)構(gòu)，計(jì)算每個監(jiān)測站點(diǎn)周邊的ISC(見表8)．

表8 昆明監(jiān)測點(diǎn)周邊土地利用類型

其中東風(fēng)東路為市區(qū)最繁華地帶，ISC最高，植被覆蓋率低；呈貢新區(qū)由于是新開發(fā)的城郊，ISC對于主城區(qū)的站點(diǎn)來說，其ISC相對較低；西山森林公園的植被覆蓋率最高，達(dá)到92．61%，其ISC僅為4．91%，各站點(diǎn)的ISC提取結(jié)果符合實(shí)際情況．

3．2．2 站點(diǎn)ISC與ρ(PM2.5)的相關(guān)性分析

依據(jù)站點(diǎn)緩沖區(qū)范圍的ISC，把站點(diǎn)劃分主城區(qū)(龍泉路、金鼎山、關(guān)上、東風(fēng)東路、碧雞廣場)、城郊區(qū)(呈貢新區(qū)、西山森林公園)．依據(jù)中國氣象劃分，把一年劃分為冬季(12月、1月、2月)、秋季(9月、10月、11月)、夏季(6月、7月、8月)、春季(3月、4月、5月)，根據(jù)各站點(diǎn)每小時(shí)空氣質(zhì)量數(shù)據(jù)，分別計(jì)算2015年各站點(diǎn)季節(jié)均值和年均值，分析各站點(diǎn)ρ(PM2．5)季節(jié)變化規(guī)律(見表9)．

表9 2015年昆明市ρ(PM2．5)季節(jié)變化及其與ISC的關(guān)系

主城區(qū)站點(diǎn)的ρ(PM2．5)的季節(jié)變化是冬季>春季>秋季>夏季；而城郊區(qū)站點(diǎn)ρ(PM2．5)季節(jié)變化是春季>冬季>夏季>秋季．結(jié)果表明：①主城區(qū)的站點(diǎn)PM2．5污染嚴(yán)重于城郊區(qū)站點(diǎn)，表明站點(diǎn)ISC越高，其PM2．5污染越嚴(yán)重．②由于昆明分旱季(春、冬)和雨季(夏、秋)，得出所有站點(diǎn)都是旱季污染大于雨季．③主城區(qū)站點(diǎn)與城郊區(qū)站點(diǎn)在旱季和雨季期間的變化規(guī)律不一樣，在旱季期，主城區(qū)是冬季>春季，而城郊區(qū)是春季>冬季；在雨季期，主城區(qū)是秋季>夏季，而城郊區(qū)是夏季>秋季，這是因?yàn)橹鞒菂^(qū)ISC高，人類活動密集，由于冬天氣溫低，使得各種跟人類活動相關(guān)的燃煤、機(jī)動車汽油等燃燒不全，導(dǎo)致冬天污染重于春天，同理在雨季期，秋季污染大于夏季；而在城郊區(qū)，ISC越低，受人類活動的影響越少，主要受風(fēng)速、風(fēng)向等影響，由于昆明春季風(fēng)大，西山森林公園受其周邊二條高速公路機(jī)動車排放的影響巨大(81．84%)[16]以及受西南邊的安寧化工廠污染的遠(yuǎn)距離傳輸影響，外加大部分游客會選擇春季前往西山森林公園游玩，相對較高的游客也是導(dǎo)致其春季濃度大于其他季節(jié)的重要原因．然后由于西山森林公園ISC最低(4．91%)，植被覆蓋率高(92．61%)，其ρ(PM2．5)相對于其他站點(diǎn)來說，總體濃度也是最低．主城區(qū)之東風(fēng)東路、關(guān)上、金鼎山站點(diǎn)是昆明市ρ(PM2．5)最高的3個站點(diǎn)，分別為39．17、37．81、35．95 μgm3，均遠(yuǎn)高于ρ(PM2．5)年均中國二級標(biāo)準(zhǔn)(25 μgm3)，同樣這3個站點(diǎn)的ISC也名列前三，分別為91．95%、80．16%、79．80%，二者變化趨勢一致．城郊區(qū)之呈貢新區(qū)站點(diǎn)的ISC相對較低，ρ(PM2．5) 比主城區(qū)的站點(diǎn)低．

圖8 昆明市站點(diǎn)ISC與ρ(PM2．5) 年均值的線性相關(guān)關(guān)系Fig．8 The linear relation between the stations′I SC and the PM2．5 concentrations

此外，采用線性回歸模型，對各站點(diǎn)ρ(PM2．5)年均值和緩沖區(qū)(2 km)內(nèi)ISC進(jìn)行回歸分析，得出ρ(PM2．5) 年均值與ISC呈顯著線性正相關(guān)(R2=0．893，P<0．001)(見圖8)，不符合庫茲涅茨倒U曲線關(guān)系，因?yàn)槔ッ魇谐鞘谢l(fā)展帶來的環(huán)境污染尚未達(dá)到峰值，城市環(huán)境污染還會隨著城市化進(jìn)程加速，不透水表面擴(kuò)張而加劇，因此如何有效通過控制宏觀ISC來預(yù)防城市大氣污染問題顯得非常重要．

4 結(jié)論

a) 從城市化進(jìn)程中由人類開發(fā)活動主導(dǎo)的不透水表面擴(kuò)張的視角出發(fā)，分析城市化過程帶來的城市環(huán)境問題．昆明市ISC從2000年的9．36%增至2015年的16．37%，ρ(PM2．5)也從2000年的17．12 μgm3增至2015年的28．63 μgm3；2000—2015年，不透水表面主要圍繞主城區(qū)向東南、東北方向蔓延和增長，ρ(PM2．5) 也是往東南、東北方向擴(kuò)散、加??；昆明市東南區(qū)的ISC(從11．56%增至25．78%)比西北地區(qū)(從2．12%增至5．15%)增長得快．ISC快速增長區(qū)域往往也伴隨著快的ρ(PM2．5)增長，東南區(qū)的ρ(PM2．5)(從21．37 μgm3增至36．75 μgm3))的增長快于西北地區(qū)(從4．56 μgm3增至10．65 μgm3)．昆明市ISC和ρ(PM2．5)時(shí)空演變規(guī)律總體保持一致．

b) 以鄉(xiāng)鎮(zhèn)為空間單元，分析昆明市鄉(xiāng)鎮(zhèn)ISC與ρ(PM2．5) 的相關(guān)關(guān)系，充分利用ρ(PM2．5)的遙感數(shù)據(jù)大范圍、多時(shí)相的優(yōu)勢，得出昆明市鄉(xiāng)鎮(zhèn)ISC和ρ(PM2．5)都有顯著的空間自相關(guān)性，其Moran′s I指數(shù)分別為0．58，0．29(P<0．001)，具有高值和高值聚集，低值和低值聚集特征顯著．結(jié)果表明，當(dāng)鄉(xiāng)鎮(zhèn)ISC>5%時(shí)，有58．14%(2543)的鄉(xiāng)鎮(zhèn)已污染(>25 μgm3)；當(dāng)鄉(xiāng)鎮(zhèn)ISC>10%時(shí)，有71．43%(2535)的鄉(xiāng)鎮(zhèn)已污染；當(dāng)鄉(xiāng)鎮(zhèn)ISC>25%時(shí)，有100%(2626)的鄉(xiāng)鎮(zhèn)處于污染狀態(tài)．隨著ISC等級的升高，其被PM2．5污染的鄉(xiāng)鎮(zhèn)數(shù)量也相應(yīng)地增長．此外，采用最小二乘法(OLS)空間回歸模型，得出昆明市鄉(xiāng)鎮(zhèn)ISC和ρ(PM2．5)呈顯著正相關(guān)(R2=0．803，P<0．001)．

c) 昆明站點(diǎn)ρ(PM2．5)的季節(jié)變化規(guī)律是主城區(qū)站點(diǎn)ρ(PM2．5)的季節(jié)變化規(guī)律是冬季>春季>秋季>夏季；而城郊區(qū)站點(diǎn)ρ(PM2．5)季節(jié)變化是春季>冬季>夏季>秋季．以站點(diǎn)緩沖區(qū)范圍2 km為空間單元，采用線性回歸分析得出站點(diǎn)緩沖區(qū)ISC與ρ(PM2．5)呈顯著線性正相關(guān)(R2=0．893，P<0．001)，由于地面監(jiān)測站點(diǎn)的ρ(PM2．5)實(shí)時(shí)性和準(zhǔn)確性，使得站點(diǎn)緩沖區(qū)ISC與PM2．5線性相關(guān)系數(shù)更高．但多尺度分析都表明不透水表面擴(kuò)張與ρ(PM2．5)具有顯著正相關(guān)關(guān)系，表明ISC作為一個綜合、可控、可量測的城市地理空間指標(biāo)，能很好反映出城市化過程中，人類開發(fā)活動對PM2．5污染的影響．

d) 研究表明，不透水表面擴(kuò)張與PM2．5污染具有強(qiáng)相關(guān)性．在未來城市化建設(shè)中，可以通過分析ISC及其空間分布格局來宏觀調(diào)控城市生態(tài)系統(tǒng)的結(jié)構(gòu)和功能，為新型城鎮(zhèn)化建設(shè)提供理論依據(jù)．

[1] BIERWAGEN B G，THEOBALD D M，PYKE C R，etal．National housing and impervious surface scenarios for integrated climate impact assessments[J]．Proceedings of the National Academy of Sciences of the United States of America，2010，107(49)：20887- 20892．

[2] BAI P，LIU W，GUO M．Impacts of climate variability and human activities on decrease in streamflow in the Qinhe River，China[J]．Theoretical and Applied Climatology，2013，117(12)：293- 301．

[3] HAN L，ZHOU W，LI W．Increasing impact of urban fine particles(PM2．5)on areas surrounding Chinese cities[J]．Scientific Reports，2015，5：12467．

[4] GEDDES J A，HEALD C L，SILVA S J，etal．Land cover change impacts on atmospheric chemistry：simulating projected large- scale tree mortality in the United States[J]．Atmospheric Chemistry and Physics Discussions，2015，15(20)：29303- 29345．

[5] ADEYEMI A，BOTAI J，RAMOELO A，etal．Effect of impervious surface area and vegetation changes on mean surface temperature over Tshwane metropolis，Gauteng Province，South Africa[J]．South African Journal of Geomatics，2015，4(4)：351．

[6] ARNOLD C L，GIBBONS C J．Impervious surface coverage：the emergence of a key environmental indicator[J]．Journal of the American Planning Association，1996，62(2)：243- 258．

[7] BAI X，CHEN J，SHI P．Landscape urbanization and economic growth in China：positive feedbacks and sustainability dilemmas[J]．Environmental Science & Technology，2012，46(1)：132- 139．

[8] BOURBIA F，AWBI H B．Building cluster and shading in urban canyon for hot dry climate[J]．Renewable Energy，2004，29(2)：249- 262．

[9] CHEN L，ZHANG M，WANG Y．Model analysis of urbanization impacts on boundary layer meteorology under hot weather conditions：a case study of Nanjing，China[J]．Theoretical and Applied Climatology，2015，34(4)：346- 352．

[10] CUI L，SHI J．Urbanization and its environmental effects in Shanghai，China[J]．Urban Climate，2012，2：1- 15．

[11] EXUM L R，BIRD S L，HARRISON J，etal．Estimating and Projecting Impervious Cover in the Southeastern United States[R]．Environmental Protection Agency(EPA)，2005．

[12] LARKIN A，VAN DONKELAAR A，GEDDES J A，etal．Relationships between changes in urban characteristics and air quality in East Asia from 2000 to 2010[J]．Environmental Science & Technology，2016，35(12)：440- 556．

[13] HEALD C L，SPRACKLEN D V．Land use change impacts on air quality and climate[J]．Chemical Reviews，2015，115(10)：4476- 4496．

[14] HAN L，ZHOU W，LI W，etal．Meteorological and urban landscape factors on severe air pollution in Beijing[J]．Journal of the Air & Waste Management Association，2015，65(7)：782- 787．

[15] XIA C，YE Y，ZHANG S，etal．Effects of Urban Construction Land Spatial Form on PM2．5 Dispersion[M]Proceedings of the 20th International Symposium on Advancement of Construction Management and Real Estate．Springer Singapore，2017．

[16] HAO Y，LIU Y-M．The influential factors of urban PM2.5 concentrations in China：a spatial econometric analysis[J]．Journal of Cleaner Production，2016，112：1443- 1453．

[17] 何建軍，吳琳，毛洪鈞，等．氣象條件對河北廊坊城市空氣質(zhì)量的影響[J]．環(huán)境科學(xué)研究，2016，29(6)：791- 799． HE Jianjun，WU Lin，MAO Hongjun，etal．Impacts of meteorological conditions on air quality in urban Langfang，Hebei Province[J]．Research of Environmental Sciences，2016，29(6)：791- 799．

[18] 尚可，楊曉亮，張葉，等．河北省邊界層氣象要素與PM2．5關(guān)系的統(tǒng)計(jì)特征[J]．環(huán)境科學(xué)研究，2016，29(3)：232- 333． SHANG Ke，YANG Xiaoliang，ZHANG Ye，etal．Statistical analysis of the relationship between meteorological factors and PM2.5in the boundary layer over Hebei Province[J]．Research of Environmental Sciences，2016，29(3)：323- 333．

[19] 方冬青，魏永杰，黃偉，等．北京市2014年10月重霾污染特征及有機(jī)碳來源解析[J]．環(huán)境科學(xué)研究，2016，29(1)：12- 19． FANG Dongqing，WEI Yongjie，HUANG Wei，etal．Characterization and source apportionment of organic carbon during a heavy haze episode in Beijing in October 2014[J]．Research of Environmental Sciences，2016，29(1)：12- 19．

[20] 陳云波，徐峻，何友江，等．北京市冬季典型重污染時(shí)段PM2．5污染來源模式解析[J]．環(huán)境科學(xué)研究，2016，29(5)：627- 636． CHEN Yunbo，XU Jun，HE Youjiang，etal．Model analytic research of typical heavy PM2．5pollution periods in winter in Beijing[J]．Research of Environmental Sciences，2016，29(5)：627- 636．

[21] 云慧，何凌燕，黃曉鋒，等．深圳市PM2．5化學(xué)組成與時(shí)空分布特征[J]．環(huán)境科學(xué)，2013，34(4)：1245- 1251． YUN Hui，HE Lingyan，HUANG Xiaofeng，etal．Characterising seasonal variation and spatial distribution of PM2．5species in Shenzhen[J]．Environment Science，2013，34(4)：1245- 1251．

[22] 周磊，武建軍，賈瑞靜，等．京津冀PM2．5時(shí)空分布特征及其污染風(fēng)險(xiǎn)因素[J]．環(huán)境科學(xué)研究，2016，29(4)：483- 493． ZHOU Lei，WU Jianjun，JIA Ruijing，etal．Investigation of temporal-spatial characteristics and underlying risk factors of PM2．5pollution in Beijing- Tianjin-Hebei Area[J]．Research of Environmental Sciences，2016，29(4)：483- 493．

[23] 王振波，方創(chuàng)琳，許光，等．2014年中國城市PM2．5濃度的時(shí)空變化規(guī)律[J]．地理學(xué)報(bào)，2015，70(11)：1720- 1734． WANG Zhenbo，F(xiàn)ANG Chuanglin，XU Guang，etal．Spatial-temporal characteristics of the PM2．5in China in 2014[J]．Acta Geographica Sinica，2015，70(11)：1720- 1734．

[24] 李名升，任曉霞，于洋，等．中國大陸城市PM2．5污染時(shí)空分布規(guī)律[J]．中國環(huán)境科學(xué)，2016，36(3)：641- 650． LI Mingsheng，REN Xiaoxia，YU Yang，etal．Spatiotemporal pattern of ground-level fine particulate matter(PM2．5)pollution in mainland China[J]．China Environmental Science，2016，36(3)：641- 650．

[25] 王浩，高健，李慧，等．2007- 2014年北京地區(qū)PM2．5質(zhì)量濃度變化特征[J]．環(huán)境科學(xué)研究，2016，29(6)：783- 790． WANG Hao，GAO Jian，LI Hui，etal．Variation of PM2．5mass concentration in Beijing Area during 2007- 2014[J]．Research of Environmental Sciences，2016，29(6)：783- 790．

[26] 莊智一．上海地區(qū)霾的統(tǒng)計(jì)分析研究[D]．上海：華東師范大學(xué)，2012．

[27] 鄭玫，張延君，閆才青，等．上海PM2．5工業(yè)源譜的建立[J]．中國環(huán)境科學(xué)，2013，33(8)：1354- 1359． ZHENG Mei，ZHANG Yanjun，YAN Caiqing，etal．Establishing PM2．5industrial source profiles in Shanghai[J]．China Environmental Science，2013，33(8)：1354- 1359．

[28] 王佳，鄭君瑜，柯釗躍，等．典型工業(yè)源下風(fēng)向居民住宅區(qū)PM2．5暴露評價(jià)[J]．環(huán)境科學(xué)研究，2012，25(7)：745- 750． WANG Jia，ZHENG Junyu，KE Zhaoyue，etal．Assessment of PM2．5exposure of residents in a community downwind of a typical industrial source[J]．Research of Environmental Sciences，2012，25(7)：745- 750．

[29] 徐偉嘉，何芳芳，李紅霞，等．珠三角區(qū)域PM2．5時(shí)空變異特征[J]．環(huán)境科學(xué)研究，2014，27(9)：951- 957． XU Weijia，HE Fangfang，LI Hongxia，etal．Spatial and temporal variations of PM2．5in the Pearl River Delta[J]．Research of Environmental Sciences，2014，27(9)：951- 957．

[30] 吳健生，廖星，彭建，等．重慶市PM2．5濃度空間分異模擬及影響因子[J]．環(huán)境科學(xué)，2015，36(3)：759- 767． WU Jiansheng，LIAO Xing，PENG Jian，etal．Simulation and influencing factors of spatial distribution of PM2．5concentrations in Chongqing[J]．Environmental Science，2015，36(3)：759- 767．

[31] 彭征．重慶市中心城區(qū)土地利用_覆蓋變化及其對地表溫度影響研究[D]．重慶：西南大學(xué)，2009．

[32] 畢麗玫，郝吉明，寧平，等．昆明城區(qū)大氣PM2．5中PAHs的污染特征及來源分析[J]．中國環(huán)境科學(xué)，2015，35(3)：659- 667． BI Limei，HAO Jiming，NING Ping，etal．Characteristics and sources apportionment of PM2．5-bound PAHs in Kunming[J]．China Environmental Science，2015，35(3)：659- 667．

[33] 環(huán)境保護(hù)部．GB 3095—2012 環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)[S]．北京：環(huán)境保護(hù)部，2012．

[34] World Health Organization．Standards of the world air quality[S].Geneva:World Health Organization，2006．

[35] VAN DONKELAAR A，MARTIN R V，BRAUER M，etal．Use of satellite observations for long-term exposure assessment of global concentrations of fine particulate matter[J]．Environmental Health Perspectives，2015，123(2)：135- 143．

[36] BRAUER A D R M M．Global estimates of average ground-level fine particulate matter concentrations from satellite-based aerosol optical depth[J]．Environment Health Perspect，2010：118．

[37] Anselin L．Conclusions[M]Spatial econometrics：methods and Models．Berlin：Springer Netherlands，1988：253- 254．

Association Between Impervious Surface and PM2．5 Concentrations in Kunming，China

YANG Kun1，2， WANG Guilin2，3*， YANG Yang2，3， LUO Yi1，2

1．School of Information Science and Technology， Yunnan Normal University， Kunming 650500， China 2．Engineering Research Center of GIS Technology in Western China of Ministry of Education， Kunming 650500， China 3．School of Tourism and Geographic Sciences， Yunnan Normal University， Kunming 650500， China

In order to understand the effects of urbanization on the Earth′s ecosystem，the impervious surface coverage(ISC)has been recognized as a geographical indicator to reflect the intensity of human development activities with rapid urbanization．The PM2．5pollution is used to indicate air quality．The relationship between ISC and PM2．5pollution was explored with two levels based on spatial statistics．From 2000 to 2015，the ISC in Kunming increased from 9．36% to 16．37%，while the PM2．5concentration increased from 17.12 μgm3to 28．63 μgm3．The spatial distribution of the PM2．5aggravation was consistent with the impervious surface expansion in Kunming．The growth of ISC in the southeast(11.56 to 25．78%)was greater than that in the northwest(2.12 to 5．15%)，and the increase of PM2．5concentration in the southeast(21．37 to 36.75 μgm3)was also greater than that in the northwest(4．56 to 10．65 μgm3)．The relationship between ISC and PM2．5concentrations was explored at the town level and the station level．The impervious surface and the PM2．5pollution in Kunming both had significant spatial autocorrelation between the towns with Moran′s Index of 0．29 and 0．58(P<0．001)，respectively．For towns′ ISC greater than 5%：58．14%(2543)of the towns were degraded；for ISC > 10%：71．43%(2535)of the towns were degraded；for ISC > 25%：100%(2626)of the towns were degraded．In contrast，for towns with ISC < 5%：none of the towns were degraded．With the least square method，the results showed a good fitting(R2=0．803，P<0．001)between the towns′ ISC and PM2．5concentrations．Moreover，at the station level，the relationship between ISC of the stations′ buffer(2000 m)and PM2．5concentrations were explored(R2=0．893，P<0．001)with Pearson′s Correlation，indicating ISC has strong association with PM2．5concentration．Thus，the proportion and spatial distribution of impervious surface should be considered in National New-Type Urbanization Development，making cities surrounded by enough green belt and water areas．

impervious surface coverage； PM2．5pollution； urbanization； environmental effect

2016- 07- 07

2016- 12- 16

國家高技術(shù)研究發(fā)展計(jì)劃(863)項(xiàng)目(2012AA121402)；高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金項(xiàng)目(20115303110002)；國家自然科學(xué)基金項(xiàng)目(41561086)；科研創(chuàng)新基金(yjs201580)

楊昆(1963-)，男，云南昆明人，教授，博導(dǎo)，主要從事城市環(huán)境研究，kmdcynu@163．com．

*責(zé)任作者，王桂林(1986-)，女，江西上饒人，博士，主要從事城市環(huán)境研究和城市地理系統(tǒng)研究，kawgl@126．com

X16

1001- 6929(2017)04- 499- 11

A

10．13198j．issn．1001- 6929．2017．01．75

楊昆，王桂林，楊揚(yáng)，等．昆明市不透水表面擴(kuò)張與PM2．5質(zhì)量濃度變化相關(guān)性分析[J]．環(huán)境科學(xué)研究，2017，30(4)：499-509.

YANG Kun，WANG Guilin，YANG Yang，etal．Association between impervious surface and PM2．5concentrations in Kunming，China [J]．Research of Environmental Sciences，2017，30(4)：499-509.