明安遠，胡 曉，，李新舉，向?qū)W成

(1.山東農(nóng)業(yè)大學 信息科學與工程學院，山東 泰安 271018；2.山東農(nóng)業(yè)大學 資源與環(huán)境學院，山東 泰安 271018；3.貴州蘭誠碩測繪有限責任公司， 貴州 遵義 563000)

隨著我國城市化的快速發(fā)展，從20世紀80年代開始，出現(xiàn)了很多環(huán)境問題，尤其是細顆粒物PM2.5(Particulate matter with aerodynamic≤2.5 ug/m3)的污染格外嚴重[1]。PM2.5粒徑小，能在空氣中長時間停留和遠距離運輸，具有較強的活性，容易附著各種有毒和有害物質(zhì))，甚至可以直達人體肺部危害人類健康。同時，PM2.5的濃度和空氣污染程度成正比，即PM2.5在空氣中的濃度越高，空氣污染就越嚴重[2]。因此PM2.5對人類健康和大氣環(huán)境質(zhì)量都有著重大的影響，對PM2.5的污染組成、時空分異和污染防控的研究刻不容緩。

目前，國內(nèi)外很多學者利用大氣污染物的監(jiān)測數(shù)據(jù)對不同省市的PM2.5的組成、時空分布及其影響因素展開了大量的研究，發(fā)現(xiàn)PM2.5的污染程度會隨季節(jié)、工業(yè)化程度、集聚特性和其他污染物的濃度等因素的改變而變化[3]。針對濟南市，尹承美[4]、劉雨思[5]、張桂芹[6]等人分別開展了PM2.5污染特征的研究，陳飛龍[7]等人分析了基于濟南市5個站點的PM2.5時空特征及其與氣溶膠光學厚度的相關(guān)性，但是鮮有人研究濟南市的PM2.5濃度與土地利用的相關(guān)性研究。

因此，本文分析濟南市的PM2.5時空特征，并探究土地利用類型和PM2.5濃度的相關(guān)性，研究結(jié)果可為濟南市PM2.5的防治規(guī)劃提供參考。

1 研究區(qū)域與數(shù)據(jù)

1.1 研究區(qū)概況

濟南市位于山東省的中西部，北緯36°40′，東經(jīng)117°00′，屬于溫帶季風氣候，夏季炎熱多雨，冬季寒冷干燥，一年的平均氣溫在14 ℃左右，雨水光照比較充足。

1.2 數(shù)據(jù)來源和處理

本研究使用的2018年濟南市8個國控點的PM2.5日均濃度數(shù)據(jù)來自由中國環(huán)境監(jiān)測總站，時間段為2018年1月1日至2018年12月31日，現(xiàn)有的8個空氣質(zhì)量國家控制監(jiān)測點的具體位置如圖1所示。濟南市Landsat8 OLI遙感影像數(shù)據(jù)來自于地理空間數(shù)據(jù)云，時間是2018年5月份，采用ENVI對影像進行了輻射定標、大氣校正、鑲嵌和裁剪、監(jiān)督分類、精度評定等。

圖1 2018年濟南市PM2.5監(jiān)測點分布

2 研究方法

2.1 時間序列分析法

時間序列分析法是一種動態(tài)的、基于數(shù)理統(tǒng)計學和隨機過程理論來分析時間序列中的數(shù)據(jù)統(tǒng)計特征的方法[8-9]，本文運用此方法對PM2.5月度、季度濃度依次進行了EXCEL的繪圖和分析。

2.2 反距離權(quán)重插值法

反距離權(quán)重插值法是依據(jù)插值點與樣本點之間的距離為權(quán)重進行加權(quán)平均，對于插值點越近的樣本點的權(quán)重越大，其權(quán)重貢獻與距離成反比[10]，反距離權(quán)重法主要適用于輸入點的采樣足夠密集，適合本研究的國控點地理位置的分布情況。本文在ArcGIS10.6中使用反距離權(quán)重插值分析PM2.5空間分布差異。

2.3 泰森多邊形空間插值

泰森多邊形是一種由采樣點到面的內(nèi)插方法，它的基本原理是未知點的最佳值由最鄰近的觀測值產(chǎn)生。應用內(nèi)插泰森多邊形方法需要滿足每個采樣點必須都能代替鄰近的區(qū)域，否則內(nèi)插的結(jié)果沒有意義[11-12]。本文在ArcGIS10.6中對國控點使用了泰森多邊形空間插值，對每個泰森多邊形進行了面積提取。

2.4 相關(guān)性分析

相關(guān)性分析是指通過分析兩個及以上具有一定相關(guān)性的變量來衡量他們的的相關(guān)密切程度。一般通過計算相關(guān)系數(shù)來判斷兩個變量之間的離散程度(即相關(guān)性)。而相關(guān)系數(shù)的結(jié)果一般包括三種情況：正相關(guān)、負相關(guān)和不相關(guān)。本文運用了Stata SE 15進行了相關(guān)性分析。

2.5 最大似然法

假設(shè)每個波段的每類統(tǒng)計都呈正態(tài)分布，計算給定像元屬于某一訓練樣本的似然度，像元最終被歸并到似然度最大的一類。本文在ENVI5.3中運用最大似然法對遙感影像進行了土地利用分類。

3 結(jié)果與分析

3.1 PM2.5時間變化特征

3.1.1 PM2.5月度濃度特征

根據(jù)日平均PM2.5濃度數(shù)據(jù)取平均匯總得到PM2.5的月度均值，如圖2所示。從月度均值圖中可以看出，全年中1月份PM2.5濃度最大(88.6 μg·m-3)，9月的PM2.5濃度達到了最低(32.2 μg·m-3)。從1～9月，PM2.5濃度一直呈現(xiàn)下降趨勢，9～11月PM2.5濃度開始保持上升趨勢，其中9～10月，上升幅度較小，10～11月呈現(xiàn)急劇上升，11～12月略有下降，但依舊保持較大數(shù)值。

圖2 PM2.5月度濃度變化圖

3.1.2 PM2.5季度濃度特征

PM2.5的季度變化是月度變化的更為綜合的描述，濟南市的PM2.5季度濃度統(tǒng)計情況如圖3所示。

圖3 濟南市8個監(jiān)測點PM2.5季度濃度變化圖

從圖中可以看出，濟南市夏季PM2.5濃度最低，主要原因為夏季多雨，頻繁的雨季將空氣的懸浮顆粒帶到了地面上，從而使得空氣中的PM2.5濃度較低[13]；冬季PM2.5濃度最高，一方面由于冬季北風盛行，濟南三面環(huán)山，PM2.5不易擴散[14]；另一方面就是冬季采暖，化石燃料頻繁使用，導致空氣中PM2.5急劇上升。

3.2 PM2.5空間特征

3.2.1 PM2.5空間分布差異

將濟南市8個監(jiān)測點的PM2.5年均濃度值在ArcGIS10.6軟件中可視化后如圖4所示。從圖中可以看出，開發(fā)區(qū)監(jiān)測點的PM2.5年均濃度值最小，機床二廠監(jiān)測點的PM2.5年均濃度值最大，采用反距離插值法獲取了各國控點PM2.5年均濃度空間分布(如圖5所示)。

從圖中可以看出，濟南市西部地區(qū)PM2.5濃度在整體上明顯高于東部地區(qū)，西部地區(qū)以機床二廠為中心向外濃度依次降低，東部地區(qū)以開發(fā)區(qū)為中心向外濃度依次升高，主要原因是一些重工企業(yè)分布在西部和西北部。開發(fā)區(qū)濃度低是由于工業(yè)污染較少，人口分布稀疏的原因。由于周圍分布著一些污染企業(yè)[15]，因此機床二廠、化工廠、省種子倉庫三地的PM2.5濃度較高。

圖4 濟南市國控點PM2.5年均值濃度空間分布

圖5 PM2.5年均值濃度的反距離權(quán)重插值結(jié)果

3.2.2 PM2.5空間變化差異

為探究PM2.5的空間變化差異，本文采用了Stata SE 15軟件對濟南市國控點的PM2.5全年日均濃度進行了雙變量相關(guān)分析，得到了各自的相關(guān)系數(shù)(如表1所示)。從全年日均值濃度相關(guān)系數(shù)可以明顯發(fā)現(xiàn)各個國控點之間的相關(guān)系數(shù)非常大，均達到了0.95以上，相關(guān)性非常高，說明各國控點的濃度存在同升同降的情況。

為了進一步研究PM2.5日均濃度相關(guān)系數(shù)與空間距離的關(guān)系，使用EXCEL散點圖統(tǒng)計全年、各季度的相關(guān)系數(shù)與空間距離的關(guān)系(圖6)。由散點圖可知，PM2.5日均值濃度相關(guān)系數(shù)和空間距離的相關(guān)性均較低。農(nóng)科所與機床二廠間距離最近(2.22 km)，全年相關(guān)系數(shù)為0.98，相關(guān)性高，主要由于人口密集以及周圍一些污染企業(yè)的共同影響所致。開發(fā)區(qū)與長清黨校間的相關(guān)系數(shù)達到了0.96，這說明二者之間雖然相距最遠(38.52 km)，但是相關(guān)性較高，這說明距離不是影響PM2.5濃度的唯一要素。開發(fā)區(qū)位于高新區(qū)，長清黨校位于長清區(qū)，二者周圍的工業(yè)企業(yè)較少、人口密度較低，這說明二者周圍環(huán)境的相似性導致了PM2.5的相關(guān)系數(shù)較高。因此，各監(jiān)測點的PM2.5日均濃度的相關(guān)性不僅與距離有關(guān)，同時也受監(jiān)測點周圍環(huán)境的影響。

表1 8個國控點的日均濃度的相關(guān)系數(shù)(R)

圖6 濟南市國控點點間距離與PM2.5日均濃度相關(guān)系數(shù)散點圖

3.3 基于泰森多邊形的土地利用類型與PM2.5濃度的相關(guān)分析

3.3.1 土地利用分布現(xiàn)狀

采用最大似然法對影像執(zhí)行監(jiān)督分類，得到2018年的濟南市土地利用現(xiàn)狀分類結(jié)果圖，如圖7所示。統(tǒng)計面積結(jié)果見表2，濟南市各類土地利用類型面積大小占比是：耕地>建設(shè)用地>林地>水體>草地>未利用地。

圖7 2018年濟南市土地利用現(xiàn)狀分類圖

表2 2018年濟南市土地各類型面積匯總表/km2

3.3.2 基于泰森多邊形的PM2.5與土地利用類型的相關(guān)分析

鑒于PM2.5國控監(jiān)測點主要分布在濟南市主城區(qū)，為了更加準確的進行空間分析，本文選取濟南市主城區(qū)作為泰森多邊形的劃分區(qū)域。對各個監(jiān)測點的泰森多邊形進行面積統(tǒng)計，如表3所示。

然后將統(tǒng)計后的面積占比和7個監(jiān)測點的PM2.5春夏秋冬和全年的濃度均值進行相關(guān)性分析，得到不同時間尺度下的相關(guān)系數(shù)，具體結(jié)果如表4所示。

表3 泰森多邊形下的各片區(qū)中各種土地類型的比例

表4 PM2.5與土地利用類型的相關(guān)性

注：***表示在0.01水平上顯著；** 表示在0.05水平上顯著；*表示在0.1水平上顯著

從表中可以看出，林地、耕地、草地三種地類與全年P(guān)M2.5濃度均值的相關(guān)系數(shù)均呈現(xiàn)負相關(guān)，并且相關(guān)系數(shù)較大，說明它們消散PM2.5的能力較強，但是草地的消散能力在時間上表現(xiàn)的更穩(wěn)定一些，而林地在秋冬季相關(guān)系數(shù)較大，達到了0.1水平上的顯著，消散PM2.5能力較強。耕地在春夏季相關(guān)系數(shù)較大，達到了0.05水平上的顯著，消散PM2.5能力較強。水體與全年P(guān)M2.5濃度均值呈現(xiàn)較低負相關(guān)，相關(guān)系數(shù)較小，能力較弱，但是在春夏季的相關(guān)系數(shù)較大，而且在春季達到了0.1水平上的顯著。未利用地與全年P(guān)M2.5濃度均值呈現(xiàn)最低負相關(guān)，主要是原因是未利用地周圍比較開闊，空氣流通好，有利于PM2.5向外傳播，降低城市PM2.5濃度。此時只有建設(shè)用地與年均和四季的PM2.5濃度均呈現(xiàn)正相關(guān)，且相關(guān)系數(shù)比較大，在夏季，建設(shè)用地達到了0.05水平顯著，在春季達到了0.1水平顯著，說明了建設(shè)用地數(shù)量多的地方即為城市密集區(qū)極大促進了PM2.5的形成。原因是市區(qū)人多車多，還有一些污染的企業(yè)，給當?shù)氐沫h(huán)境造成了不小的影響。

4 結(jié) 論

在時間序列上，2018年濟南市PM2.5季度濃度夏季最低，冬季最高；月度濃度在1月份最高，9月份最低。在空間上，濟南市西部地區(qū)PM2.5濃度在整體上明顯高于東部地區(qū)。

林地、耕地、水體、草地、未利用地都與年均PM2.5濃度呈現(xiàn)負相關(guān)，說明這五種地類均對PM2.5有一定的消散能力，僅有建設(shè)用地與年均PM2.5呈現(xiàn)正相關(guān)，表明建設(shè)用地代表著城市密集區(qū)，給當?shù)氐沫h(huán)境造成了影響。秋冬季節(jié)的林地、春季的耕地、水體可以顯著降低PM2.5濃度。春夏季的建設(shè)用地可以顯著增加PM2.5濃度。