蘇 凱,于 強,胡雅慧,劉智麗,王朋沖,張啟斌,朱濟友,牛 騰,裴燕如,岳德鵬

北京林業(yè)大學(xué)精準林業(yè)北京市重點實驗室，北京 100083

引 言

隨著城市化的快速發(fā)展，建筑工地，道路和車輛的粉塵排放量增加是空氣微粒污染嚴重的原因[1]。空氣微粒污染是許多地區(qū)的主要環(huán)境問題[2]。研究表明：空氣中微粒物質(zhì)濃度的增加可導(dǎo)致上呼吸道感染，肺炎和支氣管炎患者人數(shù)的增加[3]。通常，將在重力作用下沉降到地面[3]的直徑大于10 μm的顆粒物質(zhì)(PM10)，稱為落塵。落塵中的重金屬，特別是那些易于沉積在植物，土壤和水中的高毒性物質(zhì)，通過食物鏈中的傳播和積累對生態(tài)環(huán)境和人類健康造成巨大破壞[4]。而城市森林可以阻擋塵埃氣流，植物葉片表面(如短柔毛和蠟狀表皮)可以使空氣中的顆粒被吸附并保留在植物葉子表面，稱為葉面滯塵[5]。與城市森林相比，非生物材料(如建筑表面)，其特點是表面積大但粗糙度低，滯塵效果一般[6]。而城市森林是減少城市大氣污染的重要過濾器，可以產(chǎn)生巨大的滯塵效益。

目前許多關(guān)于城市森林防塵的研究主要集中在植物葉片表面的滯塵能力比較[7]，植物滯塵機理[8-9]，以及滯塵組分分析[10]，取得了豐碩的成果。但現(xiàn)有的大多數(shù)研究都集中在小規(guī)模的滯塵分布上，在區(qū)域尺度上很少，冬季城市常綠植被的滯塵分布和影響更少。在秋季和冬季，落葉類植被的葉片逐漸掉落，這些植被不能繼續(xù)起到吸附灰塵以改善空氣的作用。在冬季，城市森林中的常綠植物可以吸收灰塵并凈化空氣。盡管針葉植物的滯塵能力高于闊葉植物，而北京常綠針葉植物種植較少，如側(cè)柏，松樹等，僅在個別地區(qū)種植較為集中。據(jù)統(tǒng)計，北京灌木的綠化使用量是常綠針葉植被的3.23倍，而大葉黃楊的使用占常綠灌木總使用量的78.03%[11]。

選擇大葉黃楊為研究對象，將高光譜技術(shù)與遙感相結(jié)合，利用植被葉片的光譜數(shù)據(jù)和衛(wèi)星遙感數(shù)據(jù)獲取北京城區(qū)的滯塵分布。利用高光譜分析方法獲得葉片的光譜反射率信息，結(jié)合實地調(diào)查取樣和室內(nèi)測量，分別對葉片在除塵前后的反射光譜的差異進行比較，探究受灰塵影響較為敏感的波段，并構(gòu)建相應(yīng)的多種植被指數(shù)，通過植被指數(shù)與葉面滯塵量間的相關(guān)分析建立滯塵反演模型。利用光譜響應(yīng)函數(shù)將從地面采集的窄波光譜反射率數(shù)據(jù)轉(zhuǎn)換為Sentinel-2影像的寬波光譜反射率數(shù)據(jù)，利用滯塵反演模型獲取冬季北京市區(qū)植被滯塵量分布，嘗試構(gòu)建一種快速監(jiān)測城市區(qū)域灰塵污染強度與分布的方法。

1 實驗部分

1.1 研究區(qū)

北京位于華北平原的北緣。由西向東從山地向平原過渡，海拔逐漸下降。冬季干燥、少雨，盛行西北風(fēng)，屬溫帶大陸性季風(fēng)氣候，年平均氣溫12 ℃，年平均降水量626 mm。2018年北京市常住人口約2 154萬人，機動車約680萬輛。截至2018年，全市森林覆蓋率為43.5%，人均公園綠地面積為16.3 m2·人-1。

圖1 采樣點分布的位置Fig.1 Sampling point distribution

1.2 試驗設(shè)計及樣本采集

以北京地區(qū)常見的常綠植物大葉黃楊為試驗植物，其具有耐蔭性強、耐寒性強、枝葉茂密、成活率高等特點，對環(huán)境中有害物質(zhì)的吸收能力強。大葉黃楊的使用量占北京市常綠灌木總使用量的78.03%。因此，假定由Sentinel-2反演得到的植被葉片的滯塵分布是大葉黃楊葉片的滯塵分布。采樣點的空間分布如圖1所示，采樣區(qū)域中有三種類型的空間：A(21個)代表開放空間(如：道路)，B(10個)代表封閉空間(如：公園)，C(16個)代表半封閉空間(如：學(xué)校)。采樣點布置在城市不同的位置，其空間分布遵循廣度、均勻性和規(guī)律性的原則。在每個采樣點采集相同數(shù)量的葉片(30片)，以確保從每個環(huán)境中獲得相同數(shù)量的植物葉片。

1.2.1 遙感數(shù)據(jù)及處理

Sentinel-2影像有13個波段，其中4個波段的空間分辨率為10 m，6個波段的空間分辨率為20 m，3個波段的空間分辨率為60 m。另外，Sentinel-2數(shù)據(jù)是唯一一個在紅邊范圍含有三個波段的數(shù)據(jù)，對監(jiān)測植被狀況極為有效。在獲取影像信息時，受到大氣中水分、氣溶膠等因素的影響，導(dǎo)致波段噪聲增大，信息模糊。因此，對影像進行了輻射定標(biāo)、大氣校正和幾何校正，以消除噪聲，減少相鄰像素之間的輻射干擾，最終得到與表面真實反射率相似的影像。

冬季北方的城市森林落葉植物葉片脫落，但常綠植物變化不大。在這個季節(jié)可以發(fā)揮吸滯塵埃功能的主要是常綠植物。一般認為，當(dāng)降水量達到15 mm或風(fēng)速達到17 m·s-1時，植物葉片上積累的灰塵可以被完全沖走[12]。由于北京冬季氣溫低，降水量少，風(fēng)速高。根據(jù)北京氣象臺氣象監(jiān)測資料，2019年1月14日，風(fēng)速8.0～10.7 m·s-1，在一段時間內(nèi)風(fēng)速達到17.2～20.7 m·s-1。因此選擇2019年1月15日的Sentinel-2影像作為植被葉面無塵影像，選擇2018年11月22日的Sentinel-2影像作為植被葉面滯塵影像。

1.3 葉片光譜反射率與滯塵量測定

ADS Fieldspec 3多功能光譜儀(Malvern Panalytical，Malvern，Worcestershire，UK)用于葉片光譜測定，波段范圍350～2 500 nm，光譜分辨率為3 nm，光譜采樣間隔為1.4 nm。在采集葉片高光譜曲線時，由于暗電流、光源波動等環(huán)境因素的影響，高光譜實驗數(shù)據(jù)的采集受到一定的干擾。為了消除這些因素造成的誤差，在采集葉片的高光譜曲線時，每15 min進行一次光譜校正。

在測量過程中，葉子被放置在一個黑色的棉布距垂直向下探頭5 cm。每個葉片取三個采樣點，取平均值作為葉片的光譜反射率，然后對測量的光譜數(shù)據(jù)進行一階微分處理。使用0.000 1 g電子天平對葉片除塵前后的重量進行稱重，葉面滯塵量為除塵前后的質(zhì)量差。葉片光譜反射率與滯塵量測定的原理與步驟如圖2(a,b)所示。

圖2 室內(nèi)滯塵量及光譜測定的主要過程(a)和光譜反射率測量原理圖(b)Fig.2 Main processes of indoor measurement (a) and the measurement of spectral reflectance (b)

表1 植被指數(shù)參數(shù)Table 1 Vegetation index parameters

圖3 除塵前后葉片光譜曲線的變化(a)：封閉區(qū)域；(b)：半封閉區(qū)域；(c)：開放區(qū)域Fig.3 Changes in leaf spectral curves before and after cleaning(a)：Closed area；(b)：Semi-closed area； (c)：Open area

1.4 植被指數(shù)

以往的研究表明，歸一化差異植被指數(shù)(NDVI)、歸一化差異物候指數(shù)(NDPI)、環(huán)境植被指數(shù)(EVI)和土壤調(diào)節(jié)植被指數(shù)(SAVI)可以表征植被狀況[13]。因此，使用這四個指標(biāo)，以及葉片除塵前后的植被指數(shù)的比值進行研究。

2 結(jié)果與討論

2.1 滯塵對葉片光譜的影響

圖3(a)—(c)分別顯示了不同地區(qū)除塵前后大葉黃楊葉片平均光譜反射率曲線的差異。盡管葉樣來自不同的灰塵度環(huán)境，但除塵前后的葉片光譜曲線的總體變化趨勢基本一致，并且在某些區(qū)域發(fā)生顯著變化。例如，在510～700和758～1 480 nm范圍內(nèi)，滯塵葉片的平均光譜反射率小于潔凈葉片，而在700～724，1 375～1 418和1 863～1 889 nm除塵前后反射率變化不太明顯。封閉區(qū)域葉片除塵前后的平均光譜反射率的變化小于半封閉區(qū)域，開放區(qū)域葉片除塵前后的平均光譜反射率變化最大。主要是因為開放區(qū)域車輛較多，道路的除塵能力較弱。車輛將揚起灰塵懸浮在空氣中，灰塵被植被吸附或因重力重新沉降在路面上。

紅邊、黃邊、藍邊是植被光譜曲線的特征點和區(qū)域，通過計算反射光譜的一階導(dǎo)數(shù)得到三邊參數(shù)，光譜數(shù)據(jù)的一階導(dǎo)數(shù)處理能夠消除一些背景噪聲[14]。對于紅邊，提取680～750 nm范圍內(nèi)反射率比一階導(dǎo)數(shù)的最大值作為紅邊的斜率，對應(yīng)于最大值的波長代表紅邊位置。藍色邊緣(490～530 nm)和黃色邊緣(550～580 nm)的定義與紅色邊緣的定義相似。

圖4(a)—(c)分別顯示了在不同區(qū)域除塵前后經(jīng)過一階導(dǎo)數(shù)處理的葉片平均光譜反射曲線的變化。從圖中可以看出，葉片的紅、黃、藍邊在除塵前后沒有明顯移動，紅邊702 nm，藍邊525 nm，黃邊550 nm，說明葉面滯塵對三邊參數(shù)的干擾不敏感。然而，藍邊和紅邊的面積隨著灰塵污染程度的加劇而減小，而黃邊的面積的變化趨勢卻相反：隨著灰塵污染程度的加劇而增大。

2.2 葉面滯塵量與光譜反射率的相關(guān)性

圖5顯示了光譜反射率比(灰塵/干凈)與葉片單位面積灰塵量之間的相關(guān)曲線。相關(guān)曲線可以分為兩部分：一部分位于350～722 nm，顯示出正相關(guān)。其中在350～706 nm達到顯著相關(guān)，在672 nm相關(guān)性達到最大值：0.786。在510～580 nm處明顯呈凹形，該波段屬于綠波范圍，表明綠波段對灰塵的敏感性低于其他波段。另一部分在720～1 050 nm表現(xiàn)為負相關(guān)，其中負相關(guān)在720～801 nm內(nèi)迅速下降，負相關(guān)在802 nm處達到最小值-0.35。在801～1 050 nm范圍內(nèi)，負相關(guān)變化緩慢。根據(jù)相關(guān)曲線分析可知，紅波段和近紅外波段對灰塵的敏感性較高。

圖4 除塵前后經(jīng)過一階導(dǎo)數(shù)處理的光譜曲線(a)：開放區(qū)域；(b)：封閉區(qū)域；(c)：半封閉區(qū)域Fig.4 Spectral curves of leaves before and after cleaning by first derivative treatment(a)：Open area；(b)：Closed area；(c)：Semi-closed area

圖5 灰塵量與光譜反射率(除塵前后)之間的關(guān)系Fig.5 The correlation between amount of dust and spectral reflectance ratio (dust and clean)

2.3 植被指數(shù)對滯塵量的響應(yīng)

表2 滯塵量與植被指數(shù)的相關(guān)性Table 2 Correlation between amount of dust absorption and vegetation indices

Notes:**顯著性水平達到0.01;*顯著性水平達到0.05

2.4 滯塵反演模型

由以上研究可知，RNDPI與滯塵量有很高的相關(guān)性。因此，利用Sentinel-2影像，獲得了2018年11月22日和2019年1月14日的NDPI指數(shù)。以兩個時期的植被指數(shù)比值(RNDPI)為自變量，葉面的滯塵量為因變量。建立RNDPI與植被葉面滯塵量的回歸模型，如圖6所示。

圖6 基于歸一化差分物候指數(shù)(NPDI)的反演模型Fig.6 Inversion models based on normalized difference phenology index (NDPI)

RNDPI建立的回歸模型的確定系數(shù)分別為0.879，說明RNDPI的回歸模型是很好的擬合，利用NDPI植被指數(shù)建立的滯塵反演模型可以較為準確反演冬季北京城區(qū)植被滯塵量的空間分布。

2.5 滯塵量空間分布的反演與驗證

利用NDPI反演模型確定了2018年11月22日北京市區(qū)植被區(qū)的葉塵分布，如圖7(a)所示，采用核密度法對反演得到的植被區(qū)葉片的滯塵分布進行了分析，并將滯塵分布分為9個等級，如圖7(b)所示。

圖7 北京市植被覆蓋區(qū)的滯塵分布(a)和滯塵分布的核密度分析(b)Fig.7 (a) Dust retention distribution of vegetation-covered areas in Beijing and (b) nuclear density analysis of dust retention distribution

圖7(a)表明，盡管封閉區(qū)域的滯塵量小于半封閉區(qū)域和開放區(qū)域但仍受灰塵影響。道路兩側(cè)的帶狀林地是滯塵量最大的區(qū)域，距離道路越遠，植被的滯塵量越低。另外封閉區(qū)域的面積越大，受灰塵的影響就越小，即滯塵量越低。圖7(b)顯示，2018年11月22日，北京城區(qū)內(nèi)等級較高的區(qū)域在南部分布較多，從市中心到周邊地區(qū)呈減小趨勢。北京二環(huán)內(nèi)小巷的滯塵量仍然很高，因為該地區(qū)人口稠密，道路狹窄，有限的空間會限制灰塵的擴散，導(dǎo)致植被表面的灰塵量較多。相比之下，故宮附近的景山公園和天壇公園由于種植了大面積的常綠植物，使得這兩個區(qū)域的滯塵量較低。三環(huán)西南角出現(xiàn)高滯塵量的原因是北京西火車站附近。據(jù)統(tǒng)計，2014年，全站平均日客流量18萬～30萬人次，高峰期日客流量40萬～60萬人次。如此大的人流和交通流量可能導(dǎo)致嚴重的顆粒物污染。因此，葉片上的滯塵量也可以代表該地區(qū)的灰塵污染水平。

研究選取200組反演模擬值和實測數(shù)據(jù)，利用均方根誤差(RMSE)來評價模型的滯塵量反演精度。結(jié)果如圖8所示，表明用NDPI建立的滯塵反演模型與實測數(shù)據(jù)具有很高的擬合度。RMSE為5.93，表明該模型能準確反映北京市區(qū)植被滯塵量的空間分布。

圖8 葉面滯塵量反演精度驗證Fig.8 Inversion precision with reference to measured data of foliar dust

3 結(jié) 論

以北京冬季主要常綠植物大葉黃楊為研究對象，探討了不同滯塵程度影響下的葉面光譜響應(yīng)特性，確定了其光譜響應(yīng)的敏感波段，進一步研究了植被指數(shù)的比值與葉面滯塵量之間的相關(guān)關(guān)系，構(gòu)建了滯塵反演模型，并利用Sentinel-2影像獲得城區(qū)常綠植被滯塵量的空間分布情況。

(1)在510～700和758～1 480 nm范圍內(nèi)，除塵前葉片的平均光譜反射比小于潔凈葉片。封閉區(qū)域葉片除塵前后的平均光譜反射率的變化小于半封閉區(qū)域，開放區(qū)域葉片除塵前后的平均光譜反射率變化最大。三邊參數(shù)對葉面滯塵的干擾不敏感，但藍邊和紅邊的面積隨著灰塵污染程度的加劇而減小，而黃邊的面積的隨著灰塵污染程度的加劇而增大。

(2)光譜反射率與350～722 nm處的滯塵量呈正相關(guān)，在672 nm正相關(guān)達到最大值，為0.786。在510～580 nm的綠波范圍內(nèi)呈現(xiàn)凹形，這表明綠波對灰塵的敏感度比其他波段弱。在722～1 050 nm范圍內(nèi)觀察到負相關(guān)，其中722～801 nm范圍內(nèi)的負相關(guān)性迅速降低，在802 nm負相關(guān)達到最小值，為-0.35。從803～1 050 nm負相關(guān)變化緩慢。因此，可以利用紅波段和近紅外紅外波段建立滯塵反演模型。該模型的決定系數(shù)R2為0.879。

(3)利用2018年11月22日和2019年1月15日的Sentinel-2遙感影像，測定了北京市冬季常綠植物葉片(主要是大葉黃楊)上的灰塵分布。利用實測數(shù)據(jù)驗證了反演結(jié)果的合理性。反演結(jié)果表明，封閉區(qū)域的平均滯塵量低于半封閉區(qū)域和開放區(qū)域。高滯塵量在北京市區(qū)的區(qū)域分布在南部較高，在北京二環(huán)核心區(qū)的滯塵量比其他區(qū)域少，從市中心到周邊地區(qū)的滯塵量呈下降趨勢。