王夢(mèng)迪，吉文麗，李凱媛

(西北農(nóng)林科技大學(xué) 風(fēng)景園林藝術(shù)學(xué)院，陜西 楊陵 712100)

近幾十年，隨著我國(guó)社會(huì)經(jīng)濟(jì)水平不斷提高，城市變得擁擠，污染問題加劇[1]，以PM10、PM2.5為首要的顆粒物污染問題，已經(jīng)成為中國(guó)城市面臨的嚴(yán)峻挑戰(zhàn)，也對(duì)人們的健康造成了巨大威脅[2]。現(xiàn)有研究證實(shí)，高濃度的PM2.5會(huì)導(dǎo)致心血管和呼吸系統(tǒng)疾病的增加[3]，也會(huì)導(dǎo)致癌癥和過早死亡[4]。因此，如何降低PM10、PM2.5濃度，改善城市居民生活，已成為研究的熱點(diǎn)問題。氣象條件對(duì)顆粒物濃度分布具有重要的影響[5]，但即使在同一氣象條件下，顆粒物的分布也存在差異，這表明城市下墊面對(duì)顆粒物的分布有影響[6]。

目前，較多學(xué)者從PM10、PM2.5的化學(xué)組成和來源、時(shí)空差異、污染過程、測(cè)量與模擬、健康評(píng)估以及氣象因素與顆粒物之間的關(guān)系進(jìn)行研究，逐步開始探究地表景觀類型、組分、格局及時(shí)空變換對(duì)PM10、PM2.5的影響[7]。大多數(shù)研究關(guān)注的是城市規(guī)劃空間以及森林植被，如武曉紅等[8]研究林帶對(duì)PM2.5的凈化效率時(shí)發(fā)現(xiàn)林帶寬度在20～60 m凈化效率逐漸提高，并且在12:30-17:00凈化效率高。少量研究以城市街區(qū)為對(duì)象，其中蘇維[9]等發(fā)現(xiàn)在以監(jiān)測(cè)點(diǎn)為圓心的500 m和1 000 m的緩沖區(qū)內(nèi)，大氣顆粒物濃度與綠地面積呈顯著負(fù)相關(guān)，與建筑面積呈顯著正相關(guān)，并且在景觀尺度上探討土地利用LPI與MPS的關(guān)系，但是未在更精細(xì)的模型尺度上探討城市下墊面的貢獻(xiàn)。Cheng Ming等[10]探究綠地(樹、灌木、草)的不同形式在減少顆粒物污染中所做的貢獻(xiàn)，發(fā)現(xiàn)植被組合在一起是減少PM的理想方法。以及在城市街區(qū)尺度上減少PM2.5濃度的最佳規(guī)劃空間尺度并建立了模型，表明在400～800 m時(shí)，PM2.5的緩解能力達(dá)到峰值。研究多從城市單一的綠地進(jìn)行探索，缺乏對(duì)城市土地利用進(jìn)行綜合的研究。而城市社區(qū)尺度的下墊面土地利用類型更易通過規(guī)劃設(shè)計(jì)手段得到改善，具有更大的實(shí)操性。因此，本研究通過分析空氣污染的時(shí)空特征、城市建成區(qū)社區(qū)尺度下土地利用與顆粒物的關(guān)系并構(gòu)建模型，對(duì)于城市規(guī)劃設(shè)計(jì)、建成區(qū)的更新改造具有參考意義。

1 研究地區(qū)與研究方法

1.1 研究區(qū)概況

西安位于我國(guó)的西北部屬于大陸性溫帶季風(fēng)氣候。西安市國(guó)家空氣質(zhì)量監(jiān)測(cè)站共有13個(gè)，對(duì)監(jiān)測(cè)站進(jìn)行篩選，排除位于大型城市公園以及污染源附近的站點(diǎn)，這些站點(diǎn)不屬于城市建成區(qū)環(huán)境。篩選后得到9個(gè)監(jiān)測(cè)點(diǎn)。這些站點(diǎn)呈現(xiàn)了典型的城市風(fēng)貌，包括建筑物、道路、綠地和其他地面物體，在城市建成區(qū)中的分布相對(duì)平均(表1)。

西安的空氣污染在2019年全國(guó)168個(gè)重點(diǎn)城市階段排名中，位于第136位，排名較后。根據(jù)西安市環(huán)保局發(fā)布的《西安市環(huán)境質(zhì)量公報(bào)》顯示， 2017年3月-2020年2月，西安市優(yōu)良天氣數(shù)為635 d，良的天數(shù)占優(yōu)良總天數(shù)的82.99%，輕度污染289 d、中度污染89 d、重度污染65 d、嚴(yán)重污染13 d。

1.2 數(shù)據(jù)來源與方法

1.2.1 遙感影像 通過Google Earth高清衛(wèi)星，獲取 2019年的9個(gè)站點(diǎn)附近街區(qū)1 km2范圍的遙感影像，以往的研究發(fā)現(xiàn)居民舒適步行距離(500 m)內(nèi)的空氣環(huán)境對(duì)人們的日常生活質(zhì)量起著重要作用[11]。因此，以監(jiān)測(cè)站為中心的1 km2的方形面積為試驗(yàn)的樣本。利用eCognition Developer8.9軟件處理遙感影像，軟件采用面向?qū)ο蟮姆诸惣夹g(shù)，能夠避免人工目視解讀的繁瑣以及誤差，更有利于提取光譜分辨率不高，而空間分辨率高的圖像，所以通常被用來提取土地利用特征[12]。參考相關(guān)研究通過多尺度分割影像、對(duì)分割對(duì)象選取樣本、配置最近鄰特征、再進(jìn)行樣本分類的步驟，將土地利用類型分為水體、裸地、綠地、建設(shè)用地、道路等5類[13]。本研究使用的遙感影像有RGB 3個(gè)波段，選取標(biāo)準(zhǔn)差異化植被指數(shù)(VDVI)用于樣本的識(shí)別[14-15]，計(jì)算公式為：

(1)

式中，G為綠波段像素值；R為紅波段像素值；B為藍(lán)波段像素值。

本研究主要針對(duì)綠地、道路以及建設(shè)用地的相關(guān)指數(shù)展開研究，用G-PLAND、G-LPI(Green)等表示綠地斑塊特征，用B-PLAND、B-LPI(Building)等表示建設(shè)用地斑塊特征，道路沒有其余斑塊特征，用R-PLAND(Road)表示道路面積率。綠地和建設(shè)用地的景觀格局指數(shù)利用Fragstats軟件[16-17]進(jìn)行計(jì)算(表2)。

1.2.2 顆粒物濃度數(shù)據(jù) 通過中國(guó)城市質(zhì)量實(shí)時(shí)監(jiān)測(cè)平臺(tái)，得到各個(gè)站點(diǎn)2017年3月1日-2020年2月29日的大氣污染小時(shí)數(shù)據(jù)，剔除缺失數(shù)據(jù)和明顯有誤的數(shù)據(jù)。按照四季劃分(3-5月是春季、6-8月為夏季、9-11月為秋季、12月-次年2月為冬季[18])，計(jì)算季度平均值。這樣即可以假定在氣象條件相對(duì)一致的情況下突出城市土地利用對(duì)PM10、PM2.5的影響。

表1 西安市環(huán)境空氣質(zhì)量監(jiān)測(cè)點(diǎn)詳情

表2 景觀格局指數(shù)類型

1.3 數(shù)據(jù)處理

對(duì)2017年3月-2020年2月的3 a PM10、PM2.5均值分析，再對(duì)不同站點(diǎn)的顆粒物濃度數(shù)據(jù)整理，比較季節(jié)差異；利用系統(tǒng)聚類分析(歐式平方距離)計(jì)算站點(diǎn)空間差異。研究大氣污染與土地利用景觀格局指數(shù)的Pearson雙變量相關(guān)。以3 a平均PM10、PM2.5濃度、G-PLAND及R-PLAND進(jìn)行一元線性回歸分析，量化G-PLAND及R-PLAND對(duì)PM10、PM2.5的消減和增加作用。

2 結(jié)果與分析

2.1 PM10、PM2.5濃度的時(shí)空差異

2.1.1 不同年份分析 由表3可知，從2017年3月-2020年2月，西安市PM10、PM2.5濃度逐年降低，2019年的下降最為明顯。2019年下降最多可能是由于2020年2月的疫情國(guó)家采取限制措施，以至于人口流動(dòng)減弱，交通運(yùn)輸減少，導(dǎo)致大氣污染的數(shù)值急劇下降。以西安市城市3 a平均PM10、PM2.5濃度為參考發(fā)現(xiàn)PM10、PM2.5的濃度限值均超過國(guó)家《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》(GB3095-2012)的要求(70、35 μg/m3)，超過率分別為71.84%、71.31%、37.6%、86.94%、77%、54.31%。

表3 景觀格局指數(shù)類型

2.1.2 季節(jié)分析 3 a PM10、PM2.5數(shù)據(jù)逐月均值統(tǒng)計(jì)分析，監(jiān)測(cè)點(diǎn)月均空氣質(zhì)量差異性極顯著(P<0.01)，PM10、PM2.5的月份變化趨勢(shì)較一致，曲線均大致呈現(xiàn)先降后升再降的“小U形”模式(圖1)。PM10、PM2.5濃度最高的月份分別為12月(185.60 μg/m3)和1月(144.13 μg/m3)，最低的月份都是7月(52.91、23.78 μg/m3)按照當(dāng)?shù)貧夂驐l件，西安市PM10和PM2.5濃度表現(xiàn)出冬季>春季>秋季>夏季的季節(jié)差異(圖2)?？赡芘c冬季取暖，夏季降雨、植被較多有關(guān)。

圖1 西安市9個(gè)站點(diǎn)空氣PM10和PM2.5濃度的月變化

圖2 西安市9個(gè)站點(diǎn)空氣PM10和PM2.5濃度的季節(jié)變化

2.1.3 空間分析 以2017年3月-2020年2月3 a 9個(gè)站點(diǎn)的年均值比較，由表4可知，得出站點(diǎn)的PM10、PM2.5濃度在城市平均水平約6.7%～9.7%、6.4%～6.8%浮動(dòng)。PM10濃度最高在XA1，最低在XA7，PM2.5濃度最高在XA3， 最低在XA7。

表4 PM10、PM2.5各個(gè)站點(diǎn)3 a均值

對(duì)9個(gè)監(jiān)測(cè)點(diǎn)的PM10、PM2.5濃度的3年均值進(jìn)行標(biāo)準(zhǔn)化處理，采用系統(tǒng)聚類法分析，將9個(gè)監(jiān)測(cè)點(diǎn)分為3類(圖3)： XA1、XA2、XA3為一類；XA4、XA5、XA6、XA8、 XA9為一類；XA7為一類。采用單因素ANOVA對(duì)上述分類結(jié)果進(jìn)行驗(yàn)證(P<0.05)，說明分類結(jié)果準(zhǔn)確。結(jié)合分析發(fā)現(xiàn)PM10、PM2.5濃度存在較強(qiáng)的空間自相關(guān)性，且呈高值相聚、低值相聚、西北高東南低的分布特點(diǎn)?？赡芘c每個(gè)監(jiān)測(cè)點(diǎn)所在區(qū)域的工業(yè)活動(dòng)、生產(chǎn)模式、城市下墊面等因素有關(guān)。

2.2 PM10、PM2.5濃度與土地利用景觀指數(shù)的相關(guān)性與回歸分析

2.2.1 相關(guān)性分析 由表5可知，G-PLAND對(duì)PM10、PM2.5的影響受到季節(jié)的干擾，與PM10的相關(guān)性強(qiáng)于PM2.5。在年均、春、夏、秋、冬季PM10與G-PLAND的相關(guān)系數(shù)依次為-0.839、-0.839、-0.864、-0.820、-0.785，都呈顯著負(fù)相關(guān)關(guān)系。PM2.5濃度與G-PLAND僅在年均、夏、冬季呈負(fù)相關(guān)關(guān)系(P<0.05)。PM10、PM2.5濃度都與G-LPI呈負(fù)相關(guān)關(guān)系，但PM10相關(guān)性顯著，PM2.5相關(guān)性不顯著。說明綠地斑塊的面積越大優(yōu)勢(shì)越強(qiáng)、相互的耦合關(guān)系越好，對(duì)顆粒物的消減作用越明顯。

圖3 西安站點(diǎn)聚類分析

年均春、夏、秋、冬季的PM10濃度與G-DIVISION均呈顯著正相關(guān)關(guān)系，與G-ED僅在冬季呈顯著負(fù)相關(guān)關(guān)系，PM2.5濃度與G-DIVISION、G-ED分別呈正相關(guān)、負(fù)相關(guān)，但相關(guān)性不顯著。PM10、PM2.5濃度與G-LSI均基本無相關(guān)性，表明綠地斑塊分離度越高越不連通、景觀異質(zhì)性越低越容易導(dǎo)致PM10、PM2.5濃度增加。PM10、PM2.5濃度與G-AI均呈負(fù)相關(guān)關(guān)系，表明斑塊越聚合越高，顆粒物濃度越低。

PM10、PM2.5濃度與B-PLAND、B-LPI、B-DIVISION、B-ED、B-LSI均無相關(guān)性，相關(guān)系數(shù)在0.004～0.6。PM10濃度與B-AI僅在冬季呈顯著相關(guān)，相關(guān)系數(shù)為0.667，PM2.5濃度與B-AI僅在春季呈顯著相關(guān)，相關(guān)系數(shù)為0.669。說明建設(shè)用地斑塊越聚集，顆粒物濃度越高。

PM10、PM2.5濃度與R-PLAND的相關(guān)性均呈顯著正相關(guān)，說明大氣污染顆粒物濃度與R-PLAND的關(guān)系密切。道路面積增加，顆粒物污染加劇。

2.2.2 一元回歸分析 PLAND表征了斑塊分類在整個(gè)景觀中所占的百分比，在城市建成區(qū)，不同監(jiān)測(cè)點(diǎn)附近地表覆蓋面積率(PLAND)的差異顯著(圖4)。建成區(qū)的綠地覆蓋率G-PLAND普遍在20%～30%，最高的是XA7，最低的是XA1。建設(shè)用地面積率B-PLAND在50%～70%，最高的為XA8、最低的為XA7。道路面積率R-PLAND的最高值和最低值分別是XA3(21.49%)、XA7(10.51%)。

由表6可知，3年平均PM10、PM2.5濃度(112.13 μg/m3、60.46 μg/m3)所對(duì)應(yīng)的G-PLAND、R-PLAND分別約為22.58%、13.88%，當(dāng)G-PLAND每增加10%，PM10就消減11.29%；當(dāng) R-PLAND每增加10%，PM10就增加5.39%。同理，對(duì)PM2.5濃度的消減和增加作用分別為8.6%和6.03%。

圖4 土地覆蓋類型差異

3 結(jié)論與討論

3.1 顆粒物濃度的時(shí)間規(guī)律

PM10、PM2.5濃度逐年遞減，說明西安市藍(lán)天保衛(wèi)戰(zhàn)的舉措成效顯著，并且2019年的顆粒物濃度減少幅度最大，這與Bao Rui[19]的對(duì)疫情封閉期間大氣污染物減少的研究結(jié)果一致，表明限制人口流動(dòng)，工廠停工等限制措施有利于顆粒物的減少。PM10濃度與PM2.5濃度的年變化趨勢(shì)較一致，呈現(xiàn)“小U形”模式，季節(jié)特征呈現(xiàn)為冬>春>秋>夏。這與Huang Ping[20]對(duì)西安(2013-2014年)的季節(jié)研究結(jié)果一致。站點(diǎn)間的差異明顯，不同站點(diǎn)的PM10、PM2.5濃度在城市平均水平約6.7%～9.7%、6.4%～6.8%浮動(dòng)，并呈現(xiàn)高值相聚、低值相聚、北高南低的空間自相關(guān)性。

西安市屬于溫帶大陸性季風(fēng)氣候，夏季炎熱多雨，較多雷雨大風(fēng)天氣，使得大氣沉降功能提高，同時(shí)大風(fēng)也有利于PM10、PM2.5的迅速擴(kuò)散，因此西安市夏季PM10、PM2.5濃度明顯比其他季度低，而秋季氣溫下降，涼爽，靜風(fēng)、逆溫等氣候條件使得污染物不易擴(kuò)散和遷移，導(dǎo)致PM10、PM2.5污染加重。北方顆粒物污染在冬季加劇，主要是因?yàn)槎竟┡济海由隙練庀髼l件不利于顆粒物的擴(kuò)散，同時(shí)由于空間供暖和大氣逆溫頻率的上升，使得北方城市冬季更容易出現(xiàn)持續(xù)性污染事件。

3.2 顆粒物濃度的空間規(guī)律

顆粒物污染的空間自相關(guān)性，表明PM10、PM2.5濃度的空間區(qū)域分布變化規(guī)律與其所在的地理位置無直接聯(lián)系， XA2站點(diǎn)的顆粒物濃度較大，其中15%為裸地，說明裸露土地的二次揚(yáng)塵造成污染大于城市其余站點(diǎn)。并且通過站點(diǎn)分類結(jié)果可以發(fā)現(xiàn)，高值相聚主要出現(xiàn)在工業(yè)集中、人流量較大、交通密集處；低值相聚主要出現(xiàn)于城市居住區(qū)，公園旅游景點(diǎn)較多，綠化良好，工業(yè)等產(chǎn)業(yè)較少的地區(qū)(表7)。并且XA5的顆粒物濃度相對(duì)較高，因?yàn)槌鞘兄行膮^(qū)高樓降低了風(fēng)速，形成了熱島更不利于顆粒物的擴(kuò)散。有研究表明，風(fēng)速越大，顆粒物濃度越低。城市中心區(qū)相較于周邊較近的站點(diǎn)污染濃度稍高，但是沒有出現(xiàn)明顯的“城市-郊區(qū)”梯度分布，與蘇維[9]的試驗(yàn)不同，可能是西安市選取的9個(gè)站點(diǎn)的距離分布較近，都屬于城市建成區(qū)環(huán)境，沒有處于城市郊區(qū)的站點(diǎn)。

表5 不同街區(qū)土地利用斑塊指標(biāo)與PM10、PM2.5的相關(guān)性

表6 一元回歸分析

表7 西安市各區(qū)域工業(yè)活動(dòng)特點(diǎn)

3.3 顆粒物濃度與土地利用的關(guān)系

G-PLAND、R-PLAND是影響PM10、PM2.5濃度變化的主要因素，B-PLAND與PM10、PM2.5不相關(guān)。這與戴菲等[21]的研究結(jié)果一致，但是與蘇維等[9]對(duì)南昌市城市大氣污染與景觀格局的研究結(jié)果不一致，可能是由于本研究和戴菲的研究均將城市交通用地從城市建設(shè)用地中提取出來，而蘇維的分類建設(shè)用地包含交通用地。PM10、PM2.5濃度與G-LPI、G-DIVISION、G-ED、G-AI分別呈負(fù)相關(guān)、正相關(guān)、負(fù)相關(guān)、負(fù)相關(guān)，表明綠地斑塊面積越大、優(yōu)勢(shì)度越強(qiáng)、景觀內(nèi)部的物種豐富度及抗干擾能力提升，分離化程度越低、聚集度越高會(huì)導(dǎo)致PM10、PM2.5濃度的降低。這與Bagheri等[22]對(duì)大面積綠地斑塊面積的減少促進(jìn)了空氣污染的研究結(jié)果較一致。說明城市中大片的茂盛樹林更有利于大氣污染物的消減，例如，紐約中央公園、北京奧林匹克森林公園等。 基于景觀生態(tài)學(xué)理論中斑塊-廊道-基質(zhì)理論，打造城市大面積的綠色斑塊之后，如果可以打通斑塊之間的廊道，建立斑塊之間的交流頻率，將更有利于生態(tài)環(huán)境的穩(wěn)定。PM10濃度與G-ED僅在冬季呈相關(guān)系，可能是北方冬季燃燒暖氣，且氣象條件的影響，使得植被的作用弱化，并且試驗(yàn)站點(diǎn)較少造成實(shí)驗(yàn)差異。增強(qiáng)綠地邊緣的樹種抗性，也對(duì)PM10、PM2.5濃度的降低有一定的影響。PM10、PM2.5與B-AI的正相關(guān)關(guān)系表明，建設(shè)用地的聚集度增大會(huì)增加PM10、PM2.5的濃度。當(dāng)G-PLAND每增加10%，PM10、PM2.5濃度分別消減11.29%、8.6%；當(dāng) R-PLAND每增加10%，PM10、PM2.5濃度分別增加了5.39%、6.03%。表明綠地對(duì)PM10的沉積作用強(qiáng)于PM2.5，這與趙松婷等[23]通過試驗(yàn)對(duì)植物葉片滯留PM10、PM2.5的質(zhì)量研究結(jié)果相符。且道路與PM2.5的關(guān)系更加密切。與陸平等[24]對(duì)PM10、PM2.5來源貢獻(xiàn)率結(jié)果較一致。

城市建成區(qū)土地利用類型豐富，造成了不同的景觀格局，也間接反映了人類活動(dòng)對(duì)PM10、PM2.5濃度的影響。汽車排放以及工業(yè)生產(chǎn)是顆粒物的主要來源，植被作為匯景觀通過干、濕沉降作用，可吸收PM10、PM2.5，是天然的顆粒物凈化器，這就是“源-匯”景觀理論[21]。

在城市建成區(qū)應(yīng)采取見縫插綠的措施[25]，可以增加綠地面積率G-PLAND，但是更應(yīng)使綠地面積更加聚集，這樣更有利于斑塊分割指數(shù)G-DIVISION以及綠地聚集度AI的提高；現(xiàn)有綠地提質(zhì)增量，增加綠地斑塊優(yōu)勢(shì)度G-LPI，增加生物多樣性；在綠地的邊緣增加抗性強(qiáng)的樹種，增加綠地的邊緣密度指數(shù)G-ED；減少大面積的城市建設(shè)用地，可以在建筑周圍增加綠籬的圍擋，使建設(shè)用地AI指數(shù)減小更趨向于破碎化；其次是在條件允許的情況下降低道路面積率等都有利于顆粒物的減少。

城市大氣污染不是單一的土地利用就可以揭示其規(guī)律的，今后的研究應(yīng)在城市三維空間，結(jié)合建筑物的高度以及密度、建筑布局、氣象、水體等因素多角度認(rèn)識(shí)空氣顆粒物濃度受多種影響的動(dòng)態(tài)機(jī)制[26]。