城市綠地景觀格局對PM2.5、PM10分布的影響及尺度效應

雷雅凱 段彥博 馬 格 田國行

改革開放以來，城市化率從1978年的18%增加到47%，預計在2030年突破65%[1]。隨著城市人口的擴張、土地的城市化，資源短缺、生態(tài)環(huán)境急劇惡化，城市空氣污染成為中國首要的環(huán)境問題[2-3]。隨著中國產業(yè)的轉型和升級以及人們生活方式的改變，細顆粒物(PM2.5、PM10)取代“傳統(tǒng)污染物”(NO2、SO2)成為加劇空氣污染和危害人類健康的主要空氣污染物[3-5]。中國僅僅1%的易感染人群生活在PM2.5濃度低于世界衛(wèi)生組織空氣質量標準的區(qū)域(AQG of WHO，10ug/m3)，而69%的人群承受著高濃度顆粒物濃度的潛在威脅(AQG of WHO，35ug/m3)[6]，導致呼吸系統(tǒng)疾病發(fā)病率激增[1，7]。我國突出的城市環(huán)境問題已經引起政府部門/科研工作者及公眾的關注，如何治理顆粒物、建設健康城市迫在眉睫。

目前，較多學者從化學、生態(tài)、氣象、地理信息系統(tǒng)、城市規(guī)劃等不同領域對PM2.5、PM10進行多角度研究，主要關注對PM2.5、PM10的化學組分和來源[8]、時空差異[9]、污染過程[10]、測量與模擬[11-12]、健康評估[13]以及氣象因素與顆粒物之間關系的探究[14]，逐步開始關注地表景觀類型、組分、格局及其時空變化對PM2.5、PM10的影響，但研究成果較少[15]。景觀類型的構成和格局能夠直接地作用于PM使其增加或減少，另一方面城市景觀結構改變引起的局地氣候變化又能間接影響顆粒物的運輸體積和傳輸速度，其中城市建設用地、交通用地、工業(yè)用地作為PM2.5、PM10的主要“源”景觀，對PM2.5、PM10污染水平的提高貢獻較多，而城市綠地作為“匯”景觀對顆粒物的緩解起到積極作用[16-17]。同種類園林植物對顆粒物吸附方式、化學物質轉移過程的異同導致植物吸附能力的種間差異，阮氏清草研究了5種城市植被類型，發(fā)現(xiàn)樹木、灌木林、草地降塵效果的總體趨勢逐漸減弱[18-19]，但也有學者認為葉片生長旺盛季節(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[20]。李新宇對北京市主干道消減PM2.5能力的研究發(fā)現(xiàn)，顆粒物濃度受道路綠帶寬度和格局影響，郁閉度高、喬灌草搭配的復層結構綠地減緩作用最強[21]。因此在城市土地資源稀缺的背景下，綠地空間不斷被侵占，依靠綠地面積增加或建設用地面積減少來緩解顆粒物具有一定的局限性，充分認識綠色空間在各類城市景觀的比例、空間格局(形狀、配置、空間排列方式)等因素與顆粒物的耦合關系才能有效降低大氣污染水平。XU、SUN分別利用植被覆蓋指數、景觀格局指數(PLAND、IJI、SHDI)從市域尺度對林地與PM2.5、PM10濃度相關性進行分析，但并未進行多尺度間相關性差異比較[22-23]。然而景觀格局與過程的關系只有在一定的尺度下才有意義，在不同尺度下的研究結果截然不同[24]，因此對綠地空間進行多尺度研究才能將格局與顆粒物緩解過程緊密結合起來，進而定量細化不同尺度可緩解顆粒物的顯著空間要素。

目前中國對大型城市如北京、上海的顆粒物數據監(jiān)控、污染治理、相關政策制定較為關注，而較少關注中小型城市顆粒物污染。鄭州位于北京、天津到安徽的高污染帶范圍[6]，顆粒物濃度居高不下，隨著2016年鄭州中心城市戰(zhàn)略地位的確定，城市生態(tài)環(huán)境將迎來更嚴峻的挑戰(zhàn)，緩解鄭州顆粒物污染狀況刻不容緩。本文以鄭州市為研究對象，分析多尺度下鄭州市綠地景觀格局與空氣顆粒物濃度時空變化特征之間的關系，尋找各個尺度下影響顆粒物濃度的綠地格局特征指標，為綠地系統(tǒng)多尺度規(guī)劃提供理論依據，探討基于顆粒物緩解為導向的理想綠地景觀優(yōu)化措施。

1 材料與方法

1.1 研究區(qū)域概況

鄭州地處中原，位于中國的中北部(112°42'E～114°14'E，34°16'N～34°58'N)，伏牛山脈東北翼向黃淮平原過渡地帶，西依嵩山、北擁黃河，地理位置優(yōu)勢顯著。近年來，隨著鄭州城市化的加劇，空氣污染程度逐年增加。本文研究區(qū)域包括鄭州市轄區(qū)(二七區(qū)、金水區(qū)、管城區(qū)、中原區(qū)和惠濟區(qū))內的9個環(huán)保部國家空氣質量自動監(jiān)測站 (圖1)。

圖1 研究區(qū)位監(jiān)測站點位置分布圖(A.煙廠 B.鄭紡機 C.銀行學校 D.供水公司 E.經開區(qū)管委 F.四十七中 G.市監(jiān)測站 H.河醫(yī)大 I.崗李水庫)

圖2 鄭州市空氣監(jiān)測站點景觀格局(A.煙廠 B.鄭紡機 C.銀行學校 D.供水公司 E.經開區(qū)管委 F.四十七中 G.市監(jiān)測站 H.河醫(yī)大 I.崗李水庫)

1.2 研究方法

1.2.1 數據來源與處理

1) 影像數據。

基于鄭州市2015年5月27號的高精度衛(wèi)星影像圖(分辨率為0.49m)，所選圖像成像時天氣晴好，研究區(qū)無云覆蓋，影像成像質量較好。通過數據融合、校正、鑲嵌、裁剪和矢量信息提取等處理，獲取景觀分類數據。考慮到單個監(jiān)測點能夠代表的范圍及不同尺度下數據之間的相關性，將研究區(qū)域內以9個監(jiān)測站點為中心、6km范圍為半徑的土地利用類型劃分為城市綠地、交通用地、水域、農業(yè)用地、未利用地和建設用地6類進行目視解譯，并以監(jiān)測站點為中心建立1km×1km、2km×2km、3km×3km、4km×4km、5km×5km、6km×6km緩沖區(qū)來分析綠地景觀格局與PM2.5、PM10耦合關系(圖2)。

2)顆粒物數據。

本研究從國家環(huán)境保護部網絡平臺獲取2015—2016年全年鄭州市9個國家監(jiān)測站點PM2.5、PM10的連續(xù)測量每小時實時數據，剔除缺失數據和明顯有誤以及降雨和大風(風速≥3m/s)天氣顆粒物數據，共獲得有效數據2216組(2015年6144組，2016年6072組)，計算鄭州市9個監(jiān)測站點的季度均值。氣象數據包括從中國氣象數據網獲取2015—2016年風速、風向、溫度、相對濕度、降水量的日平均數據。

1.2.2 景觀格局指數

基于前人對城市森林景觀格局指數的選取方法，依據能夠反映實際、較好地表現(xiàn)景觀模式配置及構成等原則，本文共選取4個景觀格局指數(表1)，在Fragstats 4.2中計算斑塊所占景觀面積比例(PLAND)、最大斑塊指數(LPI)、面積加權形狀指數(SHAPE_AM)、分離度指數(DIVISION)，來定量化分析不同綠地景觀模式與顆粒物濃度的相關關系[20，23-25]。

2 結果與分析

2.1 鄭州市PM2.5濃度與綠地格局的耦合關系

綠地斑塊面積比(PLAND)對PM2.5濃度的影響易受尺度和季節(jié)的干擾，在春、秋、冬季，隨著尺度的推移，綠地斑塊面積的增加對PM2.5濃度的影響由降低作用變?yōu)樵黾幼饔?，而夏季PLAND增加則導致PM2.5濃度升高。PLAND與PM2.5僅在夏季1km×1km尺度呈顯著正相關，且隨著尺度的減小相關性呈增加趨勢。春、秋、冬季負相關系數最大值均出現(xiàn)在6km×6km尺度，秋季兩者關系由負相關變?yōu)檎嚓P的轉折點出現(xiàn)在4km×4km尺度，春季和冬季轉折點均出現(xiàn)在2km×2km尺度(圖3)。

表1 景觀格局指數的簡述與計算公式

除夏季以外，其他季節(jié)PM2.5濃度均隨著LPI增加而下降。春秋季在6km×6km尺度LPI與PM2.5濃度相關性高于其他各個尺度，冬季在4km×4km范圍相關性達到最大。夏季異于其他季節(jié)，LPI與PM2.5濃度在1km×1km～3km×3km呈顯著正相關，并在2km×2km尺度相關性最大(圖3)。

春、秋、冬季PM2.5的濃度伴隨面積加權平均斑塊形狀指數(SHAPE_AM)增長呈下降趨勢，夏季變化趨勢與之相反。春、冬季PM2.5濃度與1km×1km尺度SHAPE_AM相關性較高，而秋季則在2km×2km尺度相關性最高，這說明小尺度內PM2.5濃度對綠地的形狀復雜程度變化更為敏感。與PLAND、LPI相似，在2km×2km尺度正相關系數最大(圖3)。

春、秋、冬季PM2.5濃度與6個尺度上的綠地景觀分割指數均呈正相關，且均在6km×6km尺度相關性最高，表明綠地斑塊越分散的格局越容易導致PM2.5濃度的升高。而在夏季，綠地內PM2.5濃度隨著DIVISION的增加而降低，在2km×2km尺度呈顯著負相關，可能是由于夏季綠地斑塊分散，容易形成通風廊道，導致濕度降低[26](圖3)。

2.2 鄭州市PM10濃度與綠地格局的耦合關系

PLAND增加PM10濃度呈降低趨勢，并隨著尺度域的減小逐步變緩。冬季PM10濃度與PLAND無顯著相關性，春季PM10濃度在3km×3km～5km×5km尺度呈顯著負相關且相關性逐漸增強，并在5km×5km緩沖區(qū)相關性最強，隨后在6km×6km尺度相關性降低。夏季PM10濃度與PLAND在3km×3km、5km×5km、6km×6km呈顯著負相關，且在5km×5km～6km×6km尺度與春季變化趨勢相同。秋季除1km×1km以外其他尺度均與PM10濃度呈顯著負相關，且對PM10的緩解效應優(yōu)于其他三季(圖4)。

PM10濃度整體上隨著LPI增加呈下降趨勢，在1km×1km～6km×6km尺度對PM10緩解效應先增強后減弱。LPI與秋季2km×2km～6km×6km尺度PM10濃度呈負相關，并在3km×3km達到峰值，其余各個季節(jié)尺度均無明顯相關性。對于春、夏季，PM10濃度均在3km×3km尺度相關性最佳，冬季在5km×5km尺度負相關性最強(圖4)。

全年P M10的濃度在各個尺度均隨著SHAPE_AM的增加而降低。兩者只在秋季5km×5km、冬季1km×1km尺度呈顯著負相關。春季PM10濃度與SHAPE_AM在5km×5km尺度負相關性最強；夏季PM10濃度與SHAPE_AM在1km×km尺度上相關性較強(圖4)。

全年PM10濃度與DIVISION呈正相關，在各個尺度上DIVISION越大顆粒物濃度也越大，在全年中僅秋季DIVISION與PM10濃度呈顯著正相關，在3km×3km尺度相關性最高。春、夏季兩者關系尺度效應與秋季相似，均在3km×3km尺度發(fā)揮最佳效果。而冬季兩變量在4km×4km尺度相關性最大(圖4)。

3 結論

1) PM2.5、PM10濃度與綠地景觀格局耦合關系存在明顯季節(jié)差異。PM2.5濃度與綠地景觀格局指標在夏季存在顯著相關，其他季節(jié)均無顯著相關性。相同尺度下秋季PM10濃度與PLAND、LPI、SHAPE_AM、DIVISION相關性均高于其他季節(jié)，春夏次之、冬季最差。

2) PM2.5、PM10濃度與綠地景觀格局耦合關系存在顯著的尺度差異。對于PM2.5，只在夏季1km×1km尺度與PLAND呈顯著正相關，1km×1km～3km×3km尺度與LPI呈顯著正相關, 1km×1km～2km×2km尺度與DIVISION呈顯著負相關；對于PM10，在冬季1km×1km尺度、秋季5km×5km尺度均與SHAPE_AM呈顯著負相關；在秋季2km×2km～6km×6km尺度與LPI呈負相關、與DIVISION呈顯著正相關；在春季3km×3km～6km×6km尺度，夏季3km×3km、5km×5km、6km×6km尺度，秋季2km×2km～6km×6km尺度與PLAND呈顯著負相關。

圖3 PM2.5與景觀格局指數相關性分析[r表示相關系數；＊＊在0.01水平(雙側)上顯著相關，＊在0.05水平(雙側)上顯著相關；陰影表示95%置信區(qū)間范圍]

3) 綠地景觀格局對PM10濃度的影響較PM2.5顯著，在特定的尺度改變綠地景觀格局能夠發(fā)揮最大的緩解作用。隨著尺度的增加，PLAND與春、秋、冬季PM2.5濃度正相關性逐步減弱負相關性逐步增強，在春、冬季3km×3km，秋季5km×5km尺度由正相關性轉負相關性，且均在6km×6km尺度負相關性最強；LPI與春季PM2.5濃度相關性在2km×2km尺度由正轉負，且在6km×6km尺度負相關性最強，LPI與秋冬兩季PM2.5濃度在6km×6km、4km×4km尺度負相關性最強；SHAPE_AM與PM2.5濃度在春季冬季1km×1km、秋季2km×2km尺度負相關性最強；DIVISION與PM2.5濃度在春、秋季6km×6km，冬季5km×5km尺度正相關性最強。PLAND與PM10濃度在春季、夏季、秋季5km×5km尺度負相關性最為顯著，冬季6km×6km尺度負相關性最顯著；LPI、DIVISION均與PM10濃度在春、夏、秋季3km×3km尺度負相關性最強，且秋季為顯著負相關，而冬季則在4km×4km尺度負相關性最強；SHAPE_AM與PM10濃度在秋季5km×5km、冬季1km×1km尺度顯著負相關性最強，春季5km×5km、夏季1km×1km尺度負相關性最強。

4 討論

4.1 綠地景觀格局緩解PM2.5/PM10的季節(jié)效應

PM2.5濃度在夏季與PLAND、LPI、SHAPE_AM、DIVISION相關關系異于其他季節(jié)，且春季綠地景觀格局變動帶來的緩解作用優(yōu)于秋季，可能由于林地吸收顆粒物濃度的能力存在一定的閾值，而2個季節(jié)主要顆粒物的組分不同，PM2.5來源于工業(yè)廢氣、汽車尾氣、燃料和生物質燃燒等污染物，而交通、城市建設活動等引起的揚塵和沙塵是PM10的主要來源[8]。秋季鄭州城市邊緣區(qū)、郊區(qū)存在燃燒農作物的情況，產生大量的煙霧及小粒徑顆粒物，而春季冷鋒前后氣象條件變化大，造成鄭州市多揚沙、浮塵天，大風將黃河兩岸的沙土帶入城市，導致大粒徑顆粒物濃度的上升[27-28]。本研究中夏季PM2.5濃度為全年最低水平，但與PLAND、LPI呈正相關,與DIVISION呈負相關異于其他季節(jié)，一方面由于夏季樹木生長旺盛，樹木枝葉和冠層可以持續(xù)地把周圍的污染物積聚、吸附于自身，使綠地外部空間濃度保持較低水平，但另一方面夏季植物蒸騰作用加劇和持續(xù)高溫、降雨充沛的氣象特點，使空氣中濕度保持在較高水平，導致顆粒物吸水增長大量匯集，造成顆粒物濃度升高[29-31]，這與劉萌萌認為夏季林帶細顆粒物經過林帶濃度明顯升高的研究結論一致[32]。對于PM10來說，秋季滯塵效應強、冬季最弱，造成這種季節(jié)性變化的原因可能是氣候環(huán)境或其他復雜的污染物傳播過程，此外夏、秋季植物生長旺盛，能夠有效地降低顆粒物濃度，春、冬季植物阻滯顆粒物作用減弱，特別是冬季由于北方除少量闊葉灌木外多數闊葉樹木已經落葉，只有針葉樹木能夠發(fā)揮作用[28-32]。

4.2 綠地景觀格局對PM2.5、PM10的影響

城市綠地、城市建設用地、城市湖泊等城市生態(tài)子系統(tǒng)通過不同的覆土類型及空間結構致使大氣中能量和物質分布、傳送的不均勻性，引起城市尺度局地環(huán)流、大氣湍流，改變城市大氣環(huán)境，進而影響大氣顆粒物濃度指標空間分布。研究表明自然植被和人工植被為主要存在形態(tài)的城市綠地系統(tǒng)能夠有效緩解大氣顆粒物，但較少提及多尺度綠地景觀格局與PM2.5、PM10濃度的耦合效應[33-34]。理論上，就PLAND與PM2.5、PM10濃度的相互關系，可以通過增加綠地在城市景觀中的比重來降低污染水平，但是城市高速發(fā)展的背景下幾乎不可能通過減少城市用地來增加綠色空間。因此解決當今大氣污染問題，綠地景觀模式的改變發(fā)揮著尤為重要的作用。李琴研究發(fā)現(xiàn)，減小斑塊間平均臨近距離、提高斑塊間聚合程度對降低PM10最為有效[35]。增加SHAPE_AM可以提高生物的擴散使物質和能量與周圍景觀交換更密集，使綠地能夠吸收更多不同來源的顆粒物；DIVISION越大意味著格局越分散，綠地斑塊聚集程度較弱，綠地集群效應差；與DIVISION相似，增加LPI使斑塊優(yōu)勢度提升，可以加強大型綠地斑塊與中小型斑塊、獨立斑塊的連通性，增強整個綠地空間的抗干擾力。優(yōu)化景觀格局，加強綠地景觀內部的抗干擾能力，同時增強與外部的聯(lián)系，發(fā)揮更大的滯塵作用[36]。

圖4 PM10與景觀格局指數相關性分析[r表示相關系數；＊＊在0.01水平(雙側)上顯著相關，＊在0.05水平(雙側)上顯著相關；陰影表示95%置信區(qū)間范圍]

4.3 基于緩解顆粒物的多尺度綠地空間格局優(yōu)化措施

1)保證綠地面積基數，提高綠地空間占有比。

針對PM10，在秋季5km×5km尺度增加綠地面積對PM10濃度緩解作用最佳；而對于PM2.5則需要綠地面積達到一定基數，在春季6km×6km尺度提高綠地面積對緩解PM2.5濃度作用最佳。

2)保護和發(fā)展優(yōu)勢斑塊，增強全局水平綠地空間集群效應。

在秋季2km×2km～6km×6km尺度加強大型綠地斑塊的拓展及保護、提高斑塊集群效應可以顯著降低PM10濃度，尤其在3km×3km尺度減緩作用最佳；在冬季4km×4km尺度增加大型斑塊面積對PM2.5濃度減緩效應最好，而冬季5km×5km尺度通過提高斑塊聚集程度能明顯緩解PM2.5濃度。

3)增加城市綠地斑塊的形狀復雜程度，增強灰綠空間能量、物質交換過程。

城市綠地受道路、建筑等用地模式不同程度的限制常常以規(guī)則形態(tài)出現(xiàn)，在冬季1km×1km尺度或春季1km×1km尺度適當提高斑塊的邊界的復雜程度，能夠顯著增強綠地空間與外部灰色空間之間的物質、能量交換，增強對PM10、PM2.5的減緩效應。