城市湖泊濕地建成環(huán)境對PM10、PM2.5濃度影響因子分析
——以武漢市為例

曾元梓 陳奕汝 郭慧娟 朱春陽

空氣PM10、PM2.5為人體可吸入顆粒物，嚴重危害人體健康。與PM10相比，PM2.5粒徑更小，被稱為可入肺顆粒物，因其易吸入和長期殘留性，且富含大量的有毒、有害物質(zhì)，對人體健康和大氣環(huán)境質(zhì)量的影響更大。目前消減PM10、PM2.5的主要措施主要為控制污染源，如減少工業(yè)污染氣體排放、使用清潔能源、減少交通量、鼓勵公共交通等。但在污染源一定的條件下，污染物濃度的大小主要取決于氣象條件[1]，有研究表明空氣相對濕度是影響顆粒物濃度的主要氣象因子之一[2-3]。由于城市水體具有巨大的熱容量和強烈的水分蒸發(fā)，濱水環(huán)境的空氣濕度也隨之相應(yīng)變化，空氣PM濃度易受空氣濕度的影響而發(fā)生吸濕增長、沉降。Liu等發(fā)現(xiàn)濕地和湖泊能夠有效沉降空氣PM，且湖泊能夠更好地移除空氣粗顆粒物[4]；康曉明等發(fā)現(xiàn)城市的湖泊、水庫和河流具有顯著的降低空氣粉塵的作用，其中湖泊降塵效應(yīng)更為明顯[5]；Wu等也發(fā)現(xiàn)北京城市擁有自然植被和水體的區(qū)域具有較低濃度的PM2.5

[6]。作為典型的濱水環(huán)境，城市湖泊濕地以其特有的小氣候影響著周邊空氣的相對濕度，在改善空氣質(zhì)量方面發(fā)揮著巨大作用[7-8]?？紤]城市空氣PM10、PM2.5濃度值除受氣象條件影響外，更受周邊交通、人口密度、土地利用類型等多方面影響[9]，因此城市湖泊濕地PM10、PM2.5濃度的影響因子十分復(fù)雜。目前LUR模型在1997年首次應(yīng)用于城市大氣污染物濃度空間化分布，最初由SAVIAH(Small Area Variations in Air quality and Health)研究計劃引入，應(yīng)用于空氣污染制圖，稱為回歸制圖[10]。LUR模型基于監(jiān)測數(shù)據(jù)和監(jiān)測點一定半徑內(nèi)的土地利用信息、道路交通特征和其他相關(guān)地理變量構(gòu)建回歸方程[11]，利用回歸方程模擬未監(jiān)測位置的大氣污染物濃度。該模型后續(xù)成功應(yīng)用于歐洲及北美一些城市NO2、NOX、PM2.5年平均濃度的估算，以及不同環(huán)境下PM2.5和VOCs等背景值的 估算[12-13]。該模型將分布在研究區(qū)域監(jiān)測點的監(jiān)測數(shù)據(jù)與基于GIS平臺的各種模擬變量(道路狀況、土地類型、人口密度、氣象條件、自然條件等)的模型相結(jié)合模擬高分辨率下大氣污染物空間分布情況。因此，LUR模型對城市湖泊濕地周邊PM10、PM2.5影響因子的分析提供了更具有操作性的平臺。本文在國內(nèi)外LUR模型應(yīng)用研究的基礎(chǔ)上，結(jié)合影響因子分析加入了主成分分析的方法，更為系統(tǒng)地探討了城市湖泊濕地建成環(huán)境對PM10、PM2.5濃度的影響因子，對建立城市湖泊濕地規(guī)劃評價體系具有重要意義。

1 研究區(qū)域與研究方法

1.1 研究區(qū)域概況

湖北省武漢市(113°41′～115°05′E，29°58′～31°22′N)位于長江中下游江漢平原東部，濕地資源居全球內(nèi)陸城市前三位，其水域面積占全市國土面積的1/4，構(gòu)成武漢極具特色的濱江濱湖水生態(tài)環(huán)境。武漢具有豐富的湖泊濕地資源，被稱為“百湖之市”，城市中心區(qū)共有38個湖泊，其中面積大于1km2的湖泊達到16個。選擇武漢城市三環(huán)內(nèi)主城區(qū)立地條件相似的湖泊濕地12塊，面積分別為＜0.04km2、0.04～0.06 k m2、0.06～0.08 k m2、0.08～0.10 k m2、0.10～0.12 k m2、0.12～0.15 k m2、0.15～1.00 k m2、1.00～5.00km2、＞5.00km2(圖1)。

圖1 測試點分布示意(其中菱角湖和鯇子湖2014年7月實施清湖工程，觀測期間水域面積縮小)

圖2 基于LUR模型的城市湖泊濕地建成環(huán)境對PM10、PM2.5濃度影響因子分析流程

1.2 研究方法

1.2.1 LUR 模型

目前，LUR模型相關(guān)研究中的模擬變量主要包括：各種能反映交通狀況的數(shù)據(jù)、人口密度、土地利用類型、自然地理狀況(海拔、距海距離、地形等)以及氣候(風向、風速等)[14-15]。利用LUR模型分析城市湖泊濕地PM10、PM2.5濃度影響因子的工作流程見圖2。

考慮到選取的研究區(qū)為武漢市中心城區(qū)，空氣PM10、PM2.5的主要污染源是城市道路，同時土地利用類型中非硬質(zhì)下墊面及水體面積可促使污染物在多介質(zhì)之間的轉(zhuǎn)換，因此本研究對中心城區(qū)的道路狀況及緩沖區(qū)內(nèi)水體做了詳細的劃分。本研究選擇不同緩沖區(qū)(100、200、300、400、500m范圍)內(nèi)道路的總長度來代表城市湖泊周邊的交通狀況。土地利用類型條件中，選擇緩沖區(qū)500m范圍內(nèi)非硬質(zhì)下墊面的總面積來代表城市湖泊周邊的土地利用狀況；選擇不同緩沖區(qū)(100、200、300、400、500m范圍)內(nèi)水體的總面積來代表城市水體對PM10、PM2.5濃度空間分布的影響情況。自然條件因素中，選擇湖泊濕地面積代表城市湖泊濕地面積對PM10、PM2.5濃度空間分布的影響情況；同時考慮到武漢市內(nèi)長江穿城而過，以湖泊濕地位置距長江的距離代表對PM10、PM2.5濃度空間分布的影響情況。選取湖泊濕地位置距離中心城區(qū)的距離代表位置指數(shù)對PM10、PM2.5濃度空間分布的影響情況。選取湖泊濕地周邊街道人口密度作為人口密度指數(shù)對PM10、PM2.5濃度的影響。對于氣象因素，由于本試驗過程是在晴好無風的條件下進行，因此選取影響PM10、PM2.5濃度空間分布的相對濕度作為氣象因素。由于武漢中心城區(qū)地處江漢平原地區(qū)，故本研究未考慮海拔的影響。

1.2.2 數(shù)據(jù)來源

數(shù)據(jù)來源包括湖泊濕地建成環(huán)境土地利用變量和PM10、PM2.5濃度及氣象因子(相對濕度)觀測數(shù)據(jù)。其中土地利用數(shù)據(jù)結(jié)合Spot5遙感影像解譯及實地調(diào)研校正數(shù)據(jù)，通過ENVI5.1和ArcGIS10.2提取土地利用自變量；人口數(shù)據(jù)依據(jù)2014年統(tǒng)計年鑒數(shù)據(jù)；PM10、PM2.5濃度及相對濕度觀測數(shù)據(jù)來源于定量實測，每塊湖泊濕地設(shè)置4個樣地，每個樣地設(shè)置4條樣線，樣線沿湖泊濕地邊界設(shè)置；在距地面1.5m處進行連續(xù)觀測。測定時間選擇濕地生態(tài)改善作用最為明顯的2014年7月上旬進行，7：00—19：00，每1h一次分別對每條樣線及對照處的空氣PM10、PM2.5進行同步測定，挑選晴好無風相似的3d進行數(shù)據(jù)分析。

1.2.3 測試儀器

PM10、PM2.5濃度測試儀器采用嶗應(yīng)2025粉塵檢測儀，測定范圍為1～1000ug/m3，分辨率為0.1ug/m3，重復(fù)性誤差±2%；相對濕度測試儀器采用德國產(chǎn)德圖testo625濕度測試儀，相對濕度測定范圍為0～100%RH，分辨率為0.1%RH。

2 結(jié)果與分析

2.1 LUR模型模擬變量主成分分析

分別計算12塊湖泊濕地3d所有時刻的PM10、PM2.5和相對濕度平均值(表1)。

表1 12塊湖泊濕地模擬變量數(shù)據(jù)及平均PM10、PM2.5濃度資料

表2 總方差解釋

表3 提取和成分變量載荷

從表2總方差解釋可以看出，提取4個特征值大于1的主成分，達到總方差的91.2%。因此，認為4個主成分已經(jīng)能夠代表所有自變量的總方差解釋。表3可以看出旋轉(zhuǎn)后的成分變量載荷，當成分變量載荷因子≥0.5時表現(xiàn)明顯。第一個主成分為道路影響因子，主要為道路長度占比(100、200、300、400、500m)；第二個主成分為緩沖區(qū)內(nèi)水體影響因子(100、200、300m)；第三個主成分為緩沖區(qū)內(nèi)及周邊大型水體影響因子，包括緩沖區(qū)內(nèi)水體影響因子(400、500m)，距長江距離；第四個主成分為自然條件、人口密度因子及氣象影響因子，包括濕地外側(cè)500m范圍內(nèi)非硬質(zhì)下墊面占比，湖泊濕地面積，距中心城區(qū)距離，人口密度和相對濕度因子。

2.2 雙變量相關(guān)性分析

分別將3d PM10、PM2.5平均值與自變量因子進行雙變量線性相關(guān)性分析(表4)，可以看出，相關(guān)性顯著的自變量因子主要分布在道路影響因子和自然條件因子2個主成分中。從R2值可以看出，與PM10平均值值顯著性相關(guān)的變量因子為道路長度占比(300、500m范圍，P＜0.05)，濕地外側(cè)500m范圍內(nèi)非硬質(zhì)下墊面占比、湖泊濕地面積和距中心城區(qū)距離，其中與道路長度占比呈顯著正相關(guān)(P＜0.05)，與濕地外側(cè)500m范圍內(nèi)非硬質(zhì)下墊面占比、湖泊濕地面積、距中心城區(qū)距離呈顯著負相關(guān)(P＜0.05)。與PM2.5平均值顯著性相關(guān)的變量因子為道路長度占比(300、500m范圍，P＜0.05)、濕地外側(cè)500m范圍內(nèi)非硬質(zhì)下墊面占比和距中心城區(qū)距離，其中與道路長度占比呈顯著正相關(guān)(P＜0.05)，與濕地外側(cè)500m范圍內(nèi)非硬質(zhì)下墊面占比、距中心城區(qū)距離呈顯著負相關(guān)(P＜0.05)。

城市空氣PM10、PM2.5濃度變化受天氣氣象等多方面因素影響，從3d數(shù)據(jù)可以看出，觀測第1d道路影響因子與PM平均值相關(guān)系數(shù)R2值相對較小，而第2、3d道路影響因子與PM平均值相關(guān)系數(shù)R2值較大，具有較強的相關(guān)性；湖泊濕地面積因子只有第2d與PM10平均值相關(guān)系數(shù)R2值較大；濕地外側(cè)500m范圍內(nèi)非硬質(zhì)下墊面占比、距中心城區(qū)距離變量因子與PM平均值相關(guān)系數(shù)R2值均較大，相關(guān)性顯著。

表4 雙變量線性相關(guān)分析

表5 回歸分析

2.3 多元線性回歸分析

分別以3d PM10、PM2.5為因變量，以與之相關(guān)性顯著的因素為自變量進行多元線性回歸分析，YPM10預(yù)測模型中R2=0.348～0.600，在P＜0.05水平上顯著；YPM2.5預(yù)測模型中R2=0.491～0.534，在P＜0.05水平上顯著，表現(xiàn)出了一定的相關(guān)性，說明了由城市湖泊濕地PM10、PM2.5關(guān)鍵影響因子構(gòu)成的LUR模型具有一定的可行性。從表5回歸分析可以看出，湖泊濕地建成環(huán)境道路影響因子對PM10預(yù)測模型呈正相關(guān)，濕地外側(cè)500m范圍內(nèi)非硬質(zhì)下墊面占比(X11)、距中心城區(qū)距離(X13)對PM10、PM2.5預(yù)測模型呈負相關(guān)。綜合PM10、PM2.5預(yù)測模型，可以看出減少城市湖泊濕地建成環(huán)境道路占比、增加非硬質(zhì)下墊面所占比例、距離中心城區(qū)距離越遠時，城市湖泊濕地建成環(huán)境的PM濃度較低，降低空氣PM10、PM2.5效應(yīng)越明顯。但同時也說明城市湖泊濕地周邊空氣PM10、PM2.5濃度的空間分布受建成環(huán)境主成分多方面因素的影響。

3 結(jié)論與討論

3.1 結(jié)論

快速城市化進程導(dǎo)致城市污染問題越來越嚴重，因此改善空氣質(zhì)量以保護人類健康越加顯重要。本研究在國內(nèi)外LUR模型應(yīng)用研究的基礎(chǔ)上，結(jié)合影響因子分析加入了主成分分析的方法，初步建立了城市湖泊濕地建成環(huán)境PM LUR模型。1)通過城市湖泊濕地建成環(huán)境LUR模型模擬變量主成分分析，得出總方差解釋提取4項自變量主成分，分別為：道路影響因子，累積達到總方差解釋的29.4%；緩沖區(qū)內(nèi)水體影響因子(100、200、300m)，累積達到總方差解釋的52.8%；緩沖區(qū)內(nèi)及周邊大型水體影響因子，累計達到總方差解釋的72.7%；自然條件、人口密度及氣象影響因子，累積達到總方差解釋的91.2%。2)綜合3d城市湖泊濕地PM10、PM2.5濃度數(shù)據(jù)與模擬變量進行相關(guān)性分析，得出對PM10日均濃度影響顯著的因素為道路長度占比(300、500m范圍)、濕地外側(cè)500m范圍內(nèi)非硬質(zhì)下墊面占比、湖泊濕地面積、距中心城區(qū)距離，其中影響最大的因素是距中心城區(qū)距離(3d R2分別為0.238、0.546、0.476)，其次為濕地外側(cè)500m范圍內(nèi)非硬質(zhì)下墊面占比(3d R2分別為0.348、0.332、0.536)。對PM2.5日均濃度影響顯著的因素為道路長度占比(300、500m范圍)、濕地外側(cè)500m范圍內(nèi)非硬質(zhì)下墊面占比、距中心城區(qū)距離，其中影響最大的因素是距中心城區(qū)距離(3d R2分別為0.355、0.508、0.456)，其次為濕地外側(cè)500m范圍內(nèi)非硬質(zhì)下墊面占比(3d R2分別為0.464、0.372、0.364)。3)利用LUR模型進行PM10、PM2.5多元線性回歸分析，得出3d YPM10預(yù)測模型中R2= 0.348～0.600、YPM2.5預(yù)測模型中R2=0.491～0.534，均在P＜0.05水平上顯著，表現(xiàn)出了一定的相關(guān)性，由城市湖泊濕地建成環(huán)境對PM10、PM2.5關(guān)鍵影響因子構(gòu)成的LUR模型具有一定的可行性。

3.2 討論

3.2.1 LUR模型

本研究針對不同建成環(huán)境類型的城市湖泊濕地PM濃度進行監(jiān)測，基于LUR模型探討城市湖泊濕地建成環(huán)境對PM的關(guān)鍵影響因子，得出空氣PM濃度的關(guān)鍵影響變量主要包括交通變量和土地利用類型變量，這與武漢主城區(qū)PM源解析結(jié)果一致，機動車尾氣排放為城市大氣PM的主要污染源[16]，因此交通變量構(gòu)成了空氣PM濃度的關(guān)鍵影響因子，這與本研究中湖泊濕地周邊建成環(huán)境道路長度占比對空氣PM影響顯著的結(jié)論一致，但同時也發(fā)現(xiàn)道路長度因子對空氣PM的影響并未占絕對優(yōu)勢，一方面可能由于樣地均沿濕地邊界設(shè)置，觀測點距城市道路具有一定的距離，弱化了道路因子的影響；另一方面可能由于相對于道路長度占比，道路交通量更能精確地代表交通變量，具體過程仍需進一步展開。另外，土地利用類型變量在LUR模型構(gòu)建過程中至關(guān)重要[10，12-14]，本研究得出城市湖泊濕地建成環(huán)境非硬質(zhì)下墊面占比、距離中心城區(qū)距離變量對空氣PM濃度變化產(chǎn)生重要的影響。城市湖泊濕地具有一定的低溫高濕條件，導(dǎo)致一定的空氣PM沉降過程[4]；再加上濕地與周邊環(huán)境的冷暖空氣流動，加快顆粒物在局地環(huán)流的作用下向濕度較低的方向擴散[7，17]，導(dǎo)致湖泊濕地周邊空氣顆粒物濃度相對較低。因此，當湖泊濕地周邊建成環(huán)境非硬質(zhì)下墊面占比增加、距離中心城區(qū)距離較遠時，會加強湖泊濕地的濕度條件，對提高城市湖泊濕地的整體環(huán)境效應(yīng)具有明顯的作用，相關(guān)研究也表明水綠復(fù)合型濱水環(huán)境會加強水體降溫增濕效應(yīng)[18-19]。因此，本研究中非硬質(zhì)下墊面占比、距離中心城區(qū)距離變量對城市湖泊濕地效應(yīng)的發(fā)揮產(chǎn)生了顯著的相關(guān)性。

另外，考慮降雨過程會對空氣PM產(chǎn)生較大的消除影響，因此本研究測試前后均排除了降雨事件的發(fā)生，因此得出的回歸分析結(jié)論只適應(yīng)于非降雨事件。同時，本研究空氣PM測試時間為具有高熱高濕的夏季，考慮到其他季節(jié)空氣污染源的變化、湖泊濕地建成環(huán)境濕度條件的不同，針對其他季節(jié)的關(guān)鍵影響因子分析仍需進一步展開。

3.2.2 空氣PM10、PM2.5對濕度條件的響應(yīng)異同

大氣中粗顆粒物PM10由于重力沉降作用大，在大氣中存在的時間不長，除了特殊的氣象條件，不能長距離輸送。細顆粒物PM2.5是大氣中最穩(wěn)定的氣溶膠粒子，主要是由超細粒子通過碰并、凝聚、吸附等物理效應(yīng)長大而成的，此外也可由揮發(fā)性組分凝結(jié)、氣-粒轉(zhuǎn)化而成，或來自于細小的地面塵，因此它不容易通過干沉降去除，一般只能由濕沉降方式去除，而且去除效率不高[20]，這樣導(dǎo)致細顆粒物在大氣中停留的時間長，輸送距離遠，影響范圍大[21-22]。由表4可以看出，相對于空氣PM2.5，城市湖泊濕地的面積、相對濕度變量對空氣PM10濃度具有較為明顯的影響，說明濕度條件對較大顆粒污染物濃度的影響比對細顆粒明顯。這是由于PM2.5顆粒物化學(xué)組分中的二次硫酸鹽和硝酸鹽都是在區(qū)域尺度上形成的，因此PM2.5的空間分布通常比較均勻[23]，同時與PM2.5自身漂浮、不易沉降的特性有一定關(guān)系，PM2.5顆粒物可被大氣環(huán)流輸送到區(qū)域環(huán)境中[24]，因此相對于空氣PM10，湖泊濕地周邊PM2.5受相對濕度變量影響不顯著，這與趙晨曦等認為PM10濃度變化比PM2.5對濕度的響應(yīng)更為顯著的結(jié)論是一致的[25]。傅偉聰?shù)纫舶l(fā)現(xiàn)同一氣象因子與大粒徑顆粒物(TSP、PM10)或小粒徑顆粒物相關(guān)性不一致并且相關(guān)大小差異明顯[26]。以上情況均說明了PM10與PM2.5對湖泊濕地濕度條件的響應(yīng)機制存在差異。

但同時由表4、5并未發(fā)現(xiàn)相對濕度變量對空氣PM濃度的影響表現(xiàn)出顯著的相關(guān)性，這可能與地表冷濕效應(yīng)對大氣顆粒物影響的機制更加復(fù)雜有關(guān)。相關(guān)研究發(fā)現(xiàn)低濕度條件下，顆粒物表面吸附能力弱，不易凝聚沉降，隨濕度增加，顆粒物吸濕增長和累積導(dǎo)致濃度增加，地表增濕效應(yīng)可能加劇這一過程；而濕度達到一定高度時，顆粒物活化形成霧滴，促進顆粒物濕沉降過程，起清除作用[27]，因此，濕度條件對顆粒物影響作用并不是簡單的線性關(guān)系[28]。與PM10相比，PM2.5中的細粒子，如硫酸鹽、多環(huán)芳烴等含量較高，較大的相對濕度對PM2.5濃度的稀釋和擴散是不利的[17](測試過程空氣平均相對濕度為72%～77%)，同時由于PM2.5更具有沉降速度慢、滯留時間長、影響范圍廣等特點，在晴好無風的天氣條件下地面環(huán)境狀況對其變化影響不顯著。由上可見，相比空氣PM2.5濃度變化趨勢，空氣PM10濃度的變化受濕地相對濕度環(huán)境變量的影響更為明顯。

注：文中圖片均由曾元梓繪制。