基于遥感反演的特大城市颗粒物浓度与三维绿量相关性研究

岳 峰

傅 凡

戴 菲*

曾 辉

颗粒物污染问题是快速城镇化过程中需要关注的重要问题之一，对人类健康产生了重要影响。在欧洲，细颗粒物污染导致人的平均预期寿命减少8.6个月[1]。颗粒物污染在20世纪50和60年代在欧洲和北美地区广泛传播，但目前在发展中国家(如中国、印度)变得更加严重[2]。空气污染导致中国每年有120万人过早死亡[3]。2013年，中国雾霾天数达52天，为历年之最。同年1月中国北方经历了长时间的雾霾，细颗粒物峰值超过800μg/m3，比世界卫生组织(WHO)的准则值高出32倍[4]。2013年6月，东南亚受到严重雾霾的影响，细颗粒物浓度累积达329μg/m3[5]。2016年国家环保部门统计中国338个地级及以上城市中，空气质量达标率仅21.6%。如何缓解大气污染是本学科需要认真思考和面对的问题。

植物在过滤空气污染物时起重要作用[6-7]，相关专家学者呼吁通过绿色基础设施来缓解空气污染[8-12]，众多学者也对不同植物滞尘和缓解空气污染的能力进行了研究[13-15]，街区尺度的实测研究也开始出现[16-17]。叶面积指数(Leaf Area Index，LAI)，定义为每单位地表面积的单侧叶面积[18]，是表征冠层结构的主要变量之一[19]。陈宇等通过对武汉市东湖风景名胜区不同结构植被群落的三维绿量实地测量，利用遥感影像提取植被指数，建立了植被指数与LAI的关系，并对其三维绿量进行了估算[20]。姚崇怀等提出了基于LAI的三维绿量的计算方法和确定路径[21]。证明LAI作为度量三维绿量的一种方法是可行的。

气溶胶是由大气及悬浮其中的液体小质点和固体粒子组成的胶体分散体系[22]，烟尘、灰尘、雾、霾都属于气溶胶，大气气溶胶是雾霾形成的基础和前提[23]。大气气溶胶光学厚度(AOD)是气溶胶颗粒的重要物理特性，可以作为代替颗粒物现状实测的一种方法[24]，能在一定程度上反映大气污染程度。大量研究表明，大气气溶胶与PM2.5、PM10近地面颗粒物浓度具有显著相关关系[25-28]，用AOD估算近地面颗粒物浓度是可行的。因为与地面测量相比，它可以提供全面的时空覆盖，观测颗粒物污染的空间分布特征[29]。He Q等通过选取春、秋两季节各一幅遥感AOD影像，定量地分析了土地利用对AOD模式的影响[24]。

目前基于遥感反演的植被覆盖与颗粒物污染的研究主要集中在二维绿量方面，Guo Y J等对湖北省的AOD时空分布研究发现，年度AOD与NDVI呈负相关[30]。Hou C L等评估分析了环渤海地区AOD的时空演变，发现低值存在于一些森林覆盖率较高的山区[31]。Shi H等发现植被覆盖率较高的长三角和珠三角地区的AOD减轻程度较大，且GWR系数为小于-0.6、-0.6～-0.4[32]。有学者基于遥感反演颗粒物浓度研究了植被覆盖度与AOD的量化关系，发现植被覆盖度≤10%和＞45%时, 对缓解空气污染具有显著作用[33]。也有学者研究了武汉市绿地景观格局对AOD的影响，发现森林、草地、水体等因子缓解AOD污染的核心景观形态指标[34]。但目前国内外对于三维绿量与AOD代表的空气污染的深入研究却鲜少涉及。武汉作为我国的特大城市，具有高密度的城市空间形态，区域内具有山地、丘陵、农田、水体、森林、林地等下垫面类型，以平原为主，水系众多，空气湿度大，冬冷夏热，具有我国东部南方城市的特征，在我国大城市中具有一定的典型性。因此本文以武汉为例，通过遥感反演MODIS AOD数据，并获取Landsat 8土地利用类型，计算比值植被指数RVI后，基于RVI与植被指数的回归方程得到三维绿量。从而探究AOD与三维绿量的相关性规律及空间分布规律，从缓解综合空气污染物的角度为城乡规划设计等提供定量化的参考。

1 研究对象及方法

1.1 研究区域

研究选取武汉行政区市域范围(8 594km2)为对象。武汉是中国中部中心城市、湖北省省会，地处东经113°41′～115°05′、北纬29°58′～31°22′。地势北高南低，中部低平，以丘陵和平原相间的波状起伏地貌为主。长江、汉江穿城而过，市域湖泊共有166个，其中超过1km2的湖泊有68个，超过10km2的湖泊有17个，截至2015年底水体面积约1 427km2。自然植被以常绿阔叶、落叶阔叶混交林为主。气候冬冷夏热，属典型的亚热带季风气候，一年中1月平均气温最低，冬季长110d，7月平均气温最高，夏季长达135d，春秋两季各约60d，呈现冬夏长春秋短的特征。年降水量为1 050～1 200mm，空气湿度大，年无霜期240d[35]。

1.2 基础数据收集与方法

1.2.1 AOD遥感反演

MODIS影像获取周期为一天，克服了影像获取受时间周期限制的问题，数据方便获取，因此，本文选取其气溶胶产品MOD021KM，空间分辨率为1km，数据可在美国国家航空航天局(NASA)官网获取。AOD受云雾降水天气的影响较大，为减小数据误差，更客观、准确地研究AOD的浓度分布，同时考虑到植被在每年的5—9月为植物生长旺季，为更好地研究植被和颗粒物污染的关系，MODIS AOD也选择每年的5—9月。通过统计2014—2018年5—9月无雨雪、风力≤3级(武汉常规风力大小)、连续7d及以上晴朗天气，发现仅有2016年7月25—31日满足天气要求。经过合理的影像筛选后，选取2016年7月29日的AOD影像作为理想的研究对象[36]。

然后基于暗像元法[37]运用ENVI 5.5对AOD数据进行几何校正、云检测、气溶胶反演、裁剪并去除水体区域后得到研究区的AOD空间分布图，然后在ArcGIS中建立500m×500m、1km×1km、2km×2km、3km×3km的网格，将值提取到不同尺度网格的属性字段中, 并将气溶胶污染级别划分为优、良、轻度、中度、重度及以上5个等级(图1)。

1.2.2 土地覆盖数据

首先运用ENVI 5.5对Landsat 8原始数据进行大气校正、图像镶嵌与裁剪等操作后，得到土地覆盖基础数据。根据监督分类将土地覆盖划分为6类：森林、疏林草地、建设用地、水体、农业用地、其他(图2)。使各用地的可分离性达到1.9以上(大于1.9为分离良好)，分类后Kappa系数达到0.976 3，解译结果满足研究要求。

1.2.3 三维绿量计算

根据相关学者在《中国园林》发表的研究成果发现，武汉度量三维绿量的叶面积指数LAI与比值植被指数(RVI)建立的三次多项式拟合性最好，R2为0.726，方程为：Y=0.012X3-0.207X2+2.061X-0.508[21]。本文基于其研究成果通过Landsat 8 数据进行RVI的获取，从而得到三维绿量的空间分布图(图3)。

1.2.4 三维绿量与AOD的统计分析

运用ArcGIS 10.5将选定的AOD空间分布数据与对应的三维绿量空间分布数据进行渔网的创建，为方便问题的研究，分别在500m×500m、1km×1km、2km×2km、3km×3km的网格尺度上进行空间属性的叠合。然后在ENVI 5.5中进行区段划分、导出为SHP文件后，在ArcGIS 10.5中进行面转栅格、重分类等操作后进行Pearson分析和回归分析。

2 AOD与LAI的相关关系规律探析

2.1 相关性分析

Pearson分析发现，整体水平上，4种网格尺度下显著性Sig＜0.01，Pearson系数都为负值(表1)，证明AOD与三维绿量呈极显著负相关。并且Pearson系数的绝对值3km尺度最大， 500m尺度最小，因此在3km网格尺度探讨三维绿量与AOD的关系更符合数据结果。

图1 3km尺度的AOD污染等级划分

图2 土地利用空间分布

图3 三维绿量空间分布

图4 不同尺度下三维绿量与AOD的相对最优拟合方程

2.2 规律模型的构建

通过模型预测，筛选得到4种尺度下拟合度相对最好的拟合模型，发现4种尺度的相对最优拟合模型都在0.01显著性水平上，4种尺度中3km尺度的回归系数R2最高，500m尺度最小，从而得到4种尺度下的4个相对最优拟合模型作为三维绿量与AOD的解释模型(表2，图4)，以3km尺度上的拟合模型为最优解释模型，即：Y=1.541 6＊exp(-0.156 6＊x)。

3 三维绿量与AOD的空间分布规律探析

3.1 AOD的空间分布特征

运用ArcGIS的Global Moran's I工具进行全局空间自相关分析。发现AOD的Moran I指数为0.70，Z得分为30.04，P＜0.01，具有正的空间自相关性，空间呈现明显的集聚特征。

通过局部空间自相关分析发现，研究区呈现明显的高高集聚、高低集聚特征，以及局部的高-低、低-高空间差异特征。

从地理空间角度来讲，研究期武汉市AOD空间分布(图5)整体呈主城区浓度高、汉南区-沉湖湿地浓度高的“双高”特征；西北部、东北部山区浓度低，南部丘陵地区浓度低的“双低”特征；以及西北部、东南部点状低-高差异特征和中山舰旅游区高-低差异的特征。也说明建成区对AOD的浓度贡献较大，这与Guo Y J等的研究结果不谋而合[30]。

3.2 三维绿量的空间分布特征

通过全局空间自相关分析发现，三维绿量的Global Moran's I 指数为0.80，P＜0.01，Z得分高达34.30，远大于2.58。说明植被覆盖度具有明显的全局空间正相关性，呈现很强的空间聚集特征。通过ArcGIS的局部空间自相关分析发现，研究区呈现明显的高高集聚、高低集聚特征，未发现明显的高-低、低-高空间差异特征。

集聚空间整体呈现“一心四片区”的特点，高-高集聚空间主要分布在武汉西北、东北、西南山地丘陵地区，低-低集聚空间主要分布在中心城区-汉江沿岸和武汉西南地区(图6)。具体来讲，高-高集聚空间分布在武汉西北部的黄陂区木兰文化生态旅游区-云雾山-素山寺森林公园-木兰清凉寨一线、武汉东北部的新洲区道观河生态旅游风景区，以及武汉东南部的江夏区山坡乡、湖泗镇、舒安乡低山丘陵地区。低-低集聚空间分布在武汉中心城区和汉江两侧滨水绿地，以及蔡甸区沉湖湿地保护区和汉南区长江沿岸绿地。

图5 AOD局部空间集聚特征

图6 三维绿量局部空间集聚特征

3.3 三维绿量与AOD的空间分布规律

考虑到相邻空间的影响问题，将空间因素考虑进去，运用地理加权回归(GWR)进行两者的空间规律的探讨。地理加权回归前的通过最小二乘法回归(OLS)验证发现，阿凯克信息准则(AICc)为-50.28，校正R2为0.506，回归系数P＜0.01，达显著性水平。标准残差满足要求，符合正态分布。适宜进行进一步的地理加权回归分析两者的空间规律。分析发现地理加权回归GWR的AICc=-626.07，R2为0.69，调整后R2为0.66，标准残差符合正态分布，模型精度得到大大提高。

从三维绿量与AOD的回归系数来看，负值区域占比94.32%，且系数小于-0.05，达显著水平的区域占比62.85%。相关系数在0.05水平显著的区域呈环主城区环状放射的特征，其中武汉南部整体比北部的相关系数高。南部绝大多部分区域的相关系数都达显著水平。其中又以蔡甸区以沉湖湿地为中心的区域、白云机场片区、江夏区沿梁子湖区域的纸坊片区-山坡乡-湖泗镇-舒安乡U型区域为特高值区域，三维绿量每增加10%，AOD浓度降低1.3%以上(图7)。

低值区域(系数-0.05～0.00)主要分布在主城区的武昌，黄陂山区、新洲区的东北部、东部和西部区域。高低系数的南北差异可能跟武汉南部区域整体开发强度大于北部，北部农田区域较多，南部下垫面较北部更复杂有关系。一定程度上说明绿地在开发建设强度较大的区域的存在对缓解AOD污染具有重要作用，随着北部三维绿量越来越高，植被郁闭度提高，相关系数有所下降，降污能力下降。

系数为正值的区域主要分布在中心城区和柏泉农场，可能是中心城区用地性质非常复杂，影响AOD浓度的因素较多，三维绿量作为其中一个因变量，未达到显著水平。农场农作物的播种收割受人工干扰较强，遥感影像选取的7月处于农场作物成熟收割季节而导致AOD与LAI系数呈正相关。

图7 三维绿量与AOD的地理加权回归关系

3.4 缓解气溶胶污染的三维绿量阈值调控策略

分别统计地理加权回归(GWR)系数为负值区间的三维绿量各个值域区间中属于中度和重度及以上污染区的网格占比，由于条件数大于30、小于0或者为空值的区域可能存在局部多重共线性，因此剔除满足上述条件的网格及GWR系数为正值的区域，发现三维绿量占比的数值空间与形成中度和重度及以上污染区的概率成明显的反比关系(图8)。

小于等于5.38的三维绿量区间内，形成中度和重度及以上污染区的概率值均大于22.31%；在大于5.38后，形成中度和重度及以上污染区的概率值降至19%以下；因此，三维绿量形成中度及以上污染的阈值为5.38。

大于8.38之后，形成中度和重度及以上污染区的概率值降至6%以下；大于9.38之后，形成中度和重度及以上污染区的概率值降为0，空气呈现轻度及以下污染。

表1 不同网格尺度下三维绿量与AOD的关系研究

表2 不同网格尺度下相对最优拟合方程

因此，三维绿量的从无到有、不断增加对缓解气溶胶污染也具有积极作用，中心城区武昌及中心城区周边的纸坊片区、武汉经济技术开发区、吴家山经济技术开发区、盘龙城片区、汉南区及蔡甸区的沉湖湿地保护区三维绿量普遍小于5.38，而且污染较严重，该区域大多为高密度的建设用地，用地性质相对较复杂，植被覆盖度低，建设用地周围三维绿量的增加可以明显缓解空气污染(图8)。通过国土空间规划、绿地系统规划、生态红线规划等相关规划管控，在二维空间上提高绿化覆盖率。城乡建设用地特别是主城区应积极落实城市控制性详细规划等规划中关于绿地类指标的刚性管控。在建设层面见缝插绿，推行垂直绿化，丰富屋顶绿化和墙面绿化，注重乔灌草的合理搭配，使三维绿量达到5.38。同时注重提升规模和量，争取在最大程度上发挥绿地缓解气溶胶污染的作用。

三维绿量大于8.38的区域，主要分布在黄陂区云雾山-素山寺森林公园-木兰清凉寨一线及木兰文化生态旅游区、江夏区东南部的山坡乡、湖泗镇、舒安乡等低山丘陵地带和新洲区的道观河生态旅游风景区，且AOD污染多数低于0.664 1，形成中度和重度及以上污染区的概率值在6%以下；该区域植被覆盖较高，三维绿量丰富，生态环境整体良好。三维绿量大于9.38的区域，主要分布在黄陂区云雾山-素山寺森林公园-木兰清凉寨一线及木兰文化生态旅游区和新洲区的道观河生态旅游风景区东部，且AOD污染多数低于0.460 7，形成中度和重度及以上污染区的概率值降为0%；该区域植被覆盖最高，三维绿量最丰富，生态环境良好，应注重维护。说明增加森林等三维绿量值很高的区域对缓解空气污染具有重要意义。这也与McDonald等的研究结论：LAI大的森林是缓解空气污染最有效的植被类型[37]一致。注重森林的保育和生态绿楔的打造和完善，将以LAI衡量的三维绿量提升到8.38以上，充分发挥森林的生态效益。

对于GWR系数大于零的区域，主要分布在中心城区的汉口汉阳、东西湖区的柏泉农场-东山农场，黄陂区蔡榨镇可能是因为汉口汉阳用地性质复杂，自变量较多，导致AOD与三维绿量的关系呈现正相关，建议结合通风廊道的规划疏解局地的小气候污染情况。东西湖区的柏泉农场-东山农场呈正相关可能是农作物处于收获季节、植被受人工干扰所致。建议采用环保型机械在雨前收割，利用降雨以减轻颗粒物的污染。

图8 三维绿量在中度、重度及以上污染的形成比例

4 结语及展望

本文主要以AOD为代表的空气颗粒物与LAI代表的三维绿量在总量和空间规律上进行了相关研究。通过以AOD为代表的空气污染物结合遥感反演土地利用类型，运用比值植被指数RVI进行三维绿量的获取，对AOD与三维绿量的相关规律进行了分析。研究发现，以叶面积指数LAI衡量的三维绿量与AOD代表的空气污染物浓度在500m×500m、1km×1km、2km×2km、3km×3km 4种网格尺度下都在0.01水平上呈极显著负相关，进而得出4种尺度的相对最优拟合规律模型作为两者的解释模型，从而揭示了两者的初步变化规律。进而对AOD的空间分布规律、LAI的空间分布规律和AOD与LAI的空间分布规律进行了探析。

本文作为风景园林领域三维绿量与空气颗粒物污染物相关研究的初步尝试，不足之处在于未考虑雨、雪等全天候天气的影响，也只在武汉市植被生长较好的夏季进行了问题的探讨等。除丰富基础数据之外，后续研究还可从2个维度纵深研究：一方面是对具体的三维植被的类型及其比重等方面进行进一步的探讨，以形成三维绿量从总量到类型、比重等较为完善的调控空气污染的定量化调控策略；另一方面可从PM2.5、氮氧化物、臭氧等污染物与三维绿量的规律研究入手，提出面向众多污染物的综合调控机制，以便更有针对性地深化对空气污染治理策略的探讨。

注：文中图片均由作者绘制。