全 文 ：第 35 卷第 16 期
2015年 8月
生 态 学 报
ACTA ECOLOGICA SINICA
Vol.35,No.16
Aug.,2015
http: / / www.ecologica.cn
基金项目:山东省中青年科学家奖励基金(2011BSB01500); 山东省杰出青年基金(2012JQB01025); 国家科技支撑计划课题(2012BAH27B00);
研究生科技创新基金(YC140307)
收稿日期:2014鄄04鄄24; 摇 摇 网络出版日期:2014鄄11鄄04
*通讯作者 Corresponding author.E鄄mail: sunlin6@ 126.com
DOI: 10.5846 / stxb201404240816
韦晶, 孙林, 刘双双, 段德宏, 郭亚敏, 米雪婷, 田信鹏, 于会泳.大气颗粒物污染对土地覆盖变化的响应.生态学报,2015,35(16):5495鄄5506.
Wei J, Sun L, Liu S S, Duan D H, Guo Y M, Mi X T, Tian X P, Yu H Y.Response analysis of particulate air pollution to Land鄄use and land鄄cover
change.Acta Ecologica Sinica,2015,35(16):5495鄄5506.
大气颗粒物污染对土地覆盖变化的响应
韦摇 晶1, 孙摇 林1,*, 刘双双1, 段德宏2, 郭亚敏3, 米雪婷1, 田信鹏1, 于会泳1
1 山东科技大学测绘科学与工程学院, 青岛摇 266590
2 山东科技大学科研处, 青岛摇 266590
3 北京师范大学全球变化与地球系统科学研究院, 北京摇 100875
摘要:土地利用鄄覆盖变化(LUCC)直接或间接影响颗粒物污染。 了解颗粒物污染对 LUCC的响应,对维护和改善生态环境具有
重要的意义。 基于卫星遥感技术,从广域的空间尺度分析颗粒物污染对 LUCC的响应。 使用 MODIS数据分别提取与颗粒物污
染相关性较高的城市用地、林地等土地利用类型,确定土地利用类型的变化趋势,利用长时间序列 MODIS 气溶胶光学厚度
(AOD, Aerosol optical depth)产品分析颗粒物污染与土地利用类型的变化的相关性。 以山东省青岛市、淄博市、济南市 3 个典
型城市为例,研究了 AOD随土地利用类型的变化趋势。 同时,考虑并分析了颗粒物污染对土地利用变化响应的敏感性,以及城
市区域变化对环境的影响。 研究结果表明,不同的城市类型,由于决定环境变化主导因素的差异,颗粒物污染对 LUCC 的响应
具有明显的差异。 青岛市地区,由于受海洋影响显著,大气颗粒物污染与 LUCC的相关性较低,如中度污染天气与林地的相关
系数为-0.451;而淄博市和济南市的相关系数分别为-0.473、-0.507。
关键词:土地利用鄄覆盖变化(LUCC); 颗粒物污染; MODIS; 气溶胶光学厚度(AOD); 相关性分析
Response analysis of particulate air pollution to Land鄄use and land鄄cover change
WEI Jing1, SUN Lin1,*, LIU Shuangshuang1, DUAN Dehong2, GUO Yamin3, MI Xueting1, TIAN Xinpeng1,
YU Huiyong1
1 Geomatics College, Shandong University of Science and Technology, Qingdao 266590, China
2 Department of Science and Technology, Shandong University of Science and Technology, Qingdao 266590, China
3 College of Global and Earth System Science, Beijing Normal University, Beijing 100875, China
Abstract: Land鄄use and land鄄cover change ( LUCC) affects particulate matter pollution in the atmosphere, directly or
indirectly. Atmospheric particulate matter is now the primary type of air pollutant and can seriously affect the life of people
in the city. It is very important for ecological and environmental protection to understand and determine the atmospheric
particulate matter pollution response to LUCC. In this paper, based on satellite remote sensing technology, we analyzed the
responses of particle pollution to LUCC on a large scale. The experiments were carried out in three typical cities, Qingdao,
Zibo, and Jinan, in Shandong Province. The aerosol optical depth (AOD) data in the last ten years from 2001 to 2010 from
MODIS L1B products were chosen to define atmospheric particulate matter pollution. The main land use types including
forest land and urban land were obtained from MODIS land use classification product (MOD12) to estimate the land cover
change of each city. According to the atmospheric visibility, the particle pollution was divided into four levels: no pollution,
slight pollution, medium pollution, and heavy pollution. The numbers of effective days for each air pollution level and the
areas of each land use type in the three cities were counted to analyze the correlation of particle pollution with LUCC. The
http: / / www.ecologica.cn
sensitivity of particle pollution to LUCC and the impact of urban change on particle pollution were also considered. There are
three main conclusions: (1) the correlation between atmospheric particle matter pollution and LUCC is lower in Qingdao
(R= -0.451) but higher in Jinan (R = -0.473) and Zibo (R = -0.507). (2) The influence of urban land on Zibo忆s
atmospheric particulate matter pollution is higher than that of Qingdao. Forest land is the most important factor on particulate
matter pollution in Jinan, with the correlation coefficient between the scale of forest land change and the four air pollution
level weather changes of 0.176, 0.859, 0.753, and 0.309 respectively. (3) The response of atmospheric particle matter
pollution to LUCC is obviously different in different cities due to different dominant factors.
Key Words: LUCC ( Land鄄use and land鄄cover change); particle pollution; MODIS; AOD ( aerosol optical depth);
correlation analysis
近年来,随着我国城市化进程的加快,土地利用变化的快速发展,尤其是植被覆盖被建筑物所替代,导致
地表吸附、阻挡扬尘的能力降低,带来一系列的生态环境问题,其中大气污染问题日益严重,城市建设、工业生
产等都直接导致了空气中颗粒物的增加。 大气颗粒物已经成为影响我国城市空气质量的首要污染物[1鄄3],颗
粒物污染问题愈发严重且来源比较复杂[4鄄5],目前已经严重影响到人们的正常生产生活。
国内外学者利用遥感技术研究土地利用鄄覆盖变化的历史较长,并取得了较多成果,土地利用信息提取、
过程趋势及驱动力分析是当前研究的重点内容,目前,土地利用鄄覆盖变化(LUCC)的研究主要集中在空间分
布规律及变化趋势探讨[6鄄9医、多源遥感数据的 LUCC过程动态监测[6,10]及 LUCC 对全球气候变化的影响、机理
研究[11鄄15]等方面。 同时,气溶胶的研究在国内外已经广泛开展,其信息获取经历了由最初的地面实时监测到
利用卫星遥感数据定量反演的过程。 研究学者在气溶胶光学特性及时空分布规律[16鄄18]、近地表颗粒物浓度
预测与模拟[19鄄21]、大气污染动态监测[22鄄24]、全球气候变化影响[25鄄26]等方面做了大量研究,并取得了较大进展。
以往的研究对 LUCC、气溶胶的进一步发展具有重要的推动作用,然而对于 LUCC与气溶胶之间关系的研究相
对较少[22],多针对短时间内的特定区域,缺乏长时间序列的研究。 卫星遥感技术的不断发展为长时间土地覆
盖信息及大气颗粒物污染信息的提取提供了便利。 本文利用长时间序列 MODIS数据研究大气颗粒物污染对
LUCC的响应,探讨气溶胶随土地利用类型的变化趋势。
文中考虑到沿海地区由于受海洋环境的直接调节,空气质量受海洋影响比较明显,大气污染相对较轻;内
陆地区远离海洋,空气质量受海洋影响较小,而城市扩张、森林砍伐等人为因素使绿色植被大面积减少,导致
地表吸附颗粒物的能力降低,空气污染加重,森林、城市的变化对内陆地区空气质量的影响相对较大,初步推
测城市大气颗粒物污染与土地覆盖变化存在着密切关系。 因此,为探讨 LUCC 对大气颗粒物污染的影响,本
文分别选取山东省青岛市、淄博市和济南市 3 个典型城市作为研究区,模拟沿海到内陆城市区域的变化,以
RS和 GIS为技术支撑,利用广尺度、长时间序列 MODIS标准产品分别提取各城市近 10 年来土地覆盖信息与
大气颗粒物污染时空分布信息,分析大气颗粒物污染与 LUCC 之间的相关性,确定 LUCC 对大气颗粒物污染
的响应机制,该研究不但可以为区域和周边经济发展以及环境保护提供决策依据,而且对维持城市群生态环
境安全也具有重要的理论和现实意义。
1摇 研究区与数据源介绍
1.1摇 研究区概况
本文以山东省的 3个典型城市,青岛市、淄博市和济南市为研究对象,开展大气颗粒物污染与土地覆盖变
化的响应分析研究。 青岛市位于山东省东南部,太平洋西岸,东、南濒临黄海,由于海洋环境的直接调节,青岛
受东南季风及海流等因素的影响比较明显,海洋性气候显著,属于典型的东部沿海城市;该市经济发展迅速,
人口分布比较集中。 淄博市位于山东省中部,地处暖温带,属半湿润、半干旱的温带季风气候;是全国重要的
石油化工基地,重工业发展迅速、经济发达。 济南市位于山东省西部,南依泰山,北跨黄河,属于暖温带半湿润
6945 摇 生摇 态摇 学摇 报摇 摇 摇 35卷摇
http: / / www.ecologica.cn
季风型气候;全市工业、软件等产业快速发展,旅游资源非常丰富,人口分布集中。 3 个城市横向分布,由沿海
到内陆延伸,空间分布规律明显(图 1)。
图 1摇 研究区地理位置示意图
Fig.1摇 Location of the research area
1.2摇 数据源及预处理
1.2.1摇 数据源介绍
文章所需的数据源主要包括 2001—2010年山东省青岛、淄博和济南 3 个城市的大气颗粒物污染数据和
土地覆盖分类数据,两种数据主要来源于 MODIS 标准产品,其中还包括 Landsat TM、ETM+、MODIS 地表反射
率产品等辅助数据,以上数据均统一到同一投影和坐标系中,采用的投影为阿尔伯斯圆锥等面积投影(Albers
conical equal area projection),简称阿尔伯斯投影,坐标系为 WGS鄄1984,所有数据在处理过程中保证像元大小
一致。 本文研究所采用的数据统一来源于 http: / / ladsweb.nascom.nasa.gov / data / search.html,具体介绍如表 1
所示。
表 1摇 数据源介绍
Table 1摇 The introduction of data sources
数据源
Data sources
数据产品
Data product
数据描述
Data description
时间序列
Time series
MODIS产品 MOD04 10km大气气溶胶产品 2001—2010年第 150—245天数据
MODIS product MOD09A1 500m地表反射率8d合成数据产品 2001—2010年夏季 8月份各四景数据
MOD12Q1 1km 地表覆盖类型 96d 合成产品 2001—2010年土地覆盖分类数据
其他数据 Other data Landsat TM、ETM+等 30m卫星数字产品 2001—2010年 8月份数据
本文使用的大气颗粒物污染数据是 MODIS Level 2中的气溶胶产品(MOD04)。 MODIS(中分辨率成像光
谱仪)是搭载在 Terra 和 Aqua 上的重要传感器,具有 36 个光谱通道,分布在可见光、近红外到热红外波谱范
围内,刈幅宽达到 2330km。 MODIS数据因重访周期短、数据质量高的特点,被广泛应用到资源环境监测、全
球气候变化等多个方面;同时,基于 MODIS的提取结果,NASA业务化提供了表观反射率、云、气溶胶、土地覆
盖等多种标准产品,其中 MOD04是 NASA提供的气溶胶产品,该产品包括 470、550、660nm等 7个波长处逐日
7945摇 16期 摇 摇 摇 韦晶摇 等:大气颗粒物污染对土地覆盖变化的响应 摇
http: / / www.ecologica.cn
的气溶胶数据,陆地地区的气溶胶数据是通过浓密植被法反演获得,该产品在近地面颗粒物浓度模拟转换、大
尺度地区气溶胶研究等方面得到广泛应用[16鄄20,27]。 文中分别提取青岛、淄博、济南 3 个城市 2001—2010 年夏
季的 MOD04数据,时间为每年第 150—245天,共 96d。
土地覆盖数据是根据山东省 3个典型城市近年来的土地利用变化特点,以林地、城市用地 2 种主要土地
利用类型来分析二者的相关性。 林地是使用 MODIS土地覆盖分类产品(MOD12Q1),该数据主要根据国际生
物圈计划的分类系统,利用决策树和人工神经网络的分类算法分类得到[28],共包含 5 种土地利用分类方案,
空间分辨率为 500m。 该产品是区域土地覆盖变化监测的重要数据源,已被广泛应用到土地利用变化动态监
测、土地覆盖及土地利用分类研究中,研究表明,MODIS土地覆盖产品在中国区域有较高的整体分类精度[29],
尤其对于大面积的主要自然植被类型如作物、林地、草地等,分类精度较高。 城市用地选用 MODIS 8d 合成的
地表反射率产品(MOD09A1),该数据是经过了大气校正和气溶胶订正后作进一步处理后生成的栅格化 3 级
数据产品(L3G),是表面波谱的反射估计,包含了 8d之内最有可能的 L2G观测数值,空间分辨率为 500m。 文
中分别提取青岛、淄博、济南 3个城市 2001—2010年 MOD12Q1数据及每年 8月份各四景 MOD09A1数据。
1.2.2摇 数据预处理
本文涉及到的数据处理主要包括气溶胶数据及土地覆盖类型数据的获取、投影转换、影像裁剪、数据合
成、类别合并及信息统计等。 对于 MOD04 气溶胶数据,文中研究采用的是 550nm 波长处的 AOD 数据集,为
保证投影信息一致,首先对 AOD数据进行投影转换,即由原来的正弦曲线投影转为 Albers投影,AOD数据处
理主要包括两个方面:季度合成和日均 AOD计算。 在数据处理过程中,获取的 MOD04 气溶胶产品中普遍存
在两个问题:部分数据有效观测值较少及数据中存在奇异值,因此,为保证本文研究的精度,文中对获取的气
溶胶数据逐一进行筛选,仅保留有效气溶胶数据(影像中有效像元数大于等于 50%视为有效数据),利用公式
(1)和(2)对气溶胶数据进行季度合成和日均 AOD计算,在计算过程中剔除数据中的无效像元值及奇异值。
AODQS = 移
S
s = 1
(AOD( s[ ])) / S (1)
AODAvg = 移
m
i = 1
移
n
j = 1
(AOD( i,j[ ])) / N (2)
式中,AODQS表示气溶胶季度合成数据,AOD 表示有效气溶胶数据,总数为 S,s 表示第 s 幅数据;AODAvg表示
日均 AOD值,AOD( i,j)表示数据中第 i行 j列像元值,N表示有效像元总数,其中 N=m伊n。
图 2为青岛、淄博、济南 2001—2010年夏季气溶胶空间分布图,可以看出 10年间 3个城市夏季气溶胶的
空间分布现状和变化规律:青岛市 AOD浓度整体较低,空气污染程度较小,淄博市、济南市的 AOD 浓度明显
高于青岛市,空气污染相对严重;同时,各城市 AOD浓度的年际变化规律不稳定,波动起伏较大,不同城市的
空气染年际变化情况也有所不同。
文中考虑到大气能见度(V)与空气污染之间的相关关系,把能见度分为 4 个等级。 V在 10km以上时,颗
粒物浓度低,大气污染轻,可视为无污染天气;V在 5—10km时,大气污染较轻,空气质量稍差,为轻微污染天
气;V在 2.5—5km时,大气污染较为严重,空气质量较差,为中度污染天气;然而在 V 不足2.5km时,空气质量
差,为重度污染天气。 根据 Koschmieder提出的能见度与光学厚度的相关关系[30],
AODTH =
3.91H
V
(3)
式中,H为标高(km),V为大气能见度,AODTH为计算得到的 AOD 划分阈值。 以上能见度可与本文使用的光
学厚度直接对应(表 2),对日均 AOD数据按照表 2进行分段处理,分别统计青岛、淄博、济南 3 个城市各空气
等级污染天气出现的天数,并计算其有效百分比,表 3为统计结果。
对于 MOD12Q1土地覆盖分类数据,本文选择国际地圈生物圈计划(IGBP)全球植被分类方案,数据处理
主要包括投影转换和土地利用类型合并。 文中参照中国土地资源分类系统对 IGBP 分类体系进行类别合并
(表 4),最终分为水体、林地、草地、耕地、城市用地及未利用地 6类,以此提取林地信息。 MOD09A1地表反射
8945 摇 生摇 态摇 学摇 报摇 摇 摇 35卷摇
http: / / www.ecologica.cn
图 2摇 山东省典型城市 2001—2010年夏季气溶胶空间分布图
Fig.2摇 The summer aerosol space distribution of Shandong typical cities from 2001 to 2010
率数据的处理主要为去云处理,文中对每年获取的 4 景 MOD09A1 数据利用最小值合成法合成一幅无云影
像,计算归一化建筑指数(NDBI) [31],突出影像中的城市用地信息;城市信息提取,文中考虑到城市用地面积
相对较小,具有整体集中、局部分散的特点,分布散落的城市在遥感影像中受周围地物的影响较大,在分类过程
中容易出现错分现象,导致分类精度较低。 因此,为保证城市用地的提取精度,本文采用遥感目视解译与参考研
究区 NDBI、高分辨率遥感影像等辅助数据相结合的手段提取城市用地信息。 NDBI的计算公式如下所示:
9945摇 16期 摇 摇 摇 韦晶摇 等:大气颗粒物污染对土地覆盖变化的响应 摇
http: / / www.ecologica.cn
图 3摇 山东省典型城市 2001年—2010年土地利用分类图
Fig.3摇 The land use classification of Shandong typical cities from 2001 to 2010
NDBI =
RSWIR - RNIR
RSWIR + RNIR
(4)
0055 摇 生摇 态摇 学摇 报摇 摇 摇 35卷摇
http: / / www.ecologica.cn
式中,RSWIR和 RNIR表示短波红外和近红外波段的光谱反射率,分别对应 MOD09A1数据的第 6和第 2波段。
表 2摇 空气质量等级划分标准
Table 2摇 Air pollution level division standard
气溶胶光学厚度阈值 AODTH
Aerosol optical depth threshold
级别 Level 描述 Description
臆 0.3 玉 V>10km,大气污染轻,空气质量好
0.3—0.8 域 5
表 3摇 山东省典型城市 2001—2010年空气污染天数有效百分比统计 / %
Table 3摇 Air pollution level effective percentage statistics in the typical cities of Shandong from 2001 to 2010
年份
Year
青岛市
玉 域 芋 郁
淄博市
玉 域 芋 郁
济南市
玉 域 芋 郁
2001 32.61 52.17 13.04 2.17 34.55 49.09 16.36 0.00 15.79 70.18 12.28 1.75
2002 29.23 38.46 27.69 4.62 23.61 34.72 34.72 6.94 21.13 30.99 39.44 8.45
2003 34.55 34.55 18.18 12.73 21.05 38.60 29.82 10.53 9.09 45.45 34.55 10.91
2004 28.85 48.08 23.08 0.00 40.74 46.30 12.96 0.00 31.15 40.98 24.59 3.28
2005 24.07 50.00 20.37 5.56 13.79 55.17 27.59 3.45 19.05 49.21 19.05 12.70
2006 50.00 26.79 19.64 3.57 17.86 50.00 26.79 5.36 7.94 58.73 25.40 7.94
2007 25.93 50.00 12.96 11.11 18.52 51.85 25.93 3.70 11.32 41.51 37.74 9.43
2008 23.40 55.32 17.02 4.26 20.00 58.00 20.00 2.00 20.00 40.00 32.00 8.00
2009 35.29 54.41 8.82 1.47 29.03 53.23 12.90 4.84 32.84 46.27 13.43 7.46
2010 20.45 54.55 20.45 4.55 20.00 54.29 20.00 5.71 18.60 48.84 18.60 13.95
表 4摇 土地利用分类标准
Table 4摇 Land use classification standard
分类标准
Classification standard
类别合并
Class merge
国际地圈生物圈计划分类体系
IGBP (International Geosphere
Biosphere Programme)
classification system
土地利用类别描述
Land use type description
土地利用类型 水体 水体 江、河、湖泊、海及水库等
Land use type
林地
常绿阔叶林
常绿针叶林
落叶阔叶林
落叶针叶林
混交林
以木本为主,植被覆盖率大于 60%,高度大于 2m
草地 草地 地表主要是草本植被覆盖
耕地 农田农田 /自然植被混合用地
土地表面为作物所覆盖
由农用地、林地、灌丛和草地混合而成
城市用地 建筑用地 地表为建筑物或其他人为结构覆盖
未利用地 裸土、沙地、岩石、冰雪等 一年中植被覆盖不超过 10%
土地分类结果更新,文中将遥感目视解译提取的城市用地替代 MOD12Q1 中的城市用地,同时更新分类
结果,得到山东省 3个典型城市 2001—2010年土地利用分类图(图 3),由图 3可以看出,3个城市主要以耕地
为主,所占面积达到 80%以上,分布较为稳定;水体、草地、未利用地所占面积较小,年际变化不明显,而林地
与城市用地的变化相对较为明显;信息统计,文中分别统计青岛、济南、淄博 10 年间林地和城市用地的面积,
进行百分比统计,表 5为统计结果。
1055摇 16期 摇 摇 摇 韦晶摇 等:大气颗粒物污染对土地覆盖变化的响应 摇
http: / / www.ecologica.cn
表 5摇 山东省典型城市 2001—2010年土地覆盖类型面积百分比统计 / %
Table 5摇 Land use cover area percentage statistics in the typical cities of Shandong from 2001 to 2010
年份
Year
青岛市
林地
Forest land
城市用地
Urban land
淄博市
林地
Forest land
城市用地
Urban land
济南市
林地
Forest land
城市用地
Urban land
2001 1.04 7.87 1.65 8.57 1.26 4.65
2002 0.72 7.34 1.07 9.95 0.53 4.60
2003 0.89 10.35 1.27 9.02 0.79 5.79
2004 0.93 9.48 1.37 8.77 0.77 5.70
2005 1.30 10.02 1.70 9.56 1.07 5.47
2006 1.30 10.19 2.17 9.79 1.39 5.65
2007 1.48 10.00 2.09 9.39 1.27 5.74
2008 2.05 10.69 3.03 9.78 1.82 6.14
2009 1.95 10.29 2.93 9.37 2.07 6.25
2010 2.23 10.77 2.81 10.77 2.04 6.46
2摇 颗粒物污染对 LUCC的响应分析
本文选用皮氏积矩相关系数(PPCC)分析 LUCC与大气颗粒物污染之间的相关性,该数值是用来衡量两
个随机变量之间线性相关程度的指标,取值范围为[-1,1],通常 R表示样本的相关系数,该方法简单灵活,已
被广泛的应用于各个领域。 相关系数的具体计算公式如下所示:
R =
移
n
i = 1
(xi - 軃x)(yi - 軃y)
移
n
i = 1
(xi - 軃x) 2·移
n
i = 1
(yi - 軃y) 2
(5)
2.1摇 LUCC对颗粒物污染的影响趋势分析
为了探讨城市颗粒物污染随土地覆盖变化的发展趋势,分别计算 2001—2010 年青岛、淄博、济南三个城
市各空气污染等级天气与林地、城市用地之间的相关系数(表 6),结合表 3、表 5中的统计数据,分析两者之间
的相关性,确定青岛、淄博、济南颗粒物污染随 LUCC的变化趋势。
表 6摇 LUCC与颗粒物污染相关系数表
Table 6摇 The correction coefficient statistics between LUCC and particulate matter pollution change
城市 City 地类Land types 玉 域 芋 郁
青岛市 林地摇 摇 -0.328 0.590 -0.451 -0.132
城市用地 -0.075 0.146 -0.322 0.241
淄博市 林地摇 摇 0.239 0.808** -0.473 -0.151
城市用地 -0.615* 0.224 0.312 0.367
济南市 林地摇 摇 0.177 0.252 -0.507 -0.206
城市用地 -0.171 -0.169 -0.138 0.465
摇 摇 * 表示在 0.05水平(双侧)上显著相关;** 表示在 0.01水平(双侧)上显著相关
由表 3 可以看出青岛市各空气污染等级天气的年际变化不稳定,起伏变化较大,其中城市高污染天气
(包含中度污染、重度污染天气)所占比例明显低于淄博市和济南市,空气污染相对较低。 由表 5 可以发现青
岛市林地、城市用地整体呈现增长的趋势,其中城市扩张速度较快,10 年来城市面积增加了 3 个多百分点,而
由表 6可以看出林地、城市用地与颗粒物污染之间的相关性相对较差,尤其与极端的无污染、重度污染天气间
的相关性整体偏低,相关性多出现相反交叉的情况。 产生该现象的原因主要是青岛市作为典型的沿海城市,
2055 摇 生摇 态摇 学摇 报摇 摇 摇 35卷摇
http: / / www.ecologica.cn
受海洋性季风气候影响明显,气候湿润,夏季受西太平洋副热带高压控制,东南季风显占优势,降水、风速等因
素可显著稀释城市空气中的污染物,有效降低城市的大气污染[32],林地、城市用地对颗粒物污染的影响低于
海洋的直接调节作用,致使两者之间的相关性较差。
由表 3可以看出淄博市整体呈现无污染天气减少、重度污染天气增加的趋势,空气质量逐渐恶化。 由表
5可以发现淄博市城市用地整体呈现增加的趋势,林地面积在近几年来逐渐减少。 结合表 6 可以看出林地、
城市用地与颗粒物污染之间具有较高的相关性,林地与低污染天气(包含无污染、轻微污染天气)均表现为正
相关,而与高污染天气均表现为负相关,其中林地与轻微污染天气的响应系数达到 0.808,在置信度为 99%
(双侧)显著相关;同时,城市用地与无污染天气存在明显的负相关性,相关系数为 0.615,而与其他天气均呈
为正相关,且相关性逐渐增加(R分别为 0.224、0.312和 0.367)。 可以说明,随着城市用地不断扩张,特别是近
年来林地减少,导致地表吸附颗粒物的能力下降,城市高污染天气有明显增加、低污染天气有明显减少的趋
势,城市空气污染进一步加重。
由表 3可以看出,济南市高污染天气所占比例明显高于青岛市和淄博市,空气污染较为严重,但整体呈现
减少的趋势,空气质量逐渐得到改善。 由表 5可以看出,济南市林地、城市用地面积均呈现稳定增加的趋势,
10a内林地和城市用地的面积分别增加了 1.5、1.8个百分点左右。 结合表 6 可以看出林地与低污染天气均存
在正相关性,而与高污染天气均存在较高的负相关性,相关系数分别为-0.507、-0.206;而城市用地与重度污
染天气存在较高的正相关性,相关系数为 0.465,而与其他空气污染天气均表现为负相关。 林地与颗粒物污染
之间的相关性整体高于城市用地,可以说明,随着济南市林地面积的不断增加,地表吸附颗粒物的能力有所提
高,高污染天气有明显减少,低污染天气有不断增加的趋势,城市空气污染逐步减轻,空气质量得以改善。
2.2摇 LUCC对颗粒物污染的影响程度分析
由于地理位置、自然和人文条件等因素的不同,不同的土地覆盖类型对城市颗粒物污染的影响程度可能
存在较大的差异,为进一步探讨颗粒物污染对 LUCC的响应程度,文中分别计算了 2001—2010 年青岛、淄博、
济南各空气污染等级天气与林地、城市用地变化幅度之间的相关性(表 7),同时,绘制 3个城市各空气污染天
气与土地覆盖变化幅度曲线图(图 4),结合表 7和图 4具体展开 LUCC对颗粒物污染影响程度的分析。
尽管青岛市 LUCC与颗粒物污染之间的变化趋势不明显,两者间相关性较低,但城市用地对颗粒物污染
仍具有一定的影响。 结合表 7和图 4可以得出,城市用地与重度污染天气变化幅度之间呈现较高的正相关
性,相关系数为 0.511,图中除 2007年外,两条曲线的变化趋势基本一致;而与轻微污染、中度污染天气均存在
负相关性,由图中可以明显看出,除少数年份外,轻微污染、中度污染天气与城市用地的变化趋势整体相同,即
城市用地与重度污染天气的变化规律存在较好的一致性,与其他空气污染等级天气基本相反,可以说明城市
的不断扩张对青岛市颗粒物污染产生了一定的副作用,在一定程度上增加了空气中的颗粒物浓度。
表 7 摇 LUCC与颗粒物污染变化幅度相关系数表
Table 7摇 The correction coefficient statistics between the scale of LUCC and particulate matter pollution change
城市 City 地类 Land types 吟I 吟域 吟芋 吟郁
青岛市 林地摇 摇 -0.309 0.415 -0.159 0.028
城市用地 0.146 -0.163 -0.403 0.511
淄博市 林地摇 摇 0.102 -0.260 0.006 0.106
城市用地 -0.561 -0.389 0.759* 0.374
济南市 林地摇 摇 -0.176 0.859** -0.753* -0.309
城市用地 -0.325 0.413 -0.161 -0.072
摇 摇 * 表示在 0.05水平(双侧)上显著相关;** 表示在 0.01水平(双侧)上显著相关
由上述分析可知林地、城市用地均能较好地反映淄博市颗粒物污染的变化趋势,其中城市用地对颗粒物
污染的影响最为明显。 由表 7和图 4可以得出,城市用地与高污染天气变化幅度之间存在明显的正相关性,
其中城市用地与中度污染天气的相关系数达到 0.759,在置信度为 95%(双侧)显著相关,图中城市用地与中
3055摇 16期 摇 摇 摇 韦晶摇 等:大气颗粒物污染对土地覆盖变化的响应 摇
http: / / www.ecologica.cn
图 4摇 空气污染天气与土地覆盖变化幅度曲线图
Fig.4摇 The graph of the scale of air pollution weather change and LUCC
度污染、重度污染天气的变化趋势几乎一致;与低污染天气呈现明显的负相关性,图中可以看出两条曲线变化
趋势正好相反,即城市用地与高污染天气的变化规律比较一致,而与低污染天气的变化规律刚好相反。 造成
该现象的原因主要是淄博市作为全国重要的重工业生产基地,近年来城市用地面积的不断增加,主要体现在
工业用地的不断扩张,然而工业扩张建设、工业生产等人为活动直接导致空气中颗粒物浓度的增加,带来严重
的颗粒物污染,进一步加重了城市的大气污染程度。
由上述分析可知林地、城市用地对济南市颗粒物污染的影响趋势均比较明显,其中林地对颗粒物污染的
影响程度最大。 由表 7和图 4可以得出,林地与无污染天气变化幅度之间呈现负相关性,而由图中可以看出
2006年后两条曲线的变化趋势基本相同;与轻微污染天气存在非常高的正相关性,相关系数达到 0.859,在置
信度为 99%(双侧)显著相关,两条曲线变化趋势几乎一致;而与高污染天气均呈现明显的负相关性,相关系
数分别为-0.753(在置信度为 95%(双侧)显著相关)、-0.309,图中除极少数年份外,两者之间的变化趋势正
好相反,即林地与高污染天气的变化规律基本一致,而与低污染天气的变化规律正好相反。 造成该现象的原
因主要是济南市城市空间格局较为稳定,城市扩张缓慢,而济南林业建设成为该市发展规划的重要产业,近年
来呈现出持续、快速发展的良好态势,林地的不断增加,对颗粒物的吸收、净化作用增强,有效降低了空气中的
颗粒物污染。
2.3摇 影响颗粒物污染的主导因素变化分析
考虑到不同的地区,影响颗粒物污染的主导因素可能不同,文中通过分析在城市类型由沿海到内陆的变
4055 摇 生摇 态摇 学摇 报摇 摇 摇 35卷摇
http: / / www.ecologica.cn
化中,颗粒物污染与 LUCC之间的相关性变化,探讨影响和决定城市环境主导因素的变化规律。
由表 6可以看出,青岛市、淄博市、济南市林地与高污染天气均呈现负相关性,相关系数逐渐增加,其中林
地与中度污染天气的相关性变化比较明显,相关系数分别为-0.451、-0.473、-0.507;城市用地与重度污染天
气均呈现正相关性,相关性逐渐增加,响应系数分别为 0.241、0.367、0.465。 林地、城市用地与青岛市颗粒物污
染之间的相关性相对较低,在由沿海到内陆城市类型的变化中,两者之间的相关性逐渐提高。 由表 7 可以得
出,城市用地的变化对淄博市颗粒物污染的影响明显高于济南市和青岛市,两者之间存在更高的相关性,相关
系数分别为-0.561、-0.389、0.759和 0.374;林地的变化对济南市颗粒物污染的影响最明显,两者之间的相关
性最高,响应系数分别为-0.176、0.859、-0.753 和-0.309,整体来看,林地、城市用地对淄博市、济南市颗粒物
污染的影响程度明显高于青岛市。
综合上述,青岛市作为典型的东部沿海城市,海洋成为影响该市空气污染的主导因素,受海洋的影响显
著,颗粒物污染对林地、城市用地对的响应不敏感;淄博市、济南市作为典型的内陆城市,距海较远,受海洋影
响较小,城市用地对淄博市颗粒物污染的影响比较明显,两者存在较好的相关性;林地对济南市颗粒物污染的
影响非常明显,两者之间的相关性较高。 LUCC 对城市颗粒物污染的影响具有较大的差异,在由沿海到内陆
城市类型的变化中,颗粒物污染的对城市用地、林地变化的响应逐步增强。
3摇 结论与讨论
文中利用长时间序列的 MODIS标准产品数据,分别提取青岛、淄博、济南 3 个城市 2001—2010 年夏季的
气溶胶数据及林地、城市用地两种主要土地利用类型,对气溶胶数据进行分段、分级处理。 分别从林地、城市
用地对城市颗粒物污染的影响趋势、影响程度及城市颗粒物污染的主导因素变化 3 个方面进行相关性分析,
最终得出以下结论:(1)由于受海洋因素的直接调节,土地覆盖变化与青岛市颗粒物污染之间的相关性较低;
而林地、城市用地与济南市、淄博市颗粒物污染存在较高的相关性。 (2)城市用地对淄博市颗粒物污染的影
响程度整体高于青岛市,而林地对济南市颗粒物污染的影响最大,其中林地与各空气污染等级天气变化幅度
之间的相关系数分别达到-0.176,0.859、-0.753、-0.309,相关性显著。 (3)不同的城市类型,颗粒物污染对
LUCC的响应存在明显的差异,在由沿海到内陆城市类型的变化中,影响和决定城市环境的主导因素由海洋
因素逐渐转变为城市用地、林地。
本文的分析结果较好地解释了大气颗粒物分布与不同类型区域地表覆盖变化的相关性,在一定程度上可
以为区域发展规划提供借鉴作用。 本文的研究同时存在以下几个问题:(1)在颗粒物空间分布与地表覆盖变
化相关性因素的表达上,本文对地表类型的分析,受数据源以及分析手段的限制,仅使用了选择区域内几个主
要的地表类型,探讨其变化与颗粒物空间分布的相关性,而实际上对颗粒物空间分布影响的地表因素很多,且
随区域的空间位置和职能特征有较大的相关性,因此,在该方法向其它区域的推广上受到一定限制。 基于更
为复杂地表系统的分析有待于以后的工作中继续完善;(2)尽管在研究的过程中,对数据源进行了精心的筛
选和严密的质量控制,但受当前定量遥感以及地物类型信息提取技术水平的限制,大气颗粒物污染数据和地
表覆盖类型数据仍存在一定的误差,会对分析的相关性结果有相应的影响,所以在使用不同时期、不同数据源
分析时,在相似趋势的框架下,相关性大小上可能会有相当的差异;(3)本文在分析二者的相关性时,用到的
颗粒物污染数据是整层大气颗粒物的光学参数,而人类所接触最多的是近地表颗粒物数据,尽管当前的研究
表明二者具有较高的相关性,但却并不十分吻合,所以分析的结果与常识性的感受可能会有一定的差异。
致谢:美国 NASA网站提供大气气溶胶数据和地表覆盖类型数据,北京林业大学黄华国教授对写作给予帮助,
特此致谢。
参考文献(References):
[ 1 ]摇 Ministry of Environmental Protection of the People忆s Republic of China. 2011 Report on the State of the Environment in China. Beijing: Ministry of
5055摇 16期 摇 摇 摇 韦晶摇 等:大气颗粒物污染对土地覆盖变化的响应 摇
http: / / www.ecologica.cn
Environmental Protection of the People忆s Republic of China, 2011.
[ 2 ] 摇 Huang D S, Xu J H, Zhang S Q. Valuing the health risks of particulate air pollution in the Pearl River Delta, China. Environmental Science and
Policy, 2012, 15(1): 38鄄47.
[ 3 ] 摇 范雪波, 刘卫, 王广华, 林俊, 伏晴艳, 高松, 李燕. 杭州市大气颗粒物浓度及组分的粒径分布. 中国环境科学, 2011, 31(1): 13鄄18.
[ 4 ] 摇 Wang H, Zhuang Y, Wang Y, Sun Y, Yuan H, Zhuang G, Hao Z. Long鄄term monitoring and source apportionment of PM2. 5 / PM10 in Beijing,
China. Journal of Environmental Sciences, 2008, 20(11): 1323鄄1327.
[ 5 ] 摇 Gu J X, Bai Z P, Li W F, Wu L P, Liu A X, Dong H Y, Xie Y Y. Chemical composition of PM2. 5 during winter in Tianjin, China.
Particuology, 2011, 9(3): 215鄄221.
[ 6 ] 摇 Turner B L II, Lambin E F, Reenberg A. The emergence of land change science for global environmental change and sustainability. Proceedings of
the National Academy of Sciences of the United States of America, 2007, 104(52): 20666鄄20671.
[ 7 ] 摇 Lambin E F, Turner B L II, Geist H, Agbola S, Angelscn A. The causes of land use and cover change: Moving beyond the myths. Global
Environmental Change, 2001, 11(4): 261鄄269.
[ 8 ] 摇 Ojima D S, Galvin K A, Turner B L II. The global impact of land use change. BioScience, 1994, 44(5): 300鄄304.
[ 9 ] 摇 DeFries R, Bounoua L, Collatz G J. Human modification of the landscape and surface climate in the next fifty years. Global Change Biology, 2002,
8(5): 438鄄458.
[10] 摇 Garik G, Janetos A C, Justice C O, Moran E F, Mustard J F, Rindfuss R R, Skole D, Turner B L II, Cochrane M A. Land Change Science:
Observing, Monitoring and Understanding Trajectories of Change on the Earth忆s Surface. Netherlands: Kluwer Academic Publishers, 2004.
[11] 摇 刘纪远, 张增祥, 庄大方, 王一谋, 周万村, 张树文, 李仁东, 江南, 吴世新. 20世纪 90年代中国土地利用变化时空特征及其成因分析.
地理研究, 2003, 22(1): 1鄄12.
[12] 摇 刘纪远, 张增祥, 徐新良, 匡文慧, 周万村, 张树文, 李仁东, 颜长珍, 于东升, 吴世新, 江南. 21世纪初中国土地利用变化的空间格局
与驱动力分析. 地理学报, 2009, 64(12): 1411鄄1420.
[13] 摇 刘纪远, 邵全琴,延晓冬,樊江文,邓祥征,战金艳,高学杰,黄麟,徐新良,胡云峰,王军邦,匡文慧. 土地利用变化对全球气候影响的
研究进展与方法初探. 地球科学进展, 2011, 26(10): 1015鄄1022.
[14] 摇 Lambin E F, Linderman M. Time series of remote sensing data for land change science. IEEE Transactions on Geoscience and Remote Sensing,
2006, 44(7): 1926鄄1928.
[15] 摇 Pongratz J, Reick C H, Raddatz T, Claussen M. Biogeophysical versus biogeochemical climate response to historical anthropogenic land cover
change. Geophysical Research Letters, 2010, 37(8): L08702.
[16] 摇 李成才, 毛节泰, 刘启汉, 陈介中, 袁自冰, 刘晓阳, 朱爱华, 刘桂青. 利用 MODIS研究中国东部地区气溶胶光学厚度的分布和季节变
化特征. 科学通报, 2003, 48(19): 2094鄄2100.
[17] 摇 李成才, 毛节泰, 刘启汉, 袁自冰, 王美华, 刘晓阳. MODIS卫星遥感气溶胶产品在北京市大气污染研究中的应用. 中国科学 D辑鄄地球
科学, 2005, 35(增刊): 177鄄186.
[18] 摇 陈好, 顾行发, 程天海, 余涛, 李正强. 中国地区气溶胶类型特性分析. 遥感学报, 2013, 17(6): 1559鄄1571.
[19] 摇 Wang J, Christopher S A. Intercomparison between satellite鄄derived aerosol optical thickness and PM2.5 mass: Implications for air quality studies.
Geophysical Research Letters, 2003, 30(21): doi: 10.1029 / 2003GL018174.
[20] 摇 Lau K H, Li C C, Mao J T, Chen J C. A new way of using MODIS data to study air pollution over Hong Kong and the Pearl River Delta.
Proceedings of the SPIE, 2003, 4891: 105鄄114.
[21] 摇 孙娜. 珠三角地区可吸入颗粒物的遥感监测及其与下垫面的相关性分析. 北京: 中国地质大学(北京), 2013.
[22] 摇 Chu D A, Kaufman Y J, Zibordi G, Chem J D, Mao J T, Li C C, Holben B N. Global monitoring of air pollution over land from the earth observing
system鄄terra moderate resolution imaging spectroradiometer ( MODIS) . Journal of Geophysical Research, 2003, 108 ( D21): 4661, doi: 10.
1029 / 2002JD003179.
[23] 摇 Engel鄄Cox J A, Christopher H H, Basil W C, Raymond M H. Qualitative and quantitative evaluation of MODIS satellite sensor data for regional and
urban scale air quality. Atmospheric Environment, 2004, 38(16): 2495鄄 2509.
[24] 摇 余梓木, 周红妹, 郑有飞. 基于遥感和 GIS的城市颗粒物污染分布研究. 自然灾害学报, 2004, 13(3): 58鄄64.
[25] 摇 Tsai Y I, Kuoc S C, Lee W J, Chen C L, Chen P T. Long鄄term visibility trends in one highly urbanized, one highly industrialized, and two rural
areas of Taiwan. Science of Total Environment, 2007, 382(2 / 3): 324鄄341.
[26] 摇 Buseck P R, Posfai M. Airborne minerals and related aerosol particles: Effects on climate and the environment. Proceedings of the National
Academy of Sciences of the United States of America, 1999, 96(7): 3372鄄3379.
[27] 摇 关佳欣, 李成才. 我国中、东部主要地区气溶胶光学厚度的分布与变化. 北京大学学报:自然科学版, 2010, 46(2): 185鄄191.
[28] 摇 卫亚星, 王莉雯. MODIS土地覆盖产品研究进展. 光谱学与光谱分析, 2010, 30(7): 1848鄄1852.
[29] 摇 冉有华, 李新. 四种常用的全球 1KM土地覆盖数据中国区域的精度评价. 冰川冻土, 2009, 31(3): 490鄄500.
[30] 摇 盛立芳, 申莉莉, 李秀镇, 刘飞. 水平能见度经验公式在青岛沿海地区的应用. 中国海洋大学学报, 2009, 39(5): 877鄄882.
[31] 摇 Yang S. On extraction and fractal of urban and rural residential spatial pat tern in developed area. Acta Geographica Sinica, 2000, 55( 6):
671鄄678.
[32] 摇 王斌, 高会旺. 中国沿海城市空气污染指数的分布特征. 生态环境, 2008, 17(2): 542鄄548.
6055 摇 生摇 态摇 学摇 报摇 摇 摇 35卷摇