大氣顆粒物污染對土地覆蓋變化的響應

韋 晶, 孫 林,*, 劉雙雙, 段德宏, 郭亞敏, 米雪婷, 田信鵬, 于會泳

1 山東科技大學測繪科學與工程學院, 青島 266590

2 山東科技大學科研處, 青島 266590

3 北京師范大學全球變化與地球系統科學研究院, 北京 100875

大氣顆粒物污染對土地覆蓋變化的響應

韋 晶1, 孫 林1,*, 劉雙雙1, 段德宏2, 郭亞敏3, 米雪婷1, 田信鵬1, 于會泳1

1 山東科技大學測繪科學與工程學院, 青島 266590

2 山東科技大學科研處, 青島 266590

3 北京師范大學全球變化與地球系統科學研究院, 北京 100875

土地利用-覆蓋變化(LUCC)直接或間接影響顆粒物污染。了解顆粒物污染對LUCC的響應，對維護和改善生態環境具有重要的意義。基于衛星遙感技術，從廣域的空間尺度分析顆粒物污染對LUCC的響應。使用MODIS數據分別提取與顆粒物污染相關性較高的城市用地、林地等土地利用類型，確定土地利用類型的變化趨勢，利用長時間序列MODIS氣溶膠光學厚度(AOD, Aerosol optical depth)產品分析顆粒物污染與土地利用類型的變化的相關性。以山東省青島市、淄博市、濟南市3個典型城市為例，研究了AOD隨土地利用類型的變化趨勢。同時，考慮并分析了顆粒物污染對土地利用變化響應的敏感性，以及城市區域變化對環境的影響。研究結果表明，不同的城市類型，由于決定環境變化主導因素的差異，顆粒物污染對LUCC的響應具有明顯的差異。青島市地區，由于受海洋影響顯著，大氣顆粒物污染與LUCC的相關性較低，如中度污染天氣與林地的相關系數為-0.451；而淄博市和濟南市的相關系數分別為-0.473、-0.507。

土地利用-覆蓋變化(LUCC); 顆粒物污染; MODIS; 氣溶膠光學厚度(AOD); 相關性分析

近年來，隨著我國城市化進程的加快，土地利用變化的快速發展，尤其是植被覆蓋被建筑物所替代，導致地表吸附、阻擋揚塵的能力降低，帶來一系列的生態環境問題，其中大氣污染問題日益嚴重，城市建設、工業生產等都直接導致了空氣中顆粒物的增加。大氣顆粒物已經成為影響我國城市空氣質量的首要污染物[1- 3]，顆粒物污染問題愈發嚴重且來源比較復雜[4- 5]，目前已經嚴重影響到人們的正常生產生活。

國內外學者利用遙感技術研究土地利用-覆蓋變化的歷史較長，并取得了較多成果，土地利用信息提取、過程趨勢及驅動力分析是當前研究的重點內容，目前，土地利用-覆蓋變化(LUCC)的研究主要集中在空間分布規律及變化趨勢探討[6- 9]、多源遙感數據的LUCC過程動態監測[6,10]及LUCC對全球氣候變化的影響、機理研究[11- 15]等方面。同時，氣溶膠的研究在國內外已經廣泛開展，其信息獲取經歷了由最初的地面實時監測到利用衛星遙感數據定量反演的過程。研究學者在氣溶膠光學特性及時空分布規律[16- 18]、近地表顆粒物濃度預測與模擬[19- 21]、大氣污染動態監測[22- 24]、全球氣候變化影響[25- 26]等方面做了大量研究，并取得了較大進展。以往的研究對LUCC、氣溶膠的進一步發展具有重要的推動作用，然而對于LUCC與氣溶膠之間關系的研究相對較少[22]，多針對短時間內的特定區域，缺乏長時間序列的研究。衛星遙感技術的不斷發展為長時間土地覆蓋信息及大氣顆粒物污染信息的提取提供了便利。本文利用長時間序列MODIS數據研究大氣顆粒物污染對LUCC的響應，探討氣溶膠隨土地利用類型的變化趨勢。

文中考慮到沿海地區由于受海洋環境的直接調節，空氣質量受海洋影響比較明顯，大氣污染相對較輕；內陸地區遠離海洋，空氣質量受海洋影響較小，而城市擴張、森林砍伐等人為因素使綠色植被大面積減少，導致地表吸附顆粒物的能力降低，空氣污染加重，森林、城市的變化對內陸地區空氣質量的影響相對較大，初步推測城市大氣顆粒物污染與土地覆蓋變化存在著密切關系。因此，為探討LUCC對大氣顆粒物污染的影響，本文分別選取山東省青島市、淄博市和濟南市3個典型城市作為研究區，模擬沿海到內陸城市區域的變化，以RS和GIS為技術支撐，利用廣尺度、長時間序列MODIS標準產品分別提取各城市近10年來土地覆蓋信息與大氣顆粒物污染時空分布信息，分析大氣顆粒物污染與LUCC之間的相關性，確定LUCC對大氣顆粒物污染的響應機制，該研究不但可以為區域和周邊經濟發展以及環境保護提供決策依據，而且對維持城市群生態環境安全也具有重要的理論和現實意義。

1 研究區與數據源介紹

1.1 研究區概況

本文以山東省的3個典型城市，青島市、淄博市和濟南市為研究對象，開展大氣顆粒物污染與土地覆蓋變化的響應分析研究。青島市位于山東省東南部，太平洋西岸，東、南瀕臨黃海，由于海洋環境的直接調節，青島受東南季風及海流等因素的影響比較明顯，海洋性氣候顯著，屬于典型的東部沿海城市；該市經濟發展迅速，人口分布比較集中。淄博市位于山東省中部，地處暖溫帶，屬半濕潤、半干旱的溫帶季風氣候；是全國重要的石油化工基地，重工業發展迅速、經濟發達。濟南市位于山東省西部，南依泰山，北跨黃河，屬于暖溫帶半濕潤季風型氣候；全市工業、軟件等產業快速發展，旅游資源非常豐富，人口分布集中。3個城市橫向分布，由沿海到內陸延伸，空間分布規律明顯(圖1)。

圖1 研究區地理位置示意圖Fig.1 Location of the research area

1.2 數據源及預處理

1.2.1 數據源介紹

文章所需的數據源主要包括2001—2010年山東省青島、淄博和濟南3個城市的大氣顆粒物污染數據和土地覆蓋分類數據，兩種數據主要來源于MODIS標準產品，其中還包括Landsat TM、ETM+、MODIS地表反射率產品等輔助數據，以上數據均統一到同一投影和坐標系中，采用的投影為阿爾伯斯圓錐等面積投影(Albers conical equal area projection)，簡稱阿爾伯斯投影，坐標系為WGS- 1984，所有數據在處理過程中保證像元大小一致。本文研究所采用的數據統一來源于http://ladsweb.nascom.nasa.gov/data/search.html，具體介紹如表1所示。

表1 數據源介紹

本文使用的大氣顆粒物污染數據是MODIS Level 2中的氣溶膠產品(MOD04)。MODIS(中分辨率成像光譜儀)是搭載在Terra和Aqua上的重要傳感器，具有36個光譜通道，分布在可見光、近紅外到熱紅外波譜范圍內，刈幅寬達到2330km。MODIS數據因重訪周期短、數據質量高的特點，被廣泛應用到資源環境監測、全球氣候變化等多個方面；同時，基于MODIS的提取結果，NASA業務化提供了表觀反射率、云、氣溶膠、土地覆蓋等多種標準產品，其中MOD04是NASA提供的氣溶膠產品，該產品包括470、550、660nm等7個波長處逐日的氣溶膠數據，陸地地區的氣溶膠數據是通過濃密植被法反演獲得，該產品在近地面顆粒物濃度模擬轉換、大尺度地區氣溶膠研究等方面得到廣泛應用[16- 20,27]。文中分別提取青島、淄博、濟南3個城市2001—2010年夏季的MOD04數據，時間為每年第150—245天，共96d。

土地覆蓋數據是根據山東省3個典型城市近年來的土地利用變化特點，以林地、城市用地2種主要土地利用類型來分析二者的相關性。林地是使用MODIS土地覆蓋分類產品(MOD12Q1)，該數據主要根據國際生物圈計劃的分類系統，利用決策樹和人工神經網絡的分類算法分類得到[28]，共包含5種土地利用分類方案，空間分辨率為500m。該產品是區域土地覆蓋變化監測的重要數據源，已被廣泛應用到土地利用變化動態監測、土地覆蓋及土地利用分類研究中，研究表明，MODIS土地覆蓋產品在中國區域有較高的整體分類精度[29]，尤其對于大面積的主要自然植被類型如作物、林地、草地等，分類精度較高。城市用地選用MODIS 8d合成的地表反射率產品(MOD09A1)，該數據是經過了大氣校正和氣溶膠訂正后作進一步處理后生成的柵格化3級數據產品(L3G)，是表面波譜的反射估計，包含了8d之內最有可能的L2G觀測數值，空間分辨率為500m。文中分別提取青島、淄博、濟南3個城市2001—2010年MOD12Q1數據及每年8月份各四景MOD09A1數據。

1.2.2 數據預處理

本文涉及到的數據處理主要包括氣溶膠數據及土地覆蓋類型數據的獲取、投影轉換、影像裁剪、數據合成、類別合并及信息統計等。對于MOD04氣溶膠數據，文中研究采用的是550nm波長處的AOD數據集，為保證投影信息一致，首先對AOD數據進行投影轉換，即由原來的正弦曲線投影轉為Albers投影，AOD數據處理主要包括兩個方面：季度合成和日均AOD計算。在數據處理過程中，獲取的MOD04氣溶膠產品中普遍存在兩個問題：部分數據有效觀測值較少及數據中存在奇異值，因此，為保證本文研究的精度，文中對獲 取的氣溶膠數據逐一進行篩選，僅保留有效氣溶膠數據(影像中有效像元數大于等于50%視為有效數據)，利用公式(1)和(2)對氣溶膠數據進行季度合成和日均AOD計算，在計算過程中剔除數據中的無效像元值及奇異值。

(1)

(2)

式中,AODQS表示氣溶膠季度合成數據，AOD表示有效氣溶膠數據，總數為S，s表示第s幅數據；AODAvg表示日均AOD值，AOD(i,j)表示數據中第i行j列像元值，N表示有效像元總數，其中N=m×n。

圖2為青島、淄博、濟南2001—2010年夏季氣溶膠空間分布圖，可以看出10年間3個城市夏季氣溶膠的空間分布現狀和變化規律：青島市AOD濃度整體較低，空氣污染程度較小，淄博市、濟南市的AOD濃度明顯高于青島市，空氣污染相對嚴重；同時，各城市AOD濃度的年際變化規律不穩定，波動起伏較大，不同城市的空氣染年際變化情況也有所不同。

文中考慮到大氣能見度(V)與空氣污染之間的相關關系，把能見度分為4個等級。V在10km以上時，顆粒物濃度低，大氣污染輕，可視為無污染天氣；V在5—10km時，大氣污染較輕，空氣質量稍差，為輕微污染天氣；V在2.5—5km時，大氣污染較為嚴重，空氣質量較差，為中度污染天氣；然而在V不足2.5km時，空氣質量差，為重度污染天氣。根據Koschmieder提出的能見度與光學厚度的相關關系[30]，

(3)

式中,H為標高(km)，V為大氣能見度，AODTH為計算得到的AOD劃分閾值。以上能見度可與本文使用的光學厚度直接對應(表2)，對日均AOD數據按照表2進行分段處理，分別統計青島、淄博、濟南3個城市各空氣等級污染天氣出現的天數，并計算其有效百分比，表3為統計結果。

對于MOD12Q1土地覆蓋分類數據，本文選擇國際地圈生物圈計劃(IGBP)全球植被分類方案，數據處理主要包括投影轉換和土地利用類型合并。文中參照中國土地資源分類系統對IGBP分類體系進行類別合并(表4)，最終分為水體、林地、草地、耕地、城市用地及未利用地6類，以此提取林地信息。MOD09A1地表反射率數據的處理主要為去云處理，文中對每年獲取的4景MOD09A1數據利用最小值合成法合成一幅無云影像，計算歸一化建筑指數(NDBI)[31]，突出影像中的城市用地信息；城市信息提取，文中考慮到城市用地面積相對較小，具有整體集中、局部分散的特點，分布散落的城市在遙感影像中受周圍地物的影響較大，在分類過程中容易出現錯分現象，導致分類精度較低。因此，為保證城市用地的提取精度，本文采用遙感目視解譯與參考研究區NDBI、高分辨率遙感影像等輔助數據相結合的手段提取城市用地信息。NDBI的計算公式如下所示：

圖2 山東省典型城市2001—2010年夏季氣溶膠空間分布圖Fig.2 The summer aerosol space distribution of Shandong typical cities from 2001 to 2010

圖3 山東省典型城市2001年—2010年土地利用分類圖Fig.3 The land use classification of Shandong typical cities from 2001 to 2010

(4)

式中，RSWIR和RNIR表示短波紅外和近紅外波段的光譜反射率，分別對應MOD09A1數據的第6和第2波段。

表2 空氣質量等級劃分標準

表3 山東省典型城市2001—2010年空氣污染天數有效百分比統計/%

表4 土地利用分類標準

土地分類結果更新，文中將遙感目視解譯提取的城市用地替代MOD12Q1中的城市用地，同時更新分類結果，得到山東省3個典型城市2001—2010年土地利用分類圖(圖3)，由圖3可以看出，3個城市主要以耕地為主，所占面積達到80%以上，分布較為穩定；水體、草地、未利用地所占面積較小，年際變化不明顯，而林地與城市用地的變化相對較為明顯；信息統計，文中分別統計青島、濟南、淄博10年間林地和城市用地的面積，進行百分比統計，表5為統計結果。

表5 山東省典型城市2001—2010年土地覆蓋類型面積百分比統計/%

2 顆粒物污染對LUCC的響應分析

本文選用皮氏積矩相關系數(PPCC)分析LUCC與大氣顆粒物污染之間的相關性，該數值是用來衡量兩個隨機變量之間線性相關程度的指標，取值范圍為[-1,1]，通常R表示樣本的相關系數，該方法簡單靈活，已被廣泛的應用于各個領域。相關系數的具體計算公式如下所示：

(5)

2.1 LUCC對顆粒物污染的影響趨勢分析

為了探討城市顆粒物污染隨土地覆蓋變化的發展趨勢，分別計算2001—2010年青島、淄博、濟南三個城市各空氣污染等級天氣與林地、城市用地之間的相關系數(表6)，結合表3、表5中的統計數據，分析兩者之間的相關性，確定青島、淄博、濟南顆粒物污染隨LUCC的變化趨勢。

表6 LUCC與顆粒物污染相關系數表

* 表示在0.05水平(雙側)上顯著相關；** 表示在0.01水平(雙側)上顯著相關

由表3可以看出青島市各空氣污染等級天氣的年際變化不穩定，起伏變化較大，其中城市高污染天氣(包含中度污染、重度污染天氣)所占比例明顯低于淄博市和濟南市，空氣污染相對較低。由表5可以發現青島市林地、城市用地整體呈現增長的趨勢，其中城市擴張速度較快，10年來城市面積增加了3個多百分點，而由表6可以看出林地、城市用地與顆粒物污染之間的相關性相對較差，尤其與極端的無污染、重度污染天氣間的相關性整體偏低，相關性多出現相反交叉的情況。產生該現象的原因主要是青島市作為典型的沿海城市，受海洋性季風氣候影響明顯，氣候濕潤，夏季受西太平洋副熱帶高壓控制，東南季風顯占優勢，降水、風速等因素可顯著稀釋城市空氣中的污染物，有效降低城市的大氣污染[32]，林地、城市用地對顆粒物污染的影響低于海洋的直接調節作用，致使兩者之間的相關性較差。

由表3可以看出淄博市整體呈現無污染天氣減少、重度污染天氣增加的趨勢，空氣質量逐漸惡化。由表5可以發現淄博市城市用地整體呈現增加的趨勢，林地面積在近幾年來逐漸減少。結合表6可以看出林地、城市用地與顆粒物污染之間具有較高的相關性，林地與低污染天氣(包含無污染、輕微污染天氣)均表現為正相關，而與高污染天氣均表現為負相關，其中林地與輕微污染天氣的響應系數達到0.808，在置信度為99%(雙側)顯著相關；同時，城市用地與無污染天氣存在明顯的負相關性，相關系數為0.615，而與其他天氣均呈為正相關，且相關性逐漸增加(R分別為0.224、0.312和0.367)。可以說明，隨著城市用地不斷擴張，特別是近年來林地減少，導致地表吸附顆粒物的能力下降，城市高污染天氣有明顯增加、低污染天氣有明顯減少的趨勢，城市空氣污染進一步加重。

由表3可以看出，濟南市高污染天氣所占比例明顯高于青島市和淄博市，空氣污染較為嚴重，但整體呈現減少的趨勢，空氣質量逐漸得到改善。由表5可以看出，濟南市林地、城市用地面積均呈現穩定增加的趨勢，10a內林地和城市用地的面積分別增加了1.5、1.8個百分點左右。結合表6可以看出林地與低污染天氣均存在正相關性，而與高污染天氣均存在較高的負相關性，相關系數分別為-0.507、-0.206；而城市用地與重度污染天氣存在較高的正相關性，相關系數為0.465，而與其他空氣污染天氣均表現為負相關。林地與顆粒物污染之間的相關性整體高于城市用地，可以說明，隨著濟南市林地面積的不斷增加，地表吸附顆粒物的能力有所提高，高污染天氣有明顯減少，低污染天氣有不斷增加的趨勢，城市空氣污染逐步減輕，空氣質量得以改善。

2.2 LUCC對顆粒物污染的影響程度分析

由于地理位置、自然和人文條件等因素的不同，不同的土地覆蓋類型對城市顆粒物污染的影響程度可能存在較大的差異，為進一步探討顆粒物污染對LUCC的響應程度，文中分別計算了2001—2010年青島、淄博、濟南各空氣污染等級天氣與林地、城市用地變化幅度之間的相關性(表7)，同時，繪制3個城市各空氣污染天氣與土地覆蓋變化幅度曲線圖(圖4)，結合表7和圖4具體展開LUCC對顆粒物污染影響程度的分析。

盡管青島市LUCC與顆粒物污染之間的變化趨勢不明顯，兩者間相關性較低，但城市用地對顆粒物污染仍具有一定的影響。結合表7和圖4可以得出，城市用地與重度污染天氣變化幅度之間呈現較高的正相關性，相關系數為0.511，圖中除2007年外，兩條曲線的變化趨勢基本一致；而與輕微污染、中度污染天氣均存在負相關性，由圖中可以明顯看出，除少數年份外，輕微污染、中度污染天氣與城市用地的變化趨勢整體相同，即城市用地與重度污染天氣的變化規律存在較好的一致性，與其他空氣污染等級天氣基本相反，可以說明城市的不斷擴張對青島市顆粒物污染產生了一定的副作用，在一定程度上增加了空氣中的顆粒物濃度。

表7 LUCC與顆粒物污染變化幅度相關系數表

圖4 空氣污染天氣與土地覆蓋變化幅度曲線圖Fig.4 The graph of the scale of air pollution weather change and LUCC

由上述分析可知林地、城市用地均能較好地反映淄博市顆粒物污染的變化趨勢，其中城市用地對顆粒物污染的影響最為明顯。由表7和圖4可以得出，城市用地與高污染天氣變化幅度之間存在明顯的正相關性，其中城市用地與中度污染天氣的相關系數達到0.759，在置信度為95%(雙側)顯著相關，圖中城市用地與中度污染、重度污染天氣的變化趨勢幾乎一致；與低污染天氣呈現明顯的負相關性，圖中可以看出兩條曲線變化趨勢正好相反，即城市用地與高污染天氣的變化規律比較一致，而與低污染天氣的變化規律剛好相反。造成該現象的原因主要是淄博市作為全國重要的重工業生產基地，近年來城市用地面積的不斷增加，主要體現在工業用地的不斷擴張，然而工業擴張建設、工業生產等人為活動直接導致空氣中顆粒物濃度的增加，帶來嚴重的顆粒物污染，進一步加重了城市的大氣污染程度。

由上述分析可知林地、城市用地對濟南市顆粒物污染的影響趨勢均比較明顯，其中林地對顆粒物污染的影響程度最大。由表7和圖4可以得出，林地與無污染天氣變化幅度之間呈現負相關性，而由圖中可以看出2006年后兩條曲線的變化趨勢基本相同；與輕微污染天氣存在非常高的正相關性，相關系數達到0.859，在置信度為99%(雙側)顯著相關，兩條曲線變化趨勢幾乎一致；而與高污染天氣均呈現明顯的負相關性，相關系數分別為-0.753(在置信度為95%(雙側)顯著相關)、-0.309，圖中除極少數年份外，兩者之間的變化趨勢正好相反，即林地與高污染天氣的變化規律基本一致，而與低污染天氣的變化規律正好相反。造成該現象的原因主要是濟南市城市空間格局較為穩定，城市擴張緩慢，而濟南林業建設成為該市發展規劃的重要產業，近年來呈現出持續、快速發展的良好態勢，林地的不斷增加，對顆粒物的吸收、凈化作用增強，有效降低了空氣中的顆粒物污染。

2.3 影響顆粒物污染的主導因素變化分析

考慮到不同的地區，影響顆粒物污染的主導因素可能不同，文中通過分析在城市類型由沿海到內陸的變化中，顆粒物污染與LUCC之間的相關性變化，探討影響和決定城市環境主導因素的變化規律。

由表6可以看出，青島市、淄博市、濟南市林地與高污染天氣均呈現負相關性，相關系數逐漸增加，其中林地與中度污染天氣的相關性變化比較明顯，相關系數分別為-0.451、-0.473、-0.507；城市用地與重度污染天氣均呈現正相關性，相關性逐漸增加，響應系數分別為0.241、0.367、0.465。林地、城市用地與青島市顆粒物污染之間的相關性相對較低，在由沿海到內陸城市類型的變化中，兩者之間的相關性逐漸提高。由表7可以得出，城市用地的變化對淄博市顆粒物污染的影響明顯高于濟南市和青島市，兩者之間存在更高的相關性，相關系數分別為-0.561、-0.389、0.759和0.374；林地的變化對濟南市顆粒物污染的影響最明顯，兩者之間的相關性最高，響應系數分別為-0.176、0.859、-0.753和-0.309，整體來看，林地、城市用地對淄博市、濟南市顆粒物污染的影響程度明顯高于青島市。

綜合上述，青島市作為典型的東部沿海城市，海洋成為影響該市空氣污染的主導因素，受海洋的影響顯著，顆粒物污染對林地、城市用地對的響應不敏感；淄博市、濟南市作為典型的內陸城市，距海較遠，受海洋影響較小，城市用地對淄博市顆粒物污染的影響比較明顯，兩者存在較好的相關性；林地對濟南市顆粒物污染的影響非常明顯，兩者之間的相關性較高。LUCC對城市顆粒物污染的影響具有較大的差異，在由沿海到內陸城市類型的變化中，顆粒物污染的對城市用地、林地變化的響應逐步增強。

3 結論與討論

文中利用長時間序列的MODIS標準產品數據，分別提取青島、淄博、濟南3個城市2001—2010年夏季的氣溶膠數據及林地、城市用地兩種主要土地利用類型，對氣溶膠數據進行分段、分級處理。分別從林地、城市用地對城市顆粒物污染的影響趨勢、影響程度及城市顆粒物污染的主導因素變化3個方面進行相關性分析，最終得出以下結論：(1)由于受海洋因素的直接調節，土地覆蓋變化與青島市顆粒物污染之間的相關性較低；而林地、城市用地與濟南市、淄博市顆粒物污染存在較高的相關性。(2)城市用地對淄博市顆粒物污染的影響程度整體高于青島市，而林地對濟南市顆粒物污染的影響最大，其中林地與各空氣污染等級天氣變化幅度之間的相關系數分別達到-0.176，0.859、-0.753、-0.309，相關性顯著。(3)不同的城市類型，顆粒物污染對LUCC的響應存在明顯的差異，在由沿海到內陸城市類型的變化中，影響和決定城市環境的主導因素由海洋因素逐漸轉變為城市用地、林地。

本文的分析結果較好地解釋了大氣顆粒物分布與不同類型區域地表覆蓋變化的相關性，在一定程度上可以為區域發展規劃提供借鑒作用。本文的研究同時存在以下幾個問題：(1)在顆粒物空間分布與地表覆蓋變化相關性因素的表達上，本文對地表類型的分析，受數據源以及分析手段的限制，僅使用了選擇區域內幾個主要的地表類型，探討其變化與顆粒物空間分布的相關性，而實際上對顆粒物空間分布影響的地表因素很多，且隨區域的空間位置和職能特征有較大的相關性，因此，在該方法向其它區域的推廣上受到一定限制。基于更為復雜地表系統的分析有待于以后的工作中繼續完善；(2)盡管在研究的過程中，對數據源進行了精心的篩選和嚴密的質量控制，但受當前定量遙感以及地物類型信息提取技術水平的限制，大氣顆粒物污染數據和地表覆蓋類型數據仍存在一定的誤差，會對分析的相關性結果有相應的影響，所以在使用不同時期、不同數據源分析時，在相似趨勢的框架下，相關性大小上可能會有相當的差異；(3)本文在分析二者的相關性時，用到的顆粒物污染數據是整層大氣顆粒物的光學參數，而人類所接觸最多的是近地表顆粒物數據，盡管當前的研究表明二者具有較高的相關性，但卻并不十分吻合，所以分析的結果與常識性的感受可能會有一定的差異。

致謝：美國NASA網站提供大氣氣溶膠數據和地表覆蓋類型數據，北京林業大學黃華國教授對寫作給予幫助，特此致謝。

[1] Ministry of Environmental Protection of the People′s Republic of China. 2011 Report on the State of the Environment in China. Beijing: Ministry of Environmental Protection of the People′s Republic of China, 2011.

[2] 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- 47.

[3] 范雪波, 劉衛, 王廣華, 林俊, 伏晴艷, 高松, 李燕. 杭州市大氣顆粒物濃度及組分的粒徑分布. 中國環境科學, 2011, 31(1): 13- 18.

[4] Wang H, Zhuang Y, Wang Y, Sun Y, Yuan H, Zhuang G, Hao Z. Long-term monitoring and source apportionment of PM2. 5/PM10 in Beijing, China. Journal of Environmental Sciences, 2008, 20(11): 1323- 1327.

[5] 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- 221.

[6] 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- 20671.

[7] 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- 269.

[8] Ojima D S, Galvin K A, Turner B L II. The global impact of land use change. BioScience, 1994, 44(5): 300- 304.

[9] 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- 458.

[10] 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′s Surface. Netherlands: Kluwer Academic Publishers, 2004.

[11] 劉紀遠, 張增祥, 莊大方, 王一謀, 周萬村, 張樹文, 李仁東, 江南, 吳世新. 20世紀90年代中國土地利用變化時空特征及其成因分析. 地理研究, 2003, 22(1): 1- 12.

[12] 劉紀遠, 張增祥, 徐新良, 匡文慧, 周萬村, 張樹文, 李仁東, 顏長珍, 于東升, 吳世新, 江南. 21世紀初中國土地利用變化的空間格局與驅動力分析. 地理學報, 2009, 64(12): 1411- 1420.

[13] 劉紀遠, 邵全琴, 延曉冬, 樊江文, 鄧祥征, 戰金艷, 高學杰, 黃麟, 徐新良, 胡云峰, 王軍邦, 匡文慧. 土地利用變化對全球氣候影響的研究進展與方法初探. 地球科學進展, 2011, 26(10): 1015- 1022.

[14] 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- 1928.

[15] 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] 李成才, 毛節泰, 劉啟漢, 陳介中, 袁自冰, 劉曉陽, 朱愛華, 劉桂青. 利用MODIS研究中國東部地區氣溶膠光學厚度的分布和季節變化特征. 科學通報, 2003, 48(19): 2094- 2100.

[17] 李成才, 毛節泰, 劉啟漢, 袁自冰, 王美華, 劉曉陽. MODIS衛星遙感氣溶膠產品在北京市大氣污染研究中的應用. 中國科學D輯-地球科學, 2005, 35(增刊): 177- 186.

[18] 陳好, 顧行發, 程天海, 余濤, 李正強. 中國地區氣溶膠類型特性分析. 遙感學報, 2013, 17(6): 1559- 1571.

[19] Wang J, Christopher S A. Intercomparison between satellite-derived aerosol optical thickness and PM2.5 mass: Implications for air quality studies. Geophysical Research Letters, 2003, 30(21): doi: 10.1029/2003GL018174.

[20] 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- 114.

[21] 孫娜. 珠三角地區可吸入顆粒物的遙感監測及其與下墊面的相關性分析. 北京: 中國地質大學(北京), 2013.

[22] 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-terra moderate resolution imaging spectroradiometer (MODIS). Journal of Geophysical Research, 2003, 108(D21): 4661, doi: 10.1029/2002JD003179.

[23] Engel-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- 2509.

[24] 余梓木, 周紅妹, 鄭有飛. 基于遙感和GIS的城市顆粒物污染分布研究. 自然災害學報, 2004, 13(3): 58- 64.

[25] Tsai Y I, Kuoc S C, Lee W J, Chen C L, Chen P T. Long-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- 341.

[26] 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- 3379.

[27] 關佳欣, 李成才. 我國中、東部主要地區氣溶膠光學厚度的分布與變化. 北京大學學報:自然科學版, 2010, 46(2): 185- 191.

[28] 衛亞星, 王莉雯. MODIS土地覆蓋產品研究進展. 光譜學與光譜分析, 2010, 30(7): 1848- 1852.

[29] 冉有華, 李新. 四種常用的全球1KM土地覆蓋數據中國區域的精度評價. 冰川凍土, 2009, 31(3): 490- 500.

[30] 盛立芳, 申莉莉, 李秀鎮, 劉飛. 水平能見度經驗公式在青島沿海地區的應用. 中國海洋大學學報, 2009, 39(5): 877- 882.

[31] Yang S. On extraction and fractal of urban and rural residential spatial pat tern in developed area. Acta Geographica Sinica, 2000, 55(6): 671- 678.

[32] 王斌, 高會旺. 中國沿海城市空氣污染指數的分布特征. 生態環境, 2008, 17(2): 542- 548.

Response analysis of particulate air pollution to Land-use and land-cover change

WEI Jing1, SUN Lin1,*, LIU Shuangshuang1, DUAN Dehong2, GUO Yamin3, MI Xueting1, TIAN Xinpeng1, YU Huiyong1

1GeomaticsCollege,ShandongUniversityofScienceandTechnology,Qingdao266590,China2DepartmentofScienceandTechnology,ShandongUniversityofScienceandTechnology,Qingdao266590,China3CollegeofGlobalandEarthSystemScience,BeijingNormalUniversity,Beijing100875,China

Land-use and land-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 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′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.

LUCC(Land-use and land-cover change); particle pollution; MODIS; AOD (aerosol optical depth); correlation analysis

山東省中青年科學家獎勵基金(2011BSB01500); 山東省杰出青年基金(2012JQB01025); 國家科技支撐計劃課題(2012BAH27B00);研究生科技創新基金(YC140307)

2014- 04- 24;

日期:2014- 11- 04

10.5846/stxb201404240816

*通訊作者Corresponding author.E-mail: sunlin6@126.com

韋晶, 孫林, 劉雙雙, 段德宏, 郭亞敏, 米雪婷, 田信鵬, 于會泳.大氣顆粒物污染對土地覆蓋變化的響應.生態學報,2015,35(16):5495- 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-use and land-cover change.Acta Ecologica Sinica,2015,35(16):5495- 5506.