北京地區霾/顆粒物污染與土地利用/覆蓋的時空關聯分析

唐新明,劉 浩,李 京,謝志英,趙文慧（.國家測繪地理信息局衛星測繪應用中心,北京 000；.北京師范大學減災與應急管理研究院,北京 00875；.蘭州交通大學,甘肅 蘭州 70070；.北京市環境保護監測中心,北京 0008）

大氣污染與控制

北京地區霾/顆粒物污染與土地利用/覆蓋的時空關聯分析

唐新明1,劉 浩2*,李 京2,謝志英3,趙文慧4（1.國家測繪地理信息局衛星測繪應用中心,北京 101300；2.北京師范大學減災與應急管理研究院,北京 100875；3.蘭州交通大學,甘肅 蘭州 730070；4.北京市環境保護監測中心,北京 100048）

土地利用/覆蓋變化（LUCC）直接或間接影響顆粒物污染,為定量評價顆粒物污染與土地利用在時序變化和空間分布上的關系,使用北京市長期氣象資料、土地利用數據、實測顆粒物濃度數據和遙感影像,結合 GIS空間分析和典型相關分析方法,對北京市霾日數與土地利用變化的響應關系、以及局地土地利用類型對顆粒物污染濃度空間分布的影響進行了定量評價.結果表明：從時序變化的角度看,北京市（行政區內）1996～2008年間霾日數與生態用地和耕地表現為顯著負相關,相關系數分別為-0.574和-0.592,與建設用地、居民點及工礦用地和交通用地則呈顯著正相關,相關系數分別為0.595、0.609和0.590；北京城區（五環內）1989～2012年間霾日數與生態用地、耕地和建設用地變化趨勢具有良好的響應關系,其中城市區域擴張對霾日數影響顯著,建成區面積與霾日數顯著正相關,相關系數為 0.876.從空間分布的角度看,建筑工地、道路和裸地3種下墊面類型的顆粒物濃度要明顯高于其他類型；在0.5km和1km緩沖區內,綠地面積與PM1.0濃度呈顯著負相關,相關系數分別為-0.542和-0.507,建筑面積與PM1.0濃度呈顯著正相關,相關系數分別為0.469和0.537.總體來看,北京地區顆粒物污染水平、空間分布格局與土地利用/覆蓋狀況具有良好的時空關聯性.

顆粒物污染；霾日數；土地利用/覆蓋；相關性分析

大氣顆粒物是我國北方地區城市空氣的首要污染物.目前有關城市大氣顆粒物的研究主要集中在動態變化特征［1-3］、時空演化［4-5］、來源解析［6-7］和成分分析［8-10］等方面.對大氣顆粒物變化的影響因素研究,多集中于溫度、濕度等氣象要素［11-13］,以及交通車輛和人流量［14-15］等人為活動的影響.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,帶來一系列生態環境問題,人們逐漸意識到區域下墊面條件的改變可能與大氣顆粒物污染有密切關系.目前相關研究還較少,且尚不成熟,史軍等［16］基于華東氣象站點霧、霾、溫度等數據及土地利用數據概括性的分析了華東霧、霾日數的變化及土地利用變化對其的影響,但以定性評價為主,缺乏基于數據的定量分析.韋晶等［17］使用MODIS數據提取山東省青島市、淄博市和濟南市的城市用地和林地信息,并與 MODIS氣溶膠光學厚度產品進行相關性分析,探討了二者的響應關系.由于 MODIS氣溶膠光學厚度是整層大氣顆粒物的光學參數,與近地表顆粒物數據有較大差異,難以反映真實情況.莫莉等［18］通過分析北京市PM2.5和PM10質量濃度與不同城市化程度地區的相關關系,探索了城市化程度對顆粒物濃度的影響.其主要局限在于利用僅4個月的研究數據難以解釋城市化對顆粒物污染的的長效影響機制.此外,還有一些研究［19-21］對土地利用與顆粒物污染的關系進行了探討,但多數只選取了短期內的少數樣本點進行簡單相關分析,結果具有局限性.

為進一步探討顆粒物污染與土地利用的關系,一方面從多年長時序的宏觀角度,基于霾日和土地利用統計數據,分析北京地區近20年霾日數和土地利用面積的變化特征和趨勢,進而利用典型相關分析對北京地區長時序的霾日變化與土地利用面積變化的響應關系進行定量評價,探討土地利用變化對霾日數的影響.另一方面從空間分布的角度,以實測顆粒物濃度數據為基礎,利用克里金（Kriging）空間插值模擬整個北京城區不同粒徑顆粒物濃度的空間分布,然后與下墊面影響因子進行關聯分析,探討土地利用類型對顆粒物污染濃度空間分布的影響.

1　數據來源與處理

1.1北京地區近20年逐年霾日數

利用北京地區氣象臺站 1989～2012年觀測資料,運用目前運用最為廣泛的 14：00值法［22-24］完成北京地區逐年霾日數的統計.當觀測能見度小于 10km,相對濕度小于 90%,并排除降水、降雪、沙塵、大風、揚沙、沙塵暴等其他影響能見度的天氣現象的情況為一個霾日［22］.選取具有連續觀測記錄的海淀站作為典型城區站點、上甸子站（位于密云縣內）作為典型郊區站點,并利用多站點平均值法完成北京市霾日數的統計.

1.2北京城區顆粒物污染濃度實測數據

采用日本加野麥克斯（Kanomax）手持激光粒子計數器（3886GEOX）和Trimble GPS手持機儀器分別測量北京市城區（五環內）2008～2012年不同粒徑可吸入顆粒物濃度和采樣點的點位坐標,監測時間為每年的12月4日～12月14日,采樣點均勻、規律、廣泛地布置在北京市五環內（圖1）,每一次采樣都在天氣晴朗且相對穩定的氣象條件下進行,采樣路線均相同,每年的采樣點地理位置都比較固定,每年有效采樣點數據達80～90個.對于野外采集獲取的顆粒物污染濃度數據,首先將其與手持GPS記錄的采樣點的空間坐標進行屬性關聯,使顆粒物數據具有空間屬性.然后,在ArcGIS中通過地理編碼,使顆粒物數據的空間屬性形成空間坐標點,將其投影方式與北京城區行政區劃圖等基礎地理數據保持一致.

圖1　實測數據范圍及采樣點分布Fig.4　Distribution of sampling sites

1.3北京地區土地利用數據

土地利用數據包括北京市和北京城區 2個范圍.其中,北京市土地利用面積數據來源于北京市國土資源局,包含1996～2008年逐年的10種土地利用類型的面積數據.北京城區土地利用數據是利用1989年、2000年兩期Landsat TM5遙感影像監督分類生成,以及北京市2012年度土地利用現狀數據（來源于北京市國土資源局）.

1.4其他數據

研究所用到的其他數據還包括北京地區2008年冬季的SPOT遙感影像、北京城六區行政區劃圖、北京環路矢量圖等.

2　結果與分析

2.1北京地區霾日數與土地利用變化的關系

2.1.1北京地區霾日變化 圖 2給出了海淀站（典型城區站點）、上甸子站（典型郊區站點）和北京市霾日數（多站點平均）近 20年逐年霾日數的統計結果.

由圖2可見,城區霾日數要明顯高于郊區,而北京市霾日數則處于城區和郊區之間.雖然城區、郊區和北京市霾日數變化波動有所差異,但總體上呈現明顯的增長趨勢.城區、郊區和北京市霾日數分別從1988年的82,7,38d增加到2012年的 144,65,95d.其中城區霾日數和北京市霾日數的變化趨勢更為接近,以城區為例分析其變化趨勢,首先在1995～1998年出現了較大的持續性增長,從82d增加132d；1998～2006年處于較為平穩的高值區,平均霾日數（128d）比20年總平均年霾日（106d）高出22d,并且于2006年達到奧運前的最高值（142d）；2006～2008年呈現顯著的下降趨勢,從142d減少到88d,并且2008-2010年間平均霾日（93d）要明顯低于往年,推測其與 2008年北京奧運會前后明顯減少了污染物排放有密切關系.郊區的霾日變化與城區最大的差異在于2008年后并未減少反而繼續增長,但增長率明顯下降.可以推測,北京市針對奧運采取的減排治污措施對城區的影響更加顯著.

圖2　海淀、上甸子和北京市霾日年際變化Fig.4　Annual hazy day trends at Haidian, Shangdianzi and Beijing

2.1.2北京地區土地利用變化 （1）北京市土地利用變化：根據北京市土地利用數據可知,1996～2008年間北京市土地利用變化特征為：生態用地（包括耕地、園地、林地、牧草地和其他農用地）呈逐年減少趨勢,建設用地（包括居民點及工礦用地、水利設施和交通用地）呈逐年增加趨勢.在二級類別里,變化比較明顯的是耕地、居民點及工礦用地和交通用地幾類,其中耕地逐年減少,居名點及工礦用地和交通用地逐年增加（圖3）.

圖3　北京市1996～2008年各類土地利用面積變化Fig.4　Land use change of Beijing from 1996 to 2008

1996～2008年間,耕地以平均每年 3.15%的速率減少,12年間共減少了1122km2,因此即使在采取植樹造林等措施的情況下,林地和園地面積有所增長,但生態用地總面積仍然明顯減少,12年共減少了444km2；居民點及工礦用地和交通用地明顯增長,分別以平均每年 2.00%和 5.06%的速率增長,12年間面積分別增加了 584,144km2,居民點及工礦用地和交通用地的迅速增長使得建設用地呈明顯增長趨勢,12年間面積共增加了742km2.

（2）城區土地利用變化：根據 1989年、2000年和2012年3期土地利用變化情況（表1）可知, 近20年北京城區變化最大的是耕地,尤其在第2階段以平均每年8.70%的速率減少,23年間共減少了467km2；林地在植樹造林等措施的積極影響下,面積有所增長,但耕地的大幅減少使得城區生態用地總面積仍減少明顯,23年共減少了443km2,與之相對的是建設用地的大幅增加,23年間以平均每年 3.53%的速率增長,面積共增加了437km2.

此外,城市擴展過程就是土地利用中的城鎮建設用地的動態變化過程,這一過程中因為建設用地的增加而使城市建成區擴大,并導致其周邊其他土地利用類型的變化［25］.為進一步探討北京城市區域擴張的特征和趨勢,搜集了近20年北京市建成區面積數據,數據來源于文獻［22］.分析可知,北京市建成區的擴展基本上呈現出以舊城區為中心向四周擴展的方式,1984年面積約265.48km2,以平均每年 45km2的速度擴展,至2005年總面積已達1209.97km2,較1984年凈增面積超過900km2.

表1　1989年、2000年與2012年北京城區土地利用變化統計Table 1　Land use change of Beijing urban areas from 1989 to 2012

以上結果表明,隨著城市化進程的加快,北京市大量耕地消失、城鎮和交通等建設用地迅速增加,城市區域向外擴張明顯.

2.1.3霾日數與土地利用變化的關系 通常較高的大氣顆粒物濃度是引起灰霾天氣的重要原因,霾日數一定程度上代表了顆粒物污染狀況,可以認為探討霾日數與土地利用的關系間接上探討了顆粒物污染與土地利用的關系.

（1）生態用地對霾日數的影響：北京地區生態用地包含了耕地、林地、園地、牧草地和其他農用地等,其中耕地占生態用地的1/4左右,近20年北京市耕地銳減,是生態用地中變化最大的類型.由圖4可以看出,生態用地和耕地面積與霾日數具有明顯的負相關關系,其相關系數分別為-0.574和-0.592,均在置信度為95%（雙側）上呈顯著相關.對城區而言,由圖4（g）可知,海淀霾日變化與生態用地和耕地面積變化趨勢正好相反,說明二者具有很好的負相關響應關系.由于生態用地多以植被覆蓋為主,植被能有效吸附和移除空氣中的顆粒物,對霧霾天氣具有一定的抑制作用,隨著植被覆蓋面積的大幅減少必然導致地表吸附、阻擋揚塵的能力降低,從而加劇霧霾天發生的頻率和強度［26］.

圖4　北京地區霾日數與土地利用面積的相關性Fig.4　The correlation between Beijing hazy days and land use areas

（2）建設用地對霾日數的影響

隨著城市化進程的加快,北京市建設用地一直處于增長態勢,其中居民點及工礦用地和交通用地表現較為突出,從圖 4（c）、（d）和（e）可以看出,建設用地、居民點及工礦用地以及交通用地均與霾日數具有明顯的正相關關系,其相關系數分別為0.595、0.590和0.609,均在置信度為95%（雙側）上呈顯著相關,說明城鎮、交通等建設用地的不斷增長一定程度上加重了大氣污染程度.以居民點及工礦用地為主的建設用地逐年增加,不僅加劇了人類活動造成的燃煤排放、工業排放、施工揚塵、汽車尾氣等各種污染物,提供直接污染源［5］；同時,還改變了區域下墊面屬性,其中建筑密度的增加使水平方向靜風現象增多,阻礙污染物的擴散和稀釋［16］,對霧霾天的加重產生重要影響.

北京市 2000多萬人口、大量的生產和服務活動都集中在 6000km2的平原地區,污染排放強度大,是城區霾日數遠遠高于郊區的重要原因.由圖 4（g）可知,海淀霾日變化與建設用地面積變化趨勢一致,說明二者具有很好的正相關響應關系.對近 20年城區霾日數與建成區面積進行相關分析（圖4f）可知,北京市建成區面積與城區霾日數具有明顯的正相關關系,相關系數為0.876,在置信度為99%（兩側）上顯著相關,進一步說明了建成區的擴張對城區霧霾天氣的加重具有重要影響.

2.2北京城區顆粒物濃度分布與土地利用類型的關系

2.2.1顆粒物污染濃度統計分析 Kanomax手持激光粒子計數器能夠獲取 PM0.3、PM0.3～0.5、PM0.5～1.0、PM1.0～3.0、PM3.0～5.0 5個粒徑區間的顆粒物濃度,5a的平均濃度統計結果如表2所示.

表2　顆粒物濃度統計（×107個/m3）Table 1　Concentration of particulate matter （×107c/m3）

由表2可知,雖然PM1.0～3.0和PM3.0～5.0在建筑工地和道路 2種下墊面的濃度要明顯高于其他下墊面類型,但綜合而言,PM1.0～3.0和 PM3.0～5.0濃度與其他粒徑顆粒物濃度在數量級上相差較大.由此可知,監測得到的5.0um以下顆粒物主要集中在前 3個區間,因此選取 PM0.3、PM0.3～0.5和PM0.5～1.0以及三者之和PM1.0開展研究.

圖5　不同下墊面顆粒物濃度統計Fig.4　Concentration of particulate matter on different underlying surfaces

根據采樣時記錄的對應下墊面類型,統計不同下墊面的顆粒物濃度值（圖 5）.可以看出,綠地和裸地的 PM0.3濃度要高于其他下墊面, 對于PM0.3～0.5和PM0.5～1.0兩種粒徑,道路和建筑工地兩種下墊面的濃度較高；總體而言（PM1.0）,顆粒物濃度由高到低依次為：建筑工地＞道路＞裸地＞商業區＞居民區＞綠地,建筑工地、道路和裸地相對濃度要高于其他下墊面,這是由于在空氣污染物排放條件較差的情況下,建筑工地、道路和裸地是城市空氣中顆粒物污染濃度集聚的主要場所.其中,建筑工地主要由于施工揚塵使得顆粒物濃度較高,并且其對粗細粒徑的顆粒物濃度貢獻均較大；道路上的顆粒物主要是交通揚塵和汽車尾氣排放引起；裸地則因其地表缺少植被覆蓋,而易受到風蝕作用,導致區域顆粒物濃度較高.

2.2.2顆粒物污染濃度空間分布特征 在ARCGIS10.1的支持下,插值生成PM0.3、PM0.3～0.5、PM0.5～1.0和PM1.0顆粒物污染濃度分布（圖6）.

從圖6可以看出,PM0.3～0.5和PM0.5～1.0的空間分布特征極為相似,而與 PM0.3則差異較大,三者之和PM1.0則根據各區間顆粒物濃度的貢獻度不一樣而表現出不同的格局.從各年的情況來看,2008～2009年在北京奧運大氣污染控制措施的積極影響下,整體污染濃度較小,2008年高值區主要位于東南方向朝陽區和豐臺區,2009年雖然高值區比較分散,但是平均濃度在5a中為最小；從 2010年開始顆粒物濃度有所提高,2010年PM0.3高值區域擴大,但總濃度主要集中于西南部的豐臺區,平均濃度有所提升；2011年各區間的顆粒物濃度高值區域均較大,污染范圍呈蔓延趨勢；2012年的顆粒物濃度均值為5a最高,其空間分布呈明顯的環島形狀,PM0.3高值區位于人口集中、生產活動密集的城中心（東城區和西城區）,PM0.3～0.5、PM0.5～1.0和總濃度 PM1.0則集中于四環與五環之間.

2008～2012年的污染濃度空間分布主要由兩個因素引起,一是污染源因素,濃度高值區通常具有高熱量和高能量的工業區,工業排放的污染物增加了顆粒物污染濃度；二是下墊面性質,濃度高值區通常有正在動工的建筑工地,人口集中、生產活動密集的商業區,以及交通繁忙、車輛集中的道路區.因此可見,下墊面條件是影響顆粒物污染濃度空間分布的重要因素,但顆粒物濃度總體分布趨勢并非完全由下墊面性質決定,同時還受污染源和風速、風向等天氣條件影響.

圖6　2008～2012年顆粒物濃度插值結果Fig.4　Spatial distribution of particulate matter from 2008 to 2012

2.2.3局地下墊面類型對顆粒物濃度的影響為進一步驗證下墊面類型對顆粒物濃度空間分布的影響,以 2008年為例,基于均勻分布和覆蓋不同下墊面的原則,在五環內選取了18個采樣點,并生成 0.5km和 1km緩沖區,以 2008年冬季SPOT衛星影像為數據源,以目視解譯方法提取緩沖區內土地利用信息,顆粒物濃度采用總濃度（PM1.0）,分析采樣點 PM1.0與緩沖區內綠地和建筑占比的相關性.

由圖7可以看出,在0.5km和1km緩沖區內綠地、建筑面積占比均與PM1.0濃度具有明顯的相關性,均在置信度為 95%（雙側）上呈顯著相關.其中綠地面積占比與 PM1.0濃度呈顯著負相關,相關系數分別為-0.542（0.5km）和-0.507（1km）；建筑面積占比與 PM1.0濃度呈顯著正相關,相關系數分別為 0.469（0.5km）和 0.537（1km）.由此說明,在局部區域內綠地和建筑面積的占比對PM1.0的濃度具有重要影響,城市綠地由于能夠吸附或滯留空氣中的粉塵,對顆粒物的擴散有著積極的作用；而建筑區的人類活動密集、污染排放集中,同時密集的高層大樓不利于污染物的擴散,是導致污染物累積的重要因素.

圖7　綠地和建筑0.5km（a, b）、1km（c, d）緩沖區面積占比與PM1.0的相關性Fig.4　The correlation between PM1.0and green land and construction land within buffer zone 0.5km （a, b） and buffer zone 1km （c, d）

3　結論

3.1北京市（行政區內）霾日數與土地利用變化有明顯的關系,霾日數與生態用地、耕地、建設用地、居民點及工礦用地、交通用地均在置信度為 95%（雙側）上顯著相關,其中與生態用地和耕地呈顯著正相關,相關系數分別為-0.574和-0.592,與建設用地、居民點及工礦用地、交通用地呈顯著負相關,相關系數為 0.595、0.609和0.590.

3.2北京城區（五環內）霾日數與土地利用變化有明顯的關系,霾日數與生態用地、耕地和建設用地的變化趨勢具有良好的響應關系.建設用地對霾日數影響顯著,霾日數與建成區面積在置信度為99%（兩側）上顯著正相關,相關系數為0.876.

3.3實測顆粒物濃度數據顯示,不同下墊面上PM1.0（PM0.3、PM0.3～0.5和PM0.5～1.0三者之和）污染濃度由高到低依次為：建筑工地＞道路＞裸地＞商業區＞居民區＞綠地,也就是說,建筑工地、道路和裸地 3種下墊面類型更容易產生和集聚細顆粒污染物.

3.4在局部區域內綠地和建筑面積的占比對PM1.0的濃度具有重要影響,在0.5km和1km緩沖區內綠地、建筑面積占比均與PM1.0濃度具有明顯的關系,在置信度為 95%（雙側）上呈顯著相關.其中綠地面積與 PM1.0濃度呈顯著負相關,相關系數為-0.542和-0.507；建筑面積與PM1.0濃度呈顯著正相關,相關系數為0.469和0.537.

［1］ Cheng Z, Jiang J K, Fajardo O, et al. Characteristics and health impacts of particulate matter pollution in China （2001-2011） ［J］. Atmos. Environ., 2013,65：186-194.

［2］ Zhao P S, Dong F, He D, et al. Characteristics of concentrations and chemical compositions for PM2.5in the region of Beijing, Tianjin and Hebei, China ［J］. Atmos. Chem. Phys., 2013,13：4631-4644.

［3］ 王 英,李令軍,李成才.北京大氣能見度和消光特性變化規律及影響因素 ［J］. 中國環境科學, 2015,35（5）：1310-1318.

［4］ Wang Z F, Li J, Wang Z, et al. Modeling study of regional severe hazes over mid-eastern China in January 2013 and its implications on pollution prevention and control ［J］. Science China： Earth Sciences, 2014,44 （1）：3-13.

［5］ 肖致美,畢曉輝,馮銀廠,等.寧波市環境空氣中PM10和PM2.5來源解析 ［J］. 環境科學研究, 2012,25（5）：549-555.

［6］ Huang R J, Zhang Y L, Carlo B, et al. High secondary aerosol contribution to particulate pollution during haze events in China ［J］. Nature, 2014,514：218-222.

［7］ 王 超,張霖琳,刀 谞,等.京津冀地區城市空氣顆粒物中多環芳烴的污染特征及來源 ［J］. 中國環境科學, 2015,35（1）：1-6.

［8］ Duan J C, Tan J H, Wang S L, et al. Size distribution and sources of elements in particulate matter at curbside, urban and rural sites in Beijing ［J］. Environ. Sci., 2012,24（1）：87-94.

［9］ Tian Y Z, Wu J H, Shi G L, et al. Long-term variation of the levels, compositions and sources of size-resolved particulate matter in a megacity in China ［J］. Sci. Total Environ, 2013,463：462-468.

［10］ 范雪波,劉 衛,王廣華,等.杭州市大氣顆粒物濃度及組分的粒徑分布 ［J］. 中國環境科學, 2011,31（1）：13-18.

［11］ Tai A P, Mickley L J, Jacob D J. Correlations between fine particulate matter （PM2.5） and meterorological variables in the United States： implications for the sensitivity of PM2.5to climate change ［J］. Atmos. Envirom., 2010,44（32）：3976-3984.

［12］ Chen Z H, Cheng S Y, Li J B. et al. Relationship between atmospheric pollution processes and synoptic pressure patterns in northern China ［J］. Atmos. Environ., 2008,42（24）：6078-6087.

［13］ 鄧利群,錢 駿,廖瑞雪,等.2009年8～9月成都市顆粒物污染及其與氣象條件的關系 ［J］. 中國環境科學, 2012,32（8）：1433-1438.

［14］ Johansson C, Norman M, Burman L, et al. Road traffic emission factors for heavy metals ［J］. Atmos. Environ., 2009,43（31）：4681-4688.

［15］ Lough G C, Schauer J J, Lawson D R. Day-of-week trends in carbonaceous aerosol composition in the urban atmosphere ［J］. Atmospheric Environment, 2006,40（22）：4137-4149.

［16］ 史 軍,崔林麗,賀千山,等.華東霧和霾日數的變化特征及成因分析 ［J］. 地理學報, 2010,65（5）：533-542.

［17］ 韋 晶,孫 林,劉雙雙,等.大氣顆粒物污染對土地覆蓋變化的響應分析 ［J］. 生態學報, 2015,35（16）：1-14.

［18］ 莫 莉,余新曉,趙 陽,等.北京市區域城市化程度與顆粒物污染的相關性分析 ［J］. 生態環境學報, 2014,23（5）：806-811.

［19］ 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 ［D］. 北京：中國地質大學（北京）, 2013.

［20］ 唐 明.北京城區可吸入顆粒物分布與土地覆蓋類型的關系研究 ［D］. 北京：首都師范大學, 2011.

［21］ 岳 輝.武漢市大氣 PM10濃度空間分布特征及其影響因素研究 ［D］. 北京：華中農業大學, 2012.

［22］ 趙普生,徐曉峰,孟 偉,等.京津冀區域霾天氣特征 ［J］. 中國環境科學, 2012,32（1）：31-36.

［23］ Che H Z, Zhang X Y, Li Y, et al. Haze trends over the capital cities of 31 provinces in China, 1981-2005 ［J］. Theoretical and Applied Climatology, 2009,97：235-242.

［24］ Wu D, Mao J T, Deng X J, et al. Black carbon aerosols and their radiative properties in the Pearl River Delta region ［J］. Sci. China （Series D）, 2009,52（8）：1152-1163.

［25］ 牟鳳云,張增祥,遲耀斌,等.基于多源遙感數據的北京市1973-2005年間城市建成區的動態監測與驅動力分析 ［J］. 遙感學報, 2007,11（2）：257-268.

［26］ McDonald A G, Bealey W J, Fowler D, et al. Quantifying the effect of urban tree planting on concentrations and depositions of PM10in two UK conurbations ［J］. Atmospheric Environment, 2007,41：8455-8467.

Response analysis of haze/particulate matter pollution to Land Use/Cover in Beijing.

TANG Xin-ming1, LIU Hao2*,LI Jing2, XIE Zhi-ying3, ZHAO Wen-hui4（1.Satellite Surveying and Mapping Application Center, National Administration of Surveying, Mapping and Geo-information, Beijing 100830, China；2.Academy of Disaster Reduction and Emergency Management, Beijing Normal University, Beijing 100875, China；3.Lanzhou Jiaotong University, Lanzhou 730070, China；3.Beijing Municipal Environmental Monitoring Center, Beijing 100048, China）.

China Environmental Science, 2015,35（9）：2561～2569

Land-Use/Cover Change （LUCC） has direct or indirect effects on particulate matter pollution. To quantitatively evaluate the correlation between particulate matter pollution and land use in terms of temporal variation and spatial distribution, long-term meteorological data, land use data, measured particulate concentration data and remote sensing images, as well as the GIS spatial analysis methods and canonical correlation analysis methods were used to perform quantitative evaluation of the correlation between the number of haze days and land use change in Beijing, as well as the effects of local land use types on spatial distribution of particle pollution. The results showed that： （1） In respect of temporal variation, from 1996 to 2008, the number of haze days in Beijing presented a significant negative correlation with ecological land and agricultural land, with the correlation coefficients being -0.574 and -0.592 respectively, but presented a significant positive correlation with construction land, residential settlements and industry and mining, and transportation land, with the correlation coefficients being 0.595, 0.609, and 0.590 respectively； from 1989 to 2012, the number of haze days in urban areas of Beijing presented good responding relationship with the variation trend of ecological land, agricultural land, and construction land, in which the expansion of urban areas has significant effect on the number of haze days, and the coverage of built-up areas presented a significant positive correlation with the number of haze days, with the correlation coefficient being 0.876. （2） In terms of spatial distribution, the concentration of particulatesat underlying surface including construction sites, roads, and bare land was obviously higher than that at land of other types； within the 0.5km and 1km buffer area, the area of green land presented a significant negative correlation with the PM1.0concentration, with the correlation coefficients being -0.542 and -0.507 respectively, and the area of construction land presented a significant positive correlation with the PM1.0concentration, with the correlation coefficients being 0.469 and 0.537 respectively. As a whole, the pollution level and spatial distribution pattern of particulate matter were closely related to the Land Use/Cover status.

particle pollution；number of haze days；land use/cover；correlation analysis

X513

A

1000-6923（2015）09-2561-09

2015-01-15

測繪地理信息公益性行業科研專項（201412007）；國際科技合作項目（S2014ZR0347）

*責任作者, 講師, lihaha1985@126.com

唐新明（1966-）,男,江蘇如東人,研究員,博士,主要從事GIS與RS技術與應用研究.發表論文100余篇.