2013─2014年武漢市PM2.5的時空分布特征及其與氣象條件的關系

黃亞林，劉超，曾克峰，丁鐳，程勝高

1. 中國地質大學公共管理學院，湖北 武漢430074；2. 中國地質大學環境學院，湖北 武漢430074

2013─2014年武漢市PM2.5的時空分布特征及其與氣象條件的關系

黃亞林1，劉超1，曾克峰1，丁鐳2，程勝高2

1. 中國地質大學公共管理學院，湖北 武漢430074；2. 中國地質大學環境學院，湖北 武漢430074

霾天氣的頻繁發生降低了武漢空氣質量，明晰致霾污染物PM2.5的污染機理、污染時空分布特征、影響因素是科學認識和解決霾污染天氣的重要前提。在全國大范圍內開展PM2.5源解析的背景下，探討其時空分布特征，厘清與氣象因子的相互關系，是對源解析工作的響應，也是污染防治決策的科學依據。本文以2013─2014年武漢市10個國控點的PM2.5監測數據和中國地面氣象交換站氣象數據為基礎，運用統計學方法，基于不同時間尺度和空間分布類型研究PM2.5污染分布特征，并探討其與氣象條件的相互關系。結果表明：（1）武漢市 PM2.5污染表現出顯著的時間分布規律。就年變化而言，PM2.5污染程度2014年（年均值121 μg·m-3）>2013年（107 μg·m-3），且PM2.5污染主要為良好和輕度污染，季節尺度上冬季>秋季>春季>夏季，月均值規律體現為4─9月優于10─翌年3月，以周為單位表現出顯著的正周末效應，即周日>周六>周一>周五>周四>周三>周二；（2）武漢市ρ(PM2.5)的空間差異與區域類型、城市布局有關，工業區、居民區、交通區較風景區污染嚴重，二環和三環較一環嚴重；（3）ρ(PM2.5)月均值分布與降雨量、氣溫、平均風速、相對濕度呈負相關關系（P<0.05），與氣壓呈正相關關系（P<0.01），監測點S2、S3、S9與平均相對濕度相關性更顯著。PM2.5污染的減輕與氣象條件有一定關系，也離不開城市環境空氣治理。

PM2.5；時空分布；氣象條件；武漢市

隨著工業化、城市化快速發展，能源消耗以及機動車保有量的不斷攀升（李名升等，2013），空氣污染逐漸成為制約可持續發展和生態文明城市建設的核心問題。PM2.5作為當前我國環境空氣質量的重要指標之一，會降低大氣能見度、影響氣候變化和人類健康（王占山等，2015），是改善我國環境空氣質量的主要瓶頸之一（曹軍驥，2014）1。

國內外學者運用采樣檢測（蔣靖坤等，2014）、高精度實時測量（Grover et al.，2006）、遙感探測（李倩等，2013）等方法，圍繞PM2.5污染特征（理化特征、源解析、形成過程、影響因素、時空分布等）（吳健生等，2015）759-766、演變機理（跨區域傳輸、預測與模擬等）（薛文博等，2014）、環境健康氣候效應（霧霾、大氣能見度、降雨、健康風險評價等）（曹軍驥，2014）前言、管理與控制（白韞雯等，2013）等方面形成了完整的PM2.5研究體系。然而，從研究區域來看，目前國內對 PM2.5污染的研究，聚焦于京津冀（劉俊等，2014）、珠三角（徐偉嘉，2014）以及上海（呂森林等，2007）、重慶（吳健生等，2015）759-766等城市發展水平高且PM2.5污染嚴重的區域，尤其是北京地區，而缺乏對中部城市的有效觀測和研究。隨著長江經濟帶和長江中游城市群的建設，中部地區城市化快速發展的同時，環境空氣問題也日益突出。近年來，作為中部地區中心城市之一的武漢，其空氣質量問題屢被媒體報道，引起了學界和社會的廣泛關注。從已有研究來看，成海容等（2012）1574-1579、周穎等（2013）506-507、Zhang et al.（2015）采用局部區域采樣檢測的方式，針對2011─2012秋冬季PM2.5化學組分分析了武漢市PM2.5的來源及其季節特征，為后續時空分布特征、影響因素、演變機理等提供了科學依據。

氣象因素作為影響環境空氣質量變化的一個重要變量，其與顆粒物污染具有相關性已經得到廣泛認可（趙晨曦等，2014），在污染源排放相對穩定的條件下，氣象條件對空氣質量狀況起主導作用（周兆媛等，2014），表明未來的 PM2.5污染防治需要在明確當地氣象條件及其對空氣污染影響的基礎上進行?；诖?，本文以 10個國控點的 PM2.5監測數據為研究對象，通過探究其在 2013─2014年的時空分布特征及與氣象條件的關系，為明確城市內部不同區域、不同時間尺度內 PM2.5污染的防控提供科學依據。

1 資料及方法

1.1 數據來源及處理

本文PM2.5監測數據來源于2013年1月1日至2014年12月31日武漢市10個環境空氣質量國控點（表1；圖1）的PM2.5質量濃度（以下簡稱ρ(PM2.5)）日均值，以及武漢市環境保護局發布的空氣質量日報表，有效樣本數為7196個。地面氣象要素數據來源于中國氣象科學數據共享服務網，包括日平均風速、氣溫、氣壓、相對濕度，以及 24小時累積降水量、日照等。

圖1 武漢市環境空氣質量監測國控點分布Fig. 1 Locations of the state controlling stations for monitoring ambient air quality in Wuhan

表1 武漢市環境空氣質量監測國控點詳情Table 1 Details of the state controlling sites for monitoring ambient air quality in Wuhan

1.2 研究方法

本文利用統計學中均值統計、濃度分布統計以及相關分析的方法，探尋武漢市大氣中 ρ(PM2.5)的時空分布規律及其與氣象條件的關系。為了進一步明確 ρ(PM2.5)的年變化是否因氣象條件的差異產生，基于相關系數均值和氣象要素年均值，模擬PM2.5受氣象影響的代替值的變化情況，計算步驟如下：

（1）數據標準化處理。為了消除量綱及其帶來的影響，對氣象因子i的2年共24個月份的數據進行標準化處理，公式為：

（2）計算 ρ(PM2.5)年均值代替值。利用氣象因素與 ρ(PM2.5)的相關關系，以相關系數均值與標準化后的氣象因素年均值相乘，代替ρ(PM2.5)年均值，公式為：

（3）計算ρ(PM2.5)年均值變化率。公式（2）所得 ρ(PM2.5)年均值代替值并不能替換真實的ρ(PM2.5)，但是可以反映其大小變化情況，因此比較實際值與代替值的變化率，可以反映兩年間氣象條件變化對ρ(PM2.5)的變化是否有影響，公式為：

2 結果分析

2.1 ρ(PM2.5)的時間分布特征及差異

2.1.1 ρ(PM2.5)的年變化

首先，分別計算10個站點的年平均質量濃度，再取其均值作為武漢市ρ(PM2.5)年均值。結果發現，ρ(PM2.5)由2013年的121 μg·m-3降至2014年的107 μg·m-3，降幅為11.57%，這表明2014年武漢的PM2.5污染總體上有所下降，同時城區的PM2.5污染明顯高于遠郊區。橫向比較來看，武漢市 ρ(PM2.5)在我國主要城市中處于中等偏高水平（曹軍驥，201468；成海容等，20121575），其中，2013年武漢市在全國第一階段實施新空氣質量標準的 74城市中，排名第 58位，污染較嚴重，影響空氣質量的首要污染物即為PM2.5。

其次，分別從2013年和2014年的PM2.5污染程度來看（表2），其濃度（級別）分布區間集中于(35, 150]（良好至中度污染）之間，分別占全年的0.68、0.78，即2014年相對更集中（月均值的標準差分別為 55.95和 41.00），濃度區間由兩側向(35, 115]轉移，極端情況出現的頻率更低。

表2 ρ(PM2.5)級別劃分及頻數統計Table 2 The concentration levels and frequency statistics of PM2.5

2.1.2 ρ(PM2.5)的季節和月差異

按照氣象局的劃分方法，春、夏、秋、冬四季分別包括3─5月、6─8月、9─11月、12─2月，從ρ(PM2.5)的季節和月均值變化（圖2）可以看出，10個監測點ρ(PM2.5)的季均值、月均值呈同步變化，且變化規律基本一致。兩年 ρ(PM2.5)均值的季節變化特征為：冬季>秋季>春季>夏季。這與成海容等（2012）1575的研究結果“秋季>冬季>夏季”有所不同，秋季污染嚴重主要是因為秋收時，武漢市周邊郊區為了解決大量秸稈閑置，將秸稈在田間露天焚燒，產生大量焚燒煙霧，加之秋季下沉氣流控制的天氣型式增多，時有逆溫層影響，不利于污染物的擴散，不利于污染物的擴散；而本文中的監測點基本位于城區，受秸稈燃燒帶來的影響較小，因而秋季ρ(PM2.5)值相對冬季偏低。

圖2 PM2.5污染的季節（月）分布特征Fig. 2 Seasonal and monthly distribution of PM2.5pollution

PM2.5污染的月差異表現為 10─12月、1─3月>4─9月（圖2），其中1月污染最嚴重，7月污染最輕，冬季各個月份的污染普遍比夏季的嚴重。

武漢大氣中PM2.5污染源主要為燃煤和機動車尾氣排放（周穎等，2013）507，同時，PM2.5污染受氣象因素和污染源排放綜合影響（成海容等，2012）1578。武漢夏季多雨（2013年降雨量243.317 mm）的氣象條件為降低PM2.5污染做出了貢獻；而秋冬季生物質燃燒、人類取暖耗能以及少雨干燥（2013年降雨量26.517 mm）的天氣環境，既增加了 PM2.5的排放，也不利于污染物的擴散。武漢市PM2.5污染來源及其氣象特征共同導致了 ρ(PM2.5)的季節差異和月差異。

2.1.3 ρ(PM2.5)的周末效應

統計并計算所有站點的 ρ(PM2.5)日均值數據中周一至周日的平均值（圖3），表現出的規律為：周日>周六>周一>周五>周四>周三>周二，周末與工作日差異顯著，這種大氣物理現象在以周為尺度的周期內循環，被稱為周末效應（龔道溢等，2006；丁一匯等，2009）。已有的周循環研究結果表明，周末效應存在正負之分，即周末比工作日高的正效應（Bigi et al，2014）和周末比工作日低的負效應（侯靈等，2012）。武漢市空氣中PM2.5的主要來源中，生活燃燒、工廠排污等相對穩定，周內變化不大（成海容等，2012），而周末交通擁堵、景區爆滿的社會現象和長期生活經驗表明，武漢市民周末大規模出行增加了交通量從而導致機動車尾氣排放增多，旅游燒烤等活動頻繁則增加了顆粒物排放，因此出現了周末比工作日高的正效應，但是這種效應也會受氣象條件和站點區位影響。

圖3 PM2.5污染的周末效應Fig. 3 Weekend effect of PM2.5pollution

2.2 ρ(PM2.5)的空間分布特征及差異

分別計算10個站點的年均值，結果見圖4?？梢园l現，10個監測點的值呈現較為顯著的差異，S9>S2>S4>S1/S3/S5/S6/S7/S8>S10，其中 S9、S2始終處于高于其他監測點的中度污染位置，而作為城市背景點的S10，則長期穩定在遠低于其他監測點的輕度污染水平。就監測點的區域類型而言，工業區、居民區、交通區的混合區域污染嚴重，如武漢著名的工業區青山鋼花（S9）和吳家山（S2）污染最為嚴重，風景區（S7）污染相對較輕，這與周穎等（2013）507-510通過多環芳烴的來源解析結果一致。總的來看，雖然各個站點的年均值不同，但是總體變化特征是一致的，并且年均值范圍 2013年為(115, 150]即中度污染的范圍，而2014年80%為(75, 115]即輕度污染的范圍。

圖4 各監測點ρ(PM2.5)年均值比較Fig. 4 The comparison of PM2.5annual average concentration within monitoring points

為了進一步比較武漢市 ρ(PM2.5)的空間差異，對各監測點2013─2014年共24個月份的月均值質量濃度分布進行了統計，結果見圖5：ρ(PM2.5)集中于50～150 μg·m-3間（圖5灰色部分），兩年間大多數月份PM2.5為良、輕度和中度污染；離群值為2013年1月、12月以及2014年1月數據，即冬季污染異常，因此，未來加強冬季的空氣污染控制是武漢市大氣環境治理的重點；兩年內月均值波動范圍相對較大與較小的監測點分別為S6與S7，與圖5中結果一致。S6位于武昌區文體局，紫陽公園外，位于地鐵四號線二期工程首義路站附近，由 2013年施工建設狀態過渡 2014年的通車狀態，不僅是建筑揚塵的減少，交通量也大幅度降低；而 S7位于東湖風景區梨園景區內，監測點周圍大部分區域綠化和水體面積大，且風景區土地利用管理嚴格，周圍工廠、建筑、居民區等空氣污染排放基本保持不變，ρ(PM2.5)相對穩定。

圖5 各監測點ρ(PM2.5)月均值質量濃度分布統計Fig. 5 The concentration distribution statistics of PM2.5on average every month of monitoring points

2.3 各監測點ρ(PM2.5)與氣象因素的相關關系

為探討武漢市 ρ(PM2.5)時空分布與氣象條件的關系，本文利用SPSS 19.0中的Perason相關系數，基于月均值對各監測點 ρ(PM2.5)與主要氣象因素（風速、降雨量、氣溫、氣壓、相對濕度、日照時數等）的相關關系進行分析，通過單樣本K-S檢驗證明所有樣本數據在顯著性 0.05的水平上服從正態分布，相關分析的結果見表3?？梢钥闯?，ρ(PM2.5)月均值與降雨量、氣溫、最小相對濕度呈負相關關系（P<0.01），與平均風速、平均相對濕度呈負相關關系（P<0.05），與氣壓呈正相關關系（P<0.01）；10個監測點ρ(PM2.5)與氣象因素相關性的差異，在月均值尺度上主要表現在平均相對濕度上，S2、S3、S9相關性更顯著。工業區、居民區、交通區及混合區域由于 PM2.5排放量大污染嚴重，風景區以及依托風景區的混合區污染源少，漢口江灘等水環境性質的風景區相對濕度大，污染相對較輕；除城市背景點 S10外，武漢三環內的污染分布大致為一環（S3、S5）小于二環和三環，這可能與城市布局有關，一環內少有工廠且建筑設施趨于完善，近幾年建筑施工逐漸向外圍拓展；S2、S3、S9與平均相對濕度的相關性更顯著，而S2、S9是武漢市ρ(PM2.5)最高、常年處于中度污染的區域，說明未來的防治中地面灑水等增加大氣濕度的措施是十分有效的途徑。

為進一步印證氣象條件改變對 ρ(PM2.5)的影響，由公式（2）和（3）計算得出V代（-0.194）

表3 ρ(PM2.5)與氣象因素的相關性Table 3 Correlation between PM2.5concentrations and meteorological factors

3 結論與討論

3.1 結論

本文通過武漢市2013─2014年的10個國控點監測數據探討了 ρ(PM2.5)分布的時空分布特征及其與氣象條件的相關關系，得出以下結論：

（1）不同時間尺度的 PM2.5污染具有規律性與差異性。近兩年武漢市PM2.5指標以輕度污染和良好的天數占主導，且 2014年在穩定的好轉；兩年間 ρ(PM2.5)的季節分布和月分布具有一致的差異規律，分別為冬季>秋季>春季>夏季，以及 1月>12月>10月>2月>11月>3月>5月>4月>6月>9月>8月>7月；兩年間ρ(PM2.5)日均值表現出明顯的周循環特征，即周日>周六>周一>周五>周四>周三>周二。

（2）ρ(PM2.5)的空間差異與區域類型、城市布局有關。2013─2014年武漢市環境空氣質量國控點ρ(PM2.5)值 的 差 異 表 現 為 S9>S2>S4> S1/S3/S5/S6/S7/S8>S10，表明城區的 PM2.5污染較郊區嚴重，二環和三環內的 ρ(PM2.5)值高于一環，工業區、交通區、居民區 ρ(PM2.5)相對較高，而風景區和水域周圍的 ρ(PM2.5)相對較低，且兩年內月均值波動范圍相對較大與較小的監測點分別為 S6（武昌紫陽）與S7（東湖高新）。

（3）武漢市 ρ(PM2.5)年均值降低與氣象因素一定程度上相關。ρ(PM2.5)月均值與降雨量、氣溫、最小相對濕度呈負相關關系（P<0.01），與平均風速、平均相對濕度呈負相關關系（P<0.05），與氣壓呈正相關關系（P<0.01）；2014年PM2.5污染的好轉與氣象條件有一定關系，但也離不開城市環境空氣治理的人為因素作用。

3.2 討論

（1）由于PM2.5監測時空上的不連續性和數據的可達性，武漢市三環以外PM2.5污染的空間格局有待進一步研究。為了使研究結果更科學、更具普適性、更好地服務于PM2.5污染預報與防治，需要以長時間尺度、高密度高質量樣本為基礎開展深入研究。

（2）以 ρ(PM2.5)為代表的空氣污染問題紛繁復雜，本文對時空分布特征及其與氣象條件的數學關系進行了描述性分析和相關性的解釋，未來在討論“基于氣象條件的污染布局、污染治理”時，仍需要對大尺度的天氣背景進行分類，并加強重污染過程的短時間尺度氣象條件影響研究，以提高未來氣象要素變化對潛在空氣質量影響的預測準確性。

（3）相對于氣象條件，人類活動對環境空氣中顆粒物污染的影響更為復雜和多變。由于人類活動的復雜性、移動性等不確定性因素，其對PM2.5污染的貢獻難以實地監測，因此，源解析工作、以及PM2.5污染與城市居民出行規律關系研究顯得十分重要。

此外，隨著長江經濟帶和長江中游城市群的建設，中部地區城市化快速發展帶來的空氣環境壓力越來越大，中部地區PM2.5污染問題需引起足夠重視。

BIGI A, GHERMANDI G. 2014. Long-term trend and variability of atmospheric PM10concentration in the Po Valley [J]. Atmosphere Chemistry and Physics, 14: 4895-4907.

GROVER B D, EATOUGH D J, CHOW J C, et al. 2006. Measurements of both non-volatile and semi-volatile fractions of fine particulate matter in Fresno, CA. [J]. Aerosol Science and Technology, 40(10): 811-826.

ZHANG F, WANG Z W, CHENG H R, et al. 2015. Seasonal variations and chemical characteristics of PM2.5in Wuhan, central China [J]. Science of the Total Environment, 518-519(2): 97-105.

白韞雯, 楊富強. 2013. 美國治理PM2.5污染的經驗和教訓[J]. 中國能源, 35(4): 15-42.

曹軍驥. 2014. PM2.5與環境[M]. 北京: 科學出版社.

成海容, 王祖武, 馮家良, 等. 2012. 武漢市城區大氣 PM2.5的碳組分與源解析[J]. 生態環境學報, 21(9): 1574-1579.

丁一匯, 李巧萍, 柳艷菊. 2009. 空氣污染與氣候變化[J]. 氣象, 35(3): 3-14.

龔道溢, 郭棟, 羅勇. 2006. 中國夏季日降水頻次的周末效應[J]. 氣候變化研究進展, 2(3): 1673-1719.

侯靈, 姚展予. 2012. 環北京地區空氣污染指數與降水的周循環特征及其影響機制分析[J]. 大氣科學, 36(4): 686-696.

蔣靖坤, 鄧建國, 李振, 等. 2014. 固定污染源排氣中 PM2.5采樣方法綜述[J]. 環境科學, 35(5): 2018-2024.

李名升, 張建輝, 張殷俊, 等. 2013. 近10年中國大氣PM10污染時空格局演變[J]. 地理學報, 68(11): 1504-1512.

李倩, 李成才, 王燁芳, 等. 2013. 利用激光雷達和衛星遙感獲得城市地面大氣懸浮顆粒物濃度分布[J]. 北京大學學報(自然科學版), 49(4): 673-682.

劉俊, 安興琴, 朱彤, 等. 2014. 京津冀及周邊減排對北京市 PM2.5濃度下降評估研究[J]. 中國環境科學, 34(11): 2726-2733.

呂森林, 陳小慧, 吳明紅, 等. 2007. 上海市 PM2.5的物理化學特征及其生物活性研究[J]. 環境科學, 28(3): 472-477.

王占山, 李云婷, 陳添 等. 2015. 2013年北京市PM2.5的時空分布[J]. 地理學報, 70(1): 110-120.

吳健生, 廖星, 彭健, 等. 2015. 重慶市 PM2.5濃度空間分異模擬及影響因子[J]. 環境科學, 36(3): 759-766.

徐偉嘉, 何芳芳, 李紅霞, 等. 2014. 珠三角區域PM2.5時空變異特征 [J].環境科學研究, 27(9): 951-957.

薛文博, 付飛, 王金南, 等. 2014. 中國 PM2.5跨區域傳輸特征數值模擬研究[J]. 中國環境科學, 34(6): 1361-1368.

趙晨曦, 王云琦, 王玉杰, 等. 2014. 北京地區冬春PM2.5和PM10污染水平時空分布及其與氣象條件的關系[J]. 環境科學, 35(2): 418-427.

周穎, 周家斌, 王磊, 等. 2013. 武漢秋冬季大氣 PM2.5中多環芳烴的分布特征及來源[J]. 生態環境學報, 22(3): 506-511.

周兆媛, 張時煌, 高慶先, 等. 2014. 京津冀地區氣象要素對空氣質量的影響及未來變化趨勢分析[J]. 資源科學, 36(1): 0191-0199.

Spatio-temporal Distribution of PM2.5in Wuhan and Its Relationship with Meteorological Conditionsin, 2013─2014

HUANG Yalin1, LIU Chao1, ZENG Kefeng1, DING Lei2, CHENG Shenggao2
1. School of Public Administration, China University of Geosciences, Wuhan 430074, China; 2. School of Environmental Studies, China University of Geosciences, Wuhan 430074, China

Haze is one of the main reasons for the decline of air quality in Wuhan. To thoroughly understand the PM2.5pollution mechanism, spatio-temporal characteristics of pollution and influencing factors is an important prerequisite to understand and solve this problem scientificly. Within the background of carring out a wide range of source apportionment of PM2.5in the whole country, probing the spatial and temporal distribution characteristics, and clarifing the relationship between meteorological factors, is not only a response to the work of source analytic, but also the scientific basis of decision-making for pollution prevention. Based on PM2.5data of 10 Chinese state-controlled sites and meteorological data from China Ground Meteorological Exchange Stations druing 2013 and 2014 in Wuhan, the statistical method was used to study the spatio-temporal distribution of PM2.5pollution from different temporal scales and discuss its relationship with meteorological conditionsin. The results showed that: (1) PM2.5pollution showed significant temporal distribution characteristics in Wuhan. On the variation of interannual scale, annual daily average concentration of PM2.5decreased from 121 μg·m-3to 107 μg·m-3, and PM2.5pollution is mainly in good and slightly polluted condition. And the seasonal average concentration showed a order of winter > autumn (spring) > summer. Simultaneously, the monthly average concentration from April to September was superior to that from October to March of next year, and January to March. Furthermore, a significant positive weekend effect was found, namely Sunday > Saturday > Monday > Friday > Thursday > Wednesday > Tuesday. Generally, PM2.5pollution turn to mitigation and alleviation. (2) The spatial differences of PM2.5pollution were ralated to the regional types and the layout of the city, presenting that industrial zone, residential area and transport area were worse than the scenic. Moreover, the pollution in second and third ring was more serious than that in the first ring. And (3) the monthly average concentration of PM2.5prensented a negatively correlation (P<0.05) with temperature, average wind speed and relative humidity, but a positively correlation (P<0.01) with the pressure. There was a significant correlation between monitoring points S2, S3, S9 and the average relative humidity. There is a certain relationship between reducing PM2.5pollution and meteorological conditions, and the management of urban environment and air should not be neglected.

PM2.5; spatio-temporal distribution; meteorological conditions; Wuhan

10.16258/j.cnki.1674-5906.2015.08.011

X144

A

1674-5906（2015）08-1330-06

黃亞林，劉超，曾克峰，丁鐳，程勝高. 2013─2014年武漢市PM2.5的時空分布特征及其與氣象條件的關系[J]. 生態環境學報, 2015, 24(8): 1330-1335.

HUANG Yalin, LIU Chao, ZENG Kefeng, DING Lei, CHENG Shenggao. Spatio-temporal Distribution of PM2.5in Wuhan and Its Relationship with Meteorological Conditionsin, 2013─2014 [J]. Ecology and Environmental Sciences, 2015, 24(8): 1330-1335.

國家自然科學基金項目（41401181）；中央高校基本科研基金（CUGW140908）；湖北省環?？萍颊n題專項基金（2012HB03）

黃亞林（1990年生），女，碩士研究生，從事地理環境和公園規劃研究。E-mail: aylinhuang@163.com *通信作者：劉超，副教授，從事景觀資源評價與規劃研究。E-mail: chauger@163.com

2015-04-27