河南省PM2.5時空分布特征及其與植被覆蓋度的關系

杜彥彥，黃青

中國農業科學院農業資源與農業區劃研究所，北京 100081

近年來，“霧霾天”席卷中國大江南北，PM2.5等大氣污染物的危害成為全社會關注的焦點。PM2.5也稱細顆粒物，是空氣動力學當量直徑小于或等于2.5 μm 的顆粒物，是中國主要的大氣污染物（李小飛等，2012），懸浮時間長、直徑小、比表面積大且散射性強，不僅會降低大氣能見度，影響氣候變化，還會對人體呼吸系統造成損害（楊新興等，2012），其質量濃度是評價空氣質量的重要指標（中華人民共和國環境保護部，2012；2013）。

植被與PM2.5的相互影響已成為研究熱點，植被對PM2.5的削減作用引起了學術界的廣泛關注（趙晨曦等，2013；吳海龍等，2012）。植被可通過覆蓋地表切斷PM2.5來源（Fan et al.，2019）；植物葉片、枝條表面、莖干可直接捕獲PM2.5（Liang et al.，2016；Beckett et al.，1998）；植被能夠營造穩定的微氣候環境，促進PM2.5沉降（Zhang et al.，2017；Fan et al.，2019）；林帶可以通過改變風場阻攔顆粒物進入局部區域（郭偉等，2010）。許多研究者設計了對比實驗，分別在森林或者綠化帶和周邊的道路設置觀測點，發現植被覆蓋區域PM2.5質量濃度顯著低于其他土地利用類型區域（劉萌萌，2014；王軼浩等，2016；阮氏清草，2014），但也有研究結果表明當林帶處于低風速高濕度的狀態時，森林對PM2.5有聚集作用（劉旭輝等，2014）。

河南省作為人口大省、農業大省、中部發展中省份，工業化和城市化正在加速推進，面臨高速發展和生態環境保護的雙重挑戰。《2018 中國生態環境狀況公報》顯示，河南省安陽市、焦作市、新鄉市以及鄭州市4 座城市，位于全國空氣質量相對較差的20 個城市之列。2016—2018 連續3 年，河南省大氣首要污染物為PM2.5（河南省生態環境廳，2017；2018），2018 年全省18 個省轄市PM2.5年均質量濃度皆超過了二級標準35 μg·m-3。但是目前關于PM2.5研究，多集中于單一的時空分布研究，綜合分析其與植被覆蓋度的關系研究較少，也鮮有關于整個河南省區域的研究報告，研究主要集中在個別城市（朱文德等，2018；陳強等，2015），且采樣點較少，觀測時間跨度短。本研究基于2017 年1月—2019 年2 月期間75 個國控空氣質量監測站PM2.5數據和遙感衛星數據，在分析PM2.5時空分布特征的基礎上，進一步研究二者的關系，為PM2.5時空分布特征和植被覆蓋度的關系研究提供數據支撐和理論依據。

1 材料與方法

1.1 研究區概況

河南界于31.4°—36.4°N 和110.4°—116.7°E 之間，東鄰山東、安徽，西連陜西，北與河北、山西相臨，南接湖北，總面積為1.67×105km2，其中耕地面積接近50%。地勢西高東低，中部和東部為黃淮海沖積平原，西南部為南陽盆地。屬北亞熱帶向暖溫帶過渡的大陸性季風氣候，年平均降水量為477.8—1 167.3 mm，降雨主要集中在6—8 月。河南省是中國能源消費大省，以煤炭為主要能源；由于連接南北的區位特點，河南是中國交通物流樞紐，汽車污染物排放嚴重；農業體量大，種植業和養殖業也是重要污染來源，大氣環境質量面臨極大的挑戰。

1.2 數據來源

1.2.1 PM2.5質量濃度

河南省2017 年1 月—2019 年2 月PM2.5質量濃度日均值數據，來自環保部環境監測總站空氣質量實時發布系統，根據原始數據建立PM2.5質量濃度空間數據庫。如圖1 所示，河南省內共有75 個國控空氣質量監測站，主要分布在城區。原始數據58 651 條，剔除無監測數據和有明顯規律的異常值的條目之后，用于研究的有效數據有56 001 條。

1.2.2 被覆蓋度

植被覆蓋信息由美國國家航空航天局提供的MODIS NDVI 產品數據集MOD13Q1 反演而來。該數據集經過水汽、云和氣溶膠等部分數據噪聲處理，數據質量較好，被廣泛用于植被相關研究。影像行列號為h27v05，收集了2017 年1 月—2018 年12 月46 景影像，產品周期為16 d，空間分辨率250 m，原始數據采用Sinusoidal 投影，將原始的hdf文件批量轉換為tiff 影像，投影轉換至以WGS84為基準的地理坐標系，重采樣方法選用最近鄰法，再根據河南省界矢量邊界進行影像裁剪。

植被覆蓋度是指植被地上部分（包括葉、莖、枝）在地面的垂直投影面積占總面積的百分比，植被覆蓋度是衡量地表植被覆蓋最重要的指標。本研究利用MODIS NDVI 數據，采用像元二分模型來估算植被覆蓋度（李苗苗等，2004）。

像元二分模型假設影像中每個像元只有兩個成分，由植被覆蓋的部分和無植被覆蓋的裸土組成，該像元的信號是由這兩部分線性組合而成，植被部分的權重系數即為植被覆蓋度。

根據像元二分模型，遙感傳感器的觀測到的信號為S，Sv和Ss分別表示植被和土壤的貢獻，即：

假設某一像元植被覆蓋度為VF，植被全覆蓋的純像元的遙感傳感器接收的信號為Sveg，則該像元植被部分貢獻的信號為：

圖1 河南省空氣質量監測站分布圖 Fig. 1 Distribution map of air quality monitoring stations in Henan

同理，若無植被覆蓋的純像元的遙感傳感器接收的信號為Ssoil，則像元的裸土部分貢獻的信號為：

將式（2）、式（3）帶入式（1）得：

由式（4）可解得植被覆蓋度VF 為：

因此，只要得到參數Sveg和Ssoil即可計算植被覆蓋度。NDVI 是遙感傳感器接收到地物近紅外和紅波段反射率的非線性組合，是定量反映植被狀況的敏感指標。某個像元的NDVI 值可以表達為由綠色植被部分所貢獻的信息NDVIveg，與由裸土部分所貢獻的信息NDVIsoil這兩部分組成，因此可以將NDVI 代入式（4），經變換后得植被覆蓋度VF 為：

其中，NDVIsoil為完全是裸土或無植被覆蓋區域的NDVI 值，理論上接近于0，一般在0.1—0.2之間變化；NDVIveg則代表完全被植被所覆蓋的像元的NDVI 值，即純植被像元的NDVI 值，在沒有實地測量數據的情況下，分別可以取NDVImax和NDVImin來代替。在本研究中，取各景影像NDVI累計頻率為95%的值為NDVImax，累計頻率為5%的值NDVImin，帶入下式即可計算得到植被覆蓋度，從而得到河南省16 d 植被覆蓋度數據集。

1.3 秩相關分析

秩相關系數，又稱等級相關系數，或順序相關系數。是描述兩個因素之間相關程度的一種統計指標，由Spearman 在1904 年提出，用來度量兩個變量之間聯系的強弱，與常用的Pearson 相關系數計算方法不同，它是位次分析方法的數量化，非參數性的秩統計參數，與樣本的分布無關（徐建華，2014）。

由于MOD13Q1 為16 d 合成產品，本研究為使反演得到的植被覆蓋度與PM2.5時間序列一致，將PM2.5日均值數據以16 d 平均值合成，得到了2017—2018 年46 組數據，進行秩相關分析。

秩相關系數的具體計算過程如下：

設兩個要素x 和y 有n 對樣本，令R1代表要素x 的位次，R2代表要素y 的位次，代表要素x 和y 的同一組樣本位次差的平方，那么要素x 與y 之間的秩相關系數被定義為：

其中x 代表16 d PM2.5平均質量濃度；y 為對應的植被覆蓋度；n 表示樣本數目；xyr′的絕對值越接近與1 表明兩要素相關性越強，通過查閱秩相關系數檢驗的臨界值表進行顯著性檢驗（徐建華，2014）89-91。

1.4 空間插值

克呂金插值是建立在地理學第一定律和變異函數的理論基礎上，對區域化變量進行無偏最優估計的一系列空間局部估計方法。根據不同的變異函數模型，有普通克呂金、泛克呂金、協同克呂金、析克呂金和指示克呂金5 種插值方法（徐建華，2014）177-181。已有研究表明，普通克呂金在估算PM2.5質量濃度時制圖效果較好（李杰等，2016），本研究采用該方法，根據研究區域已知采樣點的PM2.5質量濃度和空間位置，考慮采樣點與待估計點的相互空間位置關系，建立插值函數計算估計值。插值公式為：

其中，λi為權重系數，表示采樣點xi處PM2.5質量濃度Z(xi)對x 處估計值Z*(x)的貢獻程度，計算公式為：

其中，h 為分離距離；Nh是在（xi, xi+h）之間樣本點的個數。

2 結果與分析

2.1 PM2.5質量濃度的時間分布特征

基于各站點PM2.5質量濃度日均值數據，計算所有站點各個季節的算數平均值即為河南省該季節的PM2.5平均質量濃度。根據河南省的氣候特點，河南省每年3—5 月為春季，6—8 月為夏季，9—11月為秋季，12 至翌年2 月為冬季。從圖2 可看出，河南省PM2.5質量濃度季節性差異顯著。河南省冬季PM2.5質量濃度最高，遠高于其他季節，2018 年冬季質量濃度（113 μg·m-3）是同年夏季（35 μg·m-3）的3.2 倍。春季和秋季PM2.5質量濃度水平相當，在56—60 μg·m-3之間，略高于夏季，遠低于冬季。

圖2 2017 年和2018 年河南省四季PM2.5平均質量濃度 Fig. 2 Quarterly average of PM2.5 mass concentrations in Henan in 2017 and 2018

圖3 2017 年和2018 年河南省PM2.5月平均質量濃度 Fig. 3 Monthly variation of PM2.5 mass concentrations in Henan in 2017 and 2018

2017年與2018年PM2.5質量濃度月變化趨勢基本一致（圖3），月均值折線圖呈“U”形。月均PM2.5質量濃度最高值出現在1 月，2018 年1 月河南省PM2.5均值為117 μg·m-3，2017 年1 月為137 μg·m-3，從1—7 月，PM2.5質量濃度一直呈現降低態勢，2017年7 月是PM2.5質量濃度水平最低的月份，7 月之后PM2.5質量濃度開始逐漸升高，進入10 月PM2.5質量濃度急劇上升，一直持續到翌年1 月。

2.2 PM2.5質量濃度的空間分布特征

圖4 河南省2018 年PM2.5質量濃度四季空間分布示意圖 Fig. 4 Quarterly spatial distribution of PM2.5 mass concentrations in Henan in 2018

運用普通克呂金插值法，將各個離散測站得到的PM2.5質量濃度值模擬為整個河南省空間連續的數據。如圖4 所示，總體上河南省PM2.5質量濃度呈現南低北高，質量濃度高的區域有聚集效應，且季節差異顯著。春季和秋季PM2.5質量濃度水平相當，但是春季高值區主要分布在河南中部，以鄭州為中心向周圍呈輻射狀擴散趨勢，秋季PM2.5質量濃度污染強點主要位于東北部。北部形成了以安陽市為污染中心的輻射圈，在關于河南省PM2.5來源解析的研究中發現（王媛林等，2016），河南北部受到河北省的PM2.5傳輸影響。西部和南部邊界多山地，工業化和城鎮化水平普遍低于北部城市，本地排放量小，且距離主要污染源鄭州市和安陽市較遠，不會受到區域傳輸的影響，因此PM2.5污染程度低于中部和北部。

2.3 植被覆蓋度和PM2.5質量濃度的關系

2018 全省PM2.5年均質量濃度為63 μg·m-3（圖5），較2015 年降幅達20.2%，3 年平均降幅為7.2%，盡管其質量濃度持續下降，但速度緩慢，以2015 為基準，按照目前的年均降幅，到2023 年河南省年均質量濃度才能達到國家二級標準35 μg·m-3。

2.3.1 河南省植被覆蓋特征

如圖6 所示，河南省16 d 平均植被覆蓋度呈波浪形分布。3 月植被開始生長，林地和農田生物量開始增長，在4 月初植被覆蓋度達到第一個峰值，5 月底至6 月初正處于冬小麥收割黃金期，植被覆蓋度迅速降低，7 月中下旬夏玉米正處穗期，植被覆蓋度全年最高，9 月底玉米開始收獲，10 月后樹木葉綠素含量降低，植被覆蓋度逐漸降低。

圖5 2015—2018 年PM2.5年均質量濃度 Fig. 5 Annual average concentration of PM2.5 from 2015 to 2018

圖6 2017 和2018 年植被覆蓋度(VF)變化趨勢 Fig. 6 The variation of vegetation fraction (VF) in 2017 and 2018

圖7 2018 年河南省植被覆蓋度空間分布圖 Fig. 7 Spatial distribution map of vegetation fraction in Henan in 2018

根據河南省植被覆蓋度空間分布圖（圖7），高植被覆蓋區主要位于豫南山地，豫西山地和北部省界沿線的太行山脈。中等植被覆蓋區主要分布在豫東平原和南陽盆地，該區域土地利用類型是耕地，作物生長期較樹木短，且存在撂荒和休耕現象；低蓋度區域零星分散在各個區域，主要是城市、河流和湖泊。

2.3.2 植被覆蓋度和PM2.5質量濃度的相關性分析

本研究為使植被覆蓋度與PM2.5時間序列一致，將PM2.5日均值數據合成為16 d 平均值合成，得到了 2017—2018 年 46 組數據，兩組數據Spearman 秩相關系數為-0.55，在0.01 的置信度水平下顯著負相關，說明PM2.5質量濃度和植被覆蓋度有著此消彼長的關系。從圖8 可明顯看出植被對PM2.5的清除作用，植被覆蓋度隨時間變化的趨勢與PM2.5質量濃度變化剛好相反，夏季和冬季響應最為強烈，在植被覆蓋高的時期，對應的PM2.5質量濃度水平較低。

圖8 16 d 序列植被覆蓋度和PM2.5質量濃度 Fig. 8 16 days sequence vegetation fraction and PM2.5 mass concentration

如表1 統計結果所示，2018 年較2017 年高植被覆蓋度（VF＞80%）增加了1 662.4 km2，是2017年的1.7 倍，植被覆蓋度小于20%的面積減少了12.3%，2018 年PM2.5質量濃度較2017 年下降了4 μg·m-3。如表2 所示，信陽、許昌和焦作三市二氧化硫、氮氧化物、煙（粉）塵排放總量接近，而PM2.5質量濃度依次為54、64、75 μg·m-3，對應的植被覆蓋度分別為50%、48%和38%，排放量接近的條件下，植被覆蓋度高的信陽市PM2.5質量濃度分別比許昌和焦作低10 μg·m-3和21 μg·m-3。

表1 不同等級植被覆蓋度面積 Table 1 Area with different levels of vegetation fraction

表2 2017 年河南省和廢氣排放量與PM2.5 Table 2 Exhaust emissions and PM2.5 mass concentration in Henan in 2017

3 討論

3.1 關于河南省PM2.5時空分布

河南省PM2.5季節分布特征與我國北方其他區域研究結果相似（顧芳婷等，2016；王振波等，2014），冬季污染程度最高，夏季最低，春秋兩季居中，地形、氣候特征和污染源是主要驅動因素。冬季細顆粒物污染嚴重的主要原因是采暖期消耗化石燃料，向大氣中排放了大量的廢氣和顆粒物，冬季大面積的地表無植被覆蓋，地面揚塵也是細顆粒物一大重要來源，又因為冬季地表溫度較低，氣流非常穩定，大氣垂直擴散條件較差，容易形成逆溫效應，不利于PM2.5擴散和降解（李夢，2017；楊龍等，2005）。河南省夏季降雨頻繁，雨水對大氣中的顆粒物存在一定的沖刷效應（李芳等，2013），再加上植被的吸滯作用，空氣較為清潔。

春季空氣濕度高，大氣結構較為穩定，使得顆粒物難以擴散（顧芳婷等，2016）。秋季是河南省主要農作物玉米（Zea mays）、水稻（Oryza sativa）、棉花（Gossypiumspp.）、花生（Arachis hypogaea）、大豆（Glycine max）和甘薯（Dioscorea esculenta）的收獲期，大范圍的作物收割，土壤擾動嚴重，同時由于秸稈燃燒，向大氣中排放了大量的顆粒物（李瑞敏等，2015）。以鄭州市、安陽市為代表的豫中和豫北是PM2.5重污染區。鄭州市人口密集，煤炭為主要能源，且由于北部太行山脈阻隔，逆溫天氣頻繁，不利于大氣污染物的沉降和擴散，容易形成重污染天氣（田賀忠等，2011）。安陽市是中部重要的工業城市，除了本地排放較大，還由于與河北省南部接壤，易受到其污染傳輸的影響（王媛林等，2016）。

3.2 關于PM2.5質量濃度與植被覆蓋度的關系

本研究采用秩相關分析的方法發現PM2.5質量濃度與植被覆蓋度呈顯著的負相關關系，植被面積的增加有助于降低PM2.5的含量。從地區的統計數據來看，植被覆蓋度高的地區PM2.5質量濃度相應較低，植被發揮了一定作用，然而高植被覆蓋的地區工業化城市化進程緩慢，本地排放量較小。三門峽和濮陽植被覆蓋程度相同，均為46%，且濮陽少排放了兩萬余噸廢氣，但是PM2.5質量濃度卻超過三門峽10 μg·m-3，主要原因是濮陽毗鄰排放量最高的安陽，又與河北南部相接，受區域傳輸影響嚴重。說明植被的吸滯作用有限，污染源和氣象條件才是主要的驅動因素。農田對PM2.5而言是一種特殊的土地利用類型，一方面農田揚塵、秸稈燃燒以及化肥的大量施用，都會提高顆粒物的濃度；另一方面，在作物的生長季，作物葉片又能吸附、沉降大氣中的顆粒物。植被對PM2.5的吸滯作用還取決于森林結構、景觀格局和植被的生理活動，精確量化植被的吸滯作用還需深入研究。

目前河南省空氣質量監測站分布不均且數量有限，同時長時間序列的觀測數據不足，本研究結果是否與其他年份一致，還需更多的數據來驗證。利用衛星遙感監測技術的發展可克服地面監測的局限，精確描述PM2.5空間分布，為未來的研究提供數據支撐。本文旨在研究植被覆蓋度與PM2.5質量濃度的關系，并未考慮如降雨量、風速和濕度等氣象因素的影響，還需在以后的研究中進行綜合研究。

4 結論

（1）2015—2018 年期間，河南省PM2.5年均質量濃度由79 μg·m-3持續降至63 μg·m-3，年均降幅達7.2%，但是仍然超過國家二級標準（35 μg·m-3），大氣污染治理的任務艱巨。

（2）河南省PM2.5時間變化規律明顯，冬季PM2.5質量濃度最高，夏季最低，春秋兩季接近。從月尺度來看，PM2.5月均質量濃度大致呈“U”形分布，1 月最高，9 月最低。

（3）河南省PM2.5空間分布差異顯著，呈北高南低，形成了以污染最嚴重的鄭州市、安陽市為核心的PM2.5輻射圈，離核心越近的地區PM2.5質量濃度越高。冬季是各區域PM2.5濃度最高、污染范圍最廣的季節。

（4）整體而言，植被覆蓋度和PM2.5濃度有顯著負相關關系，植被面積的增加能夠降低空氣中的PM2.5含量，但是在受污染源和地形氣象因素主導的地區，植被只能起到一定的輔助作用。