基于時間序列遙感的武漢綠地景觀格局與氣溶膠光學厚度的相關性*

岳 峰 戴 菲 傅 凡 何 偉

1 華中科技大學 武漢 430074

2 北京建筑大學 北京 100144

3 廣州美術學院 廣州 510200

空氣污染是與城鎮化和土地利用變化相關的關鍵環境問題之一。快速城鎮化加劇了我國空氣污染,據國家環保部門統計,2016年中國338個地級及以上城市中,僅有21.6%的城市空氣質量達標?？諝馕廴緦е轮袊磕暧?20萬人過早死亡[1],同時隨著污染的增加,森林樹葉覆蓋以及無脊椎動物的生物量都會減少[2]。由于空氣污染復雜的物理、化學、理化反應等[3],單獨對某種或者某幾種空氣污染物的危害及緩解的研究對綜合消減空氣污染具有一定的局限性。遙感氣溶膠光厚度 (AerosolOpticalDepth,下文簡稱AOD)數據可以大尺度長時空序列觀測,發現顆粒污染的空間屬性特征。大氣氣溶膠是霧霾形成的基礎和前提[4],大氣氣溶膠光學厚度是描述氣溶膠的一個無量綱量,能在一定程度上反映區域空氣污染程度[5],大量研究表明,用AOD估算近地面空氣污染物濃度具有可行性[6-9]。因此,以遙感獲取的AOD數據作為綜合衡量綜合空氣污染物的一個代表,與綠地進行消減空氣污染的研究具有一定的意義。

綠地作為有生命的媒介,是緩解空氣污染的重要載體[10],植物及葉片的滯塵和緩解污染的能力已得到廣泛認可[11-13],許多專家學者也呼吁通過綜合的綠地體系緩解空氣污染[14-15]。目前關于綠地消減空氣污染的研究,國內外主要集中在對PM2.5、PM10、臭氧等污染物的研究上。在研究尺度上,微觀尺度研究較多,主要集中在植物單體[16-17]、植物群落[18-22]方面;中觀尺度以點狀或線狀短期實測污染物濃度數據為基礎,或者結合遙感影像進行研究為主,實驗對象主要是街區[23]、居住區[24]、道路[25-27]及公園綠地等[28-29];宏觀尺度主要以區域污染物的遙感反演結合土地利用為主,雖有部分學者運用植被覆蓋度或者土地利用回歸 (LUR)[30-32]和某種污染物[33-34]或者綜合污染物的關系進行了研究,但大都從綠地的一個時間截面或者數量上進行研究,從遙感的時間序列進行綠地的空間形態指標與綜合空氣污染物的相關規律及其深層次的研究卻鮮少涉及。

武漢作為中國中部中心城市具有高密度的城市空間形態以及市域較好的植被覆蓋,在我國大城市地區具有一定的典型性。本文選取2000—2015年近15年中武漢市4個年份的綠地及其因子的景觀指數與AOD的數據探究時間序列的遙感解譯綠地景觀格局與空氣污染的相關性和規律模型,擬重點揭示影響AOD的綠地整體、綠地因子的核心景觀指數形態指標,以及它們與AOD的規律模型,從緩解綜合空氣污染物的角度為城鄉規劃設計提供定量化的參考。

1 數據處理與方法

在運用ENVI5.5提取綠地和AOD的基礎上,運用ArcGIS10.5軟件將綠地和對應的4期AOD數據分割為10km×10km的網格[35],導入Fragstats軟件計算綠地及其因子的景觀格局指數,并在SPSS軟件中與對應的MODISAOD影像值進行統計分析。

1.1 綠地及其景觀指數的獲取及處理

綠地數據來源于2000年、2005年、2010年和2015年共4期分辨率為30m的Landsat5TM和Landsat7影像。在ENVI5.5軟件中對影像運用隨機森林法[36]提取森林、草地、水體和農田4個綠地因子 (圖1),使各用地的可分離性達到1.95以上(大于1.9為分離良好),分類后Kappa系數達到0.9763,解譯結果滿足研究要求[37-38]。

運用ArcGIS10.5軟件將影像分割為10km×10km的網格,得到118個網格數據,以便進行后續的景觀格局指數計算。

景觀指數能夠高度濃縮景觀格局信息,并反映其結構組成和空間配置某些方面的特征,對類型水平的格局分析,可以更好地把握綠地景觀格局類型變化的特點。研究從面積、集聚性以及連接度等方面考慮,在類型水平上選擇了8個指數,即面積類指標為 CA、PLAND、LPI,聚集度指標為PD、LSI、IJI、AI,連接度指標為COHESION[39],較為全面地描述不同類型景觀要素的特征 (表1);然后將各綠地因子和綠地整體數據分別導入Fragstats軟件計算景觀指數[40]。

表1 類型水平指數及其描述

圖1 研究期綠地提取圖

1.2 AOD數據獲取及處理

AOD受云霧降水天氣的影響較大,為減小數據誤差,通過篩選得到接近上述選取的每一期landsat影像數據連續3天及以上天氣晴朗、風力在3級及以下的日期的MODISAOD影像作為理想的研究對象?；谏鲜鲈瓌t,篩選出2000年9月14日、2005年5月6日、2010年9月17日、2015年7月31日的MODIS數據,運用ENVI5.5對AOD數據進行校正、云檢測、裁剪,運用ENVIModeler進行二次開發,批量處理MODIS AOD數據等操作后得到4期AOD的空間分布圖[5](圖 2)。

圖2 研究期遙感反演AOD空間分布圖

1.3 景觀指數與AOD的統計分析

為保證數據的嚴謹性,互相對應著刪除4個年份綠地因子景觀指數值和AOD平均值殘缺的網格,以保持4個因子樣本數量一致,最終得到研究期4個年份4個綠地因子各98個網格、每個網格9組數據作為最終的研究樣本;然后在SPSS軟件中進行相關分析和回歸分析。

2 綠地景觀指數與AOD的相關規律

2.1 綠地景觀指數與AOD的相關性

2.1.1 整體景觀指數與AOD的相關性

為探究綠地與AOD的整體相關規律,分析發現PD、LSI、IJI與AOD在0.01水平極顯著負相關,COHESION與AOD在0.05水平顯著負相關(表2),說明綠地斑塊密度、形狀指數復雜度和散布與并列指數是緩解AOD為代表的空氣污染物的核心景觀指數,而綠地連接度對空氣污染的緩解也有關鍵作用。

為進一步研究各年份的景觀指數與AOD的相關情況,分析發現PD、LSI、IJI與AOD在3個年份極顯著負相關,說明綠地斑塊密度越大、斑塊形狀越復雜、分布越均勻,越有利于AOD的濃度降低,對空氣凈化越有利,3個景觀指數是綠地凈化空氣的核心指標;COHESION與AOD在3個年份呈顯著負相關,說明綠地連接度的提高對降低AOD濃度有關鍵作用,這跟綠地與AOD的整體相關規律一致。LPI與AOD負相關,但未達到顯著水平,說明綠地最大斑塊面積占比對緩解空氣污染具有積極作用。

表2 時間序列下綠地景觀指數與AOD的Pearson相關統計表

2.1.2 因子景觀指數與AOD的相關性

為探究各綠地因子與空氣污染的相關關系,分析發現 (表3),森林的8個景觀指數以及草地的7個景觀指數 (AI指數除外)都與對應的AOD在0.01水平極顯著負相關,說明森林和草地 (草地聚集度指數除外)的指數的增大對緩解空氣污染具有核心作用。森林的聚集度變大會極大消減空氣污染,揭示了森林和草地是空氣凈化的主體綠地因子[41]。水體的PD、LSI、IJI與AOD呈極顯著負相關,說明水體斑塊的密度增加、形狀的復雜化和均勻分布對AOD緩解有核心作用,而CA、PLAND、LPI、COHESION、AI與AOD呈極顯著正相關,說明水體斑塊面積、斑塊占比、最大斑塊面積占比、連接度和聚集度的增加對空氣污染加重有核心影響,這與Ye[36]、Zhu[42]等學者的研究結果類似。對農田因子而言,僅LPI、IJI與AOD呈極顯著負相關,說明農田最大斑塊面積比、農田分布均勻性的提高對AOD濃度具有核心緩解作用;COHESION與AOD顯著負相關,說明農田連接度的增加對AOD濃度具有關鍵的緩解作用。其他景觀指數與AOD的相關關系沒有達顯著性水平,可能跟農田的作物種植種類和收播季節性有關。

表3 綠地因子景觀指數與AOD的Pearson相關統計表

2.2 綠地景觀指數與AOD的模型構建

2.2.1 整體景觀指數與AOD的回歸

構建回歸模型,樣本數據越多,模型的參數估計將越精確,統計越有意義。孫爽等[43]學者在對不同空氣污染物與植被NDVI的相關分析研究中將兩者12個月的月均變化的數據進行匯總分析,李娟娟[44]利用1997—2005年的多種空氣污染物與城市化強度的年度指標進行相關分析,本研究參考孫爽和李娟娟的研究方法,對所選所有年份的全部綠地因子的AOD及其對應的8個景觀指數進行匯總,通過多元線性回歸分析,發現回歸方程調整后R2=0.220,Sig為0.000,VIF＜2,特征值＞0,F為148.396,通過F值檢驗,排除了多重共線性問題,模型滿足要求。這也證明可用景觀格局指數對區域AOD值進行估算[40],從而得到綠地景觀格局與AOD代表的綜合空氣污染物的規律模型:

Y=0.818-0.003IJI-0.027PD-0.001COHESION

2.2.2 因子景觀指數與AOD的模型規律

為進一步探究各綠地因子與AOD的規律,通過多元線性回歸分析,發現各因子回歸模型Sig都在0.01水平極顯著,VIF＜3,F值處于39～138,通過F檢驗,并排除了多重共線性問題,模型調整后R2介于0.166-0.511,滿足模型要求 (表4)。

表4 研究期各綠地因子與AOD的回歸模型

3 結論

1)就綠地整體而言,PD、LSI、IJI是綠地凈化空氣的核心景觀指數指標,與AOD呈極顯著負相關關系;COHESION是緩解AOD濃度的顯著負相關的關鍵指標。

2)就綠地因子而言,森林的8個景觀指數都對AOD為代表的綜合空氣污染具有核心作用。草地中除AI指數外的其他7個景觀指數都是緩解AOD濃度的顯著負相關的核心指標。水體斑塊的密度增加、形狀的復雜化和均勻分布對AOD緩解有核心作用,而水體斑塊面積、斑塊占比、最大斑塊面積占比、連接度和聚集度的增加對空氣污染加重有核心影響。農田LPI、IJI的增大對AOD濃度具有核心的緩解作用。COHESION的增加對AOD濃度具有關鍵的緩解作用。

3)研究得出了綠地整體景觀格局與AOD代表的空氣污染物的規律模型,進一步得到了森林、草地、水體、農田因子與AOD代表的空氣污染物的規律模型 (表4)。

4 緩解空氣污染的規劃設計對策

1)綠地作為風景園林學科的核心研究內容之一,使該學科可以深入研究綠地作為有機生命體緩解空氣污染的生態效能,發揮該學科在人居環境和公共健康等領域的特長。本研究證實增加綠地的PD、LSI、IJI,達到科學合理的綠地空間布局或許是緩解空氣污染的重要舉措。

2)總體層面,結合土地現狀進行用地適宜性評價、生態敏感性分析評價等,合理增加國土空間規劃等規劃中關于綠地類指標的總量,特別是對消減空氣污染具有最重要作用的森林、草地的總量。這與某些學者建議增加綠化覆蓋率總量的研究一致[24]。

3)專項專類層面,進行綠地系統規劃、生態區總體規劃、城鄉綠道規劃、水體湖泊保護規劃等綠地相關的規劃,注重保護及擴充森林和草地的面積、增加其斑塊密度和形狀復雜度,注重分布的均勻性,通過綠道和擴增塊狀綠地等提高森林、草地的斑塊連接度和聚集性。通過規劃增加水體斑塊的密度和形狀的復雜度,同時注意水體的均勻分布,但是對于水體面積占比較大的城市,適度地控制水體面積、斑塊占比、最大斑塊面積占比、連接度和聚集度的增加,有利于空氣污染的緩解。農田方面,應該增大最大斑塊面積占比、農田連接度并適度增加均勻分布度。

5 展望

本文主要從遙感時間序列研究了綠地及其因子的景觀指數形態指標與AOD為代表的綜合空氣污染的相關規律,未考慮雨雪等天氣的影響,只是關于時間序列遙感的綠地與AOD關系的初步探討。后續研究將選取AOD數據每年的同一個時段,以多天內連續的AOD數值反映該年度的本時段大氣污染水平,建議從兩方面入手:一方面探討綠地空間形態指標與空氣污染物的量化變化關系;另一方面從三維綠量方面探討綠地與空氣污染物的量化變化關系,從而完善緩解空氣污染的綠地規劃設計綜合調控體系。