京津冀地區植被覆蓋對大氣顆粒物濃度的影響

翟浩然，么嘉棋，王光輝，唐新明

(1.自然資源部國土衛星遙感應用中心，北京 100048；2.首都師范大學 資源環境與旅游學院，北京 100048；3.天津師范大學 京津冀生態文明發展研究院，天津 300380)

0 引言

顆粒物(particulate matter，PM)是大氣中存在的各種固態或液態顆粒狀物質的總稱，是大氣的重要組成部分，各種顆粒狀物質均勻地分散在大氣中構成一個相對穩定的龐大的懸浮體系，即氣溶膠體系[1]。近年來，在京津冀區域，快速的城市化進程使人類活動對顆粒物排放的貢獻程度不斷增加，PM2.5、PM10等顆粒物濃度嚴重超標，遠遠超過了世界衛生組織提供的指導值[2-3]。實現快速降低、削減大氣顆粒物濃度，對城市規劃、可持續健康發展具有重要意義。

植被是陸地生態系統的主體，在調節大氣、減緩溫室氣體濃度的上升、維持整個生態系統的各個方面都發揮著重要作用。植被可以有效降低顆粒物濃度，這主要是由于以下兩方面原因：一是植被的葉片、莖稈等表面分布著氣孔，可以直接捕獲空氣中的顆粒物，起到滯塵作用；二是植被使地面揚塵大大減少，并且由于地表粗糙度的增加、風速的降低，進一步促進顆粒物沉降[4-6]。韋晶等[7]發現林地與無污染和輕微污染天氣均表現為正相關，而與高污染天氣表現為負相關。陳文波等[8]發現南昌市中心城區植被覆蓋度與PM2.5濃度顯著負相關，但在不同季節、不同空間尺度上，二者的相關性均存在差異。莫莉等[9]發現北京市PM2.5、PM10等顆粒物濃度與林木覆蓋率發展趨勢相反，呈顯著負相關。Escobedo等[10]發現智利圣地亞哥城市森林一年去除污染物約3 500 t，約占總量的60%，其中PM10的去除率最大。植被對降低顆粒物濃度、凈化大氣環境發揮著至關重要的作用，故此得到越來越多的關注。通過科學實驗探究植被覆蓋與顆粒物污染之間的關系，具有重要的現實意義。

本文基于衛星遙感反演的植被指數數據以及地面站空氣質量監測數據，分析京津冀區域植被覆蓋的時空變化規律，并從時間和空間兩個角度分別探究植被覆蓋對大氣顆粒物濃度的影響。

1 數據與方法

1.1 研究區概況

京津冀地區位于113°27′E～119°51′E、36°05′N～42°40′N之間，由西北向東南可大致劃分為壩上高原、燕山—太行山山脈以及海河平原3個部分，屬溫帶半濕潤大陸性季風氣候，冬夏分明、晨昏各異。2020年，京津冀地區國土面積約占全國的2.3%，而地區生產總值和總人口則分別約占全國的8.5%和7.8%。作為中國經濟最具活力、開放程度最高、創新能力最強、吸納外來人口最多的地區之一，在經濟快速發展的同時，京津冀地區空氣污染現象頻發，嚴重威脅著生態環境及人類健康。

1.2 數據

1) NDVI數據。歸一化植被指數(normalized difference vegetation index，NDVI)是應用最廣泛的植被指數之一，可以象征植被的覆蓋程度。實驗中用到的NDVI數據為MODIS傳感器3級產品MOD13A3的C6版本，時間分辨率為1個月，空間分辨率為1 km[11]。實驗共處理數據864景，處理后數據的有效取值范圍為[-0.2，1]。為清晰直觀地描述NDVI的空間分布和變化趨勢，按數值大小對NDVI值做以下等級劃分：[-0.2，0)為1級、[0，0.1)為2級、[0.1，0.2)為3級、[0.2，0.3)為4級、[0.3，0.4)為5級、[0.4，0.5)為6級、[0.5，0.6)為7級、[0.6，0.7)為8級、[0.7，0.8)為9級、[0.8，0.9)為10級、[0.9，1]為11級，且規定稱1～4級為低覆蓋度，5～7級為中覆蓋度，8～11級為高覆蓋度。

2)空氣質量數據。實驗中用到的空氣質量數據為中國環境監測總站通過全國城市空氣質量實時發布平臺(http：//106.37.208.233：20035/)發布的全國各監測點位逐小時空氣質量自動監測結果。實驗選取分布于京津冀地區及周邊城市的215個站點，2014年12月1日0時至2018年12月31日23時的逐小時PM2.5、PM10濃度數據。首先對數據進行計算整合，對于某一時間范圍存在少量缺失的數據則以該月份其他日期的該小時均值進行代替；隨后使用克里金插值方法，獲取研究區范圍內各時間單位顆粒物濃度的空間分布。

1.3 方法

1) 空間重心計算。重心的物理學概念是指物體各部分所受重力之合力的作用點。地理學空間重心一般借鑒物理學上的概念，是指區域內某地理要素在空間平面上力矩達到平衡的點，通過比較分析不同時間重心的空間位置遷移軌跡，可以判斷該地理要素的分布和變化規律[12-14]。將各時間求取的重心結果按照時間順序連接，得到的折線即為重心遷移軌跡，它是要素屬性的時間變化在空間位置上的直觀反映。

2) 曲線估計。當兩個變量間存在顯著相關性時，一般通過建立回歸模型的方式描述兩個變量間的關系。為描述植被覆蓋情況對顆粒物濃度的影響，實驗中借助IBM SPSS 25.0軟件平臺進行曲線估計。用于曲線估計的回歸模型包括線性、對數、逆、二次、三次、冪、復合、S曲線、Logistic、增長和指數共11種，通過擬合優度R2的大小判斷各模型擬合結果的優劣。

2 結果與分析

2.1 植被覆蓋的時空特征

分別統計京津冀地區NDVI月均值(圖1)?？傮w來看，研究區整體月均NDVI表現出顯著的周期性規律。1、2、3月除冬小麥外，其他主要作物和樹木均未進入生長期，低覆蓋度區域覆蓋了研究區90%以上的范圍，各月NDVI月均值在0.2左右，其中2月為全年最低值0.194。3月后，光照逐漸增強，溫度迅速回升，大量作物開始播種，樹木發芽展葉，各類植物紛紛進入生長期，植被覆蓋度逐漸升高，低覆蓋度范圍下降，高覆蓋度面積快速上升，至8月許多植被達到全年最茂盛的狀態，NDVI月均值達到全年最高值0.698，高覆蓋度區域覆蓋了研究區82%以上的范圍。8月后，天氣逐漸轉涼，光照強度下降，樹木葉片掉落，草木枯萎，除冬小麥外的多數作物收獲后不再播種，植被覆蓋度迅速下降，低值重新取代高值占據了研究區大部分區域，至12月NDVI月均值下降至0.238，低覆蓋度區域覆蓋范圍超過80%。

圖1 NDVI月均值的時間變化

NDVI月均值空間分布的變化規律與各區域植被類型的空間差異有顯著關系，海河平原大部區域以冬小麥-夏玉米為主，廊坊東部、壩上地區多種植單季玉米，邢臺、邯鄲、衡水東部是棉花的主要產區，東部沿海的天津、唐山、秦皇島則多以單季水稻為主，林果種植的核心區域面積較小，分散在石家莊、衡水、滄州等地，蔬菜則主要分布在各大城市的郊區[15-17]。分別統計京津冀地區NDVI各月均值的空間分布(圖2)，并分別計算相鄰兩月間的NDVI變化(圖3)。結果顯示，1—2月，除海河平原南部處于越冬期的冬小麥、燕山山脈部分常綠針葉林外，其他區域大多缺少植被覆蓋，區域整體NDVI月均值較低，絕大多數區域為3級或4級低覆蓋度。3—4月，海河平原冬小麥進入返青、拔節期，NDVI值有一定增長，達到6～8級中、高覆蓋度，同時樹木進入展葉期，山區的NDVI值有小幅增加，達到5～7級中覆蓋度。進入5月，樹木葉片生長加速，東北部燕山和西南部太行山地區NDVI值顯著升高，部分區域達到9～10級高覆蓋度，同時海河平原上棉花、水稻、單季玉米等作物陸續開始播種，使這些作物產區的植被覆蓋度有所升高。6月，冬小麥進入收獲期，夏玉米開始播種，因此造成海河平原大部分區域NDVI值有明顯回落；同時棉花、水稻、玉米等開始迅速生長，這些作物產區NDVI值大幅增加，達到6～8級中、高覆蓋度。7—8月，各類樹木和作物生長愈發茂盛，各地區NDVI值均有大幅增長，大部分區域達到9～10級高覆蓋度。9—10月，隨著玉米、棉花、水稻等各類作物的陸續收獲和草木的枯萎，西北部壩上草原地區和東南部海河平原地區NDVI值顯著下降至5～6級中覆蓋度，同時海河平原冬小麥開始播種。11—12月，樹木進入落葉期，東北部燕山和西南部太行山地區NDVI值顯著降低，冬小麥開始出苗和分蘗，海河平原部分區域NDVI值小幅回升，全區NDVI值多在4～5級中、低覆蓋度。

圖2 NDVI月均值的空間分布

圖3 NDVI月均值的各月間變化

分別對各月NDVI月均值求取空間重心(圖4)。結果表明，京津冀地區NDVI各月月均值重心均集中在北京、保定、廊坊3市的交界地區，且遷移軌跡表現出一定規律性。1月，重心位于中部；2月，由于冬小麥種植區NDVI值略有下降，重心向北微移；3—4月，隨著東南部冬小麥進入返青、拔節期，重心顯著向南遷移；5月，北部林地內樹木進入展葉階段，使重心大幅北移；6月，北部NDVI繼續增加，同時南部冬小麥收割、夏玉米播種使NDVI降低，導致重心繼續北移；7月，海河平原各類作物生長，重心向南移動；8月，由于東北部林地NDVI穩定在較高水平，其他區域各植物繼續生長，重心向西南微移；9月，各地區NDVI值降低，其中西北部的壩上高原NDVI降速稍快，使重心向東南微移；10月，隨著東南部大面積農田進入收獲期使NDVI下降較快，重心向北微移；11—12月，東南部的冬小麥出苗、分蘗,使NDVI略有回升，重心向南微移；下一年1月，氣溫快速下降，各處NDVI值繼續降低，而東北部林地的降速較慢，重心向北微移。

圖4 NDVI月均值的重心遷移軌跡

2.2 植被覆蓋對大氣顆粒物濃度的影響

研究區的NDVI月均值均以年為單位存在顯著周期性，且在一年中表現為單峰單谷規律，這與顆粒物濃度月均值的變化規律顯著相關。夏季，植被覆蓋度較高，樹木、草地和作物通過干沉降等方式對顆粒物濃度起到較強的削弱和抑制作用；冬季，由于植被覆蓋度較低，使得地表顆粒物暴露于空氣中，增加了顆粒物濃度。為準確量化植被覆蓋與顆粒物濃度之間的相關性，分別計算2015—2018年研究區NDVI與PM2.5、PM10濃度月均值時間序列的皮爾遜相關系數。結果表明，研究區NDVI與PM2.5、PM10濃度月均值表現分別為負相關，相關系數分別為-0.683和-0.737，二者均在0.01水平上顯著相關。分別使用11種曲線模型對NDVI值與顆粒物濃度進行回歸分析。各擬合模型中，NDVI與PM2.5濃度的擬合中，最佳擬合模型為冪函數，擬合優度R2達到0.580；NDVI與PM10濃度的擬合中，最佳擬合模型為指數函數，擬合優度R2達到0.601。結果表明,PM10與NDVI的相關程度略強于PM2.5。模型方程如式(1)、式(2)所示。

PM2.5=31.488·NDVI-0.606

(1)

PM10=183.358·e-1.301·NDVI

(2)

以NDVI月均值為橫坐標，PM2.5、PM10濃度月均值為縱坐標，繪制散點及模型曲線圖(圖5)。

圖5 PM2.5、PM10濃度與NDVI散點及模型曲線

植被覆蓋對顆粒物濃度存在較強的影響，除對濃度時間變化的影響外，植被對于顆粒物濃度的影響存在明顯的空間效應。已有研究表明，土地利用和土地覆被類型對于顆粒物濃度的影響范圍一般在5 km以內[18-21]，因此從0.5 km到5.0 km設定10個不同的緩沖區等級，各等級緩沖區半徑分別相差0.5 km，分別統計各空氣質量監測站周邊區域內的NDVI均值，并分別在各緩沖區尺度上對NDVI和顆粒物濃度年均值、季均值進行相關分析(圖6)。結果表明，除春季NDVI季均值與PM2.5濃度在1 km以下相關性較低外，其他季節在不同緩沖區范圍內均表現為負相關，結果均通過顯著性檢驗，再次印證了植被指數對顆粒物濃度的削減和抑制作用。隨著緩沖區半徑的增加，NDVI值與顆粒物年均值和各季節均值的相關性均表現出了先升后降的趨勢，且不同季節中相關性最強的空間尺度有所差異。其中NDVI值與PM2.5和PM10濃度年均值分別在3 km和2.5 km尺度上相關性最強，冬季均在2 km尺度上相關性最強，春季分別在3.5 km和2.5 km尺度上相關性最強，夏季分別在3.5 km和3 km尺度上相關性最強，秋季分別在3 km和2.5 km尺度上相關性最強。各季節相關性最強的空間尺度中，夏季最大、冬季最小，春秋兩季介于冬夏兩季之間，這是由于夏季植被覆蓋度最大，茂盛的植被對于顆粒物濃度的影響作用較強、范圍較大，冬季植被覆蓋度很低，對顆粒物的影響作用較弱、范圍較小。另外，各季節NDVI對PM2.5的最佳影響尺度均稍大于PM10，表明植被覆蓋在各季節對PM2.5的作用范圍均略大于PM10。

圖6 各尺度NDVI與PM2.5、PM10濃度的相關性

2.3 典型站點的比較

為進一步探究植被覆蓋對顆粒物濃度的影響，分別選擇位于植被區和非植被區的典型空氣質量監測站點，對不同站點的顆粒物濃度變化規律進行對比。分別選擇了位于北京市的昌平鎮和定陵兩個站點。昌平鎮站位于昌平區城區內，是北京市的23個城市環境評價點之一，站點周邊土地利用類型以建設用地為主，植被覆蓋程度相對較低；定陵站位于明十三陵景區內，是北京市唯一一個城市清潔對照點，周邊土地利用類型以林地為主，植被覆蓋程度相對較高。昌平鎮站和定陵站之間的直線距離約9 km，二者地理位置接近、氣候條件相似，但植被覆蓋程度存在顯著差異，可以作為對照進行對比實驗。

前文實驗表明，NDVI與PM2.5和PM10約在2.5～3 km范圍內的相關性最高，據此分別統計兩個典型監測站點周邊3 km范圍內NDVI月均值(圖7)。結果表明，2015—2018年定陵站NDVI均值為0.523，其中冬春夏秋四季的NDVI均值分別為0.296、0.470、0.733、0.591；昌平鎮站NDVI均值為0.324，冬春夏秋四季的NDVI均值分別為0.183、0.281、0.457、0.374；定陵站各月的NDVI值均顯著高于昌平鎮站，NDVI值為昌平鎮站的1.6倍左右。NDVI結果證明了所選取站點植被覆蓋程度的顯著差異，可以分別代表植被區和非植被區的典型站點。

圖7 典型站點NDVI月均值的時間變化

分別統計昌平鎮站和定陵站不同季節的顆粒物濃度時均值(圖8)?？傮w來看，植被區PM2.5和PM10濃度均顯著低于非植被區，表明植被覆蓋對顆粒物濃度有顯著的削減作用。各季節中，植被區的PM2.5和PM10濃度時均值一般表現為雙峰雙谷變化規律，峰值分別出現在上午10至11時和晚上20至21時，谷值分別出現在早晨4至6時和下午15至17時，雙峰規律較明顯。與植被區不同，非植被區各季節PM2.5和PM10濃度時均值多呈單峰單谷或不明顯的雙峰雙谷變化規律，具體表現為凌晨到早晨，隨著人類活動強度的逐漸降低，在清晨出現第一個谷值，這段時間非植被區的濃度變化規律和植被區基本一致；之后，隨著人類活動的增強，顆粒物濃度有所上升，但植被區濃度上升幅度較小，且在9至10時便達到第一個峰值后濃度不再大幅上升，這比非植被區第一個峰值的出現提前約1個小時；之后，隨著氣溫升高，邊界層高度的上升，大氣湍流活動增強，非植被區的濃度有較大下降，但這在植被區表現不明顯，僅表現為小幅下降或保持平穩，因此從第一個波峰到第二個波谷的變化不明顯；之后，隨著氣溫下降和晚高峰的到來，非植被區顆粒物濃度有所上升，但植被區的上升幅度較小且持續時間較短，一般在18至19時便達到第二個峰值，這比非植被區提前約2個小時；隨后，植被區濃度快速下降，而此時非植被區濃度仍有上升趨勢，因此植被區、非植被區的濃度之差一般在此時段達到最大，這與夜晚植被區內的人類活動強度顯著下降有關?？傮w來看，非植被區一日內濃度的上下波動幅度較大，人類活動是造成兩次濃度升高的主要原因；植被區一日內濃度的上下波動幅度顯著小于非植被區，植被覆蓋一方面有效抑制了一日內兩次顆粒物濃度升高的幅度，另一方面顯著縮短了顆粒物濃度上升的持續時間，結果證明了植被覆蓋對顆粒物濃度的降低具有重要作用。

圖8 典型站點大氣顆粒物濃度時均值

3 結束語

本文以京津冀地區作為實驗區，以多種時間、空間尺度分析植被覆蓋對大氣顆粒物濃度的影響，相關結論如下。

1)NDVI月均值呈顯著的周期性變化規律，3至8月穩定上升，8至11月則快速下降，11月至次年3月穩定在較低覆蓋度。植被覆蓋時間變化對大氣顆粒物濃度有顯著影響。分別使用不同曲線模型對NDVI值與顆粒物濃度進行回歸分析，發現指數函數或冪函數最能反映二者關系，研究區整體NDVI與PM2.5、PM10濃度月均值回歸方程的R2分別達到0.580、0.601。

2)植被對于顆粒物濃度的影響作用同樣存在明顯的空間效應，分別統計0.5～5 km范圍內10種尺度半徑緩沖區內的NDVI均值，并與顆粒物濃度年均值、季均值進行相關分析。結果表明，植被覆蓋對PM2.5和PM10濃度年均值的最佳影響尺度分別為3 km和2.5 km，各季節的最佳影響尺度中夏季最大、冬季最小，表明茂盛的植被對于顆粒物濃度的影響作用較強、范圍較大。

3)植被區顆粒物濃度在各季節均顯著低于非植被區，非植被區四季顆粒物濃度均在一日內表現出明顯的雙峰雙谷規律，而植被區則表現為單峰單谷或不明顯的雙峰雙谷規律。植被覆蓋既有效抑制了顆粒物濃度一日內兩次升高的幅度，又顯著縮短了濃度上升的持續時間，使顆粒物濃度的變化比非植被區更加平緩。

本文分別從時間、空間角度入手，分析了NDVI和PM2.5、PM10的時空特征，為探究植被覆蓋對大氣顆粒物濃度的影響提供了思路和方法。但由于數據源或實驗方法的限制，實驗可能存在一定不足：實驗數據的時間為2015—2018年，時間跨度有限；顆粒物濃度空間分布是基于實測數據，通過克里金方法空間插值獲得，由于站點數量有限、空間分布不均，插值結果可能存在一定誤差；實驗主要聚焦于區域宏觀尺度，而對于顆粒物的來源、植被削減顆粒物作用機理等微觀過程未作深入分析；植被覆蓋對顆粒物濃度的最佳影響尺度的科學意義仍有待進一步挖掘。以上均是后續研究中重點關注的方向。