基于大气污染的地区颗粒物浓度数据与土地利用景观格局关系研究.docxVIP

基于大气污染的地区颗粒物浓度数据与土地利用景观格局关系研究 摘要：基于西安市9个空气质量监测站的颗粒物浓度数据与土地利用景观格局指数,探索大气污染的时空差异及其与土地利用指数的深层量化关系,为城市规划提供参考。结果表明:1)大气污染浓度呈现冬、春、秋、夏递减的季节特征;大气污染站点浓度表现出高值、低值相聚、北高南低的空间自相关性;不同站点的PM 近几十年,随着我国社会经济水平不断提高,城市变得拥挤,污染问题加剧目前,较多学者从PM1 研究地区与研究方法1.1 研究区概况西安位于我国的西北部属于大陆性温带季风气候。西安市国家空气质量监测站共有13个,对监测站进行筛选,排除位于大型城市公园以及污染源附近的站点,这些站点不属于城市建成区环境。筛选后得到9个监测点。这些站点呈现了典型的城市风貌,包括建筑物、道路、绿地和其他地面物体,在城市建成区中的分布相对平均(表1)。西安的空气污染在2019年全国168个重点城市阶段排名中,位于第136位,排名较后。根据西安市环保局发布的《西安市环境质量公报》显示, 2017年3月-2020年2月,西安市优良天气数为635 d,良的天数占优良总天数的82.99%,轻度污染289 d、中度污染89 d、重度污染65 d、严重污染13 d。1.2 数据来源与方法1.2.1 遥感影像通过Google Earth高清卫星,获取 2019年的9个站点附近街区1 km (1)式中,G为绿波段像素值;R为红波段像素值;B为蓝波段像素值。本研究主要针对绿地、道路以及建设用地的相关指数展开研究,用G-PLAND、G-LPI(Green)等表示绿地斑块特征,用B-PLAND、B-LPI(Building)等表示建设用地斑块特征,道路没有其余斑块特征,用R-PLAND(Road)表示道路面积率。绿地和建设用地的景观格局指数利用Fragstats软件1.2.2 颗粒物浓度数据通过中国城市质量实时监测平台,得到各个站点2017年3月1日-2020年2月29日的大气污染小时数据,剔除缺失数据和明显有误的数据。按照四季划分(3-5月是春季、6-8月为夏季、9-11月为秋季、12月-次年2月为冬季1.3 数据处理对2017年3月-2020年2月的3 a PM2 结果与分析2.1 PM2.1.1 不同年份分析由表3可知,从2017年3月-2020年2月,西安市PM2.1.2 季节分析3 a PM2.1.3 空间分析以2017年3月-2020年2月3年9个站点的年均值比较,由表4可知,得出站点的PM对9个监测点的PM2.2 PM2.2.1 相关性分析由表5可知,G-PLAND对PM年均春、夏、秋、冬季的PMPMPM2.2.2 一元回归分析PLAND表征了斑块分类在整个景观中所占的百分比,在城市建成区,不同监测点附近地表覆盖面积率(PLAND)的差异显著(图4)。建成区的绿地覆盖率G-PLAND普遍在20%～30%,最高的是XA7,最低的是XA1。建设用地面积率B-PLAND在50%～70%,最高的为XA8、最低的为XA7。道路面积率R-PLAND的最高值和最低值分别是XA3(21.49%)、XA7(10.51%)。由表6可知,3年平均PM3 结论与讨论3.1 颗粒物浓度的时间规律PM西安市属于温带大陆性季风气候,夏季炎热多雨,较多雷雨大风天气,使得大气沉降功能提高,同时大风也有利于PM3.2 颗粒物浓度的空间规律颗粒物污染的空间自相关性,表明PM3.3 颗粒物浓度与土地利用的关系G-PLAND、R-PLAND是影响PM城市建成区土地利用类型丰富,造成了不同的景观格局,也间接反映了人类活动对PM在城市建成区应采取见缝插绿的措施城市大气污染不是单一的土地利用就可以揭示其规律的,今后的研究应在城市三维空间,结合建筑物的高度以及密度、建筑布局、气象、水体等因素多角度认识空气颗粒物浓度受多种影响的动态机制