基于遙感反演的武漢市空氣污染物與植被覆蓋度相關性研究

岳峰 戴菲 郭曉華

空氣污染問題是快速城鎮化過程中需要關注的重要問題之一。在歐洲，PM2.5污染導致平均預期壽命平均減少8.6個月[1]。PM污染于20世紀50年代和60年代在歐洲和北美地區廣泛傳播，現在在發展中國家（例如中國、印度）變得更加嚴重[2]。2013年，“霧霾”成為中國年度關鍵詞，引起社會強烈關注，全國平均霧霾天數達52天之最。2016年國家環保部門統計中國338個地級及以上城市中，空氣質量達標率僅21.6%。根據中國政府的一份報告，2010——2012年，北京、廣州、上海和西安因可吸入顆粒物引起的疾病死亡人數從7 700人增加到8 500人[3]?？諝馕廴緦е轮袊磕暧?20萬人過早死亡[4]。霧霾不僅對公眾健康構成直接威脅[5]，而且對動植物有著明顯的消極影響[6-7]。隨著污染的增加，所有森林層的樹葉覆蓋以及無脊椎動物的生物量都會減少[8]。為應對空氣污染的影響，除源頭控制外，如何通過研究來積極緩解已經存在的大氣污染是需要思考和面對的問題。

氣溶膠是由大氣及懸浮在大氣中的液體小質點和固體粒子（直徑范圍0.001～100μm）組成的膠體分散體系[9]，煙塵、灰塵、霧、霾都屬于氣溶膠，其中直徑小于2.5μm的可入肺顆粒物稱為PM2.5，大氣氣溶膠是霧霾形成的基礎和前提[10]。除了人類活動直接向大氣中排放的氣溶膠之外，光化學作用可以將空氣中的各種氣態污染物（NO2、SO2等）轉化成二次氣溶膠，導致PM2.5、PM10等顆粒物濃度的升高，進而演變成霧霾。大氣氣溶膠光學厚度（Aerosol Optical Depth，簡稱AOD）是無云大氣鉛直氣柱中，由于氣溶膠散射造成的消光系數在垂直方向上的積分，是描述氣溶膠對光衰減作用的一個無量綱正值，是氣溶膠的一個重要參數，能在一定程度上反映大氣污染程度[11]。由于空氣污染物具有復合性和復雜性，單獨對一種或者兩種空氣污染物的作用及緩解的研究具有一定局限性，因此從氣溶膠角度結合植被覆蓋度進行緩解污染物的研究可以提供一個新的研究視角，具有一定的理論與現實意義。

為進一步研究大氣氣溶膠與近地面顆粒物濃度的關系，國內外學者將AOD與PM10、PM2.5、NO2等污染物進行了相關分析。在中國絕大部分地區，AOD與NO2和SO2空間分布存在顯著正相關[12]。在天氣狀況穩定、O3前體物濃度變化不大的情況下，大氣顆粒物與O3的濃度變化存在一定的反相關[13]。研究表明AOD數據與附近的地面PM10濃度相關系數達0.82[14]。還有研究發現MODIS反演的AOD與PM2.5小時平均質量濃度相關系數為0.7，月均值相關系數達0.92，證明用AOD估算近地面顆粒物濃度是可行的[15]。有學者利用MODIS AOD估算了全美的PM2.5濃度分布，進一步證實利用遙感估算近地面顆粒物的適用性[16]。因此，MODIS AOD產品用于城市空氣污染領域研究，具有很好的適用性[17-18]。

植物是緩解大氣污染的重要途徑之一，研究發現葉表面粗糙且帶有密集纖毛或呈現明顯脊狀褶皺比葉表面光滑更有利于滯塵[19]，眾多學者也對不同園林植物的滯塵能力進行了研究[20-22]。2013年《風景園林》雜志曾專題討論“PM2.5和綠色基礎設施”，相關專家學者都呼吁通過綠色基礎設施來緩解空氣污染[23-27]。

目前針對綠地緩解空氣污染的研究，國內外前期集中在對PM10、SO2、NO2等污染物的研究，隨著近幾年世界各國將PM2.5納入檢測后，關于PM2.5的研究成果才逐漸增多。在研究尺度上，微觀尺度的研究較多，主要集中在園林植物單體及葉片吸附污染物[28-29]、不同群落結構的綠地[30]；中觀尺度以街區[31]、居住區[32]、道路[33-34]及不同類型綠地[35]的PM10、PM2.5、SO2等污染物實測為主；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[36-37]，但對于以植被覆蓋與AOD為代表的空氣污染的深入研究卻鮮少涉及。

研究以武漢市為例，從市域尺度研究植被覆蓋度與AOD的深層量化關系規律，重點揭示：

1）不同植被覆蓋度與AOD代表的空氣污染物濃度是否具有關聯性；

2）植被覆蓋度與AOD代表的空氣污染物濃度的規律模型是什么；

3）植被覆蓋度的變化與以AOD代表的空氣污染物濃度變化的空間關系規律是什么。

1 研究對象

1.1 研究區域的確定

武漢是中國中心城市、湖北省會，位于江漢平原東部，地形以平原為主，全市低山、丘陵、壟崗平原與平坦平原的面積分別占5.8%、12.3%、42.6%和39.3%；長江、漢江穿城而過，市域湖泊共有166個；自然植被以常綠闊葉、落葉闊葉混交林為主；氣候冬冷夏熱，屬典型的亞熱帶季風氣候，一年中1月平均氣溫最低4.1℃，冬季長110d，7月平均氣溫最高29.2℃，夏季長達135d，春秋兩季各約60d；年降水量為1 050～1 200mm，空氣濕度大，年無霜期240d[38]。

國家統計局統計數據顯示，2014年武漢市邁入中國城市“萬億GDP俱樂部”，居華中地區首位。2017年武漢GDP達1.34萬億，全國排名第九。經濟高速發展的同時，也產生了空氣污染問題。根據中國環境監測總站數據統計發現，武漢市從2014年1月1日——2017年12月31日4年間，空氣質量等級為優的天數僅154d，1 300d具有不同程度的污染，首要污染物以 PM2.5、PM10、NO2、O3（這些物質是氣溶膠的前身或者構成部分）為主，污染天數占89.4%，中度及以上程度污染占11.35%。同時武漢具有高密度的城市空間形態以及市域較好的植被覆蓋，在中國大城市地區具有一定的典型性，因此以中國國家中心城市——武漢市為對象進行研究。

1.2 研究時間的確定

由于歸一化植被指數（Normalized Difference Vegetation Index，簡稱NDVI）、大氣氣溶膠光學厚度（AOD）與土地利用遙感影像的選取受植被生長周期、植被覆蓋狀況、天氣情況及衛星運行周期及軌跡的制約，因此數據時間的選取需要協調其在空間和時間上的互相匹配問題。由于2017年研究區域的部分數據還無法完整獲取或者數據質量不理想，因此研究選取2014——2016年的數據進行分析。

1）大氣氣溶膠光學厚度（AOD）。

12月5日下午，浙江省副省長彭佳學到浙江省自然資源廳調研指導測繪與地理信息工作。浙江省政府辦公廳、省建設廳、省農業農村廳、國家統計局浙江調查總隊負責人參加調研。廳領導黃志平、盛樂山、閔建平陪同調研。

由于攜帶MODIS傳感器的Terra衛星的遙感影像獲取周期為1d，大大降低了多數遙感衛星影像獲取數據的時間周期難度，并且MODIS是具有36個觀測通道的先進多光譜遙感傳感器，覆蓋了當前遙感衛星的主要觀測波段。因此選取氣溶膠產品MOD021KM，空間分辨率為1km。由于AOD受云霧降水天氣的影響較大，為減小因素干擾及減小數據誤差、增加數據的科學穩定性，更客觀、準確地研究AOD的濃度分布，通過統計2014年至2016年5——9月無雨雪、風力≤3級（武漢常規風力大小）、連續4d及以上晴朗天氣，發現僅有2016年7月25——31日滿足天氣要求。然后篩選出7d中的第5天即7月29日的AOD數據作為理想的研究對象，數據可在美國國家航空航天局（NASA）獲取。

2）歸一化植被指數（NDVI）。

由于歸一化植被指數（NDVI）對植物生長狀況有著較強的敏感性，表現為在植物生長初期，通過NDVI指數分析會使植被蓋度預估值偏高；而在植物生長后期，則會偏低，因此，NDVI更適用于處在發育中期的植被情況監測。研究證明，每年5——9月為植物的生長旺季[39]。所以，研究以研究區域5——9月遙感圖像數據作為分析對象進行研究[40]。

為提高植被覆蓋度的精確性及方便進行地理校正等操作，研究選用相較其他衛星地理定位準確的landsat8 30m精度的數據。由于landsat8衛星的過境周期約為16d，為盡可能獲得與AOD數據的時空一致性，研究篩選后發現，天氣晴朗且最接近選取的AOD數據時間是2016年7月23日的數據，該日基本覆蓋研究區域的兩幅不同條帶的數據云量少于0.8%，最滿足研究需要。少量未覆蓋區域由landsat8拍攝的緊鄰時間的滿足要求的2016年8月1日的影像數據作為補充，數據可由美國地質勘探局（USGS）官網獲取。

3）土地覆蓋數據。

研究采用改進的像元二分模型以獲取更準確的NDVI數據，過程中需要利用土地覆蓋數據制作掩膜文件，為增加數據的準確度，土地覆蓋數據選用與NDVI同樣的數據。

1 不同尺度下植被覆蓋度與大氣氣溶膠光學厚度的相對最優擬合方程The relatively optimal equation of vegetation coverage and atmospheric aerosol optical depth at different scales

2 研究方法

2.1 AOD遙感反演

目前陸地上空大氣氣溶膠光學厚度的遙感算法中暗像元算法是最重要也是使用頻率最高的一種方法，此算法最初是Kaufman等（1997）建立的，又叫濃密植被算法[41]。此后經過不斷改進，現已成為全球陸地上空利用衛星遙感獲取氣溶膠參數應用最為廣泛的算法。研究使用的NASA發布的氣溶膠遙感產品，也是采用該算法[42]。

2.2 土地覆蓋的數據處理

首先運用ENVI 5.4對Landsat8原始數據進行輻射定標、大氣校正、圖像鑲嵌與裁剪，得到土地覆蓋基礎數據。參考國內外多數學者的常用分類方法及武漢市的實際，研究根據監督分類將土地覆蓋劃分為6類：森林、疏林草地、城鄉建設用地、水體、農業用地、其他。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0.976 3，解譯結果滿足研究要求。

2.3 植被覆蓋度的數據處理

作為最常用的一種植被指數，歸一化植被指數（NDVI）能夠有效消除或降低由于地形、大氣輻射以及云層、儀器標定誤差所帶來的消極影響，且與植被覆蓋度以及植物生長情況呈現較為明顯的正相關關系[43]。所以，研究選取NDVI作為植被覆蓋度（Vegetation Coverage Rate，簡稱VCR）反演的基礎數據。

表1 不同網格尺度下植被覆蓋度與大氣氣溶膠光學厚度的關系研究Tab. 1 Relationship between vegetation coverage rate and atmospheric aerosol optical depth at different grid sizes

表2 不同網格尺度下相對最優擬合方程Tab. 2 Relatively best fit models at different grid scales

常用的NDVI計算方法是運用ArcGIS的NDVI功能計算土地覆蓋區的植被覆蓋度，研究進一步利用改進后的像元二分模型進行植被覆蓋度的反演[44]。其表達式為：

其中NDVIsoil是無植被覆蓋區域的NDVI值，NDVIveg代表完全被植被覆蓋的像元NDVI值[45]。

為保證植被覆蓋信息NDVIveg和NDVIsoil的一致性，研究在5%～95%的置信區間內用NDVI分別掩膜提取上述章節生成的6類土地覆蓋類型中的NDVI最小值NDVImin和最大值NDVImax，統計其NDVImin和NDVImax。然后計算NDVIsoil和NDVIveg。去除異常值后再分類得到研究區的植被覆蓋度。同樣將植被覆蓋度分布圖的屬性提取到不同尺度的網格中心點的屬性字段中，在SPSS軟件中進行AOD與植被覆蓋度的相關性分析。

3 結果與分析

3.1 相關性分析

運用SPSS軟件進行雙變量相關分析，并運用pearson雙尾檢驗發現，整體水平上4種網格尺度下顯著性Sig＜0.01，pearson系數都為負值（表1），證明AOD與VCR呈極顯著負相關。并且在這4種尺度下，pearson系數絕對值較接近。因此本文在較精細尺度的1km或者500m網格尺度探討VCR與AOD代表的空氣污染物的關系可能更有意義。

3.2 規律模型的選取

為進一步研究兩者的相關性，建立不同尺度擬合精度最高的兩者的關系模型，運用SPSS曲線估計功能，每種尺度下通過指數函數、對數函數、冪函數、線性函數等的方程建模，通過篩選得到4種尺度下擬合度相對最好的擬合模型，發現4種尺度的相對最優擬合模型均為一元三次方程，且都在0.01顯著性水平上，4種尺度中2km尺度的回歸系數R2最高，1km尺度的最低，但4種尺度的回歸系數R2比較接近，從而得到4種尺度下的4個相對最優擬合模型作為VCR與AOD的規律解釋模型（圖1、表2）。

3.3 植被覆蓋度（VCR）與大氣氣溶膠光學厚度（AOD）空間分布規律分析

通過4.1章節的研究發現，在1km或者500m網格尺度探討VCR與AOD的關系可能更有意義。這2種尺度的pearson系數很接近，但500m的網格尺度探討植被覆蓋度對市域規劃設計來講可能過于精細、瑣碎，相比較而言，市域范圍在1km網格尺度探討兩者規律對市域規劃設計可能更有參考價值，因此研究對VCR與AOD兩者的空間分布規律以1km網格尺度進行進一步的探討。

結合遙感反演得到的AOD空間分布圖（圖2）、土地覆蓋空間分布圖（圖3）以及遙感反演植被覆蓋度（VCR）空間分布圖（圖4），并將植被覆蓋情況依照國際通用標準分為5個等級[32]，分別為≤10%、10%～30%、30%～45%、45%～60%以及＞60%與AOD在空間上進行相關性分析（表3）。

分析發現，植被覆蓋度≤10%時，該值域的植被覆蓋度空間分布區域與水體及其周邊地區和城鄉建設用地特別是主城區的建設用地具有高度的空間分布一致性，污染整體較嚴重，且VCR與AOD極顯著負相關性最高（表3），說明建設用地周圍植被以及水體的增加可以明顯緩解空氣污染。當植被覆蓋度＞45%時，該值域區間主要分布在市域的森林、疏林草地、農業用地和主城區的植被覆蓋較好的山體等生態用地區域，污染程度以中度、輕度和優良為主，且該值域區間VCR與AOD極顯著負相關，說明增加植被覆蓋對緩解空氣污染具有重要意義。

4 結論與討論

4.1 結論

本文主要從以AOD為代表的空氣污染物的視角，結合遙感解譯土地覆蓋，基于像元二分模型遙感反演NDVI得到植被覆蓋度，對AOD與VCR的相關性進行研究。研究發現，植被覆蓋度與AOD代表的空氣污染物濃度在500m×500m、1km×1km、2km×2km、3km×3km 4種網格尺度下都在0.01水平上顯著負相關，進而得出4種尺度的相對最優擬合規律模型作為VCR與AOD的規律解釋模型，規律模型均為在0.01水平上極顯著的一元三次方程，從而揭示了兩者的初步變化規律。

2 遙感反演AOD空間分布圖Remote sensing inversion of AOD spatial distribution

通過進一步在1km網格尺度下研究兩者的空間規律，發現植被覆蓋度較低的區域（VCR≤10%）主要分布在水體及其周邊地區和城鄉建設用地區域，污染整體較嚴重，且VCR與AOD在0.01水平極顯著負相關，說明當植被覆蓋從無到有時，少量的綠地即可發揮明顯的緩解污染的作用；植被覆蓋度較高的區域（VCR＞45%），AOD空間分布的污染程度以中度、輕度和優良為主，且兩者在0.01水平極顯著負相關，并與森林、疏林草地、農業用地等植被覆蓋較好的自然屬性為主的生態用地區域具有高度空間一致性，其用地類型較單一、用地本身產污少，相較于高密度的城市空間，廣闊的市域空間也有利于污染物的擴散，并且植物具有較強的吸附污染的作用；植被覆蓋度在10%＜VCR≤45%的區間內與AOD相關性不顯著，可能是該植被覆蓋度的區域主要分布在主城區，城市用地功能較復雜，工業用地的類型及比例、交通流量及強度、城市建設強度、地形等經濟、社會、自然影響因素眾多，導致兩者相關性不顯著。

4.2 緩解空氣污染的規劃設計對策

市域范圍內應通過城市總體規劃及綠地系統規劃等規劃管控，切實保護、提升生態用地的質與量，營造良好的生態基質。在有條件的區域如山體及部分疏林草地地區將植被覆蓋度提高到45%以上，同時注意對郁閉度過高的林地進行間伐及補種輪替，以構建可持續的穩定的植物群落，同時注意通風廊道的構建，充分發揮植被吸附污染物的作用。需要指出的是，在農作物生長季應充分發揮農作物吸附緩解空氣污染的作用，通過美麗鄉村規劃建設等措施，適度引導種植高吸污性和經濟性的作物，同時推廣補貼環保農業機械，嚴格禁止農作物的焚燒作業。

3 土地利用空間分布圖Spatial distribution of land use

結合城鄉建設用地，特別是主城區及都市發展區，在規劃設計層面，積極落實城市控制性詳細規劃等規劃中關于生態類指標的規劃管控。在建設層面，對沒有植被的區域采取見縫插綠的措施，在植被覆蓋度很低的區域，努力將植被覆蓋度提高到10%。同時豐富植被的豎向設計，注重屋頂、墻面、橋下、道路等空間的植被覆蓋的提高及優化，注重喬灌草的合理搭配，在有限的城市用地內通過綠地的精細化布局和搭配爭取在最大程度上發揮綠地改良小氣候的作用。

4.3 展望

本文主要以AOD為代表的空氣污染物與植被覆蓋度在總量上進行了相關研究，后續深入的研究可從兩個維度進行探討。一方面對植被覆蓋的具體林地、草地等類型及其比重等方面進行進一步的探討，以形成植被覆蓋從總量到類型、比重等較為完善的調控空氣污染的定量化的調控策略。另一方面可從PM2.5、PM10等顆粒物以及氮氧化物、臭氧等眾多污染物與土地利用特別是三維綠量的規律研究以及污染物與土地利用模型的相關研究入手，提出面向眾多污染物的綜合調控機制，以更有針對性，更好地緩解空氣污染。

4 遙感反演植被覆蓋度空間分布圖Remote sensing inversion of vegetation coverage rate (VCR)spatial distribution

表3 不同的植被覆蓋度與大氣氣溶膠光學厚度的相關性Tab. 3 Correlation between different vegetation coverage rate and atmospheric aerosol optical depth

注釋：

文中圖表均由作者自繪。