云南省植被覆蓋對PM2.5 時空分布的影響

馮 祥，張學林，王建雄

（云南農(nóng)業(yè)大學 水利學院/云南省高校農(nóng)業(yè)遙感與精準農(nóng)業(yè)工程研究中心，云南 昆明 650201）

0 引言

隨著工業(yè)化和城市化的快速發(fā)展，國內(nèi)大氣質(zhì)量日趨嚴重，PM2.5污染已成為國內(nèi)廣泛關(guān)注的空氣污染問題［1］。PM2.5濃度增加，居民在外界活動時更易受其影響，進而會增加患心血管和呼吸系統(tǒng)疾病風險，其減少可明顯降低心血管疾病的死亡率［2-3］。2013年，我國正式啟動了對PM2.5的監(jiān)測工作。在2013年和2018年分別發(fā)布了《大氣污染防治行動計劃》［4］和《打贏藍天保衛(wèi)戰(zhàn)三年行動計劃》［5］，目前，國內(nèi)的空氣污染治理已取得了顯著效果，而隨著城市化的推進，部分地區(qū)的PM2.5仍維持在較高水平［6］。因此，如何在推進城市化的過程中減少PM2.5的污染是目前亟須解決的問題。

目前，關(guān)于PM2.5污染的研究主要集中于PM2.5反演與時空變化分析［7-10］。通過分析時空變化分布特征可以有效凸顯PM2.5的分布特征及推演精度，趙銳等［11］通過現(xiàn)有PM2.5數(shù)據(jù)及多種因子驅(qū)動關(guān)系建立了遙感反演模型，評估其空間差異性，為PM2.5的監(jiān)測和防治提供科學依據(jù)；周敏丹等［12］在基于因子探測分析發(fā)現(xiàn)，植被指數(shù)是影響PM2.5變化最大的驅(qū)動因素，并且自然因素（尤其是植被指數(shù)）及自然因素與人為活動的交互效應(yīng)對研究區(qū)起到了決定性作用；王嫣然等［13］在研究2013—2014年北京PM2.5時空分布規(guī)律及其植被覆蓋度的關(guān)系中，采用了最大濾波算法LMF、回歸分析等方法，結(jié)果表明：季均值濃度夏季最低，冬季最高，并且植被面積的增加對PM2.5質(zhì)量濃度下降具有積極影響；楊玉蓮等［14］在中國八大經(jīng)濟區(qū)PM2.5與植被覆蓋的相關(guān)性研究中，從NDVI景觀尺度和類型尺度分析了PM2.5污染的時空特征，再定量化NDVI景觀格局指數(shù)對PM2.5的影響，研究表明：研究區(qū)植被覆蓋較低區(qū)域并非都為PM2.5重度污染，PM2.5與NDVI景觀格局指數(shù)相關(guān)性顯著的區(qū)域較少。現(xiàn)有PM2.5反演中主要以AOD產(chǎn)品數(shù)據(jù)作為主預(yù)測量，反演后主要應(yīng)用時空分布變化分析，較少涉及聯(lián)合植被因素進行時空分布變化的深入分析。本研究試將植被覆蓋與PM2.5濃度共同作為時空分布變化的分析要素，深入研究兩者的關(guān)系，以期為相關(guān)政策制定提供科學參考依據(jù)。

1 研究區(qū)概況

云南省地處中國西南地區(qū)，位于97°31′~ 106°11′E，21°8′~29°15′N，總面積39.41萬km2，屬低緯度內(nèi)陸地區(qū)，地勢呈西北高、東南低，自北向南呈階梯狀逐級下降，為山地高原地形，山地面積占全省總面積的88.64%。云南氣候基本屬于亞熱帶和熱帶季風氣候，滇西北屬高原山地氣候。

2 研究數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源及預(yù)處理

由于研究對象為長時間序列影像，考慮到數(shù)據(jù)穩(wěn)定性，本研究采用了2001—2020年MODIS植被指數(shù)的16天產(chǎn)品數(shù)據(jù)（空間分辨率為250 m）以及全國2001—2020年縣級PM2.5數(shù)據(jù)。上述數(shù)據(jù)通過重投影與拼接后，在ArcGIS軟件中進行預(yù)處理，地理坐標統(tǒng)一為GCS_WGS_1984。采用克里金插值法將PM2.5數(shù)據(jù)進行插值處理，得到2001—2020年云南省PM2.5柵格數(shù)據(jù)；將20年植被指數(shù)分別進行月最大合成及年均值合成，獲取以月、年為基本單位的時間分辨率序列影像，通過裁剪得到2001—2020年云南省NDVI柵格數(shù)據(jù)。

2.2 研究方法

2.2.1 Theil-Sen Median趨勢分析 Theil-Sen Median也稱為Sen趨勢分析，是一種穩(wěn)健的非參數(shù)統(tǒng)計的趨勢計算方法［15］。該方法與最小二乘估計相比，對異常值更不敏感［16］；與其他參數(shù)檢驗方法相比，不需要測量值服從正態(tài)分布，不受缺失值和異常值的影響。目前，Sen趨勢分析法被廣泛應(yīng)用于水文、氣象、植被趨勢變化相關(guān)研究中［17］，具體計算公式為：

式（1）中，β表示斜率，β大于0表示時間序列呈現(xiàn)上升趨勢；β小于0表示時間序列呈現(xiàn)下降趨勢。n為時間序列長度。

2.2.2 Mann-Kendall趨勢檢驗 Mann-Kendall是一種非參數(shù)統(tǒng)計檢驗方法，其無須測量值服從正態(tài)分布，也不受少數(shù)異常值的干擾,具有檢測范圍廣、定量化程度高的特點［18］。該方法適用于氣象、水文等非正態(tài)分布數(shù)據(jù)，目前被廣泛應(yīng)用于分析植被、氣溫、水質(zhì)等時間序列數(shù)據(jù)的變化趨勢，通常結(jié)合Sen趨勢分析進行顯著性檢驗。Mann-Kendall趨勢檢驗統(tǒng)計量S的計算公式為：

本文研究的時間序列長度為n=20，Var(S)是統(tǒng)計量S的方差，其計算公式為：

式（4）中，m為序列中重復(fù)出現(xiàn)的數(shù)據(jù)組數(shù)，ti為第i組重復(fù)數(shù)據(jù)組中的重復(fù)數(shù)據(jù)的個數(shù)。采用檢驗統(tǒng)計量Z進行趨勢檢驗，Z值的計算公式為：

結(jié)合Sen趨勢分析，根據(jù)β值和Z值將長時間序列數(shù)據(jù)的檢驗結(jié)果劃分為9個顯著類別，如表1所示。

表1 基于Sen和Mann-Kendall的趨勢分析

3 結(jié)果與分析

3.1 云南省NDVI的時空分布特征分析

由于一元線性回歸趨勢分析需要變量之間滿足線性相關(guān)關(guān)系，為排除變量影響，基于Sen趨勢法分析和Mann-Kendall顯著性檢驗得到云南省NDVI時空分布特征圖（圖1），統(tǒng)計各趨勢像元的個數(shù)，得出對應(yīng)的比例及面積（表2）。云南省近20年（2001—2020年）的植被覆蓋變化整體呈上升趨勢，局部呈退化趨勢，植被覆蓋上升趨勢占比85.81%，面積為338190.56 km2，局部退化趨勢占比14.18%，面積為55908.81 km2。滇東北和滇東南地區(qū)的植被覆蓋呈極顯著上升趨勢，占比為39.74%，面積為156616.13 km2；滇西北及滇中地區(qū)，植被覆蓋趨勢部分區(qū)域呈現(xiàn)不顯著退化，少部分區(qū)域為顯著退化趨勢，僅占比3.98%，面積為15693.19 km2；其余地區(qū)為顯著上升趨勢。云南省植被覆蓋退化區(qū)域呈左右翻轉(zhuǎn)式“√”形分布，其退化區(qū)域主要分布于迪慶、大理、昆明、玉溪、曲靖等州（市）。在2022年云南省各州市生產(chǎn)總值中，昆明、曲靖及玉溪分別達到6733.79億、2959.35億、2058.14億元。經(jīng)濟發(fā)展水平較高地區(qū)均不同程度地出現(xiàn)了植被退化的趨勢，而迪慶由于立體氣候明顯、人為活動影響、氣候變暖、水質(zhì)下降、土地資源變劣、草原生態(tài)系統(tǒng)紊亂等疊加因素［19］導致植被在近20年間出現(xiàn)退化的趨勢。

圖1 2001—2020年云南省植被顯著性變化分布特征

表2 2001—2020年云南省植被顯著性變化統(tǒng)計結(jié)果

3.2 云南省PM2.5濃度的時空分布特征分析

利用Sen+Mann-Kendall趨勢分析法對2001—2020年的PM2.5濃度進行時空分布特征分析，其顯著性變化趨勢和統(tǒng)計結(jié)果分別見圖2和表3。從整體上來看，云南省2001—2020間的PM2.5污染主要有下降和微弱上升兩種趨勢，其中下降趨勢占比88.42%，面積為348480.88 km2，上升趨勢占比11.58%，面積為45619.00 km2。PM2.5濃度整體呈下降趨勢，滇西與滇東南地區(qū)的PM2.5濃度呈不顯著上升趨勢，占比11.58%，面積為45619.00 km2；在滇中和滇西北沿川地區(qū)PM2.5的污染有極顯著的下降趨勢，占比為9.41%，面積為37071.31 km2；滇中地區(qū)周圍及滇西北沿川地區(qū)周圍的PM2.5濃度呈顯著下降趨勢；其余地區(qū)皆呈不顯著減少趨勢，占比44.63%，面積175892.69 km2。其中極顯著減少趨勢主要集中在玉溪、迪慶與麗江的沿川邊界。

表3 2001—2020年云南省PM2.5顯著性變化統(tǒng)計結(jié)果

圖2 2001—2020年云南省PM2.5顯著性變化分布特征

將NDVI植被劃分為“低值區(qū)”“中值區(qū)”“高值區(qū)”，各個區(qū)的劃分標準分別為：0≤NDVI≤0.4、0.4＜NDVI≤0.7、0.7＜NDVI≤1.0。使用表格統(tǒng)計分區(qū)工具計算20年間不同NDVI等級區(qū)的PM2.5的均值濃度并繪制箱線圖（圖3）。由圖3可知，在NDVI等級高值區(qū)，PM2.5污染較嚴重，中值區(qū)次之，PM2.5污染較輕相對集中在低值區(qū)；由于地理因素、經(jīng)濟發(fā)展等人為活動通常發(fā)生在植被覆蓋較高的地區(qū)，導致高值區(qū)的PM2.5污染明顯高于低值區(qū)；中位線位置表明近20年的PM2.5濃度分布具有較強的偏態(tài)性，3個等級區(qū)的四分位差大致相同，這表明3個等級區(qū)PM2.5濃度的波動程度基本一致。深入分析各NDVI等級區(qū)PM2.5濃度的年際變化情況（圖4），得出近20年間低值區(qū)PM2.5的污染情況明顯低于中值區(qū)和高值區(qū)，而高值區(qū)的PM2.5污染要略高于中值區(qū)。中值區(qū)和高值區(qū)總體趨勢基本一致：2001—2004年間表現(xiàn)迅速上升趨勢；在2004—2014年間有小范圍波動，總體為穩(wěn)定趨勢；在2014—2020年間，PM2.5污染表現(xiàn)出迅速下降的趨勢，并于2020年達到最低值。低值區(qū)在2001—2004年呈微弱的上升趨勢，在2004—2020年趨勢與中、高值等級區(qū)基本保持一致。此外，3個等級區(qū)PM2.5污染情況在2014—2020年均表現(xiàn)出顯著下降趨勢。

圖3 NDVI等級區(qū)PM2.5箱線圖

圖4 NDVI等級區(qū)PM2.5的年際變化趨勢

3.3 PM2.5濃度與NDVI的年際變化特征

將2001—2020年間云南省的PM2.5濃度均值和NDVI均值作為因變量，對20年P(guān)M2.5濃度及NDVI進行分析并擬合回歸曲線。由圖5可知，PM2.5濃度在20年間總體呈現(xiàn)先上升后基本保持穩(wěn)定再下降趨勢，NDVI則呈現(xiàn)總體上升趨勢；其中PM2.5濃度在2003年前均處于較低水平，在2004年驟升至28.335 μg/m3，在2004—2014年間，PM2.5濃度總體持平，在2015年之后PM2.5濃度不斷下降，直至2020年 降 至21.694 μg/m3；而NDVI全 省 均 值 在2005年之前變化不大，在2006年升至0.625，經(jīng)過3年的持平趨勢后，在2009—2014年呈上下波動趨勢，在2014年后，全省NDVI值開始快速增長并于2017年增至0.661，之后基本處于穩(wěn)定趨勢；在2014年前NDVI的總體較低，同時期的PM2.5濃度總體較高，自2014年開始，在NDVI不斷上升的同時，PM2.5濃度在不斷下降，兩者交點出現(xiàn)在2015年前后，此趨勢一直持續(xù)到2020年；PM2.5濃度和NDVI并無明顯相關(guān)趨勢，在NDVI上升的同時，PM2.5濃度并無明顯下降趨勢，反而持平或者上升。綜上，在2014年前，由于城市化發(fā)展等人為活動加劇，云南并未開始重視大氣污染等相關(guān)環(huán)境問題。2013年9月10日，國務(wù)院印發(fā)并實施《大氣污染防治行動計劃》。隨著該計劃的不斷落實，大氣污染愈發(fā)受到關(guān)注，自2014年后，云南全省NDVI均值不斷升高，同時PM2.5濃度不斷下降，截至2020年下降至最低點21.694 μg/m3。

圖5 PM2.5與NDVI的年際變化趨勢

通過計算NDVI和PM2.5濃度的一階差分，得出兩者20年間的變化量（圖6）。NDVI的變化量在2009年前總體呈下降趨勢，在2005—2007年和2010—2015年間的NDVI趨勢波動劇烈，分別呈現(xiàn)出明顯增加和明顯減少趨勢，這可能是由于城鎮(zhèn)化經(jīng)濟的發(fā)展，植被覆蓋程度沒有作為改善環(huán)境的主要因素，因而大氣污染并未得到有效防治；在2015年后NDVI整體呈明顯上升趨勢，植被覆蓋明顯增多，并維持在一個較高水平。2003—2004年之間，PM2.5濃度的變化量表現(xiàn)出明顯的上升趨勢；在2005—2014年間，PM2.5濃度的變化呈總體穩(wěn)定趨勢，一直處于較高水平；在2014年后，PM2.5濃度的變化量一直為負值，主要表現(xiàn)為穩(wěn)步下降趨勢，表明該期間內(nèi)的大氣污染防治取得了明顯效果。

圖6 PM2.5濃度與NDVI的年際變化量

3.4 PM2.5濃度與NDVI的相關(guān)性分析

Pearson 相關(guān)系數(shù)是用于衡量2 個變量相似度的一項指標，可以反映出變量間線性關(guān)系的強弱［20］，其取值范圍為-1~1之間，若取負值則表示兩個變量之間為負相關(guān)，而正值則表示2個變量之間為正相關(guān)。將2001—2020年間的PM2.5濃度與NDVI數(shù)據(jù)進行相關(guān)性分析，逐像元得出Pearson相關(guān)系數(shù)的分布圖（圖7），并將Pearson相關(guān)系數(shù)劃分為“極強負相關(guān)”“強負相關(guān)”“負相關(guān)”“不相關(guān)”“正相關(guān)”“強正相關(guān)”“極強正相關(guān)”7種程度，得到PM2.5濃度與NDVI的相關(guān)性統(tǒng)計結(jié)果（表4）。由表4可知，云南省PM2.5濃度與NDVI整體上呈現(xiàn)為負相關(guān)，局部地區(qū)為不相關(guān)，極少區(qū)域呈正相關(guān)；滇東北、滇東南地區(qū)主要表現(xiàn)為負相關(guān)，占比達61.62%，面積為242854.38 km2；滇西北及滇西南地區(qū)主要為不相關(guān)，占比為31.55%，面積為124336.44 km2；正相關(guān)的區(qū)域稀少，主要依附于不相關(guān)的地區(qū)，占比為6.83%，面積為26909.19 km2；強負相關(guān)地區(qū)主要集中在麗江、昭通以及文山與曲靖交界處等州（市），整體占比為6.55%，面積為25829.25 km2；而極強負相關(guān)、強正相關(guān)及極強正相關(guān)地區(qū)占比不到1%，分布稀少。綜上，云南省大部分地區(qū)的植被覆蓋變化與PM2.5濃度呈負相關(guān)，即隨著植被覆蓋的上升趨勢，PM2.5污染程度會出現(xiàn)不同程度的降低，而占比31.55%的不相關(guān)地區(qū)主要集中在滇西北、滇西南地區(qū)，大致分布在迪慶、德宏、保山、臨滄等州（市），該地區(qū)呈不相關(guān)的可能原因為：一是迪慶地處滇、藏、川三省交界，橫斷山脈腹地，其特有的立體生態(tài)環(huán)境、地理位置及人為干擾活動，使得草原植被退化，但PM2.5污染并未隨之升高；二是滇西南地區(qū)由于總體經(jīng)濟水平較低，城鎮(zhèn)污染不能得到較好的治理，因而在植被覆蓋趨勢上升時，PM2.5污染并未隨之下降。

圖7 云南省PM2.5濃度與NDVI的相關(guān)性分布特征

表4 云南省PM2.5濃度與NDVI的相關(guān)性統(tǒng)計結(jié)果

4 結(jié)論

本研究基于Sen趨勢分析法與Mann-Kendall顯著性檢驗，分析了2001—2020年云南省植被覆蓋和PM2.5濃度的變化趨勢，探究云南省植被覆蓋對PM2.5濃度時空分布的影響，并分析兩者之間的相關(guān)性。試圖彌補目前在PM2.5相關(guān)研究中缺乏將植被因素作為對象共同參與到時空分布變化研究中的不足，結(jié)果表明：

（1）云南省近20年間，植被覆蓋變化整體呈現(xiàn)上升趨勢，局部表現(xiàn)出退化趨勢，兩者占比分別為85.81%和14.18%，面積分別為338190.56 km2和55908.81 km2。

（2）云南省近20年間，全省PM2.5污染總體呈現(xiàn)下降趨勢，局部表現(xiàn)出不顯著增加趨勢，兩者占比分別為88.42%和11.58%，面積分別為348480.88 km2和45619.00 km2。其 中，PM2.5污 染 較 嚴 重 主要發(fā)生在NDVI高值區(qū)，中值區(qū)次之，在低值區(qū)的PM2.5污染較輕。3個等級區(qū)的PM2.5污染情況自2014年后均表現(xiàn)為顯著下降趨勢。

（3）2001—2014年間云南省植被覆蓋變化呈現(xiàn)波動趨勢，而PM2.5污染在2003年急劇上升后，在2004—2014年間總體呈現(xiàn)基本穩(wěn)定趨勢。在2014 —2020年間，植被覆蓋主要表現(xiàn)為上升趨勢，PM2.5污染表現(xiàn)為下降趨勢。

（4）在20年間的PM2.5濃度與植被覆蓋的相關(guān)性上，全省整體呈現(xiàn)負相關(guān)，局部表現(xiàn)為不相關(guān)，極少區(qū)域表現(xiàn)出正相關(guān)。三者占比分別為61.62%、31.55%和6.83%，面積分別為242854.38、124336.44和26909.19 km2。

對于大氣污染的防控治理措施中，增加植被覆蓋面積是一種有效的方法。2014年前，云南省的城鎮(zhèn)化經(jīng)濟快速發(fā)展，大氣污染等生態(tài)環(huán)境問題未得到足夠重視，其結(jié)果是PM2.5濃度的急劇上升且維持在較高水平。2014年后，國家出臺了多項大氣污染治理的相關(guān)政策，大氣污染問題得到重視。云南省的植被覆蓋上升，PM2.5污染得到了明顯的改善，并降至了20年間的最低點。作為探究植被覆蓋對PM2.5污染的影響，難以避免各種水體對計算植被指數(shù)及統(tǒng)計占比所產(chǎn)生的誤差，今后的研究重點是基于水體指數(shù)的監(jiān)督分類等方法，以減少全省眾多水體對研究的影響。