论文部分内容阅读
随着我国城市化、工业化进程的加快,大气环境问题,特别是日益频发的雾霾问题引发公众广泛关注,而PM2.5则被广泛认为是导致雾霾的主要因素。定量分析植被覆盖对PM2.5浓度分布的影响是当前景观科学研究的一个重点与难点。研究表明,PM2.5浓度分布主要受气象条件制约,但地表景观,特别是植被景观对其也有显著影响,如何借鉴景观生态学格局与过程相互作用的研究理念,通过在空间上耦合植被覆盖与PM2.5分布,揭示不同尺度下植被与PM2.5的关系有待进一步研究。为了尽量减少气象条件对研究结果的干扰,显化地表植被景观对PM2.5分布的影响,本研究首先基于相同季节气象条件基本一致的假设,以南昌市中心城区为研究区域,采用2017年南昌市9个国家实时空气质量监测点PM2.5的实测数据与土地利用回归模型,进行样点加密,再利用空间插值,分四季高精度模拟南昌市中心城区各季节PM2.5浓度空间分布。其次采用各个季节典型月份的Landsat8-OLI影像,运用像元二分模型,基于归一化植被指数（NDVI）估算南昌市植被覆盖度,采用随机抽样的方式选取样点,以样点为中心,构建大小不同缓冲区,以此为耦合单元,分析了在不同尺度下两者关系,探讨了植被覆盖对PM2.5的影响方式。研究结果表明:1)选取合适的影响因子作为变量,建立LUR模型进行南昌市PM2.5浓度模拟,模型通过精度检验,该做法是可行的。2)南昌市中心城区PM2.5浓度在空间上呈现出郊区向城市中心递增的分布特征,在时间上则是明显的"冬季、春季浓度高,夏季和秋季浓度低"分布规律。3)研究区植被覆盖度时空分布差异较明显,春、夏、秋、冬四季都呈现出城市中心区域植被覆盖度低,城市周边覆盖度高的空间分布特点;研究区2017年春、夏、秋、冬四季植被覆盖度平均值分别为0.52、0.57、0.55和0.49,呈现出先升高后降低的趋势,四季植被覆盖度有一定的差异,并不十分明显;4)PM2.5与植被覆盖度浓度在本文研究选择的300m、500m、1000m、1500m缓冲区的空间尺度上,都呈较显著负相关关系;同一个季节不同尺度,以及不同季节同一尺度下的植被覆盖度对PM2.5浓度的影响具有一定差异。5)植被覆盖度对PM2.5浓度的影响方式比较复杂,不同的季节的表现方式具有一定差异,总体来说,PM2.5浓度与植被覆盖度曲线回归模型的拟合度优于线性回归模型拟合度,说明植被覆盖度与PM2.5浓度之间并不是简单的线性关系。6)不同的PM2.5浓度水平下,植被覆盖度对其浓度的影响程度存在差异,PM2.5浓度越高,植被覆盖度对其浓度的影响越明显。该研究可为耦合城市植被覆盖与PM2.5浓度提供了一定思路,也为通过定量分析优化城市植被格局缓解大气污染提供一定参考。本研究对定量分析植被覆盖对PM2.5浓度分布的影响,以及如何通过优化城市植被覆盖格局缓解大气环境的研究具有重要的借鉴价值。