基于遥感反演的三维绿量景观格局对气溶胶的影响.pdf

109基于遥感反演的三维绿量景观格局对气溶胶的影响The Influence of Three-dimensional Green Biomass Landscape Pattern on Aerosol Based on Remote Sensing Inversion摘 要：气溶胶污染对人居环境健康构成了严峻挑战，绿地是缓解气溶胶污染的重要有机生命体。既往研究集中于二维形态绿地与气溶胶的相关研究，对三维绿量景观格局与气溶胶空间规律的定量化研究很少。基于遥感影像提取AOD数据并结合三维绿量模型得到三维绿量，并计算三维绿量景观指数，然后运用相关分析和回归分析定量探讨了两者的相关和回归规律，进而基于地理加权回归探讨了两者的空间规律特征。研究揭示了：1)CA、PLAND、LPI、COHESION、AI的增加对降低气溶胶浓度具有核心作用，PD、LSI的增大对气溶胶浓度增加具有核心的促进作用；2)气溶胶与各指数因子都属于非线性关系，CA、PLAND、LPI与气溶胶浓度呈反比关系，而PD、LSI与气溶胶浓度呈正比关系，三维绿量调控气溶胶浓度的协同作用规律模型为Y=1.154 70.000 1CA0.007 2PLAND+0.029 1LSI；3)缓解气溶胶污染的三维绿量核心景观指数为CA、PLAND、LSI，其阈值分别为602、87.61和4.56，并提出阈值调控策略。旨在为风景园林规划设计提供参考。关 键 词：风景园林；三维绿量；景观格局；气溶胶；绿地；规划设计Abstract:Aerosol pollution poses a serious challenge to the health of human settlements,and green space is an important organic organism to mitigate aerosol pollution.Previous studies focused on the correlation between two-dimensional green space and aerosols,and few quantitative studies on three-dimensional green landscape pattern and aerosol spatial law.In this paper,AOD data is extracted based on remote sensing images and combined with the three-dimensional green quantity model to obtain the three-dimensional green quantity,and the three-dimensional green quantity landscape index is calculated.Then,the correlation and regression laws of the two are quantitatively discussed using correlation analysis and regression analysis,and then the spatial law characteristics of the two are discussed based on geographical weighted regression.The research reveals that:1)the increase of CA,PLAND,LPI,COHESION,AI plays a key role in reducing aerosol concentration;The increase of PD and LSI plays a key role in promoting the increase of aerosol concentration;2)The relationship between aerosol and each index factor is nonlinear.CA,PLAND,LPI are inversely proportional to aerosol concentration,while PD,LSI are proportional to aerosol concentration.The synergetic model of three-dimensional green amount regulating aerosol concentration is Y=1.154 70.000 1CA0.007 2PLAND+0.029 1LSI;3)The core landscape indexes of three-dimensional green quantity to mitigate aerosol pollution are CA,PLAND,LSI and their thresholds are 602,87.61 and 4.56 respectively,and threshold control strategies are proposed.The research aims to provide reference for landscape architecture planning and design.Keywords:landscape architecture;three dimensional green quantity;landscape pattern;aerosol;greenland;planning and design和全球尺度气溶胶空间分布特性的探测手段3。气溶胶污染问题是人类公共卫生安全和可持续健康发展面临的严峻挑战。据世界卫生组织统计，全球90%以上的人口呼吸着危险的高岳 峰 傅 凡*戴 菲 曾 辉 YUE FengFU FanDAI FeiZENG Hui气溶胶是悬浮在大气中的固态或液态颗粒物，大气气溶胶是雾霾形成的基础和前提1-2。气溶胶光学厚度(AOD)是衡量大气中气溶胶含量的重要参数。卫星遥感是目前唯一可以提供区域*通信作者(Author for correspondence)E-mail:浓度空气颗粒物，空气污染是全球最大的环境健康威胁，每年约有700万人因空气污染而过早死亡，而中国每年有120万人因此过早死亡4。美国健康效应研究所指出空气污染致人均预期文章编号：1000-6664(2023)07-0109-06DOI：10.19775/j.cla.2023.07.0109中图分类号：TU 986 文献标志码：A收稿日期：2022-04-14 修回日期：2022-09-01基金项目：中国博士后科学基金面上项目“基于控规管理单元和遥感反演的城市绿色空间数量与形态对气溶胶污染的影响研究”(编号2021M700205)、国家自然科学基金面上项目“消减颗粒物空气污染的城市绿色基础设施多尺度模拟与实测研究”(编号51778254)、广东省基础与应用基础研究基金项目区域联合基金“基于法定图则标准单元和遥感的城市绿色空间数量与形态对气溶胶的影响以深圳市为例”(编号2022A1515110654)和国家自然科学基金面上项目“基于热环境改善的城市绿地系统降减细颗粒物(PM2.5)质量浓度的研究以北京为例”(编号31570699)共同资助岳峰，傅凡*，戴菲，曾辉.基于遥感反演的三维绿量景观格局对气溶胶的影响.中国园林，2023，39(7)：109-114.110中国园林/2023年/第39卷/第7期寿命缩短20个月，全球每年死于空气污染的人数超过交通意外。联合国环境规划署及人居署技术合作伙伴IQAir于2019年发布的世界空气质量报告指出，中国大陆有47个城市跻身污染最严重的全球100个城市之列，且仅2%的城市达到世卫组织准则值，仅53%的城市达到中国空气质量二级标准，生态环境部2020中国生态环境状况公报指出我国135个城市空气质量超标，占比40.1%。在2021年112月168个重点城市空气改善幅度排名中，佛山、湘潭和武汉排名倒数前三。景观指数是能够高度浓缩景观格局信息,反映景观结构组成和空间配置等特征的定量指标,在景观生态学中广泛应用。尽管景观指数存在着不确定性、局限性，但它仍是描述景观空间组织结构的重要工具5，可以对景观形态特征进行量化呈现，因此常用景观指数来表达景观格局的形态等特征。三维绿量指植物茎叶所占据的空间体积6，叶面积指数(LAI)是每单位地表面积的单侧叶面积7，LAI越高，单位面积上叶面积越大，植物的层次、结构越丰富，生态效能越高，因此用LAI衡量三维绿量具有典型代表性。目前基于颗粒物与绿色空间的相关研究主要集中在对PM2.5、PM10、AOD等污染物与二维层面绿地的相关研究，并从数量或景观格局方面进行探讨8-15。王小平等研究发现AOD与景观指数PD、ED、LSI和AI之间均存在着高度相关性，且景观的组成和空间结构都影响着流域AOD的空间分布16。有学者基于遥感反演研究了植被覆盖度与AOD的量化关系，发现植被覆盖度10%和45%时，对缓解气溶胶污染具有显著作用17。也有学者发现PD、LSI、IJI是缓解气溶胶的核心景观指数指标18。既往研究主要揭示了影响PM2.5、PM10和气溶胶二维绿量的数量范围及不同指数的缓解能力。但对气溶胶与三维绿量景观格局的空间分布规律的定量化及风景园林规划设计调控策略的研究却鲜少涉及。这些问题制约了绿色空间缓解气溶胶的效能发挥，有待三维绿色空间理论的突破，以便为提升人居空气质量和风景园林规划设计提供参考。武汉作为中国中部中心城市，具有高密度的城市空间形态，山水林田罗布，污染主要来源于工业生产、燃煤、机动车和扬尘19。据武汉市生态环境状况公报统计发现，20142018年武汉处于污染的天数占比介于30%50%。武汉高密度的城市空间形态和严重的气溶胶污染，在大城市地区具有一定典型性。本文选取景观指数作为衡量三维绿量空间形态特征的指标，反演MODIS AOD数据，研究两者的统计相关规律和空间分布规律，并针对阈值提出规划设计的优化调控策略，旨在为相关规划设计及建设提供参考。1 数据源与处理方法 因受植被状况、天气及卫星运行周期及轨迹的制约，数据选取需要协调AOD与三维绿量在空间和时间上的互相匹配问题。由于植被具有连续成长性，而气溶胶具有流动性，为协调统一植被和气溶胶的确定性，尽可能减弱气象等其他因素的干扰，选取近年来连续5日晴朗无风天气中的中间天数，尽可能地排除风力、阴雨天气的影响，并获取当天或相近日期的三维绿量数据进行相关研究，尽可能保证数据科学严谨。最终选取2016年7月23日和8月1日的Landsat土地覆盖影像及2016年7月29日的MODIS AOD数据作为基础数据。1)三维绿量提取方法。首先进行样地LAI的实测：设置地面样地，运用冠层分析仪和地面测量方法对植物群落LAI进行精准实测和计算，得到样地的LAI；其次计算样地植被指数(VI)：在遥感影像上通过遥感分析计算实测样地的植被指数，然后建立LAIVI回归模型，发现武汉市LAI与比值植被指数(RVI)的3次多项式拟合性最好，R2为0.726，方程为Y=0.012X3-0.207X2+2.061X-0.50820(其中X为RVI，Y为LAI)；最后利用栅格计算器反演出武汉市的LAI分布图。然后运用ENVI 5.5对Landsat影像进行基础处理后，通过波段运算得到比值植被指数RVI空间分布图，从而反演得到LAI的空间分布图。运用ArcGIS 10.5软件将模型反演得到的LAI数据分割为3km3km的网格12，21，批量导入Fragstats中计算景观指数，导入ArcGIS得到各三维绿量景观指数的空间分布图，利于研究其景观指数的空间分布规律与AOD的统计分析关系。2)景观指数选取。景观指数作为衡量景观格局的重要指标，可以反映其空间形态。对绿地类型水平的格局分析，可以更好地把握绿地景观格局类型变化的特点。在类型水平上(Class-level)选择了7个指数11，14，可以较为全面地描述不同类型景观要素的特征(表1)。3)AOD的数据获取及处理。基于暗像元法22运用ENVI 5.5对AOD数据进行几何校正、云检测、气溶胶反演、裁剪后，运用modis aerosol lookup table工具构建中纬度夏季和冬季的大陆型都市(Urban)气溶胶查找表，然后运用ENVI Modeler进行二次开发，处理MODIS AOD数据，得到AOD的空间分布图。并将气溶胶污染级别划分为优(0.113 4 0.460 7)、良(0.460 80.664 1)、轻度(0.664 2 0.902 9)、中度(0.903 01.238 0)、重度及以上(1.239 02.235 0)5个等级(图1)。然后运用ArcGIS 10.5软件提取每个3km网格中的AOD平均值。2 三维绿量景观指数与AOD的规律探析 2.1 相关性分析 Pearson分析发现，选取的景观指数都与AOD在0.000水平呈极显著相关，其中CA、PLAND、LPI、COHESION、AI呈极表1 类型水平指数及其描述景观指数描述CA斑块总面积PLAND斑块面积占比。其值趋于0时，说明景观中此斑块类型十分稀少；其值等于100时，说明整个景观只由一类斑块组成LPI 最大斑块面积占比，其值的变化可以改变干扰的强度和频率，反映人类活动的方向和强弱PD斑块破碎度，值越大，破碎化程度越高LSI 形状指数，可衡量景观的复杂度，值越大，斑块形状越复杂AI 集聚度，反映斑块之间的聚集程度COHESION 连接度，反映斑块之间的连通程度111中国园林/2023年/第39卷/第7期显著负相关(P0.01)(表2)，相关系数分别为-0.632、-0.674、-0.696、-0.346、-0.599，说明三维绿量斑块面积、斑块面积占比、最大斑块面积占比、连接度和聚集度指数的增加对降低气溶胶浓度具有核心作用；PD、LSI与AOD在0.000水平呈极显著正相关，相关系数分别为0.304、0.454，说明斑块密度增加、景观形状指数复杂对气溶胶浓度增加具有核心的促进作用。2.2 相对最优回归模型的构建为进一步研究各绿地景观指数与AOD的变化规律，运用SPSS软件进行曲线预估，对绿地景观指数与AOD进行回归模型的构建。发现AOD与三维绿量景观指数的回归模型达到极显著水平(Sig.0.01)，R2在0.30以上，并通过了F值检验，模型满足要求，从而得到两者的相对最优回归模型(表3)。可见AOD与各指数因子CA、PLAND、PD、LPI、LSI、COHESION、AI都属于非线性关系，分别为立方、立方、幂、立方、幂、立方、立方关系，说明单因子对气溶胶浓度的调控不是线性变化的，气溶胶浓度不会随着单个景观指数的增大而不断变大或者变小。进 一 步 研 究 发 现 两 者 最 优 回 归 模 型为：Y=1.154 7-0.000 1CA-0.007 2PLAND+0.029 1LSI，其中模型调整后R2为0.596 1，系数显著性Sig.0，VIF3，标准化残差符合正态分布，Durbin-Watson(U)为0.936，排除了多重共线性问题，方程满足模型要求。2.3 三维绿量景观指数与AOD的空间分布规律 由于地理加权回归方法对各个变量是否存在多重共线性要求很高，选取多个变量容易产生多重共线性23。基于以上原因，为进一步探究两者的空间相关规律，通过最小二乘法回归OLS发现，CA、PLAND、LSI回归系数的P0.01，达到显著性水平，模型调整后R2为0.596 1，同时VIF92.77%的区域与AOD的空间关系表2 三维绿量类型水平景观指数与AOD的相关关系AODCAPLANDPDLPILSICOHESIONAI系数-0.632*-0.674*0.304*-0.696*0.454*-0.346*-0.599*Sig.0.0000.0000.0000.0000.0000.0000.000增加，对缓解气溶胶污染也具有积极作用。中心城区及其周边的纸坊片区、武汉经济技术开发区、吴家山经济技术开发区、盘龙城片区、阳逻片区、汉南区由于城市建设用地面积占比较大，以及蔡甸区的沉湖湿地保护区三维绿量普遍小于602hm2，污染较严重(图6)。该区域大多为用地性质复杂的建设用地，植被覆盖度偏低，三维绿量也较低，建设用地周围三维绿量斑块面积的增67891011表3 三维绿量类型水平景观指数与AOD的模型关系指数模型方程类型R2FSig.CAY=1.13-1.02E-3x+1.42E-6x2-1.38E-9x3立方0.4142350.00PLANDY=1.36-0.01x+1.92E-4x2-1.42E-6x3立方0.4732990.00PDY=0.611x-0.181幂0.3695860.00LPIY=1.36-0.02x+3.16E-4x2-1.95E-6x3立方0.4993310.00LSIY=0.308x0.421幂0.3064420.00COHESIONY=4.99-0.27x+5.46E-3x2-3.19E-5x3立方0.3601870.00AIY=1.73-0.05x+1.19E-3x2-8.02E-6x3立方0.4352560.00注：*代表两者在0.01水平极显著相关关系；Sig.=0，即P5.95的区域与AOD的空间关系率呈明显的反比关系(图9)。文本框三维绿量斑块面积占比PLAND(单位：%)小于等于87.61的区间内，形成中度和重度及以上污染区的概率值均大于22.31%；在大于87.61后，形成中度和重度及以上污染区的概率值降至18%以下；因此，三维绿量斑块面积占比PLAND形成中度及以上污染的阈值为87.61。大于92.77之后，形成中度和重度及以上污染区的概率值降至12%以下，并呈波浪形震荡。因此，三维绿量斑块总面积占比PLAND从无到有的增加，对缓解气溶胶污染同样具有积极作用，PLAND小于等于87.61的区间主要分布在中心城区的盘龙城、吴家山经开区及长江、汉江、府河沿岸的滨江绿地等城市用地区域及江夏区的梁子湖、鲁湖、斧头湖沿岸绿地(图10)，应加强该区域沿岸三维绿量的占比，借助新城开发，高标准建设生态城、公园城市，提高绿地率、立体绿化面积，结合海绵城市/片区的建设，拓宽滨水滨江绿地的横向宽度和竖向丰富度，通过规划管控将PLAND提高到87.61以上。三维绿量斑块面积占比大于92.77的区域，主要分布在基底较好的山体生态用地区域，如黄陂区素山寺森林公园-木兰湖风景区一线及黄陂区的农田区、江夏区东南部等低山丘陵地带和九峰山森林保护区，以及蔡甸区的九真山森林公园部分区域等(图11)，形成中度和重度及以上污染区的概率值降到12%以下。斑块占比形成中度和重度及以上污染区的概率值呈波浪形震荡可能是因为农田区域的存在、农作物的收割播种所致。该区域应通过省、市、区(乡镇)等不同行政级别的生态红线划定，落实核心保育区、一般保护区和缓冲区等不同管控级别的刚性管控，丰富竖向设计，防止开发建设导致生态本底被侵蚀退化。3.3 LSI缓解气溶胶污染的策略 文本框统计发现三维绿量景观指数LSI的占比数值空间与形成中度和重度及以上污染区的概率呈明显的正比关系(图12)。在三维绿量斑块形状指数LSI4.56的区域内，形成中度和重度及以上污染区的概率值基本上均小于22.31%；在大于4.56后，形成中度和重度及以上污染区的概率值均大于22.31%。因此，三维绿量斑块形状指数LSI形成中度及以上污染的阈值为4.56。当4.56LSI5.45时，AOD由10.81%激增到33.33%，大于5.95之后，形成中度和重度及以上污染区的概率值持续12131415114中国园林/2023年/第39卷/第7期参考文献：1 Sowden M,Mueller U,Blake D.Review of surface particulate monitoring of dust events using geostationary satellite remote sensingJ.Atmospheric Environment,2018,183:154-164.2 Chu Y,Liu Y,Li X,et al.A Review on Predicting Ground PM2.5 Concentration Using Satellite Aerosol Optical DepthJ.Atmosphere,2018,7(10):129.3 He Q,Gu Y,Zhang M.Spatiotemporal patterns of aerosol optical depth throughout China from 2003 to 2016J.The Science of the Total Environment,2018,653:23-35.4 Lim S S,Vos T,Flaxman A D,et al.A Comparative Risk Assessment of Burden of Disease and Injury Attributable to 67 Risk Factors and Risk Factor Clusters in 21 Regions,1990-2010:A Systematic Analysis for the Global Burden of Disease Study 2010J.Lancet,2012,380(9859):2224-2260.5 刘宇，吕一河，傅伯杰.景观格局-土壤侵蚀研究中景观指数的意义解释及局限性J.生态学报，2011，31(1)：267-275.6 刘立民，刘明.绿量：城市绿化评估的新概念J.中国园林，2000，16(5)：32-34.7 Chen J M,Black T A.Defining leaf area index for nonflat leavesJ.Plant,Cell&Environment,1992,15(4):421-429.8 Guo Y J,Hong S,Feng N,et al.Spatial distributions and temporal variations of atmospheric aerosols and the affecting factors:a case study for a region in central ChinaJ.Int J Remote Sens,2012,33(12):3672-3692.9 Shi H,He Q Q,Zhang W T.Spatial Factor Analysis for Aerosol Optical Depth in Metropolises in China with Regard to Spatial HeterogeneityJ.Atmosphere,2018,9(4):14.10 Wu H,Yang C,Chen J,et al.Effects of Green space landscape patterns on particulate matter in Zhejiang Province,ChinaJ.Atmospheric Pollution Research,2018,9(5):923-933.11 谢舞丹，吴健生.土地利用与景观格局对PM2.5浓度的影响：以深圳市为例J.北京大学学报：自然科学版，2017，53(1)：160-170.12 戴菲，陈明，朱晟伟，等.街区尺度不同绿化覆盖率对作者简介：岳 峰1988年生/男/河南南阳人/博士/北京大学城市规划与设计学院在站博士后/研究方向为景观规划设计与3S应用、景观生态(深圳 518055)傅 凡1974年生/男/天津人/博士/北京建筑大学建筑与城市规划学院教授/研究方向为园林史、园林生态/本刊编委(北京 100144)戴 菲1974年生/女/湖北武汉人/博士/华中科技大学建筑与城市规划学院景观学系系主任，教授，博士生导师/研究方向为规划学科研究方法、绿色基础设施、城市绿地系统(武汉 430074)曾 辉1964年生/男/辽宁凤城人/博士/北京大学城市规划与设计学院教授/北京大学城市与环境学院教授，博士生导师/中国生态学会景观生态专业委员会主任委员/国家林草局世界遗产专家委员会委员/研究方向为景观生态学及宏观资源环境科学、景观与区域生态风险评估、城市与区域生态规划及生态修复技术(深圳 518055)大于22.73以上，并呈波浪形震荡。因此三维绿量LSI的复杂化，会加重气溶胶污染。在LSI4.56的区域内，主要分布在黄陂区素山寺森林公园-云雾山-木兰文化生态旅游区-木兰湖风景区一线及梁子湖西、南侧的江夏区东南部乡镇等低山丘陵林地，气溶胶污染处于优良水平(图13)。应通过行政手段严格保护生态红线边界，在缓冲区边界内见缝插绿、丰富三维绿量，防止生态红线边界被无序开发建设。当LSI达到4.56以上且小于5.45时，AOD由10.81%激增到33.33%(图14)，区间的区域散布在都市发展区外缘，该区域易受城市扩张的影响，用地边界趋于复杂化，应通过相关规划设计建设措施，通过生态修复规划等柔化硬质下垫面的边界，将LSI降到4.56以下，充分缓解气溶胶污染。LSI大于5.95的区域主要与主城区、都市发展区和汉南区有高度的空间一致性，说明这些区域整体的斑块形状复杂度较高，污染以中度及以上级别为主，随着三维绿量斑块复杂度LSI的不规则化增加，污染加重，LSI达到15.9时，AOD污染呈中度、重度及以上污染的概率高达56.25%，主要位于中心城区(图15)。应通过城市修复、生态修补、山水林田湖草保护等手段见缝插绿，完善社区公园、公园绿地、广场用地、街头绿地等点状、块状绿地的边界完整度，优化绿地边界，使灰、绿基础设施边界朝规则化简单化发展，同时丰富优化三维绿量的乔灌草群落结构，打造稳定有弹性的三维绿量空间，尽可能降低LSI的值。4 结论 以武汉为例，从空间和统计学角度研究了三维绿量景观格局与AOD的关系。研究发现，三维绿量景观格局缓解气溶胶污染的核心景观形态指标为：CA、PLAND、LPI、COHESION、AI，绿地综合调控气溶胶浓度的协同作用规律模型Y=1.154 7-0.000 1CA-0.007 2PLAND+0.029 1LSI。进而通过地理加权回归探讨了两者的空间分布规律，最终提出三维绿量核心景观指数CA、LSI、COHESION缓解气溶胶污染的调控策略。可为缓解气溶胶污染角度的三维绿地布局及其优化提供理论参考。不足之处在于未考虑雨雪天气和季节因素的影响，也未考虑植被种类/群落的差异化影响。后续研究可从以下几个方面开展：1)从不同气候区进行更广泛的探讨；2)在城市或街区尺度进行针对行政管理单元的具体调控策略研究；3)结合区域林业普查资料，研究不同植物林分对气溶胶污染的差异影响。注：文中图片均由作者绘制。PM10、PM2.5的消减研究：以武汉主城区为例J.中国园林，2018，34(3)：105-110.13 戴菲，毕世波，孙培源.PM2.5消减效应导向下的城市绿色基础设施网络优化：以湖北省武汉市江汉区为例J.风景园林，2020，27(10)：51-56.14 陈明，戴菲.基于MSPA的城市绿色基础设施空间格局对PM2.5的影响J.中国园林，2020，36(10)：63-68.15 Ye L P,Fang L C,Tan W F,et al.Exploring the effects of landscape structure on aerosol optical depth(AOD)patterns using GIS and HJ-1B imagesJ.Environmental Science-Processes&Impacts,2016,18(2):265-276.16 王小平，张飞，井云清，等.艾比湖流域气溶胶光学厚度与土地覆被景观格局关联分析J.农业工程学报，2016，32(22)：273-283.17 岳峰，戴菲，郭晓华.基于遥感反演的武汉市空气污染物与植被覆盖度相关性研究J.风景园林，2019，26(1)：76-81.18 岳峰，戴菲，傅凡，等.基于时间序列遥感的武汉绿地景观格局与气溶胶光学厚度的相关性J.中国城市林业，2020，18(1)：13-19.19 王晓易.武汉首次公布PM2.5来源EB/OL.2016-04-22.http:/ 姚崇怀，李德玺.绿容积率及其确定机制J.中国园林，2015，31(9)：5-11.21 王佳，钱雨果，韩立建，等.基于GWR模型的土地覆盖与地表温度的关系：以京津唐城市群为例J.应用生态学报，2016，27(7)：2128-2136.22 Remer L A,Kaufman Y J,Tanre D,et al.The MODIS aerosol algorithm,products and validationJ.American Meteorological Society,2005,62(4):947-973.23 王雅楠，赵涛.基于GWR模型中国碳排放空间差异研究J.中国人口资源与环境，2016，26(2)：27-34.(编辑/金花)