江西省赣中地区景观格局对污染物的影响

摘要：随着城市化的发展，频发的大气污染对城市环境造成了严重威胁。本研究以江西省赣中地区为例，选取两时相（2015、2018年）土地利用分类图和同期大气污染物监测数据，基于“3S”技术探讨了不同时空尺度下城市景观对污染物浓度的影响。研究结果表明：赣中地区土地利用率很高，以林地为主，主要分布在研究区域外围，耕地次之，建筑用地第三。在政府推出节能减排政策和对工厂的整治下，2018年四种污染物浓度比2015年都有显著下降。NO2主要集中分布在赣中的中北部地区。PM10主要分布在赣中的中部和西部。PM2.5分布较为均匀，仅南部偏少。SO2主要分布在中部以及东北部。减少“污染促进型”的景观类型比例、提高“污染削减型”的景观类型比例是减少污染物浓度的较好景观配置，调整建筑用地的优势度、增大景观的多样性和破碎度，改善耕地、草地和林地的组合，适当减少耕地面积使其改造为林地或者水域，有利于污染物浓度的减少。

关键词：赣中地区；景观格局；污染物浓度

中图分类号：TU982

0 引言

大规模城市化建设对自然生态环境造成了一定的破坏，使下垫面的原有性质发生改变的同时，引发泥石流、水土流失等地质灾害的发生。整个城市形成热岛效应，原有的河网系统被破坏，降雨期间城市排水不畅，导致地面积水。城市化过程聚集了人口和产业活动，改变了土地利用方式，这对于整个城市的经济开发和人们之间的信息交流具有十分重要的意义。

近年来，随着赣中地区工业发展迅速，其空气污染发生频率也逐渐增加。大量研究表明，城市绿地不仅能够维持城市生态系统平衡，而且也能改善生态环境。但是在城市用地面积有限的前提下，很难实现仅通过增加绿地面积来改善城市生态环境，所以如何通过研究城市景观对污染物浓度的影响具有很现实的意义。从景观的角度，栾庆祖[1]指出城市景观格局影响城市内部温度、湿度、气压等气候条件的分布，同时改变城市大气的组成成分。关健[2]运用遥感和地理信息系统技术手段，探讨了不同时空尺度下景观指数和污染物浓度的相关性，研究发现景观格局的斑块密度、香浓多样性指数和污染物呈显著负相关，平均斑块面积指数和污染物显著正相关。孙敏[3]结合LUR模型和GIS空间分析，模拟基于城市景观格局的PM2.5空间分布，研究发现斑块面积占比指数和边缘密度指数与PM2.5浓度呈显著相关。Currie等利用UFORE模型[4]，认为市中心建筑物的绿色屋顶表面积增加10-20%将对所有公民的社会、财务和环境健康有利。吴志萍等研究表明[5]，合理规划安排树木配置结构,可以改善城市生态环境。周志翔等研究[6]指出绿地斑块平均面积越大、破碎度指数越低、绿化廊道比例越高，对大气环境改善的作用越显著。

综上所述，定量研究景观类型、景观格局和景观结构，探讨城市景观与大气污染物成分、浓度、滞留时间及消散的关系，通过改变和优化城市景观格局，形成有利于污染物沉降、扩散的城市景观格局，探索缓解城市大气污染的有效途径是切实可行的。

1 资料

1.1 研究范围

赣中地区主要包括吉安市和抚州市，位于江西中部，地处25。59’－28。30’N，103。48’－117。18’E之间，东西横跨208km、南北纵长218km，地形以平原、江南丘陵为主，水资源丰富。

图 1 赣中地区地理位置示意图

1.2 数据来源

土地利用数据来源于中国科学院资源环境科学与数据中心，包括赣中地区2015年和2018年两期数据（空间分辨率为1km），原始数据分为25个二级土地利用类型。大气污染数据采用2015年10-12月和2018年10-12月来自江西省环境监测总站的NO2、SO2、PM2.5、PM10站点逐时数据。

1.3 研究方法

根据土地利用分类规则，将数据原有的25种二级土地利用类型进行重新分类，将研究区域景观类型分为七类：耕地、林地、草地、水域、建筑用地、灌木和荒地（图2），再运用Fragstats软件，将景观尺度设置为特定大小和形状，再分别从斑块类型水平和景观水平上计算赣中地区土地利用类型的景观指数。以江西及周围各个点位监测点数据为样本点，对污染物浓度进行统计计算，运用反距离加权插值获得区域各污染物浓度分布图，再利用网格法将景观指数和污染物浓度统一网格化，运用SPSS软件分析同尺度下各景观格局指数和污染物浓度的相关性，探讨景观类型、结构和污染物浓度的耦合关系。

图 2土地利类型

2 结果

2.1 赣中地区景观分类与景观格局现状

本文将研究区域景观类型分为耕地、林地、灌木、草地、水域、荒地和建筑用地，以获得赣中地区不同景观类型分布图（图2）。再利用Fragstats4.2软件计算得到各景观格局指数（表1）。

表 1赣中地区不同景观类型结构特征

2.1.1 斑块类型水平景观格局分析

根据2015年和2018年赣中地区不同景观类型结构特征（表1）可知，赣中土地利用率很高，以林地为主，主要分布在研究区域外围，耕地次之，建筑用地第三。2018年与2015年相比土地利用结构变化较大，除建筑用地之外其他用地类型斑块面积百分比指数都下降，而建筑用地斑块面积百分比指数增加了0.2648%。根据斑块密度指数（PD）显示单位面积上赣中地区的耕地破碎程度最大，其次为建筑用地，林地第三，从2015年到2018年耕地、建筑用地破碎度增加，林地、草地的破碎度减小，表明当地居民依附土地生产生活大，以开发林草地资源为主。在所有景观类型中林地的最大斑块指数最大，2015年其最大斑块面积占总景观的37.4514%，表明林地为赣中地区优势斑块类型，其次为耕地，但是从2015年到2018年林地的最大斑块指数减少，耕地的最大斑块指数增加，间接反映了林地转向耕地的城市化过程。耕地、林地、水域和建筑用地的聚集程度均高达90%以上，连通度较好，而草地的斑块结合度较低，2018年仅为69.1024，分布较为分散。

2.1.2 景观水平景观格局

本文选取了斑块密度PD、最大斑块指数LPI、景观形状指数LSI、蔓延度指数CONTAG和香农多样性指数SHDI共5个指数来表征整体景观格局，由（表2）可知，2015年和2018年吉安市景观尺度水平斑块密度PD分别为6.365个/hm2、6.283个/hm2，破碎度呈减小趋势；最大斑块指数由37.4514%增加为37.884%，说明优势度不断增加，斑块间的面积差异在增大；景观形状指数增加了4.6243，表明斑块形状在复杂化，研究区的景观空间形态向着多样化趋势转变；蔓延度指数由73.1819减小为72.9563，表明景观连续性降低, 对应景观破碎度增加；香农多样性指数增加了0.0045，说明各景观类型多样性在提高，景观类型在景观空间呈均衡化趋势分布，优势组分对景观的控制作用减弱。

表 2赣中地区整体景观格局指数

2.2 污染物浓度空间分布

由于大气污染物的流动性，在区域尺度下对大气污染物浓度的特征分析需要突破行政边界，基于江西省及周边地市环境监测站的四种污染物浓度数据，利用ArcGIS软件，通过反距离插值，得到了赣中地区四种污染物的日均浓度分布图（图3）。从图上可知，2018年四种污染物浓度比2015年都有显著下降，这可归功于政府推出节能减排政策以及对工厂的整治。对NO2而言，2015年集中分布在中北部地区，这可能与西北部接壤的工业城市新余有关，2017年江西省各地明确燃煤小锅炉淘汰任务，通过开展联合督察、专题整治，共淘汰燃煤小锅炉500台，并有137家企业开展了VOCs专项治理，回收了2513家加油站和24座油库的油气，2018年赣中地区NO2浓度最大值有所下降。2015年到2018年PM10、PM2.5浓度显著下降，PM10浓度最大值由96.1707mg/m3减小到78.9115mg/m3，PM2.5浓度最大值由70.0907mg/m3减小到47.6019mg/m3，主要分布在西部和北部，这可能因为道路清扫的方式由干式转为湿式，降低大气扬尘概率，同时随着江西省常态化的“洗城行动”持续进行，城市精细化管理水平逐步提高，大气中尘埃或飘尘有较为显著的减少。SO2主要分布在中部以及东北部，2015年到2018年其浓度也有显著下降，这与2017年江西省委农工部、省政府办公厅、省环保厅、省农业厅有关部门组成督查组开展秸秆焚烧工作现场督察有关。

图3 四种污染物空间插值结果（a.2015年, b.2018年）

2.3 景观格局与污染物的耦合关系

在进行相关性分析之前，利用ArcGIS软件对赣中地区构建边长为8km×8km的网格，将经过反距离插值得到的污染物浓度分布结果根据网格大小按平均值分配到每个网格中，共得到808个有效单元格（如图4）。同理，通过Fragstats软件，选择移动窗口法，结合ArcGIS软件将景观指数计算得到的结果平均分配到有效单元格中，同样得到808个样本量，最后利用SPSS软件计算污染物和景观指数的相关性。

图4 污染物浓度和景观指数网格化

2.3.1 不同年份下4种污染物和整体景观格局的耦合关系

在景观水平上，对选取的5个景观指数分别与NO2、PM10、PM2.5、SO2 四种污染物做相关性分析，结果如表3。根据表3可知，2015年NO2与斑块密度PD、景观形状指数LSI、蔓延度指数CONTAG和香农多样性指数SHDI在0.01置信水平上呈显著正相关，与最大斑块指数LPI呈显著负相关，表明降低斑块破碎度、斑块形状越简单、降低斑块之间的连通性、降低斑块多样性有利于NO2浓度降低；而2018年NO2与各景观指数显著性突然消失，有待进一步探讨。2018年，PM10、PM2.5与斑块密度PD、景观形状指数LSI、蔓延度指数CONTAG和香农多样性指数SHDI呈显著正相关，与最大斑块指数LPI呈显著负相关，与2015年NO2和各类景观指数类似。2018年SO2与各景观指数均呈显著正相关。

表3 整体景观格局指数与4种污染物的相关性

注：**在0.01水平上（双侧）显著相关，*在0.05水平（双侧）上显著相关

2.3.2 不同年份下4种污染物和7种景观类型的耦合关系

在不同景观类型下，斑块类型水平景观与四种污染物浓度相关性表明（表4），耕地和建筑用地的斑块面积百分比指数PLAND、最大斑块指数LPI、斑块结合度COHESION与四种污染物浓度呈显著正相关，斑块密度指数PD与四种污染物浓度相关性不明显，说明降低耕地和建筑用地面积百分比、优势度、连通度有利于污染物的减少；林地斑块面积百分比指数PLAND、最大斑块指数LPI、斑块结合度COHESION与NO2、PM2.5、SO2浓度呈显著负相关，斑块密度指数PD与NO2、PM2.5、SO2浓度呈显著正相关，表明增加林地面积百分比、优势度、连通度和降低林地破碎度有利于污染物的减少；2018年草地斑块面积百分比指数PLAND、最大斑块指数LPI、斑块结合度COHESION与PM10、PM2.5、SO2浓度显著负相关，表明增加草地面积百分比、优势度、连通度有利于PM10、PM2.5、SO2浓度减少；在水域景观类型中，斑块面积百分比指数PLAND、最大斑块指数LPI、斑块结合度COHESION在0.01置信水平上与NO2、SO2浓度呈正相关；灌木和荒地的景观指数与各污染物浓度无显著相关性，可能与本研究区域内分布零星有关，故本研究不做讨论。

表4 不同景观类型景观格局指数与4种污染物的相关性

注：**在0.01水平上（双侧）显著相关，*在0.05水平（双侧）上显著相关

3 结论

本研究以赣中地区为例，选取两时相（2015、2018年）土地利用数据和同时期NO2、PM10、PM2.5、SO2浓度数据，基于3S技术利用相关分析法探讨了不同时空尺度下城市景观对污染物浓度的影响，得到了以下主要结论：

(1)赣中土地利用率很高，以林地为主，主要分布在研究区域外围，耕地次之，建筑用地第三。从2015年到2018年耕地、建筑用地破碎度增加，林地、草地的破碎度减小，表明当地居民依附土地生产生活大，以开发林草地资源为主。各景观类型所占比例差异减小，景观类型在景观空间呈均衡化趋势分布，优势组分对景观的控制作用减弱。

(2)2018年四种污染物浓度比2015年都有显著下降，这可归功于政府推出节能减排政策以及对工厂的整治。NO2主要集中分布于中北部地区。PM10主要分布在赣中的中部和西部。PM2.5分布较为均匀，仅南部偏少。SO2主要分布在中部以及东北部。 

(3)在景观类型上，作为大气污染“汇”的林地景观面积占比大，而建筑用地作为大气污染的“源头”占地较少，赣中地区整体污染情况较好。自然景观（林地、草地、水域）和半自然景观（耕地）对污染物浓度都具有一定的削减作用，是“污染削减型”的景观类型。而人工景观，即建筑用地景观是加重空气污染的景观类型，是“污染促进型”的景观类型。尽可能减少“污染促进型”的景观类型比例、提高“污染削减型”的景观类型比例是减少污染物浓度的较好的景观配置，而已经建成的建筑用地很稠密，无法大规模改变，可采取小幅度优化措施，集中调整景观斑块的优势度，利用灌木丛和行道树增大景观的多样性和破碎度，对于耕地、草地和林地，可以采用大规模优化的措施来改善景观类型的组合，以平衡各景观类型的面积，例如适当减少耕地面积使其改造为林地或者水域等。

参考文献: