中国华东地区PM2.5浓度时空变化及与景观格局关联研究
施婷婷1,3，王帅2,3，杨立娟2,3，
陈伟强2，王奕2，高菁菁1
1. 闽江学院经济与管理学院；
2. 闽江学院地理与海洋学院；
3. 福州大学遥感信息工程研究所
基金项目：
国家自然科学基金青年项目，福建省自然科学基金面上项目，福建省自然科学基金青年项目，福建省社会科学基金项目，福建省发树慈善基金会资助研究项目，闽江学院引进人才科研项目
作者简介：
施婷婷，博士，副教授，主要从事环境资源遥感与GIS 应用研究
引用格式：
SHI Tingting，WANG Shuai，YANG Lijuan，et al.The spatial-temporal change of PM2.5 concentration and its relationship with landscape pattern in East China［J］.Remote Sensing Technology and Application，2024，39（2）：435-446.［施婷婷，王帅，杨立娟，等. 中国华东地区PM2.5 浓度时空变化及与景观格局关联研究［J］. 遥感技术与应用，2024，39（2）：435-446.］DOI：10.11873/j.issn.1004⁃0323.2024.2.0435
文章概述：
大气PM2.5是影响空气质量的首要污染物之一，如何有效监测和治理大气PM2.5浓度对我国生态环境质量的可持续发展具有重要意义。基于卫星光谱波段表观反射率、气象、土地利用等辅助
参数，以我国华东地区长江三角洲—福建连续区域（长三角—闽）为研究区，构建了随机森林（RF）模型来估算2016、2018 和2020 年长三角—闽区域的近地面PM2.5 浓度，并基于3 期土地分类数据，分析长三角—闽区域PM2.5浓度空间分布和景观格局的相关性。结果表明：①2016、2018 和2020 年长三角— 闽区域由RF 模型估算的PM2.5 浓度与地面实测值之间的R2 分别为0.91、0.89 和0.90；RMSE 分别为9.07、10.19 和8.03 μg/m3。②2016~2020 年间各年份长三角—闽区域的PM2.5 年均浓度呈现逐年降低的趋势，且空间分布总体呈“江苏>上海>浙江>福建”的格局。③合理管控耕地、建筑用地和水体的景观所占比例，降低其景观优势度和边缘密度有利于缓解 PM2.5 年均浓度；适当提高林地景观的占比、边缘密度和形状复杂度，均有利于降低PM2.5 浓度，且当其形成较大斑块，越有助于改善空气质量。研究结果可为区域大气污染防治和景观格局规划管理提供科学依据和决策参考。
讨 论
长三角—闽区域作为我国沿海经济带的重要组成部分，又是我国重要的生态屏障区2016~2020 年间，PM2.5 年均浓度总体呈现下降趋势，表明我国生态文明建设取得了重要的成效。然而，随着新冠肺炎疫情防控取得阶段性胜利，未来人类活动将进一步加剧，合理的国土空间规划及其景观配置成为管控PM2.5的重要手段。
基于系列遥感影像数据，利用随机森林模型反演PM2.5 数据为不同时空尺度上开展环境监测评价提供了良好的数据源。此外，本研究也将模型估算结果与China High PM2.5 数据集进行对比，结果表明，本研究模型估算的R2与China High PM2.5 数据集反演的结果（R2=0.92）较为一致；但该模型估算的RMSE 值低于China High PM2.5数据集（RMSE=14.71 μg/m3），这可能是由于China High PM2.5 数据集主要针对全国范围的PM2.5浓度反演，其数据动态范围较大，导致模型估算的结果出现地域偏差。而本研究主要针对长三角— 闽两个连续区域的PM2.5浓度估算，因此，所构建的模型误差较小。
目前，关于土地覆盖类型及其景观格局与PM2.5浓度的研究集中于单一城市，即对大区域尺度关注较少。将景观生态学融入到大气污染治理中，通过土地资源的有效配置以实现区域经济发展和生态环境治理的的有效统一，是当前区域可持续发展的迫切需求。此外，当前现有研究大多主要集中在基于整个行政区、基于监测点缓冲区和基于逐像元（移动窗口）3 种方法来测度景观格局指数，但各自存在有一定的局限性，比如以整个行政区作为研究对象导致样本较为单一，且难以有效挖掘空间内部细尺度的景观格局变化；对于基于监测点缓冲区方法，只有选择合适的尺度才能较为精准地反映景观格局的真实情况；基于逐像元（移动窗口）方法，移动窗口尺度难以确定最佳尺度，易导致研究结果存在失真的问题，如李琛等发现景观格局与PM2.5浓度的相关性多表征不显著且相关系数介于0.01~0.1 范围。因此，本研究基于县域尺度探究景观格局和PM2.5 浓度的关系，既保证了样本的充足性，又提高研究结果的科学性。
本研究从类型水平和整体水平两类景观格局来分析景观格局和年均PM2.5浓度的关系，不仅分析了林地、建筑用地和水体等具有明显影响PM2.5浓度的地类对空气质量的影响，同时也探讨了灌木、草地和裸地的景观格局对长三角—闽区域PM2.5 浓度升降的作用。此外，本研究还存在着一些局限，例如，主要探讨了长三角— 闽区域景观格局对年均PM2.5浓度的影响，并未从季节差异的角度来进一步分析季均PM2.5浓度与景观格局的相关性；景观格局对PM2.5浓度的影响存在一定的滞后性，且大气污染物的跨区输送也会影响区域的PM2.5 浓度。长三角和闽作为相连的两大区域，且长三角的年均PM2.5浓度远高于福建，故福建的PM2.5浓度除了受当地的气候、地形以及景观格局的影响，长三角污染物的跨区输送也在一定程度上影响福建的空气质量。因此，未来的研究方向将重点探讨季节差异和跨区输送这两大因素对区域PM2.5浓度的影响。
结 论
本研究基于卫星光谱波段表观反射率、气象、土地利用等辅助参数，构建了随机森林模型来估算2016、2018 和2020 年长三角— 闽区域的近地面PM2.5 浓度，分析了PM2.5 年均浓度的时空变化趋势，运用皮尔逊分析和显著性检验探讨长三角— 闽区域PM2.5 年均浓度与土地覆盖类型及其景观格局的相关性。主要结论如下：
（1）2016、2018 和2020 年长三角—闽区域由随机森林模型估算的PM2.5 浓度与地面实测值之间的R2分别为0.91、0.89 和0.90；RMSE 分别为9.07、10.19 和8.03 μg/m3，表明RF 模型的估算精度较高。
（2）2016~2020 年间，长三角— 闽区域的PM2.5年均浓度总体呈现逐年降低的趋势，且空间分布总体呈“江苏>上海>浙江>福建”的格局，这可能与当地的土地覆盖分布、产业的空间分布以及人类活动等密切相关。
（3）从类型水平景观格局来看，景观所占比例（PLAND）对 PM2.5 浓度的影响最为显著，但不同景观中斑块密度（PD）、最大斑块占景观面积比例（LPI）、边缘密度（ED）、形状指（LSI）和平均斑块面积（AREA-MN）也发挥不同的作用。合理管控耕地、建筑用地和水体的PLAND，降低其 LPI、ED有利于缓解 PM2.5 年均浓度。林地景观的 PLAND越大且形成较大斑块，越有助于改善空气质量，合理提高林地的边缘密度、形状复杂度均有利于降低PM2.5浓度。
（4）从整体水平景观格局来看，景观破碎度（PD）、边缘密度（ED）和均匀度指数（SHEI）的提高以及斑块结合度（COHES）、聚集度（AI）的降低，将导致PM2.5年均浓度的升高。
