EN中文

Journal of Geo-information Science >

2015 , Vol. 17 >Issue 3: 290 - 299

DOI: https://doi.org/10.3724/SP.J.1047.2015.00290

Orginal Article

Impact Analysis of Land Use/Cover on Air Pollution

  • XU Shan , 1 ,
  • ZOU Bin , 1, 2, * ,
  • PU Qiang 1 ,
  • GUO Yu 1
Expand
  • 1. School of Geosciences and Info-physics, Central South University, Changsha 410083, China
  • 2. Shanghai Key Laboratory of Atmospheric Particle Pollution and Prevention (LAP3), Shanghai 200433, China;
*Corresponding author: Zou Bin, E-mail:

Received date: 2014-09-11

  Request revised date: 2014-10-28

  Online published: 2015-03-10

Copyright

《地球信息科学学报》编辑部 所有
Fold

Abstract

Land use/cover changes generally have complex effects on air pollution situations. Taking Chang-Zhu-Tan urban agglomeration as an example, this study investigated how do the air pollution concentrations vary with the land use/cover changes. In this process, the land use/cover was firstly retrieved from Landsat 8 images and was consequently used to calculate and map the landscape metrics. Meanwhile, concentration surfaces of PM2.5, PM10, NO2, and O3 in January, May, August and October were generated separately with the observed data from 23 stationary sites. After that, Pearson correlation coefficient was utilized to measure the relationships between concentration surfaces and land use/cover, as well as its landscape metrics. Results reveal that the highest average NO2 concentration occurred in the built-up and road areas, while the green spaces generally had lower concentrations. This situation was almost repeated by PM2.5 concentration all through the year except in spring, but was completely opposite to that of O3. However, impacts of land use/cover on PM10 concentration are relatively undeterminable due to the locally intensive industrial activities and building constructions. Analysis of landscape metrics further demonstrates that the increased index values of Perimeter-Area Fractal Dimension (PAFRAC) and Shannon Diversity (SHDI) were basically accompanied with higher PM10 and PM2.5 concentrations, respectively. Interspersion and Juxtaposition Index (IJI) were positively correlated with the concentrations of PM10, NO2, and PM2.5, however it was found negatively correlated with O3 concentration. In addition, findings from the “Ecological Green Heart” demonstration district suggest that the optimization of land use/cover pattern contributed only slightly to the decline of air pollution concentrations in this area. Therefore, it can be concluded that the air pollution concentrations in Chang-Zhu-Tan urban agglomeration were certainly influenced by its land use/cover pattern, and rational land use development activities would be helpful for reducing the air pollution concentrations in this area.

Key words： land use; urban air pollution; Chang-Zhu-Tan; “Ecological Green Heart” demonstration district; GIS

Cite this article

XU Shan , ZOU Bin , PU Qiang , GUO Yu . Impact Analysis of Land Use/Cover on Air Pollution[J]. Journal of Geo-information Science, 2015 , 17(3) : 290 -299 . DOI: 10.3724/SP.J.1047.2015.00290

1 引言

城市化意味着土地利用/覆盖及其景观格局的重大改变[1-4]。无序分散的城市扩张往往伴随着人类生产、交通等活动带来的污染排放增加和城市空气环境质量恶化[5-8]。长株潭城市群位于湖南省中东部,包括长沙、株洲、湘潭三市,自获批全国两型社会改革试验区以来,城镇化进程推进迅速[9],但区内空气质量状况不容乐观,2013年被环保部列为大气污染防治专项检查重点地区之一。生态绿心地区是政府规划位于城市群之间的城际生态隔离、保护区域。深入研究长株潭城市群土地利用/覆盖及景观格局变化与典型空气污染物浓度之间的关系,分析生态绿心区空气污染特征,对于指导区内土地利用活动的合理开发,开展空气污染防治和实现长株潭城市群两型社会可持续发展,具有重要的理论意义与实践价值。
土地利用/覆盖类型及其景观格局的改变,能间接反映污染物排放源的空间差异[10]。不合理的工业区用地、长距离交通用地是造成当前城市地区大气污染的主要原因[11],土地利用差异所导致的城市热岛也会对污染的扩散产生重要影响[12]。目前,已有学者开始关注土地利用格局对空气质量空间分布特征的影响,但多集中在对植被覆盖指数、建成区密度等单个要素,对空气质量的影响分析和在年均尺度探讨土地利用类型变化对空气质量的影响[13-17]。然而,宏观的土地利用/覆盖类型相对微观的土地要素空间配置关系,难以深度解释局地尺度土地开发活动造成的空气污染源排放特征差异[9];年均尺度下的土地利用/覆盖与空气质量间的关系通常也容易被气象等季节性因素所掩盖。
基于此,本研究以长株潭城市群核心区为对象,综合地理信息系统（GIS）和遥感（RS）技术,在年均和季节2个时间尺度,探讨土地利用/覆盖类型及其景观格局对城市空气污染时空分布特征的影响。与已往研究相比,本研究创新之处在于首次在年均与季节2个时间尺度,同时从宏观土地利用/覆盖类型及其微观景观格局双重角度,解析土地利用格局与空气污染特征的关系。

2 空气污染效应的图像识别处理与分析

2.1 土地利用/覆盖数据处理

在美国地质勘探局(USGS)全球可视化浏览器[18]下载长株潭城市群2013年7月31日2景Landsat 8（Path 123, Row 40&41）遥感影像,选取波段分辨率为30 m的8个波段进行合成。利用ENVI软件对合成影像进行大气校正、几何校正、镶嵌和裁剪处理后,依据前人经验[13-14,19]与研究区土地利用/覆盖特征,采用最大似然法将预处理后的合成影像分为建设用地、道路、裸地、耕地、水域、绿地和林地7类。长株潭城市群及其生态绿心区土地利用/覆盖分类与统计结果分别见图1和表1。表1中面积占比 = (Ai/A)×100%,式中,i = 1, 2, …7和Ai分别为土地利用/覆盖类型i的序号和面积;A为长株潭城市群全区土地总面积。
Fig. 1 The land use/land cover map of Chang-Zhu-Tan urban agglomeration

图1 长株潭城市群土地利用/覆盖图

Tab. 1 The area proportion of different land use/land cover types in Chang-Zhu-Tan urban agglomeration and its “Ecological Green Heart” district

表1 长株潭城市群及其生态绿心区各类土地利用/覆盖类型占比

总面积
（km2）		 各类土地利用/覆盖类型面积占比（%）
建设用地 道路 裸地 耕地 水域 绿地 林地
长株潭城市群全区 3425.18 21.55 1.63 1.04 12.69 3.43 46.16 17.43
生态绿心区 522.87 11.60 1.06 0.63 9.31 4.32 55.08 18.00

2.2 土地利用景观格局分析

相对土地利用/覆盖从宏观角度总体描述区域土地利用状况,景观格局分析着重于从微观角度测度土地要素的空间配置关系。景观指数是表征土地利用景观格局的有效指标[20]。参照相关报道 [19,21],结合长株潭城市群特点与空间幅度,选取类型级别斑块面积百分比（PLAND）、景观级别蔓延度指数（CONTAG）、散布与并列指数（IJI）、周长面积分维度指数（PAFRAC）、聚合性指数（AI）,以及香农多样性指数（SHDI）量化区内土地利用景观格局特征。景观指数计算通过软件Fragstats 4.0移动窗口法实现,结果如图2所示。各指数表达式及含义说明如下[20]：
PLAND = P i = ∑ j = 1 n a ij A × 100 （1）
CONTAG = 1 + ∑ i = 1 m ∑ k = 1 m P i g ik ∑ k = 1 m g ik ln P i g ik ∑ k = 1 m g ik 2 ln ( m ) （2）
IJI = - ∑ i = 1 m ∑ k = 1 + 1 m e ik E ∙ ln e ik E ln 0.5 m - m - 1 × 100 （3）
AI = ∑ i = 1 m g ii g ii       max × P i × 100 （5）
SHDI = - ∑ i = 1 m P i ∙ ln P i （6）
Fig. 2 The spatial distribution patterns of landscape metrics in Chang-Zhu-Tan urban agglomeration

图2 长株潭城市群景观指数空间分布格局

式中,i,k=1,2,…m是斑块类型序列号;j=1,2,…n为斑块序列号;pij、aij分别指斑块类型i的第j个斑块的周长和面积;N表示总斑块数;gik为斑块类型i与k相邻的网格单元数;eik为斑块类型i与k之间的总边界长度;E指景观包括背景在内的总边界长度;gii、gii max分别指斑块类型i所有斑块的邻接数和最大邻接数。CONTAG反映景观中不同斑块类型,网格单元的聚集程度,值越小斑块离散程度越高。IJI反映景观斑块的总体离散程度,值越小离散程度越低。PAFRAC表示景观形状的复杂程度,取值为1-2,值越大表示形状越复杂。AI表示相同类型斑块之间的凝聚程度,值越小,凝聚程度越低。SHDI反映景观类型多样性大小,值越高,土地利用类型越丰富,破碎化程度越大。

2.3 空气污染数据处理及其浓度分布格局

研究中使用的空气污染数据来源于湖南省环保厅环境质量实时发布系统[22],包括23个空气质量监测点（图1）,站点依据环境监测规范[23]设置,采样高度为3~15 m。获取2013年1-12月NO2、PM10、O3、PM2.5小时浓度观测数据,通过求算术平均值计算月均和年均浓度值。在实验对比分析反距离加权（IDW）、普通克里格（Ordinary Kring）和样条函数（Spline Function） 3种常用插值方法精度基础上,选择插值效果最佳的IDW方法生成长株潭城市群 NO2、PM10、O3、PM2.5的空气污染浓度图。成图过程中,在统计分析300、500、1000、1500和3000 m 5个不同分辨率栅格图各土地利用/覆盖类型NO2浓度均值的基础上,结合环境空气质量监测规范附则中对空气质量评价点的定义,选定1000 m为空气污染浓度图制图的空间分辨率,结果见图3。考虑数据缺失程度（1-12月数据缺失率分别为：7.08%、11.81%、2.45%、2.53%、2.13%、5.68%、2.98%、1.57%、0.8%、1.89%、2.44%、20.79%）和研究区季节划分情况（3-5月为春季,6-8月为夏季,9-11月为秋季,12月和1-2月为冬季）,选取数据缺失少、最具季节特征的5月（图3(a)）、8月（图3(b)）、10月（图3(c)）和1月（图3(d)）分别代表长株潭城市群春、夏、秋、冬4个季节,绘制城市群NO2、PM10、O3、PM2.5季节和年均（图3(e)）浓度空间分布图。
Fig. 3 The spatial distribution patterns of NO2、PM10、O3、PM2.5 concentrations in different seasons and the annual mean value in Chang-Zhu-Tan urban agglomeration

图3 长株潭城市群NO2、PM10、O3、PM2.5季节和年均浓度空间分布格局

2.4 空气污染特征及其浓度相关性

运用ArcGIS分区统计工具（Zonal Statistic Tool）分别统计春季、夏季、秋季、冬季和全年长株潭城市群各类土地利用/覆盖类型下的NO2、PM10、O3、PM2.5浓度均值。在此基础上,运用ArcGIS Intersect功能叠加空气污染浓度和景观指数图,组合对应栅格浓度值和景观指数值生成分析样本数据组,基于皮尔逊相关系数量化土地利用/覆盖及其景观格局与NO2、PM10、O3、PM2.5浓度的相关性。皮尔逊相关系数计算公式如下：
ρ X , Y = cov ( X , Y ) σ X σ Y （7）
式（7）中,cov(X,Y)表示2个变量之间的协方差,σX、σY分别表示2个变量的方差。皮尔逊相关系数用于度量2个变量间相关程度,值介于1和-1之间,1表示变量完全正相关,0表示无关,-1表示完全负相关[24]。

3 空气污染效应计算结果与分析

3.1 土地利用/覆盖类型与空气污染浓度

图4为2013年长株潭城市群空气污染浓度月均值变化曲线。从图4可知,在不区分土地利用/覆盖类型时,城市群内PM10和PM2.5浓度变化趋势一致,春、夏季节低,秋、冬季节高,在10月达到最大值（PM10:172 μg/m3;PM2.5:154 μg/m3）;最小值出现在7月（PM10:50 μg/m3;PM2.5:26 μg/m3）。O3冬季最低,2月最低浓度为45 μg/m3;春、夏、秋季节均较高,最高值（144 μg/m3）出现在10月。NO2与PM10和PM2.5的浓度变化趋势相似,12月均值最高（72 μg/m3）,7月最低（23 μg/m3）。
Fig. 4 The monthly concentration change of air pollution in Chang-Zhu-Tan urban agglomeration in 2013

图4 长株潭城市群2013年空气污染浓度月均变化趋势

相对不区分土地利用/覆盖类型而言,图5表明：长株潭城市群不同土地利用/覆盖类型与空气污染浓度间的响应关系存在差异。综合分析土地利用/覆盖分类结果（图1）和空气污染浓度空间分布格局（图3）可知,长株潭城市群核心城区建设用地NO2浓度最高,而西南部绿地、林地集中区域NO2较低,整个城市群建设用地NO2浓度均值亦高于相应林地均值（春季：36 μg/m3 VS 30 μg/m3;夏季：26 μg/m3 VS 23 μg/m3;秋季：52 μg/m3 VS 47 μg/m3;冬季：60 μg/m3 VS 52 μg/m3;年均：43 μg/m3 VS 37 μg/m3）。PM10浓度分布与土地利用/覆盖类型的关系相对复杂,在建设用地外围绿地与耕地零散夹杂分布地区,以及望城与湘潭县接壤地区浓度仍然较高。O3浓度在建设用地相对大面积集中区明显低于非集中零散分布小区,但在岳塘区和石峰北部林地区存在小面积高浓度区域,总体呈现外围高、中心低的趋势。各土地利用/覆盖类型PM2.5浓度均值差异在春季、夏季,以及年均尺度较小（<2 μg/m3）,但建设用地、道路及水域在秋季和冬季的PM2.5浓度（秋季：132、132、134 μg/m3;冬季：159、158、156 μg/m3）均高于林地PM2.5浓度（秋季：127 μg/m3;冬季：149 μg/m3）,建设用地总体上是PM2.5高浓度集中分布区域。
Fig. 5 Seasonal and mean annual concentrations of NO2、PM10、O3、PM2.5 under various land use/land cover types in Chang-Zhu-Tan urban agglomeration

图5 长株潭城市群各类土地利用/覆盖类型NO2、PM10、O3、PM2.5季节和年均浓度统计均值(单位：ug/m3)

与图5结果相似,表2 PLAND与空气污染浓度相关性分析结果,进一步定量证实了土地利用/覆盖类型对城市空气污染浓度的影响。不同时间尺度下土地利用/覆盖类型与各空气污染物浓度相关关系的显著性存在差异,相关系数的大小反映了相关关系的紧密程度。总体而言,长株潭城市群建设用地和道路面积占比与NO2、PM2.5浓度正相关、与O3浓度负相关,相关性强弱依次是NO2>PM2.5>O3。究其原因,建设用地与道路是以NO2为主要成分的机动车尾气排放的重要场地,PM2.5与O3由NO2经过化学/光化学反应生成的二次污染物组成,但与O3相比,PM2.5还与城市内部工厂废气排放等密切相关,由此造成了3种污染物与城市建设用地、道路面积占比的相关性差异。林地、绿地、耕地面积占比与NO2、PM2.5浓度负相关,研究结果与相关报道一致[13-14]。但林地面积占比与O3年均、春季、冬季浓度显著负相关,与先前报道结果相反[25]。土地利用/覆盖对PM10浓度特征的影响相对不稳定,建设用地、耕地面积占比与PM10浓度呈现负相关特征。分析原因：建设用地面积占比较小的望城南部与湘潭处于城镇化高速开发阶段（如其中的岳塘区2013年有多个项目密集开工）,建筑和工业扬尘带来的PM10排放[26]明显高于其他区域,造成了小比例建设用地对应高PM10浓度。表2说明长株潭城市群土地利用/覆盖,对空气污染物浓度变化的影响具有明显季节效应。道路面积占比与O3和PM10年均浓度相关性较小（ρX,Y:–0.04、0.09）,但与夏季、冬季O3浓度以及夏季PM10浓度的相关性明显增大（ρX,Y:-0.14,-0.16,0.17）。耕地面积占比与年均O3和PM2.5浓度相关性不显著但与夏季、冬季O3浓度显著相关（ρX,Y:0.11 VS-0.08）,与春季、夏季PM2.5浓度出现正负反复的显著性相关差异（ρX,Y:0.07 VS-0.12）。林地面积占比除与春季PM2.5浓度显著正相关外,与其他季节和年均PM2.5浓度均显著负相关。
Tab. 2 The correlation coefficients of air pollution concentrations and PLAND in Chang-Zhu-Tan urban agglomeration

表2 长株潭城市群各类型土地占比（PLAND）与空气污染浓度的相关系数

NO2 PM10
年均 春季 夏季 秋季 冬季 年均 春季 夏季 秋季 冬季
建设用地 0.34* 0.31* 0.23* 0.22* 0.27* -0.08* -0.06* -0.02 -0.07* 0.03
道路 0.21* 0.13* 0.19* 0.29* 0.07 0.09 0.05 0.17* 0.11 0.06
裸地 -0.07 -0.06 -0.10 -0.10 0.04 -0.06 -0.08 0.01 -0.07 0.02
耕地 -0.16* -0.15* -0.14* -0.14* -0.11* -0.07* -0.01 -0.16* -0.08* -0.08*
水域 -0.03 0.03 0.04 -0.07 -0.06 0.05 -0.04 0.03 0.06 0.06
绿地 -0.01 -0.04 -0.05* 0.04 0.01 0.04 0.01 0.12* 0.02 0.06*
林地 -0.34* -0.33* -0.27* -0.26* -0.26* 0.12* 0.30* -0.13* -0.05 0.06
O3 PM2.5
年均 春季 夏季 秋季 冬季 年均 春季 夏季 秋季 冬季
建设用地 -0.16* -0.02 -0.14* -0.21* -0.26* 0.32* 0 0.09* 0.14* 0.34*
道路 -0.04 -0.01 -0.14* 0.07 -0.16* 0.13* 0 0.16* -0.01 0.08
裸地 0.11 0.14 0.13 0.04 0.07 -0.07 -0.12 -0.19* 0.13 -0.02
耕地 -0.01 -0.05 0.11* 0.07* -0.08* -0.06 0.07* -0.12* -0.02 -0.07*
水域 0.02 0.10* 0 0.05 -0.06 0.03 -0.11* -0.05 0.28* -0.05
绿地 0.08* 0.02 0.03 -0.07* 0.29* -0.16* -0.06* 0.03 -0.22* -0.07*
林地 -0.20* -0.31* -0.02 0.16* -0.21* -0.19* 0.30* -0.14* -0.24* -0.26*

*表示在0.01水平上显著相关

3.2 土地利用景观格局与空气污染浓度

综合分析城市群内景观指数和空气污染浓度空间分布格局（图2、3）可知,长株潭城市群土地利用/覆盖型的微观景观格局,可用于揭示空气污染的空间分布特征。蔓延度指数CONTAG值高的长沙县南部、石峰区北部对应O3浓度较高;散布与并列指数IJI、形状分维数PAFRAC、聚合性指数AI值高的城市群核心区中西部与PM10和PM2.5浓度高值区域相对吻合;多样性指数SHDI较低区域PM2.5浓度值低。分析原因,长株潭城市群CONTAG高值区域位于湘江支流浏阳河两侧,优势斑块绿地和林地的连通性较好,对NO2、PM10和PM2.5的“负效应”得以充分发挥。相对而言,承载人类开发活动较多的城市群核心区中西部的望城和湘潭景观格局破碎程度高,PM10和PM2.5浓度相应较高。
表3为长株潭城市群2013年春季、夏季、秋季、冬季和年均尺度空气污染浓度与景观指数相关分析结果。总体来看,相关性结果的显著性在证实景观格局对空气污染存在指示作用的同时,也揭示了指示作用强弱随季节变化的特征。CONTAG在年均、冬季、春季与O3浓度显著正相关,但在夏季、秋季不相关。IJI与NO2、O3、PM2.5年均浓度显著相关（ρX,Y:0.10、-0.12、0.14）,但与冬季NO2、秋季O3、夏季PM2.5浓度几乎不相关（ρX,Y:0.01、0、0.01）;PAFRAC与冬季PM10浓度相关系数仅为-0.07,但与年均、春季、秋季PM10浓度强显著相关（ρX,Y:≥0.3）;SHDI与PM2.5浓度正相关特征出现在秋季、冬季及年均尺度（ρX,Y:0.17、0.11、0.13）,但此种相关性在夏季消失。
Tab. 3 The correlation coefficients of air pollution concentrations and landscape metrics in Chang-Zhu-Tan urban agglomeration

表3 长株潭城市群土地利用景观指数与空气污染浓度的相关系数

NO2 PM10
年均 春季 夏季 秋季 冬季 年均 春季 夏季 秋季 冬季
CONTAG -0.02 -0.02 -0.05 -0.05 0.09* -0.02 0.04 0.00 -0.04 0.05
IJI 0.10* 0.11* 0.12* 0.07 0.01 -0.05 -0.05 -0.04 -0.05 -0.05
PAFRAC -0.01 -0.11* 0.12* 0.32* -0.36* 0.30* 0.33* 0.16* 0.35* -0.07
AI 0.00 0.03 -0.02 -0.11* 0.11* -0.04 -0.06 0.02 -0.08 0.08
SHDI 0.05 0.01 0.06 0.08 -0.06 0.03 -0.04 0.04 0.06 0.00
O3 PM2.5
年均 春季 夏季 秋季 冬季 年均 春季 夏季 秋季 冬季
CONTAG 0.11* 0.10* 0.06 -0.03 0.22* -0.06 -0.09* 0.10* -0.08 -0.07
IJI -0.12* -0.05 -0.10* 0.00 -0.24* 0.14* 0.06 0.01 0.11* 0.12*
PAFRAC -0.02 -0.10* -0.22* 0.28* -0.11* 0.04 0.19* 0.17* 0.01 -0.11*
AI 0.06 0.07 0.09* -0.09* 0.13* -0.04 -0.08 -0.01 -0.03 0.01
SHDI -0.05 -0.02 -0.06 0.06 -0.18* 0.13* 0.06 -0.08 0.17* 0.11*

*表示在0.01水平上显著相关

此外,不容忽视的是,土地利用/覆盖及其景观格局的空气污染效应分析,多强调大致从宏观角度间接反映区域内部大气污染源排放的空间差异,如何耦合大气污染物扩散的物理化学机制充分揭示微观地貌景观,如河流、丘陵等对空气污染扩散的影响值得深入研究。事实上,区域空气质量多数情景下易受外源输入的影响。但在季节和年均时间尺度,外来污染源对区域内部空气污染浓度分布的贡献空间上相对均匀,因而,在城市高空间分辨率气象数据（如混合层高度）获取受限的条件下,从土地利用/覆盖及其景观格局与空气污染浓度关系分析的角度解析区域空气污染空间差异的成因不失为一种相对可行与可靠的手段。

3.3 生态绿心区空气污染浓度特征

长株潭生态绿心区建设的目的在于合理创新土地利用模式,科学管理自然生态资源,实现维持区域生态健康、提升城市群空气质量水平的目标[27]。分析生态绿心区空气污染特征可初步检验土地利用方式改变对于降低城市空气污染的效果。综合分析图1和图3可知,长株潭城市群建设用地覆盖率低、植被覆盖率高的生态绿心区内的NO2、O3、PM2.5浓度水平整体低于邻近地区。同时,整个城市群内NO2、PM2.5浓度最高值却出现在生态绿心区的石峰区与岳塘区交界地。生态绿心区PM10浓度均值高于城市群整体均值,大致呈现西高东低趋势,在岳塘区湘江沿岸达到最高。分析原因,一方面生态绿心区内的岳塘和浏阳市交界地集中分布了五一、仙人造水库2个自然保护区,保护区内聚集的林地、绿地对绿心区范围内的NO2、O3、PM2.5浓度具有“负效应”;另一方面,生态绿心区地处长株潭三市交接地,在长株潭城市群一体化建设过程中,区内高PM10浓度主要可归咎于各类工业发展和建筑开发活动对污染的“正效应”。

4 结论

在运用GIS和RS技术获取研究区土地利用/覆盖基础上,结合土地利用景观格局分析结果,本研究首次分年均和季节时间尺度,同时从宏观和微观角度解析了土地利用格局与空气污染浓度特征之间的关系。主要结论如下：
（1）土地利用/覆盖类型可影响空气污染浓度的空间分布特征。建设用地和道路面积占比越大,NO2、PM2.5浓度越高、O3浓度越低;林地、耕地面积占比越大,NO2、PM2.5浓度越低;土地利用/覆盖对PM10浓度特征的影响相对不稳定,主要受局地尺度工业发展和建筑开发活动影响。
（2）土地利用景观格局一定程度上,指示了空气污染浓度的空间分布特征。形状分维数、香农多样性指数和散布与并列指数值越大,PM10、PM2.5浓度往往相应高;蔓延度指数值越大、散布与并列指数值越小,O3浓度越高。
（3）宏观土地利用/覆盖类型及其微观景观格局,对NO2、PM10、O3、PM2.5浓度变化的影响程度,会随分析时间尺度（年均、季节）的变化而改变,其中PM2.5受季节性因素影响大。
（4）长株潭城市群生态绿心区整体上对区内NO2、O3、PM2.5浓度的上升有抑制作用,但对局地NO2和PM2.5浓度极高值、整个城市群PM10浓度的“负效应”作用不明显,生态绿心区保障长株潭城市群空气质量的效果尚未真正展现。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
刘纪远,张增祥,庄大方,等.20世纪90年代中国土地利用变化时空特征及其成因分析[J].地理研究,2003,22(1):1-11.

[2]
Zou B, Zeng Y N, Zhang H H.Effects of urbanization on land cover pattern: a case of Changsha, China[C]. 15th International Conference on Geoinformatics, Bellingham: SPIE-INT Soc Optical Engineering, 2007,6752:A7523-A7523.

[3]
张润森,濮励杰,刘振.土地利用/覆被变化的大气环境效应研究进展[J].地域研究与开发,2013,32(4):123-128.

[4]
范俊甫,马廷,周成虎,等.1992-2010年基于DMSP-OLS图像的环渤海城市群空间格局变化分析[J].地球信息科学学报,2013,15(2):280-288.

[5]
Stone B Jr, Mednick A C, Holloway T, et al.Is compact growth good for air quality?[J]. Journal of The American Planning Association, 2007,73(4):403-418.

[6]
Stone B Jr.Urban sprawl and air quality in large US cities[J]. Journal of Environmental Management, 2008,86:688-698.

[7]
Ridder K D, Lefebre F, Adriaensen S, et al.Simulating the impact of urban sprawl on air quality and population exposure in the German Ruhr area, Part I: Reproducing the base state[J]. Atmospheric Environment, 2008,42:7059-7069.

[8]
李龙,施润和,陈圆圆,等.基于OMI数据的中国NO2时空分布与人类影响分析[J].地球信息科学学报,2013,15(5):688-694.

[9]
曾永年,何丽丽,靳文凭,等.长株潭城市群核心区城镇景观空间扩张过程定量分析[J].地理科学,2012,32(5):544-549.

[10]
Schaufler G, Kitzler B, Schindlbacher A, et al.Greenhouse gas emissions from European soils under different land use: Effects of soil moisture and temperature[J]. European Journal of Soil Science, 2010,61(5):683-696.

[11]
Romero H, Ihl M, Rivera A, et al.Rapid urban growth, land-use changes and air pollution in Santiago, Chile[J]. Atmospheric Environment, 1999,33(24):4039-4047.

[12]
苗曼倩. 城市热岛对污染物扩散规律影响的数值模拟[J].大气科学,1999,14(2):4039-4047.

[13]
Weng Q H, Yang S H.Urban air pollution patterns land use, and thermal landscape: an examination of the linkage using GIS[J]. Environmental Monitoring and Assessment, 2006,117:463-489.

[14]
王伟武,陈超.杭州城市空气污染物空间分布及其影响因子的定量分析[J].地理研究,2008,27(2):241-249.

[15]
Bandeira J M, Coelho M C, Sá M E, et al.Impact of land use on urban mobility patterns, emissions and air quality in a Portuguese medium-sized city[J]. Science of the Total Environment, 2011,409:1154-1163.

[16]
Huang Y K, Luvsan M E, Gombojav E, et al.Land use patterns and SO2 and NO2 pollution in Ulaanbaatar, Mongolia[J]. Environmental Research, 2013,124:1-6.

[17]
Fameli K M, Assimakopoulos V D, Kotroni V, et al.Effect of the land use change characteristics on the air pollution patterns above the Greater Athens Area(GAA) after 2004[J]. Global Nest Journal, 2013,15(2):169-177.

[18]
USGS Global Visualization Viewer. 遥感影像[DB/OL]. 2013-12-12].

[19]
董明辉,魏晓,邹滨.城市化过程对土地覆被空间格局的影响研究——以湖南省长沙市为例[J].经济地理,2009,29(12):2001-2005.

[20]
Gustafson E J.Quantifying landscape spatial pattern: What is the state of the art?[J]. Ecosystems, 1998,1(2):143-156.

[21]
李娟娟. 上海城市景观格局演变及其生态安全影响研究[D].上海:复旦大学,2007.

[22]
湖南省环保厅.污染物监测数据[DB/OL]. 2014-1-21].

[23]
国家环境保护总局.环境空气质量监测规范(试行)[S]. 2007,10.

[24]
Rodgers J L, Nicewander W A. thirteen ways to look at the correlation coefficient[J]. The American Statistician, 1988,42(1):59-66.

[25]
唐明. 北京城区可吸入颗粒物分布与土地覆盖类型的关系研究[D].北京:首都师范大学,2011.

[26]
Wang J, Hu Z M, Chen Y Y, et al.Contamination characteristics and possible sources of PM10 and PM2.5 in different functional areas of Shanghai, China[J]. Atmospheric Environment, 2013,68:221-229.

[27]
湖南省长株潭“两型社会”建设改革试验区领导协调委员会办公室.长株潭城市群生态绿心地区总体规划(2010-2030) [ED/OL]. 2013-12-12].

Options
Outlines

/

〈 〉