北京市中心城区绿地空间布局...M_(2.5)的关联性研究_王珏.pdf

第 39 卷 第 1 期2023 年 2 月北 京 建 筑 大 学 学 报Journal of Beijing University of Civil Engineering and ArchitectureVol 39No 1Feb 2023文章编号:2096 9872(2023)01 0044 09北京市中心城区绿地空间布局与 PM2.5的关联性研究王珏1，徐海韵1，岳峰2，傅凡1(1 北京建筑大学 建筑与城市规划学院，北京100044;2 北京大学 城市规划与设计学院，深圳518055)摘要:PM2.5作为我国大气环境的主要污染物之一，对社会经济和公众健康都有较大的危害。绿地通过干沉积、降低环境温度等途径具有降减 PM2.5浓度的作用。基于 2021 年北京中心城区监测站点 PM2.5数据和高清影像，借助反距离加权插值、监督分类、景观指数、相关性分析，探究 PM2.5和绿地的空间分布规律及两者的内在关联。结果表明:PM2.5年均值呈现北部、西南部低，中部和东部高的空间特征;绿地总体呈现由外环向内环逐渐减少的空间特征;城区绿地空间布局对 PM2.5浓度有显著影响，尤其表现在春秋两季;SPLIT、LPI 是影响 PM2.5最重要的景观指数;PLAND、COHEION、LPI 与 PM2.5浓度呈显著负相关，而 SPLIT 与 PM2.5浓度呈正相关;LSI 与 PM2.5浓度无显著相关。研究结果可为绿地空间优化及 PM2.5污染防治提供依据。关键词:PM2.5浓度;城市绿地;空间布局;景观指数;绿地规划中图分类号:TU986.2文献标志码:ADOI:10 19740/j 2096-9872 2023 01 06开放科学(资源服务)标识码(OSID):收稿日期:2022 12 15基金项目:国家自然科学基金项目(31570699);中国博士后科学基金面上项目(2021M700205);北京建筑大学研究生创新项目(PG2020014)。第一作者简介:王珏(1997)，女，硕士，研究方向:城市园林绿地规划与设计。esearch on the Correlation Between Green Space Layout andPM2.5in the Central Urban Area of BeijingWANG Jue1，XU Haiyun1，YUE Feng2，FU Fan1(1 School of Architecture and Urban Planning，Beijing University of Civil Engineering and Architecture，Beijing 100044;2 School of urban planning and design，Peking University，Shenzhen 518055)Abstract:PM2.5，as one of the major pollutants in Chinas atmospheric environment，poses a greater riskto both socio-economic and public healthBased on PM2.5data and high-definition images frommonitoring stations in central Beijing in 2021，the spatial distribution pattern of PM2.5and green areasand their intrinsic correlation were explored with the help of inverse distance interpolation，supervisedclassification，landscape index and correlation analysis The results show that:annual average PM2.5values show a spatial pattern of low values in the north and south-west and high values in the centre andeast The overall spatial characteristics of the green space show a gradual decrease from the outer ring tothe inner ring The spatial layout of urban green spaces has a significant influence on PM2.5concentration，especially in spring and autumn;SPLIT，LPI are the most important landscape indices affecting PM2.5;第 1 期王珏，等:北京市中心城区绿地空间布局与 PM2.5的关联性研究PLAND，COHEION and LPI have a significant negative relationship with PM2.5concentration，whileSPLIT has a positive relationship with PM2.5concentration;LSI has no significant correlation with PM2.5concentration The results of the study can provide a basis for green space optimization and PM2.5pollution prevention and controlKeywords:PM2.5concentration;urban green space;spatial layout;landscape index;green space planning随着经济的快速发展、城市化进程的加快、气候的变化以及人类活动的持续增加，生态环境问题也大量 出 现。其 中，以 细 颗 粒 物(Fine ParticulateMatter，PM2.5)为首的城市空气污染成为我国的首要环境问题1。PM2.5易于吸附微生物和病原体，具有跨区域传输、在空气中长时间滞留的特点，其浓度的增加会导致雾霾现象发生，对人类的生活和身体造成严重的影响2，3。2013 年，北京市 PM2.5年均浓度达到 89.5 g/m3，超出国家二级标准(35 g/m3)155.7%，是世界卫生组织限值(10 g/m3)的近 9倍。为此，北京市出台了北京市大气污染防治条例，开展“一微克”行动，实施“三年蓝天保卫战”等，收效显著，2021 年北京市 PM2.5年均浓度为33 g/m3，首次达到国家二级标准，但仍超出国家一级标准 18 g/m3。因此，北京市 PM2.5污染治理仍旧不可松懈。已有研究表明，城市绿地通过植物吸附和滞留在空气中的 PM2.5，对降低 PM2.5浓度有着重要的作用4 6。植物对土壤的有效覆盖也能够减少地面悬浮的尘土颗粒，戴菲等7 发现城区绿化覆盖率增加10.0%，PM2.5浓度将降低约 7.6%。佘欣璐等8 发现2017 年上海市每公顷绿地可以滞留约10.5 kg 的PM2.5。然而，在城市空间中仅通过增加植物数量、提高绿化覆盖率以达到降低 PM2.5的目的较难实现。因此，探究绿地的空间布局与 PM2.5的关系显得尤为重要。宋海啸等9以徐州为研究区，研究绿地景观格局与 PM2.5的关系，发现绿地面积占比与 PM2.5浓度具有明显的负相关性。雷雅凯等10通过对郑州市9 个监测站的 PM2.5数据和卫星影像进行关联分析，发现 1 3 km 尺度上夏季 PM2.5浓度与最大斑块指数呈显著正相关。陈明等11借助景观指数量化武汉市 9 个绿地，并与 PM2.5建立联系，发现随着部分形态指标的增大，空气中 PM2.5浓度逐渐降低。目前，绿地空间布局与 PM2.5的关联性研究较少，以超大城市高密度城区作为研究区的更是鲜有。本研究在探索北京市中心城区绿地、PM2.5空间分布的基础上进一步探究两者的关联性，期望从降减 PM2.5污染的视角为城市绿地优化提供参考依据。1研究区概况及方法1.1研究区概况北京市位于华北平原东北部，人口 2 188.6 万，总面积 16 410.5 km2，是我国的超大城市之一。北京市中心城区包括东城区、西城区、海淀区、石景山区、朝阳区和丰台区 6 区，分布有 12 个空气监测站点(图 1)。北京市中心城区建设水平较高，人口密度高于平均水平，是我国高密度城区的代表。同时，各区经济发展、交通流量、人口密度等 PM2.5影响因子较为接近，故将北京市中心城区设置为本次研究范围。城区西部主要为山地，其他大部分区域为平原地区。该地区为温带季风气候，夏季炎热，冬天干燥，春季和秋季较短。图 1北京市中心城区监测站分布Fig 1Distribution of monitoring points in thecentral area of Beijing注:图 1、图 3 图 6 基于审图号为 GS(2022)1873 号的标准地图制作，底图无修改。1.2数据来源PM2.5数据为2021 年3 月至2022 年2 月北京市环境保护检测中心提供的各监测站点每日空气污染54北 京 建 筑 大 学 学 报第 39 卷实时数据。其中，2021 年 5 月 7 日数据缺失。根据北京市的气候条件，规定 2021 年 3 5 月为春季，6 8 月为夏季，9 11 月为秋季，2021 年 12 月至2022 年 2 月为冬季，计算监测站点各季节 PM2.5浓度均值。各缓冲区高清影像为 2020 年 8 月谷歌历史影像，分辨率 1.83 m，由 Bigemap 提供。北京市中心城区卫星影像为 2021 年 9 月 7 日 Landsat 8影像，所选影像云量较少，成像质量较高，由地理空间数据云提供。1.3研究方法1.3.1反距离加权插值反距离加权插值是一种较为常见的空间模拟方法，它认为 2 个对象的距离愈近，其特征愈接近。以插值点到样本点的距离作为权重进行加权平均，距离愈近，其权重愈大12。该方法所得结果较为平滑，可视效果好，常用于 PM2.5的空间模拟13。统计各监测站点全年和四季 PM2.5浓度均值，通过反距离加权插值法分析北京市中心城区 PM2.5全年和四季空间分布情况。1.3.2监督分类监督分类是指在一个特定训练场所内，选取特征变量，并抽取各种类型的样本，确定判别准则，将图像中的像元点归入相应类别的方法 14。分类前，对各影像进行配准、拼贴、裁剪。根据分类的精度要求，选择最大似然判别法对 Landsat 8 影像进行分类，揭示北京市中心城区绿地空间分布情况。大部分研究认为监测站点的 PM2.5数据能够代表0.5 4.0 km区域的 PM2.5情况。参考多数研究的做法 9，10，15，以监测站为中心，建立半径为 1 km、2 km、3 km 的圆形缓冲区，再运用最大似然判别法对缓冲区高清影像进行分类，获得各缓冲区绿地空间分布(图2)。1.3.3景观指数分析法景观指数是反映城区绿地空间形态特征与变化的有效手段，因而被广泛用于城区绿地空间布局的研究。将监督分类后的各监测站点 1 3 km 缓冲区shp 图像在 GIS 中转为 TIFF 格式，导入 Fragstats 中。随后根据以往的研究，在 Class 级别选择斑块所占景观面积比例(Percentage of Landscape，PLAND)、最大斑块指数(Largest Patch Index，LPI)、景观形状指数(Landscape Shape Index，LSI)、凝聚度指数(PatchCohesion Index，COHES