城市规划的视角下，武汉地区气溶胶光学厚度空间变化及其与土地利用/土地复盖的相关性监测

关键词：AOD污染，土地利用格局，城市化，空间分布，相关分析

气溶胶严重影响当地、区域和全球的环境条件、空气质量和公众健康。研究土地利用/土地覆盖(LULC)对气溶胶光学厚度(AOD)的影响有助于理解人类活动如何影响空气质量并制定合适的解决方案。利用2018年夏季Landsat 8影像和中分辨率成像光谱仪(MODIS)气溶胶产品进行LULC分类和AOD反演，对LULC和AOD之间的关系进行了空间统计和相关分析，研究了LULC与AOD之间的关系。结果表明，城市发展区夏季AOD分布表现出明显的“盆地效应”：AOD值集中在地势较低、周围有高楼大厦或高山环绕的水体。另外，武汉市夏季气溶胶分布表现出明显的“盆地效应”：较高的AOD值集中在地势较低、周围有高楼大厦或高山环绕的水体。AOD值与植被面积呈负相关，与水体、建设用地呈正相关。LULC对AOD的影响因环境不同而不同，表现为“背景效应”，在特定的景观背景下，归一化差异植被指数(NDVI)、归一化差异建立指数(NDBI)、归一化差异水分指数(NDWI)和AOD之间的回归关系比整个研究区强得多。这些发现为城市规划、土地利用管理和空气质量改善提供了可靠的依据。

引言

气溶胶是悬浮在空气中的固体或液体颗粒，粒径在0.001-10mu;m之间，通常以烟雾、灰尘、雾或霾的形式出现，不仅在局部尺度上对气候变化、环境状况和空气质量产生重大影响，而且在区域和全球范围内也产生重大影响[1-4]。气溶胶通过吸收或散射入射电磁辐射，对气候和环境有明显的辐射强迫效应[5，6]，并影响辐射能量平衡[7，8]。细颗粒物和PM2.5是空气动力学直径小于2.5mu;m的气溶胶，会严重危害公众健康[9，10]，对居民的呼吸系统和血液循环系统造成危害[11]。根据世界卫生组织的数据，全世界每年有700多万人死于PM2.5污染相关的疾病[12]。气溶胶被认为是影响空气质量和危害公众健康的主要空气污染物之一[13]。气溶胶光学厚度与PM2.5、PM0、NO2、SO2和O等主要污染物密切相关[15，16]，被广泛用于指示大气状况，代表空气污染水平，描述气候效应[13，17，18]。因此，气溶胶光学厚度及其驱动因素近年来备受关注[19-21]。

与自然气溶胶、土壤灰尘、火山灰和生物质燃烧等自然气溶胶相比，与交通、工业排放和家庭燃料燃烧等人类活动相关的自然气溶胶对城市及其附近地区的气溶胶污染贡献更大[23，24]。快速的城市化和工业化导致城市交通拥堵，工业排放增加。密集拥挤的城市居民增加了家庭燃油消耗和穹顶排放。此外，城市化极大地改变了城市的表面结构，原有的自然资源被密集的高楼取代[25]。紧凑的城市布局降低了风速，影响了气溶胶扩散，并导致污染物积累[26]。这就增加了气溶胶的数量和浓度。然而，由于下垫面和污染源的高度空间异质性，气溶胶浓度在城市上空是不连续的，并且是变化的。检测气溶胶光学厚度分布的空间复杂性及其对城市化的响应有助于理解人为活动对气溶胶污染的影响[27]。以往关于城市化与气溶胶光学厚度空间分布关系的研究证实，气溶胶光学厚度分布明显受当地气候、人口密度、社会经济条件和人类活动的影响[28-30]。然而，这些变量缺乏空间精度，难以直接获取。这限制了定量研究它们对AOD大尺度空间变化的影响。

土地利用/土地覆盖(LULC)结构或城市形态是城市化进程的直接结果[25，31]。LULC格局与人口密度、污染源和气象条件的空间分布密切相关，影响着AOD的分布和格局。利用遥感技术和地面调查研究了土地利用/土地利用变化、气溶胶光学厚度与气溶胶光学厚度相关污染的关系[32-35]。中分辨率成像光谱仪(MODIS)气溶胶产品提供了spa统计一致的数据，这些数据在最近几年得到了广泛应用[19，28，29，36-38]。例如，郭等人(2012)，利用MODIS反演的气溶胶2级C005产品研究了我国中部地区气溶胶光学厚度的空间分布、时间变化及其影响因素[20]。Li等人在年2014从10公里空间分辨率的MODIS气溶胶产品评估了广东省的气溶胶分布及其与土地利用变化、土地利用变化和社会经济因素的关系[29]。他等人，(2016)基于3公里空间分辨率的MODIS二级气溶胶产品，监测了中国上空气溶胶光学厚度的时空变化及其影响因子[37]。刘等人，(2020)基于空间分辨率为10公里x 10公里的MODIS产品，研究了土地利用变化和土地利用变化对中亚气溶胶光学特性的影响[38]。大量的研究集中在国家和区域的粗空间尺度上对气溶胶光学厚度的特性及其影响因素进行了研究。然而，无论是城市规划还是大气污染治理政策的制定和实施，在城市内部都较为活跃。

研究不同案例城市LULC对AOD及其相关污染的影响具有重要意义。在气象站记录和现场观测的基础上进行了广泛的研究[13，39-41]。它们有效地准确测量了不同环境下的气溶胶，并对气溶胶的大小、成分和浓度的空间变化提供了详细的解释[42]。然而，收集测量非常耗时且上下文敏感。研究结果的可靠性和无效性在很大程度上取决于测量点或气象站的数量、频率和布局[41]。地面测量的结论为在细尺度上减轻气溶胶污染的政策制定提供了可靠的支持，但缺乏对城市的同步看法[31，39]。它们不能满足面向城市规划的更大规模AOD评估的需求[43，44]。因此，有必要将城市作为一个完整的系统，对其中的气溶胶光学厚度的空间变化进行监测。然而，到目前为止，在城市尺度上对AOD分布及其对LULC的响应的研究很少[18，28，38]。

因此，本研究的目的是基于分辨率为30m的Landsat 8图像和分辨率为1 km的MODIS气溶胶产品，研究LULC对城市尺度上气溶胶光学厚度(AOD)的影响。具体目标是：(1)确定武汉市土地利用类型变化的空间格局；(2)监测城市尺度上AOD值的空间变化；(3)定量研究AOD与LULC相关变量之间的相关性；(4)检测不同背景下LULC对AOD变化的影响；(5)从城市规划的角度探讨研究结果的意义。研究结果可为土地利用管理和空气质量改善提供参考数据。

数据和方法

研究区域

湖北省省会武汉(113°410-115°050E，29°580-31°220 N)位于江汉平原东缘、大别山南麓(图1)。研究区海拔在19.2m~873.7 m之间，大部分地区在50m以下，市中心低而平坦，四周是低山丘陵。平原和丘陵分别占总面积的81.9%和18.1%。它属于亚热带季风气候，冬冷夏热。年平均气温在15.8℃到17.5℃之间，年平均降水量在1 150 mm到1 450 mm之间。年平均风速为1.56~2.73m/s，主要风向为NE和NE。夏季，风速相对较低且稳定，从西南方向的风速为1米/秒[45]。武汉的长江、汉江、梁子湖、塘逊湖、东湖等不同水体交织成纵横交错的水网。武汉有1100多万人口，总面积8500多平方公里。它由江安、江汉、桥口、汉阳、武昌、青山、红山、东西湖、汉南、蔡甸、江夏、黄皮、新洲等13个行政区组成。

图 1 中国武汉的地理位置

近年来，随着城市化和工业化的持续快速发展，武汉市空气污染严重，极端污染事件频发[46]。据记录，从2014年到2017年的四年间，武汉市约89.4%的日空气质量被评估为污染。主要污染物是PM2.5、PM10、NO2和O3，它们是气溶胶的主要成分或来源[47]。由于城市地区较高的建筑密度和较低的风速，高度发达地区的降尘污染水平高于清洁环境中的降尘污染水平[48]。武汉的空气污染程度(以AOD为指标)在空间异质性较高的空间上差异显著[49]。

基于MODIS数据的气溶胶光学厚度反演

多角度大气校正算法(MAIAC)是一种用于MODIS数据气溶胶反演和大气校正的新算法[50，51]。不同地区的地面气溶胶记录验证了MAIAC气溶胶资料的可行性和适用性[52，53]。MAIACAOD Level-2 Grided Products(MCD19A2)提供了空间分辨率为1 km、时间分辨率为1天的信息性数据。

由于其高空间分辨率和高精度[18，28，51]，被广泛用于监测城市尺度上的气溶胶光学厚度的时空变化。本研究利用2018年7月、8月和9月的MCD19A2产品，通过LAADS DAAC(数据门户：https://ladsweb.modaps.eosdis.nasa.gov/search/).)获取了夏季气溶胶光学厚度的变化。MCD19A2数据提供波长为0.47micro;m(蓝色波段)和0.55micro;m(绿色波段)的每日AOD值。在本研究中，由于质量相对稳定，因此选择0.55micro;m的AOD值。

为了减轻气象条件对气溶胶光学厚度检测的影响，剔除了在阴天、雨天和刮风天获得的每日气溶胶光学厚度数据。剩余的51个MCD19A2产物首先用MODIS再投影工具(MRT)从HDF One转换成Tiff格式，然后再投影到WGS_1984_UTM_Zone_50N坐标系。由于AOD0.55micro;m波段像素的比例因子为0.001，因此在AOD0.55micro;m波段进行AOD值统计之前，需要将像素值减少1,000倍[54]。经基本处理后，用ArcGIS10.2软件(美国加利福尼亚州雷德兰兹的ESRI)对MCD19A2的日平均AOD值进行平均，得到夏季的平均AOD值。使用克里金插值方法填充由于云和水蒸气而丢失AOD值的像素[55]。根据研究区域的边界，在ArcGIS中对武汉市AOD值的空间分布进行遮蔽和裁剪。

基于Landsat 8的土地利用类型分类

2.3.1. 监督分类方法

在这项研究中，使用2018年9月15日获取的30米分辨率的Landsat-8 OLI图像来绘制LULC模式。数据从美国地质勘探局(数据门户：https://earthexplorer.usgs.gov/))下载，云覆盖率小于10%，符合研究要求。遥感图像的数据预处理，包括几何校正、辐射定标、大气校正、图像增强、图像拼接和裁剪是在ENVI5.3(ITT VIS，Boulder，USA，Colorado，USA)中进行的[56]。

在ENVI5.3中采用监督分类方法，利用最大似然算法对图像进行分类。综合地表覆盖特征和AOD污染特征，将土地覆盖分为五大类：(1)农田：指农用地，包括旱地、菜地和水田，不包括果园。(2)森林：主要包括林冠覆盖率在60%以上的大面积常绿或落叶乔木/灌木。(3)绿化用地：指除森林以外的植被覆盖区域，包括草地、果园、疏林草原。(4)水体：包括河流、湖泊、湿地、水库、鱼塘等各类水体。(5)建设用地：主要包括工业区、商业区、居民区、交通设施等基础设施用地。对于每个LULC类别，随机选择超过250个样本来评估基于Google Earth校正的分类精度。分类后总准确率为87.64%，kappa系数为0.83。

2.3.2. NDVI、NDBI和NDWI的推导

归一化差异植被指数(NDVI)对植被敏感，反映了植被的绿色生物量和植物生长状况。它通常用来表示植被数量和植被覆盖度。它可以有效地消除或减小地形、大气辐射、云量和仪器定标误差对植被定量化的负面影响，因此在城市气候相关研究中得到了广泛的应用。NDVI综合了可见光和近红外反射光谱信息，可从

(1)

其中是红波段(波段4)的反射率值，是陆地卫星8号影像的近红外波段(波段5)的反射率值。NDVI值的范围为-1到1，其中正值表示植被面积较大，表示植被覆盖度较高，

剩余内容已隐藏，支付完成后下载完整资料

英语原文共 18 页，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[595894]，资料为PDF文档或Word文档，PDF文档可免费转换为Word