楊 柳, 張?zhí)m怡, 胡喜生, 邱榮祖

(福建農(nóng)林大學(xué)交通與土木工程學(xué)院,福建 福州 350002)

隨著我國城市化進(jìn)程的不斷加快，城市大氣污染問題逐漸成為研究熱點(diǎn)[1,2].為了更好地模擬區(qū)域尺度的大氣污染濃度的時(shí)空分布，國內(nèi)外學(xué)者提出了許多研究方法，如污染物—?dú)庀笾鸩交貧w模型[3]、擴(kuò)散模型[4]、大氣數(shù)值模擬技術(shù)[5]，但上述方法對數(shù)據(jù)精度的要求高，難以獲得小范圍內(nèi)污染物濃度的空間變化.與上述方法相比， LUR模型[6]具有明顯的優(yōu)勢，數(shù)據(jù)精度要求相對低，模型構(gòu)建簡單，且能充分反映小尺度污染物濃度的空間分異，該模型在近年來逐漸受到關(guān)注[7-14].XU et al[15]利用LUR模型結(jié)合衛(wèi)星遙感和普通克里金法，研究中國PM2.5和NO2的空間分布，結(jié)果表明80%中國人口生活在超過PM2.5標(biāo)準(zhǔn)的地區(qū).陽海鷗等[16]探索了城市土地利用與大氣污染相耦合的新思路，利用LUR模型研究不同功能區(qū)大氣污染物分布.

福州市空氣質(zhì)量較好，但與國際標(biāo)準(zhǔn)相比還存在一定差距.本研究以福州市城市核心區(qū)為研究區(qū)域，根據(jù)各監(jiān)測點(diǎn)獲得的污染物數(shù)據(jù)和影響其空間分布的因素，以污染物濃度作為因變量，利用GIS獲取的研究區(qū)域內(nèi)道路交通、土地利用、人口密度、工業(yè)污染源等數(shù)據(jù)作為自變量建立回歸模型，探討各因素對污染物濃度的影響，分析城市污染物時(shí)空分布規(guī)律，為福州市城市中心區(qū)大氣污染防治提供參考.

1 研究區(qū)概況

福州市地處北緯25°15′—26°39′，東經(jīng)118°08′—120°31′，位于福建省東部、閩江下游及東海之濱.福州屬于典型的河口盆地，四周被群山峻嶺所包圍，海拔600～1 000 m，城市面積1 219.37 km2，包括鼓樓、臺(tái)江、倉山、晉安、馬尾、長樂等6個(gè)區(qū)，常住人口達(dá)390.5萬人.福州屬于亞熱帶季風(fēng)氣候，年均降雨量900～2 100 mm，年均氣溫20～25 ℃，年均相對濕度約77%;森林覆蓋率約57.8%，綠化程度高達(dá)88.6%.2017年福州市民用車輛擁有量達(dá)143.07萬輛，市區(qū)公路通車?yán)锍虨?42.63 km.

福州市區(qū)共設(shè)6個(gè)國家環(huán)境監(jiān)測控制點(diǎn)，根據(jù)較為密集的4個(gè)監(jiān)測點(diǎn)(點(diǎn)1～4)確定研究區(qū)域，如圖1所示.福州市為城市核心區(qū)，覆蓋了晉安區(qū)、鼓樓區(qū)、臺(tái)江區(qū)和倉山區(qū)部分地區(qū)，鼓樓區(qū)作為福州市文化中心，名勝古跡及自然景觀也較多，帶動(dòng)該區(qū)經(jīng)濟(jì)的發(fā)展，居民區(qū)密集，路網(wǎng)發(fā)達(dá)；晉安區(qū)和臺(tái)江區(qū)等主要為福州商貿(mào)中心，人流量較大，其旅游景點(diǎn)也較多；倉山區(qū)近年來逐漸發(fā)展起來，路網(wǎng)漸漸密集，居住人口也逐年上升，工業(yè)區(qū)也較多，因此產(chǎn)生的工業(yè)污染也較多.污染物(CO、NOx等)數(shù)據(jù)為2017年1月1日至2017年12月31日的監(jiān)測數(shù)據(jù)，監(jiān)測頻率為每5 min 1次，全年采集數(shù)據(jù)約10萬個(gè).由于福州市四季溫度變化不明顯，根據(jù)氣溫與污染物濃度變化趨勢將污染物數(shù)據(jù)分為暖季(5—7月)和冷季(11—翌年2月)進(jìn)行分析[17].數(shù)據(jù)來源于福州市環(huán)保局官方網(wǎng)站http://hbt.fujian.gov.cn/.本研究以站點(diǎn)周邊緩沖區(qū)各影響因素分布的形式來體現(xiàn)模型自變量[18]，考慮到監(jiān)測站點(diǎn)數(shù)量及分布情況，基于文獻(xiàn)[19]本研究的緩沖區(qū)半徑設(shè)為500 m、1 km、1.5 km和2 km 4種.

1.1 道路交通數(shù)據(jù)

路網(wǎng)數(shù)據(jù)是基于Landsat TM數(shù)據(jù)，并通過Google Earth矢量化后得到.近年來，機(jī)動(dòng)車尾氣污染也逐漸成為城市主要污染源之一，道路交通污染問題不容忽視.在建模過程中道路交通數(shù)據(jù)通常較籠統(tǒng)地以一定范圍內(nèi)道路總長[18]表示，而在實(shí)際中不同等級道路的實(shí)際交通量往往存在很大差異，即使同一等級不同路段之間也可能存在較大差別，因此采用上述方法并不能完全表征某一范圍內(nèi)的交通污染排放.機(jī)動(dòng)車尾氣排放和道路揚(yáng)塵排放主要與車流量和道路類型有關(guān)，因此本文采用基于交通量與道路類型的機(jī)動(dòng)車污染物排放“標(biāo)準(zhǔn)道路長度”的方法[20]，即假設(shè)存在這樣一條虛擬道路，該道路的單位長度計(jì)為單位標(biāo)準(zhǔn)道路長度，其交通流量定義為標(biāo)準(zhǔn)交通量.而道路折算系數(shù)是將不同類型道路的實(shí)際長度轉(zhuǎn)化為標(biāo)準(zhǔn)道路長度的折算系數(shù)，其大小是對應(yīng)類型的道路實(shí)際交通流量和標(biāo)準(zhǔn)交通流量的比值.采用該方法可進(jìn)一步探究道路交通帶來的污染，提高機(jī)動(dòng)車污染物排放空間分配方法精度，同時(shí)也可提高模型精度.本文基于交通量與道路系統(tǒng)機(jī)動(dòng)車污染物排放的“標(biāo)準(zhǔn)道路長度”空間分配的方法，以離主要道路距離來表征機(jī)動(dòng)車污染排放.“標(biāo)準(zhǔn)道路長度”計(jì)算方法表示如下：

(1)

式中，k(k=1,2,3,4；1為快速路，2為主干道，3為次干道，4為支路)為道路類型；UWk為城市第k種道路類型的路段道路折算系數(shù)；UTFk為城市第k種道路類型路段的交通流量；STF為標(biāo)準(zhǔn)交通流量，為自定義常量.

運(yùn)用ArcGIS 10.0，以監(jiān)測點(diǎn)為中心建立不同半徑(500 m、1 km、1.5 km、2 km)緩沖區(qū)；采用空間疊置分析法統(tǒng)計(jì)不同緩沖區(qū)內(nèi)不同類型道路的總長，再結(jié)合不同類型道路的實(shí)際交通量及標(biāo)準(zhǔn)交通量計(jì)算不同緩沖區(qū)內(nèi)的標(biāo)準(zhǔn)道路長度；并計(jì)算各監(jiān)測站點(diǎn)離主干道的最近距離.

1.2 遙感數(shù)據(jù)

遙感影像數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心(http://www.resdc.cn)，經(jīng)拼接、裁剪和坐標(biāo)變換等預(yù)處理后，利用ENVI結(jié)合監(jiān)督分類和目視解譯將影像解譯為耕地、林地、草地、水域、城市用地、未開發(fā)用地六大類，空間分辨率為30 m.考慮到其他用地對研究區(qū)域內(nèi)污染物的影響較小，將土地利用類型分為植被、水體、建設(shè)用地三大類.將土地利用柵格數(shù)據(jù)導(dǎo)入ArcGIS中，同樣以監(jiān)測點(diǎn)為中心建立不同半徑(500 m、1 km、1.5 km、2 km)緩沖區(qū)，通過空間疊置分析分別統(tǒng)計(jì)緩沖區(qū)內(nèi)3種土地利用類型的面積.

1.3 人口數(shù)據(jù)

福州市人口多，本研究參考文獻(xiàn)[16]中的方法，通過研究區(qū)域內(nèi)的行政區(qū)(倉山區(qū)、鼓樓區(qū)、晉安區(qū)、馬尾區(qū)、臺(tái)江區(qū))總?cè)丝跀?shù)及總建設(shè)用地面積求得各行政區(qū)平均人口密度；先利用ArcGIS計(jì)算出各監(jiān)測點(diǎn)緩沖區(qū)內(nèi)的建設(shè)用地面積，再進(jìn)行計(jì)算[21]，具體公式表示如下：

(2)

式中，RD為緩沖區(qū)內(nèi)人口密度；TP為行政區(qū)總?cè)丝跀?shù)；TA為行政區(qū)總建設(shè)用地面積；RA為緩沖區(qū)內(nèi)建設(shè)用地面積；A為緩沖區(qū)面積.

1.4 氣象數(shù)據(jù)

采用福州市2017年1月至12月每隔1 h的氣象數(shù)據(jù)(氣溫、濕度、降雨量)，統(tǒng)計(jì)出氣象數(shù)據(jù)的月平均值，探究其與污染物濃度的關(guān)系.數(shù)據(jù)來源于中國天氣網(wǎng)http://www.weather.com.cn/.

1.5 工業(yè)污染源

工業(yè)污染排放也是污染物的重要來源，從福建省重點(diǎn)污染源信息綜合發(fā)布平臺(tái)(http://wryfb.fjemc.org.cn)獲取了主要的廢氣排放企業(yè)的名單及地址，各監(jiān)測站點(diǎn)主要處于城市核心區(qū)，工業(yè)污染源較為稀疏，部分監(jiān)測點(diǎn)半徑1.5 km范圍內(nèi)無工業(yè)污染源，且理論上最大緩沖半徑與污染源和污染物的擴(kuò)散模式有關(guān)[22].梁娟珠等[23]研究表明，通過對福州市內(nèi)實(shí)測站點(diǎn)各大氣污染物濃度作地學(xué)統(tǒng)計(jì)分析，確定2 km為比較合適的抽樣間隔.因此，通過研究空間尺度、其他建模數(shù)據(jù)的空間分辨率[24]，將工業(yè)污染源的研究半徑取值2 km，即以各監(jiān)測站點(diǎn)2 km范圍內(nèi)的工業(yè)污染源個(gè)數(shù)作為反映工業(yè)污染源對監(jiān)測站點(diǎn)影響的指標(biāo).

2 LUR模型的構(gòu)建

采用時(shí)間序列的污染物濃度數(shù)據(jù)與地理相關(guān)變量分別進(jìn)行雙變量相關(guān)性分析，識別出與污染物濃度相關(guān)性最高的目標(biāo)地理要素，對識別出的地理要素與對應(yīng)的污染物濃度進(jìn)行多元線性回歸分析，得到多元線性回歸方程；然后在研究區(qū)域內(nèi)生成1 km×1 km的均勻網(wǎng)格，以每個(gè)網(wǎng)格中心作為預(yù)測點(diǎn)，計(jì)算各個(gè)預(yù)測點(diǎn)的相關(guān)地理變量值，經(jīng)過標(biāo)準(zhǔn)化處理計(jì)算各個(gè)網(wǎng)格點(diǎn)相應(yīng)的污染物濃度估計(jì)值，通過空間插值得到研究區(qū)域內(nèi)污染物濃度空間分布模擬圖，其流程圖如圖2所示.

2.1 影響因素的選取

地理變量分別由道路交通、土地利用、人口密度和氣象因素衍生而來.自變量緩沖區(qū)均設(shè)置為500 m、1 km、1.5 km、2 km.各個(gè)類型變量設(shè)置見表1，共28個(gè)子變量作為預(yù)測變量.

2.2 變量相關(guān)性分析

利用Pearson系數(shù)進(jìn)行雙變量相關(guān)性分析，識別出與各污染物濃度在暖季和冷季相關(guān)性較高的變量，即通過相關(guān)性檢驗(yàn)的變量(P<0.05)，以及最高排序變量，再去除每個(gè)子類別中與最高排序變量相關(guān)的變量(Pearson檢驗(yàn)r>0.6)，剩余變量進(jìn)行Stepwise線性回歸,構(gòu)建LUR模型.

2.3 模型構(gòu)建

本研究采用如下線性回歸方程：

W=α0+∑αi×Xi

(3)

式中，W為大氣污染物濃度；α0為常數(shù)，αi(i=1,2,…,n)為待定系數(shù)；Xi(i=0,1,…)為自變量.

根據(jù)污染物濃度數(shù)據(jù)和變量數(shù)據(jù)建立模型，具體算法包括以下步驟：將符合要求的變量進(jìn)行逐步回歸分析，進(jìn)一步剔除不同類別變量之間的共線性，并將不滿足t檢驗(yàn)(P>0.05)的變量剔除，重復(fù)上述步驟，得出最優(yōu)回歸模型.

2.4 回歸映射

在得到最優(yōu)回歸模型后，根據(jù)模型得到非監(jiān)測點(diǎn)的污染物濃度模擬值，并將模擬值導(dǎo)入ArcGIS中，利用克里金插值法模擬研究區(qū)域內(nèi)各污染物空間分布，實(shí)現(xiàn)污染物空間分布的可視化.

2.5 模型檢驗(yàn)

通過回歸映射結(jié)果得到各監(jiān)測點(diǎn)的平均模擬濃度，并計(jì)算各監(jiān)測點(diǎn)的誤差率.

(4)

式中，E為誤差率；S為根據(jù)回歸映射得到的污染物濃度模擬值；M為污染物濃度監(jiān)測值.

3 結(jié)果與分析

3.1 污染物平均濃度

從圖3可以看出，各個(gè)監(jiān)測點(diǎn)的污染物濃度的變化趨勢趨于一致，CO濃度為0.401～0.859 μg·m-3，NOx濃度為12.548～63.097 μg·m-3，位于晉安區(qū)的紫陽監(jiān)測點(diǎn)NOx、CO的平均濃度值最高，師大、楊橋西次之.從時(shí)間上看，5—8月各污染物濃度較低，11—翌年2月濃度較高.

3.2 相關(guān)性分析

通過Pearson相關(guān)性分析，分析了28個(gè)變量和污染物的相關(guān)性，得出污染物與變量的Pearson系數(shù)(表2).從表2可以看出，在暖季，與CO相關(guān)性較高的是500 m范圍內(nèi)建設(shè)用地面積，其次是2 000 m范圍內(nèi)植被面積；與NOx相關(guān)性較高的是500 m范圍內(nèi)植被面積，其次是2 000 m范圍內(nèi)標(biāo)準(zhǔn)道路總長.在冷季，與CO相關(guān)性較高的是1 000 m范圍內(nèi)建設(shè)用地面積，其次是2 000 m范圍內(nèi)植被面積；與NOx相關(guān)性較高的是道路距離，其次是500 m范圍內(nèi)的植被面積.

根據(jù)模型的設(shè)置將模型變量按其與污染物濃度的相關(guān)性進(jìn)行排序，找出每個(gè)子類別中排序最高的變量；再對各個(gè)子類別所包含的變量和對應(yīng)的最高排序變量進(jìn)行相關(guān)性分析，剔除最高排序變量Pearson系數(shù)大于0.6的變量，最終得到與各污染物相關(guān)性較高并進(jìn)入多元線性回歸的變量(表3).

3.3 多元線性回歸分析

將上述相關(guān)性較高的地理相關(guān)變量進(jìn)行標(biāo)準(zhǔn)化處理.以污染物濃度為因變量，以地理相關(guān)變量為自變量進(jìn)行逐步多元線性回歸，構(gòu)建多元線性回歸方程.

從表4可知，R2均較大，即模型擬合情況很好，解釋能力較強(qiáng).對回歸方程進(jìn)行F檢驗(yàn)，在顯著水平α=0.05下均通過F檢驗(yàn).

3.4 回歸映射

將進(jìn)入回歸模型的變量的1 km×1 km柵格數(shù)據(jù)代入方程，并進(jìn)行回歸映射，得出研究區(qū)域污染物濃度空間分布情況(圖4～5).

表2 雙變量相關(guān)性分析1)

1)*和**分別表示相關(guān)系數(shù)達(dá)到0.05和0.01的顯著水平.

表3 污染物與高相關(guān)變量

根據(jù)回歸映射結(jié)果得到各監(jiān)測點(diǎn)模擬濃度值.本研究隨機(jī)選取6月份及1月份的污染物數(shù)據(jù)進(jìn)行檢驗(yàn)，各監(jiān)測點(diǎn)的誤差率如表5所示，污染物CO的平均絕對誤差率為7.51%，污染物NOx的平均絕對誤差率為12.51%，說明構(gòu)建的LUR模型誤差小，可以精確地進(jìn)行研究區(qū)污染物濃度估計(jì).其中誤差最大的為NOx1月份快安站預(yù)測值，該點(diǎn)處于山體與居民區(qū)之間，受二者相互影響，污染物擴(kuò)散較為復(fù)雜.

3.5 回歸映射

從暖季和冷季兩個(gè)時(shí)期的濃度分布圖(圖4)可知，CO濃度在暖季時(shí)期為0.385～0.839 μg·m-3，均值為0.609 μg·m-3；在冷季時(shí)期為0.630～0.803 μg·m-3，均值為0.721 μg·m-3.CO濃度均呈現(xiàn)由外向內(nèi)逐漸升高的趨勢，濃度空間梯度變化明顯，且濃度高值區(qū)域分布相似.濃度高值區(qū)主要分布于鼓樓區(qū)、臺(tái)江區(qū)和倉山區(qū)部分地區(qū)，通過分析路網(wǎng)信息和土地利用數(shù)據(jù)發(fā)現(xiàn)，該區(qū)域路網(wǎng)密集，植被面積相對較少，土地利用類型主要為建設(shè)用地面積，說明頻繁的交通活動(dòng)和居民活動(dòng)會(huì)導(dǎo)致CO濃度升高.

NOx在暖季時(shí)期濃度為17.376～37.507 μg·m-3，均值為26.875 μg·m-3；冷季時(shí)期濃度為32.702～55.676 μg·m-3，均值為41.101 μg·m-3.在暖季，NOx濃度自南向北逐漸增大，并呈現(xiàn)由左至右逐漸升高的趨勢.高濃度區(qū)域主要分布于鼓樓區(qū)、晉安區(qū)和臺(tái)江區(qū)，倉山區(qū)濃度偏低.鼓樓區(qū)、晉安區(qū)和臺(tái)江區(qū)的道路密度、人口密度均較大，機(jī)動(dòng)車尾氣污染及人類活動(dòng)產(chǎn)生的污染相對較大，進(jìn)一步造成污染物的產(chǎn)生.在冷季，NOx高濃度區(qū)主要集中于鼓樓區(qū)和倉山區(qū)，其濃度呈現(xiàn)由右至左逐漸升高的趨勢；而在暖季位于臺(tái)江區(qū)的高濃度區(qū)在冷季則為低濃度區(qū)，通過分析發(fā)現(xiàn)該低濃度區(qū)路網(wǎng)相對稀疏，道路交通產(chǎn)生的污染源相對較少.位于倉山區(qū)的高濃度區(qū)路網(wǎng)雖更為稀疏，但NOx濃度偏高的原因可能是該區(qū)域工業(yè)污染源較多，說明該區(qū)域工業(yè)污染較為嚴(yán)重.

表4 土地利用回歸模型結(jié)果

表5 監(jiān)測點(diǎn)污染物濃度擬合結(jié)果

4 小結(jié)

通過相關(guān)性分析篩選出與污染物濃度相關(guān)性較大的地理相關(guān)變量，建立了污染物濃度模擬的LUR模型，并基于該模型以及空間插值法得到了較高分辨率的福州市城市核心區(qū)暖季和冷季污染物濃度的空間分布圖.本研究結(jié)果表明：

(1)在暖季，與CO、NOx濃度相關(guān)性最高的分別是緩沖區(qū)(500 m)的建設(shè)用地面積和植被面積，Pearson系數(shù)均為0.962；在冷季，與CO濃度相關(guān)性最高的是1 000 m范圍內(nèi)建設(shè)用地面積，Pearson系數(shù)為0.922；與NOx濃度相關(guān)性最大的是道路距離，Pearson系數(shù)為-0.732.

(2)CO的LUR模型R2在暖季和冷季分別為0.972和0.784，NOx的LUR模型R2在暖季和冷季分別為0.998和0.969，且上述模型均通過F檢驗(yàn)，模型回歸效果顯著，符合研究區(qū)域污染物濃度分布的實(shí)際情況，具有一定的指導(dǎo)意義.

(3)對比各污染物空間分布發(fā)現(xiàn)，CO高濃度區(qū)主要集中于鼓樓區(qū)、臺(tái)江區(qū)和倉山區(qū)，NOx高濃度區(qū)主要集中于鼓樓區(qū)和臺(tái)江區(qū).