网站首页 公文大全 个人文档 实用范文 讲话致辞 实用工具 心得体会 哲学范文 总结范文 范文大全 报告 合同 文书 信函 实用
  • 汇报体会
  • 节日庆典
  • 礼仪
  • 毕业论文
  • 评语寄语
  • 导游词
  • 口号大全
  • 其他范文
    • 百花范文网 > 实用范文 > 其他范文 > 云南省植被覆盖对PM2.5,时空分布的影响

    云南省植被覆盖对PM2.5,时空分布的影响

    时间：2023-03-22 20:20:04来源：百花范文网本文已影响人

    冯 祥，张学林，王建雄

    （云南农业大学 水利学院/云南省高校农业遥感与精准农业工程研究中心，云南 昆明 650201）

    随着工业化和城市化的快速发展，国内大气质量日趋严重，PM2.5污染已成为国内广泛关注的空气污染问题［1］。PM2.5浓度增加，居民在外界活动时更易受其影响，进而会增加患心血管和呼吸系统疾病风险，其减少可明显降低心血管疾病的死亡率［2-3］。2013年，我国正式启动了对PM2.5的监测工作。在2013年和2018年分别发布了《大气污染防治行动计划》［4］和《打赢蓝天保卫战三年行动计划》［5］，目前，国内的空气污染治理已取得了显著效果，而随着城市化的推进，部分地区的PM2.5仍维持在较高水平［6］。因此，如何在推进城市化的过程中减少PM2.5的污染是目前亟须解决的问题。

    目前，关于PM2.5污染的研究主要集中于PM2.5反演与时空变化分析［7-10］。通过分析时空变化分布特征可以有效凸显PM2.5的分布特征及推演精度，赵锐等［11］通过现有PM2.5数据及多种因子驱动关系建立了遥感反演模型，评估其空间差异性，为PM2.5的监测和防治提供科学依据；
    周敏丹等［12］在基于因子探测分析发现，植被指数是影响PM2.5变化最大的驱动因素，并且自然因素（尤其是植被指数）及自然因素与人为活动的交互效应对研究区起到了决定性作用；
    王嫣然等［13］在研究2013—2014年北京PM2.5时空分布规律及其植被覆盖度的关系中，采用了最大滤波算法LMF、回归分析等方法，结果表明：季均值浓度夏季最低，冬季最高，并且植被面积的增加对PM2.5质量浓度下降具有积极影响；
    杨玉莲等［14］在中国八大经济区PM2.5与植被覆盖的相关性研究中，从NDVI景观尺度和类型尺度分析了PM2.5污染的时空特征，再定量化NDVI景观格局指数对PM2.5的影响，研究表明：研究区植被覆盖较低区域并非都为PM2.5重度污染，PM2.5与NDVI景观格局指数相关性显著的区域较少。现有PM2.5反演中主要以AOD产品数据作为主预测量，反演后主要应用时空分布变化分析，较少涉及联合植被因素进行时空分布变化的深入分析。本研究试将植被覆盖与PM2.5浓度共同作为时空分布变化的分析要素，深入研究两者的关系，以期为相关政策制定提供科学参考依据。

    云南省地处中国西南地区，位于97°31′~ 106°11′E，21°8′~29°15′N，总面积39.41万km2，属低纬度内陆地区，地势呈西北高、东南低，自北向南呈阶梯状逐级下降，为山地高原地形，山地面积占全省总面积的88.64%。云南气候基本属于亚热带和热带季风气候，滇西北属高原山地气候。

    2.1 数据来源及预处理

    由于研究对象为长时间序列影像，考虑到数据稳定性，本研究采用了2001—2020年MODIS植被指数的16天产品数据（空间分辨率为250 m）以及全国2001—2020年县级PM2.5数据。上述数据通过重投影与拼接后，在ArcGIS软件中进行预处理，地理坐标统一为GCS_WGS_1984。采用克里金插值法将PM2.5数据进行插值处理，得到2001—2020年云南省PM2.5栅格数据；
    将20年植被指数分别进行月最大合成及年均值合成，获取以月、年为基本单位的时间分辨率序列影像，通过裁剪得到2001—2020年云南省NDVI栅格数据。

    2.2 研究方法

    2.2.1 Theil-Sen Median趋势分析 Theil-Sen Median也称为Sen趋势分析，是一种稳健的非参数统计的趋势计算方法［15］。该方法与最小二乘估计相比，对异常值更不敏感［16］；
    与其他参数检验方法相比，不需要测量值服从正态分布，不受缺失值和异常值的影响。目前，Sen趋势分析法被广泛应用于水文、气象、植被趋势变化相关研究中［17］，具体计算公式为：

    式（1）中，β表示斜率，β大于0表示时间序列呈现上升趋势；
    β小于0表示时间序列呈现下降趋势。n为时间序列长度。

    2.2.2 Mann-Kendall趋势检验 Mann-Kendall是一种非参数统计检验方法，其无须测量值服从正态分布，也不受少数异常值的干扰,具有检测范围广、定量化程度高的特点［18］。该方法适用于气象、水文等非正态分布数据，目前被广泛应用于分析植被、气温、水质等时间序列数据的变化趋势，通常结合Sen趋势分析进行显著性检验。Mann-Kendall趋势检验统计量S的计算公式为：

    本文研究的时间序列长度为n=20，Var(S)是统计量S的方差，其计算公式为：

    式（4）中，m为序列中重复出现的数据组数，ti为第i组重复数据组中的重复数据的个数。采用检验统计量Z进行趋势检验，Z值的计算公式为：

    结合Sen趋势分析，根据β值和Z值将长时间序列数据的检验结果划分为9个显著类别，如表1所示。

    表1 基于Sen和Mann-Kendall的趋势分析

    3.1 云南省NDVI的时空分布特征分析

    由于一元线性回归趋势分析需要变量之间满足线性相关关系，为排除变量影响，基于Sen趋势法分析和Mann-Kendall显著性检验得到云南省NDVI时空分布特征图（图1），统计各趋势像元的个数，得出对应的比例及面积（表2）。云南省近20年（2001—2020年）的植被覆盖变化整体呈上升趋势，局部呈退化趋势，植被覆盖上升趋势占比85.81%，面积为338190.56 km2，局部退化趋势占比14.18%，面积为55908.81 km2。滇东北和滇东南地区的植被覆盖呈极显著上升趋势，占比为39.74%，面积为156616.13 km2；
    滇西北及滇中地区，植被覆盖趋势部分区域呈现不显著退化，少部分区域为显著退化趋势，仅占比3.98%，面积为15693.19 km2；
    其余地区为显著上升趋势。云南省植被覆盖退化区域呈左右翻转式“√”形分布，其退化区域主要分布于迪庆、大理、昆明、玉溪、曲靖等州（市）。在2022年云南省各州市生产总值中，昆明、曲靖及玉溪分别达到6733.79亿、2959.35亿、2058.14亿元。经济发展水平较高地区均不同程度地出现了植被退化的趋势，而迪庆由于立体气候明显、人为活动影响、气候变暖、水质下降、土地资源变劣、草原生态系统紊乱等叠加因素［19］导致植被在近20年间出现退化的趋势。

    图1 2001—2020年云南省植被显著性变化分布特征

    表2 2001—2020年云南省植被显著性变化统计结果

    3.2 云南省PM2.5浓度的时空分布特征分析

    利用Sen+Mann-Kendall趋势分析法对2001—2020年的PM2.5浓度进行时空分布特征分析，其显著性变化趋势和统计结果分别见图2和表3。从整体上来看，云南省2001—2020间的PM2.5污染主要有下降和微弱上升两种趋势，其中下降趋势占比88.42%，面积为348480.88 km2，上升趋势占比11.58%，面积为45619.00 km2。PM2.5浓度整体呈下降趋势，滇西与滇东南地区的PM2.5浓度呈不显著上升趋势，占比11.58%，面积为45619.00 km2；
    在滇中和滇西北沿川地区PM2.5的污染有极显著的下降趋势，占比为9.41%，面积为37071.31 km2；
    滇中地区周围及滇西北沿川地区周围的PM2.5浓度呈显著下降趋势；
    其余地区皆呈不显著减少趋势，占比44.63%，面积175892.69 km2。其中极显著减少趋势主要集中在玉溪、迪庆与丽江的沿川边界。

    表3 2001—2020年云南省PM2.5显著性变化统计结果

    图2 2001—2020年云南省PM2.5显著性变化分布特征

    将NDVI植被划分为“低值区”“中值区”“高值区”，各个区的划分标准分别为：0≤NDVI≤0.4、0.4＜NDVI≤0.7、0.7＜NDVI≤1.0。使用表格统计分区工具计算20年间不同NDVI等级区的PM2.5的均值浓度并绘制箱线图（图3）。由图3可知，在NDVI等级高值区，PM2.5污染较严重，中值区次之，PM2.5污染较轻相对集中在低值区；
    由于地理因素、经济发展等人为活动通常发生在植被覆盖较高的地区，导致高值区的PM2.5污染明显高于低值区；
    中位线位置表明近20年的PM2.5浓度分布具有较强的偏态性，3个等级区的四分位差大致相同，这表明3个等级区PM2.5浓度的波动程度基本一致。深入分析各NDVI等级区PM2.5浓度的年际变化情况（图4），得出近20年间低值区PM2.5的污染情况明显低于中值区和高值区，而高值区的PM2.5污染要略高于中值区。中值区和高值区总体趋势基本一致：2001—2004年间表现迅速上升趋势；
    在2004—2014年间有小范围波动，总体为稳定趋势；
    在2014—2020年间，PM2.5污染表现出迅速下降的趋势，并于2020年达到最低值。低值区在2001—2004年呈微弱的上升趋势，在2004—2020年趋势与中、高值等级区基本保持一致。此外，3个等级区PM2.5污染情况在2014—2020年均表现出显著下降趋势。

    图3 NDVI等级区PM2.5箱线图

    图4 NDVI等级区PM2.5的年际变化趋势

    3.3 PM2.5浓度与NDVI的年际变化特征

    将2001—2020年间云南省的PM2.5浓度均值和NDVI均值作为因变量，对20年PM2.5浓度及NDVI进行分析并拟合回归曲线。由图5可知，PM2.5浓度在20年间总体呈现先上升后基本保持稳定再下降趋势，NDVI则呈现总体上升趋势；
    其中PM2.5浓度在2003年前均处于较低水平，在2004年骤升至28.335 μg/m3，在2004—2014年间，PM2.5浓度总体持平，在2015年之后PM2.5浓度不断下降，直至2020年 降 至21.694 μg/m3；
    而NDVI全 省 均 值 在2005年之前变化不大，在2006年升至0.625，经过3年的持平趋势后，在2009—2014年呈上下波动趋势，在2014年后，全省NDVI值开始快速增长并于2017年增至0.661，之后基本处于稳定趋势；
    在2014年前NDVI的总体较低，同时期的PM2.5浓度总体较高，自2014年开始，在NDVI不断上升的同时，PM2.5浓度在不断下降，两者交点出现在2015年前后，此趋势一直持续到2020年；
    PM2.5浓度和NDVI并无明显相关趋势，在NDVI上升的同时，PM2.5浓度并无明显下降趋势，反而持平或者上升。综上，在2014年前，由于城市化发展等人为活动加剧，云南并未开始重视大气污染等相关环境问题。2013年9月10日，国务院印发并实施《大气污染防治行动计划》。随着该计划的不断落实，大气污染愈发受到关注，自2014年后，云南全省NDVI均值不断升高，同时PM2.5浓度不断下降，截至2020年下降至最低点21.694 μg/m3。

    图5 PM2.5与NDVI的年际变化趋势

    通过计算NDVI和PM2.5浓度的一阶差分，得出两者20年间的变化量（图6）。NDVI的变化量在2009年前总体呈下降趋势，在2005—2007年和2010—2015年间的NDVI趋势波动剧烈，分别呈现出明显增加和明显减少趋势，这可能是由于城镇化经济的发展，植被覆盖程度没有作为改善环境的主要因素，因而大气污染并未得到有效防治；
    在2015年后NDVI整体呈明显上升趋势，植被覆盖明显增多，并维持在一个较高水平。2003—2004年之间，PM2.5浓度的变化量表现出明显的上升趋势；
    在2005—2014年间，PM2.5浓度的变化呈总体稳定趋势，一直处于较高水平；
    在2014年后，PM2.5浓度的变化量一直为负值，主要表现为稳步下降趋势，表明该期间内的大气污染防治取得了明显效果。

    图6 PM2.5浓度与NDVI的年际变化量

    3.4 PM2.5浓度与NDVI的相关性分析

    Pearson 相关系数是用于衡量2 个变量相似度的一项指标，可以反映出变量间线性关系的强弱［20］，其取值范围为-1~1之间，若取负值则表示两个变量之间为负相关，而正值则表示2个变量之间为正相关。将2001—2020年间的PM2.5浓度与NDVI数据进行相关性分析，逐像元得出Pearson相关系数的分布图（图7），并将Pearson相关系数划分为“极强负相关”“强负相关”“负相关”“不相关”“正相关”“强正相关”“极强正相关”7种程度，得到PM2.5浓度与NDVI的相关性统计结果（表4）。由表4可知，云南省PM2.5浓度与NDVI整体上呈现为负相关，局部地区为不相关，极少区域呈正相关；
    滇东北、滇东南地区主要表现为负相关，占比达61.62%，面积为242854.38 km2；
    滇西北及滇西南地区主要为不相关，占比为31.55%，面积为124336.44 km2；
    正相关的区域稀少，主要依附于不相关的地区，占比为6.83%，面积为26909.19 km2；
    强负相关地区主要集中在丽江、昭通以及文山与曲靖交界处等州（市），整体占比为6.55%，面积为25829.25 km2；
    而极强负相关、强正相关及极强正相关地区占比不到1%，分布稀少。综上，云南省大部分地区的植被覆盖变化与PM2.5浓度呈负相关，即随着植被覆盖的上升趋势，PM2.5污染程度会出现不同程度的降低，而占比31.55%的不相关地区主要集中在滇西北、滇西南地区，大致分布在迪庆、德宏、保山、临沧等州（市），该地区呈不相关的可能原因为：一是迪庆地处滇、藏、川三省交界，横断山脉腹地，其特有的立体生态环境、地理位置及人为干扰活动，使得草原植被退化，但PM2.5污染并未随之升高；
    二是滇西南地区由于总体经济水平较低，城镇污染不能得到较好的治理，因而在植被覆盖趋势上升时，PM2.5污染并未随之下降。

    图7 云南省PM2.5浓度与NDVI的相关性分布特征

    表4 云南省PM2.5浓度与NDVI的相关性统计结果

    本研究基于Sen趋势分析法与Mann-Kendall显著性检验，分析了2001—2020年云南省植被覆盖和PM2.5浓度的变化趋势，探究云南省植被覆盖对PM2.5浓度时空分布的影响，并分析两者之间的相关性。试图弥补目前在PM2.5相关研究中缺乏将植被因素作为对象共同参与到时空分布变化研究中的不足，结果表明：

    （1）云南省近20年间，植被覆盖变化整体呈现上升趋势，局部表现出退化趋势，两者占比分别为85.81%和14.18%，面积分别为338190.56 km2和55908.81 km2。

    （2）云南省近20年间，全省PM2.5污染总体呈现下降趋势，局部表现出不显著增加趋势，两者占比分别为88.42%和11.58%，面积分别为348480.88 km2和45619.00 km2。其 中，PM2.5污 染 较 严 重 主要发生在NDVI高值区，中值区次之，在低值区的PM2.5污染较轻。3个等级区的PM2.5污染情况自2014年后均表现为显著下降趋势。

    （3）2001—2014年间云南省植被覆盖变化呈现波动趋势，而PM2.5污染在2003年急剧上升后，在2004—2014年间总体呈现基本稳定趋势。在2014 —2020年间，植被覆盖主要表现为上升趋势，PM2.5污染表现为下降趋势。

    （4）在20年间的PM2.5浓度与植被覆盖的相关性上，全省整体呈现负相关，局部表现为不相关，极少区域表现出正相关。三者占比分别为61.62%、31.55%和6.83%，面积分别为242854.38、124336.44和26909.19 km2。

    对于大气污染的防控治理措施中，增加植被覆盖面积是一种有效的方法。2014年前，云南省的城镇化经济快速发展，大气污染等生态环境问题未得到足够重视，其结果是PM2.5浓度的急剧上升且维持在较高水平。2014年后，国家出台了多项大气污染治理的相关政策，大气污染问题得到重视。云南省的植被覆盖上升，PM2.5污染得到了明显的改善，并降至了20年间的最低点。作为探究植被覆盖对PM2.5污染的影响，难以避免各种水体对计算植被指数及统计占比所产生的误差，今后的研究重点是基于水体指数的监督分类等方法，以减少全省众多水体对研究的影响。

    猜你喜欢 负相关时空云南省 跨越时空的相遇四川党的建设(2022年8期)2022-04-28N-末端脑钠肽前体与糖尿病及糖尿病相关并发症呈负相关天津医科大学学报(2021年1期)2021-12-05民国初期云南省议会述论红河学院学报(2021年4期)2021-11-19云南省会泽铅锌矿区深部找矿取得重大突破矿产勘查(2020年5期)2020-12-19镜中的时空穿梭小学生学习指导(低年级)(2020年11期)2020-12-14对云南省“农危改”工作若干问题的思考建材发展导向(2020年16期)2020-09-25玩一次时空大“穿越”作文大王·低年级(2018年10期)2018-12-06《云南省少数民族古籍珍本集成》今日民族(2017年1期)2017-02-15更 正中国医学影像技术(2017年11期)2017-01-16翻译心理与文本质量的相关性探析考试周刊(2016年63期)2016-08-15

    相关热词搜索：云南省 植被 分布

    • 范文大全
    • 说说大全
    • 学习资料
    • 语录
    • 生肖
    • 解梦
    • 十二星座
    最新文章

    推荐访问

    云南省 云南省2018年1月普通高中学业水平考试化学 云南省2018年7月普通高中学业水平考试化学 云南省中考查询 云南省中考题 云南省事业单位招聘网 云南省会考真题 云南省作风建设 云南省农民工劳动合同1 云南省冷链食品新冠肺炎疫情常态化防控工作指引的通知 云南省委党校党史党性教育基地 云南省建设管理条例 云南省文体局工作总结 云南省旅游市场秩序整治工作措施 云南省昆明市2019届高三教学质量检测语文 云南省昆明市2019年中考生物真题试题 云南省环保监测 云南省环境监测 云南省环境监测收费项目和收费标准 云南省纪委遴选 云南省茶产业发展行动方案 云南省财政专项扶贫资金管理办法 分布 分布区 分布式 植被 植被混凝土施工方案

    本文云南省植被覆盖对PM2.5,时空分布的影响由百花范文网整理提供，版权归原作者、原出处所有。

    Copyright © 百花范文网 All Rights Reserved.