2013—2014年北京地区PM2.5时空分布规律及其与植被覆盖度关系的研究

王嫣然，张学霞，赵静瑶，姜群鸥北京林业大学水土保持学院，水土保持与荒漠化防治教育部重点实验室，城乡生态环境北京实验室，北京 100083



2013—2014年北京地区PM2.5时空分布规律及其与植被覆盖度关系的研究

王嫣然，张学霞*，赵静瑶，姜群鸥
北京林业大学水土保持学院，水土保持与荒漠化防治教育部重点实验室，城乡生态环境北京实验室，北京 100083

摘要：北京市近年来面临着严重的空气污染问题，严重威胁到人类健康，引起人们的广泛关注。目前，关于北京市PM2.5的研究存在观测点位较少、时间尺度短等缺点。通过统计2013年1月─2014年12月北京市35个自动空气质量监测子站的PM2.5质量浓度数据的月平均值和季度平均值，结合空间信息，可以获得更具代表性的北京市PM2.5时空分布特征。基于2013 年1月─2014年12月2920景北京市MODIS/NDVI时间序列数据，采用最大滤波算法LMF、植被覆盖度VC的计算等方法，对植被指数NDVI数据进行处理、计算。在此基础上，对PM2.5质量浓度月均值数据和植被覆盖度数据进行回归分析，并且比对2013—2014年的北京及周边区域植被覆盖度图和统计北京市植被覆盖变化的面积，旨在说明PM2.5质量浓度与植被覆盖度之间的关系。结果显示，（1）从PM2.5质量浓度时间变化特征来看，PM2.5质量浓度月均值呈波浪型分布，而季均值的分析结果显示冬季浓度水平最高，夏季最低，PM2.5质量浓度随季节有规律地变化。（2）从PM2.5质量浓度空间分布规律来看，东南部最为严重，西北部最轻，污染程度由南向北依次递减。（3）从PM2.5质量浓度的时空分布特征分析发现，PM2.5质量浓度越高的季节区域之间的差异越大，质量浓度越高的区域随时间演变的幅度也越大。（4）得到了二者关系的回归方程，发现二者相关性极高。（5）植被面积增加对PM2.5质量浓度下降有着积极的影响。研究结论可为北京市大气污染治理和环境保护提供重要的科学依据。

关键词：PM2.5；植被覆盖度；时空分布；大气污染；北京

WANG Yanran,ZHANG Xuexia,ZHAO Jingyao,JIANG Qunou.Temporal and Spatial Distribution of PM2.5and Its Relationship with Vegetation Coverage in Beijing during the Period of 2013─2014 [J].Ecology and Environmental Sciences,2016,25(1):103-111.

近年来，随着我国社会经济的快速发展，大多数城市都面临着严峻的大气污染问题。大气污染物主要包括空气中的可吸入颗粒物、二氧化硫、氮氧化物等（韩素芹等，2011；陈义珍等，2010）。我国城市的大气污染物主要为可吸入颗粒物（李成才等，2004）。细颗粒物，又称PM2.5，它是指大气中直径小于或等于2.5 μm的颗粒物，也称可入肺颗粒物。它不仅会导致大气能见度下降，还会提高人类的死亡率和呼吸道系统疾病发病率，引起了公众的广泛关注（Jung et al.，2009；Tie et al.，2009；Cao et al.，2012；Kan et al.，2008；Nel et al.，2006）。

现阶段，国内外学者已经进行了有关分析，于建华等（2004）对2003年1─4月北京市PM2.5的监测结果表明，PM2.5的日变化呈双峰型特征分布，PM10中PM2.5占的比例约为56.6%。赵晨曦等（2014）对2012─2013年北京地区冬春PM2.5和PM10进行了污染水平时空分布及其与气象条件的关系的研究，得出了月均PM2.5质量浓度水平变化趋势，呈单峰单谷型。徐敬等（2007）于2003─2004年对北京市PM2.5进行了连续监测分析，结果表明，夏季PM2.5质量浓度最低，冬、春两季质量浓度较高，并运用PMF源解析方法确定了北京地区5类细粒子污染源，分别是：土壤尘、煤燃烧、交通运输、海洋气溶胶以及钢铁工业。王占山等（2015）110对2013年北京市35个自动空气质量监测子站的PM2.5数据进行分析，得到了时间分布特征为PM2.5质量浓度冬季最高、夏季最低，空间分布特征为东南部最高、西北部最低的规律。赵晨曦等（2013）2203通过从PM2.5沉降机理出发，突出植被对颗粒物的组织吸收作用和适宜颗粒物沉降环境的营造作用。

然而，目前关于北京市PM2.5的研究存在观测点位较少、时间尺度短等缺点。本研究对2013年1月─2014年12月北京市35个自动空气质量监测子站的PM2.5数据进行分析，具有多点位、长时间尺度的优点，以期获得更具代表性的北京市PM2.5的时空分布特征，为北京市大气污染治理提供科学依据。

1　研究区概况

北京位于北纬39.4°～41.6°，东经115.7°～117.4°，是华北平原的西北边缘。西部与北部为山地丘陵，中部与东部为平原，地势自西北向东南倾斜，西、北和东北三面山地丘陵环抱北京城所在的小平原。北京气候属半湿润半干旱季风气候。全年7月最热，平原地区月平均气温为26 ˚C左右，海拔800 m以下的山区为21～25 ˚C；1月最冷，平原地区月平均气温为-5～-4 ˚C，海拔800 m以下山区为-10～-6 ˚C，气温年较差为30～32 ˚C。年降水量空间分布不均匀，东北部和西南部山前迎风坡地区为相对降水中心，在600～700 mm之间，西北部和北部深山区少于500 mm，平原及部分山区在500～600 mm之间。夏季降水量约占年降水量的3/4。

2　材料与方法

2.1数据来源及预处理

北京地区2013年1月─2014年12月PM2.5质量浓度日均值数据和月均值数据均由北京市环境监测中心提供，自2013年1月1日以来，北京市环保局面向社会实时发布覆盖全市的35个监测站点的空气质量，这35个站点按照监测职能分为：城区环境评价点12个、郊区环境评价点11个、对照点及区域点7个以及交通污染监控点5个（监测子站位置详见图1）。将北京市按照行政区划分为5个区域，分别为城六区（东城、西城、朝阳、海淀、丰台、石景山）、西北部（延庆、昌平）、东北部（怀柔、密云、顺义、平谷）、西南部（门头沟、房山）和东南部（通州、大兴、亦庄）。将坐落在各区域内的所有35个站点的PM2.5质量浓度平均值作为每个区域的PM2.5质量浓度，再根据5个区域的面积比计算全市日平均值，最后基于日均值计算月均值。

图1　北京市35个自动空气监测子站位置示意图Fig.1　Spatial distribution of 35 automatic air monitoring stations in Beijing

同一时期的植被数据则是从美国NASA网站上下载的MODIS1B数据，共2920景，数据空间分辨率为250 m，数据格式为EOS-HDF，数据投影格式为阿尔伯茨投影（Alberts）。对该数据分别进行了几何校正、NDVI日合成、NDVI月合成、去云雾处理、NDVI年合成、植被覆盖度VC的计算等操作。其中去云雾处理采用的是最大滤波算法LMF。该算法根据植被指数（NDVI）年内变化呈正弦变化的规律，通过分析比较相邻连续多期同一像元的植被指数值，确定云、雾等对像元NDVI影响时间，并采用内插或外延法去除异常值（王雪军等，2013）。植被覆盖度是指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比。植被覆盖度常用于植被变化、生态环境研究、水土保持、气候变化等方面的研究。由归一化植被指数NDVI可计算得出植被覆盖度VC的值，计算公式为：

式中，VC是植被覆盖度，NDVI是基于每个像元的值，NDVImin是整个研究区图像当中最小的像元的值，NDVImax是整个研究区图像当中最大的像元的值。利用ArcGIS软件将植被覆盖度数据赋予WGS 84地理坐标系，用北京市边界矢量数据对图像进行统一裁剪。

2.2研究方法

2.2.1曲线回归分析

曲线回归分析是根据实验数据结合理论分析和作散点图等方法进行模拟试验，并选择恰当的曲线来拟合这些数据。本文基于监测和收集的24组PM2.5质量浓度月平均值数据和植被覆盖度月平均值数据，选取20组数据，利用SPSS软件对两个变量的关系进行分析，建立回归模型。剩下4组数据用于模型精度检验。

2.2.2NDVI阈值设定

对去云、雾处理以后的植被数据，用最大值合成法合成全年12个月的逐月NDVI数据，统计出各月NDVI影像像元值的均值，并按照[-1,0.1]，(0.1,0.2]，(0.2,0.3]，(0.3,0.4]，(0.4,0.45]，(0.45,0.50]，(0.50.0.60]，(0.60,0.70]，(0.70,1]等9个区间分为9个等级，分别代表不同植被覆盖程度情况，NDVI值介于(0,0.4]为低盖度植被，NDVI值介于(0.4,1]为高盖度植被，并提取出每个等级中植被变化的面积，通过不同等级植被变化的面积，反映植被覆盖的变化趋势（张宏斌等，2009）。

3　结果与分析

3.1PM2.5质量浓度时间变化特征

3.1.1PM2.5质量浓度季变化规律

基于得到的PM2.5质量浓度日、月均值数据，计算了2013年和2014年北京市各个季节的PM2.5质量浓度季均值（图2）。根据气候学上的分类，北京地区每年的3─5月为春季，6─8月为夏季，9 ─11月为秋季，12月─翌年2月为冬季。分季节来看，冬季PM2.5质量浓度平均值明显高于其他3个季节，分别达到125.00和116.00 μg·m-3。究其原因，主要是由于受到北京市和周边地区采暖燃煤的影响。春季、夏季和秋季PM2.5质量浓度水平较为接近，2013年分别为81.00、72.00和79.00 μg·m-3，2014年分别为80.00、67.003和86.00 μg·m-3。分站点来看，交通站的PM2.5质量浓度水平最高，分别达到102.10和93.67 μg·m-3，可能是受到道路扬尘和汽车尾气产生的气态污染物二次转化的影响；其他3类站点质量浓度平均值比较接近，2013年按浓度年平均值大小来排列由高到低依次是城区站、郊区站、区域站，质量浓度年平均值分别为95.30、93.50和92.90 μg·m-3；2014年按浓度年平均值大小来排列由高到低依次是郊区站、城区站、区域站，质量浓度年平均值分别为93.00、89.92和87.25 μg·m-3。各类站点各季节的PM2.5质量浓度季均值均处于较高水平，且在时间序列上呈非均匀化分布，在短时间内可能出现较大的波动。这主要是受到北京市特殊的地理位置和气象条件、巨大的本地污染物排放量以及周边地区较高的污染水平的影响（王占山等，2015）112。

图2　2013年和2014年各个季节的PM2.5平均浓度Fig.2　PM2.5mean concentrations in four seasons in 2013 and 2014

3.1.2PM2.5质量浓度月变化规律

对于PM2.5质量浓度月均值的分析结果显示，2013年和2014年北京市PM2.5质量浓度月均值整体均呈波浪形分布（图3）。2013年1月份浓度最高，达到155.00 μg·m-3，2014年2月份浓度最高，达到182.00 μg·m-3，可以看出，峰值多出现在冬季，可能是受采暖季燃煤的影响。但也有人类活动的影响，以2014年2月为例，恰逢农历新年，燃放烟花炮竹使得空气污染加重。而且2月份经常出现温度骤升的情况，使得湿度较大，雨雪稀少，能见度较差，出现重度雾霾的几率高一些。从2月20日至2月26日持续7天的重度雾霾天气，是北京市自2013年1月1日按照国家空气质量新标准开展空气质量监测以来，持续时间最长的一次霾天气。2014年4月份出现1个峰值，是因为当年春季北京地区发生了7次沙尘天气过程。2013年和2014年的10月份均同样出现1个PM2.5浓度的峰值，主要原因是当年发生过多次PM2.5的重污染过程，秸秆焚烧亦是重要影响因素之一。北京师范大学环境学院刘新罡副教授及其研究团队，对2014年北京秋季的四次雾霾进行监测、研究后得出结论，燃烧秸秆对北京秋季雾霾的形成具有重要的诱导作用（Yang et al.，2015）。2013年4月份和8月份的PM2.5质量浓度月均值最低，分别为60.00和56.00 μg·m-3。2014年5月份和6月份的PM2.5质量浓度月均值最低，分别为57.00和54.00 μg·m-3。

图3　北京市PM2.5的月均浓度变化趋势Fig.3　Changing trend of monthly PM2.5concentration in Beijing

将观测站点基于区位条件进行分类，分类对PM2.5月均浓度进行统计，两年的月均浓度变化曲线同样能够体现出交通站PM2.5质量浓度最高，其他站点值较接近的特征（图4和图5）。值得注意的是，12月份PM2.5质量浓度最高的为区域站，体现了冬季区域传输对北京市PM2.5的影响。

图4　2013年各类监测站点月均浓度变化Fig.4　Changes in the monthly PM2.5concentration of different types of monitoring sites in 2013

图5　2014年各类监测站点月均浓度变化Fig.5　Changes in the monthly PM2.5concentration of different types of monitoring sites in 2014

3.2PM2.5质量浓度空间分布规律

Kriging插值是建立在半变异函数理论分析基础上，对有限区域内变量取值进行无偏最优估计的一种方法，有相关的研究应用此方法对O3和PM2.5的空间分布进行展示（王占山等，2015）116。图6为运用Kriging插值得出的2013年各季节北京市PM2.5空间分布情况示意图。从整体来看，北京市PM2.5质量浓度呈现明显的南高北低的分布特征，特别是春季和冬季，由南向北递减的层次极为明显，体现出了季节性气候条件差异及外来污染源的区域传输对北京市PM2.5质量浓度的影响。北京市的南部靠近多个传统重工业城市，污染物排放量相对较大，在不利的气象条件下容易对北京市空气质量产生影响。

北京市PM2.5的季节空间分布图显示2013年和2014年北京市各区域PM2.5质量浓度最高的均为冬季，2013年东南部浓度最低的是春季，其他区域为夏季，2014年各区域浓度最低均为夏季（图7和图8）。分区域来看，2013年和2014年PM2.5质量浓度年平均值由高到低的依次均为东南部、西南部、城六区、东北部和西北部，春季PM2.5质量浓度最高的为西南部，其他季节浓度最高的均为东南部；2013年春季PM2.5质量浓度最低的为东北部，2014年秋季PM2.5质量浓度最低为东北部，其他季节浓度最低的均为西北部地区。从同一季节不同地区的浓度差异来看，春季、夏季、秋季和冬季浓度最高地区和最低地区的差值，2013年分别为18.66、25.00、36.33和90.00 μg·m-3，2014年分别为18.00、21.33、33.67和56.00 μg·m-3，浓度越高的季节空间分布的差异越大。从同一地区不同季节的浓度差异来看，西北部、东北部、城六区、西南部和东南部浓度最高季节和最低季节的差值，2013年分别为29.00、29.00、40.33、108.00和98.67 μg·m-3，2014年分别为33.00、40.00、42.00、68.67和67.67 μg·m-3，浓度越高的区域时间分布的差异越大。

图6　各季节北京市PM2.5空间分布情况示意图Fig.6　spatial distribution of PM2.5in four seasons in Beijing

图7　2013年各区域各季节PM2.5浓度情况Fig.7　PM2.5concentration of each region in four seasons in 2013

3.3植被覆盖度时空变化特征

以2013年北京地区植被覆盖度为例，图9反映出该年植被覆盖度全年的变化特征，总体来看，呈单峰单谷型分布。其中3—11月为植物的生长季，从6月份开始集中出现大于0.6的高植被覆盖度值的情况，一直到10月底结束，8月份达到最高值0.73。应针对北京地区气候特征及植被特点，加强该时期内植被治理保护工作，制定科学高效地种植、砍伐制度。

图8　2014年各区域各季节PM2.5质量浓度情况Fig.8　PM2.5concentration of each region in four seasons in 2014

图9　植被覆盖度全年变化规律Fig.9　Annual variation of vegetation coverage

基于2013和2014年的北京及周边区域植被覆盖度示意图分析显示，北京地区植被覆盖度变化比较明显，且存在明显的空间差异。北京地区植被主要分布在西北部地区，包括怀柔的北部、延庆和昌平的部分地区，这些区域多为山区，地形地貌等自然条件限制了该区域的人为开发，因而植被状况良好，形成天然保护屏障，两年间植被覆盖度明显增加。西南部和东北部也有植被分布，植被覆盖度变化不明显。而东南地区主要为平原，加上城镇化的影响，植被覆盖度相对较低且有减少的趋势。总体来看，植被覆盖度值介于(0,0.4]的低盖度植被面积趋于减少，介于(0.4,1]的高盖度植被面积趋于增加，表明生态措施治理效果明显，植被长势趋好（图10和图11）。

图10　2013年北京及周边区域植被覆盖度示意图Fig.10　Sketch map of vegetation coverage in Beijing and its surrounding areas in 2013

3.4PM2.5与植被覆盖度的关系

通过对20组PM2.5质量浓度月平均值数据与植被覆盖度月平均值数据进行曲线回归分析，在得到的10条模型拟合的曲线中，倒数模型拟合的曲线与原始观测值拟合得最好（r2为0.543，sig=0，sig＜0.05，表示2个变量之间显著相关）。因此，倒数模型最适合PM2.5与植被覆盖度的数据建模。由此得到PM2.5与植被覆盖度之间的回归方程是：

图11　2014年北京及周边区域植被覆盖度示意图Fig.11　Sketch map of vegetation coverage in Beijing and its surrounding areas in 2014

式中y为PM2.5质量浓度月平均值，x为植被覆盖度月平均值。

利用剩余4组检验数据对建立的倒数PM2.5与植被覆盖度关系的估测模型进行精度检验，检验结果如表1所示：

表1　模型精度检验结果Table 1　Accuracy test of the model

以检验数据的实测值为横坐标，估计值为纵坐标，绘制散点图（如图12所示）：

图12　PM2.5估计值与实测值比较Fig.12　Comparison between estimated values and measured values of PM2.5

综上所述，PM2.5与植被覆盖度建立的倒数模型通过精度检验，二者显著性相关，说明PM2.5与植被具有很强相关性，PM2.5受植被影响很大，为大气污染防治提供了一定根据。植被对于大气环境中PM2.5的有效抑制作用已被广泛认可，对于不同树种组织吸收作用的强弱也有一定的区分（赵晨曦等，2013）2208。北京市近几年加强生态建设，几个功能区的区域划分调整也初见成效，生态涵养区对保障北京城市大气环境起到至关重要的作用。

表2　不同分级植被覆盖度面积Table 2　The vegetation coverage area of different levels

由表2得出，2013年低盖度植被面积为3565.63 km2，高盖度植被面积为12812.88 km2；2014年低盖度植被面积为3452.69 km2，高盖度植被面积为12925.81 km2，低盖度植被减少的面积转变为高盖度植被面积增加的面积，增加了112.94 km2，说明北京地区林草植被明显增多，封山育林、人工造林、飞播造林、退耕还林还草、荒漠化治理等措施取得明显成效，北京地区生态环境得到显著改善。

由表3得出，2014年PM2.5质量浓度年平均值比2013年的下降了1.86 μg·m-3，通过比对2013和2014年两年的北京及周边地区植被指数图和统计北京市植被覆盖变化的面积，可以得出植被面积增加对PM2.5质量浓度下降有着积极的影响。

表3　PM2.5质量浓度年平均值Table 3　Annual mean concentration of PM2.5　　　　μg·m-3

4　结论

通过对北京市2013年和2014年PM2.5质量浓度数据和植被覆盖度数据分析发现：

（1）2013年北京市PM2.5质量浓度由高到低的季节依次为冬季、春季、秋季和夏季，平均浓度分别为125.00、81.00、79.00和72.00 μg·m-3；而2014 年PM2.5质量浓度由高到低的季节分别为冬季、秋季、春季和夏季，平均浓度分别为116.00、86.00、80.00和67.00 μg·m-3。PM2.5质量浓度随季节有规律地变化。

（2）2013年北京市PM2.5月均浓度呈波浪型分布，在1月份、6月份和10月份各出现1个峰值，其中1月份平均浓度最高，为155.00 μg·m-3，8月份平均浓度最低，为56.00 μg·m-3；2014年北京市PM2.5月均浓度呈波浪型分布，在2月份、4月份、7月份和10月份各出现1个峰值，其中2月份平均浓度最高，为182.00 μg·m-3，6月份平均浓度最低，为54.00 μg·m-3。分季节来看，2013年和2014年北京市各区域PM2.5质量浓度最高的均为冬季，2013年东北部PM2.5质量浓度最低的是春季，2014年东北部PM2.5质量浓度最低的是秋季，其他区域为夏季。

（3）分区域来看，2013年和2014年年均PM2.5质量浓度由高到低的依次均是东南部、西南部、城六区、东北部和西北部；浓度越高的季节空间分布的差异越大，浓度越高的区域时间分布的差异越大。

（4）通过建立PM2.5与植被覆盖度的回归模型，可以得到二者有极强的相关性，拟合的回归方程为y=15.895+34.249/x。二者显著性相关，说明PM2.5与植被具有很强相关性，PM2.5受植被影响较大。

（5）2013─2014年植被覆盖度值介于(0,0.4]的低盖度植被面积减少，植被覆盖度值介于(0.4,1]的高盖度植被面积增加，增加了112.94 km2，北京地区生态环境得到显著改善。2014年PM2.5质量浓度年平均值比2013年的下降了1.86 μg·m-3，植被面积增加对PM2.5质量浓度下降有着积极的影响。这些结论可为大气污染防治提供一定根据。

由于获取的观测数据的时间范围有限，本研究结论仅验证了2013年和2014年大气颗粒物与植被覆盖度的关系。该规律是否适用于其他年份、其他地区，需要更多数据的支持。今后应加强大气颗粒物来源及其影响因素的研究，为制定合理有效的污染控制策略及空气污染预报提供科学依据。

参考文献：

CAO J,XU H,XU Q,et al.2012.Fine particulate matter constituents and cardiopulmonary mortality in a heavily polluted Chinese city [J].Environmental Health Perspectives,120(3):373-378.

JUNG J,LEE H,KIM Y J,et al.2009.Aerosol chemistry and the effect of aerosol water content on visibility impairment and radiative forcing in Guangzhou during the 2006 Pearl River Delta campaign [J].Journal of environmental management,90(11):3231-3244.

KAN H,LONDON S J,CHEN G,et al.2008.Season,sex,age,and education as modifiers of the effects of outdoor air-pollution on daily mortality in Shanghai,China:The Public Health and Air Pollution in Asia (PAPA) Study [J].Environmental Health Perspectives,116(9):1183-1188.

NEL A,XIA T,Mädler L,et al.2006.Toxic potential of materials at the nanolevel [J].Science,311(5761):622-627.

TIE X,WU D,BRASSEUR G.2009.Lung cancer mortality and exposure to atmospheric aerosol particles in Guangzhou,China [J].Atmospheric Environment,43(14):2375-2377.

YANG Y R,LIU X G,QU Y,et al.2015.Characteristics and formation mechanism of continuous extreme hazes in China:a case study in autumn of 2014 in the North China Plain [J].Atmospheric Chemistry & Physics,15(7):10987-11029.

陈义珍,赵丹,柴发合,等.2010.广州市与北京市大气能见度与颗粒物质量浓度的关系[J].中国环境科学,30(7):967-971.

韩素芹,张裕芬,李英华,等.2011.天津市春季气溶胶消光特征和辐射效应的数值模拟[J].中国环境科学,31(1):8-12.

李成才,刘启汉,毛节泰,等.2004.利用MODIS卫星和激光雷达遥感资料研究香港地区的一次大气气溶胶污染[J].应用气象学报,15(6):641-650.

王雪军,孙玉军.2013.基于多元数据源的森林资源年度动态监测研究——以鞍山市为例[D].北京:北京林业大学博士论文.

王占山,李云婷,陈添,等.2015.2013年北京市PM2.5的时空分布[J].地理学报,70(1):110-120.

徐敬,丁国安,颜鹏,等.2007.北京地区PM2.5的成分特征及来源分析[J].应用气象学报,18(5):645-654.

于建华,虞统,魏强,等.2004.北京地区PM10和PM2.5质量浓度的变化特征[J].环境科学研究,17(1):45-47.

于建华,虞统,杨晓光,等.2004.北京冬季PM2.5中元素碳、有机碳的污染特征[J].环境科学研究,17(1):48-50.

张宏斌,唐华俊,杨桂霞,等.2009.2000-2008年内蒙古草原MODIS NDVI时空特征变化[J].农业工程学报,25(9):168-175.

赵晨曦,王玉杰,王云琦,等.2013.细颗粒物(PM2.5)与植被关系的研究综述[J].生态学杂志,32(8):2203-2210.

赵晨曦,王云琦,王玉杰,等.2014.北京地区冬春PM2.5和PM10水平时空分布及其与气象条件的关系[J].环境科学,35(2):418-427.

Temporal and Spatial Distribution of PM2.5and Its Relationship with Vegetation Coverage in Beijing during the Period of 2013─2014

WANG Yanran,ZHANG Xuexia,ZHAO Jingyao,JIANG Qunou
Key Laboratory of Soil and Water Conservation and Desertification Combating,Ministry of Education,Beijing Laboratory of Urban and Rural Ecological Environment,School of Soil and Water Conservation,Beijing Forestry University,Beijing 100083,China

Abstract:Beijing is currently facing serious air pollution problems,which damages human health,and it has aroused people's wide attention.At present,there are some shortcomings in the research of PM2.5in Beijing,such as the observation point is less,the time scale is short and so on.This study collects the monthly and quarterly PM2.5data from 35 automatic air quality monitoring stations in Beijing during the period of 2013─2014.Combined with spatial information,we can obtain more representative spatial and temporal distribution characteristics of PM2.5in Beijing.Based on the 2920 tiles MODIS/NDVI images of 2013 January to 2014 December in Beijing,and by using the method of Local Maximum Filtting and calculated the vegetation coverage from NDVI.Then this study conducted the regression analysis based on the data of PM2.5and vegetation coverage in 2013 and 2014,and obtained the spatial distribution of vegetation coverage in Beijing and its surrounding areas in 2013 and 2014,and compared the changed area of vegetation cover in Beijing that aim to illustrate the relationship between the PM2.5and vegetation coverage.The results showed that (1) From the time variation characteristics of PM2.5concentration,the monthly mean PM2.5concentration showed a wave type distribution,and the seasonal mean analysis showed that the highest concentration in winter and the lowest in summer,and the concentration of PM2.5changed regularly with the seasons.(2) From the PM2.5concentration spatial distribution law,the southeast of the most serious,the northwest of the lightest,the degree of pollution from south to North in descending order.(3) From the time and space distribution characteristics of PM2.5concentration,it is found that the higher the PM2.5concentration is,the greater the difference is,the higher the concentration is,the greater the time is.(4) We got the regression equation and found that highly correlated between PM2.5and vegetation coverage.(5) The increase of the vegetation area has a positive effect on the decrease of PM2.5.Those conclusion scan provide significant scientific basis for air pollution control and environmental protection in Beijing.

Key words:PM2.5; vegetation coverage; temporal and spatial distribution; air pollution; Beijing

收稿日期：2015-09-19

作者简介：王嫣然（1990年生），女，硕士研究生，研究方向为3s技术在资源环境中的应用。E-mail:673574786@qq.com*通信作者

基金项目：北京市共建项目专项资助；国家林业公益性行业重大科研专项（201304301）

中图分类号：X16

文献标志码：A

文章编号：1674-5906（2016）01-0103-09

DOI:10.16258/j.cnki.1674-5906.2016.01.015

引用格式：王嫣然,张学霞,赵静瑶,姜群鸥.2013—2014年北京地区PM2.5时空分布规律及其与植被覆盖度关系的研究[J].生态环境学报,2016,25(1):103-111.