内蒙古毕拉河林区近十年森林景观变化及驱动力浅析

基于遥感信息和地理信息系统,在景观总体和斑块个体两个层次上,从景观总体特征、斑块个体特征及斑块相间相关特征等3个方面对大兴安岭毕拉河林区近10年来森林景观的变化进行了系统的研究．结果表明,由于近10年来人类对森林生态系统干扰的不断增强,研究区森林景观在类型、景观总体特征、斑块个体与相关特征等方面发生了较大的变化．近10年林区森林景观的发展趋势是：受人为干扰正逐步加强,作为人工景观标志的耕地、居民点面积正逐步增加．面积转移矩阵分析结果表明,1997年耕地面积增加主要是由柞树林转化而来的,占耕地构成的30．87％．景观异质性分析结果表明,研究区森林景观耕地斑块数量增加68．80％,平均面积减少4．82％,景观的优势度减少,多样性增加,斑块之间的聚集程度减弱,1988年由柞树林和针叶林等少数几种斑块在景观中占绝对优势的情况有所改变．对研究区和相关地区的自然地理、社会经济等研究表明,火干扰、森林采伐与毁林开荒等是森林景观变化的关键性趋动力．     

南昌市中心城区土地集约利用水平对主要大气污染物的影响

当前,我国城市化进程已由外延式的扩张逐步转变为内涵式发展.集约利用土地资源,构建“紧凑城市”变得越来越迫切.然而,集约利用土地意味着更少的土地资源承载更多的城市要素,人们对环境污染,特别是大气环境污染会变得越来越敏感,研究城市土地集约利用水平对大气污染的影响具有重要意义.本研究以南昌市中心城区为研究区,采用普通克里格插值法模拟6种主要大气污染物(PM_2.5、PM₁₀、SO₂、NO₂、CO、O₃)浓度的空间分布,基于土地利用样本区,选择综合容积率、建筑密度、人口密度等16个土地集约利用水平相关变量,采用偏最小二乘回归与通径分析方法,定量分析土地集约利用水平对大气污染物的影响.结果表明: 土地集约利用水平相关变量与PM_2.5和PM₁₀的相关性最强,其次是O₃和NO₂,与SO₂和CO的相关性最弱;不同土地利用样本区土地集约利用水平变量与6类主要大气污染物的相关性强弱依次为:居住区>教育区>商业区>工业区.土地集约利用水平越高,对大气污染物的影响越大,其中PM_2.5与PM₁₀的影响最大,其次是O₃,NO₂的影响较小.各土地利用样本区土地集约利用水平对大气污染物的直接影响、间接影响和综合影响基本相当,但总体而言,土地集约利用水平的直接影响大于间接影响,其中,居住区土地集约利用水平的综合影响最大,其次是商业区,最小的是教育区.本研究为土地集约利用对大气环境的影响研究提供了新的思路,为解决紧凑城市大气环境问题提供了一定的参考.     

南昌市中心城区主要大气污染物分布模拟及土地利用对其影响

随着我国城市化、工业化的快速推进,城市大气污染问题日益突出,研究城市大气污染物的分布情况及其土地利用影响对解决城市大气污染问题具有重要意义.本研究以南昌市中心城区为研究区,基于土地利用回归模型(LUR)模拟了PM_2.5、PM₁₀、SO₂、NO₂、CO、O₃等6种主要大气污染物浓度,并分析其时空分布特征;基于主导土地利用类型,选择南昌市中心城区内居住、商业、教育和工业用地各15个样本区,为了减少气象因子的影响,分四季统计各样本区6类大气污染物浓度,运用双因素方差分析和多重比较,定量分析土地利用(样本区)对6类大气污染物的影响.结果表明: 采用LUR模型模拟研究区PM_2.5、PM₁₀、SO₂、NO₂、CO、O₃浓度的平均绝对误差率分别为11.9%、13.4%、12.5%、12.0%、12.7%和13.5%,模型误差较小,方法可行.研究区6类污染物浓度具有明显的时空分布特征,PM_2.5、PM₁₀、SO₂、NO₂和CO浓度在冬季最高,春季和秋季次之,夏季最低;O₃浓度则为夏季高,春季和秋季次之,冬季低.PM_2.5、PM₁₀、SO₂、NO₂、CO浓度整体呈现从城区中心到郊区递减的趋势,而O₃浓度则反之.不同季节与不同土地利用样本区间6种大气污染物浓度差异显著,表明在中心城区尺度上,气象条件和土地利用都对大气污染物有显著影响.不同土地利用对主要大气污染物浓度分布有不同程度的影响,其中,对PM_2.5、NO₂和O₃的影响较大,对CO的影响较小.     

南昌市中心城区绿地景观对PM2.5的影响

随着我国城市化工业化的快速发展,大气环境质量问题越来越受到重视,PM_2.5作为重要的大气污染物,已经引起了公众的普遍关注.城市绿地作为一种半自然的地表景观能在一定程度上影响PM_2.5的浓度与分布,目前的研究主要集中在微观尺度上,在景观尺度上的研究还不多见.本研究采用土地利用回归模型进行监测点加密,基于普通克里格插值法实现PM_2.5浓度的空间分布高精度模拟.然后与通过遥感解译的城市绿地进行耦合,定量分析了城市绿地景观特征、质量等对PM_2.5浓度的影响.结果表明:研究区PM_2.5浓度由市中心向周边不断递减;绿地类型对PM_2.5浓度影响显著;绿地斑块形状对PM_2.5浓度没有显著影响;绿地斑块的面积、质量与PM_2.5浓度呈显著负相关.研究区绿地景观对PM_2.5消减作用距离小于100 m.在消减作用距离内,距离绿地斑块越近,PM_2.5浓度越低.其中,附属绿地和公园绿地对PM_2.5浓度的消减作用距离大于其他绿地类型.     

地表植被景观对PM2.5浓度空间分布的影响研究

我国当前城市日益频发的雾霾问题引发公众广泛关注,PM_2.5被认为是雾霾的主要成因。研究认为,在某一区域短时间尺度上（如日）,PM_2.5浓度主要受气象条件影响。但在较长时间尺度上（如季,年）,由于气象条件基本相似,则PM_2.5浓度主要受土地利用特别是地表植被景观的影响。如何耦合地表植被景观格局与PM_2.5浓度信息,定量分析其影响是当前相关科学研究的一个难点,需要引入新思路。首先基于季节气象条件基本相似的科学假设,采用土地利用回归模型分四季高精度模拟PM_2.5浓度空间分布。其次,采用像元二分模型分四季估算研究区植被覆盖度。在此基础上采用随机抽样法通过统计回归模型耦合植被覆盖度与PM_2.5空间分布,定量研究植被覆盖度对PM_2.5分布影响及其尺度效应。研究结果表明：1）植被覆盖度与PM_2.5浓度在本研究选择的空间尺度上,都显著负相关,说明植被覆盖度对PM_2.5具有显著影响;同一个季节不同尺度上,以及不同季节同一尺度上的植被覆盖度对PM_2.5浓度的影响存在一定差异。2）植被覆盖度对PM_2.5浓度的影响方式比较复杂,不同的季节的表现方式不同,总体来说PM_2.5浓度与植被覆盖度曲线回归模型的拟合度高于线性回归模型,说明植被覆盖度对PM_2.5的影响具有非线性特征。3）不同的PM_2.5浓度水平下,植被覆盖度对PM_2.5浓度的影响程度存在差异。PM_2.5浓度越高,植被覆盖度对其浓度的影响越明显。本研究提出的区域尺度耦合地表植被覆盖与PM_2.5浓度的思路与方法,有效的揭示了植被覆盖度对PM_2.5浓度分布的影响方式与尺度效应,为通过优化城市植被缓解大气污染提供一定参考。