基于MSPA的城市绿色基础设施空间格局对PM2.5的影响
2020-11-20陈明
陈 明
戴 菲*
中国快速的城市化和工业化造成严重的大气污染,大气颗粒物成为许多城市的首要污染物[1-2],尤其是细颗粒物(PM2.5)对人的健康具有更大威胁,如何解决当前的严峻问题成为迫切需求。不同学科领域的专家学者从众多角度对PM2.5开展了研究,关注其来源、时空分布特征、气象因素的影响,以及城市绿地、湿地、园林植物滞纳PM2.5的能力,土地利用对PM2.5的影响等内容[3-7]。近年来,学者对城市景观类型、结构、格局及其对PM2.5影响的关注度不断提升[8-9]。其中,城市绿色基础设施(Urban Green Infrastructure,UGI)能一定程度消减PM2.5,其规模与形态也影响着PM2.5的消减作用[10]。然而,由于城市的蔓延扩张,UGI面临严重的萎缩、破碎化和连接度低等问题,严重影响其对PM2.5的消减作用。
目前,UGI空间格局对PM2.5的影响主要基于Fragstats软件计算的景观格局指数,选取绿地规模、形状、聚散性等类型水平上的指标衡量绿地空间形态,与PM2.5浓度进行相关或回归分析[11-14]。然而,景观格局指数仅能反映研究区域内UGI空间格局的量化指标,不能落实到具体的空间定位上,因此难以提出UGI应用于规划布局的空间策略。近年来,形态学空间格局分析(Morphological Spatial Pattern Analysis,MSPA)被运用于UGI网络构建[15]。它是基于腐蚀、膨胀、开闭运算等数学形态学原理对栅格图像的空间格局进行度量、识别和分割的一种图像处理方法,将UGI分成互不重叠的7种形态的空间要素,并适用于不同空间尺度的分析[16-17]。连通性是度量UGI空间网络的重要指标,连通性较好的UGI能发挥更好的生态效益[18]。结合MSPA与连通性分析UGI现状特征并提出优化策略,是当前许多学者的关注点[15,19-20]。有研究初步证实了增加MSPA中的边缘、分支与桥梁这3类要素有利于改善城市热岛效应,在夏季降低城市温度[21]。然而当前研究仅从单方面探讨了不同尺度的UGI网络构建,以及对城市热岛效应的影响,鲜有研究从MSPA及连通性角度分析UGI空间格局对大气颗粒物的影响。基于MSPA分析识别的7类要素可直观呈现其空间分布特征,并具有相应的实际物质空间含义,对改善大气颗粒物的UGI空间优化设计能起到直接的指导作用。
武汉是我国华中地区的大城市之一,其严重的大气颗粒物污染、高密度的城市形态、UGI空间形态格局代表我国大城市的典型特征。本文基于武汉建成区内16个环境空气质量监测点的PM2.5浓度数据及其1 000m×1 000m网格区域内的UGI,以MSPA分析UGI的不同形态特征,通过UGI连通性分析不同形态特征要素的空间关系,在此基础上探索街区尺度UGI空间格局对PM2.5的影响,并提出改善大气颗粒物的UGI优化设计策略,以期将研究成果落实到具有较高实操性的城市街区。
1 研究地区与研究方法
1.1 研究区概况
武汉地处长江中游、江汉平原中部,为亚热带季风性湿润气候区。由于城市的快速发展与扩张,空气质量较差,污染物主要来源于PM2.5、PM10等大气颗粒物,在建成区中形成若干“浊岛”[22]。2017年建成区总面积约864km2,绿化覆盖率39.55%,绿地率34.47%。其中大型绿地斑块主要分布在东湖风景区,其余山体、公园绿地则呈点状分散在建成区中。武汉虽然拥有众多山水河湖,但经过长期的建设与发展,绿地不断被割裂或侵占,破碎化现象十分严重,构建系统完善的UGI格局体系至关重要。
图1 武汉市建成区现状与环境空气质量监测站点分布
在武汉建成区内相对均匀地分布着9个国家环境空气质量监测站点与7个城市环境空气质量监测站点,间距约为3~5km。鉴于我国街区的划分是以2条主干道间距约800~1 200m围合成的空间单元,以各站点为中心形成的1 000m×1 000m方形网格为研究单元,也代表武汉建成区内的普遍街区(图1)。
1.2 数据来源与处理
1.2.1 PM2.5浓度计算
PM2.5数据来源于16个站点,通过武汉市环境保护局获取,为PM2.5浓度的日均值。考虑到植被的生长周期、天气情况等影响因素,研究选取2016年6—8月植被处于全叶期,且无缺失值,前后2~3d均为晴朗无风或微风的PM2.5浓度数据,共获得有效数据608组。为了进一步分析不同污染程度下UGI空间格局对PM2.5的影响,将PM2.5日均浓度按照污染程度分为优(<35μg/m3)、良(35~75μg/m3)与轻度污染(75~115μg/m3)。最后将这些数据的算术平均值用于分析,以减少单日数据的偶然误差。
1.2.2 MSPA分析
UGI具有多尺度空间特征,构成要素包括国家自然生命支持系统(森林等)、基础设施化的城乡绿色空间(绿地与公园系统等)和绿色化的市政工程基础设施(植草沟等)[23]。本研究关注的是街区尺度,UGI包括街区中的林地、草地、行道树、公园绿地和屋顶绿化等所有绿色植被覆盖的空间。首先,借助ENVI软件,以地形图为参照,将2016年7月武汉建成区范围的Google Earth遥感影像图进行几何校正,其空间分辨率为0.26m。其次,在ArcGIS中,通过各站点的经纬度坐标定位,建立各研究单元的边界范围,并通过人工目视解译,提取研究单元内的UGI要素。将UGI作为前景,其他要素作为背景,输出为0.2m分辨率的TIFF格式的二值栅格数据,有利于得出研究对象更为详细的空间形态格局信息。最后,基于Guidos Toolbox软件,采用八邻域分析法,设置边缘宽度为20,对应实际距离约为4m,进行MSPA分析,得到核心、孤岛、孔隙、边缘、环、桥梁和分支7种形态要素[18]。在城市街区中,核心是较大规模的绿地,包括公园绿地、社区公园等;孤岛是面积较小、相互孤立的绿斑,如口袋公园、散置行道树等;孔隙是受到人为因素干扰而产生的核心内部与非UGI的交界地带;边缘则是核心和外界非UGI区的交界地带,如社区公园的外围林带;环、桥梁和分支是3种线性空间,分别对应着连接同一核心,连接相邻核心,一端连接边缘、孔隙、环线和桥梁的道路绿化带、景观带等。
1.2.3 UGI连通性分析
Conefor软件被运用于生态学领域[24],可定量分析斑块、廊道对于维持或提高景观连通性的重要性。通过识别生态连通性的关键点,确定其优先次序,是指导实际规划设计的重要实用工具。在UGI连通性评价方面,整体连通性连接指数EC(IIC)与可能连通性连接指数EC(PC)是国内外常用的评价指标[25]。首先通过ArcGIS筛选出对维持UGI网络连通性作用较强的核心,结合16个街区尺度研究单元的UGI规模,选取面积大于1 000m2的核心。其次基于Conefor 2.6软件,设置500m扩散距离与0.5的连通概率[26],计算EC(IIC)与EC(PC)用于衡量各研究单元UGI的整体连通性,其值越大,说明UGI连通性越好。
图2 各研究单元PM2.5浓度差异性
图3 基于MSPA要素的研究单元聚类分析
2 结果与分析
2.1 武汉建成区16个研究单元PM2.5分布特征
在城市整体大气颗粒物污染的背景下,PM2.5浓度在不同研究单元中差异性较大,其分布规律在不同污染程度下呈现相同的趋势(图2)。其中PM2.5浓度最高值出现在江汉南片区,最低值出现在汉口江滩。整体上,PM2.5浓度在16个研究单元中有47.4~61.2μg/m3的浮动变化,污染程度由优到轻度污染的PM2.5浓度变化范围分别为30~42、47.1~59.9和69.5~89μg/m3。
2.2 16个研究单元MSPA要素及对PM2.5的影响
MSPA各要素在不同研究单元的构成差异性较大,通过系统聚类分析,将16个研究单元按照MSPA要素特征可分成2类(图3):1)核心主导型,核心是主要的构成要素,包括吴家山、江夏区站等7个研究单元,大规模的绿地提高了核心的优势度,其核心分别占UGI面积50%以上,且远大于其他要素;2)边缘主导型,边缘是主要构成要素,包括江汉南片区、蔡甸区站等9个研究单元,大量零散分布的中小型绿色核心增加了边缘的面积,基本占UGI面积40%以上,其次为核心。孔隙、环与桥梁是16个研究单元均占比极低的3类要素。就各要素的UGI占比与数量而言,核心的UGI占比与数量呈反比关系,其占比越高,数量越少,说明核心主要呈现“量少、面大”的空间布局模式。其余要素的UGI占比与数量呈“同增同减”的变化趋势。
由表1可知,在PM2.5浓度相对较高、污染较重时,研究单元的UGI比例、MSPA要素与PM2.5浓度相关越显著,整体表现为PM2.5浓度与UGI所占比例、核心比例、孔隙比例与数量、环的数量在0.05水平上呈显著负相关,与孤岛、分支比例分别在0.05、0.01水平上显著正相关,但与边缘、桥梁均无明显相关关系。不同污染程度下,PM2.5污染为优时仅与分支比例在0.05水平上显著正相关,为良时其相关规律与整体类似。在轻度污染时,PM2.5浓度与孤岛比例的相关性减弱,与边缘比例在0.05水平上呈显著正相关。此外,PM2.5浓度与各要素的比例相关性基本上强于其数量,说明要素规模是主要的影响因素。
2.3 16个研究单元UGI连通性及对PM2.5的影响
研究单元的EC(IIC)、EC(PC)差异性较大,且EC(PC)均大于EC(IIC),其分布规律与MSPA要素相似。核心主导型研究单元以大片集中的UGI布局模式增加了空间连通性,其EC(IIC)、EC(PC)基本均高于边缘主导型。研究单元中对UGI连通性起重要作用的核心一般面积较大,且位于所有斑块的核心位置,因此能有效维持整个UGI系统。
由表2可知,不同污染程度(优除外)的PM2.5浓度与EC(IIC)、EC(PC)在0.05水平上呈显著负相关,与EC(PC)的相关性强于EC(IIC),说明UGI连接程度越高,PM2.5浓度越低。
实际上,MSPA各要素与UGI连通性也有着密切联系。核心区是较大的生态斑块,在UGI连接度中发挥着生态源的作用,其面积的减小及破碎化往往导致连通性的下降。孤岛则是孤立的小斑块,难以与其他要素产生物质交换与能量流动,其数量或面积的增加会导致连通性的下降。环、桥梁与分支在UGI的连接度中起着廊道的作用,因此其数量的增加有利于加强连通性。例如增加环的数量,有利于加强核心区自身的连通性,对PM2.5产生积极的消减作用。但由于研究单元的UGI基本呈分散式布局,量大面广的破碎化分布反而不利于改善PM2.5,尤其是仅一端连接核心区的分支,呈明显相反规律。
表1 MSPA各要素的比例、数量及UGI的研究单元占比与PM2.5浓度的相关性
3 讨论
3.1 基于MSPA的UGI空间格局对PM2.5的影响
整体而言,研究单元中UGI所占比例越高,其PM2.5浓度就越低。而基于Fragstats软件计算的PLAND指标,也说明绿地所占比例越高,越有利于降低PM2.5浓度[11,13]。在UGI与PM2.5浓度具有显著相关的基础上,MSPA的6种要素的规模与数量对PM2.5浓度有着较大影响,体现了UGI不同空间形态对改善PM2.5的潜力。其中,核心比例与PM2.5浓度呈显著负相关,它是街区中规模较大的绿地斑块,增加核心面积使绿地斑块优势度提高,有利于加强它与中小型绿地斑块的连接性,从而增加环境抵抗力[14]。孤岛比例与PM2.5浓度呈显著正相关,这是由于面积较小的孤岛不仅削弱了PM2.5的消减作用,同时高占比的孤岛反映了小型绿地斑块的高破碎化程度,因此不利于PM2.5的缓解[27]。增加孔隙比例、数量均有利于降低PM2.5浓度,由于研究单元中此要素所占比例极低,因此大型绿地斑块即使受到轻微的人工干预,也不影响它的颗粒物降解功能,而由此形成的复杂绿地斑块形态有利于提高其抗干扰力。分支是一端连接核心区的线性空间,与斑块的数量密切相关,而研究单元中核心数量与其比例成反比,核心比例越小的研究单元往往拥有越多的斑块数量,导致破碎化程度与PM2.5浓度越高,或许是本研究得到分支与PM2.5浓度呈显著正相关的原因。边缘是核心的外围环状空间,它在一定程度上也反映了斑块的破碎化程度,同等规模的核心,边缘比例越大,说明它被分割的数量越多,因此边缘比例与PM2.5浓度呈正相关,在轻度污染时相关性显著。桥梁与PM2.5浓度则无明显相关性,这主要是由于大多数研究单元UGI斑块分布较零散,桥梁主要连接着距离较近的小型核心,面积较大的核心往往仍处于孤立状态。与顾康康等的研究发现相似,UGI景观连通性与空气净化效应权衡关系较显著[28],因此以大型核心为中心串联周围分散的孤岛,将有利于改善大气环境。
3.2 UGI连通性对PM2.5的影响
EC(IIC)、EC(PC)的值越大,说明在一定范围内斑块面积越大,在一定程度上反映斑块之间的临近距离也越小。景观格局指数中,平均临近距离(ENN_MN)、聚合度(AI)、景观分割指数(DIVISION)等指标均能反映斑块之间的空间关系,研究认为减小斑块之间的平均临近距离、集中式的分布有利于降低大气颗粒物浓度[14]。本研究基于对连通性指数分析认为,在街区尺度,受限于场地空间的规模,较小的UGI斑块以集中分布模式为宜。
3.3 基于MSPA要素与连通性的UGI空间格局优化设计
UGI构成要素包括网络中心、廊道和小型场所,强调空间的连接性,具有多尺度特征。而基于MSPA分析生成的要素根据形态特征的差异性可以将其与UGI要素建立联系,从而在优化布局上落实到具体的空间定位。
根据上述数据分析结果,街区尺度基于MSPA的UGI空间格局、连通性与PM2.5浓度有着密切联系。街区尺度的UGI空间格局优化具有较高的实操性,在城市尺度整体布局的基础上,通过UGI细部构建形成街区微绿网,可有效整合零散的绿色斑块,提高UGI空气净化与其他生态效益。理论上,可以增加街区的UGI覆盖面积来缓解PM2.5污染,但在城市街区高密度建设的背景下,绿地破碎化程度普遍较高,连接度较弱,呈零散状分布,且难以再实施大规模的绿化。因此,通过UGI空间格局的优化更有意义且至关重要,其核心要点包括:1)通过要素之间的转化,增加UGI中的核心面积并减少孤岛面积,降低斑块的破碎化程度;2)在核心存在孔隙时,通过环线加强内部的连通性;3)优化核心形态,增加宽度以减少细碎的分支面积;4)集中式的布局以提高UGI的整体连通性,构建以重要斑块为核心、线性廊道串联的多层级绿色开放空间网络。
3.3.1 网络中心与小型场所
网络中心是UGI中生态价值较高的区域,当达到一定规模后才能更好地发挥生态效益,其规模取决于研究对象的尺度。在街区尺度,网络中心由核心构成,包括公园绿地、社区公园等较大规模绿地。为了尽可能地提高UGI网络结构的稳定性与PM2.5的消减效果,需考虑核心的规模、对维持网络连通性的重要程度等因素,筛选重要的核心为网络中心,以保证微绿网较高的连通性与稳定性。其余较大面积核心可作为小型场所,包括口袋公园、道路广场等。其次,结合场地现状环境特征,选取具备可发展成绿色空间用地,或将面积较小的核心、孤岛通过可利用空间的绿化种植,使其转化为面积较大的核心,作为潜在的网络中心。在网络中心的形态上,可适度增加其内部空间的孔隙,营造形状复杂的空间结构。
3.3.2 廊道
廊道是连接网络中心、小型场所的线性空间,对加强UGI网络的连通性、促进生态流动性具有重要作用。在MSPA要素中,桥梁、环与分支均是廊道的主要构成因素,而线性的孤岛也具有发展成廊道的潜力。通过增加这些线性要素的数量,串联孤岛转化成廊道并减少孤岛数量,均有利于降低PM2.5浓度。在大规模绿地内的孔隙空间,也需通过道路绿带等线性廊道加强内部联系。然而,为发挥廊道的连通功能,需避免过多类似分支的单边联系的廊道。在高密度城市街区中,主要依托道路构建廊道,可根据道路现状绿化情况、绿化用地资源、立体绿化潜力等方面对各个道路进行评价,选择适宜道路构建廊道[29]。还可依托水系的滨水绿带建设,并连接街区中的大小绿斑,提高UGI的连通性。
表2 UGI连通性指数与PM2.5浓度的相关性
4 结语
本文以武汉建成区16个1 000m×1 000m研究单元为例,基于MSPA分析将UGI分解成7种要素,并以EC(IIC)、EC(PC)衡量UGI整体连通性,通过相关分析判别MSPA要素、UGI连通性与PM2.5浓度的关联性,从而提出UGI空间格局优化策略。
研究结论如下。1)16个研究单元的MSPA要素存在较大差异,可分为以核心与边缘为主导要素的2种形态,其相应的UGI整体连通性前者高于后者。2)在PM2.5浓度相对较高时,研究单元的UGI比例、MSPA要素与PM2.5浓度相关越显著。整体而言,PM2.5浓度与UGI所占比例、核心比例、孔隙比例和数量、环的数量显著负相关,与孤岛、分支比例显著正相关,但与桥梁无明显相关关系。在轻度污染时,PM2.5浓度与孤岛比例的相关性减弱,与边缘比例显著正相关。3)EC(IIC)与EC(PC)均与PM2.5浓度显著负相关。
注:文中图片均由陈明绘制。