gser Geographical Science Research 2168-5762 2168-5770 beplay体育官网网页版等您来挑战! 10.12677/gser.2024.134078 gser-95583 Articles 地球与环境 川南城市群热岛效应对臭氧污染的影响
The Impact of Heat Island Effect on Ozone Pollution in Southern Sichuan Urban Agglomeration
黄欣宇 曾胜兰 成都信息工程大学大气科学学院,四川 成都 20 08 2024 13 04 812 826 17 6 :2024 22 6 :2024 22 8 :2024 Copyright © 2024 beplay安卓登录 All rights reserved. 2024 This work is licensed under the Creative Commons Attribution International License (CC BY). http://creativecommons.org/licenses/by/4.0/ 由于城市化进程快速推进,城市环境问题日益凸显,热岛效应和臭氧问题是城市化两个突出的环境问题。为了研究川南城市群热岛效应对臭氧浓度的影响,本文用MODIS地表温度数据以及臭氧历史监测数据,分析了2010~2019年川南城市群城市热岛效应和臭氧浓度的时空分布特征、热岛效应对臭氧浓度的影响。结果表明:(1) 川南城市群城市用地热岛强度的年变化波动幅度较大,总体表现为2015年前减弱,2015年后增强,其中热岛强度最高值出现在2012年(1.39℃),最低值出现在2015年(−0.23℃)。热岛强度季节变化幅度较大。从空间分布上看,川南城市群秋季强热岛分布面积最广,冬季热岛分布显著缩减;(2) 川南城市群五个城市臭氧浓度均呈现春夏高,秋冬低的分布特征,五个城市除乐山外其余四个城市夏季臭氧浓度约为冬季的两倍。空间分布上,春季和冬季臭氧浓度空间分布表现为内江和自贡略高于剩余三个城市,夏季乐山和内江出现大面积高值区(88~102 μg/m 3);(3) 热岛强度与臭氧浓度存在显著正相关性。城市化发展程度越高,对土地覆盖的影响越大,人口密度越集中,热岛效应越明显,促进臭氧的生成。
Due to the rapid progress of urbanization, urban environmental problems are becoming increasingly prominent, with heat island effect and ozone problem being the two prominent environmental problems of urbanization. In order to study the impact of urban heat island effect on ozone concentration in the southern Sichuan urban agglomeration, this paper uses MODIS surface temperature data and historical ozone monitoring data to analyze the spatiotemporal distribution characteristics of urban heat island effect and ozone concentration in the southern Sichuan urban agglomeration from 2010 to 2019, as well as the impact of heat island effect on ozone concentration. The results show that: (1) the annual fluctuation of urban land heat island intensity in the southern Sichuan urban agglomeration is significant, with an overall trend of weakening before 2015 and increasing after 2015; The highest value of heat island intensity occurred in 2012 (1.39˚C), and the lowest value occurred in 2015 (−0.23˚C). The seasonal variation in heat island intensity is significant. From a spatial distribution perspective, the autumn heat island distribution area in the southern Sichuan urban agglomeration is the widest, while the winter heat island distribution is significantly reduced; (2) The ozone concentration in the five cities of the southern Sichuan urban agglomeration shows a distribution pattern of high in spring and summer, and low in autumn and winter. Except for Leshan, the ozone concentration in the other four cities in summer is about twice that in winter. In terms of spatial distribution, the spatial distribution of ozone concentration in spring and winter shows that Neijiang and Zigong are slightly higher than the remaining three cities, while in summer, Leshan and Neijiang have a large area of high-value areas (88~102 μg/m 3); (3) There is a significant positive correlation between heat island intensity and ozone concentration. The higher the level of urbanization development, the greater the impact on land cover, the more concentrated the population density, the more obvious the heat island effect, and the promotion of ozone generation.
川南城市群,城市热岛效应,热岛强度,臭氧浓度,相关性
South Sichuan Urban Agglomeration
Urban Heat Island Effect Heat Island Intensity Ozone Concentration Correlation
1. 引言

自改革开放以来,我国城市化进程在国民经济高速增长下快速推进,城市建设用地面积和城镇人口数均呈现显著增长 [1] [2] 。城市群的形成极大地促进了地区间的合作和人员流动,但也加剧了城市群地区极端高温事件的发生 [3] 。近年来,中国大气污染物排放总量呈现下降趋势,但臭氧污染问题日趋明显,逐渐取代PM2.5成为影响空气质量的主要污染物 [4] 。随着经济快速增长和城市化进程不断加速,城市热环境和臭氧污染的研究逐渐成为城市气象研究的热点问题。

关于城市热岛的研究,地表温度数据是用以表示热岛强度的重要数据。对于地表温度的获取,大部分研究采用了遥感监测,利用卫星产品获得研究区域的辐射地表温度(Land Surface Temperature, LST)。Krishna [5] 在城市热岛效应的研究中首次使用了LST,随后LST数据在城市热岛效应中得到广泛应用。目前地表温度数据来源主要为Landsat、中分辨率成像光谱仪(Moderate-resolution Imaging Spectroradiometer, MODIS)和先进的星载热发射和反射辐射计(Advanced Spaceborne Thermal Emission and Reflection Radiometer, ASTER)。Taheri Shahraiyni等 [6] 和张晓敏等 [7] 利用Landsat系列数据分别分析了埃及首都开罗市和深圳市的城市热岛。Landsat系列卫星数量较多,能够提供足够的遥感影像,但Landsat数据仅具有白天的LST产品。而MODIS数据能够提供白天与夜晚的温度数据,2004年首次发表了基于MODIS数据的热岛效应研究 [8] ,杨翠芹等 [9] 则将实测气象资料和MODIS数据结合起来对合肥的城市热岛进行分析。Nichol [10] 于2005年首次采用ASTER数据研究城市热岛的日夜变化,目前基于ASTER数据的研究相较于其他两种数据较少。

我国臭氧浓度季节变化明显,夏季臭氧浓度高。在季风的影响下,我国北纬35˚以北的地区,臭氧浓度月变化呈现单峰型,高值出现在5~7月,在北纬35˚以南地区呈现双峰型,高值在4~6月和7~10月出现 [11] 。臭氧污染的形成和持续主要受到污染源排放强度的影响以及本地天气形势和气象条件等 [12]

目前有关城市热岛效应对臭氧浓度影响的研究较少。Wang等 [13] 和Shi等 [14] 对长三角地区和成都地区的城市热岛效应对臭氧浓度的影响发现热岛强度与臭氧浓度呈正相关而Gray等 [15] 对芝加哥地区夏季臭氧浓度升高的原因探究则发现夏季气温升高并非主要原因。

研究川南城市群一段时间的热岛效应和臭氧浓度时空分布特征,旨在加深对川南城市群热岛效应和臭氧污染特征的认识,为当下区域大气污染治理、生态环境改善等生态文明建设工作提供信息参考。

2. 资料和方法 2.1. 研究区概况

川南城市群依托川南经济区,是由四川盆地南部的内江、自贡、宜宾和泸州、乐山构成的多核心城市群。川南城市群位于长江上游四川南部,川滇黔渝三省一市的交界处,也是四川省域内人口稠密的地区之一。川南城市群既承接成渝,也辐射云贵北部,区位优势明显,拥有较强的工业基础和特色的优势产业。中等城市密集,空间聚合形态较好,城镇布局和生产力布局大致吻合。川南城市群是四川省的第二大城市群,在四川经济版图中占据着重要位置。川南城市群属亚热带季风气候,夏季高温多雨,冬季温和少雨。

2.2. 资料概况

本文选取了2010~2019年MODIS遥感产品的MOD11A2产品的夜间地表温度数据,用于分析川南城市群热岛效应变化特征,空间分辨率为1000 m,时间分辨率为8 d。首先使用MODIS重投影工具参考以WGS-84为基准,将图像进行重投影,提取出目标研究波段,再排除大气干扰和云覆盖像素,再用ArcGIS处理图像。在ArcGIS中对部分异常值进行处理,并运用相关计算工具,获得研究所需地表温度数据 [9] 。臭氧数据则来自于中国空气质量在线监测分析平台,获得了2014~2019年川南城市群五个城市的臭氧历史数据,具体站点数据来自于学者王晓磊个人主页上分享的数据( https://quotsoft.net/air/#archive.com )及中国环境监测总站的全国城市空气质量实时发布平台,数据参照《中国环境空气质量标准》严格筛选,剔除缺失数据。

川南城市群土地覆盖类型数据来自武汉大学CLCD土地利用数据集,空间分辨率为30 m [16] 。根据研究区域的实际情况,将研究区域分为农田、森林、灌木、草原、水域、冰雪、裸地、城市等八种土地覆被类型,如 图1 所示。

人口数据来源于LandScan人口数据集的2015~2019年人口空间分布栅格数据,空间分辨率为1 km,为了得到具体的人口数,对各地级市的人口栅格值进行求和,从而得到了地级市的逐年人口数量。

2.3. 研究方法

利用卫星遥感观测得到的地表温度计算的城市热岛又被称为地表城市热岛(Surface Urban Heat Island, SUHI),为便于叙述,本文将其统称为城市热岛(Urban Heat Island, UHI)。为了得到川南城市群热岛强度,利用卫星遥感观测得到的地表温度和土地覆被类型数据计算川南城市群热岛强度,具体方法为利用川南

Figure 1. Land cover map of the southern Sichuan urban agglomeration--图1. 川南城市群土地覆被图--

城市群土地覆盖类型数据,将农田区域作为郊区,根据研究区域每个像元对应的土地覆盖类型和地表温度,从而计算得到目标区域内单个像元对应的热岛强度UHI [17] ,计算公式如下 [18]

U H I i = L S T i L S T ¯ c r o p l a n d (1)

式中, U H I i 为像元i的川南城市群区域热岛强度, L S T i 为像元i的地表温度, L S T ¯ c r o p l a n d 为整个川南城市群农田的平均地表温度。计算出热岛强度后绘制川南城市群热岛强度年、季节和空间分布图,据图分析川南城市群热岛的时空分布特征。根据以往研究 [19] ,通常根据热岛的大小将其强度分为七个级别:当热岛强度小于−5.0℃时,为强冷岛,当热岛强度为[−3.0, −1.0)℃和[−5.0, −3.0)℃时,热岛强度分别为弱、较强冷岛,当热岛强度为[−1.0, 1.0)℃、[1.0, 3.5)℃和[3.0, 5.0)℃时,热岛强度分别为无、弱、较强热岛。当热岛强度大于5.0℃时,热岛水平达到极值,为强热岛。

本文拟对川南城市群臭氧时空分布特征进行分析,为了得到川南城市群臭氧年、季节、月以及空间分布,本文以臭氧日最大8 h滑动平均值作为臭氧日均浓度,以一段时间内(月度、年度)的臭氧日均浓度的第90百分位数作为这段时间的臭氧浓度值 [12] ,据此统计出川南城市群年、季节和月的臭氧变化图。此外,利用ArcGIS对川南城市群监测站点的臭氧浓度数据进行反距离权重插值(IDW),得到臭氧浓度的空间分布图。最后由得到的结果进行臭氧浓度时空分布特征的分析。据北半球气象区划方案(中国气象工业标准),春季为3月至5月,夏季为6月至8月,秋季为9月至11月,冬季为12月至次年2月。

为了分析川南城市群热岛效应对臭氧浓度的影响,对热岛强度与臭氧浓度、温度与臭氧浓度以及热岛强度和臭氧浓度与人口密度的相关性进行分析,利用SPSS中斯皮尔曼相关性分析热岛强度与臭氧浓度,温度与臭氧浓度的相关性,再利用一元线性回归对热岛强度和臭氧浓度与人口密度的相关性进行分析,根据分析结果,进行相关性的分析。

3. 研究结果 3.1. 川南城市群热岛效应时空分布特征

图2 可知,川南城市群年均地表温度总体呈东北部偏高,西南部偏低的特征,每年的年均温度差值不大,基本都在0℃~18℃左右。 图2 表明乐山西南部有大片地表温度为0℃左右的低温区,这可能与乐山地理位置有关,乐山西南部与凉山彝族自治州接壤,海拔较高,绿地覆盖面积较多,这些地理分布特征在一定程度上起到了降低地表温度的作用,由于乐山市城市发展规划,该低温区面积逐年减小。地表温度较高区域主要集中在中东部地区,其值随年变化的波动不大,维持在17℃左右;泸州东南部地区地表温度值在2010年大致处于8℃左右,其值逐年上升但幅度不大。从单个城市角度上看,乐山地表温度值基本处于0℃~10℃附近,乐山西南部地表温度值较低,低值区面积逐年减小但低值变化不大,维

Figure 2. The spatial distribution of annual surface temperature in the southern Sichuan urban agglomeration; (a) 2010, (b) 2013, (c) 2016, (d) 2019--图2. 川南城市群年均地表温度空间分布;(a) 2010年,(b) 2013年,(c) 2016年,(d) 2019年--

持在0℃左右。乐山东北部地表温度值逐年上升,在2016乐山东北部区域有较大范围的地表温度上升到14℃左右,到2019年时该区域的地表温度值有所下降;内江和自贡整体地表温度基本都维持在16℃左右,年变化不明显;宜宾大部分地区地表温度维持在16℃附近,在2010和2013年宜宾西北部和南部部分地区地表温度大约为7℃,但在2016年和2019年该区域地表温度有所上升;泸州大部分区域地表温度处于16℃附近,2010年泸州南部存在一部分区域地表温度处于8℃左右,但接下来几年该部分地表温度值逐渐上升。根据张峥等 [20] 对土地覆被类型和利用方式对于地表温度的研究发现城市用地地表温度夏季最高,而农村居民点夏季的地表温度最低,表明不同的土地利用方式对地表温度的高低有显著影响。总体来看,川南城市群地表温度整体逐年变化不大,但其中的部分地区地表温度的逐年变化特征也比较明显。

(1) 热岛强度的年际变化特征

2010~2019年川南城市群城市热岛强度波动幅度较大,如 图3 所示,2015年以前城市热岛强度呈现明显的波动下降,2015年后呈现波动上升。在2015年城市热岛强度出现负值,说明城市用地地表温度低于农田区域,农田区域出现城市化现象,此种现象并不常见。2010~2019年城市热岛强度最高值出现在2012年,为1.39℃。2012~2015年城市热岛强度呈较为陡峭的下降,2016~2018年城市热岛强度比较稳定,波动幅度并不大,到2019年又有明显上升,呈现此种变化特征的原因可能是由于城市用地扩张从而导致热岛强度增强。在2018~2019年,城市热岛强度较前两年出现陡增。川南城市群城市用地年均热岛强度值基本维持在[0℃~1.5℃]的范围内,大致表现为弱热岛。下垫面属性改变、人口密度上升、人为热源不断增长等因素在一定程度上影响区域热环境的分布 [19] ,从而影响城市热岛强度。总体而言,川南城市群城市用地热岛强度年变化表现为2015年前减弱,2015年后增强的变化特征,但2015年后的增幅远小于2015年前的降低幅度,后期的热岛强度值相比前期也偏低,这可能与近几年减排等一系列环保政策的实施相关,但由于人口扩张,汽车保有量增加等因素,热岛强度仍然表现为上升。

Figure 3. Inter annual variation of urban heat island intensity in the southern Sichuan urban agglomeration--图3. 川南城市群城市热岛强度年际变化--

(2) 热岛强度的季节变化特征

图4 表明,川南城市群城市用地热岛强度在2013年春季出现最高值,2015年冬季出现最低值。总体来看,春季和夏季热岛强度普遍较高,秋季和冬季较低。各季节热岛强度年变化均有较大波动,春季热岛强度在2016年以前呈现先增加再降低的变化特征,出现明显的倒V型,2016年后热岛强度表现为上升,有小幅波动但基本维持在2.5℃左右,春季最高值出现在2013年,最低值出现在2016年;夏季热岛强度基本维持在1℃以上,在2013年以前下降,2013~2017年呈波动增加,波幅不大,2017年后出现明显倒V型,在2019年出现夏季最低值,最高值出现在2010年;秋季热岛强度基本均匀分布在0℃附近,2013年以前热岛强度表现为下降,但变化幅度不大,2013年为最低值,随后上升,在2016年出现峰值,之后在2017年陡降,2017年后又呈逐年上升;冬季热岛强度大多为负值,在2014年以前呈现波动变化,变化幅度较小,2014年后变化幅度大,出现两个明显的V型并列,但2018年前后的变化幅度小于2015年前后,最低值出现在2015年。总体而言,川南城市群城市用地热岛强度变化在季节的年变化上的变化规律不强,但就各季节而言,春季和夏季普遍强于冬季和秋季。

Figure 4. Seasonal variation of urban heat island intensity in the southern Sichuan urban agglomeration--图4. 川南城市群城市热岛强度季节变化--

图5 分析可知,在内江,自贡,宜宾和泸州的交接区域热岛效应明显,热岛面积呈连续的片状,而在乐山地区热岛效应十分不明显。从季节变换角度看,秋季的热岛区域分布较为广泛,然而无论季节如何变化,乐山西南部区域均出现了强冷岛,这可能与其下垫面分布有关,结合土地覆被类型分析,乐山西南部地区分布较多的森林山地,地形复杂,不利于城市建设,且此种下垫面利用区域温度普遍较低。泸州东南部地区在春、夏、冬季出现一块片状区域的冷岛,秋季该区域面积有所减小。强热岛区域在川南城市群中部春、夏季呈点状分布,秋季面积有所增加,主要集中在泸州中部偏北区域,城区的高层建筑对热量和污染物的扩散有一定的阻碍作用,从而导致热岛效应增强。从图中进一步分析可得,尽管同样是城区,但热岛强度的高值区一般出现在城市的核心区域,这表明热岛强度可能受到城市建设水平、人口密度等的影响。从单个城市看,乐山市春、夏、秋三季有近一半区域处于强冷岛范围,冬季强冷岛面积有所减小,春季和夏季乐山东北部地区热岛呈点状分布,冬季和秋季无热岛分布,整个乐山市热岛效应并不显著,大部分区域都呈现冷岛;内江市春季东南部有大片热岛区域,夏季热岛面积有所扩张,整个中东部基本都有弱热岛分布,秋季热岛面积与夏季接近,但分布位置有所变化,中部偏西和西南区域有弱热岛出现而东部热岛面积减小了一部分,冬季内江市基本无热岛分布,仅有少量点状热岛分布区域;自贡市春、夏、秋三季东部地区都有广泛的热岛分布,夏季和秋季的热岛面积比较接近,均多于春季的分布范围,冬季热岛面积迅速减少,仅在东部较小区域有热岛分布;宜宾市的热岛面积基本集中在东北部,热岛面积相对于整个城市而言并不多,西部和南部地区附近有冷岛分布,冷岛面积在冬季明显减少,夏季和秋季的热岛面积相对较广泛,秋季热岛区域相较于夏季更集中;泸州市春季和秋季的热岛面积较广泛,相较于其他城市,泸州出现较强热岛的区域更多,尤其在秋季更为明显,泸州市的热岛面积集中在北部区域,南部部分地区有冷岛出现,夏季冷岛面积最广且强度较强。整个川南城市群的热岛基本属于弱热岛,较强热岛普遍出现在春季和秋季但面积都较小。

Figure 5. Spatial distribution map of heat island intensity in the southern Sichuan urban agglomeration; (a) Spring, (b) Summer, (c) Autumn, (d) Winter--图5. 川南城市群热岛强度空间分布图;(a) 春季,(b) 夏季,(c) 秋季,(d) 冬季--
3.2. 川南城市群臭氧浓度时空变化特征

(1) 臭氧浓度的年际变化

图6 可知,宜宾,自贡臭氧浓度呈波动上升,内江呈波动下降,泸州、乐山呈波动变化。其中,自贡的年均臭氧浓度变化最明显,2014年时,其年均臭氧浓度最低,随后增长至与其他四个城市接近。从单个城市来看,宜宾和自贡年均臭氧浓度在2018年达到峰值,泸州和内江年均臭氧浓度在2016年达到峰值,乐山年均臭氧浓度在2017年达到峰值,这可能与不同城市之间的发展有一定关系。总体来看,川南城市群五个城市臭氧浓度基本在70~140 μg/m3左右,五个城市年均臭氧浓度最大值出现在2017年的乐山,约为140 μg/m3,在2017以前,部分城市的年均臭氧浓度变化较大,之后五个城市的年均臭氧浓度变化基本趋于平缓,臭氧浓度值也逐渐接近。自2017年后,川南城市群年均臭氧浓度基本维持在100 μg/m3以上。

Figure 6. Inter annual variation of ozone concentration in the southern Sichuan urban agglomeration--图6. 川南城市群臭氧浓度年际变化--

(2) 臭氧浓度的季节变化

川南城市群五个城市臭氧浓度如 图7 所示,呈现春夏高,秋冬低的分布特征,其中夏季最高,冬季最低。从整体上看,最高值出现在夏季的自贡,最低值出现在冬季的泸州。除乐山外,其余四个城市夏季臭氧浓度约为冬季的两倍。川南城市群各个城市中内江、自贡、宜宾和泸州春夏两季臭氧浓度都存在明显差值,并且泸州市春夏两季臭氧浓度的差值是所有城市中最大的,而乐山春夏两季臭氧浓度值则较为接近。各个城市春夏两季臭氧浓度均高于100 μg/m3,夏季宜宾和泸州两个城市臭氧浓度基本接近140 μg/m3,而秋季五个城市臭氧浓度维持在80 μg/m3左右,冬季臭氧浓度则在60 μg/m3附近。出现该特征的原因可能主要是太阳辐射,温度季节变化等。春夏两季随着日照强度和温度的升高,臭氧光化学反应速率变快,从而使臭氧浓度有所升高。根据以往研究发现 [21] ,较高浓度的大气颗粒物会使气溶胶光学厚度增加,对降低太阳辐射起到一定作用,从而抑制了光化学反应,使得臭氧浓度降低。而冬季PM2.5等颗粒物普遍增加,可能是造成冬季臭氧浓度偏低的原因之一。此外,川南城市群位于四川盆地,风力较弱,不利于污染物扩散,从而使得挥发性有机物和氧气发生二次反应,导致臭氧浓度升高。

Figure 7. Seasonal variation of ozone concentration in the southern Sichuan urban agglomeration--图7. 川南城市群臭氧浓度季节变化--

(3) 臭氧浓度的月度变化

图8 分析可得,2014~2019年臭氧月均浓度在20~160 μg/m3之间波动,除泸州最大值出现在2019年8月外,其余城市最大值均出现在2017年7月,臭氧浓度峰值基本集中在夏季。从整体上看,川南城市群五个城市臭氧月均浓度从每年一月份开始逐渐上升,4~8月之间出现高值,随后下降,低值主要出现在12月。其中,宜宾,泸州,乐山的臭氧浓度变化规律呈较明显的倒V形,同时,川南城市群各城市在部分年份呈现较明显的双峰型,3~5月间出现的波峰可能是由于在春季发生的“对流层折叠”所引起的,对流层上部高浓度臭氧经过沉积和平流作用向下输送到地球表面,从而使臭氧浓度增加 [22] 。此外,冬季一般逆温层较厚,大气层结稳定,对流活动活跃性较低,影响了污染物的扩散,从而使得对流层底部臭氧前体物如挥发性有机物、氮氧化物等累积 [14] ,而冬季温度较低,光化学反应速率较慢,随着春季温度回升,光化学反应速率加快,使得春季臭氧浓度有所增加。7、8月出现的波峰可能主要与温度、季风等因素相关,而6月的波谷可能受降水等因素的影响;内江五年间的变化比较一致,自贡五年间的月均臭氧浓度大致表现为逐年上升。

从单个城市来看,乐山春季大部分地区臭氧浓度处于40~52 μg/m3之间,在夏季臭氧浓度迅速上升,大部分地区处于88~102 μg/m3之间,秋季臭氧浓度有所降低,但降幅不大,处于76~88 μg/m3范围,到冬季大幅减少至28~40 μg/m3之间;内江春季臭氧浓度处于52~64 μg/m3之间,夏季大部分地区浓度上升至88~102 μg/m3之间,秋季臭氧浓度高值区面积急剧减小,仅在中部偏东地区有一小部分高值区,冬季浓度降低至40~52 μg/m3范围;自贡春季大部分区域臭氧浓度处于52~64 μg/m3之间,夏季大范围上升至76~88 μg/m3之间,在西北部和东北部小部分地区臭氧浓度处于88~102 μg/m3范围,秋季较夏季变化不大,

Figure 8. Monthly variation of ozone concentration in the southern Sichuan urban agglomeration--图8. 川南城市群臭氧浓度月度变化--

冬季大部分区域下降至40~52 μg/m3之间;宜宾大部分区域春季臭氧浓度处于40~52 μg/m3之间,夏季有所增加但大部分区域没有达到高值范围,仅在城市中间区域出现了小范围臭氧浓度高值区,秋季浓度较夏季变化不大,城市中间有小面积臭氧浓度下降至64~76 μg/m3之间,冬季则降低至最低范围;泸州大部分区域春季臭氧浓度处于40~52 μg/m3之间,夏季北部及东部小区域出现了臭氧浓度高值区,秋季高值区消失,整体变化不大,冬季浓度降低至28~40 μg/m3范围。如 图9 所示,春季和冬季臭氧浓度空间分布表现为内江和自贡略高于剩余三个城市,冬季的臭氧浓度整体略低于春季,夏季乐山和内江出现大面积区域臭氧浓度位于88~102 μg/m3之间的高值区,秋季整个川南城市群大部分区域臭氧浓度基本处于76~88 μg/m3之间,高值区面积较夏季明显缩小,一方面可能是因为秋季气温降低,臭氧光化学反应速率减慢,另一方面四川盆地秋季多雨,臭氧前体物在降水的作用下被清除,减缓了臭氧的生成,从而使臭氧浓度降低。而不同区域的空间分布特征则可能与交通流量,人口密度,人为排放等因素有关。

Figure 9. Spatial distribution of ozone concentration in the southern Sichuan urban agglomeration--图9. 川南城市群臭氧浓度空间分布--
3.3. 川南城市群热岛效应对臭氧污染特征的影响

对热岛强度与臭氧浓度进行斯皮尔曼相关性分析,由分析结果可知,春季相关系数为0.6,夏季相关系数为0.6,秋季相关系数为0.7,冬季相关系数为0.8,年度相关系数为0.6,各季节以及年度热岛强度与臭氧浓度相关系数绝对值均大于0.5且通过了显著性检验。春、夏、秋、冬四季热岛强度与臭氧浓度都呈现正相关。热岛强度与臭氧浓度的相关系数值较大,二者之间的相关性较强。这与以往的研究结果相似,闫静 [23] 研究发现成都夏季的热岛环流有利于污染物在城区积累形成尘盖,增加了近地面对流层臭氧浓度,四季臭氧浓度与热岛强度呈显著正相关。王楚涵 [24] 对北京市城市热岛效应对近地面臭氧污染特征的影响研究发现北京市臭氧浓度与热岛之间的弱相关性,热岛效应的形成改变了地区的主导风向,这可能导致臭氧及其前体物从其他地区传输至城区,加剧大气污染状况。但同时,这种效应也可能带来清新的空气,缓解大气污染状况。Shi等 [14] 通过研究发现热岛效应以两种方式影响臭氧浓度,第一种是通过改变局部热收支来促进臭氧的产生,第二种是通过形成局部城市风,促进臭氧的扩散或积累,形成不同区域的低臭氧值和高臭氧值。热岛强度与臭氧浓度呈显著正相关。

城市热岛效应是指在城市发展过程中形成的城区温度高于周围乡村和郊区温度的现象。热岛效应的形成原因主要可以归结为两个方面:一方面是由于城区内密集的人类和工业活动所产生和释放的大量热量;另一方面是由于城市扩张,大量不透水的地表替代了原有的自然风貌,导致城市地表的特性发生显著变化,包括辐射、热量和湿度等方面,从而使得热量在城市区域聚集 [25] 。大量热量排放的增加会引起温度的升高从而使热岛效应变强,因此本文首先拟从温度与臭氧浓度的相关性展开分析,探讨温度的变化是否会影响臭氧浓度;此外,人口聚集会阻碍城市通风、增加了人为排热,导致城市热岛效应的出现 [26] ,本文进一步对人口密度与热岛强度和臭氧浓度之间的相关性进行分析,探讨人口密度的影响。

根据SPSS中斯皮尔曼相关性分析可知温度与部分城市部分季节臭氧浓度呈现弱相关性,但也有部分城市部分季节的相关系数值较大。具体结果如 表1 所示。相关系数的取值范围为[−1, 1],绝对值越大说明越相关。内江市夏、秋、冬三季以及乐山市秋季温度与臭氧浓度相关系数值大于等于0.5,温度与臭氧浓度之间存在较强相关性,其余季节各城市相关系数绝对值小于0.5,相关性较弱。由上述分析可知,温度与臭氧浓度的相关性在川南城市群的大部分城市较低。张小玲等 [27] 的研究指出生物源、交通源和工业源对四川地区臭氧浓度的贡献更显著。Shi等 [14] 的研究发现,由于四季风场的变化以及地形阻碍,成都地区臭氧浓度和环境温度之间存在低相关性甚至负相关性。这与本文的结果大致相符。

<xref></xref>Table 1. Correlation analysis between temperature and ozone concentrationTable 1. Correlation analysis between temperature and ozone concentration 表1. 温度与臭氧浓度的相关分析

内江

−0.20

−0.60

0.60

−0.67

自贡

0.10

−0.30

0.12

0.40

宜宾

0.10

−0.30

0.11

0.30

泸州

0.11

0.10

0.40

−0.20

乐山

−0.40

−0.20

0.50

−0.30

对川南城市群热岛强度和臭氧浓度与人口密度的相关性进行分析,结果如 图10 所示。根据分析可知,川南城市群人口密度以约1.5人/km2的速率上升,但热岛强度的变化呈现一定的波动,不过总体依然表现为上升,而臭氧浓度的波动则更为明显。进一步分析相关性可知,川南城市群年均热岛强度和臭氧浓度与人口密度之间多项式拟合效果较好,其中年均热岛强度和人口密度的相关系数为0.90,臭氧浓度和人口密度的相关系数为0.73,相关性都较强。由此可知,人口密度在一定程度上影响了川南城市群的热岛强度和臭氧浓度。城市扩张或城市化发展程度通常以城市人口为标志,若人口密度越大则城市化发展程度越高,人口密度的增加会增强土地利用,从而改变土地覆被类型,因此对城市热岛强度产生影响,随之也会影响臭氧浓度 [28] 。张峥等 [20] 的研究指出不同的土地利用方式对地表温度的影响十分显著,城市建设用地的地表温度明显高于其他类型。因此,人口密度对热岛效应的影响主要通过人口密度的增加改变土地利用方式,进而改变地表温度,从而引起热岛效应的变化。此外,人口密度的增加在一定程度上会使得汽车保有量增加,进而使得汽车尾气排放量增加,从而使得臭氧浓度升高。

Figure 10. The correlation between annual heat island intensity, ozone concentration, and population density in the southern Sichuan urban agglomeration--图10. 川南城市群年均热岛强度和臭氧浓度与人口密度的相关关系--
4. 结论

本文以川南城市群为例,利用地表温度数据和臭氧数据,从时间和空间两个方面,分析了2010~2019年川南城市热岛效应、臭氧污染特征以及热岛效应对臭氧浓度的影响,从研究结果可以得出如下结论:

(1) 川南城市群整体年均地表温度差值不大,但从空间分布上看,中部地区地表温度普遍较高。川南城市群城市用地热岛强度的年变化总体表现为2015年前减弱,2015年后增强。从空间分布上看,川南城市群秋季强热岛分布面积最广,冬季热岛区域则有明显缩减;

(2) 从时间上看,川南城市群臭氧浓度夏季最高,春季次之,秋季次之,冬季最低。从空间分布上看,春季和冬季臭氧浓度空间分布表现为内江和自贡略高于剩余三个城市,夏季乐山和内江则出现大面积高值区;

(3) 热岛强度与臭氧浓度存在显著正相关性。温度与臭氧浓度之间呈现弱相关性。人口密度的增加会改变土地覆被类型,进一步影响热岛强度和臭氧浓度。

References 中华人民共和国国家统计局. 年度人口及城市概况数据[DB/OL]. >https://data.stats.gov.cn/easyquery.htm?cn=C01, 2024-01-20. 王雅澜, 李梓涵, 徐梦遥. 成都市及其周边县城市热岛效应反演与分析[J]. 科技创新与应用, 2019(15): 20-21. 胡楠林, 任志彬, 董禹麟, 等. 中国城市群热岛效应时空演变及其影响因素分析[J]. 地理科学, 2022, 42(9): 1534-1545. 米艺华, 杜惠云, 李杰, 等. 我国重点地区臭氧变化特征及与气象要素的关系[J]. 中国环境科学, 2024, 44(4): 1894-1904. Krishna, R. (1972) Remote Sensing of Urban Heat Islands from an Environmental Satellite. Taheri Shahraiyni, H., Sodoudi, S., El-Zafarany, A., Abou El Seoud, T., Ashraf, H. and Krone, K. (2016) A Comprehensive Statistical Study on Daytime Surface Urban Heat Island during Summer in Urban Areas, Case Study: Cairo and Its New Towns. Remote Sensing, 8, Article 643. >https://doi.org/10.3390/rs8080643 张晓敏, 刘知微, 方寒, 等. 基于Landsat 8 TIRS地表温度数据反演的深圳城市热岛效应时空分布及土地利用的影响[J]. 气候与环境研究, 2023, 28(3): 242-250. Zhang, X., Friedl, M.A., Schaaf, C.B., Strahler, A.H. and Schneider, A. (2004) The Footprint of Urban Climates on Vegetation Phenology. Geophysical Research Letters, 31, 1-4. >https://doi.org/10.1029/2004gl020137 杨翠芹, 何伟, 邾茂盛, 等. 基于气象站和MODIS数据合肥地区城市热岛评价[J]. 中国环境科学, 2023, 43(S1): 243-250. Nichol, J. (2005) Remote Sensing of Urban Heat Islands by Day and Night. Photogrammetric Engineering&Remote Sensing, 71, 613-621. >https://doi.org/10.14358/pers.71.5.613 Yin, C.Q., Solmon, F., Deng, X.J., Zou, Y., Deng, T., Wang, N., et al. (2019) Geographical Distribution of Ozone Seasonality over China. Science of the Total Environment, 689, 625-633. >https://doi.org/10.1016/j.scitotenv.2019.06.460 茅晶晶, 杨雪, 秦玮, 等. 2019年江苏省臭氧污染与气象条件影响分析研究[J]. 四川环境, 2023, 42(1): 68-74. Wang, Y., Du, H., Xu, Y., Lu, D., Wang, X. and Guo, Z. (2018) Temporal and Spatial Variation Relationship and Influence Factors on Surface Urban Heat Island and Ozone Pollution in the Yangtze River Delta, China. Science of The Total Environment, 631, 921-933. >https://doi.org/10.1016/j.scitotenv.2018.03.050 Shi, H., Song, X. and Zeng, S. (2023) Impact of the Urban Heat Island Effect on Ozone Pollution in Chengdu City, China. Chinese Geographical Science, 33, 1017-1032. >https://doi.org/10.1007/s11769-023-1391-8 Gray, K.A. and Finster, M.E. (1999) The Urban Heat Island, Photochemical Smog, and Chicago: Local Features of the Problem and Solution. Northwestern University. Yang, J. and Huang, X. (2021) 30m Annual Land cover and Its Dynamics in China from 1990 to 2019. Earth System Science Data Discussions, 2021, 1-29. 孙良宵, 杭鑫, 高苹, 等. 基于多年卫星遥感的江苏省夏季城市热岛特征分析[J]. 气象科学, 2023, 43(5): 662-669. Geng, S., Yang, L., Sun, Z., Wang, Z., Qian, J., Jiang, C., et al. (2021) Spatiotemporal Patterns and Driving Forces of Remotely Sensed Urban Agglomeration Heat Islands in South China. Science of the Total Environment, 800, Article 149499. >https://doi.org/10.1016/j.scitotenv.2021.149499 唐晓萍, 张德军, 赵漫, 等. 近20年重庆沙坪坝城市热岛效应变化特征[J]. 高原山地气象研究, 2023, 43(2): 105-112. 张峥, 李杨, 问青春, 等. 辽中南城市群热岛效应研究[J]. 环境科学与管理, 2022, 47(8): 157-160. 蔡彦枫, 王体健, 谢旻, 等. 南京地区大气颗粒物影响近地面臭氧的个例研究[J]. 气候与环境研究, 2013, 18(2): 251-260. 李英杰, 陈军辉, 韩丽, 等. 气象因素对成都中心城区近地面臭氧的影响[J]. 环境科学与技术, 2020, 43(S2): 7-15. 闫静. 盆地气候条件下成都市城区臭氧污染特性研究[D]: [硕士学位论文]. 成都: 西南交通大学, 2013. 王楚涵. 城市热岛效应对近地面臭氧污染特征的影响研究——以北京市为例[D]: [硕士学位论文]. 汕头: 汕头大学, 2024. 姚灵筠, 王力, 牛铮, 等. 2000-2018年长株潭城市群城市扩张及其热岛响应[J]. 自然资源遥感, 2024, 36(1): 162-168. 刘慧民, 马筝悦, 李淼, 等. 基于卫星遥感的城市热岛效应体检评估——以武汉市为例[J]. 西部人居环境学刊, 2023, 38(6): 38-45. 张小玲, 雷雨, 王聪聪, 等. 四川盆地城市群臭氧污染时空精细演变特征的观测与模拟[J]. 中国环境科学, 2024, 44(1): 1-14. 张君枝, 梁雅楠, 王冀, 等. 1981-2020年北京城市热岛效应时空特征及其影响因素分析[J/OL]. 大气科学学报, 1-15. >http://kns.cnki.net/kcms/detail/32.1803.P.20230414.1456.002.html, 2024-05-08.
Baidu
map