摘要
随着城市化和工业化的快速发展，大部分地区的环境质量变化迅速。来自工业部门、柴油或汽油机动车辆、发电厂燃煤和生物质燃烧以及住宅炉具等来源的排放导致了我国空气污染尤其严重。近年来，随着美丽中国的建设，人们开始采取措施应对严重的空气污染问题，并有效地降低了污染水平，我国生态环境得到改善，空气污染得到控制，但不同地区的PM2.5浓度存在显著差异。PM2.5污染程度受到多种因素的影响，人类活动引起的自然生态环境的恶化是造成PM2.5污染加重的重要原因。而针对PM2.5与土地利用格局演变的关系研究却相对较少，并且区域和城市水平上的环境绿度与环境PM2.5浓度之间的关系以及不同土地覆被类型演变对其产生的影响仍不清楚。 山西省作为我国重要的能源基地，煤炭工业发展迅速。在过去的几十年里，山西省工业发展、人口增长和城市扩张导致了土地利用格局的显著变化和日益严重的空气污染问题，直接威胁着当地人民的身心健康，严重阻碍了区域的可持续发展。基于此,本研究选取山西省作为研究区域，结合遥感监测、空间分析方法和空间相关性分析方法，利用全球土地覆盖数据集(GlobeLand30)、Moderate-Resolution Imaging Spectroradiometer(MODIS)产品数据归一化植被指数(NDVI)和高时空分辨率细颗粒物浓度数据(ChinaHighPM2.5),分析近20年来山西省土地利用格局及其演变特征，同时分析区域环境绿度和PM2.5污染特征及其时空变化，并从区域尺度、像元尺度探讨山西省近20年土地利用格局演变及植被绿度变化对PM2.5污染的影响。得到的主要结论如下: (1)山西不同土地利用类型分布具有明显的时空差异，其中农田分布最为广泛，占山西省总面积的40％以上，主要分布在山西省中部、东北部、东南部和西南部的盆地区域。林地和草地面积分别占总面积的28.28％和23.78％,建设用地主要分布在中部和东南部盆地，占土地利用类型的5.44％。研究区内湿地、水体和荒地所占比例较少。不同土地覆被类型面积变化及其驱动因素有所不同，农田和草地面积分别减少了7.17％和4.60％,其中林地和建设用地扩张是草地减少的主要直接驱动因素。农田减少的主要直接驱动因素是建设用地扩张，其次是农田转为林地和草地。山西省建设用地面积增加最多，并且增加率最高;其次是林地。湿地、水体和裸地的增加率较高,但由于原本分布面积占比较低，所以增加面积很小。建设用地的扩大主要是对农田和草地的占用，林地增加主要的直接驱动因素是草地和耕地的退化。 (2)近20年来，山西省的环境绿度有所改善。在区域尺度上，研究区年均NDVI值呈显著增加趋势(P＜0.01),呈显著增加的区域占比约93.67％;而只有0.97％的区域检测到NDVI显著下降的趋势，主要集中在中心建设用地区域。山西省不同城市的年均NDVI均显著增加，但变化趋势不同，晋城市多年平均NDVI值在山西省不同区域中最高，朔州市多年平均NDVI值最低;年平均NDVI增长最慢的区域是晋城市，增长速度最快的区域是吕梁。分析四种主要土地覆盖类型的年平均NDVI变化发现，林地是四种主要土地覆盖类型种年均NDVI值最高的。建设用地多年平均NDVI值最低;林地、草地、农田和建设用地年均NDVI值均显著增加，增加速率最大的是草地，最小的是建设用地。 (3)山西省大气环境在过去20年间总体呈现向好趋势。年均PM2.5浓度呈显著下降趋势，特别是中南部地区下降趋势明显大于其他地区。从2001年到2020年，山西省不同城市PM2.5年均浓度均呈明显下降趋势，下降速度最慢的区域是大同市，下降速度最快的区域是运城市。分析4种主要土地利用类型的PM25年均浓度变化发现,林地PM2.5多年平均浓度是4种主要土地利用类型中最低的，建设用地PM2.5多年平均浓度最高。4种主要土地利用类型的PM2.5年均浓度均呈现下降趋势，但下降程度有所不同，2001年-2020年，山西省建设用地的PM2.5年均浓度减少最显著，其次是农田和草地，林地减少速率最小。 (4)区域环境绿化率对该地区PM2.5浓度的下降有显著影响。山西省PM2.5年均浓度与NDVI年均值呈极显著负相关，占研究区总面积的83.77％,主要分布在植被覆盖区;不显著相关和显著正相关关系的区域分布面积很小，且主要发生在建设用地扩张的区域。11个主要地级市区域的年均PM25浓度与年均NDVI值均呈显著负相关,其中大同市的负相关的相关性最强，负相关性最弱的区域是晋中市地区。4种土地利用类型的年均PM2.5浓度与年均NDVI值之间均呈显著负相关。其中，PM2.5年均浓度与NDVI年均值负相关性最强的土地利用类型是建设用地，其次是农田，草地PM2.5年均浓度与NDVI年均值的相关性最弱。此外，本研究还发现年均PM2.5浓度与年均NDVI值的相关系数随NDVI的降低而增强，在植被覆盖度较低的地区，环境绿化率的增加对PM2.5浓度的降低作用更强。 (5)将拓扑数据分析的持久同调工具引入PM2.5污染预测分析中，构建基于持久同调的土地利用时空格局及变化自动相关性分析模型。从多个尺度的持续图分析中发现，2001和2020两年的PD具有显著差异，且ω在较低过滤尺度下2020年二维拓扑结构整体比2001年的分布更聚集于较高阈值部分，2020年的二维拓扑分布主要聚集于高阈值的位置，而2001年的二维拓扑分布主要聚集于中阈值位置，总体的拓扑结构2020年来说具有更持久的同调性。从不同特征多个分类器选择各个特征分类准确率高的分类器作为模型最终分类器,并选择四个分类指标(准确率，精准率、召回率和F1Score）评价环境绿度指标，向量化持久拓扑特征以及融合特征的表现力，结果发现融合后的特征具有更好的表现。从拓扑特征分布情况做进一步的分析，发现LGBM模型中HK与PL（高斯核标准偏差3.2,1范数）对于识别山西省土地利用空间分布及变化具有显著效果，在ω=0.5和ω=0.7尺度范围，2001年的HK值分布相比于2020年来说更分散不具有一致性。在ω=-0.1尺度下，2001年与2020年的PL更分布具有明显的差异，说明NDVI值的时空分布在整个持久同调过滤中具有较多的变化，而2020年则更稳定。 以上结论可为山西省区域环境治理、规划决策、空气质量监测预警、治理效果评估和生态环境质量实时监测等方面提供科学依据。
NETL