長江中游城市群建成區綠色基礎設施對PM2.5的消減效應

方云皓,趙麗元,*,竇碧瑩,王書賢,周 樅

1 華中科技大學建筑與城市規劃學院,武漢 430074 2 南京市規劃與自然資源局江寧分局,南京 211199

PM2.5是指空氣動力學等效直徑小于等于2.5μm的顆粒物,其主要來源為快速城鎮化進程中劇烈且頻繁的人類活動引發的化石燃料的粗糙使用、汽車尾氣與工業廢氣的大規模排放等[1]。21世紀以來,伴隨中國城市的快速發展,以PM2.5為主要污染物的大氣污染問題日益凸顯[2]。一方面,PM2.5由于自身涵蓋有機碳、碳黑、粉塵、硫酸銨(亞硫酸銨)、硝酸銨等五類化學組分,其濃度過高會導致城市大氣能見度降低、氣流交換速率減弱,致使街道或建筑組團內部熱量聚集,誘發諸如城市熱島效應等“城市病”來降低生態環境質量[3-4];另一方面,PM2.5由于具有粒徑小、重量輕、在空氣中滯留時間久等特征,其極易被吸入到肺泡等人體器官中,引發諸如肺癌、支氣管炎、哮喘等疾病,嚴重威脅城市居民的身體健康[5]。因此,如何削減PM2.5已成為中國生態文明建設過程中政府、學者以及公眾等社會各界密切關注的重要議題。

目前關于削減PM2.5措施的討論主要圍繞在源頭控制以及自然沉降兩個方面。源頭控制指通過相關政策、標準等人為強制性干預措施,將PM2.5污染控制在產生前或排放源處的控制方法,具體措施包括改善能源消耗結構、車輛限行、工廠限排等,其既能減少化石燃料等物質能源的浪費,又能降低污染物產生后治理所需的費用[6]。自然沉降,指PM2.5通過湍流擴散、重力沉降以及分子擴散等一定自然途徑沉降至地表的過程,包括干沉降和濕沉降[7]。其中,干沉降指大氣氣溶膠粒子和微量氣體成分在無降水條件下落在植被和建筑物表面的過程,而濕沉降指大氣顆粒物由于雨、雪等降水沖刷而下沉至地面或水體的過程[8-9]。一般而言,濕沉降的效率雖然較高但依賴于雨雪天氣具有不穩定性,因此在絕大多數地區削減PM2.5的自然沉降方式主要以干沉降為主[7]。此外,相對于其他干沉降表面,以植被為主體的下墊面能夠利用葉片的滯留、附著和粘附等功能大幅提升干沉降效率[10]。

綠色基礎設施(Green Infrastructure,GI)是城市及其周邊具備自然、半自然及工程特征的綠色空間網絡與復合生態系統,是城市長期獲得生態、經濟和社會等可持續效益的載體,包括森林公園、耕地等“樞紐”,綠道、景觀走廊等“鏈接”,以及綠色屋頂、垂直綠化等生態工程[11]。目前針對以植被為載體的綠色基礎設施對PM2.5的削減效應研究受到廣泛關注,既包括林地[12-13]、濕地[14-15]、公園[16-17]以及道路綠帶[18-20]等單類型綠色基礎設施,也包括城市綠地[21-22]、城市生態空間[23-24]等復合型綠色基礎設施,具體涵蓋微觀與宏觀兩種尺度。在微觀尺度,研究主要利用國控監測站點與PM2.5濃度監測設備(例如空氣質量檢測儀等)獲取逐小時或逐日PM2.5濃度數據,通過對比實驗組(處于綠色基礎設施空間范圍內)與對照組的PM2.5濃度差異評估綠色基礎設施對PM2.5削減效應[25-27]。微觀尺度測量具有精度高的優點,能夠為樹種選擇以及景觀配置提供指引。宏觀尺度研究多基于遙感數據、土地利用數據等多源數據展開,具體來說可分為兩種,一種偏向于通過關聯性分析模型如線性回歸模型[28]、地理加權回歸模型[29-30]、地理探測器模型[31]等探討綠色基礎設施的相關空間形態指標對PM2.5濃度的影響程度,另一種側重于通過干沉降模型[32]、城市森林效益模型[33]等對PM2.5濃度的削減量、去除率或滯塵率進行定量計算?？傮w來說,宏觀尺度評估盡管無法達到微觀尺度測量的精度,但其能夠突破特定區域范圍限制,定量測算整個城市或城市群的綠色基礎設施對PM2.5的削減效應。

盡管近年來存在部分研究剖析綠色基礎設施對PM2.5的削減效應及驅動機制,但其較多以截面數據分析為主,對于長時間序列下的綠色基礎設施對PM2.5的動態影響關注仍然較少。伴隨城市化進程的推進,綠色基礎設施與PM2.5均處于不斷變化中,靜態分析綠色基礎設施對PM2.5的削減效應具有時空局限性,難以系統揭示綠色基礎設施的滯塵除霾機制。此外,現有文獻聚焦于城市、街區尺度,鮮有研究基于城市群視角進行區域尺度分析。而PM2.5在空間具有溢出效應[34],高濃度PM2.5區域往往由臨近區域PM2.5導致,從中小尺度分析綠色基礎設施對PM2.5的削減效應無法排除溢出效應影響。鑒于此,本研究以長江中游城市群為建成區例,從時空動態視角探索2000-2020年綠色基礎設施對PM2.5濃度的削減效應及驅動機制,以期為基于自然的氣候解決方案(Natural Climate Solutions,NCS)提供可持續發展的生態框架。

1 研究區域

本研究以長江中游城市群建成區作為研究區域。長江中游城市群(20°09′N-33°20′N,180°21′E-118°28′E)地跨湖北、湖南和江西3省31市(圖1),是我國中部地區的特大型國家級城市群。氣候類型屬于亞熱帶季風性氣候,地形以平原與山體為主,年均降水量在800-1943mm,擁有漢江、湘江、洞庭湖、鄱陽湖等自然資源。2022年2月,國務院批復長江中游城市群發展“十四五”實施方案,要求長江中游城市群成為長江經濟帶發展和中部地區崛起的重要支撐。在快速城市化背景下,長江中游城市群建成區面積不斷增加,加之其逐漸承接發達地區的產業轉移,致使該地區下墊面生態本底發生改變的同時空氣污染問題日益凸出,以PM2.5為主的大氣污染物已成為制約長江中游城市群高質量發展的重要因素。

2 研究數據與方法

2.1 研究數據

本研究的數據來源包括建成區面積數據、土地覆蓋數據、PM2.5數據以及夜間燈光數據,其通過1km×1km的空間單元網格予以統計。建成區面積數據來源于Science Data Bank(https://www.scidb.cn/en/detail?dataSetId=717696607260246016)提供的中國433個城市建成區邊界矢量數據集,時間維度包括1990-2020(每隔5年)共7個年份;土地覆蓋數據來源于Google Earth Engine(http://doi.org/10.5281/zenodo.4417809)提供的1990-2020中國逐年土地覆蓋數據集(China Land Cover Dataset),涵蓋林地、草地、耕地、濕地、水體、灌木、裸地、不透水面以及冰/雪地9種土地覆蓋信息,空間分辨率達30m×30m,總體準確率達80%。根據《中國土地利用現狀分類》(GB/T21010-2017)的標準,加之灌木在研究區域內占比較少,本研究將林地、草地、耕地、濕地、水體定義為建成區綠色基礎設施的主要類型;PM2.5數據來源于圣路易斯華盛頓大學(https://sites.wustl.edu/acag/datasets/surface-pm2-5/#V5.GL.02)的大氣成分分析組(Atmospheric Composition Analysis Group)提供的1998-2020中國逐年PM2.5年均柵格數據集,其空間分辨率為0.01°×0.01°;夜間燈光數據來源于Harvard Dataverse(https://doi.org/10.7910/DVN/YGIVCD)提供的跨傳感器校正的2000-2020全球“類NPP-VIIRS”夜間燈光數據集(NPP-VIIRS-like NTL Data),其空間分辨率約為500m。

2.2 研究方法

2.2.1老城區與擴張區劃分

在快速城市化背景下,長江中游城市群內老城區與擴張區面臨的氣候威脅(如PM2.5濃度升高)在地理空間上存在差異,其相應的氣候適應策略也應當進行分區引導。為了系統分析老城區與擴張區的PM2.5濃度差異,并比較這兩種區域的綠色基礎設施對PM2.5濃度消減效應的驅動機制,以此為差異性氣候適應策略提供依據,本研究基于建成區面積數據將2005、2010、2015及2020年建成區依次劃分為老城區與擴張區兩種類型區域。其中某年建城區面積為該年老城區與擴張區面積之和,而前一時間段建成區相當于后一時間段老城區,如圖2所示。

圖2 建成區、老城區與擴張區示意圖Fig.2 Diagram of built-up area,old urban area and expansion area

2.2.2消減效應分析

盡管大量研究已經證實綠色基礎設施存在滯塵、除霾等功能,但仍存在少量研究對此結論持懷疑甚至相反觀點[35-36]?；诖?本研究在系統分析建成區綠色基礎設施對PM2.5濃度的驅動機制前,根據削減率公式[19,33]從區域尺度驗證2000-2020年長江中游城市群建成區綠色基礎設施對PM2.5濃度的削減效應,并對其削減程度進行計算:

(1)

式中,P為綠色基礎設施對PM2.5濃度的削減率,其值處于(0%,100%]表示存在削減作用,且值越高表明削減作用越強,在此區間外則不存在削減作用;Cs代表對照區PM2.5平均濃度值;Cm代表實驗區(建成區內綠色基礎設施區域)PM2.5平均濃度值。本研究參照相關文獻[23,37]并結合研究數據空間分辨率,利用GIS緩沖區分析功能設置對照區,即建成區內、綠色基礎設施空間范圍外500m區域。對照區與實驗區地理區位臨近,除綠色基礎設施要素外,其余要素(氣候類型、城市結構等)基本一致。通過對比同一時期對照區與實驗區的PM2.5濃度值差異,并進一步計算削減率,可基本研判綠色基礎設施引起的PM2.5濃度變化情況。

2.2.3地理探測器模型

本研究采用地理探測器模型[38]解析2000-2020年長江中游城市群建成區綠色基礎設施對PM2.5濃度的驅動機制。地理探測器,作為一種空間統計學方法,廣泛適用于生態環境、地理遙感及城市規劃等領域的影響因子識別及驅動機制解析研究。此方法在城市或區域尺度主要通過挖掘要素的空間分層異質性來測度自變量對于因變量的重要程度,相較于傳統統計方法中假設條件過多等處理變量的局限性,具備無線性關聯假設等顯著特征,能有效避免變量的共線性問題?？臻g分層異質性表征為層內方差之和小于層間總方差的現象,用q值(qstatistics)度量,表達式如下:

(2)

(3)

SST=Nσ2

(4)

本研究采取地理探測器軟件(GeoDetector)進行因子探測與交互作用探測。當地理探測器用于因子探測時,q值反映單類型綠色基礎設施對PM2.5濃度的解釋力;當地理探測器用于交互作用探測時,q值反映雙類型綠色基礎設施對PM2.5濃度的交互解釋力,通過對比單因子q值及交互作用q值,可判斷交互作用的類型,如表1所示。

表1 綠色基礎設施對PM2.5濃度的交互作用類型Table 1 Interaction types of green infrastructure on PM2.5 concentration

2.2.4約束線方法

綠色基礎設施對PM2.5濃度的削減作用過程錯綜復雜。實際上,綠色基礎設施往往由于受到其他因素例如城市化水平的影響,而無法完全發揮對城市PM2.5濃度的削減作用。

約束線方法[39]是揭示復雜生態系統(包括綠色基礎設施)中限制變量(約束因子)對響應變量(驅動因子)約束性作用的方法,其能夠刻畫響應變量的潛在范圍或最大值,進而從散亂分布的數據云中提取關鍵信息,具體包括四種繪制手段,包括參數法、散點云網格法、分位數回歸法和分位數分割法。

本研究參照相關文獻[40-41],采取分位數分割法分別探索2005、2010、2015及2020年老城區與擴張區城市化發展對綠色基礎設施的約束效應。如圖3所示,首先分別繪制老城區與擴張區1km×1km的空間單元中響應變量(綠色基礎設施柵格數量)與限制變量(夜間燈光輻射值)的散點圖;其次將x軸按照其值域等分為50組,選取每一組中95%的分位數作為邊界點(老城區與擴張區各50個),邊界點表示限制變量影響響應變量時,響應變量的理論最大值;最后,根據提取的邊界點進行非線性擬合以提取最優約束線。

圖3 約束線示意圖Fig.3 Diagram of constraint line

3 結果分析

3.1 PM2.5時空分布特征

如圖4所示,2000-2020年長江中游城市群年均PM2.5濃度演變呈現先升后降的“倒U型”趨勢,可劃分為3個階段:2000-2008年,年均PM2.5濃度呈現逐年上升趨勢,由2000年的37.0μg/m3增至2008年的52.0μg/m3,上升率達40.5%,空氣質量逐年惡化;2008-2013年,年均PM2.5濃度處于48.3-54.9μg/m3范圍內,總體保持較高且穩定態勢,最高值54.9μg/m3發生在2011年;2013-2020年,年均PM2.5濃度呈現下降趨勢,由2013年的50.9μg/m3下降至2020年的29.4μg/m3,下降率達42.2%。依據世界衛生組織(WHO)發布的《空氣質量準則》中的目標值(15、25和35μg/m3),以及中國《環境空氣質量標準(GB3095-2012)》中的年均濃度限值(15和35μg/m3),將長江中游城市群PM2.5濃度劃分為0-15μg/m3、15-25μg/m3、25-35μg/m3、35-45μg/m3、45-55μg/m3、55-65μg/m3與65-75μg/m3七個區間,其中低濃度(PM2.5濃度<國家二級標準35μg/m3)比重呈現先降后升的趨勢,而高濃度(PM2.5濃度>55μg/m3)比重呈現先升后降的趨勢。

圖4 2000-2020年長江中游城市群PM2.5濃度時序演變特征Fig.4 Temporal evolution characteristics of PM2.5 concentration in urban agglomerations of the middle reaches of the Yangtze River from 2000 to 2020

為探究2000-2020年長江中游城市群PM2.5濃度空間演變特征,依次選取2000、2005、2010、2015與2020年數據進行空間可視化,如圖5所示。2000年PM2.5濃度總體較低,其中高于45μg/m3的區域主要分布在湖北省各城市;2005年城市群PM2.5濃度總體上升明顯,PM2.5濃度高于45μg/m3的區域擴散至湖北省及湖南省絕大多數城市;2010年城市群PM2.5濃度高于65μg/m3的區域大范圍出現,主要在湖北省呈連片狀蔓延,少量呈斑塊狀集聚在湖南長沙;2015年城市群PM2.5濃度總體呈下降趨勢,除武漢、孝感、宜昌、襄陽、荊門等城市PM2.5濃度依然高于65μg/m3外,其余城市PM2.5濃度均得到不同程度緩解;2020年城市群PM2.5濃度整體下降顯著,除襄陽、荊門外,其余城市PM2.5濃度普遍低于45μg/m3,盡管如此,仍有超過長江中游城市群總面積1/4區域的PM2.5濃度超過國家二級標準35μg/m3,空氣質量未達標?？傮w而言,伴隨城市化快速推進,建成區范圍不斷擴大,2000-2020年長江中游城市群PM2.5濃度呈現由西北向東南級差化遞減的兩級分化格局。

圖5 2000-2020年長江中游城市群PM2.5濃度空間演變特征Fig.5 Spatial evolution characteristics of PM2.5 concentration in urban agglomerations of the middle reaches of the Yangtze River from 2000 to 2020

為進一步對比城市擴張過程中建成區、老城區以及擴張區的PM2.5濃度特征,依次對2000、2005、2010、2015與2020年份中各類型區域內PM2.5濃度值進行統計,如圖6所示。長江中游城市群建成區PM2.5濃度與總體PM2.5濃度時空演變規律相一致,呈現“倒U型”趨勢。此外,老城區PM2.5濃度始終高于擴張區,與相關研究結論相符[42],其中最大差值為2.0μg/m3,發生在2010年,最小差值為0.6μg/m3,發生在2020年,表明伴隨快速城市化的持續推進,新老城之間PM2.5濃度差異呈逐漸縮小趨勢。

圖6 2000-2020年長江中游城市群老城區與擴張區PM2.5濃度比較Fig.6 Comparison of PM2.5 concentration between the old urban area and the expansion area in urban agglomerations of the middle reaches of the Yangtze River from 2000 to 2020

3.2 綠色基礎設施對PM2.5濃度消減效應分析

長江中游城市群實驗區(建成區內綠色基礎設施)與對照區(建成區內、綠色基礎設施空間范圍外500m區域)的PM2.5濃度消減效應分析結果如表2所示,對應5個時段(2000、2005、2010、2015及2020),削減率分別為2.7%、3.1%、3.2%、3.0%、3.0%。一方面,表明長江中游城市群建成區綠色基礎設施對PM2.5存在削減效應;另一方面,從整體削減水平來看,綠色基礎設施對PM2.5的削減率整體不超過4%,與相關區域尺度的研究結果一致[33],表明建成區綠色基礎設施對PM2.5的削減效應目前仍較為有限,這主要是由于PM2.5濃度的變化涉及經濟、社會、產業、生態等多維度因素,相對于其他因素,綠色基礎設施的面積比例、植被結構、植株生長情況等自身條件致使其對PM2.5的消減效應存在局限性。

3.3 綠色基礎設施類型對PM2.5濃度的驅動機制

為探索建成區綠色基礎設施類型對PM2.5濃度的驅動機制,本研究基于地理探測器的因子探測功能與交互作用探測功能,分別探測2005、2010、2015及2020年林地、草地、耕地、濕地、水體對PM2.5濃度的解釋力(q值)。

如圖7所示,就單因子解釋力排序而言,林地對PM2.5濃度的解釋力最高,老城區與擴張區四年平均解釋力分別為0.63、0.73。其作用機理為林地中的植被通過滯留或停著、附著以及黏附3種干沉降方式使顆粒物沉積在其葉片、枝干等部位,從而降低周圍的PM2.5濃度;其次為草地和耕地,老城區四年平均解釋力分別為0.53、0.30,擴張區四年平均解釋力分別為0.66、0.39。就草地來說,其與林地中的茂碩喬木相比冠層粗糙度較低,但依然發揮重要的滯塵、除霾等功能,對大氣中的懸浮顆粒物、氣溶膠性質污染物具有吸附作用;對耕地而言,其具有增加與削減PM2.5濃度的雙面性。一方面,耕地能夠通過植被葉片干濕沉降效應降低PM2.5濃度,另一方面,農田秸稈焚燒也會造成PM2.5濃度偏高,此外,大部分耕地在閑置時具有裸地性質。本研究結果表明在長江中游城市群,耕地對PM2.5濃度的影響主要表征為削減效應,這意味著耕地保護不僅關乎農業生產與糧食安全,對于應對氣候變化也具有重要意義;濕地則在老城區與擴張區對PM2.5濃度的解釋力始終較弱?？偟膩碚f,各因子對PM2.5濃度的解釋力在老城區總體呈現出林地>草地>耕地>濕地、水體的規律,而在擴張區呈現出林地>草地>耕地、水體>濕地的規律。

圖7 2000-2020年長江中游城市群老城區與擴張區驅動因子探測結果Fig.7 Detection results of driving factors for old urban area and expansion area in urban agglomerations of the middle reaches of the Yangtze River from 2000 to 2020

對比老城區與擴張區,擴張區大部分單因子解釋力均顯著高于老城區,尤其對于水體來說最為明顯,其在老城區對PM2.5濃度無顯著影響,而在擴張區仍具有解釋力,最高達0.38發生在2010年,表明擴張區綠色基礎設施對PM2.5的削減效應較老城區更強。主要原因有兩點:一方面,擴張區相對于老城區在經濟、社會發展方面仍處于起步階段,城市建設用地比重較小,各綠色基礎設施用地比重相對老城區較大,對PM2.5的削減效應更高。另一方面,老城區與擴張區中綠色基礎設施的斑塊分布形式存在差異,擴張區在未發展前綠色基礎設施斑塊分布較為完整,而老城區綠色基礎設施斑塊受社會、經濟、產業等多重因素影響較多呈破碎化分布。相關證據表明,綠色基礎設施的破碎化程度越高,對PM2.5的削減效應越弱[43]。

由地理探測器的驅動因子交互作用探測結果可知,綠色基礎設施各因子具備單獨降低PM2.5濃度功能的同時,也會呈現協同削減PM2.5濃度的耦合效應,主要包括(單因子)非線性減弱作用、非線性加強作用以及雙因子增強作用,如圖8所示。在四個時段的老城區與擴張區中,林地與耕地存在單因子非線性減弱作用,而與草地、濕地及水體主要存在雙因子增強作用,其中林地與濕地的交互作用最強,在老城區與擴張區四年平均交互解釋力分別為0.85、0.87;草地與耕地主要存在非線性減弱作用,與濕地及水體主要存在單因子非線性減弱作用;耕地與水體在2005、2010年老城區內表征為雙因子增強作用,隨時間推移在2015、2020年表征為單因子非線性減弱作用。在擴張區內,耕地與濕地主要表征為單因子非線性減弱作用,與水體主要表征為非線性減弱作用;濕地與水體主要存在非線性加強作用。結合單因子解釋力可以發現,盡管單因子濕地對PM2.5濃度的影響較弱,但是其與林地或水體的混合綠色基礎設施用地配置對PM2.5濃度的消減效應均高于林地或水體的單獨作用結果,能夠顯著改善空氣質量。

圖8 2000-2020年長江中游城市群老城區與擴張區驅動因子交互作用探測結果Fig.8 Detection results of driving factors′ interactions for old urban area and expansion area in urban agglomerations of the middle reaches of the Yangtze River from 2000 to 2020Y代表有顯著性差異,N代表沒有顯著性差異

3.4 綠色基礎設施與城市化水平的約束效應

由圖9可知,2005、2010、2015及2020年老城區與擴張區的綠色基礎設施均受到城市化水平的約束效應,其約束線形態均屬于指數型且隨時間推移基本保持不變,其中老城區的擬合度(R2)在0.66-0.82之間,而擴張區擬合度維持在0.71-0.88范圍內,擬合效果均較好。這主要是由于在過往的發展模式下,自然環境逐漸被人工環境大規模侵占、可透性的綠色基礎設施用地逐漸被硬質化的建設用地(不透水面)替代,土地用途的功能轉換導致綠色基礎設施用地比例較低。這說明過往的城市化發展模式是導致建成區綠色基礎設施對PM2.5濃度的削減率整體較低(不超過4%)的主導因素。因此,在未來城市群的發展模式中應當重視對綠色基礎設施的保護,從科技創新、規劃管控、公眾參與等方面擴大城市化對綠色基礎設施的“促進效應”,減少“約束效應”。

圖9 2000-2020年長江中游城市群老城區與擴張區綠色基礎設施與城市化水平的散點圖及約束線Fig.9 Scatter plots and constraint lines between green infrastructures and urbanization levels for old urban area and expansion area in urban agglomerations of the middle reaches of the Yangtze River from 2000 to 2020

對比老城區與擴張區約束線的閾值效應,當夜間燈光輻射值處于0-25 nW cm-2sr-1區間時,擴張區綠色基礎設施閾值(約束線內綠色基礎設施散點數量占總綠色基礎設施散點數量比值)明顯高于老城區,表明在同等城市化水平地區,擴張區的綠色基礎設施用地比重相比老城區較大,致使其對PM2.5濃度的削減效應更強。在快速城市化進程中,老城區往往以犧牲生態環境為代價推進城鎮化建設,而隨著時間推移,生態發展的理念日益深入到城市或區域規劃中,導致擴張區往往吸取老城區發展經驗,改變其固有發展模式,重視對綠色基礎設施的管控與保護。

4 討論

4.1 削減率與消減效應

盡管本研究從城市群尺度證實綠色基礎設施對PM2.5存在消減效應,但從計算結果來看,削減率整體不超過4%,削減效應依然較低,表明綠色基礎設施的消減效應存在局限性,并非隨著PM2.5濃度的升高而增強,這與部分研究基于“削減量”得到的結論不同[10,22]?！跋鳒p量”、“滯塵量”是由植被的面積、結構等特征以及大氣顆粒物濃度兩個因素共同決定,而“削減率”反映PM2.5削減量與PM2.5未削減量(或總量)的比值,是綠色基礎設施對PM2.5削減能力的直接體現[33]。以“削減量”、“滯塵量”等指標研判綠色基礎設施對空氣污染的貢獻程度由于缺少對照組,易夸大滯塵、除霾能力。

從削減率變化來看,其與PM2.5濃度在時序上的“倒U型”趨勢不同,呈現先增加,再減少,后逐步穩定的非線性態勢。這在本研究可被解釋為:2000-2010年期間,長江中游城市群城市化快速發展,由此排放出大量工業氣體引發PM2.5濃度升高,與此同時城市空間的不斷擴張致使建成區綠色基礎設施面積增加,導致其對PM2.5的削減效應也呈現增加態勢;2010-2015年期間,長江中游城市群PM2.5濃度略有下降且城市空間擴張速度減緩,建成區通過擴大區域來增加綠色基礎設施面積的方式受阻,且其自身內部的綠色基礎設施用地被居住、商業等功能用地等不斷侵占,因而出現消減率下降的現象;2015-2020年期間,大氣污染防治等綠色發展策略不斷深入區域治理中,PM2.5濃度下降顯著,相對于2000年,綠色基礎設施由于逐漸得到管控與保護,其對PM2.5的削減總量較小,但對PM2.5的削減率卻更強且逐漸穩定。綜上,以“削減率”進行計算能夠從時間尺度客觀解釋長江中游城市群建成區綠色基礎設施對PM2.5消減效應的驅動機制。

在城市建設過程中,源頭控制依然是目前主要的空氣污染治理手段,但伴隨城市化的快速發展,生態保護戰略深入、科技水平提升、綠色基礎設施配置優化、植被群落結構改善等因素均會導致綠色基礎設施對PM2.5濃度的削減效應提高。此外,城市群建成區中綠色基礎設施面積比例的增加也會一定程度減少其他城市功能用地(如居住與工業用地)的面積比例,間接提升空氣質量。因此,綠色基礎設施在大氣污染防治中的作用仍不可忽視。

4.2 不足與展望

在城市群尺度通過多源時空數據評估綠色基礎設施對PM2.5濃度的削減效應,能夠為區域尺度以自然為本的氣候解決方案提供理論貢獻與實證分析價值。然而,本研究以1km×1km空間網格為基本單元進行研究忽視了可塑性面積單元問題(The Modifiable Areal Unit Problem),與以市縣等行政單元為尺度的研究相比,是否存在差異性結論仍需要得到驗證。另外,本研究選取的案例研究區-長江中游城市群仍處于快速發展階段,后續將展開與其他城市群如長江三角洲城市群的對比研究。

5 結論

本研究以長江中游城市群建成區為例,基于2000-2020年多源面板數據分析其PM2.5濃度的時空演變特征,從時空動態視角探索綠色基礎設施對PM2.5濃度的削減效應及驅動機制,并剖析城市化水平對綠色基礎設施的約束效應,為長江中游城市群城市化與環境保護協調發展提供政策啟示。其主要結論如下:

(1)2000-2020年期間,長江中游城市群年均PM2.5濃度在時序上呈現先升后降的“倒U型”趨勢,拐點最高值54.9μg/m3發生在2011年;在空間上年均PM2.5濃度總體呈現湖北>湖南>江西的空間分異特征,由西北向東南級差化遞減。

(2)2000-2020年期間,長江中游城市群建成區綠色基礎設施對PM2.5存在削減效應,但歷年削減率值均較低整體不超過4%,其中擴張區的削減效應始終顯著高于老城區。

(3)就綠色基礎設施類型來說,在長江中游城市群老城區與擴張區均呈現林地對PM2.5濃度的削減作用最強、草地與耕地次之的規律;綠色基礎設施的組合配置也會呈現協同削減PM2.5濃度的交互效應,其中林地與濕地的交互效應最強。

(4)長江中游城市群建成區綠色基礎設施對PM2.5的削減效應受到城市化水平約束,其中擴張區受到的約束效應要低于老城區。