晋南地区景观格局驱动大气颗粒物与碳排放的机制分析

《Frontiers in Environmental Science》：Analysis of the driving mechanisms of atmospheric particulate matter and carbon emissions under the influence of landscape patterns in southern Shanxi, China

　　

快速城市化加剧了碳排放与大气颗粒物污染协同环境压力。景观格局在调节大气污染物扩散和区域生态过程中发挥重要作用。本研究聚焦于黄河中游资源型地区——晋南地区。通过整合遥感数据和地理信息系统技术，结合空间统计方法、地理加权回归（GWR）和多缓冲区梯度分析，研究人员探究了冬季采暖季景观格局对碳排放（CE）和大气可吸入颗粒物浓度驱动机制及空间特征。结果表明，晋南高碳排放集中在工业密集区如尧都区和盐湖区，而大气颗粒物浓度呈现西南高、东北低的分布格局，两者存在局部空间对应但整体错位的特征。建筑景观的集约开发加剧了碳排放和大气颗粒物污染，而高覆盖度和高连通性的绿色景观对大气颗粒物污染缓解和碳减排均表现出有益效应。此外，景观格局的驱动效应表现出显著的空间异质性，大气颗粒物污染的空间集聚效应强于碳排放。建筑景观与碳排放和大气颗粒物浓度呈正相关，而绿色景观的负向调节效应随距运城盐湖距离增加而增强。这些发现为在黄河流域类似资源型地区实施差异化景观规划策略、促进大气颗粒物污染协同控制与碳减排提供了科学依据和实践指导。

一、研究背景与问题

在全球生态治理深化和中国“双碳”战略实施的背景下，颗粒物（PM）污染的协同控制和碳排放（CE）的精准削减已成为实现区域高质量发展的关键挑战。同时，黄河流域生态保护与高质量发展重大战略的推进，使得资源型地区的环境治理与低碳转型成为重要研究课题。晋南地区作为黄河中游典型的资源型区域，长期以煤炭开采、化工和冶金等重工业为主导，其经济结构不仅导致PM污染频发，还造成CE强度居高不下，形成了空气污染与碳排放高度耦合的区域环境问题。与此同时，晋南地处黄土高原丘陵沟壑区，地形复杂，近年来随着生态修复工程推进、城乡规划调整和产业转型升级，城市建设用地扩张与生态用地恢复、工业用地重构同步发生，导致区域景观格局发生显著变化，进而可能影响区域环境过程。然而，现有研究大多分别探讨景观格局与PM污染或碳排放的关系，缺乏将两者纳入统一分析框架进行比较的研究，尤其对于景观格局对这两种环境效应的关联强度和方向在不同空间和区域间的差异认识不足。因此，亟需开展一项集成性研究，揭示景观格局影响下PM浓度和CE的驱动机制及空间异质性。

二、研究方法

研究人员采用了一套综合技术路线：首先，利用欧空局哨兵二号A（Sentinel-2A）影像进行土地覆盖分类，并通过高分二号（GF-2）影像解译建筑数据，提取了包含平均高度（AH）、建筑覆盖率（BCR）、容积率（FAR）等8项建筑景观指标，以及斑块占景观面积比（PLAND）、斑块密度（PD）、最大斑块指数（LPI）等8项绿地景观指标和净初级生产力（NPP）共17项景观格局指标。其次，碳排放数据来源于人为二氧化碳开放数据清单（ODIAC）网格数据集，PM_2.5和PM₁₀浓度数据来自山西省生态环境厅66个空气质量监测站点的实时记录。再次，运用贝叶斯克里金插值法绘制PM空间分布，通过皮尔逊相关分析筛选关键景观因子，采用全局莫兰指数（Global Moran’s I）评估空间自相关性，并借助地理加权回归（GWR）模型量化各景观指标影响的局部空间变异。最后，围绕运城盐湖设置30个等间距同心圆缓冲区（0-30 km），进行多缓冲区空间梯度分析。

三、研究结果

3.1 碳排放与大气污染物的空间分布

基于ODIAC数据的碳排放栅格制图显示，高碳排放强度区主要集中在人口密集的城市中心和工业发达区域，包括尧都区（No.14）、盐湖区（No.01）和河津市（No.06），最大排放强度达168,486 t/km²；北部和东部县域排放较低。PM_2.5和PM₁₀的空间分布高度相似，均呈现西南高、东北低的梯度特征，高值区集中于盐湖区、芮城县、永济市等地。总体而言，盐湖区既是CE也是PM浓度的热点区，而尧都区是CE的核心高值区但PM浓度并未相应升高，表明两者存在局部空间对应但整体空间分异的特征。皮尔逊相关分析进一步证实CE与PM_2.5（r=0.422, P=0.021）和PM₁₀（r=0.362, P=0.041）呈弱但显著的正相关。

3.2 景观指数对碳排放和大气PM浓度的影响分析

通过皮尔逊相关分析，研究人员筛选出与CE和PM浓度显著相关的关键景观因子。对于CE，绿地景观指标PLAND、面积加权平均形状指数（SHAPE_AM）、斑块结合度（COHESION）和NPP呈显著负相关，而建筑景观指标FAR和建筑粗糙度指数（BRI）呈强正相关。对于PM_2.5和PM₁₀，两者均与绿地景观指标呈负相关，与建筑景观指标呈正相关。具体地，PM_2.5与PLAND和COHESION显著负相关，与FAR、BRI、建筑形状系数（BSC）和平均邻接度（CONTIG_MN）正相关；PM₁₀与LPI和COHESION负相关，与BCR、BSC、BRI和CONTIG_MN正相关。总体而言，高强度建筑景观格局加剧了CE和PM污染，而大面积、高连通性的绿地景观和高NPP有利于碳减排和污染控制。季节对比分析表明，植被相关指标（NPP、PLAND、COHESION、LPI）在夏季负相关性略强，而建筑景观指标（FAR、BCR、BRI）的正相关性相对减弱。

3.3 景观格局影响下碳排放和大气PM浓度的空间异质性分析

全球莫兰指数散点图和蒙特卡洛显著性检验显示，晋南地区冬季CE和PM浓度均表现出显著的空间自相关性和空间异质性。GWR模型结果显示，对于CE，模型调整后R²为0.769，各景观指标的局部回归系数呈现出明显的空间梯度模式，高值区（0.6-1.0）集中在北部、西南部和东北部，低值区（0.0-0.4）分布在东南部，表明景观格局对CE的影响存在显著的空间依赖性。对于PM_2.5和PM₁₀，GWR模型的调整后R²分别为0.680和0.789，各景观指标的回归系数同样表现出显著的空间分化，高值区主要分布于晋南北部和西南部，低值区集中于中部和东南部，进一步证实了景观格局对PM浓度影响的空间异质性。

四、讨论与结论

研究发现，晋南地区景观格局对CE和PM浓度的影响存在显著的空间异质性，且PM污染的空间集聚效应强于CE。建筑景观与CE和PM浓度呈正相关，而高覆盖度和高连通性的绿地景观对两者均具有负向调节作用，且该负向效应随距运城盐湖距离的增加而增强。这些发现揭示了景观格局在调控区域环境过程中的复杂空间机制，强调了在制定差异化景观规划和环境管理政策时需要考虑空间异质性的必要性。研究结论为黄河流域类似资源型地区实施精细化的景观优化策略、推动大气颗粒物污染与碳排放的协同治理提供了科学依据和实践指导。