新冠疫情封锁期间中国城市植被的变化：人类活动的影响及生态启示

《iScience》：Human activity’s impact on urban vegetation in China during the COVID-19 lockdown: An atypical anthropogenic disturbance

为探究新冠封锁对中国城市植被的影响，研究人员分析 283 个地级市数据，发现 NPP 变化与人类活动密切相关，为城市规划提供依据。

　　

研究背景

2020 年初，新冠疫情在全球迅速蔓延，各国政府纷纷实施封锁措施。这些措施虽然对社会经济造成了重大冲击，却在一定程度上给生态环境带来了积极影响。众多研究表明，全球植被在 2020 年呈现出积极的变化，如全球植被生产力有所增加，中国城市地区的净初级生产力（NPP，指植物在单位时间和单位面积上，经光合作用产生的有机物质总量扣除自养呼吸后的剩余部分）在 2020 年春季相比 2017 - 2019 年平均水平有所上升 。然而，此前的研究大多聚焦于全球或国家尺度的植被变化，对于城市尺度的植被变化研究相对较少。

随着中国城市化进程的加速，城市人口和交通流量急剧增加，导致城市环境污染和雾霾问题日益严重。新冠疫情封锁期间，工业生产和交通运输受限，人类活动大幅减少，空气质量得到显著改善 。但这种变化对城市植被的影响十分复杂，涉及气溶胶光学深度（AOD，衡量城市空气质量的重要指标，主要受自然和人类活动排放影响 ）、夜间灯光（NTL，可直接反映人类活动强度 ）、温度（TEM）和降水（PRE）等多个因素。而且，不同城市的产业和交通水平不同，封锁措施引发的人为干扰强度也存在差异，这是否会导致城市植被变化的差异尚不清楚。因此，开展此项研究具有重要的现实意义，它有助于深入了解城市植被变化的机制，为城市生态管理和规划提供科学依据。

研究概况

北京林业大学相关实验室的研究人员针对中国 283 个地级市（PCC）展开研究。他们对比了 2020 年封锁期间春季（3 - 5 月）与 2017 - 2019 年参考期的植被 NPP 变化。研究综合统计数据，探究工业和交通水平与 NPP 变化之间的联系，并构建基于城市特征和环境变量（AOD、NTL、TEM 和 PRE）的 NPP 变化驱动分析模型，以揭示新冠疫情期间植被变化的原因。该研究成果发表在《iScience》杂志上。

研究人员运用了多种关键技术方法。在数据获取方面，利用了来自不同机构的多源数据，如从 Google Earth Engine 获取 500m 分辨率的 PSNnet 数据用于计算 NPP，从 Google Earth Engine 获取 1km 分辨率的 AOD 数据，从中国科学院环境科学数据中心获取 0.004 分辨率的 NTL 数据，从青藏高原 / 第三极环境数据中心获取 1km 分辨率的 TEM 和 PRE 数据，以及从地方统计年鉴获取城市工业产出、GDP 和公共交通客运量数据。在数据处理与分析阶段，运用 Google Earth Engine 对遥感数据进行处理，统一空间分辨率为 1km，标准化时间分辨率为 1 个月；使用 ArcGIS 10.4 进行数据采样、坐标变换和计算地级市尺度的参数值；运用 Origin 2021 进行数据分析和结果可视化；通过 R 语言构建结构方程模型（SEM，一种用于分析变量之间因果关系的多元统计技术 ），以探究各变量对 NPP 变化的直接和间接影响。

研究结果

1. 植被生产力的时空变化：通过对遥感图像的处理和分析，研究人员获取了 2017 - 2019 年和 2020 年春季 PCC 的 NPP 分布。结果显示，中国城市植被 NPP 在春季呈现出东部和南部沿海城市较高，西部和北部内陆城市较低的格局。在封锁期间，NPP 呈现正变化的城市数量（147 个）超过负变化的城市，占全国城市总数的 53.5%，平均 NPP 变化率为 +1.06%，表明植被生长在短期内有所改善。其中，京津冀和长三角地区的 NPP 正变化较为显著，而辽宁、广西和西藏等地的部分城市出现 NPP 负变化 。
2. 环境变量的时空变化：AOD 在封锁期间普遍下降，62.9% 的 PCC 出现 AOD 减少，平均变化率为 -1.50%，表明全国空气质量得到改善。不过，东北部分城市、西北部分省份以及东部和南部沿海部分地区的 AOD 有所增加。NTL 在大部分城市呈现上升趋势，78.2% 的城市出现正变化，平均变化率为 +10.41%。TEM 变化较为复杂，52.7% 的城市出现负变化，平均下降 0.98%，整体呈现从东北到西南逐渐升高的趋势。PRE 在研究区域内平均下降 9.15%，66.9% 的城市出现负变化 。
3. 工业、交通水平与 NPP 及环境变量的关系：研究为每个 PCC 设定了交通水平（TrL）和工业水平（InL）两个基本城市特征（BUC）。通过热图和进一步分类分析发现，NPP 变化率与 InL 和 TrL 呈正相关，即 InL 和 TrL 越高的城市，NPP 改善越明显；AOD 变化率与 InL 呈负相关，InL 越高的城市，AOD 下降越显著，但 AOD 与 TrL 的相关性不明显。此外，NTL 变化率与 InL 和 TrL 的相关性不显著 。
4. 植被变化的驱动因素：通过结构方程模型（SEM）分析，研究发现人类活动变化（HAC）对 NPP 变化的影响最为显著，总效应达到 0.26。BUC 主要通过影响 HAC 和气候变化（CC）间接影响 NPP 变化，几乎没有直接影响。在 NPP 变化显著的城市（NPP 变化率 > 10%）中，HAC 的影响更为突出，总效应达到 1.03。InL 是 COVID - 19 期间城市特征的最具指示性变量，其次是 TrL；AOD 变化（AOD_c）是比 NTL 变化（NTL_c）更准确的人类活动变化指标；PRE 变化（PRE_c）和 TEM 变化（TEM_c）是可靠的 CC 指标 。

研究结论与讨论

研究表明，新冠疫情封锁期间，中国城市植被 NPP 总体呈上升趋势，超过一半的 PCC 经历了 NPP 增加，且工业和交通水平较高的城市 NPP 增长更为显著。同时，空气质量得到改善，AOD 下降，NTL 上升，TEM 和 PRE 也发生了相应变化。这些结果表明，人类活动变化对城市植被 NPP 的影响大于气候因素，尤其是通过 AOD 的变化间接促进了植被生产力的提升 。

不同城市在植被和环境变量变化上存在差异。工业和交通活动密集的城市，受封锁措施影响更大，NPP 和 AOD 的变化更为明显。在不同城市集群中，NPP 变化的驱动因素也有所不同。例如，京津冀地区主要受人类活动和城市特征影响，长三角和长江中游地区受人类活动和气候共同影响，成渝和珠三角地区主要受气候影响，辽宁中南部地区受气候和城市结构共同影响 。

该研究成果为未来城市规划和政策制定提供了重要参考。它强调了调控工业和交通活动对改善空气质量、提升植被生产力的重要性。在城市发展过程中，应制定减少排放的政策，扩大城市绿地面积，将空气质量管理与绿色基础设施建设相结合，以实现城市生态系统的可持续发展 。

不过，该研究也存在一定的局限性。在定义城市 InL 时，仅考虑了工业总产值与 GDP 的比例，未涉及其他重要工业属性；评估交通水平时，只考虑了公共交通工具的客运量，忽略了私人车辆排放的影响。此外，在数据处理和 SEM 模型构建方面也存在一些不足。未来的研究可以利用更广泛的城市统计数据，优化数据处理方法，并纳入更多相关因素，以进一步完善对城市植被变化的理解。