可以看出10年间3个城市夏季气溶胶的空间分布现状和变化规律:青岛市AOD浓度整体较低，空气污染程度较小，淄博市、济南市的AOD浓度明显高于青岛市，空气污染相对严重;同时，各城市AOD浓度的年际变化规律不稳定，波动起伏较大，不同城市的空气染年际变化情况也有所不同。

　　文中考虑到大气能见度(V)与空气污染之间的相关关系，把能见度分为4个等级。V在10km以上时，颗粒物浓度低，大气污染轻，可视为无污染天气;V在5—10km时，大气污染较轻，空气质量稍差，为轻微污染天气;V在2．5—5km时，大气污染较为严重，空气质量较差，为中度污染天气;然而在V不足2．5km时，空气质量差，为重度污染天气。根据Koschmieder提出的能见度与光学厚度的相关关系，AODTH=3．91HV(3)式中，H为标高(km)，V为大气能见度，AODTH为计算得到的AOD划分阈值。以上能见度可与本文使用的光学厚度直接对应，对日均AOD数据进行分段处理，分别统计青岛、淄博、济南3个城市各空气等级污染天气出现的天数，并计算其有效百分比。

　　对于MOD12Q1土地覆盖分类数据，本文选择国际地圈生物圈计划(IGBP)全球植被分类方案，数据处理主要包括投影转换和土地利用类型合并。文中参照中国土地资源分类系统对IGBP分类体系进行类别合并(表4)，最终分为水体、林地、草地、耕地、城市用地及未利用地6类，以此提取林地信息。MOD09A1地表反射率数据的处理主要为去云处理，文中对每年获取的4景MOD09A1数据利用最小值合成法合成一幅无云影像，计算归一化建筑指数(NDBI)，突出影像中的城市用地信息;城市信息提取，文中考虑到城市用地面积相对较小，具有整体集中、局部分散的特点，分布散落的城市在遥感影像中受周围地物的影响较大，在分类过程中容易出现错分现象，导致分类精度较低。因此，为保证城市用地的提取精度，本文采用遥感目视解译与参考研究区NDBI、高分辨率遥感影像等辅助数据相结合的手段提取城市用地信息。NDBI的计算公式如下所示:NDBI=ＲSWIＲ－ＲNIＲＲSWIＲ+ＲNIＲ(4)式中，ＲSWIＲ和ＲNIＲ表示短波红外和近红外波段的光谱反射率，分别对应MOD09A1数据的第6和第2波段。

　　土地分类结果更新，文中将遥感目视解译提取的城市用地替代MOD12Q1中的城市用地，同时更新分类结果，得到山东省3个典型城市2001—2010年土地利用分类图，3个城市主要以耕地为主，所占面积达到80%以上，分布较为稳定;水体、草地、未利用地所占面积较小，年际变化不明显，而林地与城市用地的变化相对较为明显;信息统计，文中分别统计青岛、济南、淄博10年间林地和城市用地的面积，进行百分比统计。

　　2、颗粒物污染对LUCC的响应分析

　　本文选用皮氏积矩相关系数(PPCC)分析LUCC与大气颗粒物污染之间的相关性，该数值是用来衡量两个随机变量之间线性相关程度的指标，取值范围为［－1，1］，通常Ｒ表示样本的相关系数，该方法简单灵活，已被广泛的应用于各个领域。相关系数的具体计算公式如下所示:Ｒ=Σni=1(xi－x)(yi－y)Σni=1(xi－x)2·Σni=1(yi－y)2(5)

　　2．1LUCC对颗粒物污染的影响趋势分析

　　为了探讨城市颗粒物污染随土地覆盖变化的发展趋势，分别计算2001—2010年青岛、淄博、济南三个城市各空气污染等级天气与林地、城市用地之间的相关系数，结合统计数据，分析两者之间的相关性，确定青岛、淄博、济南颗粒物污染随LUCC的变化趋势。

　　青岛市各空气污染等级天气的年际变化不稳定，起伏变化较大，其中城市高污染天气(包含中度污染、重度污染天气)所占比例明显低于淄博市和济南市，空气污染相对较低。由表5可以发现青岛市林地、城市用地整体呈现增长的趋势，其中城市扩张速度较快，10年来城市面积增加了3个多百分点，而由表6可以看出林地、城市用地与颗粒物污染之间的相关性相对较差，尤其与极端的无污染、重度污染天气间的相关性整体偏低，相关性多出现相反交叉的情况。产生该现象的原因主要是青岛市作为典型的沿海城市，受海洋性季风气候影响明显，气候湿润，夏季受西太平洋副热带高压控制，东南季风显占优势，降水、风速等因素可显著稀释城市空气中的污染物，有效降低城市的大气污染，林地、城市用地对颗粒物污染的影响低于海洋的直接调节作用，致使两者之间的相关性较差。

　　淄博市整体呈现无污染天气减少、重度污染天气增加的趋势，空气质量逐渐恶化。由表5可以发现淄博市城市用地整体呈现增加的趋势，林地面积在近几年来逐渐减少。林地、城市用地与颗粒物污染之间具有较高的相关性，林地与低污染天气(包含无污染、轻微污染天气)均表现为正相关，而与高污染天气均表现为负相关，其中林地与轻微污染天气的响应系数达到0．808，在置信度为99%(双侧)显著相关;同时，城市用地与无污染天气存在明显的负相关性，相关系数为0．615，而与其他天气均呈为正相关，且相关性逐渐增加(Ｒ分别为0．224、0．312和0．367)。可以说明，随着城市用地不断扩张，特别是近年来林地减少，导致地表吸附颗粒物的能力下降，城市高污染天气有明显增加、低污染天气有明显减少的趋势，城市空气污染进一步加重。

　　济南市高污染天气所占比例明显高于青岛市和淄博市，空气污染较为严重，但整体呈现减少的趋势，空气质量逐渐得到改善。济南市林地、城市用地面积均呈现稳定增加的趋势，10a内林地和城市用地的面积分别增加了1．5、1．8个百分点左右。结合表6可以看出林地与低污染天气均存在正相关性，而与高污染天气均存在较高的负相关性，相关系数分别为－0．507、－0．206;而城市用地与重度污染天气存在较高的正相关性，相关系数为0．465，而与其他空气污染天气均表现为负相关。林地与颗粒物污染之间的相关性整体高于城市用地，可以说明，随着济南市林地面积的不断增加，地表吸附颗粒物的能力有所提高，高污染天气有明显减少，低污染天气有不断增加的趋势，城市空气污染逐步减轻，空气质量得以改善。

　　2．2LUCC对颗粒物污染的影响程度分析

　　由于地理位置、自然和人文条件等因素的不同，不同的土地覆盖类型对城市颗粒物污染的影响程度可能存在较大的差异，为进一步探讨颗粒物污染对LUCC的响应程度，文中分别计算了2001—2010年青岛、淄博、济南各空气污染等级天气与林地、城市用地变化幅度之间的相关性，同时，绘制3个城市各空气污染天气与土地覆盖变化幅度曲线图，具体展开LUCC对颗粒物污染影响程度的分析。

　　尽管青岛市LUCC与颗粒物污染之间的变化趋势不明显，两者间相关性较低，但城市用地对颗粒物污染仍具有一定的影响。可以得出，城市用地与重度污染天气变化幅度之间呈现较高的正相关性，相关系数为0．511，图中除2007年外，两条曲线的变化趋势基本一致;而与轻微污染、中度污染天气均存在负相关性，由图中可以明显看出，除少数年份外，轻微污染、中度污染天气与城市用地的变化趋势整体相同，即城市用地与重度污染天气的变化规律存在较好的一致性，与其他空气污染等级天气基本相反，可以说明城市的不断扩张对青岛市颗粒物污染产生了一定的副作用，在一定程度上增加了空气中的颗粒物浓度。

　　林地、城市用地均能较好地反映淄博市颗粒物污染的变化趋势，其中城市用地对颗粒物污染的影响最为明显。城市用地与高污染天气变化幅度之间存在明显的正相关性，其中城市用地与中度污染天气的相关系数达到0．759，在置信度为95%(双侧)显著相关，图中城市用地与中度污染、重度污染天气的变化趋势几乎一致;与低污染天气呈现明显的负相关性，图中可以看出两条曲线变化趋势正好相反，即城市用地与高污染天气的变化规律比较一致，而与低污染天气的变化规律刚好相反。造成该现象的原因主要是淄博市作为全国重要的重工业生产基地，近年来城市用地面积的不断增加，主要体现在工业用地的不断扩张，然而工业扩张建设、工业生产等人为活动直接导致空气中颗粒物浓度的增加，带来严重的颗粒物污染，进一步加重了城市的大气污染程度。

　　由上述分析可知林地、城市用地对济南市颗粒物污染的影响趋势均比较明显，其中林地对颗粒物污染的影响程度最大。林地与无污染天气变化幅度之间呈现负相关性，而由图中可以看出2006年后两条曲线的变化趋势基本相同;与轻微污染天气存在非常高的正相关性，相关系数达到0．859，在置信度为99%(双侧)显著相关，两条曲线变化趋势几乎一致;而与高污染天气均呈现明显的负相关性，相关系数分别为－0．753(在置信度为95%(双侧)显著相关)、－0．309，图中除极少数年份外，两者之间的变化趋势正好相反，即林地与高污染天气的变化规律基本一致，而与低污染天气的变化规律正好相反。造成该现象的原因主要是济南市城市空间格局较为稳定，城市扩张缓慢，而济南林业建设成为该市发展规划的重要产业，近年来呈现出持续、快速发展的良好态势，林地的不断增加，对颗粒物的吸收、净化作用增强，有效降低了空气中的颗粒物污染。

　　2．3影响颗粒物污染的主导因素变化分析

　　考虑到不同的地区，影响颗粒物污染的主导因素可能不同，文中通过分析在城市类型由沿海到内陆的变化中，颗粒物污染与LUCC之间的相关性变化，探讨影响和决定城市环境主导因素的变化规律。