大气污染物排放清单一般是基于排放源分类的年度排放量，估算过程一般是基于乡镇和县为空间统计单位分配的，且污染物易受各类气象要素的影响^[6].所以利用铜仁地区行政边界通过ArcMap创建3 km×3 km的网格进行空间分配，使之满足大气污染源的控制和空气质量预测研究对清单数据的需求.采用面积占优法判断网格所属地理位置，铜仁地区网格共2 008个.

由于收集到的铜仁VOCs数据具有详细的地理位置的排放源数量统计表，包括人类生活中固定燃烧源和家庭去污脱脂、耕地秸秆和生活垃圾等生物质燃烧、机动车道路排放等详细VOCs污染数据，根据铜仁地区行政边界建立的网格，按照收集的详细统计表和土地利用建立网格空间分配因子，通过GIS技术将VOCs污染物排放按照相应的空间分配因子分配到相应的空间分辨率网格，再对各类型的污染物进行汇总.大气污染物VOCs在空间上表现出连续的块状特征，因此本研究的污染物排放清单采用郑君瑜等^[6-7]的排放空间分配方法.

式中：Srg(City，GridCell)=网格分配因子；

∑Value(City|GridCell)=单个网格土地利用值；

∑Value(City)=乡镇(县、州)与网格相交区域中所有网格的总值.

式中：Emis(GridCell)=单个网格污染物排放量；

emis(City)=乡镇(县、州)排放量.

由式(1)可以计算出每个网格VOCs污染物排放影响因素权重值，式(2)即是将污染物添加到网格化空间数据库中得到的网格污染物排放量.

随着遥感技术的发展，已出现利用遥感测量植被覆盖度的具体计算方法，许多学者利用野外采集样本点的方式，根据植被指数建立植被覆盖度模型.本研究采用李苗苗^[8]等的像元二分模型研究的模型进行植被覆盖度研究.

式中：VFC表示植被覆盖度；NDVI表示归一化植被覆盖度；NDVI_MAX和NDVI_MIN分别表示归一化植被指数最大值和最小值；

采用Landsat8数据计算归一化植被指数，利用归一化植被指数进行统计，将累计概率为95%和5%的作为归一化植被指数最大值和最小值.

目前地表温度反演最主流的方法有大气校正法、单通道算法和分裂窗算法，胡德勇^[9]、徐涵秋^[10]等利用单窗算法反演地表温度进行研究，发现反演地表温度与实测数据都有较好的一致性；高文升^[11]等在大气参数快速估算方法上也作了相关研究；S. C. Ou等^[12]认为大气校正方案反演地表温度具有可行性.

本研究采用大气校正法来修正大气对地表热辐射传输的影响.卫星传感器接收到的热红外辐射亮度值L_λ主要由3部分组成：地面反射到大气的热辐射、大气向上的辐射亮度L_λ↑及大气向下辐射到达地面后反射的能量L_λ↓.把相应的大气影响值从卫星传感器所观测到的热辐射总量中减去，得到地表热辐射强度，再把这一热辐射强度转化为相应的地表温度^[13].

式中：L_λ表示传感器接收到的热红外辐射亮度值；ε表示地表比辐射率；TS表示地表绝对温度(K)；B(TS)表示黑体热辐射亮度值；τ表示大气在热红外波段透过率.

温度为T的黑体在热红外波段的辐射亮度B(TS)为：

根据普朗克公式函数得到热红外段辐射亮度TS值为：

式中：K₁，K₂是常数，对于OLI/TIRS，K₂=1 321.08/mWm^-2·sr^-1·μm ^-1，K₁ =774.89/mWm^-2·sr^-1·μm ^-1；TS是绝对温度，将绝对温度转化为摄氏度，即

最后计算所得T值即为所反演计算出来的区域地表温度.

通过网格化后的大气污染VOCs由连续的块状分布特征变成了不连续的较为合理的年平均浓度分布图(图 1).

由图 1可知，污染物VOCs主要分布在人口密集的县城区域，VOCs污染物从这个中心往四周扩散，逐渐减少.其中铜仁碧江区和德江县2个地方的VOCs污染物排放分布量最高，其他县城比碧江区和德江县VOCs污染物排放量低一个等级.江口县、印江县、松桃县3地交接边界上的梵净山年平均分布污染物最低，污染物从沿河县至德江县、印江县、思南县、石阡县分布较为严重.

根据式(3)计算得到铜仁的植被覆盖图，为了更好的分析VOCs污染物与植被覆盖度的关系，对植被覆盖图进行重采样，最后得到与VOCs污染物同样分辨率的植被覆盖度图.

图 2直观地反应了铜仁地区的植被覆盖度，县城区域植被覆盖度最低，平均植被覆盖度在45%~60%之间；梵净山景区植被覆盖度最高.铜仁地区植被覆盖度图中主要交通分布明显，从沿河县往下一直到石阡县植被覆盖度分布较低，VOCs污染物空间分布规律与植被覆盖度图空间分布规律相似.

获取Landsat8的遥感影像数据，分别对数据进行辐射定标和大气校正，采用大气校正法来修正大气对地表热辐射传输的影响，最后算出铜仁地区地表温度值.对气象网发布的同一日、同一时间的气温进行比较发现，气象网发布的气温数据与遥感反演的地表温度误差在0.86 ℃~1.35 ℃间.由于大气污染物VOCs采用3 km×3 km的网格分布，需要对Landsat8遥感反演的地表温度重新采样比较大气污染物VOCs大小(图 3).

由图 3可知，铜仁地区属中亚热带季风湿润气候，气候的垂直差异明显，山间、河谷气候垂直变化明显.高温区主要分布在县城或人口密集区域以及海拔较低的乌江两岸；著梵净山景区平均温度分布最低，以梵净山为中心区域，温度逐步升高，分布特征和污染物VOCs类似，但是比污染物VOCs分布更加明显.

根据铜仁地区污染物VOCs分布与地表温度分布可以得到2个数据之间的散点图.结合污染物VOCs空间分布图、平均温度空间分布图与散点图，根据Pearson相关性划分，大气污染物VOCs与温度存在正相关关系，铜仁地区VOCs排放与地表温度相关指数在0.01上有统计学意义，相关性为0.419，呈中度相关，VOCs污染物空间分布与地表温度回归方程为：Y=1.446 6X-32.795. 图 4显示大气污染物VOCs随着温度的升高排放量在逐渐的增加，当温度约高于30 ℃时，大气污染物VOCs的排放量变化比较明显，数据排放比较随机分散，不再是呈线性的变化.

污染物排放主要分布在24 ℃~30 ℃之间，这部分污染物分布在城区外，污染物排放量主要分布在0~20 t/a间，平均污染物排放量为6.06 t/a，最高污染物排放量达到99.75 t/a；地表温度在16 ℃~24 ℃间污染物分布较少，这部分污染物主要分布在梵净山以及附近区域，平均污染物排放量1.29 t/a；地表温度在30 ℃以上的污染物分布较为分散，主要分布在人口密度较高的县城区域，以德江县和沿河县沿乌江两岸，平均污染物排放量15.5 t/a，其中县城平均污染物排放量为20 t/a，沿乌江两岸平均排放量7.5 t/a.

铜仁地区VOCs污染物主要来源于生活中固定燃烧源、生物质燃烧源和道路源，研究表明森林植被对污染防治、吸收粉尘和减少噪音有一定的防治作用.结合污染物VOCs空间分布排放数据、平均植被覆盖度空间分布数据生成的散点图(图 5)发现，当植被覆盖度较低时，污染物排放比较分散并且排放较大，线性变化不够明显；植被覆盖度较高时，污染物分布较为集中并且排放较低.根据Pearson相关性划分，大气污染物VOCs与植被覆盖度呈负相关关系，铜仁地区VOCs排放量与植被覆盖度相关指数在0.01上有统计学意义，相关性为-0.608，呈中强度相关，VOCs污染物与植被覆盖度的回归方程为：Y=-0.723 1X+74.959.

污染物VOCs集中分布在85%的植被覆盖度以上，污染物排放量主要分布在0~20 t/a间，平均污染物排放量为5.72 t/a；植被覆盖度在85%以下的区域主要分布在县城区域，温度相对较高，污染物线性分布不明显，分布较为分散，污染物最高可达99.7 t/a，平均排放量20.25 t/a.

本研究区大气污染物VOCs排放空间分布图和地表温度分布图显示，污染物排放量和地表温度由县城中心向四周逐渐降低，而地表植被覆盖度与此相反，县城植被覆盖较低，周围植被覆盖相对城区较高.

大气污染物VOCs分布较浓区域为碧江区、玉屏县、德江县、沿河县、思南县、印江县，这些区域平均海拔相对较低，属中亚热带季风湿润气候区，网格平均温度相对较高，平均植被覆盖度较低，VOCs空间分布图、平均气温分布图和植被覆盖图在空间上存在相似性，空间分布状况具有一定程度上的耦合关系.

结合铜仁地区的大气污染物VOCs空间分布数据与温度空间分布、植被覆盖度空间分布的散点图发现，整个铜仁地区的温度、植被覆盖度与大气污染物VOCs之间的耦合相关指数在置信度0.01时，相关性有统计学意义，温度与污染物呈正相关且相关系数为0.419，植被覆盖度与污染物呈负相关且相关系数为-0.608.

有研究表明污染物随季节变化呈明显时空变化特征^[14]，提高对生态的保护，污染会逐年改善^[15]，特别是在大气污染VOCs高浓度区高质量的植被对城市热岛效应不仅有缓解作用^[16]，也能缓解VOCs对城市的污染，如碧江区、德江县、沿河县等城市污染物排放量较高，温度比较炎热，植被覆盖度相对较少的区域应增加植被覆盖度.

大气污染物VOCs与温度和植被有着密切的联系，由于铜仁地区的工业发展水平不高，铜仁地区VOCs收集到的数据主要来源于生物质燃烧、固定源燃烧和道路.故铜仁地区计算得出的地表温度和植被覆盖度与大气污染浓度的耦合指数属于中等相关.

计算结果表明大气污染物VOCs与铜仁地区温度和植被覆盖度之间存在着一定的相关关系，但这种相关关系属于中等相关关系.一方面是因为数据的获取和反演过程中存在一定误差，另一方面铜仁地区大气污染程度不算严重，植被覆盖较多，工业产业相对较少，空气质量良好.