城市綠化對空氣質量的影響研究
——以中國27個省會城市為例

張菁華 田盼立 劉 曉 楊 揚 王 可 王文杰,*

(1.東北林業(yè)大學森林植物生態(tài)學實驗室，哈爾濱 150040； 2.中國科學院東北地理與農業(yè)生態(tài)學研究所城市森林與濕地研究組，長春 130102)

近年，我國城鎮(zhèn)化迅速發(fā)展，城市空氣質量嚴重惡化[1～2]。在2004年6月29日的《北京日報》中，首次出現(xiàn)“霧霾”一詞。為了進一步的提高環(huán)境空氣質量標準，2012年2月29日，我國發(fā)布新修訂的《環(huán)境空氣質量標準》，增加了細顆粒物(PM2.5)這一監(jiān)測指標，同時修訂空氣污染指數(shù)API(Air Pollution Index)為空氣質量指數(shù)AQI(Air Quality Index)。目前，我國城市空氣污染的首要污染物是PM2.5，其次是PM10。這些顆粒污染物主要來源于化石能源的不充分燃燒。另外大量的機動車尾氣的排放及粉塵在空間的停留也使城市的空氣污染形式依舊嚴峻[3],主要污染物除了粉塵，也包括二氧化硫(SO2)、一氧化碳(CO)、二氧化氮(NO2)和臭氧(O3)等。最嚴重的是，單一污染物在空間發(fā)生一系列的物理和化學反應形成的復合污染物對人們的生活與健康產生極大的危害[4]。

城市化的綠色植被一直被認為是凈化空氣污染，降低污染源的重要手段[5～6]。生活在綠水青山且空氣清新的環(huán)境里是我們一直追逐的夢想，也是我們的中國夢。城市的綠化水平和和效果的提升是我們一直的期望。城市的綠化率或植被覆蓋率一直是提升城市綠色化關注的主要對象。然而其計算主要通過平面尺度計算，即綠色植被在城市區(qū)域中占有的面積。對于實際探測城市植被在區(qū)域中對于污染源的降解控制作用還有很大欠缺甚至不足。隨著互聯(lián)網(wǎng)及其技術應用的普及，基于網(wǎng)絡大數(shù)據(jù)街景照片來計算城市的綠化率是一個非常高效且快速的方法。這一技術在國外的研究城市綠化方面已經(jīng)較為普及，但是在我國研究中應用的還較少。這一技術主要是針對研究城市中的綠色植被在空間中的作用。以人的視覺為主體，通過在不同的方向和視角來采集城市中綠色植被來計算空間中綠色植被的占有率，這也被稱為綠色指數(shù)(Greening view index,GVI)[7～9]。其主要的優(yōu)勢在于通過可視角度探究城市垂直綠化程度，進一步真實的反映了城市的綠化程度對于城市的影響，包括空氣污染，噪聲污染等待。相比于城市綠化率或者植被覆蓋率的籠統(tǒng)的統(tǒng)計有了長足的進步和發(fā)展。

基于此，為了進一步的拓寬城市綠色水平與空氣污染城市間差異比較及相關差異機制的認識，研究城市的環(huán)境空氣質量與綠色指數(shù)之間的關系。我們在全國的27個主要省會城市，基于網(wǎng)絡街景照片的綠色指數(shù)差異、空氣主要質量指標(AQI、PM2.5、PM10、SO2、NO2、O3、CO)差異分析的基礎上，探討了二者相關關系。相關開創(chuàng)性的研究結果將為提升城市大氣環(huán)境質量、改善綠化水平提供相關依據(jù)和考量。

1 研究地區(qū)與研究方法

1.1 研究區(qū)概況及空氣質量監(jiān)測

本文選取全國27個省會城市(表1)，沒選擇石家莊、銀川、西寧和烏魯木齊，是由于使用百度街景地圖無法獲得完整的街景照片，綠色指數(shù)計算有困難。27個地理位置分布從最南部的海口到最北邊的省會哈爾濱；從最東部的上海到西部省會城市拉薩。

表1 所研究城市列表及每個城市監(jiān)測點位置與監(jiān)測點個數(shù)情況

本研究選取全國27個省會城市(表1)，共計208個空氣質量監(jiān)測站2016年全年的空氣質量數(shù)據(jù)。每個城市有4～13個監(jiān)測站?？諝赓|量各項指標數(shù)據(jù)來自http://beijingair.sinaapp.com/。數(shù)據(jù)記錄了從2014年5月13日起每小時AQI的實時值，PM2.5、PM10、SO2、CO、NO2、O3每小時平均濃度以及每天24小時平均濃度。本研究選取從2016年1月1日到2016年12月31日全年365天每天AQI、PM2.5、PM10、SO2、CO、NO2、O3的24小時平均值；基于此計算每個監(jiān)測點2016年各項空氣指標全年的平均值，以及每個城市全年的平均值。相關數(shù)據(jù)用于城市間差異比較以及與綠色指數(shù)相關關系。

作為一個綜合的空氣質量指數(shù)，空氣質量指數(shù)AQI的計算方法如下：

首先將常規(guī)監(jiān)測的幾種空氣污染物(PM2.5、PM10、SO2、NO2、O3、CO)濃度簡化成為單一的概念性指數(shù)值的形式IAQIP。其計算公式如下：

(1)

式中：IAQIP為污染物項目P的空氣質量分指數(shù)；CP為污染物項目P的質量濃度值；BPHi為相應地區(qū)的空氣質量分指數(shù)及對應的污染物項目濃度指數(shù)表中與CP相近的污染物濃度限值的高位值；BPLo為相應地區(qū)的空氣質量分指數(shù)及對應的污染物項目濃度指數(shù)表中與CP相近的污染物濃度限值的低位值；IAQIHi為相應地區(qū)的空氣質量分指數(shù)及對應的污染物項目濃度指數(shù)表中與BPHi對應的空氣質量分指數(shù)；IAQILo為相應地區(qū)的空氣質量分指數(shù)及對應的污染物項目濃度指數(shù)表中與BPLo對應的空氣質量分指數(shù)。

AQI=max{IAQI1,IAQI1,IAQI1,……,IAQI1}

(2)

式中：IAQI為空氣質量分指數(shù)；n為污染物項目。

1.2 基于街景照片的綠色指數(shù)計算

參照李曉江等的研究方法，使用Python編寫的程序以及百度地圖提供全景靜態(tài)圖API(http://api.map.baidu.com/panorama/v2?ak=K83l9Zj3hSqNm990fGBIUYPhSBT1AtDd&width=400&height=300&location=‘+a+’,‘+b+’&heading=60&pitch=0&fov=60)，自動獲取上述27個省會城市208個空氣質量監(jiān)測點(表1)，周圍2公里正方形內，16個點360°全景圖片。當所設定的點沒有街景照片時，移動設定到周邊有街景位置進行照片采集。每個地點共18張照片，采集方法為：垂直角度三個角度，即街景車上的相機相對于街景車輛向上45°、向下45°和水平角度0°；在水平方向上，采樣范圍是0°～360°，即在原地轉一周的角度；考慮到人的中心視野范圍是50°～60°，水平方向上每60°采集照片一張，即水平方向上采集6張照片(0°、60°、120°、180°、240°、300°)；這樣3個角度*6張照片/角度=18張照片。詳細的照片采集方法參照李曉江等的圖5。每點18張照片使用如下公式的計算所有圖片綠色所占比例，并求算平均值為綠色指數(shù)[10]：

(3)

式中：i是水平的6個角度；j為垂直方面上的3個角度；Areag-ij是指每個照片中綠色像素量；Areat-ij是指每張照片中所有像素的總和。

李曉江等對phyton程序計算與實際測量的綠色所占比例進行研究發(fā)現(xiàn)，二者相關性r=0.96和0.94[10]。本研究使用相同的程序進行綠色比例計算，沒有再次進行檢驗。此外，人工復檢Python程序自動下載的街景照片，如果照片采集位置是高架橋上或者是照片時間是冬季落葉季節(jié)，重新更換位置采集和夏季地面拍攝照片。如果采集站點沒有適合照片，本研究放棄這一站點的數(shù)據(jù)。

1.3 數(shù)據(jù)處理

27個城市間的差異比較使用每個測定站16個點平均值代表所測定站點均值，每個城市的站點均值代表所測定的城市的綠色指數(shù)進行排序分析；與此類似，首先計算208個站點2016年全年均值，每個城市的均值按照每個城市的多個站點取算數(shù)平均值代表，基于城市均值進行各個空氣指標的由高到低排序分析。

綠色指數(shù)與城市空氣質量關系采用Pearson相關分析法進行確定。按照208個站點和27個城市分別進行相關分析。相關系數(shù)越大、顯著性越大，說明綠色指數(shù)與空氣質量關系越高?？諝庵笖?shù)AQI與不同組成指標的相關性越高，說明這一測定指標對于AQI的貢獻越大。

圖1 27個省會城市綠色指數(shù)差異比較與排序 誤差線為每個城市幾個空氣監(jiān)測站平均值的標注偏差。Fig.1 Comparison and ranking of green viewing index differences in 27 provincial capital cities Error bars are the standard deviation of the monitoring station averages of green viewing index

圖2 27個省會城市2016年空氣質量差異比較與排序 空白圖柱是27城市平均值；黑色圖柱是每個城市的均值；誤差線為每個城市幾個空氣監(jiān)測站平均值的標注偏差Fig.2 Comparison and ranking of air quality index and its components in 27 provincial capital cities in 2016 Solid black column is average of different cities,while open white column is the average of 27 cities. Error bars are the standard deviation of the monitoring station averages.

2 結果

2.1 綠色指數(shù)城市間差異

27個省會城市綠色指數(shù)比較(圖1)可以看出，濟南市和重慶市的綠色指數(shù)最高，分別是11.70%和11.55%，呼和浩特市和拉薩市城市綠色指數(shù)最低，在4%～5%。有15個城市綠色指數(shù)高于全國平均水平，其中南寧最接近全國平均值。

2.2 空氣質量相關指標城市間差異

AQI年度平均值最低的是?？谑?AQI為39.66)，年平均峰值為鄭州市(AQI為117.34)。在AQI的各項指標中，PM2.5、PM10、NO2以及SO2年平均最低的城市均為海口市，鄭州和濟南兩個城市的各項指標都處于峰值或峰值附近(圖2a)。

14個城市的PM2.5濃度高于全國平均水平，鄭州市和濟南市的PM2.5濃度分別為78.26和75.75 μg·m-3，約為最低城市——?？谑?PM2.5濃度為21.06 μg·m-3)的3.72倍和3.60倍(圖2b)。

12個城市的PM10濃度高于全國平均濃度88.21 μg·m-3，濟南市(PM10=147.81 μg·m-3)和鄭州市(PM10=144.09 μg·m-3)遠高于其他城市。最低城市海口，相當于最高城市的27%(圖2c)。

11個城市CO濃度高于全國平均水平，其中西安市最高(1.66 mg·m-3)，鄭州市第三、濟南市第六，分別比全國平均濃度1.05 mg·m-3高出0.45和0.20 mg·m-3。最低的二個城市是拉薩和?？?，約為0.6 mg·m-3(圖2d)。

16個城市NO2的濃度高于平均值，蘭州市和鄭州市最高，濃度分別為56.94和55.27 μg·m-3，蘭州市比全國平均值高出15.54 μg·m-3。排名最低的兩個城市是海口和拉薩，約為18和25 μg·m-3，是最高城市蘭州的30%～45%(圖2e)。

15個城市O3濃度的平均值高于全國的均值，整體排名和其它指標不同。峰值出現(xiàn)在南京市(125.59 μg·m-3)和上海市(123.76 μg·m-3)，最低的城市為哈爾濱市(77.08 μg·m-3)和?？谑?88.36 μg·m-3)，鄭州市和濟南市以120.00和119.02 μg·m-3位居第四和第五(圖2f)。

8個城市的SO2濃度高于全國平均，多數(shù)情況可以看出，地理位置位于中國北部城市的SO2濃度高于南部城市(北京除外)。例如，太原市SO2濃度為70.65 μg·m-3，遠高于其他城市，鄭州市和濟南市居于第三位和第四位，西安市和天津市的平均值和全國平均值相接近，太原市比?？谑懈叱?2倍(圖2g)。

2.3 綠色指數(shù)及空氣質量相關性分析：城市間差異

每個城市綠色指數(shù)與不同空氣質量指標均值相關關系城市間差異如圖3所示，總體上來看，綠色指數(shù)與各空氣質量指標的關系，可以分為三類，第一區(qū)域是負相關區(qū)域；第二個區(qū)域是不相關區(qū)域，往往相關系數(shù)很低(接近于0)；第三個區(qū)域是正相關區(qū)域。明顯可以看出，不同省市、不同的污染指標往往表現(xiàn)出不一致的相關關系。

在AQI與綠色指數(shù)的關系中，沈陽市、南寧市、合肥市、杭州市等9個城市年均值與綠色指數(shù)都為負相關；蘭州市、昆明市、貴陽市等13個城市二者之間呈正相關。

在PM含量與城市綠色指數(shù)的關系中，PM2.5蘭州市、昆明市、貴陽市等11個城市變化一致，當綠色指數(shù)升高時，PM2.5的含量也隨之升高；福州市、南寧市和武漢市等12個城市隨綠色指數(shù)的升高，PM2.5的含量隨之下降。合肥市、沈陽市和南寧市等12個城市的綠色指數(shù)升高時，PM10的含量逐漸減少，蘭州、重慶、昆明等城市有著與之相反的關系。

當城市的綠色指數(shù)增加時，沈陽、上海、鄭州等13個城市的CO含量逐漸減少，福州、海口、拉薩、哈爾濱等城市的CO含量也隨之增加。NO2與綠色指數(shù)的關系，14個城市二者負相關，10個城市二者正相關。廣州市、太原市、成都市等10個城市的O3含量隨著城市綠色指數(shù)的增加而降低，上海市、武漢市、濟南市等12個城市的O3含量隨著城市綠色指數(shù)的增加而增加。SO2與綠色指數(shù)的關系中，基本可以分為3種情況，13個城市負相關，12個城市正相關，而全國均值、成都市和南寧市幾乎不相關。

上述結果可以看出，沈陽市、南寧市、合肥市、杭州市、福州市、長春市和長沙市的城市綠色程度增加多伴隨著改善城市空氣質量，但是福州市的CO含量有增加的風險。然而，增加蘭州市、昆明市、貴陽市、西安市、拉薩市、天津市、哈爾濱市、南昌市、呼和浩特市、?？谑?、南京市和濟南市的城市綠色程度，有可能使城市空氣質量AQI下降或某一些指標更差。在武漢市和上海市，增加綠色程度與空氣中O3濃度增加緊密相關(P<0.01)；廣州市綠色程度提升，NO2的濃度隨之增加(P<0.05)，而O3減少(P<0.05)；重慶市增加城市的綠色程度可以顯著減少SO2含量(P<0.05)(圖3)。

圖3 綠色指數(shù)與不同空氣質量指標均值相關關系城市間差異比較 *表示相關性在0.05水平上顯著；**表示相關性在0.01水平上顯著Fig.3 Relationship between green viewing index and mean value of different air quality indexes * indicates that the correlation is significant at the level of 0.05; ** indicates that the correlation is significant at the level of 0.01

空氣質量指數(shù)AQI細顆粒物PM2.5可吸入顆粒物PM10一氧化碳CO二氧化氮NO2臭氧O3二氧化硫SO2全國208站點相關分析Total 208 station analysis綠色指數(shù)Greening view index0.0890.1250.0810.0210.0280.0190.016空氣質量指數(shù)AQI0.957??0.947??0.769??0.653??0.308??0.398??細顆粒物PM2.50.840??0.695??0.667??0.258??0.347??可吸入顆粒物PM100.780??0.604??0.301??0.458??一氧化碳CO0.544??0.0870.417??二氧化氮NO20.202??0.265??臭氧O30.22927個城市均值相關分析Total 27 city average analysis綠色指數(shù)Greening view index0.3650.477?0.2780.2410.411?-0.114-0.098空氣質量指數(shù)AQI0.964??0.956??0.827??0.825??0.417?0.502??細顆粒物PM2.50.861??0.774??0.843??0.3280.454?可吸入顆粒物PM100.838??0.755??0.447?0.553??一氧化碳CO0.718??0.1650.588??二氧化氮NO20.419?0.319臭氧O3-0.022

注：*表示相關性在0.05水平上顯著(雙尾)；**表示相關性在 0.01 水平上顯著(雙尾)

Note:*indicates that the correlation is significant at the level of 0.05;**indicates that the correlation is significant at the level of 0.01 level

2.4 空氣質量相關指標、綠色指數(shù)相關分析：整體數(shù)據(jù)分析

表2可以看出，全國208個站點數(shù)據(jù)相關分析與27個城市均值的相關分析結果基本一致。隨著城市綠色程度的升高，PM2.5和NO2的含量增高趨勢最為明顯，其中27城市均值達到顯著水平(P<0.05)；與此不同，O3和SO2的相關性最弱。

AQI與所有指標(PM10、PM2.5、NO2、CO、O3、SO2)都具有顯著相關性，其中相關性最高的是PM2.5和PM10，與O3和SO2相關性最弱。這種趨勢27個城市均值與208個站點均值具有類似趨勢(表2)。

顆粒物PM與NO2、CO、O3、SO2多存在顯著正相關性，顯示顆粒物在污染中的重要中介作用。其中與CO、NO2相關性較高，與O3、SO2相關性較弱，27個城市均值數(shù)據(jù)與208個站點均值數(shù)據(jù)具有類似的趨勢(表2)。

四種污染氣體NO2、CO、O3、SO2的相關性存在差異，主要表現(xiàn)在：NO2和CO具有更高的相關性，而其它關系較弱，如O3、SO2幾乎沒有相關性(表2)。

3 討論

3.1 城市綠化越好并不一定代表城市空氣污染越低：超出綠色植被的凈化范圍

我們原來假設認為，越是綠色的城市可能空氣污染程度越低，現(xiàn)在的結果來看，很多城市并不存在這一規(guī)律。如：蘭州、昆明、貴陽、西安等城市普遍存在著城市綠色程度越高，空氣污染各指標越高的現(xiàn)象(圖3)；整體分析數(shù)據(jù)也表明，全國208站點、27個城市PM2.5與城市綠色指數(shù)存在著較為明顯的正相關關系(表2)。

綠色植物能夠滯塵降低污染功能，但是其凈化功能存在上限，現(xiàn)在多數(shù)城市的污染可能是超出了綠色植被凈化的范圍。陳上杰等對21種植物、3種粒徑顆粒物(PM10、PM2.5和PM1)的累積吸附量研究表明：植物的對空氣中顆粒物的累積吸附量先迅速增加，之后增加速度逐漸減緩，最后達到最大限值且穩(wěn)定下來[11]。王玲等對12種喬木對SO2和NO2的吸收能力研究表明：當空氣中SO2達到一定濃度值(4或8 mg·L-1)，植物對SO2的吸收量達到最高值，而NO2濃度較低時，幾種植物對其有一定的吸收能力，當NO2濃度較高時，吸收能力減弱甚至沒有[12]。在城市綠色植被凈化空氣污染總量方面，張維康等研究發(fā)現(xiàn)，針葉樹種冠層葉片可以清除PM103.18～18.60 kg·hm-2·a-1，PM2.51.27～8.19 kg·hm-2·a-1；而闊葉樹種可以清除PM100.89～19.04 kg·hm-2·a-1，PM2.50.54～4.97 kg·hm-2·a-1[13]。這就意味著，當污染排出量超過這一范圍時，綠色植被的凈化功能將不能體現(xiàn)在空氣質量的提高上面。此外，綠色程度與空氣污染的正相關也有可能與綠色植被往往可以一定程度上降低風速，影響了污染空氣快速擴散。

人們向往生活在綠色城市之中，除了希望空氣污染物少之外，還有更多的益處，因此不能貶低城市綠化的功能。比如街道綠化的功能包括固碳和釋放氧氣，改變土壤理化性質，空氣污染物吸收，降溫、增濕，減少噪音污染和減少暴雨、降低血壓和穩(wěn)定情緒等[14～18]。

3.2 特定城市綠色有助于空氣質量改善：原因及啟示

本研究的一個初始目的是通過城市對比，找到一些規(guī)律，對未來城市管理提出建議。本研究另外一個發(fā)現(xiàn)是在某一些特定的城市，城市綠色與城市空氣質量存在負相關關系。其特征及相關啟示如下：

首先，這種相關性差異沒有存在明顯的區(qū)域特征。PM及空氣質量指數(shù)與綠色指數(shù)關系來看，沈陽市、南寧市和合肥市等城市存在負相關關系，而蘭州市、昆明市和貴陽市等城市則存在正相關關系。這些結果意味著在這兩類城市增加城市綠化可能意味著完全相反的空氣質量和PM變化。綠色植被在滯塵方面的功能是毋庸置疑的，產生這樣的關系很可能和其它過程耦合。比如過量排放問題，與日本、美國和印度等比較，我國2001年加入世貿后中國空氣污染物中硫氧化物(SOX)、氮氧化物(NOX)、揮發(fā)性有機污染物(VOCs)和PM2.5急劇上升[19]。氣候因素也顯著影響污染稀釋進程，大氣擴散指數(shù)與PM10、PM2.5及年霾日數(shù)之間呈顯著負相關，當大氣擴散指數(shù)增大時，大氣顆粒物濃度和年霾日數(shù)均下降[20]。

其次，某一些城市特定指標，存在統(tǒng)計學顯著線性相關性，如：增加武漢市和上海市的綠色程度將有可能伴隨著空氣中O3濃度增加；而增加廣州市綠色程度有可能伴隨NO2濃度增加、而O3降低；增加重慶市的綠色程度伴隨著顯著減少SO2含量。國際經(jīng)驗說明，臭氧污染有繼PM污染之后的嚴重污染，具有更難防治的特點，臭氧形成主要是氮氧化物(NOx)與揮發(fā)性有機物(VOCs)在高溫和強光條件下發(fā)生光化學反應而形成[21]。最新研究表明，綠色植被排放的VOCs可能有助于O3的形成[22～23]。我們的研究發(fā)現(xiàn)，在多數(shù)城市沒有這種趨勢；武漢和上海是否存在明顯的正相關，尚需要更加直接的證據(jù)探討是否與綠色植被有關。

此外，應該繼續(xù)加強城市綠化與空氣污染關系研究，減少不確定性。本研究使用的綠色指數(shù)研究方法，采樣量大(每一點18張照片，囊括了360度的圓球體，每一個空氣監(jiān)測站2 km理論最大測定點是16個點，間距為500 m)，這樣的測定保證了綠色水平具有客觀性和可靠性[7,10]。在空氣質量監(jiān)測方面，208個站點采用國家統(tǒng)一的標準進行測定，理論上也是可信可靠的。進一步研究將有助于不確定性的降低，比如，結合其他污染物排放指標、氣候指標(溫度、降雨、濕度、風速)與地理位置特征(海拔與地理坐標)進行分析、開展夏季和冬季差異研究，基于現(xiàn)有明顯的污染改善進行多年度分析等，將有助于提升城市綠化和空氣污染管理。

4 結論

通過對27個省會城市、208個空氣污染監(jiān)測站點的研究顯示，濟南市和重慶市的綠色指數(shù)最高，呼和浩特市和拉薩市的城市綠色指數(shù)最低；?？谑杏凶詈玫目諝赓|量，而鄭州市和濟南市的空氣質量最差。隨著城市綠色程度的增加，沈陽市等7個城市的城市空氣質量將伴隨著改善，然而蘭州市等13個城市空氣質量下降或導致空氣質量更差。從全國水平看，隨著城市綠色程度的升高，PM2.5和NO2的含量也隨之顯著升高。盡管大量研究已經(jīng)表明，城市綠化能夠起到滯塵降低污染的作用，但是目前我國主要城市的空氣污染程度，僅僅依靠城市綠化改善城市空氣質量遠遠不夠，甚至有不利于城市空氣質量改善的作用(阻礙空氣流通)。上述研究結果為科學規(guī)劃城市綠化與改善提升空氣質量提供基礎數(shù)據(jù)支撐。