基于LUR模型的城市帶狀綠地冬季降減空氣PM10和PM2.5效應(yīng)研究

摘要 為探究城市帶狀綠地降減空氣顆粒物的作用機(jī)制和效應(yīng)，選取武漢市羅家港帶狀公園綠地及其周邊建成環(huán)境作為研究對(duì)象，選擇冬季天氣晴朗無(wú)風(fēng)且氣象條件相似的3 天進(jìn)行重復(fù)觀測(cè)，采用土地利用回歸（landuse regression，LUR）模型和主成分分析相結(jié)合的方法，分析冬季城市帶狀綠地對(duì)空氣PM10和PM2.5質(zhì)量濃度的降減效應(yīng)，識(shí)別其關(guān)鍵影響因素。結(jié)果顯示，基于LUR 模型得出城市帶狀綠地對(duì)空氣PM10和PM2.5的降減作用存在寬度效應(yīng)，寬度30～40 m 的綠地在冬季對(duì)空氣PM10的降減效率最顯著。同時(shí)，研究發(fā)現(xiàn)冬季城市帶狀綠地內(nèi)部的空氣PM2.5和PM10質(zhì)量濃度會(huì)出現(xiàn)高于鄰近道路位置的現(xiàn)象，空氣PM10和PM2.5在城市帶狀綠地內(nèi)存在明顯的積聚效應(yīng)。結(jié)果表明，城市帶狀綠地對(duì)空氣PM10和PM2.5的降減作用會(huì)受到周邊交通污染排放的干擾，不同寬度帶狀綠地創(chuàng)造的微氣象條件也會(huì)對(duì)空氣PM10和PM2.5的質(zhì)量濃度產(chǎn)生一定影響。

關(guān)鍵詞 城市帶狀綠地； 寬度效應(yīng)； 空氣顆粒物； LUR 模型； 城市交通

中圖分類號(hào) X513 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1000-2421（2024）06-0150-11

近年來(lái)，隨著城市化進(jìn)程的加快，各類環(huán)境問(wèn)題日顯嚴(yán)峻，其中空氣污染問(wèn)題尤為突出［1］。直徑為10、2.5 μm 的顆粒物（PM10 和PM2.5）可影響人類健康，引起心血管、肺部疾病的發(fā)生［2］。在城市建成環(huán)境中，汽車尾氣排放、行駛過(guò)程中揚(yáng)塵及輪胎磨損物等構(gòu)成了空氣PM2.5 和PM10 顆粒物的主要來(lái)源［3］。研究表明，車流量和車速是影響空氣顆粒物濃度的主要因素，且對(duì)空氣PM2.5 的影響尤為顯著［4］。此外，氣象因素也會(huì)通過(guò)改變局地小氣候條件從而影響空氣PM2.5和PM10質(zhì)量濃度［5］。同時(shí)，在交通污染排放和局地氣候因素的共同作用下，空氣顆粒物濃度呈現(xiàn)明顯的日變化和季節(jié)變化［6-7］。

城市沿路帶狀綠地可以有效攔截、吸附和沉降空氣顆粒物，降低空氣顆粒物濃度［8-9］。隨著帶狀綠地寬度的增加，空氣PM2.5和PM10質(zhì)量濃度呈現(xiàn)明顯下降趨勢(shì)［10-11］。然而，城市帶狀綠地的功能發(fā)揮并不是在孤立系統(tǒng)中運(yùn)行，會(huì)受到周邊建成環(huán)境和局地氣候因素的干擾。已有相關(guān)研究表明，城市交通密度、道路長(zhǎng)度、交通流量、土地利用等因素顯著影響城市建成環(huán)境的空氣顆粒物污染狀況［12］。李新宇等［11］對(duì)北京市不同寬度綠地內(nèi)空氣PM2.5進(jìn)行監(jiān)測(cè)，結(jié)果表明無(wú)污染或輕度污染時(shí)綠地降減空氣PM2.5效果顯著，而重度污染時(shí)效果不顯著。萬(wàn)好等［10］對(duì)4種不同結(jié)構(gòu)道旁綠地內(nèi)空氣PM2.5和PM10進(jìn)行監(jiān)測(cè)，當(dāng)寬度在15～25 m 時(shí)，綠地能較好地消減空氣中的細(xì)微顆粒物。為了進(jìn)一步實(shí)現(xiàn)城市帶狀綠地降減空氣顆粒物效應(yīng)的模型化表達(dá)，實(shí)現(xiàn)在復(fù)雜的城市建成環(huán)境現(xiàn)實(shí)條件下精準(zhǔn)量化城市帶狀綠地的生態(tài)效應(yīng)，本研究基于土地利用回歸（land use regression，LUR）模型，選取距最近道路距離（distance to thenearest road，Dntr）、距最近主干道距離（distance tothe nearest primary distributor road，Dptr）、距最近路口的距離（distance to the road junction，Djtr）、距公交車站距離（distance to the bus stop，Dbs）、綠地寬度（green space width，Wg）、距水體距離（distance to thewater，Dw）、溫度（temperature，T）、濕度（relative hu‐midity，Hr）和風(fēng)速（wind speed，Sw）作為影響變量，量化分析武漢城市沿路帶狀綠地降減空氣PM2.5 和PM10的綜合效應(yīng)及關(guān)鍵影響因子，探明交通污染源、自然要素和氣象因素對(duì)降減空氣PM2.5和PM10的整體影響，以期為城市帶狀綠地建成環(huán)境的規(guī)劃與保護(hù)提供重要的理論與實(shí)踐指導(dǎo)。

1 材料與方法

1.1 研究區(qū)概況

湖北省武漢市（29° 58′N～31° 22′N，113° 41′E～115°05′E）地處長(zhǎng)江中下游，屬亞熱帶季風(fēng)性濕潤(rùn)氣候，冬季寒冷潮濕，夏季炎熱多雨，四季分明。根據(jù)《2022年武漢市生態(tài)環(huán)境狀況公報(bào)》，2022年全市環(huán)境空氣質(zhì)量?jī)?yōu)良天數(shù)294 d，輕度污染59 d，中度污染11 d，重度污染1 d，空氣質(zhì)量?jī)?yōu)良率80.5%。2022 年平均空氣PM2.5 質(zhì)量濃度為35 μg/m3，年平均空氣PM10質(zhì)量濃度為55 μg/m3?？諝釶M2.5和PM10質(zhì)量濃度的月均值呈現(xiàn)出季節(jié)性特征，冬季污染最為嚴(yán)重。本研究選取武漢市主城區(qū)內(nèi)羅家港帶狀綠地為研究對(duì)象，該綠帶長(zhǎng)約760 m，寬25～105 m，占地面積5.55 hm2，一側(cè)緊鄰車流量較大的交通主干道，另一側(cè)臨水（圖1）。

1.2 數(shù)據(jù)來(lái)源

本研究選取6 處不同寬度（20、30、40、50、60、70m）的帶狀綠地作為研究對(duì)象。針對(duì)每一寬度帶狀綠地，距帶狀綠地邊界20 m 以內(nèi)每隔5 m 布置1 個(gè)監(jiān)測(cè)點(diǎn)，其余位置每隔10 m 布置1 個(gè)測(cè)點(diǎn)，每個(gè)監(jiān)測(cè)點(diǎn)都位于喬草結(jié)構(gòu)的綠地內(nèi)，植物種類構(gòu)成相似，共計(jì)54個(gè)監(jiān)測(cè)點(diǎn)，其中兩側(cè)監(jiān)測(cè)點(diǎn)分別位于人行道與帶狀綠地的交界處、水體與綠地的交界處（圖1）。

空氣PM2.5和PM10質(zhì)量濃度、空氣溫濕度、風(fēng)速等數(shù)據(jù)，采取定量監(jiān)測(cè)方式獲取。測(cè)量時(shí)間選取空氣污染嚴(yán)重的冬季（2024 年1 月），選擇天氣晴朗無(wú)風(fēng)且氣象條件相似的3 d 進(jìn)行重復(fù)測(cè)量。所有監(jiān)測(cè)均在距離地面1.5 m 的呼吸高度進(jìn)行。測(cè)量時(shí)間為08：00—09：00，12：00—13：00，16：00—17：00 三個(gè)時(shí)間段，同一時(shí)間段在各測(cè)點(diǎn)內(nèi)對(duì)每個(gè)測(cè)量指標(biāo)進(jìn)行3次重復(fù)計(jì)數(shù)以取平均值。使用2025 型PM2.5/PM10手持式在線直讀監(jiān)測(cè)儀（嶗應(yīng)，山東青島嶗山應(yīng)用技術(shù)研究所）對(duì)空氣PM2.5和PM10質(zhì)量濃度進(jìn)行監(jiān)測(cè)，儀器可測(cè)范圍為1～1 000 μg/m3，分辨率為0.1 μg/m3，測(cè)量精度為10%；采用Testo610 手持式溫濕度儀（Testo，Germany）對(duì)空氣溫度和相對(duì)濕度進(jìn)行監(jiān)測(cè)，儀器可測(cè)量的溫度范圍為? 10～50 ℃ ，分辨率為0.1 ℃，相對(duì)濕度范圍為0%～100%，分辨率為0.1%。風(fēng)速由Testo410 風(fēng)速儀（Testo，Germany）測(cè)量，測(cè)量范圍為0～20 m/s，分辨率為0.1 m/s。

關(guān)于交通污染源變量和自然要素變量，結(jié)合Google Earth 影像與實(shí)地測(cè)繪獲取，包括Dntr、Dptr、Djtr、Dbs、Wg和Dw。

1.3 土地利用回歸模型

通過(guò)建立空氣污染物監(jiān)測(cè)數(shù)據(jù)與周圍土地利用、交通污染源之間的統(tǒng)計(jì)關(guān)系，綜合利用土地利用回歸與地理信息系統(tǒng)（geographic information system，GIS）的技術(shù)手段，能夠預(yù)測(cè)出未監(jiān)測(cè)地點(diǎn)的污染物濃度［13］。近年來(lái)，LUR 模型已被證實(shí)是預(yù)測(cè)城市空氣顆粒物濃度的一種有效工具［14-15］，并在城市綠地降減空氣顆粒物的研究中得到廣泛的應(yīng)用［16-17］。武漢市空氣顆粒物的主要來(lái)源是汽車排放（27.1%）、二次硫酸鹽和硝酸鹽氣溶膠（26.8%）、工業(yè)排放（26.4%）和生物質(zhì)燃燒排放（19.6%）［18］。本研究區(qū)域及周邊沒(méi)有工業(yè)排放和生物質(zhì)燃燒，交通排放是此研究區(qū)域中空氣顆粒物的主要來(lái)源。本研究同步監(jiān)測(cè)周邊主要干道連續(xù)3 d（D1—D3）的車流量數(shù)據(jù)（08：00、12：00 和16：00，分別進(jìn)行3 min 記錄統(tǒng)計(jì)）（圖2）。在LUR 模型中，選擇Dntr、Dptr、Djtr 和Dbs作為交通污染源變量，選擇Wg和Dw作為自然要素變量，氣象因素變量包括T、Hr和Sw（圖3）。

同時(shí)，采用留一法交叉驗(yàn)證（leave-one-out crossvalidation，LOOCV）LUR 模型的可行性［12］。在所有n 個(gè)樣本中每次提取1 個(gè)樣本用于驗(yàn)證，其余n?1 個(gè)樣本用于模型訓(xùn)練，用所排除的樣本驗(yàn)證模型的精度；交叉驗(yàn)證重復(fù)n 次，每個(gè)子樣本驗(yàn)證1 次［19］。通過(guò)方差膨脹因子（variance inflation factor，VIF）和杜賓沃森（Durbin-Watson，DW）指數(shù)來(lái)判定LUR 模型變量是否存在共線性，VIF 是用于衡量估計(jì)回歸系數(shù)的方差因共線性增加程度的指數(shù)，它被廣泛用于衡量回歸模型中第1 個(gè)自變量與其他自變量的多重共線性程度［12， 20］。

1.4 主成分分析

LUR 模型可結(jié)合主成分分析，通過(guò)確定合適的輸入變量來(lái)提高預(yù)測(cè)性能［21］。采用主成分分析可將9 個(gè)變量的數(shù)據(jù)集簡(jiǎn)化為更小的變量集。采用方差旋轉(zhuǎn)法以確保各個(gè)變量與特定成分的相關(guān)性最大化，而與其他成分的相關(guān)性最低。根據(jù)表1 中的總方差解釋，提取了3 個(gè)特征值大于1 的成分，占總方差的82.3%。變量在旋轉(zhuǎn)成分中的載荷分布見(jiàn)表1。

1.5 PM比值

通過(guò)引入綠地內(nèi)外空氣顆粒物濃度的比值（PM 遠(yuǎn)離污染源/PM 靠近污染源）可評(píng)估綠地改善空氣質(zhì)量的能力［22］。本研究采用帶狀綠地遠(yuǎn)離污染源和靠近污染源測(cè)點(diǎn)的空氣PM 值來(lái)計(jì)算PM 比值，利用PM比值進(jìn)行曲線估算，得出最佳擬合方程。

1.6 數(shù)據(jù)分析

利用SPSS 17.0 建立LUR 模型，并分析城市帶狀綠地、交通污染和氣象因素對(duì)空氣PM2.5和PM10的影響。使用R 軟件corr 包量化不同寬度綠地內(nèi)空氣PM2.5和PM10質(zhì)量濃度和各自變量的相關(guān)系數(shù)，確定主要影響變量。對(duì)每個(gè)測(cè)量參數(shù)的平均值、變異性、標(biāo)準(zhǔn)偏差和回歸進(jìn)行描述性統(tǒng)計(jì)分析。利用Origin分析空氣PM10 和PM2.5 的季節(jié)變化和日變化規(guī)律，以及不同寬度綠地內(nèi)空氣PM2.5和PM10的空間分布模式。

2 結(jié)果與分析

2.1 LUR 模型中自變量特征描述

LUR 模型中，交通污染源、自然要素和氣象因素變量的主成分分析結(jié)果如圖4 所示，前2 個(gè)成分對(duì)總方差的解釋率為71.2%。其中，第1 個(gè)成分包括變量Dntr、Dbs、Wg和T；第2 個(gè)成分包括變量Dptr、Dw和Sw。其中，20、30、40 m 寬度的帶狀綠地受變量Dntr、Djtr、Dptr和Dbs牽引較強(qiáng)。

2.2 LUR模型的建立

將交通污染源、自然要素和氣象因素變量依次引入LUR 模型，建立空氣PM10和PM2.5的3 類模型。單獨(dú)引入交通污染源變量建立模型1，引入交通污染源變量和自然要素變量建立模型2，在模型3中綜合考慮交通污染源變量、自然要素變量和氣象因素變量，以明確3類變量對(duì)空氣PM10和PM2.5模型的綜合貢獻(xiàn)水平（圖5）。在PM2.5 LUR 模型中，采用交通污染源變量為自變量時(shí)，空氣PM2.5模型R2為0.290，主要預(yù)測(cè)變量為Dntr、Dptr、Dbs。將自然要素變量引入模型時(shí)，模型R2為0.268，其主要預(yù)測(cè)變量為Dw。將交通污染源變量、自然要素變量、氣象因素變量全部作為自變量時(shí)，氣象因素變量T 和Sw 進(jìn)入模型，調(diào)整后R2 為0.337，模型主要預(yù)測(cè)變量為Dntr、Dptr、Dbs、Sw和T。交通污染源變量和氣象因素變量分別貢獻(xiàn)了72.7% 和27.3%，其中Dbs變量貢獻(xiàn)最大，達(dá)到26.2%。

在PM10 LUR 模型中，采用交通污染源變量為自變量時(shí)，冬季PM10模型R2為0.103，主要預(yù)測(cè)變量為Dntr 和Dbs。將自然要素變量引入模型時(shí)，模型R2 為0.137，其主要預(yù)測(cè)變量為Dptr、Djtr、Dw和Wg。將交通污染源變量、自然要素變量、氣象因素變量全部作為自變量時(shí)R2 為0.495，模型主要預(yù)測(cè)變量為Dptr、Dw、Sw 和T。交通污染源變量、自然要素變量和氣象因素變量分別貢獻(xiàn)了30.8%、18.2% 和51.1%，其中Dptr 變量貢獻(xiàn)最大，達(dá)到30.8%。

可見(jiàn)交通污染源、自然要素和氣象因素均對(duì)冬季空氣PM2.5和PM10模型具有重要作用。在LUR 模型中，自然要素和氣象因素變量對(duì)空氣PM10的影響大于空氣PM2.5，而交通污染源變量對(duì)空氣PM2.5 的影響更明顯。

由表2 可知，所有模型的預(yù)測(cè)因子都通過(guò)了t 檢驗(yàn)和F 檢驗(yàn)，P 值均小于0.05；VIF 小于10，表明模型預(yù)測(cè)變量之間不存在多重共線性；DW 指數(shù)表明模型中不存在空間自相關(guān)性。綜合來(lái)看，模型3 的預(yù)測(cè)能力最強(qiáng)，冬季空氣PM2.5 和PM10 的LOOCV 調(diào)整后R2分別為0.916 和0.907。

2.3 不同寬度帶狀綠地內(nèi)各自變量對(duì)空氣PM2.5和PM10影響

為解釋帶狀綠地和周邊環(huán)境對(duì)空氣PM10 和PM2.5 的綜合影響，對(duì)城市帶狀綠地空氣PM10 和PM2.5與模型各自變量進(jìn)行相關(guān)性分析（圖6）。結(jié)果表明，綠地20、30、50 m 寬度處空氣PM2.5 和PM10 與各自變量無(wú)顯著相關(guān)關(guān)系。綠地寬度40 m 處，空氣PM10 與變量Dptr、Dntr、Dbs 和Djtr 呈顯著負(fù)相關(guān)，與變量Dw 呈顯著正相關(guān)。而在綠地60、70 m 寬度處，空氣PM2.5 和PM10 與變量Dptr、Dntr、Dbs 和Djtr 呈顯著正相關(guān)，與變量Dw 顯著負(fù)相關(guān)。此外，在綠地60 m 寬度處，空氣PM2.5和PM10與變量Hr呈顯著負(fù)相關(guān)，但在綠地70 m 寬度處空氣PM2.5和PM10與變量Hr呈顯著正相關(guān)?？梢?jiàn)，交通污染源和自然要素變量對(duì)帶狀綠地空氣PM2.5和PM10質(zhì)量濃度影響較顯著，而氣象因素變量的影響較小。

2.4 不同寬度帶狀綠地內(nèi)空氣PM2.5和PM10質(zhì)量濃度和作用范圍

冬季連續(xù)3 d 重復(fù)觀測(cè)不同寬度帶狀綠地空氣PM2.5和PM10質(zhì)量濃度的變化趨勢(shì)如圖7 所示，空氣PM2.5質(zhì)量濃度表現(xiàn)出隨綠地寬度增加波動(dòng)下降的變化規(guī)律。空氣PM2.5 質(zhì)量濃度最高發(fā)生在綠地寬度30 m 處，平均值為74.5 μg/m3，質(zhì)量濃度最低發(fā)生在40 m 處，平均值為72.2 μg/m3。空氣PM10 質(zhì)量濃度在冬季3 d 的監(jiān)測(cè)中表現(xiàn)出一致的變化趨勢(shì)，但不同綠地寬度內(nèi)PM10 質(zhì)量濃度差異比PM2.5 更明顯；PM10質(zhì)量濃度最高發(fā)生在綠地寬度60 m 處，平均值為109.4 μg/m3；綠地寬度50 m 處PM10 質(zhì)量濃度最低，平均值為99.1 μg/m3。

城市帶狀綠地內(nèi)空氣PM2.5和PM10質(zhì)量濃度隨距交通污染源距離的增大總體呈現(xiàn)先上升后下降的趨勢(shì)（圖8）。其中，綠地15、25 m 寬度為2 個(gè)關(guān)鍵節(jié)點(diǎn)。對(duì)于空氣PM2.5，在60 m 寬度綠地中，距交通污染源距離0～15 m 時(shí)，空氣PM2.5 質(zhì)量濃度變化較平緩，而在15 m 之后質(zhì)量濃度顯著升高。在40 m 寬度綠地中，發(fā)現(xiàn)在距交通污染源25 m 處測(cè)得的空氣PM2.5 質(zhì)量濃度顯著低于其他測(cè)點(diǎn)。對(duì)于空氣PM10發(fā)現(xiàn)了相似的規(guī)律，即在距離道路污染源15、25 m 處的測(cè)點(diǎn)測(cè)得的空氣PM10 質(zhì)量濃度顯著低于其他測(cè)點(diǎn)。

2.5 不同寬度帶狀綠地內(nèi)空氣PM2.5和PM10比值效應(yīng)

距污染源較遠(yuǎn)的測(cè)點(diǎn)空氣PM2.5和PM10質(zhì)量濃度與距污染源較近的測(cè)點(diǎn)空氣PM2.5和PM10質(zhì)量濃度的比值可評(píng)估帶狀綠地對(duì)空氣PM2.5和PM10降減作用的強(qiáng)度（圖9）。冬季空氣PM10 和PM2.5 的比值呈現(xiàn)出類似的變化規(guī)律，隨著綠地寬度的增加，PM比值呈現(xiàn)先降低再升高的變化趨勢(shì)，PM 比值的最低點(diǎn)出現(xiàn)在綠地寬度的30～40 m，對(duì)于空氣PM10來(lái)說(shuō)，在綠地寬度達(dá)到70 m 后PM 比值趨于穩(wěn)定，而PM2.5的比值在達(dá)到70 m 寬度后仍在升高?？梢?jiàn)，帶狀綠地對(duì)空氣PM2.5和PM10的減緩存在一個(gè)寬度效應(yīng)，寬度30～40 m 的綠地對(duì)空氣PM10的降減效率最顯著。由空氣PM2.5和PM10比值可以看出，其他綠地寬度內(nèi)空氣PM2.5和PM10質(zhì)量濃度高于綠地邊界處，說(shuō)明城市帶狀綠地對(duì)空氣PM2.5 和PM10 具有明顯的積聚效應(yīng)。

2.6 不同寬度帶狀綠地內(nèi)PM2.5和PM10日變化

不同時(shí)段帶狀綠地空氣PM2.5和PM10質(zhì)量濃度的變化趨勢(shì)如圖10 所示。對(duì)于空氣PM2.5，當(dāng)綠地寬度40～60 m 時(shí)，空氣PM2.5質(zhì)量濃度在12：00—13：00時(shí)段最高，而在16：00—17：00 時(shí)段降至最低。而對(duì)于其他綠地寬度，空氣PM2.5 質(zhì)量濃度最高的時(shí)間段為08：00—09：00，在16：00—17：00 時(shí)間段最低。對(duì)于空氣PM10，當(dāng)綠地寬度40 m 時(shí)，空氣PM10質(zhì)量濃度在12：00—13：00 時(shí)段最高，在16：00—17：00時(shí)段降至最低。對(duì)于其他綠地寬度，空氣PM10質(zhì)量濃度最高的時(shí)間段為08：00—09：00，16：00—17：00時(shí)間段空氣PM10質(zhì)量濃度最低。

同時(shí)，在帶狀綠地寬度為20 m 的區(qū)域，空氣PM2.5和PM10質(zhì)量濃度的日較差最顯著，分別為16.8μg/m3 和23.2 μg/m3。此外，在不同的時(shí)間段，綠地內(nèi)空氣PM2.5 和PM10 質(zhì)量濃度存在顯著差異。在08：00—09：00 時(shí)間段，40 m 寬度綠地空氣PM2.5 質(zhì)量濃度顯著低于其他寬度綠地，而在16：00—17：00時(shí)間段顯著高于其他寬度綠地；對(duì)于空氣PM10，也發(fā)現(xiàn)相似的規(guī)律。

3 討論

根據(jù)城市建成環(huán)境中的3 類變量：交通污染源、自然要素和氣象因素變量，本研究基于LUR 模型化分析了城市帶狀綠地對(duì)空氣PM2.5 和PM10 的影響。結(jié)果表明：（1）成功建立了城市帶狀綠地降減空氣PM10和PM2.5的LUR 模型，調(diào)整后R2分別為0.495 和0.337。（2）帶狀綠地對(duì)空氣PM10和PM2.5的降減作用存在寬度效應(yīng)，30～40 m 寬度的綠地在冬季對(duì)空氣PM10的減緩作用顯著。但在其他綠地寬度處，存在綠地內(nèi)部空氣PM2.5和PM10質(zhì)量濃度高于綠地邊界處的現(xiàn)象，可見(jiàn)一定寬度的城市沿路帶狀綠地會(huì)導(dǎo)致PM2.5 和PM10 的累積，避免污染物擴(kuò)散到其他區(qū)域。（3）城市帶狀綠地降減空氣PM2.5和PM10質(zhì)量濃度在一天內(nèi)的不同時(shí)間段存在差異；在帶狀綠地寬度為20 m 的區(qū)域，空氣PM2.5 和PM10 質(zhì)量濃度的日較差最顯著分別為16.8、23.2 μg/m3。

3.1 空氣PM10和PM2.5 LUR模型的建立

本研究構(gòu)建LUR 模型，分析城市帶狀綠地影響空氣PM2.5 和PM10 質(zhì)量濃度空間分布的綜合效應(yīng)。研究發(fā)現(xiàn)變量Dntr、Dptr、Dbs、T 和Sw是影響空氣PM2.5質(zhì)量濃度的重要影響因素（圖11）。在相關(guān)性分析中，變量Dntr、Dptr、Dbs 與空氣PM2.5 質(zhì)量濃度有明顯的相關(guān)性。對(duì)于空氣PM10，變量 Dptr、Dw、T 和Sw 是影響空氣PM10質(zhì)量濃度的重要影響因素。變量Dptr和Dw與空氣PM10質(zhì)量濃度相關(guān)性顯著。

相比于PM10，空氣PM2.5容易受到氣象因素的影響［23］，空氣PM10 與自然要素的相關(guān)性更為顯著，且更易于預(yù)測(cè)。在城市環(huán)境中，空氣PM2.5由污染源直接排放或者由氣體凝聚的二次氣溶膠形成，空間分布通常比較均勻［24］。因此，空氣PM2.5 與包含Dntr、Dptr、Djtr、Dbs在內(nèi)的各種交通污染源變量相關(guān)性更顯著，尤其是Dbs，在冬季空氣PM2.5的LUR 模型中貢獻(xiàn)水平較高。由于在公交車站附近，車輛的頻繁剎車和輪胎磨損會(huì)產(chǎn)生大量的細(xì)顆粒物，導(dǎo)致變量Dbs成為L(zhǎng)UR 模型中的主導(dǎo)因素。對(duì)于空氣PM10，Dw 為L(zhǎng)UR 模型中的重要變量。在周圍水體和綠地創(chuàng)造的高濕度條件下，空氣顆粒物更易沉降；樹(shù)葉的粘性更大，更容易積聚和吸附空氣PM10［25］。

交通路口是空氣污染源的重點(diǎn)區(qū)域，公交車站的位置也是影響空氣顆粒物濃度的主要環(huán)境因素之一［26］。本研究中交通污染源變量與空氣PM2.5 和PM10顯示出較強(qiáng)的相關(guān)性，變量Dbs、Djtr、Dptr、Dntr與空氣PM2.5和PM10質(zhì)量濃度呈顯著相關(guān)。

前期研究強(qiáng)調(diào)了由綠地和水體組成的城市自然要素對(duì)通過(guò)干沉降降減空氣顆粒物的影響［27］。本研究中，觀察到變量Dw與冬季40 m 寬度的綠地內(nèi)空氣PM2.5和PM10呈顯著正相關(guān)。相關(guān)研究表明，隨著水體周圍相對(duì)濕度的增加，空氣顆粒物的沉積速度也會(huì)大幅增加［28］。此外，水體周圍的濕冷空氣改變了當(dāng)?shù)氐目諝饬魍ǎ鰪?qiáng)了向水體外部的氣流［29］，空氣顆粒物則隨著當(dāng)?shù)氐目諝饬魍ㄏ驖穸容^低的方向擴(kuò)散。在氣象因素方面，本研究發(fā)現(xiàn)冬季60 m 寬度綠地內(nèi)，Hr 與空氣PM2.5 和PM10 呈顯著負(fù)相關(guān)，而在70 m 寬度綠地內(nèi)呈顯著正相關(guān)。前人研究表明，在不同的空氣濕度水平下，Hr 對(duì)空氣顆粒物沉降的影響并不一致。在空氣濕度較低的條件下，顆粒物的表面吸附能力較弱，不易凝結(jié)沉降［28］。隨著濕度的增加，顆粒物的吸濕生長(zhǎng)和積累導(dǎo)致顆粒物濃度增加，而地表濕度的增加效應(yīng)可能會(huì)加劇這一過(guò)程。此外，綠地可以通過(guò)形成微氣候影響空氣顆粒物的沉降，降水、風(fēng)速、空氣湍流和空氣濕度等重要影響因素［30］。

3.2 城市帶狀綠地對(duì)空氣PM2.5 和PM10 的積聚效應(yīng)

不同寬度的綠地對(duì)降減空氣PM2.5和PM10的影響各不相同。在本研究中，對(duì)于空氣PM2.5和PM10來(lái)說(shuō)，在綠地寬度為30～40 m 時(shí)，PM 比值最低，帶狀綠地對(duì)空氣PM2.5 和PM10 的降減表現(xiàn)出了寬度效應(yīng)。但在其他綠地寬度處，綠地內(nèi)部空氣PM2.5和PM10質(zhì)量濃度高于綠地邊界處的現(xiàn)象，說(shuō)明一定寬度的城市沿路帶狀綠地對(duì)空氣PM2.5和PM10存在積聚效應(yīng)。道路旁側(cè)帶狀綠地的阻擋會(huì)導(dǎo)致空氣顆粒物聚集，由于不規(guī)則的樹(shù)木間距和樹(shù)枝覆蓋而產(chǎn)生的間隙也可能會(huì)使與交通相關(guān)的污染穿過(guò)或繞過(guò)植被，并在某些風(fēng)力條件下將污染物積聚在植被后面，導(dǎo)致距離交通污染源較遠(yuǎn)測(cè)點(diǎn)的空氣顆粒物濃度偏高。植被可減少空氣流動(dòng)，導(dǎo)致污染物濃度增加［31］。林帶內(nèi)氣溫較林帶外低，林帶內(nèi)垂直對(duì)流運(yùn)動(dòng)減弱，也會(huì)使空氣顆粒物在林帶內(nèi)不易擴(kuò)散［32］。這種綠地內(nèi)空氣顆粒物濃度高于道路側(cè)的現(xiàn)象也與綠地內(nèi)相對(duì)濕度較高、風(fēng)速較低有關(guān)［33］。有學(xué)者研究發(fā)現(xiàn)，北京市道路綠地在無(wú)污染或者輕度污染天氣條件下距道路26 m 寬度處對(duì)空氣PM2.5的消減作用最好，但在中度污染或者重度污染天氣條件下道路綠地對(duì)空氣PM2.5 質(zhì)量濃度的消減作用并不明顯［34］。在本研究中，冬季實(shí)驗(yàn)時(shí)空氣污染程度較其他季節(jié)更嚴(yán)重，這可能也是綠地內(nèi)空氣PM2.5和PM10質(zhì)量濃度較高的原因之一。因此，當(dāng)綠地對(duì)空氣PM2.5和PM10的消減作用表現(xiàn)為負(fù)值時(shí)，并不與植被吸收、吸附空氣顆粒物污染的作用產(chǎn)生矛盾，而是城市沿路綠帶阻滯了空氣顆粒物的擴(kuò)散過(guò)程，綠帶內(nèi)空氣顆粒物發(fā)生了聚集現(xiàn)象。此時(shí)還應(yīng)綜合考慮污染物來(lái)源、氣象因素等。本研究在冬季開(kāi)展，這可能與冬季氣溫、相對(duì)濕度和風(fēng)速等氣象因素較其他季節(jié)不同，且空氣顆粒物濃度較高有關(guān)。

本研究是在武漢羅家港帶狀綠地周邊建成環(huán)境土地利用背景的現(xiàn)實(shí)條件下建立LUR 模型，從而得出帶狀綠地寬度閾值，為城市多重壓力環(huán)境作用下綠地效應(yīng)閾值的識(shí)別提供了方法借鑒，但該寬度閾值是否適用于其他城市綜合環(huán)境有待進(jìn)一步研究。同時(shí)，本研究中LUR 模型的泛化能力，即預(yù)測(cè)能力可能受到監(jiān)測(cè)點(diǎn)數(shù)量和分布的限制；其他因素如風(fēng)向、氣壓等氣象因素對(duì)空氣PM2.5和PM10也存在影響，在未來(lái)科研工作中將進(jìn)一步予以綜合考慮。

參考文獻(xiàn)References

［1］ ZHU J N，ZHANG Y J，XU X，et al.Air pollution and healthimpacts of atmospheric PM：application of AirQ+ model to JiangsuProvince in China［J/OL］.International journal of environmentalresearch，2022，16（5）：74［2024-04-29］. https：//doi.org/10.1007/s41742-022-00458-x.

［2］ KANGAS J，OLLIKAINEN M. A PES scheme promotingforest biodiversity and carbon sequestration［J/OL］.Forest policyand economics，2022，136：102692［2024-04-29］.https：//doi.org/10.1016/j.forpol.2022.102692.

［3］ MORAWSKA L，BOFINGER N D，KOCIS L，et al.Submicrometerand supermicrometer particles from diesel vehicleemissions［J］. Environmental science amp; technology，1998，32（14）：2033-2042.

［4］ 羅娜娜，趙文吉，晏星，等. 交通與氣象因子對(duì)不同粒徑大氣顆粒物的影響機(jī)制研究［J］. 環(huán)境科學(xué)，2013，34（10）：3741-3748. LUO N N，ZHAO W J，YAN X，et al. Study on influenceof traffic and meteorological factors on inhalable particlematters of different size［J］. Environmental science，2013，34（10）：3741-3748（ in Chinese with English abstract）.

［5］ 楊貌，張志強(qiáng)，陳立欣，等. 春季城區(qū)道路不同綠地配置模式對(duì)大氣顆粒物的削減作用［J］. 生態(tài)學(xué)報(bào)，2016，36（7）：2076-2083. YANG M，ZHANG Z Q，CHEN L X，et al. Effects ofdifferent roadside urban vegetative models on airborneparticulatematter in Beijing，China［J］.Acta ecologica sinica，2016，36（7）：2076-2083（ in Chinese with English abstract）.

［6］ 郭二果，王成，郄光發(fā)，等.北京西山典型游憩林空氣顆粒物不同季節(jié)的日變化［J］. 生態(tài)學(xué)報(bào)，2009，29（6）：3253-3263.GUOE G，WANG C，QIE G F，et al.Diurnal variations of airborneparticulate matters in different seasons in typical recreation forestsin West Mountain of Beijing［J］. Acta ecologica sinica，2009，29（6）：3253-3263（ in Chinese with English abstract）.

［7］ 劉旭輝，余新曉，張振明，等. 林帶內(nèi)PM10、PM2.5污染特征及其與氣象條件的關(guān)系［J］. 生態(tài)學(xué)雜志，2014，33（7）：1715-1721.LIU X H，YU X X，ZHANG Z M，et al.Pollution characteristicsof atmospheric particulates in forest belts and their re‐lationship with meteorological conditions［J］. Chinese journalof ecology，2014，33（7）：1715-1721 （in Chinese with Englishabstract）.

［8］ WU L F，CHEN C X.Does pattern matter：exploring the pathwaysand effects of urban green space on promoting life satisfactionthrough reducing air pollution［J/OL］. Urban forestryamp; urban greening，2023，82：127890［2024-04-29］. https：//doi.org/10.1016/j.ufug.2023.127890.

［9］ PRZYBYSZ A，POPEK R，STANKIEWICZ-KOSYL M，etal. Where trees cannot grow： particulate matter accumulationby urban meadows［J/OL］.Science of the total environment，2021，785：147310［2024-04-29］. https：//doi. org/10.1016/j.scitotenv.2021.147310.

［10］ 萬(wàn)好，王琴，余劉思，等. 武漢市典型道旁綠地消減空氣細(xì)微顆粒物的作用研究［J］. 西北林學(xué)院學(xué)報(bào)，2020，35（3）：237-242.WAN H，WANG Q，YU L S，et al.Effect of typical roadsidegreen spaces on the reduction of air fine particles in Wuhan［J］. Journal of Northwest Forestry University，2020，35（3）：237-242（ in Chinese with English abstract）.

［11］ 李新宇，趙松婷，李延明，等. 北京市不同主干道綠地群落對(duì)大氣PM2.5濃度消減作用的影響［J］. 生態(tài)環(huán)境學(xué)報(bào)，2014，23（4）：615-621.LI X Y，ZHAO S T，LI Y M，et al.Subductioneffect of urban arteries green space on atmospheric concentrationof PM2.5 in Beijing［J］.Ecology and environmental sciences，2014，23（4）：615-621（ in Chinese with English abstract）.

［12］ SABALIAUSKAS K，JEONG C H，YAO X H，et al.Developmentof a land-use regression model for ultrafine particles inToronto，Canada［J］. Atmospheric environment，2015，110：84-92.

［13］ HOEK G，BEELEN R，DE HOOGH K，et al. A review ofland-use regression models to assess spatial variation of outdoorair pollution［J］. Atmospheric environment，2008，42（33）：7561-7578.

［14］ MO Y Z，BOOKER D，ZHAO S Z，et al.The application ofland use regression model to investigate spatiotemporal variationsof PM2.5 in Guangzhou，China：implications for the publichealth benefits of PM2.5 reduction［J/OL］.Science of the totalenvironment，2021，778：146305［2024-04-29］. https：//doi.org/10.1016/j.scitotenv.2021.146305.

［15］ ZHANG L C，TIAN X，ZHAO Y H，et al.Application of nonlinearland use regression models for ambient air pollutants andair quality index［J/OL］. Atmospheric pollution research，2021，12 （10） ：101186 ［2024-04-29］. https：//doi. org/10.1016/j.apr.2021.101186.

［16］ 陳羽陽(yáng)，王婧，趙聆言，等. 城市公園綠地對(duì)周邊環(huán)境空氣PM10和PM2.5的影響及效應(yīng)場(chǎng)特征：以武漢市中山公園為例［J］. 生態(tài)學(xué)雜志，2021，40（7）：2263-2276. CHEN Y Y，WANG J，ZHAO L Y，et al.Effects of urban park green spaceon air PM10 and PM2.5 and its effect field characteristics：a caseof Wuhan Zhongshan Park［J］. Chinese journal of ecology，2021，40（7）：2263-2276（ in Chinese with English abstract）.

［17］ ZHAO L Y，LI T T，PRZYBYSZ A，et al. Effect of urbanlake wetlands and neighboring urban greenery on air PM10 andPM2.5 mitigation［J/OL］. Building and environment，2021，206：108291［2024-04-29］. https：//doi. org/10.1016/j. buildenv.2021.108291.

［18］ 成海容，王祖武，馮家良，等. 武漢市城區(qū)大氣PM2.5的碳組分與源解析［J］. 生態(tài)環(huán)境學(xué)報(bào)，2012，21（9）：1574-1579.CHENGH R，WANG Z W，F(xiàn)ENG J L，et al.Carbonaceous species compositionand source apportionment of PM2.5 in urban atmosphereof Wuhan［J］. Ecology and environmental sciences，2012，21（9）：1574-1579（ in Chinese with English abstract）.

［19］ STONE R S，ANDERSON G P，ANDREWS E，et al.Incursionsand radiative impact of Asian dust in northern Alaska［J/OL］. Geophysical research letters，2007，34（14）：L14815［2024-04-29］. https：//doi.org/10.1029/2007GL029878.

［20］ STINE R A. Graphical interpretation of variance inflation factors［J］. The American statistician， 1995， 49（1）： 53-56.

［21］ OLVERA H A，GARCIA M，LI W W，et al.Principal componentanalysis optimization of a PM2.5 land use regression modelwith small monitoring network［J］.Science of the total environment，2012，425：27-34.

［22］ UNI D，KATRA I.Airborne dust absorption by semi-arid forestsreduces PM pollution in nearby urban environments［J］.Science of the total environment，2017，598：984-992.

［23］ KIM D，LEE S J.Effect of water microdroplet size on the removalof indoor particulate matter［J/OL］.Building and environment，2020，181：107097［2024-04-29］. https：//doi. org/10.1016/j.buildenv.2020.107097.

［24］ CHOW J C，曹軍驥，李順誠(chéng)，等.PM2.5及其測(cè)量與影響研究簡(jiǎn)史［J］. 地球環(huán)境學(xué)報(bào)，2012，3（5）：1019-1029.CHOW J C，CAO J J，LI S C，et al.A brief history of PM2.5，its measurementand adverse effects［J］. Journal of earth environment，2012，3（5）：1019-1029（ in Chinese with English abstract）.

［25］ JANH?LL S.Review on urban vegetation and particle air pollution：deposition and dispersion［J］. Atmospheric environment，2015，105：130-137.

［26］ HESS D B，RAY P D，STINSON A E，et al.Determinants ofexposure to fine particulate matter （PM2.5） for waiting passengersat bus stops［J］.Atmospheric environment，2010，44（39）：5174-5182.

［27］ CHEN M，DAI F，YANG B，et al. Effects of urban greenspace morphological pattern on variation of PM2.5 concentrationin the neighborhoods of five Chinese megacities［J］.Buildingand environment，2019，158：1-15.

［28］ LIU J K，ZHU L J，WANG H H，et al.Dry deposition of particulatematter at an urban forest，wetland and lake surface inBeijing［J］.Atmospheric environment，2016，125：178-187.

［29］ 康曉明，崔麗娟，趙欣勝，等. 北京市濕地削減大氣細(xì)顆粒物PM2.5功能［J］. 生態(tài)學(xué)雜志，2015，34（10）：2807-2813.KANGX M，CUI L J，ZHAO X S，et al.Effect of wetlands on reducingatmospheric fine particles PM2.5 in Beijing［J］.Chinese journalof ecology，2015，34（10）：2807-2813 （in Chinese withEnglish abstract）.

［30］ LITSCHKE T，KUTTLER W.On the reduction of urban particleconcentration by vegetation a review［J］.Meteorologischezeitschrift，2008，17（3）：229-240.

［31］ HAGLER G S W，LIN M Y，KHLYSTOV A，et al.Field investigationof roadside vegetative and structural barrier impacton near-road ultrafine particle concentrations under a variety ofwind conditions［J］. Science of the total environment，2012，419：7-15.

［32］ 陳俊剛，畢華興，許華森，等. 北京市道路防護(hù)林帶內(nèi)外PM2.5質(zhì)量濃度特征及與氣象要素的相關(guān)性［J］.中國(guó)水土保持科學(xué)，2014，12（3）：1-8.CHEN J G，BI H X，XU H S，et al.Correlationanalysis between PM2.5 mass concentration characteristicsand meteorological elements inside and outside the shelterbeltsfor typical roads in Beijing［J］.Science of soil and water conservation，2014，12（3）：1-8（ in Chinese with English abstract）.

［33］ 李素莉，楊軍，馬履一，等. 北京市交通干道防護(hù)林帶內(nèi)PM_（2.5）濃度變化特征［J］. 西北林學(xué)院學(xué)報(bào)， 2015， 30 （3）：245-252. LI S L， YANG J， MA L Y， et al. Variations ofPM2.5 concentrations inside the greenbelts along two urbantraffic arteries in Beijing ［J］. Journal of Northwest ForestryUniversity， 2015， 30 （3）： 245-252 （in Chinese with Englishabstract）.

［34］ 童明坤，高吉喜，田美榮，等. 北京市道路綠地消減PM2.5總量及其健康效益評(píng)估［J］. 中國(guó)環(huán)境科學(xué)，2015，35（9）：2861-2867.TONG M K，GAO J X，TIAN M R，et al.Subduction ofPM2.5 by road green space in Beijing and its health benefit evaluation［J］. China environmental science，2015，35（9）：2861-2867（ in Chinese with English abstract）.

（責(zé)任編輯：葛曉霞）

基金項(xiàng)目：國(guó)家自然科學(xué)基金項(xiàng)目（32371950）；中央高校自主創(chuàng)新基金項(xiàng)目（2662022YLYJ005）；新疆生產(chǎn)建設(shè)兵團(tuán)財(cái)政科技計(jì)劃項(xiàng)目（2023CB008-24）