洪波 王婭楠 / HONG Bo, WANG Yanan

基于實測與數(shù)值模擬的景觀綠化對大氣PM2.5濃度影響研究

洪波 王婭楠 / HONG Bo, WANG Yanan

景觀綠化對大氣懸浮顆粒物有顯著的沉降效果，合理的綠地布局能有效地降低周圍環(huán)境中的PM2.5濃度，提高空氣質(zhì)量。本研究通過對住區(qū)室外園林環(huán)境的PM2.5濃度、風速和風向的實地測試，利用計算流體力學，結(jié)合空氣湍流模型和修正顆粒物擴散模型進行數(shù)值模擬驗證和比對分析，研究了景觀綠化設(shè)計參數(shù)對室外空間PM2.5濃度分布的影響。結(jié)論如下：（1）住區(qū)有植被情況下的PM2.5濃度明顯低于無植被情況，行人空間的濃度降低30.8%；（2）將原有植被冠幅直徑和葉面積密度各增加1倍，測試區(qū)域的PM2.5濃度較原有植被情況分別降低20.5%和27.9%；（3）將原有植物枝下高增加1倍，測試區(qū)域的PM2.5濃度較原有植被情況升高13.5%；（4）調(diào)整植被和建筑的種植距離對垂直空間PM2.5濃度分布有顯著影響，植被靠近建筑，垂直空間PM2.5濃度小。期望本研究的結(jié)論能夠為基于住區(qū)室外微環(huán)境改善的景觀綠化設(shè)計提供定量參數(shù)參考。

景觀綠化 PM2.5計算流體力學 實地測試

1 前言

隨著我國工業(yè)化和城市化的快速發(fā)展，近年來城市大氣環(huán)境不斷惡化，尤其在秋冬季節(jié)，時常遭遇大范圍的嚴重霧霾天氣，其中，PM2.5等已成為很多城市的首要大氣懸浮顆粒污染物。PM2.5是指大氣顆粒污染物中空氣動力學當量直徑小于等于2.5μm的顆粒物，這些顆粒物可直接通過人體呼吸道進入肺泡，對人體呼吸系統(tǒng)、心血管系統(tǒng)造成嚴重危害，從而誘發(fā)人體呼吸道和心血管疾病（Brunekreef et al.，2002）。

景觀綠化由于具有絨毛、蠟質(zhì)等表面性能，能夠在一定程度上截留、沉降和固定大氣顆粒物（Freer-smith et al.，1997）。同時，綠化具有的較大的葉面積密度和由此產(chǎn)生的空氣湍流運動，具有捕獲顆粒物質(zhì)的能力（Beckett et al.，1998）。在居住環(huán)境中，由于從源頭控制大氣污染源較為困難，通過植被清除機制減輕環(huán)境中顆粒物污染的途徑越來越受到人們的重視（Dzierzanowski et al.，2011）。而現(xiàn)有的居住區(qū)園林綠地大多根據(jù)傳統(tǒng)園林植物配植手法設(shè)計種植，僅考慮了景觀的美化功能，設(shè)計師往往憑借經(jīng)驗進行設(shè)計（Hong et al.，2012），因此，景觀綠化未能在提高周邊環(huán)境空氣質(zhì)量方面發(fā)揮出最大的生態(tài)效益。

目前國內(nèi)外對于植物滯塵效果的實測研究主要集中在顆粒物在植被葉片的沉積效果，植被葉片的孔隙度、葉面積以及建筑與污染源的距離等因素對顆粒物沉降與擴散的影響（Litschke et al.，2008；Petroff et al.，2008；Tiwary et al.，2005）。Jin等（2014）對上海6個典型街谷空間的PM2.5濃度分布進行的實測研究表明：無綠化的街谷空間的PM2.5濃度隨建筑高度的增加而減小，有綠化的街谷空間則相反；影響PM2.5衰減系數(shù)的主要因素是植被冠層密度、葉面積指數(shù)和風速變化率。一些研究通過風洞試驗測試不同樹種對大氣顆粒物的沉積速度和捕獲效率的影響，以對比不同植被組成的城市景觀綠化方案產(chǎn)生的不同滯塵效果（Beckett et al.，2000；Ould-Dada et al.，2002；Freer-Smith et al.，2005；Moria et al.，2015）。在植被對懸浮顆粒物影響的數(shù)值模擬研究中，Ries和Eichhorn（2001）將植被簡化成二維模型，模擬分析了街谷空間行道樹對懸浮顆粒物的影響，同時考慮了植被的滲透性，但該模型忽略了植被在空間中三維效應(yīng)（渦流循環(huán)效應(yīng)），難以準確反映植被對懸浮顆粒物擴散的影響；Wania等（2012）利用ENVI-met模型，比較分析了街谷空間植被對顆粒物的影響，結(jié)果表明植被阻擋了街谷空間的通風，導致行人空間的顆粒物濃度升高，但該研究沒有考慮植物對顆粒污染物的吸收作用。

綜上，前人已開展了一些綠化對顆粒物影響的實測研究，但單純的實測研究不僅需要耗費大量的人力物力，而且只能對某些固定點進行測試，得到的實驗數(shù)據(jù)在時間和空間上是離散的，難以完整重現(xiàn)室外環(huán)境的復(fù)雜性。此外，植被對懸浮顆粒物影響的數(shù)值模擬研究較少考慮植被對懸浮顆粒物的吸收作用，以及沉降在植被葉片上的懸浮顆粒物的二次揚塵問題。

基于此，本文通過實測研究、數(shù)值模擬和比對分析，針對景觀綠化設(shè)計參數(shù)對室外空間PM2.5濃度分布的影響進行了系統(tǒng)研究。首先，通過開展現(xiàn)場實測研究，獲得場地室外園林空間的相關(guān)參數(shù)：一是環(huán)境參數(shù)，包括風速風向和PM2.5濃度；二是植物參數(shù)，包括樹高（Height，H）、冠幅直徑（Canopy Diameter，CD）、葉面積密度（Leaf Area Density，LAD）、枝下高（Crown Base Height，CBH），以及植被和建筑的種植距離（Tree-Building Distance，TBD）。第二步，建立場地三維建筑、植被和下墊面模型，結(jié)合空氣湍流模型（Standard k-ε Model）和修正顆粒物擴散模型（Revised Generalized Drift Flux Model），開展計算流體力學（Computational Fluid Dynamics，CFD）數(shù)值模擬，并利用實測數(shù)據(jù)驗證模型的準確性。第三步，在驗證模型準確性的基礎(chǔ)上，通過數(shù)值模擬比對分析綠化設(shè)計參數(shù)（CD、LAD、CBH和TBD等）對環(huán)境中行人高度（1.5m）和垂直空間PM2.5濃度分布的影響（圖1）。

圖1 研究流程

2 實測研究

2.1 實測場地及測試時間

實測場地位于西北農(nóng)林科技大學生活區(qū)宿舍樓及周邊綠地，總占地面積約16 200m2。場地南側(cè)為田徑運動場，東臨活動中心，西接餐廳，外圍無其他大型建筑，較為開闊。測試時間為2016年11月15日8:00～20:00，考慮到測試場地不同植物的布局特點，在行人高度（1.5m）設(shè)置9個測點（P1～P9），記錄行人高度的風速、風向及PM2.5濃度。監(jiān)測點Pw設(shè)置在宿舍樓樓頂（15m），記錄來流風速、風向以及高空PM2.5濃度變化（圖2）。測量的參數(shù)包括室外環(huán)境的風速和風向（設(shè)備為Nielsen-Kellerman公司的Kestrel 5500便攜式氣象站）、PM2.5濃度（設(shè)備為Met One公司的Aerocet 531S空氣顆粒物檢測儀），以及植物的參數(shù)，包括植被高度、冠幅大小、枝下高及植被葉面積密度（設(shè)備為LI-COR公司的LAI-2200C冠層分析儀）等。各測點同時測試，測試頻率為1分鐘，通過多次測量計算每小時的平均值。

圖2 測點布置及部分測點氣象參數(shù)和植物參數(shù)測試

2.2 實測數(shù)據(jù)

測試區(qū)域內(nèi)監(jiān)測點Pw測得的環(huán)境參數(shù)（圖3）表明，測試當天PM2.5濃度呈現(xiàn)“高－低－高”的變化趨勢，隨著時間的推移，PM2.5濃度逐漸下降，但在中午12:00左右升高，主要原因是測點區(qū)域靠近餐廳，午間餐飲烹飪對周邊的PM2.5濃度有一定影響。測試當天的來流風速從2.0m/s提高到3.3m/s，主要來流風向為東北風。

根據(jù)測量結(jié)果，測試區(qū)域內(nèi)的主要植物參數(shù)如表1所示。

表1 測試場地主要植物參數(shù)

圖3 監(jiān)測點Pw處的PM2.5濃度、風速風向每小時平均值

3 數(shù)值模擬

3.1 模型介紹

3.1.1空氣湍流模型

在空氣湍流模型中，植物冠層對流場的影響在于降低風速、增強紊流。把植物當成多孔介質(zhì)作如下簡化：（1）將冠層部分（樹葉+樹枝）作為整體考慮，即將樹枝近似為樹葉；（2）將樹干近似為密度非常疏松的樹冠（Lin et al.，2008）。

紊流脈動動能由兩部分組成：由切應(yīng)力產(chǎn)生的紊流脈動動能和樹冠尾流紊流特性的能量。

在三維絕熱平均動量方程和質(zhì)量守恒方程的基礎(chǔ)上，考慮植物冠層作用，修改如下：

連續(xù)性方程：

修改后的動量方程：

式2中添加的起抵抗作用的源項：

修改后的k方程：

式5中由于冠層影響導致尾流產(chǎn)生的添加項為：

式5中由于冠層影響導致紊流能量損失的添加項為：

修改后的?ε方程：

式8中由于冠層影響導致的添加項為：

3.1.2修正顆粒物擴散模型

修正顆粒物擴散模型綜合考慮了顆粒物與流體（空氣）之間的滑動和植被對顆粒物的吸收作用，同時還考慮了沉降在植被葉片表面顆粒物的二次揚塵問題（Ji et al.，2014）。

該模型由以下方程表示：

顆粒物的滑移速率Vslip,j通過式11得到：

其中：

式中，Vj和 Vslip分別為顆粒物在j 方向的空間平均流速和沉降速率，m/s；C為入口顆粒物濃度，μg/m3； 為顆粒物渦流擴散系數(shù)，m2/s；Sc為顆粒物的生成率，kg/（m3·s）；Ssink為單位時間內(nèi)植被沉降的顆粒物的質(zhì)量，μg/m3，并可以通過Ssink= V+dCsin+kα計算；Sresuspension為單位時間內(nèi)植被葉片二次揚塵的顆粒物質(zhì)量，可以通過Sresuspension = V+rS sin +kα計算，其中 Vd為植物葉片滯塵速率（m/s），α為葉面積密度（m2/m3），Csink為滯留在單位面積葉片上的顆粒物質(zhì)量（μg/m3），Vr為滯留在葉片上顆粒物二次揚塵的逃逸速率（m/s）；Vpj和Vpi為顆粒物在j和i方向的平均速率，m/s；τp為松弛因子；gj為j方向的重力加速度，m/s2；∑Fj+為顆粒物的總應(yīng)力，m/s2；Smj為j方向的顆粒物動力源，kg/（m2·s2）；μ為空氣分子的動態(tài)粘度，N s/m2； ρp為顆粒物密度，kg/m3；dp為顆粒物的直徑，m；Cc為滑移系數(shù)。

表2 邊界設(shè)定和湍流模型

（式中，U為在高度Z處的水平方向風速，U0為參考高度Z0處的風速，α為由地形粗糙度所決定的冪指數(shù)，C為入口PM2.5濃度。在本研究中，U0=-2.5m/s，Z=1.5m，Z0=15m。由于研究對象是校園宿舍區(qū)，故選定α=0.25，I=0.1，Cμ=1.8。）

表3 實測與模擬的風速、PM2.5濃度配對T檢驗

3.2 邊界設(shè)定和模型建立

3.2.1 邊界設(shè)定

模擬參數(shù)的邊界設(shè)置參照AIJ指南（Tominaga et al.，2008，表2）。采用監(jiān)測點PW的風速、風向及PM2.5濃度值作為邊界初始輸入值。出流面的邊界條件為：假定出流面上的流動已充分發(fā)散，且已恢復(fù)為無建筑物障礙時的正常流動，出口壓力設(shè)為大氣壓。

3.2.2 模型建立

本文采用PHOENICS（Parabolic Hyperbolic Or Elliptic Numerical Integration Code Series）軟件對實驗區(qū)域的建筑、植被和下墊面建立模型（圖4）。有研究表明，喬木是滯塵的主體，草坪及低矮灌木對行人高度PM2.5的影響較小（Song et al.，2015），因此，本研究在建模過程中僅考慮了喬木和較高灌木對PM2.5的影響。

圖4 場地模型建立

3.3 模型驗證

研究選取人們戶外活動較頻繁的時間段（8:00和14:00）作為參照點，通過數(shù)值模擬計算每個測點（P1～P9）的平均風速、風向和PM2.5濃度，并與實測數(shù)據(jù)進行比較（圖5）。

圖5 模型驗證：風速、風向、PM2.5濃度的實測與模擬結(jié)果比較

對比發(fā)現(xiàn)，風速、風向、PM2.5濃度的模擬數(shù)值和實測數(shù)據(jù)有很好的相關(guān)性（R2分別為0.966、0.902和0.912），考慮到測試儀器的系統(tǒng)誤差和植被描述參數(shù)的誤差，表明該模型能準確反映實際場地室外的實際環(huán)境。

進一步對實測與模擬的風速、PM2.5濃度進行配對T檢驗，從表3中可以看出，風速和PM2.5的實測數(shù)據(jù)與模擬數(shù)據(jù)之間存在顯著性差異（p=0.028＜0.05，p=0.002＜0.05）。

4 比對與分析

4.1 有無植被模擬比對分析

根據(jù)無植被和原有植被情況下行人高度PM2.5濃度分布的模擬結(jié)果發(fā)現(xiàn)（圖6a、6b）：在無植被情況下，測試區(qū)域的PM2.5平均濃度為203.5μg/m3；在原有植被情況下，測試區(qū)域的PM2.5平均濃度為140.6μg/m3，比無植被情況降低了約30.8%；在有植被的情況下，整個測試區(qū)域行人高度的PM2.5濃度明顯下降。由于2、3號樓間和3、4號樓間種植了常綠、葉面積密度較大且冠層致密的側(cè)柏和龍柏，該區(qū)域行人高度PM2.5濃度下降最為明顯，最低達到20μg/m3，僅為入風口PM2.5濃度的9.5%。其他區(qū)域的行人高度PM2.5濃度也有不同程度的下降，總體濃度比入風口濃度降低了約33.3%。

圖6 改變植被參數(shù)測試區(qū)域行人高度PM2.5濃度分布模擬結(jié)果

4.2 調(diào)整植被CD

將原有植被CD增大1倍后，模擬結(jié)果顯示（圖6c），行人高度PM2.5平均濃度為111.8μg/m3，比原有植被情況降低了20.5%。從圖中可看出，與原有植被情況相比，測試區(qū)域西側(cè)和2號樓之間，3、4號樓之間的樓間區(qū)域行人高度的PM2.5濃度下降明顯，而1、2號樓之間變化不大，整個測試區(qū)域的平均PM2.5濃度有明顯下降。

4.3 調(diào)整植被LAD

將原有植被LAD增大1倍后，模擬結(jié)果顯示（圖6d），測試區(qū)域行人高度PM2.5平均濃度為101.4μg/m3，比原有植被情況降低了27.9%。測試區(qū)域西側(cè)及各宿舍樓之間的植被附近的PM2.5濃度都達到了很低的水平，約為30～90μg/m3。與原有植被模擬結(jié)果相比，整個測試區(qū)域及局部的PM2.5濃度都有明顯的下降。

4.4 調(diào)整植被CBH

將原有植被CBH增大1倍后，模擬結(jié)果顯示（圖6e），測試區(qū)域的行人高度PM2.5平均濃度為159.7μg/m3，比原有植被情況提升了約13.5%。測試區(qū)域西側(cè)的PM2.5濃度明顯升高，原有植被情況下PM2.5濃度很低的2、3、4號樓之間，PM2.5濃度也略有升高。

4.5 調(diào)整TBD

在總綠量不變的條件下，增大植物與建筑之間的距離（TBD），將原有植被中植物距離2號樓南側(cè)的4m調(diào)整為14m（圖7）。根據(jù)調(diào)整前后垂直方向上PM2.5濃度分布數(shù)值模擬結(jié)果（圖8）和垂直方向上距離建筑墻體0.5m處的PM2.5濃度隨高度增加的變化情況（圖9），可以發(fā)現(xiàn)：與原有植被條件相比（TBD=4m），當TBD增大到14m之后，垂直空間PM2.5濃度升高，且隨著高度的增加呈現(xiàn)先降低后升高的趨勢；PM2.5濃度在植物冠幅高度都有所降低，從地面高度的158.3μg/m3降至133.2μg/m3，但在建筑頂層區(qū)域（高度增加到15m），PM2.5濃度又迅速升高到145.8μg/m3。

圖7 2號樓南側(cè)TBD調(diào)整示意

圖8 2號樓南側(cè)TBD調(diào)整前后垂直方向PM2.5濃度分布模擬結(jié)果

圖9 垂直方向距離建筑墻體0.5m處的PM2.5濃度分布

5 結(jié)論

本研究通過對住區(qū)室外園林環(huán)境的PM2.5濃度、風速風向的實地測試，結(jié)合計算流體力學，利用空氣湍流模型和修正顆粒物擴散模型進行數(shù)值模擬驗證和比對分析，研究了景觀綠化設(shè)計參數(shù)對行人空間PM2.5濃度分布的影響。結(jié)論如下：

（1）原有植被情況下，行人高度的PM2.5濃度比無植被情況降低了約30.8%，總體PM2.5濃度比入風口降低了約33.3%，證明植被綠化可起到明顯的滯塵作用，能有效改善建筑周邊的空氣質(zhì)量。

（2）將原有植被冠幅直徑和葉面積密度增大1倍，測試區(qū)域行人高度的PM2.5平均濃度分別降低了20.5%和27.9%，表明冠幅較大的植被的滯塵效果更好，葉面積密度較大的植被具有更為明顯的滯塵作用，在實際綠化設(shè)計中，應(yīng)適當選擇一些冠幅較大、冠層致密的樹種。

（3）將原有植被枝下高增加1倍后，行人高度PM2.5平均濃度比原有植被情況升高了約13.5%。因此，在園林養(yǎng)護樹木修剪操作中，應(yīng)當避免將喬木的枝條修剪得過高。

（4）通過調(diào)整植被和建筑的種植距離，分析對比垂直方向上距離建筑墻體0.5m處的PM2.5濃度隨高度增加的變化情況，發(fā)現(xiàn)增大建筑與植被距離后垂直空間PM2.5濃度升高，表明植被與建筑距離對垂直空間PM2.5濃度分布有顯著影響。在宅間綠地設(shè)計中，為了有效減少室外PM2.5擴散到室內(nèi)空間，在保證建筑室內(nèi)采光的前提下，喬木種植應(yīng)盡量靠近建筑。

本研究選擇在晴天進行實測，未考慮其他天氣條件下的氣象因子對PM2.5濃度分布的影響。在今后的研究中，將綜合分析不同天氣狀況下的優(yōu)化方案，提出更為合理和科學的居住區(qū)室外環(huán)境植被優(yōu)化方案。另外，研究中選取的修正顆粒物擴散模型未考慮太陽輻射及綠化植物與環(huán)境之間的對流換熱，今后可針對這一問題開展深入研究，以提高建成環(huán)境數(shù)值模擬的準確度。本研究結(jié)論可對居住區(qū)室外景觀綠化設(shè)計提供定量指導，如在住區(qū)綠化設(shè)計時如何選擇適當樹種和規(guī)格、合理安排綠化種植位置和園林養(yǎng)護管理中適當修剪高度等。

[1]Brunekreef B, Holgate ST. Air pollution and health [J]. Lancet,2002(360).

[2]Freer-smith PH, Holloway S, Goodman A. The uptake of particulates by urban woodland: site description and particulate composition [J]. Environmental Pollution, 1997, 95(1).

[3]Beckett KP, Freer-Smith PH, Taylor G. Urban woodlands: their role in reducing the effects of particulate pollution [J]. Environmental Pollution, 1998(99).

[4]Dzierzanowski K, Popek R, Gawronska H, et al. Deposition of particulate matter of different size fractions on leaf surfaces and in waxes of urban forest species [J].International Journal of Phytoremediation, 2011(13).

[5]Hong B, Lin B, Wang B, Li S. Optimal design of vegetation in residential district with numerical simulation andfield experiment[J]. Journal of Central South University, 2012(19).

[6]Litschke T, Kuttler W. On the reduction of urban particle concentration by vegetation: a review [J]. Meteorologische Zeitschrift, 2008(17).

[7]Petroff A, Mailliat A, Amielh M, Anselmet F. Aerosol dry deposition on vegetative canopies. Part I: review of present knowledge [J].Atmospheric Environment, 2008(42).

[8]Tiwary A, Morvan HP, CollsJ J. Modelling the size-dependent collection efficiency of hedgerows for ambient aerosols [J].Journal of Aerosol Science, 2005(37).

[9]Jin S, Guo J, Wheeler S, Kan L, Che S. Evaluation of impacts of trees on PM2.5dispersion in urban streets [J]. Atmospheric Environment, 2014(99).

[10]Beckett KP, Freer-Smith PH, Taylor G. Particulate pollution capture by urban trees: effect of species and wind speed [J].Global Change Biology, 2000(6).

[11]Ould-Dada Z. Dry deposition profile of small particles within a model spruce canopy [J].Science of the Total Environment,2002(286).

[12]Freer-Smith PH, Beckett KP, Taylor G. Deposition velocities to Sorbus aria, Acer campestre, Populusdeltoids×trichocarp a‘Beaupr?’, Pinus nigra and×Cupressocyparis leylandii for coarse,fine and ultra-fine particles in the urban environment [J].Environmental Pollution, 2005(133).

[13]Moria J, Hanslinc HM, Burchi G, S?b? A. Particulate matter and element accumulation on coniferous trees at different distances from a highway [J]. Urban Forestry & Urban Greening, 2015(14).

[14]Ries K, Eichhorn J. Simulation of effects of vegetation on the dispersion of pollutants in street canyons [J]. Meteorologische Zeitschrift, 2001(10).

[15]Wania A, Bruse M, Blond N, Weber C. Analysing the in fl uence of different street vegetation on traffic-induced particle dispersion using micro-scale simulations [J]. Journal of Environmental Management, 2012(94).

[16]Lin B, Li X, Zhu Y, Qin Y. Numerical simulation studies of the different vegetation patterns’ effects on outdoor pedestrian thermal comfort [J]. Journal of Wind Engineering and Industrial Aerodynamics, 2008(96).

[17]Mochida A, Lun IYF. Prediction of wind environment and thermal comfort at pedestrian level in urban area [J]. Journal of Wind Engineering and Industrial Aerodynamics, 2008(96).

[18]Ji W, Zhao B. Numerical study of the effects of trees on outdoor particle concentration distributions [J]. Building Simulation,2014(07).

[19]Tominaga Y, Mochida A, Yoshie R, Kataoka H, Nozu T, Yoshikawa M, Shirasawa T. AIJ guidelines for practical application of CFD to pedestrian wind environment around buildings [J]. Journal of Wind Engineering and Industrial Aerodynamics, 2008(96).

[20]Song Y, Maher BA, Li F, Wang X, Sun X, Zhang H. Particulate matter deposited on leaf of five evergreen species in Beijing,China: Source identification and size distribution [J]. Atmospheric Environment, 2015(105).

EFFECTS OF LANDSCAPE GREENING ON PM2.5 DISPERSION COUPLING FIELD EXPERIMENT AND NUMERICAL SIMULATION

Landscape greening has significant deposition effects on atmospheric particulate matters. Reasonable layout could effectively reduce PM2.5concentration in living environments and thus improve the air quality. Coupling with field experiments (including the PM2.5concentration, wind speed and wind direction) and Computational Fluid Dynamics, this research studied the effects of landscape greening design parameters on the PM2.5dispersion in outdoor space at pedestrian height by the Standard k-ε model and Revised generalized drift flux model. After series of comparisons and analysis, the results were as follows: (1) PM2.5is significantly lower than that of non-vegetation case, and the concentration of the pedestrian level is decreased by 30.8%; (2) by doubling the canopy diameter and the leaf area density of the original vegetation, PM2.5in the test area was respectively decreased by 20.5%and 27.9% compared with that of original vegetation; (3) by doubling the crown base height of the original vegetation, PM2.5was increased by 13.5%; (4)adjusting the tree-building distance has significantly effects on the PM2.5concentration distribution in the vertical level, showing the closer the vegetation is to the buildings, the smaller the concentration of PM2.5will be. The results of this study would provide quantitative guidance for landscape greening design for the purpose of improving outdoor environment in residential districts.

Landscape Greening, PM2.5, Computational Fluid Dynamics, Field Experiment

中央高?；究蒲袠I(yè)務(wù)費專項資金項目（編號：2452017100）。

洪波，博士，西北農(nóng)林科技大學風景園林藝術(shù)學院副教授

王婭楠，在讀碩士，中國農(nóng)業(yè)大學觀賞園藝與園林系

2017-09-23