閆珊珊 洪波

快速城市化導(dǎo)致城市空氣污染不斷加劇，其中PM2.5對(duì)人類(lèi)健康產(chǎn)生極大威脅[1-6]。城市公園作為城市綠色基礎(chǔ)設(shè)施的重要組成部分，其一方面為居民進(jìn)行戶外活動(dòng)提供了場(chǎng)所，同時(shí)城市公園在提升空氣質(zhì)量、緩解城市熱島等方面發(fā)揮了積極作用[7-9]。

通過(guò)控制污染物在行人空間的傳播是提高空氣質(zhì)量的有效途徑之一[10]。風(fēng)速和溫濕條件是影響空氣中PM2.5擴(kuò)散和沉降的主要因素[11-12]。良好的自然通風(fēng)能稀釋污染物濃度，加快其局部擴(kuò)散，但風(fēng)速過(guò)大會(huì)造成地面揚(yáng)塵，形成二次污染[13]。環(huán)境中風(fēng)場(chǎng)的垂直和水平方向氣流能夠影響較大范圍內(nèi)的顆粒物分布，空間中不同障礙物的阻擋作用會(huì)造成局部氣流變化[14-15]?？諝鉁囟群拖鄬?duì)濕度也是造成地面附近顆粒物濃度變化的主要原因，氣溫上升、降水量增加都易于PM2.5沉降[16-17]。

1 公園位置及測(cè)點(diǎn)環(huán)境Location of the study sites and the environment of monitored points in the park

2 各測(cè)點(diǎn)景觀要素平面占比Plane proportion of landscape elements of each measuring point

不同景觀要素會(huì)對(duì)空間顆粒物濃度分布產(chǎn)生影響，其中植物能夠發(fā)揮明顯的滯塵作用[18-20]。粗糙的樹(shù)皮和茂密的枝干使得植物在冬季落葉之后還能降低18%～20%的空氣含塵量[21]；喬木滯塵能力優(yōu)于灌木和草本，喬灌草復(fù)合型植物群落結(jié)構(gòu)的降塵效果更為顯著[22]；道路和行人之間的灌木綠籬能夠有效阻擋空氣污染物與行人接觸，更有利于在行人高度尺度下形成較為清潔的空間[23]。在不同風(fēng)向條件下，植物會(huì)影響街谷通風(fēng)，造成顆粒物空間分布發(fā)生變化[24]；而且植物葉片表面濕潤(rùn)粗糙的生理特征和氣孔的吸附作用，也會(huì)造成顆粒物濃度下降[25]。建筑布局和朝向?qū)植匡L(fēng)環(huán)境有著至關(guān)重要的影響，不同建筑外形[26-28]和建筑遮陰[29-30]會(huì)造成建筑外立面和局地風(fēng)場(chǎng)發(fā)生明顯變化，進(jìn)而影響顆粒物濃度的空間分布。水域環(huán)境與林地環(huán)境的顆粒物濃度存在差別，由于水體蒸發(fā)降溫造成的通風(fēng)環(huán)境和溫濕環(huán)境的改善，其是影響PM2.5擴(kuò)散和沉降的重要因素[31-32]。

在不同尺度懸浮顆粒污染物擴(kuò)散的相關(guān)研究中，城市作為重要的顆粒物“源”，其污染物濃度高于郊區(qū)、農(nóng)村、林地和農(nóng)田等其他景觀類(lèi)型[33-34]，蔓延發(fā)展型城市相較于緊湊型城市會(huì)產(chǎn)生更多的顆粒物污染[35-36]。在城市內(nèi)部，由于工業(yè)生產(chǎn)和居民生活活動(dòng)，使得居住區(qū)、工業(yè)區(qū)以及交通空間顆粒物濃度更高[37]。

綜上可見(jiàn)，不同景觀空間的要素組成、局部通風(fēng)狀況以及溫濕條件的差異是造成顆粒污染物空間分布不均的主要原因。當(dāng)前研究多從區(qū)域或城市尺度考慮PM2.5的污染特征，缺乏從不同園林空間視角考慮小尺度的景觀要素組成、局地空氣溫度、相對(duì)濕度和風(fēng)速對(duì)行人空間顆粒物空間分布影響[38]64。筆者研究通過(guò)實(shí)地測(cè)試，分析不同景觀空間園林要素組合比例與PM2.5濃度之間的關(guān)系，比較不同景觀空間PM2.5濃度、溫濕度、風(fēng)速的差異并探討氣象因子與PM2.5濃度的相關(guān)性。旨在探明城市公園不同景觀空間中PM2.5分布特征，為城市公園不同空間小氣候適宜性設(shè)計(jì)提供理論依據(jù)和方法。

1 實(shí)驗(yàn)方法

1.1 場(chǎng)地概況

研究場(chǎng)地位于陜西省楊凌高新農(nóng)業(yè)示范區(qū)（34°16'N， 108°54'E），該地區(qū)以農(nóng)業(yè)高新技術(shù)產(chǎn)業(yè)示范為主，無(wú)大型工廠等污染源，大氣輸送是造成該地區(qū)冬季霧霾污染的主要原因[39]。實(shí)測(cè)公園占地13.3 hm2，總建筑面積1.6 hm2，周?chē)o鄰高校和綠化區(qū)，東、北兩面雖靠近城市道路，但車(chē)流量較小。場(chǎng)地內(nèi)有4棟主要建筑，室外空間植被類(lèi)型多樣，由植物、建筑、水體、道路鋪裝等要素構(gòu)成豐富的景觀空間，能夠很好地體現(xiàn)PM2.5的空間分布特征。根據(jù)場(chǎng)地建成環(huán)境選取6個(gè)不同景觀空間進(jìn)行研究（圖1）。

1.2 景觀要素調(diào)查

據(jù)前人研究，景觀對(duì)微氣候影響范圍的最小距離為10 m[40-41]，因此劃定測(cè)點(diǎn)周?chē)霃?0 m的圓形場(chǎng)地為研究區(qū)域，并對(duì)各景觀要素平面占比進(jìn)行統(tǒng)計(jì)。各景觀要素位置和面積可由CAD平面圖計(jì)算獲得，其中喬灌木、草本及地被統(tǒng)一歸于植被覆蓋（圖2）。

為了詳細(xì)描述植物空間，引入綠量作為指標(biāo)[42]，其計(jì)算公式為：

D=S×LAI

D為植物綠量（m2）；S為種植面積（m2）；LAI為葉面積指數(shù)，單位為1。

現(xiàn)場(chǎng)辨識(shí)植物種類(lèi)，利用卷尺、測(cè)距儀確定植物相對(duì)位置、喬木冠徑和灌木冠幅，利用LAI 2200C 冠層分析儀（LI-COR. USA）獲得植物葉面積指數(shù)。根據(jù)上式計(jì)算綠量（表1）。

1.3 空間圍合度分析

使用天空開(kāi)闊度（sky view factor，簡(jiǎn)稱(chēng)SVF）作為反映空間圍合度的指標(biāo)。使用魚(yú)眼相機(jī)在各空間點(diǎn)距地面垂直距離為1.5 m處拍攝，照片顯示測(cè)點(diǎn)的遮蔽物輪廓線在一個(gè)圓形的平面上，將處理后的黑白照片導(dǎo)入Raman 2.1計(jì)算得出天空開(kāi)闊度的狀況（圖3）。

1.4 數(shù)據(jù)收集及處理

該地區(qū)秋冬季污染嚴(yán)重，研究選定2017年11月天氣晴好，污染程度相近的3 d，在居民戶外活動(dòng)的頻繁的時(shí)間段10：00—17：00對(duì)各個(gè)空間進(jìn)行連續(xù)監(jiān)測(cè)。采用氣溶膠顆粒物測(cè)試儀Aerocet 531S（Metone Ins. USA）每間隔20 min在行人高度（1.5 m）收集顆粒物數(shù)據(jù)。為減少單次測(cè)量產(chǎn)生的誤差，每20 min采集2組數(shù)據(jù)以算術(shù)平均值代表該時(shí)段內(nèi)顆粒物濃度的平均水平。采用便攜氣象站Kestrel 5500（Nielsen-Kellerman. USA）對(duì)溫濕度、風(fēng)速和風(fēng)向進(jìn)行實(shí)時(shí)監(jiān)測(cè)，每分鐘自動(dòng)記錄一次。

采用EXCEL 2010和SPSS 22.0 軟件進(jìn)行數(shù)據(jù)整理分析。將20 min收集記錄的顆粒物濃度數(shù)值和溫濕度、風(fēng)速數(shù)值進(jìn)行算數(shù)平均，再將3個(gè)測(cè)試日相同時(shí)段內(nèi)的顆粒物以及溫濕度、風(fēng)速數(shù)據(jù)進(jìn)行算術(shù)平均。

表1 各測(cè)點(diǎn)植物種類(lèi)及綠量Tab. 1 Vegetation species and corresponding green volume in each monitored points

3 各測(cè)點(diǎn)天空開(kāi)闊度Sky view factors in six landscape spaces

表2 不同空間PM2.5濃度方差分析Tab. 2 One-way ANOVA analysis of PM2.5 concentration in six landscape spaces

表3 PM2.5濃度與各景觀要素平面占比及植物綠量相關(guān)分析Tab. 3 Correlation coefficients between PM2.5 and six variables

2 結(jié)果與討論

2.1 景觀要素對(duì)PM2.5濃度分布的影響

2.1.1 不同景觀空間PM2.5濃度差異分析

對(duì)6組數(shù)據(jù)進(jìn)行單因素方差分析（表2）。結(jié)果表明：F值為21.15，大于臨界值；P值遠(yuǎn)小于顯著性水平0.05。各景觀空間的日平均PM2.5濃度從A到F依次為：136.18、131.12、131.50、96.33、129.58、131.40。表明6個(gè)景觀空間顆粒物濃度存在顯著差異。

2.1.2 各要素與PM2.5濃度相關(guān)性分析

為判斷造成上述差異的原因，對(duì)各景觀要素的平面占比、綠量和PM2.5濃度進(jìn)行顯著相關(guān)分析（表3），綠量和PM2.5濃度的R值為－0.903，顯著性0.014（＜0.05），綠地占比與PM2.5的R值為0.370，顯著性0.046（＜0.05）。水體、建筑、園路及鋪裝平面占比與PM2.5濃度的相關(guān)系數(shù)依次為：－0.440、0.170、－0.180。說(shuō)明PM2.5濃度與綠量呈顯著負(fù)相關(guān)而與綠地平面占比呈弱正相關(guān)，即綠地占比小，綠量大的景觀空間PM2.5濃度低，反之則越高。

根據(jù)綠量與濃度的相關(guān)性分析結(jié)果，建立二者間回歸模型。將測(cè)點(diǎn)在10：00—13：00和13：00—17：00兩個(gè)時(shí)間段內(nèi)的PM2.5濃度數(shù)值分別進(jìn)行算術(shù)平均，再將3 d同一時(shí)間段內(nèi)的數(shù)值再平均，進(jìn)而得出綠量和PM2.5濃度之間關(guān)系（圖4），即y=－0.001x2+0.213x+121.32（R2=0.966）?？梢钥闯?，在局地范圍內(nèi)，當(dāng)綠量在113.57～204.81 m2區(qū)間時(shí)，PM2.5濃度隨綠量增加降低較弱；當(dāng)綠量在216.78～370.38 m2區(qū)間變化時(shí)，污染物濃度隨綠量增加呈明顯下降趨勢(shì)。說(shuō)明區(qū)域內(nèi)植物綠量對(duì)PM2.5濃度的影響是不均衡變化的，隨著綠量的增加，PM2.5濃度降低越明顯。

綠量是表示空間植物總?cè)~面積的二維指標(biāo)，SVF能夠體現(xiàn)空間圍合度，SVF越大，空間圍合度越低。結(jié)合二者對(duì)PM2.5濃度空間差異進(jìn)行分析得出D點(diǎn)PM2.5濃度最低，空間綠量Dd=370.38 m2最大，植被群落結(jié)構(gòu)為復(fù)雜的喬灌草結(jié)構(gòu)（以常綠植物棕櫚、構(gòu)骨為主），并在行人高度尺度下形成較為閉合的空間，SVF=0.328最??；而濃度最高的A點(diǎn)位于草坪處，Da=113.57 m2最小，周?chē)鷰谉o(wú)遮擋物，SVF=0.784最大；由于綠量De＞Db＞Df（ΔDe-b=15.9 m2，ΔDb-f=24.87 m2）， 并且 空 間 圍 合 度 F＜B＜E（ΔSVFf-b=0.168；ΔSVFb-e=0.048），所以B點(diǎn)的PM2.5濃度高于E點(diǎn)而低于F點(diǎn)；C點(diǎn)主要栽植雞爪槭和迎春，綠量雖稍高于由常綠灌木和針葉喬木圍合的F點(diǎn)（ΔDc-f=11.97 m2），但在行人空間的圍合度小于F（ΔSVFc-f=0.145），而圍合度較低的空間更容易暴露于污染物濃度較高的環(huán)境中，并且在落葉季，常綠灌木和針葉喬木的滯塵能力要強(qiáng)于落葉灌木[43]，所以造成C點(diǎn)PM2.5濃度高于F點(diǎn)。

4 局地范圍（314 m2）內(nèi)綠量與PM2.5濃度之間的關(guān)系The relations between the green volume and concentration of PM2.5 in the local area (314 m2)

5 各景觀空間空氣溫度（5-1）、相對(duì)濕度（5-2）和風(fēng)速（5-3）Observations of temperature (5-1);relative humidity(5-2); and wind velocity(5-3) in six landscape spaces

表4 各測(cè)點(diǎn)空間空氣溫度、相對(duì)濕度、風(fēng)速的上下四分位數(shù)值以及四分位內(nèi)距數(shù)值Tab. 4 The quartile value（Q1&Q3）and IQR of temperature, relative humidity and wind velocity in sampling sites

由于楊凌地區(qū)污染源主要來(lái)自大氣輸送的顆粒物，所以在微觀尺度上由植被群落形成的多孔屏障在隔離、過(guò)濾和污染物沉降方面發(fā)揮了重要作用[44]。在行人空間中由植物圍合形成的固體屏障能夠有效降低行人暴露在PM2.5的水平，即使在落葉的冬季，植物密集的枝干仍能增加空氣湍流，加速顆粒物沉降[45-47]。C和D點(diǎn)均存在水體要素，水域面積小且相差不大，而植物綠量差異較大，因此水體對(duì)PM2.5濃度的影響并不明顯。上述結(jié)果表明，綠量是影響不同景觀空間PM2.5濃度的關(guān)鍵因素，當(dāng)綠量差異不大（ΔD≤11.97 m2）時(shí)，空間圍合度越低，污染物濃度越高。

2.2 景觀空間PM2.5濃度與氣象因子的關(guān)系

2.2.1 各景觀空間氣象因子比較分析

分別對(duì)污染程度不同的景觀空間中的空氣溫度、相對(duì)濕度及風(fēng)速進(jìn)行比較，分析顆粒物濃度分布和各氣象因子之間的關(guān)系。

四分位距IQR表示變量總體的分散情況，可以體現(xiàn)空間溫濕度及風(fēng)速的日變化范圍，從圖5-1可以看出D點(diǎn)的溫度數(shù)值50%集中在6.73～8.20 ℃，IQR為1.47（表4），說(shuō)明相較于其他測(cè)點(diǎn)溫度分布范圍最為集中且偏高，可能原因是D點(diǎn)周?chē)鸁o(wú)高大建筑及喬木遮陰，且水體比熱容較大，在吸收太陽(yáng)輻射之后能穩(wěn)定環(huán)境溫度，減小日間溫度變化范圍，相對(duì)穩(wěn)定較高的溫度與周?chē)^低的環(huán)境溫度形成持續(xù)的空氣對(duì)流，有利于PM2.5的擴(kuò)散[38]66。從圖5-2可以看出，D點(diǎn)的相對(duì)濕度50%集中在33.95%～38.80%，IQR為4.85（表4），濕度分布范圍最為集中且偏低；而A點(diǎn)的相對(duì)濕度50%集中在34.80%～41.32%，IQR為6.52，分布范圍最為分散且偏高，其余測(cè)點(diǎn)的濕度變化范圍及分布與PM2.5濃度變化一致。說(shuō)明景觀空間的濕度變化范圍越小，PM2.5濃度越低，反之則越高。從圖5-3可以看出，各空間風(fēng)速分布規(guī)律不明顯，但D點(diǎn)風(fēng)速數(shù)值IQR為0.15（表4），相較于其他測(cè)點(diǎn)風(fēng)速變化范圍最小，據(jù)分析：由于D點(diǎn)行人空間由灌叢圍合，植物作為多孔屏障其茂密的枝葉對(duì)氣流起到很好的疏透作用，能夠在氣流通過(guò)時(shí)滯留部分顆粒物。綜上可見(jiàn)：各點(diǎn)PM2.5濃度與其溫濕度和風(fēng)速大小無(wú)直接關(guān)系，但與空間溫濕度和風(fēng)速的變化范圍有關(guān)，濃度最低的D點(diǎn)溫濕度和風(fēng)速的日變化范圍最小。

2.2.2 各空間氣象因子與PM2.5濃度相關(guān)性分析

計(jì)算各測(cè)點(diǎn)每小時(shí)內(nèi)PM2.5濃度數(shù)值和溫度、濕度以及風(fēng)速的平均值，再將3 d同一時(shí)段內(nèi)的數(shù)值進(jìn)行算術(shù)平均，得到各測(cè)點(diǎn)顆粒物濃度和氣象因子的數(shù)值，對(duì)測(cè)量時(shí)段每個(gè)空間PM2.5濃度與各氣象因子分別進(jìn)行擬合分析（表5）?？梢钥闯觯焊鼽c(diǎn)PM2.5濃度與空氣溫度在0.01層上均呈顯著負(fù)相關(guān)，與相對(duì)濕度呈顯著正相關(guān)，大氣逆溫和PM2.5的吸濕沉降可以很好地解釋該變化過(guò)程[48-49]，這與區(qū)域尺度上的研究結(jié)果一致[50-52]，表明溫濕度與PM2.5濃度的關(guān)系不受研究尺度的影響。其中溫度模型的擬合優(yōu)度R2最大值為0.93，最小值為0.72，平均擬合優(yōu)度為0.86；濕度模型的擬合優(yōu)度最大值為R2=0.94，最小值為0.85，平均擬合優(yōu)度為0.90。表明在冬季氣溫較低的情況下，局部空間的PM2.5濃度變化與濕度變化更為相關(guān)。濃度與風(fēng)速之間規(guī)律不明顯，在A、B、D點(diǎn)的風(fēng)速與PM2.5濃度雖呈顯著相關(guān)，但其余各點(diǎn)均無(wú)相關(guān)性。對(duì)上述3個(gè)測(cè)點(diǎn)風(fēng)速和PM2.5濃度進(jìn)行擬合，但結(jié)果不夠理想。

根據(jù)各點(diǎn)建立的溫濕度與PM2.5濃度的回歸模型得出，氣溫每升高10%，濃度分別降低1.16、0.93、1.00、1.20、0.77、0.90；濕度每降低10%，濃度分別降低0.38、0.36、0.34、0.42、0.29、0.39，其中D點(diǎn)濃度隨溫濕度變化降低得最快，E點(diǎn)最慢。造成該現(xiàn)象的原因可能是由灌木圍合的空間D，其環(huán)境結(jié)構(gòu)比較復(fù)雜，當(dāng)溫濕條件發(fā)生變化時(shí)茂密的植物枝葉能增加與微粒的接觸機(jī)會(huì)并為PM2.5沉降提供充分的空間。而E點(diǎn)空間由建筑和高大的喬木圍合，行人空間并沒(méi)有復(fù)雜的結(jié)構(gòu)物，所以PM2.5更難沉降。

表5 6個(gè)測(cè)點(diǎn)溫濕度及風(fēng)速與PM2.5濃度相關(guān)分析及模型建立Tab. 5 The correlation analysis and regression models of PM2.5 concentration between temperature, relative humidity and wind speed in six sampling sites

3 結(jié)論與展望

研究通過(guò)對(duì)城市公園不同景觀空間中的PM2.5濃度以及氣象因子的監(jiān)測(cè)，分析不同景觀空間要素組合與PM2.5濃度之間的關(guān)系，比較不同景觀空間PM2.5濃度、溫濕度、風(fēng)速的差異并探討環(huán)境溫濕度、風(fēng)速與PM2.5濃度的相關(guān)性。得出以下結(jié)論。

1）不同景觀空間的PM2.5濃度分布存在明顯差異（P＜0.05），空間濃度從低到高依次為：D＜E＜B＜F＜C＜A；其中以草坪地被與道路鋪裝構(gòu)成的開(kāi)敞空間A濃度最高，由喬灌草結(jié)構(gòu)、水體以及硬質(zhì)鋪裝構(gòu)成的半開(kāi)敞空間D濃度最低。

2）PM2.5濃度與水體、建筑、道路及鋪裝等平面占比無(wú)明顯相關(guān)關(guān)系，與植物平面占比呈弱正相關(guān)，與植物綠量（D）呈顯著負(fù)相關(guān)。其中綠量與PM2.5濃度存在關(guān)系：y=－0.001x2+0.213x+121.32（R2=0.966）；當(dāng)113.57 m2＜D＜ 204.81 m2時(shí)，PM2.5濃度隨綠量增加降低較弱；當(dāng)216.78 m2＜D＜ 370.38 m2時(shí)，污染物濃度隨綠量增加呈明顯下降趨勢(shì)。

3）PM2.5濃度與溫濕度及風(fēng)速的變化范圍有關(guān)，濕度變化范圍越大，PM2.5濃度越高，反之則越低；PM2.5濃度較低的景觀空間具有溫濕度和風(fēng)速的變化范圍較小的特征。

研究闡明了局地尺度下不同景觀要素的組成在秋季對(duì)PM2.5濃度分布的影響，以及不同景觀空間顆粒污染物與溫濕度、風(fēng)速的關(guān)系。隨著季節(jié)更替，PM2.5污染特征和植物景觀均會(huì)呈現(xiàn)季相變化[53-54]。因此，針對(duì)不同景觀空間在其他季節(jié)對(duì)顆粒物影響的實(shí)測(cè)研究有待進(jìn)一步開(kāi)展。研究揭示了公園中不同景觀空間的PM2.5分布規(guī)律，探明了不同景觀要素組成對(duì)局地微氣候的調(diào)控機(jī)理，為城市公園景觀空間設(shè)計(jì)提供相應(yīng)的理論依據(jù)和科學(xué)指導(dǎo)。

致謝(Acknowledgements)：

感謝碩士研究生秦紅巧、米家熠、姜潤(rùn)聲、賀曉云、安樂(lè)、牛佳琦、周蘊(yùn)涵、許佳等對(duì)數(shù)據(jù)采集提供的幫助。

圖表來(lái)源(Sources of Figures and Tables)：

文中所有圖表均作者拍攝、繪制。