陳嵐琪，夏鏵，張習(xí)文，田國(guó)行，王騰飛，雷雅凱*

1.河南農(nóng)業(yè)大學(xué)林學(xué)院，河南 鄭州 450002；2.河南龍象生態(tài)園林科技有限公司，河南 鄭州 450002

大量研究發(fā)現(xiàn)，大氣顆粒物（PM）污染已在世界范圍內(nèi)成為危害健康的嚴(yán)重問題，被認(rèn)為是導(dǎo)致心血管、呼吸系統(tǒng)疾病等的主要原因之一（Meszaros et al.，2015；Plummer et al.，2015）。世界衛(wèi)生組織的一項(xiàng)研究表明，大氣環(huán)境中的PM污染水平與人類死亡率之間存在很強(qiáng)的聯(lián)系（Anderson et al.，2004）。在非洲（Petkova et al.，2013）、澳大利亞（Knibbs et al.，2018）、歐洲（Klejnowski et al.，2012；Vardoulakis et al.，2008）、北美（Pandis et al.，2016）和南美（Zalakeviciute et al.，2018）等區(qū)域均有類似問題的報(bào)道。伴隨中國(guó)經(jīng)濟(jì)快速發(fā)展，城市空間急劇擴(kuò)張，機(jī)動(dòng)車保有量迅速增加等現(xiàn)象，中國(guó)城市生態(tài)可持續(xù)發(fā)展也面臨著大氣顆粒物污染的問題。細(xì)顆粒物（PM2.5）的一些常見來源為機(jī)動(dòng)車尾氣、能源消耗型產(chǎn)業(yè)和煤炭燃燒（馮杏儀，2013）。粗顆粒物（PM10）主要來源為揚(yáng)塵（土壤塵、道路塵、建筑塵）、燃煤、工業(yè)排放、機(jī)動(dòng)車排放、生物質(zhì)燃燒、SO2、NOx、VOCs氧化產(chǎn)生的二次顆粒物等（胡敏等，2011）。為了有效緩解城市內(nèi)部的PM污染，亟需更多科學(xué)研究為城市生態(tài)環(huán)境的可持續(xù)發(fā)展提供理論依據(jù)。

目前已經(jīng)有大批學(xué)者在有關(guān)PM污染的影響因子上開展了大量的研究，現(xiàn)有研究中影響顆粒物污染的因子主要包括氣溫（Li et al.，2017）、濕度、風(fēng)速（Alvarez et al.，2018）、降水（Du et al.，2013）等氣象因素；城市綠地（Gao et al.，2015）、湖泊濕地（Zhu et al.，2018）、建筑布局（Gong et al.，2016）等土地利用因素；政治調(diào)控因素（郭世卓，2017）等。隨著對(duì)大氣污染的深入研究，城市道路網(wǎng)絡(luò)的發(fā)展也逐漸得到重視。交通運(yùn)輸被視為大氣顆粒物的主要來源之一，是PM10、PM2.5污染的“源”景觀。街道是城市通風(fēng)廊道的重要組分，通過連接補(bǔ)償空間與作用空間，影響城市局地環(huán)流達(dá)到緩解空氣污染的作用（劉姝宇等，2010）。但大多數(shù)研究關(guān)注于中小尺度下道路綠化布局（王佳等，2018）、街道CFD三維模擬（張麗麗等，2018）、路網(wǎng)大氣環(huán)境容量（王小霞等，2014）、基于車輛排放的交通形態(tài)研究（徐鵬等，2017）等方面。在城市尺度上，對(duì)路網(wǎng)空間結(jié)構(gòu)在PM污染治理方面的貢獻(xiàn)進(jìn)行研究的論文較少（Wang et al.，2017）。而不同空間尺度下影響顆粒物污染的關(guān)鍵路網(wǎng)結(jié)構(gòu)因子分析也需要進(jìn)一步明確。

隨著中原城市群、大都市區(qū)等發(fā)展政策的提出，鄭州正在經(jīng)歷一個(gè)快速發(fā)展的時(shí)期（He et al.，2019），但同時(shí)大氣顆粒物污染問題日益突出（段時(shí)光等，2019）。作為中部地區(qū)重要交通樞紐，重視路網(wǎng)結(jié)構(gòu)系統(tǒng)化調(diào)控是改善空氣質(zhì)量的重要途徑之一。本研究應(yīng)用主成分分析（principal component analysis，PCA）和線性混合效應(yīng)模型分析方法，以 2016年鄭州市建成區(qū)內(nèi)空氣質(zhì)量監(jiān)測(cè)點(diǎn)PM10、PM2.5質(zhì)量濃度以及2017年5月監(jiān)測(cè)點(diǎn)周邊區(qū)域道路網(wǎng)絡(luò)結(jié)構(gòu)為研究數(shù)據(jù)，對(duì)路網(wǎng)結(jié)構(gòu)特征在PM污染上的影響及尺度效應(yīng)進(jìn)行研究，以期為鄭州市和同類大都市的區(qū)域路網(wǎng)結(jié)構(gòu)體系及可持續(xù)性生態(tài)環(huán)境建設(shè)提供理論依據(jù)。

1 數(shù)據(jù)和方法

1.1 樣地概況

本文選取 2016年鄭州市區(qū)的建成區(qū)為研究區(qū)域（圖1），研究中使用的范圍來自《鄭州市人民政府通告》。鄭州市（34.16°—34.58°N，112.42°—114.14°E）是河南的省會(huì)城市，也是全國(guó)重要的鐵路、航空、高速公路、電力、郵政電信主樞紐城市。2016年市建成區(qū)面積約443.04 km2。鄭州市地處北溫帶大陸性季風(fēng)氣候，春季干燥，夏季高溫多雨，年平均氣溫14—14.3 ℃，年平均降水量640.9 mm，年日照時(shí)數(shù)約2400 h。鄭州市西部和南部被中低山包圍，其他方位則是丘陵和遼闊的平原。

圖1 河南省鄭州市的區(qū)位分布及空氣質(zhì)量監(jiān)測(cè)站（AQMS）的位置Fig.1 Location of Zhengzhou in Henan Province,China and the spatial distribution of air-quality monitoring stations (AQMS)

1.2 數(shù)據(jù)來源與整理

1.2.1 PM質(zhì)量濃度數(shù)據(jù)

鄭州市建成區(qū)內(nèi)空氣質(zhì)量監(jiān)測(cè)站點(diǎn)（AQMS）的分布如圖 1所示，8個(gè) AQMS分別為供水公司（GSGS）、河醫(yī)大（HYD）、銀行學(xué)校（YHXX）、經(jīng)開區(qū)管委（JKQ）、市監(jiān)測(cè)站（SJCZ）、四十七中（SSQZ）、煙廠（YC）、鄭紡機(jī)（ZFJ），地理坐標(biāo)如表1所示。從AQMS獲取2016年有效監(jiān)測(cè)日期的PM10、PM2.5日質(zhì)量濃度數(shù)據(jù)，并剔除降雨、四級(jí)及以上大風(fēng)天氣（風(fēng)速≥5.5 m·s-1）數(shù)據(jù)，然后計(jì)算月均質(zhì)量濃度。風(fēng)速等級(jí)和鄭州市建成區(qū)內(nèi)的氣象數(shù)據(jù)來自國(guó)家氣象局（http://data.cma.cn/），空氣質(zhì)量指標(biāo)（PM10、PM2.5）數(shù)據(jù)下載于中國(guó)國(guó)家環(huán)境監(jiān)測(cè)中心網(wǎng)站（http://www.aqistudy.cn）。

1.2.2 路網(wǎng)數(shù)據(jù)及指標(biāo)選擇

本研究中提取道路信息的衛(wèi)星影像來自 GF-2衛(wèi)星。GF-2衛(wèi)星全色圖像的幾何分辨率為0.81 m，多光譜影像的分辨率為3.24 m（王芳等，2019），分辨率足夠進(jìn)行高精度解譯。通過疊加2016年和2017年谷歌地球影像后目視判讀（圖2），發(fā)現(xiàn)城市中心區(qū)域路網(wǎng)結(jié)構(gòu)變化不大，因此基于2017年5月的GF-2衛(wèi)星影像，運(yùn)用ArcGIS 10.2軟件以8個(gè)AQMS為中心點(diǎn)，建立1 km×1 km (Scale1)—6 km×6 km (Scale6) 6個(gè)尺度的樣方（圖3）。在ArcGIS中對(duì)每個(gè)樣方內(nèi)的城市道路進(jìn)行解譯，獲取道路原始數(shù)據(jù)。

現(xiàn)有研究中對(duì)路網(wǎng)結(jié)構(gòu)特征的描述常包括路網(wǎng)數(shù)量特征和格局特征兩部分（王麗等，2012），本文選取以下 7個(gè)代表性指標(biāo)進(jìn)行路網(wǎng)結(jié)構(gòu)特征描述：道路的節(jié)點(diǎn)數(shù)量（non）、廊道數(shù)量（noc）兩個(gè)數(shù)量特征指標(biāo)（王麗等，2012），由目測(cè)計(jì)數(shù)得到，節(jié)點(diǎn)與廊道如圖4所示；主干道面積占比（a）、次干道面積占比（b）、總道路面積占比（rar）3個(gè)道路面積分級(jí)指標(biāo)；網(wǎng)絡(luò)環(huán)度（α）、節(jié)點(diǎn)連接度（β）、系統(tǒng)連接度（γ）3個(gè)拓?fù)渚W(wǎng)絡(luò)格局特征指標(biāo)，主要揭示節(jié)點(diǎn)和連接數(shù)的關(guān)系，反映網(wǎng)絡(luò)的復(fù)雜程度（王云才，2009）。其中α指數(shù)值的變化范圍在0（無環(huán)路）和 1（具有最大環(huán)路）之間，用來描述網(wǎng)絡(luò)中環(huán)路出現(xiàn)的程度。β指數(shù)度量一個(gè)節(jié)點(diǎn)與其他節(jié)點(diǎn)聯(lián)系難易程度，為大于0的值。γ表示網(wǎng)絡(luò)中連線的數(shù)目與該網(wǎng)絡(luò)最大可能的連線數(shù)之比，其變化范圍在0—1之間，γ=0，表示沒有節(jié)點(diǎn)相連；γ=1時(shí)表示每個(gè)節(jié)點(diǎn)都彼此相連。通過 ArcGIS統(tǒng)計(jì)或目視判讀后計(jì)算具體的指標(biāo)（表2）。

表1 河南省鄭州市城市建成區(qū)內(nèi)AQMS的地理坐標(biāo)Table 1 The geographic coordinates of AQMS in Zhengzhou built-up area,China

圖2 2016年與2017年鄭州市四十七中AQMS衛(wèi)星影像對(duì)比Fig.2 Comparison of 2016 and 2017 satellite images of SSQZ AQMS in Zhengzhou

圖3 鄭州市建成區(qū)樣方內(nèi)Scale1—Scale6道路網(wǎng)絡(luò)結(jié)構(gòu)Fig.3 The structure characteristics of road network at quadrats from Scale1 to Scale6 in built-up area of Zhengzhou

1.3 統(tǒng)計(jì)學(xué)分析

表2 道路網(wǎng)絡(luò)結(jié)構(gòu)特征指標(biāo)Table 2 Structural characteristic indices of road network

在R-Studio里運(yùn)用經(jīng)典統(tǒng)計(jì)分析對(duì)PM10、PM2.5月均質(zhì)量濃度的時(shí)間效應(yīng)、路網(wǎng)結(jié)構(gòu)特征進(jìn)行統(tǒng)計(jì)分析。由于各路網(wǎng)指標(biāo)之間不是孤立的，往往存在一定的相關(guān)性，直接把路網(wǎng)指標(biāo)納入下一步研究中可能因指標(biāo)間多元共線性而無法得出正確結(jié)論（方建德等，2009）。因此在 SPSS中通過主成分分析（principal component analysis，PCA）簡(jiǎn)化原始變量的維數(shù)和結(jié)構(gòu)，達(dá)到消除共線影響的目的。

在線性混合效應(yīng)模型（linear mixed model）中把PM10、PM2.5月質(zhì)量濃度均值作為因變量，把消除共線性后的路網(wǎng)指標(biāo)作為固定效應(yīng)因子，代入月份為隨機(jī)效應(yīng)因子，消除PM10、PM2.5質(zhì)量濃度的時(shí)間效應(yīng)對(duì)模型產(chǎn)生的噪音，探究不同空間尺度下路網(wǎng)結(jié)構(gòu)特征指標(biāo)與PM10、PM2.5質(zhì)量濃度間的定量關(guān)系及關(guān)鍵影響因子。本文中，線性混合模型分析采用R-Studio軟件中“ggplot2()”函數(shù)和“nlme”包的“l(fā)me()”函數(shù)進(jìn)行。

2 結(jié)果與討論

2.1 大氣顆粒物月均質(zhì)量濃度的時(shí)間效應(yīng)

圖5所示為鄭州市建成區(qū)8個(gè)AQMS的PM10、PM2.5月均質(zhì)量濃度變化，誤差棒表示站點(diǎn)間PM月均質(zhì)量濃度變異程度。統(tǒng)計(jì)結(jié)果顯示，PM10和PM2.5質(zhì)量濃度均具有“夏低冬高”的趨勢(shì)，這與其他學(xué)者的研究結(jié)果一致（馬格等，2018）。但是PM10與PM2.5質(zhì)量濃度的變化趨勢(shì)不完全相同，PM10質(zhì)量濃度在2月份下降后又在3月上升，但PM2.5在2月和3月相差不大，說明PM10中粒徑大于PM2.5的顆粒物組分具有不同來源。此外，站點(diǎn)間PM質(zhì)量濃度的變異性也具有時(shí)間效應(yīng)：各站點(diǎn)間 PM10與PM2.5質(zhì)量濃度變異性冬季最強(qiáng)，夏季最弱。這種季節(jié)性差異可能原因是降雨、濕度和風(fēng)速會(huì)影響 PM的運(yùn)動(dòng)，鄭州市夏季的強(qiáng)對(duì)流氣團(tuán)和降雨有效清除了部分顆粒物（李倩楠等，2018），同時(shí)植被的滯塵作用促進(jìn)了PM質(zhì)量濃度的削減，相對(duì)植被衰落、干燥少雨的冬季而言也削弱了不同站點(diǎn)間即空間上的變異。

圖5 鄭州市建成區(qū)各監(jiān)測(cè)點(diǎn)PM10和PM2.5月質(zhì)量濃度均值分布Fig.5 Monthly variations of PM10 and PM2.5 from AQMS in the built-up area of Zhengzhou

2.2 路網(wǎng)結(jié)構(gòu)特征分析

以6個(gè)尺度為橫軸，單個(gè)指標(biāo)數(shù)值為縱軸，路網(wǎng)結(jié)構(gòu)特征指標(biāo)為分面做箱式圖，分析路網(wǎng)結(jié)構(gòu)特征及其尺度效應(yīng)（圖6），箱式圖中箱體厚度和端線長(zhǎng)度顯示路網(wǎng)指數(shù)分布范圍，隨著尺度的增大，主干道面積占比（指標(biāo) a）均值在小尺度出現(xiàn)增長(zhǎng)趨勢(shì)后逐漸保持平衡；次干道面積占比（指標(biāo) b）站點(diǎn)間的變異性除Scale5外整體呈增加趨勢(shì)，均值雖然隨著尺度的變化具有小幅度波動(dòng)但整體變化不大。分析 rar指數(shù)均值發(fā)現(xiàn)總道路面積占比不會(huì)隨著尺度擴(kuò)大產(chǎn)生劇烈波動(dòng)，但是在Scale1上站點(diǎn)間出現(xiàn)較大差異，這可能是由于Scale1樣方面積較小，區(qū)域內(nèi)主干道數(shù)量區(qū)別較大導(dǎo)致的。

圖6 鄭州市AQMS周邊道路網(wǎng)絡(luò)結(jié)構(gòu)特征及其尺度效應(yīng)Fig.6 The structural characteristics of road network around AQMS in Zhengzhou and scale effects

道路的節(jié)點(diǎn)數(shù)量（non）和廊道數(shù)量（noc），交通網(wǎng)絡(luò)的數(shù)量水平隨著尺度的增加逐漸上升，且各站點(diǎn)之間廊道、節(jié)點(diǎn)的數(shù)量變異性逐漸變大。網(wǎng)絡(luò)環(huán)度（α）、節(jié)點(diǎn)連接度（β）、系統(tǒng)連接度（γ）3種路網(wǎng)結(jié)構(gòu)特征指標(biāo)綜合體現(xiàn)出路網(wǎng)結(jié)構(gòu)的發(fā)育水平。網(wǎng)絡(luò)環(huán)度和系統(tǒng)連接度的站點(diǎn)均值隨著尺度擴(kuò)大呈現(xiàn)出先上升后下降的趨勢(shì)，在Scale4尺度表現(xiàn)最好，但在Scale3出現(xiàn)暫時(shí)下降；而節(jié)點(diǎn)連接度的站點(diǎn)均值隨著尺度的擴(kuò)張?jiān)谛〕叨戎饾u削減，大尺度開始有上升趨勢(shì)，在Scale1出現(xiàn)峰值。

2.3 路網(wǎng)結(jié)構(gòu)對(duì)季節(jié)性 PM10與 PM2.5質(zhì)量濃度的影響

2.3.1 主成分特征分析

將 8個(gè)路網(wǎng)指標(biāo)數(shù)據(jù)標(biāo)準(zhǔn)化處理消除量綱影響，然后在SPSS中對(duì)標(biāo)準(zhǔn)化數(shù)據(jù)進(jìn)行相關(guān)性檢驗(yàn)和KMO檢驗(yàn)。結(jié)果顯示主干道面積占比（指標(biāo)a）相關(guān)性不足且未達(dá)到主成分分析的標(biāo)準(zhǔn)（總體變量KMO系數(shù)＞0.6，單個(gè)變量KMO系數(shù)＞0.5，Bartlett檢驗(yàn)值P＜0.01）。因此，對(duì)其余指標(biāo)再次檢驗(yàn)，數(shù)據(jù)結(jié)構(gòu)滿足主成分分析條件。

主成分提取結(jié)果顯示，前三位主成分特征值大于 1，累計(jì)解釋數(shù)據(jù)變異的 87.172%，分別解釋總數(shù)據(jù)變異的34.607%、30.284%、22.281%（表3）。因子載荷矩陣可以顯示主成分與原始變量的關(guān)系（章文波等，2006）。但本研究的主成分實(shí)際意義表達(dá)不清晰，因此，用最大方差法進(jìn)行成分旋轉(zhuǎn)獲取旋轉(zhuǎn)成分矩陣（王鶯等，2014）。如表4所示，旋轉(zhuǎn)經(jīng)過5次迭代后，各主成分表征的意義清晰顯示：第一主成分主要反應(yīng)包括道路的環(huán)度水平、節(jié)點(diǎn)間連接的難易程度、網(wǎng)絡(luò)系統(tǒng)性連接程度3個(gè)指數(shù)的路網(wǎng)連通復(fù)雜度；第二主成分主要反應(yīng)道路的節(jié)點(diǎn)、廊道數(shù)量水平，第三主成分反應(yīng)總道路與次干道面積占比。

表3 相關(guān)系數(shù)矩陣的特征值Table 3 Eigenvalues of the correlation matrix

表4 旋轉(zhuǎn)后因子載荷矩陣Table 4 Rotating component matrix table

2.3.2 線性混合效應(yīng)模型分析

在R-Studio中利用線性混合效應(yīng)模型分析多尺度下路網(wǎng)結(jié)構(gòu)對(duì)PM10、PM2.5質(zhì)量濃度的影響并可視化顯示（圖7）。以t值為縱坐標(biāo)，空間尺度為橫坐標(biāo)，折點(diǎn)顏色代表P值大小的等級(jí)。t值等于估計(jì)系數(shù)值除以標(biāo)準(zhǔn)誤差，其中，|t|值越大，P值越小，相關(guān)顯著性越強(qiáng)：P≥0.05表示不存在統(tǒng)計(jì)學(xué)意義上的相關(guān)性，當(dāng)P＜0.05時(shí)具有統(tǒng)計(jì)學(xué)意義的顯著性相關(guān)，P＜0.01時(shí)極顯著相關(guān)。

圖7 道路結(jié)構(gòu)指標(biāo)與顆粒物月均質(zhì)量濃度混合效應(yīng)模型分析結(jié)果Fig.7 Mixed effect model analysis results of road structure index and monthly mean concentrations of particulate matter

如圖7所示，a指數(shù)在Scale5尺度時(shí)與PM2.5的月均質(zhì)量濃度顯著性正相關(guān)，減少主干道面積可以促進(jìn) PM2.5質(zhì)量濃度的下降。a指數(shù)在 Scale1—Scale5尺度下都與 PM10月質(zhì)量濃度均值表現(xiàn)出顯著相關(guān)性，僅在Scale2時(shí)a指數(shù)與PM10負(fù)相關(guān)；其他4個(gè)尺度下均正相關(guān)，且隨著尺度的擴(kuò)張相關(guān)性逐漸降低，即減少主干道面積占比可以促進(jìn)PM10質(zhì)量濃度的下降。道路中大型客貨車對(duì)細(xì)顆粒物濃度的貢獻(xiàn)大于小型客貨車的排放（王同桂等，2019），主干道作為大型客貨車排放的主要場(chǎng)所之一，減少其面積占比會(huì)在源頭上對(duì)PM10、PM2.5污染產(chǎn)生削減作用；但是主干道同時(shí)又作為城市中的主要通風(fēng)廊道（洪亮平等，2011），為顆粒物擴(kuò)散提供途徑，在個(gè)別尺度下其緩解效應(yīng)可能比污染作用更明顯。

相反的，F(xiàn)1指數(shù)與PM2.5的月均質(zhì)量濃度不存在顯著相關(guān)性，即并未發(fā)現(xiàn)路網(wǎng)連通復(fù)雜度對(duì)PM2.5質(zhì)量濃度有統(tǒng)計(jì)學(xué)意義上的影響，但 F1指數(shù)與PM10月均質(zhì)量濃度在 Scale2下顯著性負(fù)相關(guān)；路網(wǎng)連通復(fù)雜度越好，PM10質(zhì)量濃度越低。提高路網(wǎng)連通復(fù)雜性可能為相同行程提供更加快捷短途的路線，間接減少行車?yán)锍探档推嚺欧藕蛙嚵髁?，促進(jìn)PM10污染的削減。

F2與F3指數(shù)在PM10和PM2.5月均質(zhì)量濃度上均具有顯著性相關(guān)。PM2.5月均質(zhì)量濃度在Scale1、Scale5尺度下與F2指數(shù)負(fù)相關(guān)且Scale5尺度相關(guān)性最好，在Scale5、Scale6尺度與F3指數(shù)正相關(guān)；節(jié)點(diǎn)與廊道數(shù)量的提升、總道路與次干道面積占比的下降有助于PM2.5質(zhì)量濃度的下降。對(duì)PM10而言，在Scale1、Scale2的小尺度下，PM10與F2指數(shù)負(fù)相關(guān)，在Scale2相關(guān)性最好；節(jié)點(diǎn)與廊道數(shù)量的提升會(huì)緩解PM10的污染。而在Scale2—Scale6尺度下，PM10與 F3指數(shù)正相關(guān)，在 Scale3表現(xiàn)最好且在Scale4—Scale6尺度下相關(guān)性逐漸增強(qiáng)；削減總道路與次干道面積占比有助于PM10質(zhì)量濃度的降低。提升道路數(shù)量發(fā)育水平，可能通過提升交通可達(dá)性和分散車流減少堵車等現(xiàn)象，進(jìn)而削減車輛排放。

總體結(jié)果表明，路網(wǎng)結(jié)構(gòu)發(fā)育水平對(duì)PM10質(zhì)量濃度的影響程度明顯高于PM2.5質(zhì)量濃度。分析其原因可能是對(duì)道路而言，揚(yáng)塵是PM10等粗粒子最重要的污染源，機(jī)動(dòng)車排放對(duì)PM2.5等細(xì)粒子有重大貢獻(xiàn)（潘純珍等，2004），而路網(wǎng)的形態(tài)結(jié)構(gòu)通過調(diào)控車速等對(duì)道路揚(yáng)塵的影響與對(duì)減少車輛排放的影響程度可能存在差異，因此對(duì)PM10和PM2.5產(chǎn)生不同程度的影響。此外，通過對(duì)路網(wǎng)指標(biāo)特征分析發(fā)現(xiàn)，路網(wǎng)結(jié)構(gòu)具有明顯的景觀尺度效應(yīng)，研究多尺度下的最佳相關(guān)性對(duì)有效緩解顆粒物污染具有重要意義，這也可能是造成相關(guān)性尺度差異的原因。

當(dāng)前，為了達(dá)到減少顆粒物污染的目的，減少道路面積占比對(duì)城市發(fā)展與人居環(huán)境提升而言并不實(shí)際。因而結(jié)合以上結(jié)果分析，只能在限制交通面積快速擴(kuò)張的基礎(chǔ)上減少主次干道面積占比，轉(zhuǎn)而促進(jìn)三級(jí)道路、城市支路的發(fā)展；在提高節(jié)點(diǎn)與廊道數(shù)量水平的同時(shí)，提升道路連通復(fù)雜度。這與Wang et al.（2017）研究發(fā)現(xiàn)在相同的交通承載能力下，提高支路占比可以促進(jìn) PM2.5污染緩解的結(jié)論一致。

3 結(jié)論

基于主成分分析、線性混合模型分析的方法，研究 1 km×1 km (Scale1)—6 km×6 km (Scale6) 空間尺度下鄭州市建成區(qū)路網(wǎng)結(jié)構(gòu)特征對(duì) PM10、PM2.5質(zhì)量濃度的影響，得出以下結(jié)論：

（1）鄭州市建成區(qū)各監(jiān)測(cè)點(diǎn)顆粒物質(zhì)量濃度的月均值及變異性均具有冬高夏低的特征。

（2）鄭州市建成區(qū)的路網(wǎng)結(jié)構(gòu)特征對(duì) PM10質(zhì)量濃度值的影響程度高于 PM2.5。主干道面積占比與PM10在Scale1、Scale3—Scale5尺度均正相關(guān)，僅在 Scale5與 PM2.5正相關(guān)；路網(wǎng)連通復(fù)雜度在Scale2與 PM10負(fù)相關(guān)；節(jié)點(diǎn)與廊道數(shù)量水平在Scale1、Scale2與PM10負(fù)相關(guān)，在Scale1、Scale5與PM2.5負(fù)相關(guān)；總道路及次干道面積占比與PM10在Scale2—Scale6尺度均正相關(guān)，但與PM2.5僅在Scale5、Scale6尺度正相關(guān)。

（3）為基于已有道路布局，達(dá)到同時(shí)有效減少鄭州市PM10、PM2.5污染的目的，應(yīng)在Scale1尺度限制節(jié)點(diǎn)間過長(zhǎng)廊道的發(fā)展，提升節(jié)點(diǎn)與廊道數(shù)量水平；在Scale2尺度促進(jìn)路網(wǎng)環(huán)通復(fù)雜度的提升；在Scale5尺度減少主干道面積占比，控制總道路及次干道面積占比，向高密度低等級(jí)的路網(wǎng)結(jié)構(gòu)發(fā)展。