袁楚陽(yáng)，章銀柯，朱國(guó)亮，李曉璐，于慧，張?zhí)烊唬S芳，莫莉，邵鋒

（1.浙江農(nóng)林大學(xué) 風(fēng)景園林與建筑學(xué)院，浙江 杭州 311300；2.杭州植物園，浙江 杭州 310012；3.縉云縣林業(yè)局，浙江 縉云321400；4.生態(tài)環(huán)境部土壤與農(nóng)業(yè)農(nóng)村生態(tài)環(huán)境監(jiān)管技術(shù)中心，北京 100012）

隨著城市化和工業(yè)化進(jìn)程的加快，大氣污染已成為我國(guó)面臨的重大環(huán)境問(wèn)題。細(xì)顆粒物（Fine P articulate Matter，PM2.5）作為主要的大氣污染物之一，會(huì)對(duì)人體健康造成嚴(yán)重危害[1-2]。研究表明，汽車(chē)尾氣排放是PM2.5的重要來(lái)源之一[3-4]。植物可以滯留和吸附PM2.5，植物樹(shù)冠能通過(guò)降低風(fēng)速使PM2.5沉落至葉片或地面，從而降低PM2.5的濃度[5-9]。道路綠帶植物配植可有效消減道路上的PM2.5。于麗胖等[10]認(rèn)為，道路綠化中結(jié)構(gòu)疏松的植物配植方式要比緊密的方式更有利于 PM2.5的擴(kuò)散。李新宇等[11]研究證實(shí)，群落內(nèi)郁閉度高的復(fù)層結(jié)構(gòu)綠地對(duì)PM2.5的消減作用優(yōu)于郁閉度低的單層結(jié)構(gòu)綠地。但也有研究表明，植被對(duì)于 PM2.5的阻礙作用強(qiáng)于其對(duì) PM2.5的吸附與沉降作用，從而不利于PM2.5的擴(kuò)散，反而可能增加PM2.5的濃度[12-13]。

與FLUENT和PHOENICS等軟件側(cè)重對(duì)建筑內(nèi)外氣流和傳熱過(guò)程的模擬不同，ENVI-met基于流體動(dòng)力學(xué)模型計(jì)算和熱力學(xué)對(duì)三維微氣候模型進(jìn)行分析，更加關(guān)注植物對(duì)環(huán)境微氣候的影響，因此，更適合研究中小尺度區(qū)域內(nèi)植物與大氣污染物之間的關(guān)系[14-16]。該軟件在住宅微氣候[17]、街區(qū)熱舒適度[18]和大氣顆粒物擴(kuò)散[19]等方面已有較多應(yīng)用，而有關(guān)植物與大氣顆粒物之間的模擬研究較少。本文以杭州市臨安區(qū)武肅街為研究對(duì)象，采用實(shí)地監(jiān)測(cè)與 ENVI-met軟件模擬相結(jié)合的方法，探究城市道路分車(chē)綠帶和行道樹(shù)綠帶內(nèi)不同植物配植方式對(duì)PM2.5的影響，分析PM2.5的擴(kuò)散規(guī)律，為城市道路綠帶的植物配植提供科學(xué)依據(jù)。

1 研究區(qū)概況

杭州市臨安區(qū)，地理坐標(biāo)為29°56'～30°23' N，118°51'～119°52' E，地處長(zhǎng)三角南翼、杭州市西部，與安徽省接壤。屬季風(fēng)型氣候，年平均氣溫為16.4℃，年均日照時(shí)數(shù)為1 837.9 h，年均降水量為1 613.9 mm。本研究選擇武肅街作為試驗(yàn)樣地。該樣地位于臨安主城區(qū)東北部，道路全長(zhǎng)約3.7 km，東臨科技大道、西接臨天路，途經(jīng)浙江農(nóng)林大學(xué)地鐵站、浙江農(nóng)林大學(xué)南門(mén)、寶龍廣場(chǎng)、浙皖農(nóng)貿(mào)城和林水山居小區(qū)等，是臨安重要的城市主干道之一。武肅街道路斷面為三板四帶式雙向四車(chē)道，其交通流量大（監(jiān)測(cè)車(chē)流量為1 068 veh·h-1）。道路紅線內(nèi)機(jī)動(dòng)車(chē)道寬16 m，兩側(cè)各有一條分車(chē)綠帶（寬2.5 m）、非機(jī)動(dòng)車(chē)道（寬4.5 m）和人行道（寬5 m），人行道靠近非機(jī)動(dòng)車(chē)一側(cè)是行道樹(shù)綠帶。分車(chē)綠帶的植物配植為：銀杏Ginkgo bi loba-紅花檵木Loropetalum chinensevar.rubrum（籬）+金邊大葉黃楊Euonymus japonicusvar.aurea-marginatus（籬）、木犀Osmanthus fragrans-紅花檵木（球）-麥冬Ophiopogon japonicus和側(cè)柏Platycladus orientalis-紅花檵木（球）+金邊大葉黃楊（籬）；行道樹(shù)綠帶配植為：樟Cinnamomum camphora-麥冬。

2 研究方法

2.1 PM2.5濃度實(shí)地監(jiān)測(cè)

為總結(jié)道路綠帶內(nèi)PM2.5濃度的日變化規(guī)律，并為后續(xù)軟件模型驗(yàn)證提供基礎(chǔ)數(shù)據(jù)，試驗(yàn)首先開(kāi)展了綠帶內(nèi) PM2.5濃度實(shí)地監(jiān)測(cè)。調(diào)查發(fā)現(xiàn)，樣地周邊以住宅和商業(yè)建筑為主，主要污染源是機(jī)動(dòng)車(chē)尾氣。通常機(jī)動(dòng)車(chē)道處產(chǎn)生的 PM2.5會(huì)向非機(jī)動(dòng)車(chē)道和人行道擴(kuò)散，因此，充分考慮現(xiàn)場(chǎng)環(huán)境條件及試驗(yàn)安全性等因素，本研究在靠近分車(chē)綠帶的機(jī)動(dòng)車(chē)道處和人行道處各設(shè)置1個(gè)監(jiān)測(cè)點(diǎn)，其中，監(jiān)測(cè)點(diǎn)1的數(shù)據(jù)主要用于模型驗(yàn)證時(shí)污染源的參數(shù)設(shè)置，監(jiān)測(cè)點(diǎn)2的數(shù)據(jù)主要用于模型驗(yàn)證時(shí)的對(duì)比檢驗(yàn)及分析和總結(jié) PM2.5濃度的變化規(guī)律（圖1）。

圖1 監(jiān)測(cè)點(diǎn)位置Figure 1 Location of monitoring points

于天氣晴朗、微風(fēng)條件下，在2個(gè)監(jiān)測(cè)點(diǎn)各布置1臺(tái)微電腦激光粉塵儀LD-5C（B）進(jìn)行PM2.5濃度監(jiān)測(cè)。儀器架設(shè)高度距離地面為1.5 m（同成人呼吸高度）。監(jiān)測(cè)數(shù)據(jù)采集頻率為1次·min-1，設(shè)置精度（k值）為0.001。實(shí)地監(jiān)測(cè)時(shí)間為2019年9月12日、10月22日和11月23日。由于夜晚的PM2.5濃度變化不如白天的變化明顯，因此，本研究?jī)H監(jiān)測(cè)白天（8:00-16:00）的PM2.5濃度。在監(jiān)測(cè)點(diǎn)1處設(shè)置1臺(tái)數(shù)字風(fēng)速儀MS6252B測(cè)定溫度、相對(duì)濕度和風(fēng)速等氣象因子數(shù)據(jù)，儀器架設(shè)高度與粉塵儀一致。

2.2 EN VI-met模型設(shè)置

本研究為小尺度場(chǎng)地范圍內(nèi)的數(shù)值模擬，因此，網(wǎng)格尺寸精度設(shè)置較高，以提高模擬的準(zhǔn)確性，同時(shí)，不影響模擬效率。在水平方向上，X軸代表研究范圍內(nèi)道路的寬度，而Y軸為道路長(zhǎng)度，兩者均選擇1 m的最高分辨率，網(wǎng)格數(shù)均為60，為減少邊界失真，最外圍2格為嵌套網(wǎng)格。Z軸表示模型中的垂直高度，單元網(wǎng)格為1 m，共設(shè)置30格，采用等距網(wǎng)格劃分方式，軟件會(huì)將最底層的網(wǎng)格自動(dòng)細(xì)劃分成5等份。綜上，本次模擬試驗(yàn)中的模型網(wǎng)格為60 × 60 × 30格，每個(gè)網(wǎng)格大小為 1 m × 1 m × 1 m，總區(qū)域大小為 60 m ×60 m × 30 m。將監(jiān)測(cè)地段的道路平面圖導(dǎo)入ENVI-met軟件，建立實(shí)地模型。污染源的參數(shù)為監(jiān)測(cè)點(diǎn)1的PM2.5濃度值，氣象參數(shù)來(lái)自風(fēng)速儀記錄的數(shù)據(jù)。經(jīng)模擬后得到人行道處的 PM2.5濃度模擬值，然后將模擬值與實(shí)測(cè)值進(jìn)行比較和分析，以此驗(yàn)證模擬研究的可行性、準(zhǔn)確性和可靠性。隨后，以實(shí)地模型為基礎(chǔ)，改變道路綠帶中的植物配植方式。分車(chē)綠帶選擇“喬灌”和“灌草”，行道樹(shù)綠帶選擇“喬灌”和“喬草”，通過(guò)兩兩組合，構(gòu)成喬灌-喬草（I）、喬灌-喬灌（II）、灌草-喬草（III）和灌草-喬灌（IV）4種配植方式的研究模型，并以無(wú)植物種植的道路（CK）為參照模型，5種模型的道路斷面如圖2所示。

4種研究模型中的植物種植間距與實(shí)地模型的一致，分車(chē)綠帶的植物株距為7 m，行道樹(shù)綠帶的為6 m。為研究不同植物配植方式對(duì)汽車(chē)尾氣排放產(chǎn)生的PM2.5濃度的影響，需忽略城市背景濃度值，在軟件中根據(jù)機(jī)動(dòng)車(chē)的PM2.5排放特點(diǎn)估算其排放速率[20]。實(shí)地監(jiān)測(cè)的單向車(chē)流量q= 534 veh·h-1，參考CHENG等[21]研究成果，機(jī)動(dòng)車(chē)尾氣PM2.5排放因子E值確定為 0.131 g·veh-1·km-1，根據(jù)公式v=E·q，求得排放速率v。

經(jīng)計(jì)算，本試驗(yàn)中單向車(chē)道 PM2.5線源污染物排放速率約為 19.4 μg·s-1·m-1。武肅街為雙向四車(chē)道，故設(shè) 2條線性污染源，排放高度為0.3 m，排放速率恒定，不考慮車(chē)流量變化對(duì)PM2.5排放速率的影響。在11月23日的天氣條件下，PM2.5濃度日變化表現(xiàn)為典型的“雙峰單谷”型變化趨勢(shì)。為使模型更好地反映PM2.5濃度的變化規(guī)律，以該日的氣象因子數(shù)據(jù)作為研究模型的氣象參數(shù)，風(fēng)向采用杭州市臨安區(qū)氣象局提供的數(shù)據(jù)（270°），模擬時(shí)間則與實(shí)測(cè)時(shí)間相同（8 h）。

2.3 PM2.5消減率計(jì)算

參考王佳等[22]的研究方法，將4種植物配植方式與CK進(jìn)行疊加比較。同一位置處PM2.5濃度變化值（C值）=某一植物配植方式的PM2.5濃度-CK的PM2.5濃度，得到剖面差值圖和平面差值圖。剖面圖選取Y= 30 m，為PM2.5擴(kuò)散較穩(wěn)定區(qū)域；平面圖選取Z= 1.5 m，為行人呼吸高度。而非機(jī)動(dòng)車(chē)道（X= 42～45 m）和人行道（X=48～50 m）處PM2.5的濃度變化是本文的研究重點(diǎn)。

在各模型的平面圖上，從機(jī)動(dòng)車(chē)道邊緣Y= 3 m開(kāi)始，縱向每間隔10 m選取1個(gè)監(jiān)測(cè)點(diǎn)，共計(jì)5個(gè)；在非機(jī)動(dòng)車(chē)道處和人行道處分別選取對(duì)應(yīng)監(jiān)測(cè)點(diǎn)，即縱向與機(jī)動(dòng)車(chē)道監(jiān)測(cè)點(diǎn)設(shè)置相同，每種模型共計(jì)15個(gè)點(diǎn)，計(jì)算各模型的PM2.5濃度平均消減率。消減率計(jì)算公式為：

式中，P為 PM2.5濃度消減率，Cs是機(jī)動(dòng)車(chē)道邊緣的 PM2.5濃度，Cm是不同模型中非機(jī)動(dòng)車(chē)道處或人行道處的PM2.5濃度[23]。

3 結(jié)果與分析

3.1 實(shí)測(cè)PM2.5濃度日變化

人行道處實(shí)測(cè)PM2.5濃度日變化情況如圖3。由圖 3可知，人行道處PM2.5濃度日變化總體呈現(xiàn)上午和下午較高，中午低的趨勢(shì)。PM2.5濃度最大值（157 μg·m-3）出現(xiàn)在 11 月 23 日的 9:30，最小值（6 μg·m-3）出現(xiàn)在 11月 23日的 13:30。9月 12日，PM2.5濃度在9:50達(dá)到高峰值（152 μg·m-3）后持續(xù)下降，12:40降到低谷值（49 μg·m-3），之后呈平緩上升趨勢(shì)，16:00 時(shí)濃度升高至 61 μg·m-3。10 月 22 日 10:10-12:45，PM2.5濃度從高峰值（148 μg·m-3）下降至低谷值（41 μg·m-3）；12:45-14:30，濃度有所上升；14:30-16:00，濃度又從 70 μg·m-3降至 46 μg·m-3。11月23日，PM2.5濃度日變化與9月12日的相似。

圖3 人行道處PM2.5濃度日變化Figure 3 Daily variation of PM2.5 concentration on the pavement

3.2 實(shí)地模型驗(yàn)證

圖4 人行道處PM2.5濃度實(shí)測(cè)值與模擬值Figure 4 Measured and simulated PM2.5 concentration on the pavement

圖4為人行道處PM2.5濃度實(shí)測(cè)值（以下稱(chēng)實(shí)測(cè)值）和PM2.5濃度模擬值（以下稱(chēng)模擬值）的對(duì)比圖。由圖4可知，模擬值與實(shí)測(cè)值的變化趨勢(shì)基本相同，且模擬值均小于實(shí)測(cè)值。利用 Pearson分析方法對(duì)實(shí)測(cè)值與模擬值進(jìn)行相關(guān)性分析，2019年9月12日、10月22日和11月23日的相關(guān)系數(shù)分別為0.955、0.964和0.976，P< 0.01，兩者之間存在極顯著正相關(guān)。通過(guò)趨勢(shì)擬合可得到線性方程Y= 2.267 6 4 +0.872 11X（R2= 0.944）（圖5），模擬值與實(shí)測(cè)值相關(guān)性較高，符合PM2.5擴(kuò)散規(guī)律，表明ENVI-met可用于PM2.5濃度模擬。

圖5 PM2.5濃度實(shí)測(cè)值與模擬值擬合方程圖Figure 5 Fitted equation for measured and simulated PM2.5 concentration

3.3 EN VI-met模型道路PM2.5濃度分布

3.3.1 無(wú)植物種植的道路 PM2.5濃度分布 對(duì)無(wú)植物種植的道路進(jìn)行可視化分析，得到剖面圖和平面圖，分別表示 PM2.5濃度在垂直方向和水平方向上的分布情況，如圖6。由圖6可知，在剖面圖上，垂直方向PM2.5濃度最大值（33.94 μg·m-3）出現(xiàn)在Z= 1 m的機(jī)動(dòng)車(chē)道處；在平面圖上，水平方向PM2.5呈扇形擴(kuò)散，下風(fēng)向的PM2.5濃度高于上風(fēng)向的，PM2.5濃度最大值（11.19 μg·m-3）出現(xiàn)在X= 38 m的機(jī)動(dòng)車(chē)道處。研究表明，CK的PM2.5濃度在污染源處（機(jī)動(dòng)車(chē)道處）最高，且隨風(fēng)向向外擴(kuò)散。

圖6 無(wú)植物種植道路內(nèi)PM2.5濃度垂直方向和水平方向分布模擬Figure 6 Vertical and horizontal simulation of PM2.5 concentration in the road without plants

3.3.2 不同植物配植方式對(duì)PM2.5濃度的影響

（1）垂直方向。將4種植物配植方式的道路分別與CK疊加，得到PM2.5濃度剖面差值圖，見(jiàn)圖7。由圖7可知，在垂直方向上，Z< 2 m時(shí)，機(jī)動(dòng)車(chē)道處的C值均為正值，其中，Ⅰ和Ⅱ的C值較大，而Ⅲ和Ⅳ的較小，表明4種配植方式的道路機(jī)動(dòng)車(chē)道處均有PM2.5聚集現(xiàn)象。此外，非機(jī)動(dòng)車(chē)道和人行道處Ⅰ和Ⅱ的PM2.5僅擴(kuò)散至3 m高度處，低于Ⅲ和Ⅳ的，且人行道處Ⅲ和Ⅳ在Z= 4～6 m高度處均有PM2.5聚集現(xiàn)象。其原因是分車(chē)綠帶為“灌草”時(shí)，植物配植對(duì)PM2.5影響較小，部分PM2.5會(huì)擴(kuò)散至高空，而行道樹(shù)綠帶的喬木會(huì)滯留這部分PM2.5。

圖7 不同植物配植方式的PM2.5濃度剖面差值圖Figure 7 Section differential diagram of PM2.5 concentration with different plant distribution

圖8 不同植物配植方式的PM2.5濃度平面差值圖Figure 8 Plane differential diagram of PM2.5 concentration with different plant distribution

（2）水平方向。圖8為4種植物配植方式的道路分別與CK疊加后的PM2.5濃度平面差值圖，其中，Y軸邊界處出現(xiàn)邊界失真，故取Y= 3～58 m進(jìn)行研究。由圖8可知，在水平方向上，非機(jī)動(dòng)車(chē)道處I和III部分點(diǎn)的C值為負(fù)值，且III的PM2.5濃度下降區(qū)域略大于I的；其余兩組的非機(jī)動(dòng)車(chē)道處的C值均為正值，無(wú)濃度下降區(qū)域。對(duì)模擬結(jié)果進(jìn)行方差分析，結(jié)果見(jiàn)表 1。由表 1可知，非機(jī)動(dòng)車(chē)道處C1值為：II（0.648 ± 0.086 4 μg·m-3）>IV（0.499 ± 0.086 2 μg·m-3）>I（0.475 ± 0.088 8 μg·m-3）>III（0.195 ± 0.089 0 μg·m-3），均為正值，即相較于 CK，水平方向上非機(jī)動(dòng)車(chē)道處的 PM2.5濃度均呈上升趨勢(shì)。I和IV的C1值之間不存在顯著差異（P≥0.05），其他配植方式間的C1值間均存在顯著差異（P< 0.05）。

表1 非機(jī)動(dòng)車(chē)道處PM2.5濃度方差分析與多重比較Table 1 ANOVA and multiple comparison of PM2.5 concentration in bicycle lane

計(jì)算非機(jī)動(dòng)車(chē)道處4種植物配植方式與CK的PM2.5平均消減率，結(jié)果見(jiàn)圖9。由圖9可知，5種模型PM2.5的平均消減率均為負(fù)值，其大小排序?yàn)椋篊K（-11.19%）>III（-12.92%）>I（-14.21%）>IV（-16.02%）>II（-16.53%）。植物對(duì)非機(jī)動(dòng)車(chē)道處的PM2.5有聚集作用。相較于CK，II、IV、I和III的PM2.5消減率分別下降5.34%、4.83%、3.02%和1.73%。非機(jī)動(dòng)車(chē)道處PM2.5消減率下降，這可能是其距離污染源較近，且兩側(cè)有綠帶阻擋，PM2.5無(wú)法快速擴(kuò)散，導(dǎo)致濃度升高。

表2 人行道處PM2.5濃度方差分析與多重比較Table 2 ANOVA and multiple comparison of PM2.5 concentrationon the pavement

由圖8可知，在水平方向上，人行道處（X= 48～50 m）I和 II各點(diǎn)的C值大多為負(fù)值，即相較于 CK，其PM2.5濃度普遍呈下降趨勢(shì)；IV相反，各點(diǎn)的C值基本均為正值，相較于 CK，其 PM2.5濃度呈上升趨勢(shì)；III的 PM2.5濃度變化相對(duì)均衡。對(duì)人行道處模擬結(jié)果進(jìn)行方差分析，結(jié)果見(jiàn)表 2。由表 2 可知，人行道處的C2值為：IV（0.237 ± 0.138 μg·m-3）>III（0.043 ± 0.063 μg·m-3）>II（-0.103 ± 0.143 μg·m-3）>I（-0.161 ± 0.081 μg·m-3）。4種植物配植方式的C2值之間均存在顯著差異（P< 0.05）。

圖9 非機(jī)動(dòng)車(chē)道處不同植物配植方式的PM2.5濃度消減率Figure 9 Reduction rate of PM2.5 concentration with different plant distribution in bicycle lane

圖10 人行道處不同植物配植方式的PM2.5濃度消減率Figure 10 Reduction rate of PM2.5 concentration with different plant distribution on the pavement

計(jì)算人行道處4種植物配植方式與CK的PM2.5平均消減率，結(jié)果見(jiàn)圖10。由圖10可知，人行道處的PM2.5平均消減率大小排序?yàn)椋篒（1.36%）>II（0.29%）>CK（-0.58%）>III（-1.09%）>IV（-1.47%）。相較于CK，I和II的PM2.5消減率為正值，即人行道處PM2.5濃度有所下降，I和II的消減率分別增加1.94%和0.87%，而III和IV的消減率分別減少0.51%和0.89%。造成III和IV消減率減少的原因是分車(chē)綠帶中“灌草”無(wú)法有效消減PM2.5，導(dǎo)致其人行道處濃度升高。

4 結(jié)論與討論

4.1 討論

實(shí)測(cè)表明，武肅街人行道處 PM2.5濃度日變化表現(xiàn)為上午和下午較高、中午低的趨勢(shì)，這與劉浩棟等[24]、王成等[25]和郭建超等[26]的研究結(jié)果一致。其主要原因是監(jiān)測(cè)的前一天夜晚溫度較低、濕度較大，PM2.5不斷沉降，當(dāng)日早晨空氣濕度較大、逆溫層變厚，不利于PM2.5擴(kuò)散，而8:00-9:30又是上班早高峰，導(dǎo)致PM2.5濃度達(dá)到高峰值；9:30-13:30，隨著車(chē)流量的減少及氣象因子的影響，使得PM2.5濃度持續(xù)降低；13:30以后，PM2.5濃度略有升高。10月 22日，14:30-16:00，PM2.5濃度有所下降，這可能與當(dāng)日風(fēng)速和風(fēng)向變化有關(guān)，風(fēng)速和風(fēng)向變化是影響PM2.5擴(kuò)散的重要因素之一[26-27]。

模擬研究表明，機(jī)動(dòng)車(chē)道處 PM2.5濃度在垂直方向上的分布情況與郭曉華等[23]的研究結(jié)果相同，而水平方向上則不同；相較于CK，在水平方向上，非機(jī)動(dòng)車(chē)道處4種配植方式的PM2.5消減率均下降，這與其他學(xué)者[12,28-29]的研究結(jié)論基本一致。其原因可能是本研究模擬的區(qū)域尺度較小、道路綠帶長(zhǎng)度有限，道路中PM2.5濃度會(huì)受到綠帶的相互影響而升高，也可能是植物已滯留的部分PM2.5會(huì)受到氣流影響再次擴(kuò)散，形成二次揚(yáng)塵（上層喬木分枝點(diǎn)高，不易受低空氣流影響；下層草本低矮，能夠有效阻滯地面揚(yáng)塵；中層密植的灌木反而會(huì)受到氣流影響使部分 PM2.5再次擴(kuò)散至空中）。此外，楊貌等[30]和張靈藝等[31]研究認(rèn)為，喬草型植物配植方式在水平方向上吸附PM2.5效果好，這與本研究結(jié)果一致。

4.2 結(jié)論

對(duì)杭州市臨安區(qū)武肅街道路綠帶內(nèi)不同植物配植方式對(duì)PM2.5濃度的影響研究結(jié)果表明，人行道處PM2.5濃度實(shí)測(cè)值與模擬值呈極顯著正相關(guān)（P< 0.01，R2= 0.944），表明ENVI-met可用于PM2.5濃度模擬。模擬研究顯示，CK中PM2.5濃度最高值出現(xiàn)在機(jī)動(dòng)車(chē)道處，PM2.5隨風(fēng)向向外擴(kuò)散，下風(fēng)向的PM2.5濃度高于上風(fēng)向的。相較于CK，在垂直方向上，非機(jī)動(dòng)車(chē)道和人行道處I和II的PM2.5擴(kuò)散高度均低于III和IV的，且人行道處III和IV在4～6 m高度處均有PM2.5聚集現(xiàn)象；在水平方向上，非機(jī)動(dòng)車(chē)道處4種配植方式的PM2.5消減率均下降，降幅大小依次為II（5.34%）>IV（4.83%）>I（3.02%）>III（1.73%），人行道處I和II的消減率分別增加1.94%和0.87%，而III和IV的消減率分別減少0.51%和0.89%。喬灌型分車(chē)綠帶和喬草型行道樹(shù)綠帶是道路綠帶的最佳植物配植方式。