王 婧 朱春陽

華中農(nóng)業(yè)大學園藝林學學院 武漢 430070

城市濕地生態(tài)系統(tǒng)通過降溫增濕改變周邊環(huán)境的微氣候，從而引起空氣顆粒物(Particulate matter，PM)的擴散、沉降[1-2]。濕地與周邊環(huán)境的冷暖空氣流動對濕地周邊環(huán)境空氣顆粒物的空間分布產(chǎn)生影響[3-4]；濕地/水體環(huán)境的空氣濕度變化導致空氣顆粒物發(fā)生吸濕增長、沉降[2，5]。因此，濕地/水體對局地顆粒物具有顯著影響[6]。城市濕地對空氣PM的影響研究多集中于分析其在城市環(huán)境的空間分布特征，如寇杰鋒等[7]通過空間分布估計模型得到武漢市PM10空間分布，并指出不同下墊面類型對PM10的分布具有顯著影響，大型水體及周邊區(qū)域一定范圍內(nèi)具有較低的PM10濃度；孫敏等[8]研究發(fā)現(xiàn)，水域和成片的植被面積增加對控制城市可入肺顆粒物質(zhì)量濃度有重要意義，城市建成環(huán)境增加綠地類型下墊面有利于局地微氣候以及空氣質(zhì)量的改善[9-10]，其中水體、綠地復合型下墊面更能有效提高水體的微環(huán)境效應[11]；濕地周邊500 m范圍建成環(huán)境中非硬質(zhì)下墊面(主要由綠地組成)與濕地降減空氣PM10、PM2.5濃度呈顯著相關(guān)性[12]，但尚未得出城市建成環(huán)境不同綠地結(jié)構(gòu)如何影響濕地的降減空氣PM10、PM2.5效應。LUR模型在研究長時間觀測大氣污染濃度時優(yōu)于其他空間分析技術(shù)[13-14]，同時，該模型針對中小尺度空氣污染物時空變化的模擬研究已較為成熟[15]。

因此，本文將圍繞最大限度發(fā)揮城市湖泊濕地區(qū)域環(huán)境效應這一目標，綜合考慮城市建成環(huán)境空氣PM10、PM2.5濃度受多種關(guān)鍵影響因子制約，基于土地利用回歸(Land Use Regression，LUR)，結(jié)合土地利用類型、交通狀況、氣象因子等要素，分析城市湖泊濕地周邊建成環(huán)境綠地結(jié)構(gòu)對空氣PM10、PM2.5濃度的影響，旨在為優(yōu)化城市湖泊濕地周邊建成環(huán)境綠地空間建設(shè)提供科學指導。

1 研究區(qū)概況

武漢市(E113°41′-115°05′，N29°58′-31°22′)位于長江中下游江漢平原東部，水域面積占全市國土面積的1/4。武漢市具有豐富的湖泊濕地資源，本研究選擇武漢市主城區(qū)大、中、小3塊湖泊濕地(月湖67.6 hm2、鯇子湖10.3 hm2和后襄河4.3 hm2)及其周邊500 m建成環(huán)境綠地作為研究對象。

2 研究方法

2.1 土地利用回歸模型

基于LUR模型分析湖泊濕地周邊建成環(huán)境綠地PM10、PM2.5濃度的影響因子，選擇測點周邊不同緩沖區(qū)(0～25 m、0～50 m、0～75 m、0～100 m)內(nèi)的道路長度作為交通污染源因子，非硬質(zhì)下墊面面積、水體面積作為土地利用因子，距湖泊濕地邊界距離、葉面積指數(shù)作為自然條件因子，氣溫、相對濕度、風速作為氣象因子，空氣PM10、PM2.5濃度為因變量，將自變量逐步引入模型。通過方差膨脹因子(VIF)和杜賓沃森指數(shù)(DW)對模型進行共線性檢驗，采用留一交叉驗證法(LOOCV)對模型預測能力進行檢驗。

2.2 數(shù)據(jù)來源

1)土地利用數(shù)據(jù)。結(jié)合Spot 6遙感影像解譯及實地調(diào)研，通過ENVI 5.1和ArcGIS 10.2提取不同用地類型數(shù)據(jù)信息。2)空氣PM10、PM2.5濃度、氣溫(T)、相對濕度(RH)、風速數(shù)據(jù)來源于定點監(jiān)測。每塊湖泊濕地沿邊界布置3條樣線，沿樣線不同半徑緩沖區(qū)(50 m，100 m，200 m，300 m，400 m，500 m)綠地內(nèi)布置樣地，每塊樣地內(nèi)分別選取立地環(huán)境相似的喬灌草、喬草、灌草、草坪4種類型綠地進行測點布設(shè)，測試點均盡量布置在植物種類相同/相似的植物群落中，植物種類主要由香樟(Cinnamomum camphora)、杜英(Elaeocarpus decipiens)、樸樹(Celtis sinensis)、垂 柳(Salix babylonica)、 桂 花(Osmanthus fragrans)、石楠(Photinia serratifolia)、紅花檵木(Loropetalum chinensevar.rubrum)、 金 葉 女 貞(Ligustrum×vicaryi)、早熟禾(Poa annua)組成。選擇2019年8月27—29日氣候條件相似且晴好微風的3天(8∶00-9∶00、12∶00-13∶00、16∶00-17∶00時段)，在距地1.5 m人體呼吸高度處對每個測點進行連續(xù)觀測，同時記錄微風風速值。每條樣線分別單獨使用1臺可移動PM監(jiān)測儀進行測試，每個測點進行3次重復，在2 min內(nèi)完成，每條樣線在50～60 min內(nèi)完成同步測試，消除不同測點數(shù)據(jù)測試的差異性。

2.3 測試儀器

PM10、PM2.5濃度測試儀器采用嶗應2025粉塵檢測儀，測定范圍為1～1 000 μg·m-3，分辨率為0.1 μg·m-3，誤差10%；該儀器內(nèi)部存在濾芯，可排除水分子對PM濃度監(jiān)測數(shù)據(jù)的影響，以保證空氣PM數(shù)據(jù)的準確性。溫濕度監(jiān)測儀器采用德國產(chǎn)德圖testo 610溫濕度測量儀。氣溫測定范圍為-10～50℃，分辨率為0.1℃；相對濕度測定范圍為0～100%，分辨率為0.1%。風速測試儀器采用國產(chǎn)德圖testo 410-1迷你風速儀，測量范圍為0.4～20 m·s-1，分辨率為0.1 m·s-1。葉面積指數(shù)采用Sigma EX-DC 4.5 mm魚眼鏡頭拍攝并通過Hemiview分析獲取。

2.4 數(shù)據(jù)處理

采用R3.4.1軟件 “corrr”包實現(xiàn)LUR模型自變量與空氣PM10、PM2.5濃度間相關(guān)性分析；采用SPSS 25.0軟件實現(xiàn)LUR模型自變量與空氣PM10、PM2.5濃度多元回歸分析，以及不同結(jié)構(gòu)綠地間空氣PM10、PM2.5濃度間單因素方差分析，結(jié)合Duncan's多重比較分析綠地間空氣PM10、PM2.5濃度差異顯著性；采用Origin 2018實現(xiàn)空氣PM10、PM2.5濃度隨距湖泊濕地邊界距離變化的線性擬合圖和隨時刻變化的日變化圖分析。

3 結(jié)果與分析

3.1 湖泊濕地周邊綠地空氣PM10、PM2.5濃度關(guān)鍵影響因子

3.1.1 LUR模型的建立與檢驗

由表1可知，LUR PM2.5模型的VIF值＜2，表明選取的變量數(shù)據(jù)間無共線性問題，模型構(gòu)建較好。由表2可知，LUR PM10模型中，除后襄河灌草型綠地存在2個自變量VIF值＜4外，其余結(jié)果均為VIF值＜2，表明變量數(shù)據(jù)間基本不存在共線性問題。PM2.5、PM10模型的DW指數(shù)絕大部分無自相關(guān)或在不確定的范圍，因此模型無明確的空間自相關(guān)性。

表1 PM2.5模型相關(guān)指標

表1(續(xù))

表2 PM10模型相關(guān)指標

從表3可知，各個湖泊不同結(jié)構(gòu)綠地的PM10、PM2.5模型自變量均通過F檢驗、T檢驗(P＜0.05)；城市湖泊濕地建成環(huán)境內(nèi)不同綠地結(jié)構(gòu)類型PM10、PM2.5回歸模型經(jīng)留一交叉驗證調(diào)整后R2解釋能力為0.555～0.980、0.562～0.979；模型的空間預測能力較好，且PM10模型擬合度優(yōu)于PM2.5模型；均方根誤差(RMSECV)值表明模型的空間預測能力基本較好。

表3 PM10、PM2.5模型預測R2有效性驗證

3.1.2 模型自變量對PM10、PM2.5相關(guān)性影響

從圖1可以看出:相對濕度、緩沖區(qū)水體面積變量與3塊湖泊濕地周邊建成環(huán)境綠地PM10、PM2.5濃度呈顯著正相關(guān)；測點周邊緩沖區(qū)內(nèi)非硬質(zhì)下墊面面積、葉面積指數(shù)與綠地PM10、PM2.5濃度呈顯著負相關(guān)，其中葉面積指數(shù)對大面積湖泊濕地周邊綠地PM10、PM2.5濃度影響更為顯著；距湖泊濕地邊界距離變量對中、小面積湖泊濕地周邊綠地PM10、PM2.5濃度影響顯著；測點周邊100 m緩沖區(qū)道路長度變量與綠地PM10、PM2.5濃度呈顯著正相關(guān)；PM2.5濃度與氣溫呈顯著負相關(guān)。

圖1 模型自變量與空氣PM10、PM2.5濃度間的相關(guān)性分析

3.2 城市湖泊濕地周邊500 m緩沖區(qū)建成環(huán)境綠地PM10、PM2.5濃度變化比較

如圖2所示，隨湖泊濕地邊界距離的增加，不同結(jié)構(gòu)綠地內(nèi)PM10、PM2.5濃度降低，且下降幅度具有差異性。PM10濃度從距湖泊濕地邊界250～350 m、50～200 m、100～250 m、100～150 m附近開始分別在喬灌草、喬草、灌草、草坪內(nèi)趨于平穩(wěn)狀態(tài)；喬灌草、喬草、灌草、草坪內(nèi)空氣PM10降幅(濕地邊界與周邊500 m緩沖區(qū)綠地內(nèi)空氣PM濃度差值，下同)分別為2.4～15.9 μg·m-3、3.8～13.1 μg·m-3、2.7～9.5 μg·m-3、1.3～6.4 μg·m-3。PM2.5濃 度 從 距 湖 泊 濕 地200～350 m、200～300 m、150～250 m、150 m附近開始分別在喬灌草、喬草、灌草、草坪內(nèi)趨于平緩；喬灌草、喬草、灌草、草坪內(nèi)空氣PM2.5降幅分別為1.7～7.8 μg·m-3、1.0～6.8 μg·m-3、1.1～4.9 μg·m-3、0.4～3.9 μg·m-3。 由此可見， 綠地降減空氣PM能力較湖泊濕地顯著，但臨近湖泊濕地邊界的綠地內(nèi)空氣PM濃度偏高，說明濕地與周邊環(huán)境冷暖空氣流動導致空氣顆粒物在局地環(huán)流的作用下被臨近綠地遮擋積聚，當距濕地邊界達到一定距離時，綠地內(nèi)空氣PM濃度受冷暖空氣流動帶來的影響逐漸變?nèi)酰唧w影響機理有待進一步研究。同時還可看出，大面積湖泊濕地對空氣PM2.5的影響范圍大且顯著性明顯，對空氣PM10的影響范圍小且顯著性不明顯。

圖2 距湖泊濕地邊界不同距離不同綠地內(nèi)PM10、PM2.5濃度差異

3.3 不同時段不同結(jié)構(gòu)類型綠地PM濃度

從圖3可看出，除后襄河周邊綠地內(nèi)PM10濃度在8∶00-9∶00、16∶00-17∶00時段外，3塊湖泊濕地周邊建成環(huán)境綠地內(nèi)PM10、PM2.5濃度呈現(xiàn)出復層結(jié)構(gòu)綠地(喬灌草、喬草)＞單一結(jié)構(gòu)綠地(灌草、草坪)。湖泊濕地周邊喬灌草、喬草、灌草與草坪間PM10平均濃度差分別為-0.6～2.7 μg·m-3、-0.6～1.2 μg·m-3、-1.1～2.1 μg·m-3，PM2.5濃度差分別為0.4～1.5 μg·m-3、0.1～0.5 μg·m-3、0～0.7 μg·m-3。 可見， 近湖泊濕地邊界灌草、草坪結(jié)構(gòu)綠地表現(xiàn)出較低的空氣PM10、PM2.5濃度，但不同結(jié)構(gòu)綠地不同時段空氣PM10、PM2.5濃度未表現(xiàn)出顯著相關(guān)性(P＞0.05)。不同結(jié)構(gòu)綠地間不同時段空氣PM10、PM2.5濃度有可能原本存在顯著差異，但由于采集的3d PM數(shù)據(jù)存在差異從而導致未表現(xiàn)出顯著差異性，有待后續(xù)長期重復采集數(shù)據(jù)作進一步研究。

圖3 不同時段不同結(jié)構(gòu)綠地PM10、PM2.5濃度差異

4 討論

城市湖泊濕地/水體熱容量巨大，對局地溫濕環(huán)境的調(diào)節(jié)作用顯著，其中，濕地/水體環(huán)境的空氣濕度變化將導致空氣顆粒物發(fā)生吸濕增長、沉降[2，5]，多數(shù)研究發(fā)現(xiàn)城市擁有自然植被和水體的區(qū)域具有較低的PM濃度[6，16]。本研究對城市湖泊濕地500 m范圍建成環(huán)境綠地內(nèi)PM10、PM2.5濃度進行監(jiān)測發(fā)現(xiàn)，綠地內(nèi)空氣PM濃度低于湖泊濕地邊界處，說明綠地對空氣PM具有更為顯著的降減作用。本研究還發(fā)現(xiàn)，近湖泊濕地邊界處的綠地內(nèi)空氣PM10、PM2.5濃度大于遠湖泊濕地邊界處綠地，這可能與距湖泊濕地邊界距離越近，相對濕度越高有關(guān):濕地與周邊建成環(huán)境冷暖空氣流動，導致空氣PM向遠湖泊濕地方向擴散，由于空氣局地環(huán)流被綠地遮擋，空氣PM產(chǎn)生一定積聚現(xiàn)象，導致近湖泊濕地邊界處綠地內(nèi)空氣PM濃度較高。由此可見，湖泊濕地局地微環(huán)境、相對濕度與PM濃度存在一定相關(guān)性，相對濕度較高在一定程度上支持了空氣PM濃度升高，但具體機理有待進一步研究。類似現(xiàn)象同時存在于湖泊濕地周邊不同結(jié)構(gòu)綠地的PM分析中，研究發(fā)現(xiàn)復層結(jié)構(gòu)綠地內(nèi)PM10、PM2.5濃度普遍高于單一結(jié)構(gòu)綠地，不同類型綠地內(nèi)氣溫、相對濕度差異明顯，復層結(jié)構(gòu)綠地由于郁閉度較高，導致顆粒物的水平擴散和垂直運動受到阻礙、出現(xiàn)累計現(xiàn)象，從而使PM10、PM2.5濃度較高，此結(jié)論與陳俊剛等[17]、劉宇等[18]研究結(jié)果一致。雖然植物種類個體尺度會對研究結(jié)果具有一定影響，但相關(guān)研究[19-21]忽略了個體尺度帶來的誤差，這也是野外試驗規(guī)律性研究難以規(guī)避的現(xiàn)象。關(guān)于不同植物種類對降減空氣PM效應的影響將在進一步研究中展開。

另外，本研究得出距湖泊濕地邊界300 m、200 m、250 m分別為月湖、鯇子湖、后襄河周邊綠地PM10、PM2.5濃度變化的分界線，且PM10、PM2.5濃度在喬灌草、喬草中的降幅大于在灌草、草坪中的降幅，說明大面積湖泊濕地周邊喬灌草型綠地對PM10、PM2.5濃度變化更顯著，且影響范圍更大。因此，在大面積湖泊濕地300 m緩沖區(qū)內(nèi)應盡量布局灌草、草坪類型綠地，小面積湖泊濕地從200 m開始盡量布局喬灌草及喬草型綠地。與綠地內(nèi)PM10濃度變化狀態(tài)相比，PM2.5濃度達到穩(wěn)定狀態(tài)時距湖泊邊界距離更遠，這是因為細顆物粒徑小，漂浮于空中不易干沉降，在高濕條件下細顆粒物吸濕增長從而沉降去除，因此相比于粗顆粒物，濕地對綠地中細顆粒物濃度的影響范圍更大。

5 結(jié)論

城市湖泊濕地周邊500 m緩沖區(qū)建成環(huán)境對空氣PM10、PM2.5濃度影響的關(guān)鍵影響因子構(gòu)建的LUR模型具有一定的可行性。

空氣相對濕度、測點周邊水體面積、葉面積指數(shù)、距湖泊濕地邊界距離、非硬質(zhì)下墊面面積、緩沖區(qū)道路長度變量對空氣PM10、PM2.5濃度的影響顯著(P＜0.05)。

城市湖泊濕地對周邊建成環(huán)境喬灌草、喬草、灌草和草坪結(jié)構(gòu)綠地空氣PM10、PM2.5的影響顯著，其中大面積湖泊濕地對空氣PM2.5的影響范圍大且作用明顯。

近湖泊濕地邊界灌草、草坪結(jié)構(gòu)綠地表現(xiàn)出較低的空氣PM10、PM2.5濃度，但不同結(jié)構(gòu)綠地不同時段空氣PM10、PM2.5濃度未表現(xiàn)出顯著相關(guān)性(P＞0.05)。