摘要：本文以福建省福州市西三環(huán)快速路為實(shí)驗(yàn)靶區(qū)，收集顆粒物濃度（PM2.5、BC）、交通量、氣象等數(shù)據(jù)，解析路側(cè)綠化帶前后顆粒物濃度的變化特征及原因，進(jìn)而提出能夠最大化減少路側(cè)慢行道大氣顆粒污染的綠地配置方案。研究結(jié)果為：（1）路側(cè)大氣顆粒物隨著遠(yuǎn)離主干道總體呈現(xiàn)衰減趨勢(shì)；交通早高峰時(shí)段的顆粒物濃度普遍高于晚高峰時(shí)段；相較于其他風(fēng)向（風(fēng)平行于道路以及風(fēng)由干道吹向綠化帶），風(fēng)由干道吹向綠化帶時(shí)，綠化帶后顆粒物濃度水平更低。（2）道路綠化帶稠密區(qū)前后的顆粒物濃度相較于稀疏區(qū)的降幅更大；在慢行道上，植被后顆粒物濃度隨著垂直高度增加而減少。（3）基于ENVI?met數(shù)值模擬分析得出，路側(cè)首層綠化帶為行道樹 樹籬、第二層綠化帶為單一行道樹的植物配置方案能最大化減少慢行道顆粒物濃度；隨著行道樹間距的增加，散步道PM2.5濃度先降低后增加，6m為理想行道樹間距。為了最大化減少慢行道出行者的污染風(fēng)險(xiǎn)，慢行者應(yīng)盡量避免在繁忙的高峰時(shí)段出行，同時(shí)靠右行走，減少與機(jī)動(dòng)車排放源的距離。此外，道路綠化設(shè)施的布設(shè)應(yīng)綜合考慮當(dāng)?shù)刂鲗?dǎo)風(fēng)向、植被物種配置、植被間距以及綠化設(shè)施間的橫向距離。

關(guān)鍵詞：大氣顆粒物；道路綠地；氣象因子；ENVI?met

中圖分類號(hào)：X51"""""""""""""""""""""""""""""""""""" 文獻(xiàn)標(biāo)識(shí)碼：A"""""""""""""""""""""""""""""""""" 文章編號(hào)：1673?6478（2023）03-0145-08

Simulation of the Response of Green Space to the Dispersion of Atmospheric Particulate Matter from the Road

WU Jie ZHANG Huawei LIN Aili WEI Lin CHEN Shuting HU Xisheng WANG Zhanyong

（1. College of Transportation and Civil Engineering， Fujian Agriculture and Forestry University， Fuzhou Fujian 350108， China; 2. School of Civil Engineering， Fuzhou University， Fuzhou Fujian 350108， China）

Abstract： The West Third Ring Expressway in Fuzhou City， Fujian Province was taken as the experimental target area， and particulate matter concentration （PM2.5， BC） ， traffic volume， meteorology and other data were collected. The variation characteristics and causes of particulate matter concentration before and after the roadside green belt were analyzed， and then a green space configuration scheme that can minimize the atmospheric particulate pollution of roadside slow lanes was proposed. The main research results are as follows ： （1） The roadside atmospheric particulate matter shows an overall attenuation trend with the distance from the main road; the concentration of particulate matter in the morning rush hour is generally higher than that in the evening rush hour. Compared with other wind directions （wind parallel to the road and wind from the main road to the green belt） ， the concentration of particulate matter after the green belt is lower when the wind blows from the main road to the green belt. （2） The concentration of particulate matter before and after the dense area of the road green belt decreased more than that in the sparse area; on the slow lane， the concentration of particulate matter after vegetation decreases with the increase of vertical height. （3） Based on the numerical simulation analysis of ENVI ? met， it is concluded that the plant configuration scheme of the first green belt of the roadside with street tree hedgerow and the second green belt with a single street tree can maximize the reduction of the slow street particulate matter concentration; with the increase of street tree spacing， the PM2.5 concentration of the walking path decreases first and then increases， and the ideal tree spacing is 6m. In order to minimize the pollution risk of slow?moving travelers， chronic people should try to avoid traveling during busy peak hours and walk on the right to reduce the distance from motor vehicle emission sources. In addition， the layout of road greening facilities should comprehensively consider the local dominant wind direction， vegetation species configuration， vegetation spacing and lateral distance between greening facilities.

Key words： atmospheric particulate matter; road green space; meteorological factors; ENVI?met

0 引言

近年來，交通污染隨著經(jīng)濟(jì)的發(fā)展而愈發(fā)嚴(yán)重，根據(jù)生態(tài)環(huán)境部發(fā)布的《中國生態(tài)環(huán)境狀況公報(bào)》，全國超半數(shù)城市重度污染[1]。高濃度的交通顆粒物給沿線通勤和居住的人們帶來不可忽視的健康風(fēng)險(xiǎn)[2?3]。而源頭減排并非一日之功，因此以降低道路人群的污染風(fēng)險(xiǎn)為目標(biāo)的交通顆粒物末端治理研究顯得尤為重要。道路綠化作為路上常見的景觀，起著調(diào)節(jié)和優(yōu)化城市生態(tài)環(huán)境的作用，可考慮作為一種安全、有效、符合自然規(guī)律的防控大氣顆粒物污染的手段。綠化的降污性能在學(xué)術(shù)界被廣泛討論，但其防控效果受諸多因素共同耦合影響具有不確定性，仍需不斷探索和深入研究[2，4?6]。

PM2.5指的是空氣動(dòng)力學(xué)直徑 2.5 的顆粒物，是影響空氣環(huán)境質(zhì)量的主要污染物，而一些研究認(rèn)為道路交通是PM2.5的主要來源[7]，除此之外，黑碳（Black Carbon，BC）也是道路交通排放的主要顆粒物之一，其來源主要為柴油車排放[8]。BC直徑更小，且容易攜帶各種化合物，比PM2.5對(duì)人體的危害性更大。置身于相關(guān)的高濃度交通顆粒物環(huán)境，即使是短暫停留，也會(huì)對(duì)出行人群產(chǎn)生不良的健康影響，包括心血管疾病、哮喘和肺癌等疾病。

較多研究關(guān)注綠色植物對(duì)大氣顆粒物的影響并獲得諸多發(fā)現(xiàn)，如綠色植物有利于空氣質(zhì)量的改善和提高[9]，綠化帶的寬度、長度、高度、LAI、植物種類的配置結(jié)構(gòu)、植被密集程度也是影響綠色植物削減大氣顆粒物濃度效果的因素[10?16]，綠地復(fù)合配置模式比單一配置模式下空氣顆粒物濃度穩(wěn)定程度高[17]，道路綠化帶斷面形式：兩板三帶式、四板五帶式綠化消減效果最佳[18]，但這些研究發(fā)現(xiàn)常見大氣污染檢測(cè)主要依賴于稀疏的地面站監(jiān)測(cè)系統(tǒng)，難以捕捉到特定區(qū)域下微環(huán)境交通污染數(shù)據(jù)，無法對(duì)微環(huán)境空氣進(jìn)行評(píng)價(jià)和防控決策。且過往國內(nèi)許多關(guān)于交通污染與綠化設(shè)計(jì)結(jié)合的研究只停留在統(tǒng)計(jì)分析的層面而涉及仿真模型層面較少，因此提出的綠化設(shè)計(jì)措施較宏觀模糊，難以得出最佳的綠化設(shè)計(jì)策略使得污染防控效果最佳。

本研究在綜合國內(nèi)外學(xué)者研究成果基礎(chǔ)上，在福州市倉山區(qū)三環(huán)快速路上用粉塵儀和黑碳儀，采取對(duì)照方法，將儀器安置在不同高度，不同位置上，采集PM2.5（Fine Particulate Matter，PM2.5）和黑碳（Black Carbon，BC）樣本數(shù)據(jù)，以期探討道路綠化帶前后交通污染的時(shí)空分布差異及其決定性的影響因素，風(fēng)向和交通時(shí)段變化情況下對(duì)顆粒物分布的影響以及通過ENVI?met模擬在道路不同風(fēng)向情景下，最大化減少慢行道顆粒物污染的綠地配置方案。

1 數(shù)據(jù)與方法

1.1 實(shí)驗(yàn)方案

本研究以福建省福州市西三環(huán)快速路為實(shí)驗(yàn)靶區(qū)，選取福建農(nóng)林大學(xué)西門至洪塘新城沿江側(cè)部分路段開展定點(diǎn)測(cè)量。綠地植物主要為香樟樹、株櫻花、灰莉、石楠、杜鵑五種類型。綠化類型、尺寸見表1。監(jiān)測(cè)點(diǎn)設(shè)置在上述的實(shí)驗(yàn)區(qū)域內(nèi)，測(cè)量對(duì)象分為PM2.5、BC、交通量和氣象數(shù)據(jù)。根據(jù)道路綠化帶的植被豐度將實(shí)驗(yàn)路段劃分為兩個(gè)區(qū)域，即植被豐度相對(duì)較高的測(cè)量區(qū)和植被豐度相對(duì)較低的參照區(qū)，兩處相距102m，測(cè)量區(qū)和參照區(qū)各布置7個(gè)監(jiān)測(cè)點(diǎn)（圖1左），共14個(gè)監(jiān)測(cè)點(diǎn)（A、B、C1、C2、D1、D2、D3及a、b、c1、c2、d1、d2、d3），監(jiān)測(cè)點(diǎn)周圍無高大建筑物。各監(jiān)測(cè)點(diǎn)位的測(cè)量高度設(shè)置如下：A（a）、B（b）、C1（c1）測(cè)量高度接近于路側(cè)綠化帶高度的2/3處，即0.8m；C2（c2）和人行道D1（d1）監(jiān)測(cè)點(diǎn)高度設(shè)定為人均呼吸高度1.5m，D2（d2）和D3（d3）則是在原有位置D1（d1）上增加垂直測(cè)量高度，分別為2m和3m。在測(cè)量區(qū)旁的過街天橋上布設(shè)攝像機(jī)及氣象儀收集路段交通量和氣象參數(shù)。

實(shí)驗(yàn)利用兩臺(tái)TSI SidePak AM510顆粒物檢測(cè)儀同步記錄測(cè)量區(qū)和參照區(qū)PM2.5質(zhì)量濃度，采用microAeth Model AE51黑碳儀監(jiān)測(cè)測(cè)量區(qū)BC質(zhì)量濃度，并同步使用KESTREL 5500氣象儀收集路段風(fēng)向、風(fēng)速、氣溫、相對(duì)濕度、大氣壓強(qiáng)等氣象數(shù)據(jù)并同步架設(shè)大疆云臺(tái)相機(jī)，記錄三環(huán)快速路干道和輔道的交通流量。

以測(cè)量區(qū)為例，每個(gè)時(shí)段測(cè)量方法如下：首先將TSI SidePak AM510和microAeth Model AE51啟動(dòng)并擺放在A點(diǎn)位，實(shí)驗(yàn)人員按照實(shí)驗(yàn)方案用三腳架固定各個(gè)點(diǎn)位高度，每個(gè)點(diǎn)位測(cè)量5分鐘，按A→B→C1?→C2→D1→D2→D3→D2→D1→C2→C1→B順序進(jìn)行測(cè)量。在顆粒物測(cè)量期間，同步在附近的人行天橋上架設(shè)KESTREL 5500氣象儀測(cè)量氣象數(shù)據(jù)以及大疆云臺(tái)相機(jī)記錄實(shí)時(shí)交通量數(shù)據(jù)。實(shí)驗(yàn)共覆蓋2021年7月15日—7月17日、7月19日—7月21日共5天半，每天含早（6：00—9：00）、晚（17：30—20：30）兩個(gè)交通高峰時(shí)段，其中15日晚高峰實(shí)驗(yàn)因故缺失。

1.2 分析方法

1.2.1 數(shù)據(jù)預(yù)處理

王占永[19]等對(duì)SidePak PM2.5/PM1.0的檢測(cè)校準(zhǔn)研究中得出，該設(shè)備是根據(jù)光散射原理的激光光度計(jì)，盡管高污染天氣及測(cè)量位置對(duì)SidePak測(cè)量顆粒物濃度產(chǎn)生不同程度的影響，但是相對(duì)濕度對(duì)其影響更大。常規(guī)的濕度校準(zhǔn)公式為：

F=+?H²/（1 ? ） （1）

式中，F(xiàn)表示濕度校準(zhǔn)因子，H表示相對(duì)濕度（取值為0～1），和b分別為經(jīng)驗(yàn)參數(shù)。根據(jù)擬合，本文使用=1和b= 0.25進(jìn)行濕度校準(zhǔn)。

對(duì)于BC的結(jié)果處理，大多研究也將AE51測(cè)量噪聲歸因于高時(shí)間分辨率或低濃度樣本的影響。本文采用Hagler等提出的BC濃度樣本的降噪方法（Optimized Noise?reduction Averaging，ONA）對(duì)AE51測(cè)量樣本去噪處理[20]。ONA是用于剔除AE51測(cè)量BC污染物濃度時(shí)頻繁出現(xiàn)的負(fù)值樣本。本文選取Virkkula等基于戶外測(cè)量發(fā)展而來的一種簡(jiǎn)易方法，表達(dá)式[21]如下：

BC_corrected=[1+k× （?₀）] ×BC_measured （2）

式中，BC_corrected和BC_measured分別表示剔除LC影響后BC的校正值和原始測(cè)量值（μg/m/³）， 表示每次實(shí)驗(yàn)AE51檢測(cè)儀的初始（?₀），k 表示校正因子，即AE51 檢測(cè)儀的BC 濃度測(cè)量值與參照值（在此以AE31 設(shè)備的BC 濃度測(cè)量值為參照）的比值與AE51 檢測(cè)儀所記錄值的回歸斜率的絕對(duì)值。本文采用該方法對(duì)采集的BC 原始數(shù)據(jù)進(jìn)行平滑處理，從而減少儀器帶來的誤差。

1.2.2 模型參數(shù)與評(píng)價(jià)

利用EMVI?met模擬不同植被類型、行道樹間距下PM_2.5分布情況以期得到最大化減少慢行道顆粒物污染的綠地配置模式，模型構(gòu)建流程圖見圖2。首先輸入地理坐標(biāo)、模擬時(shí)間等對(duì)網(wǎng)格進(jìn)行設(shè)置并輸入氣象數(shù)據(jù)、污染源特征數(shù)據(jù)（表2），隨后在首層綠化帶結(jié)構(gòu)配置不變的基礎(chǔ)上，對(duì)第二層綠化帶進(jìn)行植被類型、行道樹間距的設(shè)置并以此構(gòu)建7種模型（表3）并輸出人行道PM_2.5濃度的空間分布情況。

將實(shí)測(cè)的數(shù)據(jù)與模擬的數(shù)據(jù)進(jìn)行對(duì)比，選取測(cè)量點(diǎn)A、B、C1、C2、D1 共5 個(gè)測(cè)量點(diǎn)數(shù)據(jù)進(jìn)行分析。由于模型的精度限制，將模擬高度取為0.9m，提取A（22，13，0.9）、B（17，13，0.9）、C1（6，13，0.9）、C2（6，13，1.5）、D1（0，13，1.5）坐標(biāo)數(shù)據(jù)，計(jì)算實(shí)測(cè)和模擬數(shù)據(jù)的相關(guān)性系數(shù)為0.86，相關(guān)系數(shù)在0.8～1.0 是極其相關(guān)的，模型模擬可信度較高。

2 結(jié)果與討論

2.1 實(shí)驗(yàn)期間氣象與交通狀況

實(shí)驗(yàn)期間每日氣象數(shù)據(jù)見表4，實(shí)驗(yàn)期間氣溫及風(fēng)向較為穩(wěn)定，風(fēng)向多為南風(fēng)，風(fēng)速較小。實(shí)驗(yàn)期間多有小雨。早、晚高峰時(shí)段日均小時(shí)交通量見表5，實(shí)驗(yàn)期間，早高峰汽油車日均小時(shí)交通流量較晚高峰高16.3%，但柴油車較晚高峰低86.2%。

2.2 路邊大氣顆粒物濃度時(shí)空變化特征

圖3展示了測(cè)量區(qū)和參照區(qū)各點(diǎn)位PM2.5濃度變化情況。水平方向上來看，PM_2.5與BC濃度隨著與道路排放源距離的增大而減小。測(cè)量區(qū)A、B兩點(diǎn)PM_2.5變幅為 7.56%，較參照區(qū)a、b兩點(diǎn)的 5.61%高出2.05%，而BC濃度變幅為 21.52%，證明了綠地對(duì)PM_2.5及BC濃度的削減作用，尤其BC濃度降幅更為明顯。垂直方向上，C1、C2兩點(diǎn)PM2.5濃度變幅為 10.77%，較c1、c2兩點(diǎn)變幅的 1.13%高出9.64%，再次證實(shí)植被對(duì)PM_2.5濃度的削減作用，且植被越密，削減幅度越大。對(duì)于PM_2.5濃度，C1（c1） C2（c2），D3（d3） D1（d1） D2（d2），在慢行道綠化帶后，PM_2.5濃度與高度并非呈簡(jiǎn)單的線性關(guān)系，在植被附近可能存在一流場(chǎng)使得植被后的PM2.5濃度高于其上方。而在無植被的慢行道，PM_2.5濃度呈現(xiàn)3m 1.5m 2m高度的趨勢(shì)。BC濃度呈現(xiàn)2m 3m 1.5m高度的趨勢(shì)。

?早高峰（7：00—9：00）及晚高峰（18：00—20：00）兩個(gè)時(shí)段各點(diǎn)位PM2.5、BC濃度分布見圖5、圖6。各點(diǎn)位早高峰PM_2.5濃度均高于晚高峰，而BC濃度分布卻與之相反，這與早高峰總交通量大于晚高峰，而柴油車低于晚高峰有直接的關(guān)系。對(duì)于PM_2.5，首層綠化帶在晚高峰時(shí)段的降幅效果為2.51%，接近于早高峰時(shí)段的2.58%。早高峰A點(diǎn)PM_2.5濃度較D1點(diǎn)高12.2%，晚高峰則為15.3%，早高峰PM_2.5濃度隨與排放源距離增大而衰減的效果要小于晚高峰。對(duì)于BC，首層綠化帶在晚高峰時(shí)段的降幅效果為15.25%，較早高峰時(shí)段的10.87%高出4.38%。早高峰A點(diǎn)PM_2.5濃度較D1點(diǎn)高62.2%，晚高峰則為86%，早高峰BC濃度隨與排放源距離增大而衰減的效果要小于晚高?峰。

風(fēng)向是影響大氣污染物傳輸擴(kuò)散的重要因素，比較解析頻率較高的三種風(fēng)向情景下各點(diǎn)位PM_2.5和BC濃度分布情況（圖7下）。總體來看，三種風(fēng)向情景下，各點(diǎn)位PM_2.5平均濃度呈現(xiàn)風(fēng)平行于干道 風(fēng)由干道吹向綠化帶 風(fēng)由綠化帶吹向干道的趨勢(shì)。在水平方向上，風(fēng)平行于干道，風(fēng)由干道吹向綠化帶，風(fēng)由綠化帶吹向干道三種情景下B點(diǎn)較A點(diǎn)的PM_2.5濃度降幅分別為12.93%、4%、5.2%，BC濃度降幅為21.2%、27.8%、20.2%，b點(diǎn)較a點(diǎn)PM_2.5濃度降幅為11.5%、3%、3%。三種情景下都呈現(xiàn)高密度植被對(duì)顆粒物濃度的削減效果要高于低密度植被的趨勢(shì)。此外，風(fēng)平行于干道情景下綠化帶對(duì)PM2.5濃度的削減效果最好，而風(fēng)由干道吹向綠化帶情景下綠化帶對(duì)BC濃度的削減效果最好。值得注意的是，無論何種情景下，A點(diǎn)顆粒物濃度總大于B點(diǎn)，這是因?yàn)锳點(diǎn)臨近主干道，交通顆粒物沉降于綠化帶，同時(shí)綠化帶阻隔B點(diǎn)與主干道，且B點(diǎn)臨近交通流量低的輔道，從而導(dǎo)致B點(diǎn)顆粒物濃度總低于A點(diǎn)。在垂直方向上，風(fēng)平行于干道情景下慢行道綠化帶高處（1.5m）PM_2.5濃度大于低處（0.8m），風(fēng)由綠化帶吹向干道則相反，可能是在風(fēng)作用下綠化帶沉降顆粒物導(dǎo)致。

2.3 綠化帶結(jié)構(gòu)變化對(duì)道路大氣顆粒物分布的影響

為研究綠化帶結(jié)構(gòu)變化對(duì)道路大氣顆粒物分布的影響并得出最大化減少慢行道顆粒物污染的綠地配置方案，利用ENVI?met對(duì)實(shí)驗(yàn)中綠化帶物種配置、行道樹間距進(jìn)行參數(shù)調(diào)整得到各模型PM_2.5濃度分布情況。

在首層綠化帶（A、B兩點(diǎn)間綠化帶）不變的基礎(chǔ)上對(duì)第二層綠化帶（C點(diǎn)綠化帶）進(jìn)行植被種類的調(diào)整。模型b為第二層綠化帶僅有行道樹，樹間距為3m，模型c為第二層無植被。模型a、b、c模擬后PM_2.5濃度平面分布情況見圖8。比較區(qū)域PM_2.5的濃度平均值，模型b、c的PM_2.5濃度與模型a的PM_2.5濃度相比，分別低出35.70%、34.94%，這暗示著選擇適當(dāng)?shù)闹脖婚g距以及綠化帶間橫向距離對(duì)綠化帶的降污效果有積極的作用。

為進(jìn)一步解析不同植被間距對(duì)綠化帶降污能力的影響，進(jìn)而提出最優(yōu)的植物配置方案。在首層綠化帶（行道樹 樹籬），第二層綠化帶（行道樹）的綠地植物配置方案基礎(chǔ)上，調(diào)整第二層綠化帶行道樹間距，模擬PM2.5濃度在不同行道樹間距情景下的空間變化特征。各模型PM_2.5濃度平均值變幅見表8，PM_2.5分布情況見圖9。模型b、d、e、f、g的樹間距分別為3m、4m、5m、6m、7m。模型b的PM_2.5平均濃度較模型d、e、f、g相比分別低0.31%、0.40%、0.45%、0.40%，綠化帶對(duì)PM2.5濃度的削減能力從3m至6m樹間距以此增加，6m時(shí)達(dá)到最大削減能力，而后削減能力下?降。

3 結(jié)語

本文以福州市西三環(huán)快速路為實(shí)驗(yàn)區(qū)域，開展路側(cè)綠化帶前后PM2.5和BC濃度的實(shí)地測(cè)量，分析了綠化帶前后顆粒濃度分布特征，討論了風(fēng)向、交通時(shí)段對(duì)綠化帶前后顆粒物濃度變化的影響，并基于ENVI?met模擬評(píng)價(jià)了不同綠化組合配置下道路顆粒物濃度變化的規(guī)律。主要的研究結(jié)論如下：

（1）路側(cè)大氣顆粒物濃度總體呈隨著主干道距離增大而下降的趨勢(shì)，高密度植被對(duì)顆粒物的遮擋效果要優(yōu)于低密度植被。植被附近可能存在一流場(chǎng)，使得植被后顆粒物濃度隨著垂直高度的上升而減少，至一定高度后開始增加；

（2）PM_2.5濃度隨著交通流量的增加而增大，而BC濃度受柴油車影響大，隨其數(shù)量增加而增大。相較于早高峰，顆粒物濃度隨與排放源距離的增大而減小的趨勢(shì)在晚高峰更加明顯；

（3）基于ENVI?met數(shù)值模擬分析得出，路側(cè)首層綠化帶為行道樹 樹籬、第二層綠化帶為行道樹且樹間距為3m的植物配置方案能最大化降低慢行道顆粒物濃度；樹間距隨著行道樹間距的增加，散步道PM_2.5濃度先降低后增加，行道樹間距以6m為理想樹間距。

參考文獻(xiàn)：

1. 2017年《中國生態(tài)環(huán)境狀況公報(bào)》（摘錄一） [J]. 環(huán)境保護(hù)， 2018， 46（11）： 31?38.
2. 陳曉秋， 徐亞， 蔣冬升， 等. 2011年夏冬兩季福州城區(qū)黑碳?xì)馊苣z污染特征研究[J]. 中國環(huán)境監(jiān)測(cè). 2013， 29（6）： 34?38.
3. Diener A， Mudu P. How can vegetation protect us from air pollution？ A critical review on green spaces' mitigation abilities for air?borne particles from a public health perspective ? with implications for urban planning[J]. The Science of the total environment. 2021， 796： 148605.
4. Ling Q， Fang L， Xiang Z， et al. Difference of airborne particulate matter concentration in urban space with different green coverage rates in Baoji， China[J]. International Journal of Environmental Research and Public Health. 2019， 16（8）： 14.
5. Gao T， Liu F， Wang Y， et al. Reduction of atmospheric suspended particulate matter concentration and influencing factors of green space in urban forest park[J]. Forests. 2020， 11（9）： 950.
6. Shixin D， Jiang M， Lili Z， et al. Microclimate simulation and model optimization of the effect of roadway green space on atmospheric particulate matter[J]. Environmental Pollution. 2018， 246： 932?944.
7. Karagulian F， et al. Contributions to cities' ambient particulate matter （PM）： A systematic review of local source contributions at global level[J]. Atmospheric Environment， 2015， 120： 475?483.
8. Minjares R， Blumberg K， Sanchez F P， et al. Alignment of policies to maximize the climate benefits of diesel vehicles through control of particulate matter and black carbon emissions[J]. Energy Policy， 2013， 54 ： 54?61.
9. 程立超， 駱媛媛， 彭巍， 等. 綠色植物防控大氣顆粒物研究現(xiàn)狀及防治途徑[J]. 黑河學(xué)院學(xué)報(bào)， 2021， 12（2）： 184?185.
10. 張進(jìn)， 陳健， 等. 高交通密度道路周邊喬灌草型綠地對(duì)大氣顆粒物的影響[J]. 環(huán)境污染與防治， 2019， 41（9）： 1094?1097.
11. 顧康康， 錢兆， 方云皓， 等. 基于ENVI?met的城市道路綠地植物配置對(duì)PM2.5的影響研究[J]. 生態(tài)學(xué)報(bào)， 2020， 40（13）： 4340?4350.
12. 陳博. 北京地區(qū)典型城市綠地對(duì)PM2.5等顆粒物濃度及化學(xué)組成影響研究[D]. 北京： 北京林業(yè)大學(xué)， 2016.
13. 閆秀婧， 汪浩然， 張冬有. 天水市麥積區(qū)大氣總懸浮顆粒物與綠地分布的關(guān)系研究[J]. 環(huán)境污染與防治， 2015， 37（6）： 1?4.
14. 馬克明， 殷哲， 張育新. 綠地滯塵效應(yīng)和機(jī)理評(píng)估進(jìn)展[J]. 生態(tài)學(xué)報(bào)， 2018， 38（12）： 4482?4491.
15. 張進(jìn). 杭州臨安地區(qū)不同綠地類型對(duì)大氣顆粒物的影響[D]. 杭州： 浙江農(nóng)林大學(xué)， 2018.
16. 劉浩棟. 城市道路林內(nèi)大氣顆粒物的時(shí)空變化特征[D]. 泰安： 山東農(nóng)業(yè)大學(xué)， 2017.
17. 楊貌， 張志強(qiáng)， 陳立欣， 等. 春季城區(qū)道路不同綠地配置模式對(duì)大氣顆粒物的削減作用[J]. 生態(tài)學(xué)報(bào)， 2016， 36（7）： 2076?2083.
18. 郭曉華， 戴菲， 殷利華. 基于ENVI?met的道路綠帶規(guī)劃設(shè)計(jì)對(duì)PM2.5消減作用的模擬研究[J]. 風(fēng)景園林， 2018， 25（12）： 75?80.
19. Brantley H L， Hagler G S W， Kimbrough E S， et al. Mobile air monitoring dataprocessing strategies and effects on spatial air pollution trends [J]. Atmospheric Measurement Techniques， 2014， 7： 2169?2183
20. Gayle S. W. H， Tiffany L. B. Y， Ram V， et al. Post?processing method to reduce noise while preserving high time resolution in Aethalometer real?time black carbon data[J]. Aerosol and Air Quality Research， 2011， 11（5）： 539?546.
21. Virkkula A， Makela T， Hillamo R， et al. A simple procedure for correcting loading effects of aethalometer data[J]. Journal of the Air amp; Waste Management Association， 2007， 57（10）： 1214?1222.