摘要 為探究城市帶狀綠地降減空氣顆粒物的作用機(jī)制和效應(yīng)，選取武漢市羅家港帶狀公園綠地及其周邊建成環(huán)境作為研究對象，選擇冬季天氣晴朗無風(fēng)且氣象條件相似的3 天進(jìn)行重復(fù)觀測，采用土地利用回歸（landuse regression，LUR）模型和主成分分析相結(jié)合的方法，分析冬季城市帶狀綠地對空氣PM10和PM2.5質(zhì)量濃度的降減效應(yīng)，識別其關(guān)鍵影響因素。結(jié)果顯示，基于LUR 模型得出城市帶狀綠地對空氣PM10和PM2.5的降減作用存在寬度效應(yīng)，寬度30～40 m 的綠地在冬季對空氣PM10的降減效率最顯著。同時，研究發(fā)現(xiàn)冬季城市帶狀綠地內(nèi)部的空氣PM2.5和PM10質(zhì)量濃度會出現(xiàn)高于鄰近道路位置的現(xiàn)象，空氣PM10和PM2.5在城市帶狀綠地內(nèi)存在明顯的積聚效應(yīng)。結(jié)果表明，城市帶狀綠地對空氣PM10和PM2.5的降減作用會受到周邊交通污染排放的干擾，不同寬度帶狀綠地創(chuàng)造的微氣象條件也會對空氣PM10和PM2.5的質(zhì)量濃度產(chǎn)生一定影響。

關(guān)鍵詞 城市帶狀綠地； 寬度效應(yīng)； 空氣顆粒物； LUR 模型； 城市交通

中圖分類號 X513 文獻(xiàn)標(biāo)識碼 A 文章編號 1000-2421（2024）06-0150-11

近年來，隨著城市化進(jìn)程的加快，各類環(huán)境問題日顯嚴(yán)峻，其中空氣污染問題尤為突出［1］。直徑為10、2.5 μm 的顆粒物（PM10 和PM2.5）可影響人類健康，引起心血管、肺部疾病的發(fā)生［2］。在城市建成環(huán)境中，汽車尾氣排放、行駛過程中揚(yáng)塵及輪胎磨損物等構(gòu)成了空氣PM2.5 和PM10 顆粒物的主要來源［3］。研究表明，車流量和車速是影響空氣顆粒物濃度的主要因素，且對空氣PM2.5 的影響尤為顯著［4］。此外，氣象因素也會通過改變局地小氣候條件從而影響空氣PM2.5和PM10質(zhì)量濃度［5］。同時，在交通污染排放和局地氣候因素的共同作用下，空氣顆粒物濃度呈現(xiàn)明顯的日變化和季節(jié)變化［6-7］。

城市沿路帶狀綠地可以有效攔截、吸附和沉降空氣顆粒物，降低空氣顆粒物濃度［8-9］。隨著帶狀綠地寬度的增加，空氣PM2.5和PM10質(zhì)量濃度呈現(xiàn)明顯下降趨勢［10-11］。然而，城市帶狀綠地的功能發(fā)揮并不是在孤立系統(tǒng)中運(yùn)行，會受到周邊建成環(huán)境和局地氣候因素的干擾。已有相關(guān)研究表明，城市交通密度、道路長度、交通流量、土地利用等因素顯著影響城市建成環(huán)境的空氣顆粒物污染狀況［12］。李新宇等［11］對北京市不同寬度綠地內(nèi)空氣PM2.5進(jìn)行監(jiān)測，結(jié)果表明無污染或輕度污染時綠地降減空氣PM2.5效果顯著，而重度污染時效果不顯著。萬好等［10］對4種不同結(jié)構(gòu)道旁綠地內(nèi)空氣PM2.5和PM10進(jìn)行監(jiān)測，當(dāng)寬度在15～25 m 時，綠地能較好地消減空氣中的細(xì)微顆粒物。為了進(jìn)一步實現(xiàn)城市帶狀綠地降減空氣顆粒物效應(yīng)的模型化表達(dá)，實現(xiàn)在復(fù)雜的城市建成環(huán)境現(xiàn)實條件下精準(zhǔn)量化城市帶狀綠地的生態(tài)效應(yīng)，本研究基于土地利用回歸（land use regression，LUR）模型，選取距最近道路距離（distance to thenearest road，Dntr）、距最近主干道距離（distance tothe nearest primary distributor road，Dptr）、距最近路口的距離（distance to the road junction，Djtr）、距公交車站距離（distance to the bus stop，Dbs）、綠地寬度（green space width，Wg）、距水體距離（distance to thewater，Dw）、溫度（temperature，T）、濕度（relative hu‐midity，Hr）和風(fēng)速（wind speed，Sw）作為影響變量，量化分析武漢城市沿路帶狀綠地降減空氣PM2.5 和PM10的綜合效應(yīng)及關(guān)鍵影響因子，探明交通污染源、自然要素和氣象因素對降減空氣PM2.5和PM10的整體影響，以期為城市帶狀綠地建成環(huán)境的規(guī)劃與保護(hù)提供重要的理論與實踐指導(dǎo)。

1 材料與方法

1.1 研究區(qū)概況

湖北省武漢市（29° 58′N～31° 22′N，113° 41′E～115°05′E）地處長江中下游，屬亞熱帶季風(fēng)性濕潤氣候，冬季寒冷潮濕，夏季炎熱多雨，四季分明。根據(jù)《2022年武漢市生態(tài)環(huán)境狀況公報》，2022年全市環(huán)境空氣質(zhì)量優(yōu)良天數(shù)294 d，輕度污染59 d，中度污染11 d，重度污染1 d，空氣質(zhì)量優(yōu)良率80.5%。2022 年平均空氣PM2.5 質(zhì)量濃度為35 μg/m3，年平均空氣PM10質(zhì)量濃度為55 μg/m3?？諝釶M2.5和PM10質(zhì)量濃度的月均值呈現(xiàn)出季節(jié)性特征，冬季污染最為嚴(yán)重。本研究選取武漢市主城區(qū)內(nèi)羅家港帶狀綠地為研究對象，該綠帶長約760 m，寬25～105 m，占地面積5.55 hm2，一側(cè)緊鄰車流量較大的交通主干道，另一側(cè)臨水（圖1）。

1.2 數(shù)據(jù)來源

本研究選取6 處不同寬度（20、30、40、50、60、70m）的帶狀綠地作為研究對象。針對每一寬度帶狀綠地，距帶狀綠地邊界20 m 以內(nèi)每隔5 m 布置1 個監(jiān)測點(diǎn)，其余位置每隔10 m 布置1 個測點(diǎn)，每個監(jiān)測點(diǎn)都位于喬草結(jié)構(gòu)的綠地內(nèi)，植物種類構(gòu)成相似，共計54個監(jiān)測點(diǎn)，其中兩側(cè)監(jiān)測點(diǎn)分別位于人行道與帶狀綠地的交界處、水體與綠地的交界處（圖1）。

空氣PM2.5和PM10質(zhì)量濃度、空氣溫濕度、風(fēng)速等數(shù)據(jù)，采取定量監(jiān)測方式獲取。測量時間選取空氣污染嚴(yán)重的冬季（2024 年1 月），選擇天氣晴朗無風(fēng)且氣象條件相似的3 d 進(jìn)行重復(fù)測量。所有監(jiān)測均在距離地面1.5 m 的呼吸高度進(jìn)行。測量時間為08：00—09：00，12：00—13：00，16：00—17：00 三個時間段，同一時間段在各測點(diǎn)內(nèi)對每個測量指標(biāo)進(jìn)行3次重復(fù)計數(shù)以取平均值。使用2025 型PM2.5/PM10手持式在線直讀監(jiān)測儀（嶗應(yīng)，山東青島嶗山應(yīng)用技術(shù)研究所）對空氣PM2.5和PM10質(zhì)量濃度進(jìn)行監(jiān)測，儀器可測范圍為1～1 000 μg/m3，分辨率為0.1 μg/m3，測量精度為10%；采用Testo610 手持式溫濕度儀（Testo，Germany）對空氣溫度和相對濕度進(jìn)行監(jiān)測，儀器可測量的溫度范圍為? 10～50 ℃ ，分辨率為0.1 ℃，相對濕度范圍為0%～100%，分辨率為0.1%。風(fēng)速由Testo410 風(fēng)速儀（Testo，Germany）測量，測量范圍為0～20 m/s，分辨率為0.1 m/s。

關(guān)于交通污染源變量和自然要素變量，結(jié)合Google Earth 影像與實地測繪獲取，包括Dntr、Dptr、Djtr、Dbs、Wg和Dw。

1.3 土地利用回歸模型

通過建立空氣污染物監(jiān)測數(shù)據(jù)與周圍土地利用、交通污染源之間的統(tǒng)計關(guān)系，綜合利用土地利用回歸與地理信息系統(tǒng)（geographic information system，GIS）的技術(shù)手段，能夠預(yù)測出未監(jiān)測地點(diǎn)的污染物濃度［13］。近年來，LUR 模型已被證實是預(yù)測城市空氣顆粒物濃度的一種有效工具［14-15］，并在城市綠地降減空氣顆粒物的研究中得到廣泛的應(yīng)用［16-17］。武漢市空氣顆粒物的主要來源是汽車排放（27.1%）、二次硫酸鹽和硝酸鹽氣溶膠（26.8%）、工業(yè)排放（26.4%）和生物質(zhì)燃燒排放（19.6%）［18］。本研究區(qū)域及周邊沒有工業(yè)排放和生物質(zhì)燃燒，交通排放是此研究區(qū)域中空氣顆粒物的主要來源。本研究同步監(jiān)測周邊主要干道連續(xù)3 d（D1—D3）的車流量數(shù)據(jù)（08：00、12：00 和16：00，分別進(jìn)行3 min 記錄統(tǒng)計）（圖2）。在LUR 模型中，選擇Dntr、Dptr、Djtr 和Dbs作為交通污染源變量，選擇Wg和Dw作為自然要素變量，氣象因素變量包括T、Hr和Sw（圖3）。

同時，采用留一法交叉驗證（leave-one-out crossvalidation，LOOCV）LUR 模型的可行性［12］。在所有n 個樣本中每次提取1 個樣本用于驗證，其余n?1 個樣本用于模型訓(xùn)練，用所排除的樣本驗證模型的精度；交叉驗證重復(fù)n 次，每個子樣本驗證1 次［19］。通過方差膨脹因子（variance inflation factor，VIF）和杜賓沃森（Durbin-Watson，DW）指數(shù)來判定LUR 模型變量是否存在共線性，VIF 是用于衡量估計回歸系數(shù)的方差因共線性增加程度的指數(shù)，它被廣泛用于衡量回歸模型中第1 個自變量與其他自變量的多重共線性程度［12， 20］。

1.4 主成分分析

LUR 模型可結(jié)合主成分分析，通過確定合適的輸入變量來提高預(yù)測性能［21］。采用主成分分析可將9 個變量的數(shù)據(jù)集簡化為更小的變量集。采用方差旋轉(zhuǎn)法以確保各個變量與特定成分的相關(guān)性最大化，而與其他成分的相關(guān)性最低。根據(jù)表1 中的總方差解釋，提取了3 個特征值大于1 的成分，占總方差的82.3%。變量在旋轉(zhuǎn)成分中的載荷分布見表1。

1.5 PM比值

通過引入綠地內(nèi)外空氣顆粒物濃度的比值（PM 遠(yuǎn)離污染源/PM 靠近污染源）可評估綠地改善空氣質(zhì)量的能力［22］。本研究采用帶狀綠地遠(yuǎn)離污染源和靠近污染源測點(diǎn)的空氣PM 值來計算PM 比值，利用PM比值進(jìn)行曲線估算，得出最佳擬合方程。

1.6 數(shù)據(jù)分析

利用SPSS 17.0 建立LUR 模型，并分析城市帶狀綠地、交通污染和氣象因素對空氣PM2.5和PM10的影響。使用R 軟件corr 包量化不同寬度綠地內(nèi)空氣PM2.5和PM10質(zhì)量濃度和各自變量的相關(guān)系數(shù)，確定主要影響變量。對每個測量參數(shù)的平均值、變異性、標(biāo)準(zhǔn)偏差和回歸進(jìn)行描述性統(tǒng)計分析。利用Origin分析空氣PM10 和PM2.5 的季節(jié)變化和日變化規(guī)律，以及不同寬度綠地內(nèi)空氣PM2.5和PM10的空間分布模式。

2 結(jié)果與分析

2.1 LUR 模型中自變量特征描述

LUR 模型中，交通污染源、自然要素和氣象因素變量的主成分分析結(jié)果如圖4 所示，前2 個成分對總方差的解釋率為71.2%。其中，第1 個成分包括變量Dntr、Dbs、Wg和T；第2 個成分包括變量Dptr、Dw和Sw。其中，20、30、40 m 寬度的帶狀綠地受變量Dntr、Djtr、Dptr和Dbs牽引較強(qiáng)。

2.2 LUR模型的建立

將交通污染源、自然要素和氣象因素變量依次引入LUR 模型，建立空氣PM10和PM2.5的3 類模型。單獨(dú)引入交通污染源變量建立模型1，引入交通污染源變量和自然要素變量建立模型2，在模型3中綜合考慮交通污染源變量、自然要素變量和氣象因素變量，以明確3類變量對空氣PM10和PM2.5模型的綜合貢獻(xiàn)水平（圖5）。在PM2.5 LUR 模型中，采用交通污染源變量為自變量時，空氣PM2.5模型R2為0.290，主要預(yù)測變量為Dntr、Dptr、Dbs。將自然要素變量引入模型時，模型R2為0.268，其主要預(yù)測變量為Dw。將交通污染源變量、自然要素變量、氣象因素變量全部作為自變量時，氣象因素變量T 和Sw 進(jìn)入模型，調(diào)整后R2 為0.337，模型主要預(yù)測變量為Dntr、Dptr、Dbs、Sw和T。交通污染源變量和氣象因素變量分別貢獻(xiàn)了72.7% 和27.3%，其中Dbs變量貢獻(xiàn)最大，達(dá)到26.2%。

在PM10 LUR 模型中，采用交通污染源變量為自變量時，冬季PM10模型R2為0.103，主要預(yù)測變量為Dntr 和Dbs。將自然要素變量引入模型時，模型R2 為0.137，其主要預(yù)測變量為Dptr、Djtr、Dw和Wg。將交通污染源變量、自然要素變量、氣象因素變量全部作為自變量時R2 為0.495，模型主要預(yù)測變量為Dptr、Dw、Sw 和T。交通污染源變量、自然要素變量和氣象因素變量分別貢獻(xiàn)了30.8%、18.2% 和51.1%，其中Dptr 變量貢獻(xiàn)最大，達(dá)到30.8%。

可見交通污染源、自然要素和氣象因素均對冬季空氣PM2.5和PM10模型具有重要作用。在LUR 模型中，自然要素和氣象因素變量對空氣PM10的影響大于空氣PM2.5，而交通污染源變量對空氣PM2.5 的影響更明顯。

由表2 可知，所有模型的預(yù)測因子都通過了t 檢驗和F 檢驗，P 值均小于0.05；VIF 小于10，表明模型預(yù)測變量之間不存在多重共線性；DW 指數(shù)表明模型中不存在空間自相關(guān)性。綜合來看，模型3 的預(yù)測能力最強(qiáng)，冬季空氣PM2.5 和PM10 的LOOCV 調(diào)整后R2分別為0.916 和0.907。

2.3 不同寬度帶狀綠地內(nèi)各自變量對空氣PM2.5和PM10影響

為解釋帶狀綠地和周邊環(huán)境對空氣PM10 和PM2.5 的綜合影響，對城市帶狀綠地空氣PM10 和PM2.5與模型各自變量進(jìn)行相關(guān)性分析（圖6）。結(jié)果表明，綠地20、30、50 m 寬度處空氣PM2.5 和PM10 與各自變量無顯著相關(guān)關(guān)系。綠地寬度40 m 處，空氣PM10 與變量Dptr、Dntr、Dbs 和Djtr 呈顯著負(fù)相關(guān)，與變量Dw 呈顯著正相關(guān)。而在綠地60、70 m 寬度處，空氣PM2.5 和PM10 與變量Dptr、Dntr、Dbs 和Djtr 呈顯著正相關(guān)，與變量Dw 顯著負(fù)相關(guān)。此外，在綠地60 m 寬度處，空氣PM2.5和PM10與變量Hr呈顯著負(fù)相關(guān)，但在綠地70 m 寬度處空氣PM2.5和PM10與變量Hr呈顯著正相關(guān)?？梢?，交通污染源和自然要素變量對帶狀綠地空氣PM2.5和PM10質(zhì)量濃度影響較顯著，而氣象因素變量的影響較小。

2.4 不同寬度帶狀綠地內(nèi)空氣PM2.5和PM10質(zhì)量濃度和作用范圍

冬季連續(xù)3 d 重復(fù)觀測不同寬度帶狀綠地空氣PM2.5和PM10質(zhì)量濃度的變化趨勢如圖7 所示，空氣PM2.5質(zhì)量濃度表現(xiàn)出隨綠地寬度增加波動下降的變化規(guī)律?？諝釶M2.5 質(zhì)量濃度最高發(fā)生在綠地寬度30 m 處，平均值為74.5 μg/m3，質(zhì)量濃度最低發(fā)生在40 m 處，平均值為72.2 μg/m3?？諝釶M10 質(zhì)量濃度在冬季3 d 的監(jiān)測中表現(xiàn)出一致的變化趨勢，但不同綠地寬度內(nèi)PM10 質(zhì)量濃度差異比PM2.5 更明顯；PM10質(zhì)量濃度最高發(fā)生在綠地寬度60 m 處，平均值為109.4 μg/m3；綠地寬度50 m 處PM10 質(zhì)量濃度最低，平均值為99.1 μg/m3。

城市帶狀綠地內(nèi)空氣PM2.5和PM10質(zhì)量濃度隨距交通污染源距離的增大總體呈現(xiàn)先上升后下降的趨勢（圖8）。其中，綠地15、25 m 寬度為2 個關(guān)鍵節(jié)點(diǎn)。對于空氣PM2.5，在60 m 寬度綠地中，距交通污染源距離0～15 m 時，空氣PM2.5 質(zhì)量濃度變化較平緩，而在15 m 之后質(zhì)量濃度顯著升高。在40 m 寬度綠地中，發(fā)現(xiàn)在距交通污染源25 m 處測得的空氣PM2.5 質(zhì)量濃度顯著低于其他測點(diǎn)。對于空氣PM10發(fā)現(xiàn)了相似的規(guī)律，即在距離道路污染源15、25 m 處的測點(diǎn)測得的空氣PM10 質(zhì)量濃度顯著低于其他測點(diǎn)。

2.5 不同寬度帶狀綠地內(nèi)空氣PM2.5和PM10比值效應(yīng)

距污染源較遠(yuǎn)的測點(diǎn)空氣PM2.5和PM10質(zhì)量濃度與距污染源較近的測點(diǎn)空氣PM2.5和PM10質(zhì)量濃度的比值可評估帶狀綠地對空氣PM2.5和PM10降減作用的強(qiáng)度（圖9）。冬季空氣PM10 和PM2.5 的比值呈現(xiàn)出類似的變化規(guī)律，隨著綠地寬度的增加，PM比值呈現(xiàn)先降低再升高的變化趨勢，PM 比值的最低點(diǎn)出現(xiàn)在綠地寬度的30～40 m，對于空氣PM10來說，在綠地寬度達(dá)到70 m 后PM 比值趨于穩(wěn)定，而PM2.5的比值在達(dá)到70 m 寬度后仍在升高?？梢?，帶狀綠地對空氣PM2.5和PM10的減緩存在一個寬度效應(yīng)，寬度30～40 m 的綠地對空氣PM10的降減效率最顯著。由空氣PM2.5和PM10比值可以看出，其他綠地寬度內(nèi)空氣PM2.5和PM10質(zhì)量濃度高于綠地邊界處，說明城市帶狀綠地對空氣PM2.5 和PM10 具有明顯的積聚效應(yīng)。

2.6 不同寬度帶狀綠地內(nèi)PM2.5和PM10日變化

不同時段帶狀綠地空氣PM2.5和PM10質(zhì)量濃度的變化趨勢如圖10 所示。對于空氣PM2.5，當(dāng)綠地寬度40～60 m 時，空氣PM2.5質(zhì)量濃度在12：00—13：00時段最高，而在16：00—17：00 時段降至最低。而對于其他綠地寬度，空氣PM2.5 質(zhì)量濃度最高的時間段為08：00—09：00，在16：00—17：00 時間段最低。對于空氣PM10，當(dāng)綠地寬度40 m 時，空氣PM10質(zhì)量濃度在12：00—13：00 時段最高，在16：00—17：00時段降至最低。對于其他綠地寬度，空氣PM10質(zhì)量濃度最高的時間段為08：00—09：00，16：00—17：00時間段空氣PM10質(zhì)量濃度最低。

同時，在帶狀綠地寬度為20 m 的區(qū)域，空氣PM2.5和PM10質(zhì)量濃度的日較差最顯著，分別為16.8μg/m3 和23.2 μg/m3。此外，在不同的時間段，綠地內(nèi)空氣PM2.5 和PM10 質(zhì)量濃度存在顯著差異。在08：00—09：00 時間段，40 m 寬度綠地空氣PM2.5 質(zhì)量濃度顯著低于其他寬度綠地，而在16：00—17：00時間段顯著高于其他寬度綠地；對于空氣PM10，也發(fā)現(xiàn)相似的規(guī)律。

3 討論

根據(jù)城市建成環(huán)境中的3 類變量：交通污染源、自然要素和氣象因素變量，本研究基于LUR 模型化分析了城市帶狀綠地對空氣PM2.5 和PM10 的影響。結(jié)果表明：（1）成功建立了城市帶狀綠地降減空氣PM10和PM2.5的LUR 模型，調(diào)整后R2分別為0.495 和0.337。（2）帶狀綠地對空氣PM10和PM2.5的降減作用存在寬度效應(yīng)，30～40 m 寬度的綠地在冬季對空氣PM10的減緩作用顯著。但在其他綠地寬度處，存在綠地內(nèi)部空氣PM2.5和PM10質(zhì)量濃度高于綠地邊界處的現(xiàn)象，可見一定寬度的城市沿路帶狀綠地會導(dǎo)致PM2.5 和PM10 的累積，避免污染物擴(kuò)散到其他區(qū)域。（3）城市帶狀綠地降減空氣PM2.5和PM10質(zhì)量濃度在一天內(nèi)的不同時間段存在差異；在帶狀綠地寬度為20 m 的區(qū)域，空氣PM2.5 和PM10 質(zhì)量濃度的日較差最顯著分別為16.8、23.2 μg/m3。

3.1 空氣PM10和PM2.5 LUR模型的建立

本研究構(gòu)建LUR 模型，分析城市帶狀綠地影響空氣PM2.5 和PM10 質(zhì)量濃度空間分布的綜合效應(yīng)。研究發(fā)現(xiàn)變量Dntr、Dptr、Dbs、T 和Sw是影響空氣PM2.5質(zhì)量濃度的重要影響因素（圖11）。在相關(guān)性分析中，變量Dntr、Dptr、Dbs 與空氣PM2.5 質(zhì)量濃度有明顯的相關(guān)性。對于空氣PM10，變量 Dptr、Dw、T 和Sw 是影響空氣PM10質(zhì)量濃度的重要影響因素。變量Dptr和Dw與空氣PM10質(zhì)量濃度相關(guān)性顯著。

相比于PM10，空氣PM2.5容易受到氣象因素的影響［23］，空氣PM10 與自然要素的相關(guān)性更為顯著，且更易于預(yù)測。在城市環(huán)境中，空氣PM2.5由污染源直接排放或者由氣體凝聚的二次氣溶膠形成，空間分布通常比較均勻［24］。因此，空氣PM2.5 與包含Dntr、Dptr、Djtr、Dbs在內(nèi)的各種交通污染源變量相關(guān)性更顯著，尤其是Dbs，在冬季空氣PM2.5的LUR 模型中貢獻(xiàn)水平較高。由于在公交車站附近，車輛的頻繁剎車和輪胎磨損會產(chǎn)生大量的細(xì)顆粒物，導(dǎo)致變量Dbs成為LUR 模型中的主導(dǎo)因素。對于空氣PM10，Dw 為LUR 模型中的重要變量。在周圍水體和綠地創(chuàng)造的高濕度條件下，空氣顆粒物更易沉降；樹葉的粘性更大，更容易積聚和吸附空氣PM10［25］。

交通路口是空氣污染源的重點(diǎn)區(qū)域，公交車站的位置也是影響空氣顆粒物濃度的主要環(huán)境因素之一［26］。本研究中交通污染源變量與空氣PM2.5 和PM10顯示出較強(qiáng)的相關(guān)性，變量Dbs、Djtr、Dptr、Dntr與空氣PM2.5和PM10質(zhì)量濃度呈顯著相關(guān)。

前期研究強(qiáng)調(diào)了由綠地和水體組成的城市自然要素對通過干沉降降減空氣顆粒物的影響［27］。本研究中，觀察到變量Dw與冬季40 m 寬度的綠地內(nèi)空氣PM2.5和PM10呈顯著正相關(guān)。相關(guān)研究表明，隨著水體周圍相對濕度的增加，空氣顆粒物的沉積速度也會大幅增加［28］。此外，水體周圍的濕冷空氣改變了當(dāng)?shù)氐目諝饬魍ǎ鰪?qiáng)了向水體外部的氣流［29］，空氣顆粒物則隨著當(dāng)?shù)氐目諝饬魍ㄏ驖穸容^低的方向擴(kuò)散。在氣象因素方面，本研究發(fā)現(xiàn)冬季60 m 寬度綠地內(nèi)，Hr 與空氣PM2.5 和PM10 呈顯著負(fù)相關(guān)，而在70 m 寬度綠地內(nèi)呈顯著正相關(guān)。前人研究表明，在不同的空氣濕度水平下，Hr 對空氣顆粒物沉降的影響并不一致。在空氣濕度較低的條件下，顆粒物的表面吸附能力較弱，不易凝結(jié)沉降［28］。隨著濕度的增加，顆粒物的吸濕生長和積累導(dǎo)致顆粒物濃度增加，而地表濕度的增加效應(yīng)可能會加劇這一過程。此外，綠地可以通過形成微氣候影響空氣顆粒物的沉降，降水、風(fēng)速、空氣湍流和空氣濕度等重要影響因素［30］。

3.2 城市帶狀綠地對空氣PM2.5 和PM10 的積聚效應(yīng)

不同寬度的綠地對降減空氣PM2.5和PM10的影響各不相同。在本研究中，對于空氣PM2.5和PM10來說，在綠地寬度為30～40 m 時，PM 比值最低，帶狀綠地對空氣PM2.5 和PM10 的降減表現(xiàn)出了寬度效應(yīng)。但在其他綠地寬度處，綠地內(nèi)部空氣PM2.5和PM10質(zhì)量濃度高于綠地邊界處的現(xiàn)象，說明一定寬度的城市沿路帶狀綠地對空氣PM2.5和PM10存在積聚效應(yīng)。道路旁側(cè)帶狀綠地的阻擋會導(dǎo)致空氣顆粒物聚集，由于不規(guī)則的樹木間距和樹枝覆蓋而產(chǎn)生的間隙也可能會使與交通相關(guān)的污染穿過或繞過植被，并在某些風(fēng)力條件下將污染物積聚在植被后面，導(dǎo)致距離交通污染源較遠(yuǎn)測點(diǎn)的空氣顆粒物濃度偏高。植被可減少空氣流動，導(dǎo)致污染物濃度增加［31］。林帶內(nèi)氣溫較林帶外低，林帶內(nèi)垂直對流運(yùn)動減弱，也會使空氣顆粒物在林帶內(nèi)不易擴(kuò)散［32］。這種綠地內(nèi)空氣顆粒物濃度高于道路側(cè)的現(xiàn)象也與綠地內(nèi)相對濕度較高、風(fēng)速較低有關(guān)［33］。有學(xué)者研究發(fā)現(xiàn)，北京市道路綠地在無污染或者輕度污染天氣條件下距道路26 m 寬度處對空氣PM2.5的消減作用最好，但在中度污染或者重度污染天氣條件下道路綠地對空氣PM2.5 質(zhì)量濃度的消減作用并不明顯［34］。在本研究中，冬季實驗時空氣污染程度較其他季節(jié)更嚴(yán)重，這可能也是綠地內(nèi)空氣PM2.5和PM10質(zhì)量濃度較高的原因之一。因此，當(dāng)綠地對空氣PM2.5和PM10的消減作用表現(xiàn)為負(fù)值時，并不與植被吸收、吸附空氣顆粒物污染的作用產(chǎn)生矛盾，而是城市沿路綠帶阻滯了空氣顆粒物的擴(kuò)散過程，綠帶內(nèi)空氣顆粒物發(fā)生了聚集現(xiàn)象。此時還應(yīng)綜合考慮污染物來源、氣象因素等。本研究在冬季開展，這可能與冬季氣溫、相對濕度和風(fēng)速等氣象因素較其他季節(jié)不同，且空氣顆粒物濃度較高有關(guān)。

本研究是在武漢羅家港帶狀綠地周邊建成環(huán)境土地利用背景的現(xiàn)實條件下建立LUR 模型，從而得出帶狀綠地寬度閾值，為城市多重壓力環(huán)境作用下綠地效應(yīng)閾值的識別提供了方法借鑒，但該寬度閾值是否適用于其他城市綜合環(huán)境有待進(jìn)一步研究。同時，本研究中LUR 模型的泛化能力，即預(yù)測能力可能受到監(jiān)測點(diǎn)數(shù)量和分布的限制；其他因素如風(fēng)向、氣壓等氣象因素對空氣PM2.5和PM10也存在影響，在未來科研工作中將進(jìn)一步予以綜合考慮。

參考文獻(xiàn)References

［1］ ZHU J N，ZHANG Y J，XU X，et al.Air pollution and healthimpacts of atmospheric PM：application of AirQ+ model to JiangsuProvince in China［J/OL］.International journal of environmentalresearch，2022，16（5）：74［2024-04-29］. https：//doi.org/10.1007/s41742-022-00458-x.

［2］ KANGAS J，OLLIKAINEN M. A PES scheme promotingforest biodiversity and carbon sequestration［J/OL］.Forest policyand economics，2022，136：102692［2024-04-29］.https：//doi.org/10.1016/j.forpol.2022.102692.

［3］ MORAWSKA L，BOFINGER N D，KOCIS L，et al.Submicrometerand supermicrometer particles from diesel vehicleemissions［J］. Environmental science amp; technology，1998，32（14）：2033-2042.

［4］ 羅娜娜，趙文吉，晏星，等. 交通與氣象因子對不同粒徑大氣顆粒物的影響機(jī)制研究［J］. 環(huán)境科學(xué)，2013，34（10）：3741-3748. LUO N N，ZHAO W J，YAN X，et al. Study on influenceof traffic and meteorological factors on inhalable particlematters of different size［J］. Environmental science，2013，34（10）：3741-3748（ in Chinese with English abstract）.

［5］ 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大氣顆粒物的削減作用［J］. 生態(tài)學(xué)報，2016，36（7）：2076-2083. YANG M，ZHANG Z Q，CHEN L X，et al. Effects ofdifferent roadside urban vegetative models on airborneparticulatematter in Beijing，China［J］.Acta ecologica sinica，2016，36（7）：2076-2083（ in Chinese with English abstract）.

［6］ 郭二果，王成，郄光發(fā)，等.北京西山典型游憩林空氣顆粒物不同季節(jié)的日變化［J］. 生態(tài)學(xué)報，2009，29（6）：3253-3263.GUOE G，WANG C，QIE G F，et al.Diurnal variations of airborneparticulate matters in different seasons in typical recreation forestsin West Mountain of Beijing［J］. Acta ecologica sinica，2009，29（6）：3253-3263（ in Chinese with English abstract）.

［7］ 劉旭輝，余新曉，張振明，等. 林帶內(nèi)PM10、PM2.5污染特征及其與氣象條件的關(guān)系［J］. 生態(tài)學(xué)雜志，2014，33（7）：1715-1721.LIU X H，YU X X，ZHANG Z M，et al.Pollution characteristicsof atmospheric particulates in forest belts and their re‐lationship with meteorological conditions［J］. Chinese journalof ecology，2014，33（7）：1715-1721 （in Chinese with Englishabstract）.

［8］ WU L F，CHEN C X.Does pattern matter：exploring the pathwaysand effects of urban green space on promoting life satisfactionthrough reducing air pollution［J/OL］. Urban forestryamp; urban greening，2023，82：127890［2024-04-29］. https：//doi.org/10.1016/j.ufug.2023.127890.

［9］ PRZYBYSZ A，POPEK R，STANKIEWICZ-KOSYL M，etal. Where trees cannot grow： particulate matter accumulationby urban meadows［J/OL］.Science of the total environment，2021，785：147310［2024-04-29］. https：//doi. org/10.1016/j.scitotenv.2021.147310.

［10］ 萬好，王琴，余劉思，等. 武漢市典型道旁綠地消減空氣細(xì)微顆粒物的作用研究［J］. 西北林學(xué)院學(xué)報，2020，35（3）：237-242.WAN H，WANG Q，YU L S，et al.Effect of typical roadsidegreen spaces on the reduction of air fine particles in Wuhan［J］. Journal of Northwest Forestry University，2020，35（3）：237-242（ in Chinese with English abstract）.

［11］ 李新宇，趙松婷，李延明，等. 北京市不同主干道綠地群落對大氣PM2.5濃度消減作用的影響［J］. 生態(tài)環(huán)境學(xué)報，2014，23（4）：615-621.LI X Y，ZHAO S T，LI Y M，et al.Subductioneffect of urban arteries green space on atmospheric concentrationof PM2.5 in Beijing［J］.Ecology and environmental sciences，2014，23（4）：615-621（ in Chinese with English abstract）.

［12］ SABALIAUSKAS K，JEONG C H，YAO X H，et al.Developmentof a land-use regression model for ultrafine particles inToronto，Canada［J］. Atmospheric environment，2015，110：84-92.

［13］ HOEK G，BEELEN R，DE HOOGH K，et al. A review ofland-use regression models to assess spatial variation of outdoorair pollution［J］. Atmospheric environment，2008，42（33）：7561-7578.

［14］ MO Y Z，BOOKER D，ZHAO S Z，et al.The application ofland use regression model to investigate spatiotemporal variationsof PM2.5 in Guangzhou，China：implications for the publichealth benefits of PM2.5 reduction［J/OL］.Science of the totalenvironment，2021，778：146305［2024-04-29］. https：//doi.org/10.1016/j.scitotenv.2021.146305.

［15］ ZHANG L C，TIAN X，ZHAO Y H，et al.Application of nonlinearland use regression models for ambient air pollutants andair quality index［J/OL］. Atmospheric pollution research，2021，12 （10） ：101186 ［2024-04-29］. https：//doi. org/10.1016/j.apr.2021.101186.

［16］ 陳羽陽，王婧，趙聆言，等. 城市公園綠地對周邊環(huán)境空氣PM10和PM2.5的影響及效應(yīng)場特征：以武漢市中山公園為例［J］. 生態(tài)學(xué)雜志，2021，40（7）：2263-2276. CHEN Y Y，WANG J，ZHAO L Y，et al.Effects of urban park green spaceon air PM10 and PM2.5 and its effect field characteristics：a caseof Wuhan Zhongshan Park［J］. Chinese journal of ecology，2021，40（7）：2263-2276（ in Chinese with English abstract）.

［17］ ZHAO L Y，LI T T，PRZYBYSZ A，et al. Effect of urbanlake wetlands and neighboring urban greenery on air PM10 andPM2.5 mitigation［J/OL］. Building and environment，2021，206：108291［2024-04-29］. https：//doi. org/10.1016/j. buildenv.2021.108291.

［18］ 成海容，王祖武，馮家良，等. 武漢市城區(qū)大氣PM2.5的碳組分與源解析［J］. 生態(tài)環(huán)境學(xué)報，2012，21（9）：1574-1579.CHENGH R，WANG Z W，F(xiàn)ENG J L，et al.Carbonaceous species compositionand source apportionment of PM2.5 in urban atmosphereof Wuhan［J］. Ecology and environmental sciences，2012，21（9）：1574-1579（ in Chinese with English abstract）.

［19］ STONE R S，ANDERSON G P，ANDREWS E，et al.Incursionsand radiative impact of Asian dust in northern Alaska［J/OL］. Geophysical research letters，2007，34（14）：L14815［2024-04-29］. https：//doi.org/10.1029/2007GL029878.

［20］ STINE R A. Graphical interpretation of variance inflation factors［J］. The American statistician， 1995， 49（1）： 53-56.

［21］ OLVERA H A，GARCIA M，LI W W，et al.Principal componentanalysis optimization of a PM2.5 land use regression modelwith small monitoring network［J］.Science of the total environment，2012，425：27-34.

［22］ UNI D，KATRA I.Airborne dust absorption by semi-arid forestsreduces PM pollution in nearby urban environments［J］.Science of the total environment，2017，598：984-992.

［23］ KIM D，LEE S J.Effect of water microdroplet size on the removalof indoor particulate matter［J/OL］.Building and environment，2020，181：107097［2024-04-29］. https：//doi. org/10.1016/j.buildenv.2020.107097.

［24］ CHOW J C，曹軍驥，李順誠，等.PM2.5及其測量與影響研究簡史［J］. 地球環(huán)境學(xué)報，2012，3（5）：1019-1029.CHOW J C，CAO J J，LI S C，et al.A brief history of PM2.5，its measurementand adverse effects［J］. Journal of earth environment，2012，3（5）：1019-1029（ in Chinese with English abstract）.

［25］ JANH?LL S.Review on urban vegetation and particle air pollution：deposition and dispersion［J］. Atmospheric environment，2015，105：130-137.

［26］ HESS D B，RAY P D，STINSON A E，et al.Determinants ofexposure to fine particulate matter （PM2.5） for waiting passengersat bus stops［J］.Atmospheric environment，2010，44（39）：5174-5182.

［27］ CHEN M，DAI F，YANG B，et al. Effects of urban greenspace morphological pattern on variation of PM2.5 concentrationin the neighborhoods of five Chinese megacities［J］.Buildingand environment，2019，158：1-15.

［28］ LIU J K，ZHU L J，WANG H H，et al.Dry deposition of particulatematter at an urban forest，wetland and lake surface inBeijing［J］.Atmospheric environment，2016，125：178-187.

［29］ 康曉明，崔麗娟，趙欣勝，等. 北京市濕地削減大氣細(xì)顆粒物PM2.5功能［J］. 生態(tài)學(xué)雜志，2015，34（10）：2807-2813.KANGX M，CUI L J，ZHAO X S，et al.Effect of wetlands on reducingatmospheric fine particles PM2.5 in Beijing［J］.Chinese journalof ecology，2015，34（10）：2807-2813 （in Chinese withEnglish abstract）.

［30］ LITSCHKE T，KUTTLER W.On the reduction of urban particleconcentration by vegetation a review［J］.Meteorologischezeitschrift，2008，17（3）：229-240.

［31］ HAGLER G S W，LIN M Y，KHLYSTOV A，et al.Field investigationof roadside vegetative and structural barrier impacton near-road ultrafine particle concentrations under a variety ofwind conditions［J］. Science of the total environment，2012，419：7-15.

［32］ 陳俊剛，畢華興，許華森，等. 北京市道路防護(hù)林帶內(nèi)外PM2.5質(zhì)量濃度特征及與氣象要素的相關(guān)性［J］.中國水土保持科學(xué)，2014，12（3）：1-8.CHEN J G，BI H X，XU H S，et al.Correlationanalysis between PM2.5 mass concentration characteristicsand meteorological elements inside and outside the shelterbeltsfor typical roads in Beijing［J］.Science of soil and water conservation，2014，12（3）：1-8（ in Chinese with English abstract）.

［33］ 李素莉，楊軍，馬履一，等. 北京市交通干道防護(hù)林帶內(nèi)PM_（2.5）濃度變化特征［J］. 西北林學(xué)院學(xué)報， 2015， 30 （3）：245-252. LI S L， YANG J， MA L Y， et al. Variations ofPM2.5 concentrations inside the greenbelts along two urbantraffic arteries in Beijing ［J］. Journal of Northwest ForestryUniversity， 2015， 30 （3）： 245-252 （in Chinese with Englishabstract）.

［34］ 童明坤，高吉喜，田美榮，等. 北京市道路綠地消減PM2.5總量及其健康效益評估［J］. 中國環(huán)境科學(xué)，2015，35（9）：2861-2867.TONG M K，GAO J X，TIAN M R，et al.Subduction ofPM2.5 by road green space in Beijing and its health benefit evaluation［J］. China environmental science，2015，35（9）：2861-2867（ in Chinese with English abstract）.

（責(zé)任編輯：葛曉霞）

基金項目：國家自然科學(xué)基金項目（32371950）；中央高校自主創(chuàng)新基金項目（2662022YLYJ005）；新疆生產(chǎn)建設(shè)兵團(tuán)財政科技計劃項目（2023CB008-24）