公園綠地不同景觀空間PM2.5分布特征及其影響因素研究

閆珊珊 洪波

快速城市化導致城市空氣污染不斷加劇，其中PM2.5對人類健康產生極大威脅[1-6]。城市公園作為城市綠色基礎設施的重要組成部分，其一方面為居民進行戶外活動提供了場所，同時城市公園在提升空氣質量、緩解城市熱島等方面發(fā)揮了積極作用[7-9]。

通過控制污染物在行人空間的傳播是提高空氣質量的有效途徑之一[10]。風速和溫濕條件是影響空氣中PM2.5擴散和沉降的主要因素[11-12]。良好的自然通風能稀釋污染物濃度，加快其局部擴散，但風速過大會造成地面揚塵，形成二次污染[13]。環(huán)境中風場的垂直和水平方向氣流能夠影響較大范圍內的顆粒物分布，空間中不同障礙物的阻擋作用會造成局部氣流變化[14-15]?？諝鉁囟群拖鄬穸纫彩窃斐傻孛娓浇w粒物濃度變化的主要原因，氣溫上升、降水量增加都易于PM2.5沉降[16-17]。

1 公園位置及測點環(huán)境Location of the study sites and the environment of monitored points in the park

2 各測點景觀要素平面占比Plane proportion of landscape elements of each measuring point

不同景觀要素會對空間顆粒物濃度分布產生影響，其中植物能夠發(fā)揮明顯的滯塵作用[18-20]。粗糙的樹皮和茂密的枝干使得植物在冬季落葉之后還能降低18%～20%的空氣含塵量[21]；喬木滯塵能力優(yōu)于灌木和草本，喬灌草復合型植物群落結構的降塵效果更為顯著[22]；道路和行人之間的灌木綠籬能夠有效阻擋空氣污染物與行人接觸，更有利于在行人高度尺度下形成較為清潔的空間[23]。在不同風向條件下，植物會影響街谷通風，造成顆粒物空間分布發(fā)生變化[24]；而且植物葉片表面濕潤粗糙的生理特征和氣孔的吸附作用，也會造成顆粒物濃度下降[25]。建筑布局和朝向對局部風環(huán)境有著至關重要的影響，不同建筑外形[26-28]和建筑遮陰[29-30]會造成建筑外立面和局地風場發(fā)生明顯變化，進而影響顆粒物濃度的空間分布。水域環(huán)境與林地環(huán)境的顆粒物濃度存在差別，由于水體蒸發(fā)降溫造成的通風環(huán)境和溫濕環(huán)境的改善，其是影響PM2.5擴散和沉降的重要因素[31-32]。

在不同尺度懸浮顆粒污染物擴散的相關研究中，城市作為重要的顆粒物“源”，其污染物濃度高于郊區(qū)、農村、林地和農田等其他景觀類型[33-34]，蔓延發(fā)展型城市相較于緊湊型城市會產生更多的顆粒物污染[35-36]。在城市內部，由于工業(yè)生產和居民生活活動，使得居住區(qū)、工業(yè)區(qū)以及交通空間顆粒物濃度更高[37]。

綜上可見，不同景觀空間的要素組成、局部通風狀況以及溫濕條件的差異是造成顆粒污染物空間分布不均的主要原因。當前研究多從區(qū)域或城市尺度考慮PM2.5的污染特征，缺乏從不同園林空間視角考慮小尺度的景觀要素組成、局地空氣溫度、相對濕度和風速對行人空間顆粒物空間分布影響[38]64。筆者研究通過實地測試，分析不同景觀空間園林要素組合比例與PM2.5濃度之間的關系，比較不同景觀空間PM2.5濃度、溫濕度、風速的差異并探討氣象因子與PM2.5濃度的相關性。旨在探明城市公園不同景觀空間中PM2.5分布特征，為城市公園不同空間小氣候適宜性設計提供理論依據和方法。

1 實驗方法

1.1 場地概況

研究場地位于陜西省楊凌高新農業(yè)示范區(qū)（34°16'N， 108°54'E），該地區(qū)以農業(yè)高新技術產業(yè)示范為主，無大型工廠等污染源，大氣輸送是造成該地區(qū)冬季霧霾污染的主要原因[39]。實測公園占地13.3 hm2，總建筑面積1.6 hm2，周圍緊鄰高校和綠化區(qū)，東、北兩面雖靠近城市道路，但車流量較小。場地內有4棟主要建筑，室外空間植被類型多樣，由植物、建筑、水體、道路鋪裝等要素構成豐富的景觀空間，能夠很好地體現(xiàn)PM2.5的空間分布特征。根據場地建成環(huán)境選取6個不同景觀空間進行研究（圖1）。

1.2 景觀要素調查

據前人研究，景觀對微氣候影響范圍的最小距離為10 m[40-41]，因此劃定測點周圍半徑10 m的圓形場地為研究區(qū)域，并對各景觀要素平面占比進行統(tǒng)計。各景觀要素位置和面積可由CAD平面圖計算獲得，其中喬灌木、草本及地被統(tǒng)一歸于植被覆蓋（圖2）。

為了詳細描述植物空間，引入綠量作為指標[42]，其計算公式為：

D=S×LAI

D為植物綠量（m2）；S為種植面積（m2）；LAI為葉面積指數，單位為1。

現(xiàn)場辨識植物種類，利用卷尺、測距儀確定植物相對位置、喬木冠徑和灌木冠幅，利用LAI 2200C 冠層分析儀（LI-COR. USA）獲得植物葉面積指數。根據上式計算綠量（表1）。

1.3 空間圍合度分析

使用天空開闊度（sky view factor，簡稱SVF）作為反映空間圍合度的指標。使用魚眼相機在各空間點距地面垂直距離為1.5 m處拍攝，照片顯示測點的遮蔽物輪廓線在一個圓形的平面上，將處理后的黑白照片導入Raman 2.1計算得出天空開闊度的狀況（圖3）。

1.4 數據收集及處理

該地區(qū)秋冬季污染嚴重，研究選定2017年11月天氣晴好，污染程度相近的3 d，在居民戶外活動的頻繁的時間段10：00—17：00對各個空間進行連續(xù)監(jiān)測。采用氣溶膠顆粒物測試儀Aerocet 531S（Metone Ins. USA）每間隔20 min在行人高度（1.5 m）收集顆粒物數據。為減少單次測量產生的誤差，每20 min采集2組數據以算術平均值代表該時段內顆粒物濃度的平均水平。采用便攜氣象站Kestrel 5500（Nielsen-Kellerman. USA）對溫濕度、風速和風向進行實時監(jiān)測，每分鐘自動記錄一次。

采用EXCEL 2010和SPSS 22.0 軟件進行數據整理分析。將20 min收集記錄的顆粒物濃度數值和溫濕度、風速數值進行算數平均，再將3個測試日相同時段內的顆粒物以及溫濕度、風速數據進行算術平均。

表1 各測點植物種類及綠量Tab. 1 Vegetation species and corresponding green volume in each monitored points

3 各測點天空開闊度Sky view factors in six landscape spaces

表2 不同空間PM2.5濃度方差分析Tab. 2 One-way ANOVA analysis of PM2.5 concentration in six landscape spaces

表3 PM2.5濃度與各景觀要素平面占比及植物綠量相關分析Tab. 3 Correlation coefficients between PM2.5 and six variables

2 結果與討論

2.1 景觀要素對PM2.5濃度分布的影響

2.1.1 不同景觀空間PM2.5濃度差異分析

對6組數據進行單因素方差分析（表2）。結果表明：F值為21.15，大于臨界值；P值遠小于顯著性水平0.05。各景觀空間的日平均PM2.5濃度從A到F依次為：136.18、131.12、131.50、96.33、129.58、131.40。表明6個景觀空間顆粒物濃度存在顯著差異。

2.1.2 各要素與PM2.5濃度相關性分析

為判斷造成上述差異的原因，對各景觀要素的平面占比、綠量和PM2.5濃度進行顯著相關分析（表3），綠量和PM2.5濃度的R值為－0.903，顯著性0.014（＜0.05），綠地占比與PM2.5的R值為0.370，顯著性0.046（＜0.05）。水體、建筑、園路及鋪裝平面占比與PM2.5濃度的相關系數依次為：－0.440、0.170、－0.180。說明PM2.5濃度與綠量呈顯著負相關而與綠地平面占比呈弱正相關，即綠地占比小，綠量大的景觀空間PM2.5濃度低，反之則越高。

根據綠量與濃度的相關性分析結果，建立二者間回歸模型。將測點在10：00—13：00和13：00—17：00兩個時間段內的PM2.5濃度數值分別進行算術平均，再將3 d同一時間段內的數值再平均，進而得出綠量和PM2.5濃度之間關系（圖4），即y=－0.001x2+0.213x+121.32（R2=0.966）?？梢钥闯?，在局地范圍內，當綠量在113.57～204.81 m2區(qū)間時，PM2.5濃度隨綠量增加降低較弱；當綠量在216.78～370.38 m2區(qū)間變化時，污染物濃度隨綠量增加呈明顯下降趨勢。說明區(qū)域內植物綠量對PM2.5濃度的影響是不均衡變化的，隨著綠量的增加，PM2.5濃度降低越明顯。

綠量是表示空間植物總葉面積的二維指標，SVF能夠體現(xiàn)空間圍合度，SVF越大，空間圍合度越低。結合二者對PM2.5濃度空間差異進行分析得出D點PM2.5濃度最低，空間綠量Dd=370.38 m2最大，植被群落結構為復雜的喬灌草結構（以常綠植物棕櫚、構骨為主），并在行人高度尺度下形成較為閉合的空間，SVF=0.328最小；而濃度最高的A點位于草坪處，Da=113.57 m2最小，周圍幾無遮擋物，SVF=0.784最大；由于綠量De＞Db＞Df（ΔDe-b=15.9 m2，ΔDb-f=24.87 m2）， 并且 空 間 圍 合 度 F＜B＜E（ΔSVFf-b=0.168；ΔSVFb-e=0.048），所以B點的PM2.5濃度高于E點而低于F點；C點主要栽植雞爪槭和迎春，綠量雖稍高于由常綠灌木和針葉喬木圍合的F點（ΔDc-f=11.97 m2），但在行人空間的圍合度小于F（ΔSVFc-f=0.145），而圍合度較低的空間更容易暴露于污染物濃度較高的環(huán)境中，并且在落葉季，常綠灌木和針葉喬木的滯塵能力要強于落葉灌木[43]，所以造成C點PM2.5濃度高于F點。

4 局地范圍（314 m2）內綠量與PM2.5濃度之間的關系The relations between the green volume and concentration of PM2.5 in the local area (314 m2)

5 各景觀空間空氣溫度（5-1）、相對濕度（5-2）和風速（5-3）Observations of temperature (5-1);relative humidity(5-2); and wind velocity(5-3) in six landscape spaces

表4 各測點空間空氣溫度、相對濕度、風速的上下四分位數值以及四分位內距數值Tab. 4 The quartile value（Q1&Q3）and IQR of temperature, relative humidity and wind velocity in sampling sites

由于楊凌地區(qū)污染源主要來自大氣輸送的顆粒物，所以在微觀尺度上由植被群落形成的多孔屏障在隔離、過濾和污染物沉降方面發(fā)揮了重要作用[44]。在行人空間中由植物圍合形成的固體屏障能夠有效降低行人暴露在PM2.5的水平，即使在落葉的冬季，植物密集的枝干仍能增加空氣湍流，加速顆粒物沉降[45-47]。C和D點均存在水體要素，水域面積小且相差不大，而植物綠量差異較大，因此水體對PM2.5濃度的影響并不明顯。上述結果表明，綠量是影響不同景觀空間PM2.5濃度的關鍵因素，當綠量差異不大（ΔD≤11.97 m2）時，空間圍合度越低，污染物濃度越高。

2.2 景觀空間PM2.5濃度與氣象因子的關系

2.2.1 各景觀空間氣象因子比較分析

分別對污染程度不同的景觀空間中的空氣溫度、相對濕度及風速進行比較，分析顆粒物濃度分布和各氣象因子之間的關系。

四分位距IQR表示變量總體的分散情況，可以體現(xiàn)空間溫濕度及風速的日變化范圍，從圖5-1可以看出D點的溫度數值50%集中在6.73～8.20 ℃，IQR為1.47（表4），說明相較于其他測點溫度分布范圍最為集中且偏高，可能原因是D點周圍無高大建筑及喬木遮陰，且水體比熱容較大，在吸收太陽輻射之后能穩(wěn)定環(huán)境溫度，減小日間溫度變化范圍，相對穩(wěn)定較高的溫度與周圍較低的環(huán)境溫度形成持續(xù)的空氣對流，有利于PM2.5的擴散[38]66。從圖5-2可以看出，D點的相對濕度50%集中在33.95%～38.80%，IQR為4.85（表4），濕度分布范圍最為集中且偏低；而A點的相對濕度50%集中在34.80%～41.32%，IQR為6.52，分布范圍最為分散且偏高，其余測點的濕度變化范圍及分布與PM2.5濃度變化一致。說明景觀空間的濕度變化范圍越小，PM2.5濃度越低，反之則越高。從圖5-3可以看出，各空間風速分布規(guī)律不明顯，但D點風速數值IQR為0.15（表4），相較于其他測點風速變化范圍最小，據分析：由于D點行人空間由灌叢圍合，植物作為多孔屏障其茂密的枝葉對氣流起到很好的疏透作用，能夠在氣流通過時滯留部分顆粒物。綜上可見：各點PM2.5濃度與其溫濕度和風速大小無直接關系，但與空間溫濕度和風速的變化范圍有關，濃度最低的D點溫濕度和風速的日變化范圍最小。

2.2.2 各空間氣象因子與PM2.5濃度相關性分析

計算各測點每小時內PM2.5濃度數值和溫度、濕度以及風速的平均值，再將3 d同一時段內的數值進行算術平均，得到各測點顆粒物濃度和氣象因子的數值，對測量時段每個空間PM2.5濃度與各氣象因子分別進行擬合分析（表5）?？梢钥闯觯焊鼽cPM2.5濃度與空氣溫度在0.01層上均呈顯著負相關，與相對濕度呈顯著正相關，大氣逆溫和PM2.5的吸濕沉降可以很好地解釋該變化過程[48-49]，這與區(qū)域尺度上的研究結果一致[50-52]，表明溫濕度與PM2.5濃度的關系不受研究尺度的影響。其中溫度模型的擬合優(yōu)度R2最大值為0.93，最小值為0.72，平均擬合優(yōu)度為0.86；濕度模型的擬合優(yōu)度最大值為R2=0.94，最小值為0.85，平均擬合優(yōu)度為0.90。表明在冬季氣溫較低的情況下，局部空間的PM2.5濃度變化與濕度變化更為相關。濃度與風速之間規(guī)律不明顯，在A、B、D點的風速與PM2.5濃度雖呈顯著相關，但其余各點均無相關性。對上述3個測點風速和PM2.5濃度進行擬合，但結果不夠理想。

根據各點建立的溫濕度與PM2.5濃度的回歸模型得出，氣溫每升高10%，濃度分別降低1.16、0.93、1.00、1.20、0.77、0.90；濕度每降低10%，濃度分別降低0.38、0.36、0.34、0.42、0.29、0.39，其中D點濃度隨溫濕度變化降低得最快，E點最慢。造成該現(xiàn)象的原因可能是由灌木圍合的空間D，其環(huán)境結構比較復雜，當溫濕條件發(fā)生變化時茂密的植物枝葉能增加與微粒的接觸機會并為PM2.5沉降提供充分的空間。而E點空間由建筑和高大的喬木圍合，行人空間并沒有復雜的結構物，所以PM2.5更難沉降。

表5 6個測點溫濕度及風速與PM2.5濃度相關分析及模型建立Tab. 5 The correlation analysis and regression models of PM2.5 concentration between temperature, relative humidity and wind speed in six sampling sites

3 結論與展望

研究通過對城市公園不同景觀空間中的PM2.5濃度以及氣象因子的監(jiān)測，分析不同景觀空間要素組合與PM2.5濃度之間的關系，比較不同景觀空間PM2.5濃度、溫濕度、風速的差異并探討環(huán)境溫濕度、風速與PM2.5濃度的相關性。得出以下結論。

1）不同景觀空間的PM2.5濃度分布存在明顯差異（P＜0.05），空間濃度從低到高依次為：D＜E＜B＜F＜C＜A；其中以草坪地被與道路鋪裝構成的開敞空間A濃度最高，由喬灌草結構、水體以及硬質鋪裝構成的半開敞空間D濃度最低。

2）PM2.5濃度與水體、建筑、道路及鋪裝等平面占比無明顯相關關系，與植物平面占比呈弱正相關，與植物綠量（D）呈顯著負相關。其中綠量與PM2.5濃度存在關系：y=－0.001x2+0.213x+121.32（R2=0.966）；當113.57 m2＜D＜ 204.81 m2時，PM2.5濃度隨綠量增加降低較弱；當216.78 m2＜D＜ 370.38 m2時，污染物濃度隨綠量增加呈明顯下降趨勢。

3）PM2.5濃度與溫濕度及風速的變化范圍有關，濕度變化范圍越大，PM2.5濃度越高，反之則越低；PM2.5濃度較低的景觀空間具有溫濕度和風速的變化范圍較小的特征。

研究闡明了局地尺度下不同景觀要素的組成在秋季對PM2.5濃度分布的影響，以及不同景觀空間顆粒污染物與溫濕度、風速的關系。隨著季節(jié)更替，PM2.5污染特征和植物景觀均會呈現(xiàn)季相變化[53-54]。因此，針對不同景觀空間在其他季節(jié)對顆粒物影響的實測研究有待進一步開展。研究揭示了公園中不同景觀空間的PM2.5分布規(guī)律，探明了不同景觀要素組成對局地微氣候的調控機理，為城市公園景觀空間設計提供相應的理論依據和科學指導。

致謝(Acknowledgements)：

感謝碩士研究生秦紅巧、米家熠、姜潤聲、賀曉云、安樂、牛佳琦、周蘊涵、許佳等對數據采集提供的幫助。

圖表來源(Sources of Figures and Tables)：

文中所有圖表均作者拍攝、繪制。