LA研究 | 陈明 胡义 戴菲 | 城市绿地空间形态对PM2.5的消减影响——以武汉市为例

全文刊登于《风景园林》2019年第12期 P74-78

陈明，胡义，戴菲.城市绿地空间形态对PM_2.5的消减影响：以武汉市为例[J].风景园林，2019，26（12）：74-78.

城市绿地空间形态对PM_2.5的消减影响——以武汉市为例

陈明

男/华中科技大学建筑与城市规划学院在读博士研究生/研究方向为城市绿色基础设施、风景园林规划与设计

胡义

男/硕士/杭州绿城亚运村开发有限公司景观管理高级专员/研究方向为居住区园林绿化施工

戴菲

女/博士/华中科技大学建筑与城市规划学院教授、博士生导师/本刊特约编辑/研究方向为城市绿色基础设施、绿地系统规划、大气颗粒物

摘要

缓解大气颗粒物污染、营造清洁健康的城市环境是中国绝大部分城市须解决的问题之一。城市绿地能有效缓解PM_2.5，然而当前对绿地空间形态的研究不足，导致能在规划设计中直接应用的成果不多。基于武汉市9个城市绿地空间形态要素量化差异与实地测量的PM_2.5浓度大小，探索二者深层的量化关系规律。结果显示：1）PM_2.5消减量随绿地规模的增加呈增长趋势，当规模大于5~10 h㎡消减量减缓；2）绿地面积、周长及形状指数与PM_2.5的消减量显著正相关，分维指数与近圆形形状指数相关性不显著；3）PM_2.5的消减效率随绿地规模的增加急剧下降，当绿地规模超过5~10 h㎡，消减效率变化不明显。通过量化分析，揭示对PM_2.5消减具有显著影响的城市绿地空间形态指标，提出适当的规模、不规则或复杂的绿地形态及分散式的布局等绿地优化策略。

关键词

风景园林；城市绿地；空间形态；PM_2.5

快速城镇化产生了大量城市问题，以PM_2.5为首要污染物的大气颗粒物污染成为中国城市普遍面临的严峻挑战，也对人们的健康造成极大威胁，引发一系列呼吸系统疾病。清洁健康的城市环境是人们日常生活的基本保障，被世界卫生组织列为健康城市的首条标准。改善空气质量、降低城市PM_2.5浓度成为中国绝大部分城市需要解决的问题之一。

大量研究表明，城市绿地能有效缓解PM_2.5，这主要是由于空气中的PM_2.5经过布朗运动与植物的枝叶结构发生碰撞导致PM_2.5的沉降、阻滞、吸附及吸收。目前关于城市绿地形态与PM_2.5的研究较少，较多集中于线性的绿地—道路绿地形态的研究，以及不同植物群落配置对PM_2.5的影响等更微观尺度。然而，上述研究主要关注的是城市普通街区中的绿化覆盖层面的绿色斑块，城市公园绿地、附属绿地等不同绿地类型是城市绿地系统规划直接调控与作用的对象，具有实际管控意义，而当前研究缺乏相应的考量。有专家学者对城市绿色基础设施、园林绿化的PM_2.5调控措施提出了观点，然而关于这些城市绿地空间形态与PM_2.5之间的量化关系基本仍为空白，因此在高密度城市中难以提出具体的空间优化策略。鉴于此，本研究以华中地区高密度城市—武汉市为例，基于城市绿地分类标准选取城市中的不同形态绿地，通过实地测量分析绿地对PM_2.5浓度的消减量，探索二者之间的深层量化关系规律，以期为城市绿地的空间优化布局提供参考。

1 研究方法

1.1 研究区概况与城市绿地筛选

武汉市是中国华中地区极具代表性的高密度城市，在城市化过程中，绿地和水体不断受到侵蚀，面临严重的生态破损。城市的PM_2.5呈现冬季污染严重、夏季空气优良的时间格局，反映中国城市PM_2.5污染的普遍特征。

为了确保研究数据的精度，首先排除绿地附近有其他大规模绿地或水体的样本，以及避免影响消减PM_2.5效果的其他可能因素，例如周围有工地等。其次根据武汉市绿地系统规划，并结合实际建设情况，通过现场踏勘选取了具有代表性的9个不同空间形态的城市绿地。

1 9 个城市绿地分布图

表1 9 个城市绿地的基本属性

1.2 绿地空间形态指标

通过Google Earth下载空间像素分辨率为0.5 m的武汉市遥感图像。运用ArcGIS软件进行人工目视解译提取绿地，并转换为1 m分辨率的栅格文件导入Fragstats软件，精确计算斑块层面上的绿地空间形态指标。笔者从面积、边界、形状、复杂性等方面衡量绿地的空间形态特征，选取的空间形态指标包括斑块面积指数、斑块周长指数、形状指数、分维数及近圆形形状指数，共5项反映空间形态的代表性指标。

表 2 5 项空间形态指标基本属性

表 3 9 个绿地的空间形态指标

1.3 PM_2.5测量

于武汉PM_2.5污染最严重的冬季开展实测（2018年12月—2019年1月），选择连续晴朗、无雨雪、无风或微风，以及相似的PM_2.5污染的天气，于每天09：00—12：00、12：00—15：00、15：00—17：00 3个时间段进行3组测量，每个公园各测1天。由于9个绿地分布在武汉市主城区内的不同空间位置，采用公园内外固定布点的方式进行测量，以消除背景浓度的影响。

2 9个城市绿地的 PM_2.5 测量点分布

绿地内外的PM_2.5浓度测量通过2台手持粉尘监测仪TSI8532进行测量。2台TSI8532分别在内部监测点以及外部固定点每10 s记录一次数据，记录3 min，每个点得到18组数据。参考Dos Santos-Juusela等的方法，测量前以外部对照点的仪器为准，对公园内部的测量仪器进行了校准。参考Fan等的方法，计算城市绿地对PM_2.5的消减量。

1.4 数据分析与处理

首先，分析不同空间形态绿地的PM_2.5消减量的整体特征。其次，通过双变量相关分析绿地空间形态指标与PM_2.5消减量之间的关联性，得到对PM_2.5具有显著消减效应的绿地空间形态指标，并构建回归方程。最后，考虑到不同绿地面积的差异性，通过单位面积绿地的PM_2.5消减量进一步分析不同绿地的消减效率。

2 研究结果分析

2.1 不同空间形态绿地PM_2.5浓度的消减量分析

9个绿地内部不同测量点与对照点的PM_2.5浓度差值的平均值（一天3个测量时段）为该绿地的PM_2.5浓度消减量。总体来看，规模较大绿地的PM_2.5消减量较大，消减量随绿地面积的增加呈增长的趋势。绿地面积5~10 h㎡为临界值，当绿地规模大于此范围时，PM_2.5消减量的增长趋势开始减缓。而绿地规模小于此范围以前，小幅度增加绿地规模能较大地提高 PM_2.5的消减量。

3 9个绿地的 PM_2.5 浓度消减量

2.2 绿地空间形态对PM_2.5的消减影响

相关分析表明，斑块面积、斑块周长及形状指数与PM_2.5浓度的消减量在p＜0.01水平上显著正相关，相关系数分别为0.584、0.629及0.397，说明绿地面积越大、周长越长、形状越不规则，对PM_2.5浓度的消减作用越明显。其中，绿地斑块周长对PM_2.5的消减影响最显著，其次为斑块面积，形状指数对PM_2.5的消减影响相对较弱。然而，分维指数与近圆形形状指数对PM_2.5浓度的消减量相关性很弱。

表 4 绿地空间形态指标与 PM2.5 浓度消减量的相关性

形态指标与PM_2.5浓度消减量之间的回归模型表明，绿地面积每增加10 h㎡，可提升PM_2.5浓度消减量17%（以9个绿地的平均消减量6 μg/m³为基准，下同）；绿地周长每增加1 000 m，可提升PM_2.5浓度消减量17%；绿地形状指数每增加0.1，可提升PM_2.5浓度消减量10%。

4 绿地不同空间形态指标对 PM_2.5 消减量的影响

2.3 单位面积绿地的PM_2.5消减效率

将绿地的面积当作自变量，计算每公顷绿地的PM_2.5消减量当作因变量，进行双变量相关分析，结果表明绿地的面积与每公顷绿地的PM_2.5消减量在p<0.01水平上显著负相关，说明绿地面积越大，单位面积消减的PM_2.5的值就越小，即消减PM_2.5的效率越低。

为了更深入研究绿地消减效率的变化趋势，将上述数据进行曲线回归拟合。经分析，线性、对数、倒数、二次、三次等不同拟合曲线中，绿地面积与单位面积绿地的PM_2.5消减量均在p＜0.01水平显著相关，其中幂函数的拟合度最高，R²为0.744。由拟合曲线可知，绿地面积约5~10 h㎡为一个临界值，在绿地面积小于此范围时，增加绿地面积可极大地降低其PM_2.5消减效率，当绿地面积超过此范围，随着绿地面积的增大，消减效率无明显变化。

5 绿地面积与每公顷绿地的 PM_2.5 消减量的曲线拟合

从这个角度来看，为最大化发挥绿地的消减作用，城区绿地的总体面积越大，其消减的PM_2.5总量越多，但绿地面积每提高10 h㎡，其消减量仅提升1 μg/m³，5~10 h㎡亦是绿地消减量的一个转折点，加上单个绿地面积越大，每公顷净化的PM_2.5越少。这一定程度上说明了当绿地面积达到一定程度时（约5~10 h㎡），采用分散式布局更有利于PM_2.5的消减，验证了之前的研究结果。

3 结论

1）不同规模大小的绿地内部PM_2.5的浓度总体上是低于绿地外部的PM_2.5浓度，且绿地面积越大，总体上绿地内外PM_2.5的浓度差值越大。绿地的PM_2.5消减量随绿地面积的增加呈增长的趋势，绿地面积小于5~10 h㎡时，小幅度增加绿地面积能较大地提高PM_2.5的消减量，而绿地面积超过5~10 h㎡以后，PM_2.5的消减量开始趋缓。

2）城市绿地的空间形态对PM_2.5浓度的消减具有显著影响，绿地的斑块面积、斑块周长及形状指数与PM_2.5浓度的消减量呈显著正相关，面积、周长及形状指数越大，绿地消减PM_2.5的效果就越明显，绿地面积、周长、形状指数每增加10 h㎡、1 000 m、0.17，能提升PM_2.5的消减量约17%。

3）基于实测数据得到绿地面积与每公顷绿地PM_2.5的消减量之间的拟合函数为幂函数。由曲线变化趋势可得，在绿地面积小于5~10 h㎡时，增加绿地面积可极大地降低其PM_2.5消减效率，当绿地面积超过5~10 h㎡，随着绿地面积的增大，消减效率无明显变化。

4 讨论

4.1 基于PM_2.5消减的城市绿地空间优化策略

1）提高绿地面积、周长及形状的不规则或复杂程度。然而在高密度的城市空间里，提高绿地面积是较难实现，一方面，通过屋顶绿化、垂直绿化等绿化方式，提高绿量；另一方面，在绿地面积一定时，可通过增加其边界长度、营造边界形状较不规则及复杂的空间形态，将能有效降低城区PM_2.5浓度值，最大挖掘绿地的消减能力。

2）从绿地的总体布局来看，当绿地面积达到一定程度时（5~10 h㎡），适当采用小规模、分散式的布局，多个小面积的绿地的消减效果将大于1个面积相等绿地的效果，能提高PM_2.5的消减效率，实现“1＋1＞2”的效果。尤其在高密度的中心城区内，小规模绿地的布局方式具有较高的可行性，同时对缓解热岛效应也具有显著作用。

3）借助绿地空间形态与PM_2.5或单位面积PM_2.5的消减量的回归模型，来评估规划绿地的消减效果，用以选择最优的城市绿地规划设计方案，或评估现有绿地的消减效果，并进行相关的改造和优化。

4.2 研究展望

笔者以武汉主城区绿地为研究对象进行研究，所得的结论具有地域局限性，不同地域的气候环境、地形地貌以及植被的种类不同都可能对PM_2.5浓度产生不一致的影响，因此可扩大研究的范围至不同气候带的不同区域，可增加同一形态绿地的数量，突破单一城市中绿地样本的限制。未来研究还可借助相关软件进行模拟分析，以实测加模拟的方式，能从多方面验证城区绿地消减PM_2.5的规律，例如从更精细的绿地面积变化区间分析对PM_2.5的影响。此外，本研究选择冬季白天进行PM_2.5的浓度监测，主要研究城区绿地在冬季雾霾天的PM_2.5消减效果，将来须进行多天的PM_2.5监测，以排除数据偶然因素造成的影响，并考虑周围交通、公园内的人为活动等因素，提高结果的准确度。还可选择其他季节进行监测，研究不同季节不同空间形态绿地的PM_2.5消减效果的差异性。

图表来源:

文中图表均由作者绘制，其中图1、2底图来源于Google Earth 卫星底图。

为了微信阅读体验，文中参考文献标注进行了删减，详见杂志。

参考文献(References)：

[1] FONTES T, LI P L, BARROS N, et al. Trends of PM2.5 Concentrations in China: A Long Term Approach[J]. Journal of Environmental Management, 2017, 196: 719-732.

[2] SONG C B, WU L, XIE Y C, et al. Air Pollution in China: Status and Spatiotemporal Variations[J]. Environmental Pollution, 2017, 227: 334-347.

[3] LU X C, LIN C Q, LI Y, et al. Assessment of Health Burden Caused by Particulate Matter in Southern China Using High-resolution Satellite Observation[J]. Environment International, 2017, 98: 160-170.

[4] 戴菲，陈明，傅凡，等.基于城市空间规划设计视角的颗粒物空气污染控制策略研究综述[J].中国园林，2019，35（2）：75-80.

[5] JANHÄLL S, MILJÖ M, STATENS V O, et al. Review on Urban Vegetation and Particle Air Pollution – Deposition and Dispersion[J]. Atmospheric Environment, 2015, 105: 130-137.

[6] 郭晓华，戴菲，殷利华.基于ENVI-met的道路绿带规划设计对PM_2.5消减作用的模拟研究[J].风景园林，2018，25（12）：75-80.

[7] 丁文，贾忠奎，席本野，等.道路绿地对PM_2.5等颗粒物的作用效果及影响机制[J].福建农林大学学报（自然科学版），2018，47（6）：729-735.

[8] 王国玉，白伟岚，李新宇，等.北京地区消减PM_2.5等颗粒物污染的绿地设计技术探析[J].中国园林，2014，30（7）：70-76.

[9] 吴海堂，孙丰宾，晏海，等.城市公园大气颗粒物浓度的节假日特征[J].风景园林，2019，26（3）：87-92.

[10] 邵锋，钱思思，孙丰宾，等.杭州市区春季绿地对PM_2.5消减作用的研究[J].风景园林，2017，24（5）：79-86.

[11] 徐欢，李红，姜泰昊.城市公园不同活动空间PM_2.5浓度的不均匀分布特征研究[J].中国园林，2018，34（3）：117-122.

[12] 同丽嘎，李雪铭，张靖，等.包头市典型城市绿地及周边PM_2.5对比分析[J].干旱区研究，2018，35（3）：562-567.

[13] 雷雅凯，段彦博，马格，等.城市绿地景观格局对PM_2.5、PM₁₀分布的影响及尺度效应[J].中国园林，2018，34（7）：98-103.

[14] LEI Y K, DUAN Y B, HE D, et al. Effects of Urban Greenspace Patterns on Particulate Matter Pollution in Metropolitan Zhengzhou in Henan, China[J]. Atmosphere, 2018, 9(5): 199.

[15] WU J S, XIE W D, Li W F, et al. Effects of Urban Landscape Pattern on PM2.5 Pollution：A Beijing Case Study[J]. Plos One, 2015, 10(11): 1-20.

[16] WU H T, YANG C, CHEN J, et al. Effects of Green Space Landscape Patterns on Particulate Matter in Zhejiang Province, China [J]. Atmospheric Pollution Research, 2018, 9(5): 923-933.

[17] LU D B, MAO W L, YANG D Y, et al. Effects of Land Use and Landscape Pattern on PM2.5 in Yangtze River Delta, China[J]. Atmospheric Pollution Research, 2018, 9(4): 705-713.

[18] 杜春兰.降减PM_2.5的绿色基础设施途径的思索[J].风景园林，2013，20（2）：147.

[19] 孟勇.浅谈城市园林绿化对PM_2.5的防控作用[J].风景园林，2013，20（2）：147-148.

[20] 戴菲，陈明，朱晟伟，等.街区尺度不同绿化覆盖率对PM₁₀、PM_2.5的消减研究：以武汉主城区为例[J].中国园林，2018，34（3）：105-110.

[21] ŁOWICKI D. Landscape Pattern as an Indicator of Urban Air Pollution of Particulate Matter in Poland[J]. Ecological Indicators, 2019, 97: 17-24.

[22] BAGHERI Z, NADOUSHAN M A, ABARI M F. Evaluation the Effect of Green Space on Air Pollution Dispersion using Satellite Images and Landscape Metrics: A Case Study of Isfahan City[J]. Fresenius Environmental Bulletin, 2017, 26(12A): 8135-8145.

[23] 朱春阳，曾元梓，陈奕汝，等.城市湖泊湿地对空气PM₁₀、PM_2.5的影响：以武汉为例[J].中国园林，2016，32（11）：88-93.

[24] 贾行飞.1990—2015年武汉市景观格局演变及优化策略研究[D].武汉：华中科技大学，2016.

[25] 李新宇，赵松婷，郭佳，等.公园绿地植物配置对大气PM_2.5浓度的消减作用及影响因子[J].中国园林，2016，32（8）：10-13.

[26] FAN S X, LI X P, HAN J, et al. Field Assessment of the Impacts of Landscape Structure on Different Sized Airborne Particles in Residential Areas of Beijing, China[J]. Atmospheric Environment, 2017, 166: 192-203.

[27] DOS SANTOS-JUUSELA V, PETÄJÄ T, KOUSA A, et al. Spatial-temporal Variations of Particle Number Concentrations between a Busy Street and the Urban Background[J]. Atmospheric Environment, 2013, 79: 324-333.

[28] FREIMAN M T, HIRSHEL N, BRODAY D M, Urban-Scale Variability of Ambient Particulate Matter Attributes[J]. Atmospheric Environment, 2006, 40(29): 5670–5684.

[29] 臧鑫宇，王峤. 基于景观生态思维的绿色街区城市设计策略[J].风景园林，2017，24（4）：21-27.

[30] JUN Y, QIAN Y, PENG G. Quantifying Air Pollution Removal by Green Roofs in Chicago[J]. Atmospheric Environment, 2008, 42(31): 7266-7273.

[31] LIN P Y, LAU S S Y, QIN H, et al. Effects of Urban Planning Indicators on Urban Heat Sland: A Case Study of Pocket Parks in High-rise High-density Environment[J]. Landscape and Urban Planning, 2017, 168: 48-60.

版面预览

相关阅读：

完整深度阅读请参看《风景园林》2019年12期

扫描下方小程序码或点击阅读原文进入店铺购买

扫描或点击图片

识别图中二维码购买

《风景园林》2019-12

专题：国土景观中的人文自然系统

文章编辑 陈汪丹

微信编辑  缪琳

微信校对 刘玉霞

声明

本文版权归本文作者所有

未经允许禁止转载

如需转载请与后台联系

欢迎转发