春季不同天氣城市街頭綠地內PM2.5質量濃度分布特征研究

王曉磊，王成，古琳，王茜，王艷英

中國林業科學研究院林業研究所，國家林業局城市森林研究中心，國家林業局森林培育重點實驗室，北京 100091

春季不同天氣城市街頭綠地內PM2.5質量濃度分布特征研究

王曉磊，王成*，古琳，王茜，王艷英

中國林業科學研究院林業研究所，國家林業局城市森林研究中心，國家林業局森林培育重點實驗室，北京 100091

于2012年春季，采用水平分布監測法監測了3種天氣下距交通污染源不同距離的街頭綠地中的PM2.5質量濃度，研究了不同天氣下PM2.5的日變化、水平分布規律及綠地對PM2.5的凈化效應，為城市街頭綠地、城市公園建設及市民合理選擇休閑鍛煉時間和地點提供理論依據。結果表明：1）晴天和多云時，PM2.5質量濃度上午高于下午，7：00濃度最高，15：00最低；雨后陰天基本保持上升趨勢。2）PM2.5日均質量濃度為晴天（61.67 μg·m-3）＜多云（187.98 μg·m-3）＜雨后陰天（291.48 μg·m-3）。晴天除5：00和7：00外，其他時刻均達到國家二級標準，且13：00—15：00達到國家一類功能區空氣質量要求；多云和雨后陰天PM2.5質量濃度分別超過國家二級濃度限值150.6%和288.6%。3）觀測時段內，無論哪種天氣，5：00、7：00、11：00和15：00綠地的凈化功能較強，19：00凈化功能均最差，所有監測點無一例外的表現為負效應。4）3種天氣下，PM2.5質量濃度在距離道路10～25 m最高，綠地的凈化效應最差，55 m外基本可以形成穩定的森林內環境。5）在南方高濕環境下，空氣相對濕度是影響PM2.5質量濃度的主要因素，晴天和多云天氣PM2.5濃度與相對濕度呈顯著正相關，而雨后陰天二者呈負相關關系。6）在一定閾值內，街頭綠地能夠緩解PM2.5污染，為居民提供良好的休閑環境。從游憩時間來看，市民可以選擇晴天進入街頭綠地休閑，多云和雨后陰天盡量減少外出；從活動最佳地段來看，距離污染源55 m以上適宜休閑鍛煉；從街頭綠地的規劃面積來看，半徑以不小于55 m為宜。

PM2.5；水平分布；凈化效應；典型天氣；街頭綠地

PM2.5是指環境中空氣動力學當量直徑小于或等于2.5 μm的顆粒物，又稱細顆粒物、可入肺顆粒物。與粗顆粒物相比，PM2.5比表面積大，富含有毒、有害物質且在大氣中的停留時間長、輸送距離遠，因而對人體健康和空氣環境質量的影響更大（楊復沫等，2000），長期暴露在高濃度PM2.5環境中，會引發各種呼吸道和心血管疾病，甚至增加居民早亡風險（Arden等，2002；Johnson和Graham，2005；Brook等，2004）。城市街頭綠地作為城市生態系統的重要組成部分，在緩解PM2.5污染和滿足城市居民休閑健身方面發揮著重要作用（陳自新等，1998；Beckett等，2000）。已有研究表明，城市交通污染是細顆粒物的首要來源（Feng等，2006；Begum等，2006；Holmes等，2005），且受交通污染影響最為嚴重的空間是交通主干道及其兩側50 m以內、1.7 m以下的低空范圍（Kaur等，2005）。而街頭綠地作為城市居民活動中最活躍的城市綠地類型，一般沿街而建，其所建范圍恰巧處于污染較嚴重的區域，在城市汽車保有量持續增加，交通污染物排放對PM2.5影響日趨嚴重的城市背景下，如何合理規劃設計降低PM2.5能力強的城市街頭綠地來減輕PM2.5對人體健康和城市大氣質量的影響，就成為規劃設計部門和城市居民關心的問題之一。目前，關于城市綠地高滯塵樹種、群落的選擇及配置已經開展了深入系統的研究（Beckett等，1998；柴一新等，2002；吳志萍等，2007；陳芳等，2006；Tallis等，2011），但街頭綠地應規劃多大面積，具體什么時間、在什么位置進行活動最適宜仍是值得探討的重要問題。因此，本文以無錫市河埒口休閑廣場街頭綠地為研究對象，對其春季典型天氣條件下距離交通污染源不同水平距離的PM2.5進行監測分析，以便了解城市街頭綠地內的PM2.5日變化和水平擴散特征，為城市街頭綠地、城市道路綠化規劃建設及市民合理選擇休閑鍛煉時間和地點提供理論依據。

1 研究地概況

無錫市位于119°33′～120°38′E，31°7′～32°2′N，南瀕太湖，西依錫山、惠山。地處北亞熱帶濕潤季風氣候區，四季分明，春季天氣多變，夏季炎熱多雨，盛行東南風，秋季秋高氣爽，冬季濕冷，盛行東北風，全年平均氣溫16.2 ℃，年均降水量1121.7 mm，主要集中在夏季。年平均日照時數1924.3 h，無霜期226 d。河埒口休閑廣場位于無錫市濱湖區，梁溪路與青祁路、快速內環四高架橋交叉口的西北角，是一個集休閑、健身、娛樂、商務、應急避難等多功能為一體的城市核心區。綠化區位于廣場西側，植被覆蓋率60%，主要有廣玉蘭（Magnolia grandiflora）、香樟（Cinnamomum camphora）、欒樹（Koelreuteria paniculata）、杜英（Elaeocarpus decipiens）、桂花（Osmanthus fragrans）、櫻花（Prunus serrulata）、山茶（Camellia japonica）、瓜子黃楊（Buxus Sinica Cheng）、紅花檵木（Loropetalum chinense）、金葉女貞（Ligustrum vicaryi）、毛杜鵑（Rhododendron pulchrum）等植物。

2 研究方法

2.1 樣地選擇

為減小群落結構和周圍環境因素的影響，試驗于綠化區中央選擇垂直于梁溪路的植物配置方式相同的樣帶，該樣帶除受梁溪路主要交通污染影響外，無其他污染源且樣帶環境基本一致。樣帶的另一側為步行道，基本無機動車通過，因此其對綠地內PM2.5質量濃度的影響基本可以忽略不計。從梁溪路邊緣向樣帶內依次布設監測點，分別為0（機動車道路邊緣）、10、25、40、55、70和85 m，共7個水平監測點，每個監測點設置3個重復，共21個點。試驗樣帶為喬、灌、地被復層群落搭配，郁閉度0.45，上層為廣玉蘭（胸徑(12.11±0.32) cm、樹高(6.47±0.10) m、枝下高(2.5±0.07) m、冠幅(2.76±0.07) m×(2.97±0.08) m），中層為櫻花（胸徑(7.38±0.14) cm、樹高(4.51±0.09) m、枝下高(1.52±0.05) m、冠幅(2.66±0.09) m×(2.777±0.08) m），下層為毛杜鵑/瓜子黃楊/金葉女貞（高度(0.65±0.01) m）。

2.2 觀測方法和數據處理

于2012年春季，選擇無風或微風的晴天（日均溫度28 ℃，相對濕度49.6%，風速0.8 m·s-1）、多云（日均溫度20.4 ℃，相對濕度68.5%，風速0.2 m·s-1）、雨后陰天（日均溫度15.8 ℃，相對濕度81.5%，風速0.2 m·s-1）各3 d，從5：00—19：00每2 h定點、同步測定各點距地面1.5 m處的PM2.5質量濃度、氣象因素和車流量，每個點重復3次，取平均值為此監測點的觀測值。使用英國Turnkey儀器制造有限公司生產的Dustmate粉塵檢測儀（分辨率：0.001 mg·m-3；測量范圍：0～6000 μg·m-3）測定PM2.5質量濃度；使用美國產Kestrel3500手持氣象站空氣溫度、相對濕度和風速；使用臺灣泰仕公司產的TES-1332A光照儀測定光照強度；每個觀測時刻內任意15 min采用人工記數方法記錄車流量。所有數據應用Microsoft Excel 2007和SPSS18.0分析，同一天氣條件不同水平距離的差異用單因素方差分析（one-way ANOVA），并在0.05顯著水平上進行LSD法多重比較。

不同水平監測點的PM2.5凈化百分率（即凈化效應）計算參照殷彬等（2007）的公式：

式中：Pn為第n個監測點空氣顆粒物凈化百分率；C0和Cn分別代表道路邊緣、第n個監測點的PM2.5質量濃度。

3 結果與分析

3.1 3種天氣下綠地內PM2.5質量濃度日變化分析

3.1.1 PM2.5質量濃度日變化

春季，無錫城市街頭綠地內同一天氣條件不同監測點的PM2.5質量濃度日變化規律呈一致性，但不同天氣條件下有所差異（圖1），晴天和多云天氣呈“單峰單谷”型，上午濃度高于下午，7：00時濃度最高，15：00最低。具體變化趨勢是：5：00—7：00 PM2.5質量濃度逐漸上升，7：00達到峰值后急劇下降，至11：00逐步平穩，15：00達到1 d中的最低值，之后再逐漸上升。雨后陰天時，PM2.5質量濃度基本呈遞增趨勢，5：00—7：00基本維持平穩狀態，之后急劇升高，至9：00達上午最大值，11：00濃度稍有下降，隨后基本保持上升趨勢。

PM2.5質量濃度的日變化規律受氣象因子（李軍等，2009；郭二果等，2013）、交通（Holmes等，2005；Kaur等，2005）、生活排放源（徐敬等，2007；溫夢婷等，2007）等多種因素影響，晴天和多云天氣，由于早晚居民晨練多、恰逢上班早晚高峰期，且氣溫低、空氣濕度大，風速小，這種低溫、高濕和相對靜風的氣象狀態不利于空氣顆粒物的擴散和輸送，導致早晚濃度高，而白天隨著太陽輻射增強，氣溫升高，濕度降低，混合層較高，空氣亂流和對流作用明顯，再加上植物生理活動旺盛，能夠不斷吸滯、粘附PM2.5，因此共同作用使白天PM2.5維持較低的水平。而雨后陰天時，受凌晨降雨對PM2.5的沖刷作用，5：00—7：00濃度相對較低，之后隨溫度升高，這種高溫、高濕且無風（日均0.2m·s-1）環境導致擴散條件差，易于PM2.5積聚不利于其擴散（李軍等，2009），因此，雨后陰天PM2.5質量濃度持續攀升，達到較高水平。另外，陰天天氣植物生理活動減弱也是導致其濃度增大的原因之一。

圖1 3種天氣條件下綠地內PM2.5質量濃度日變化Fig.1 The concentration diurnal changes of PM2.5in three weather conditions in street greenbelt

表1 3種天氣下PM2.5質量濃度水平分布規律Table 1 The horizontal distribution of PM2.5concentration in three weather conditions μg·m-3

3.1.2 PM2.5濃度污染情況

由圖1可見，3種天氣相比，晴天PM2.5質量濃度最低，雨后陰天最高。晴天PM2.5濃度在31.53～126.96 μg·m-3之間，日均61.67 μg·m-3；全天除5：00和7：00外，其他時刻均達到GB 3095—2012國家二級標準《環境空氣質量標準》，且13：00—15：00達到國家一類功能區空氣質量要求。多云天氣PM2.5質量濃度在108.45～341.20 μg·m-3之間，日均187.98 μg·m-3，是晴天的3.05倍，超出國家二級標準150.7%。而雨后陰天時PM2.5除5：00—7：00濃度較低（分別為111.48和125.09 μg·m-3）外，其余時刻均超標嚴重，19：00最高值達到484.29 μg·m-3，超過國家二級標準545.7%，日均值291.48 μg·m-3，超標288.6%。多云和雨后陰天時，各時刻PM2.5質量濃度均超過國家二級濃度限值。

3.2 3種天氣下綠地內PM2.5質量濃度水平分布特征

將同一監測點所有時刻的PM2.5質量濃度加和平均，得到3種天氣下PM2.5的水平分布規律（表1）。可見，3種天氣距離道路10～25 m PM2.5質量濃度最高，55～70 m最低，只是不同天氣最高和最低值出現的地段略有差異。晴天，0 m開始濃度逐漸升高，25 m處達最高，隨后下降，70 m處最低，55～85 m其濃度均低于路緣。多云時，10 m處濃度最高，隨后下降，40 m處基本接近本底值，在55 m處降至最低后再緩慢升高，但均低于路緣。雨后陰天時，路緣PM2.5質量濃度最低，10 m處最高，綠地內55 m處濃度最低，但綠地內任意監測點的濃度均高于路緣。方差分析顯示，無論哪種天氣，各水平監測點之間PM2.5濃度差異均不顯著。

3.3 3種天氣下綠地對PM2.5的凈化效應

3.3.1 綠地對PM2.5凈化效應的日變化規律

由表2可知，觀測時段內，不同天氣各監測點對PM2.5的凈化效應不同，晴天除17：00和19：00綠地內凈化效應為負外，其余時刻基本為正效應，5：00、7：00和13：00凈化效應顯著，最高凈化率為12.78%，17：00的凈化效應最差。多云時，除13：00和19：00對PM2.5的凈化效果為負外，其余時刻基本為正效應，7：00和15：00凈化效應最好，最高達16.96%；雨后陰天時，5：00、7：00、11：00和15：00的凈化效率為正，且15：00凈化效果最好，其他時刻為負效應；多云和雨后陰天均13：00對PM2.5的凈化效應最差。

總體來講，全天各時刻，無論哪種天氣，19：00凈化功能最差，所有監測點無一例外均表現為負效應，5：00對PM2.5的凈化功能最好，83.3%的監測點為正效應，其次為7：00和11：00，72.2%為正，其他時刻依次為15：00（66.7%）＞9：00（50%）＞13：00（33.3%）＞17：00（16.7%）。以上分析反映出城市街頭綠地對PM2.5凈化效應的日變化規律主要與交通污染和植物生理活動有關，在交通量少、生理活性較好的時刻對PM2.5的凈化效應較好，而在車流量較大、生理活動弱的時刻，凈化效應最差。

表2 3種天氣不同水平距離的凈化效應日變化Table 2 The diurnal changes of purifying effects of horizontal distance in three weather conditions %

表3 典型天氣不同水平距離的凈化效應Table 3 The average purifying effects of horizontal distance in three weather conditions %

3.3.2 綠地對PM2.5的水平凈化效應

由于街頭綠地對PM2.5的凈化效應有正有負，因此，不能簡單將凈化效應值直接平均，本文運用3.2小節各水平監測點的平均值計算得到街頭綠地內各水平距離的平均凈化效應（表3）。

與PM2.5的水平分布規律類似，晴天時PM2.5凈化效應從10 m開始逐漸下降，25 m處凈化效應最低，隨后凈化效應增強，70 m處最強。總體上，40 m以內為負效應，55～85 m為正效應。分析原因，晴天時大氣相對不穩定，汽車行駛過程中也會產生垂直于樣帶的風，路緣0 m處的PM2.5能夠隨汽車尾部較強氣流上升或迅速擴散至綠地內，濃度較低，而樣帶內靠近污染源的監測點濃度則相對會升高，凈化效應減小，之后受樹木的阻擋、截留和附著、吸附作用影響，PM2.5動力減小，濃度降低，至55 m處不再受污染源影響，直至85 m街頭綠地內的PM2.5一直維持低于路緣的水平。

多云天氣，距離道路10 m處凈化效應最差，其次是25 m，55 m處凈化效果最好，且40～85 m均呈正效應。與晴天相比，負效應的范圍縮短，正效應范圍擴大。這是由于相比晴天，多云天氣風速小，大氣相對穩定，PM2.5擴散慢，傳播距離短，因此，10 m處PM2.5質量濃度最低，25 m范圍內的濃度高于路緣，凈化效應差，而40 m以外濃度均呈正凈化效應。

雨后陰天時PM2.5凈化效應在綠地內10 m處最差，55 m處最好，但各監測點對PM2.5的凈化效應均為負。這是由于雨后陰天大氣層結最穩定，路緣處于空曠地且汽車行駛共同使得其空氣流動大，PM2.5易于擴散，而受植物冠層枝葉阻擋，綠地內風速降低，濕度大，空氣流動性很差，抑制PM2.5的擴散卻容易促進其持續積累，因此林帶內的PM2.5濃度大于路緣，凈化效應均為負值。

另外，1 d內各水平監測點呈現正凈化效應的比例有所差異，晴天，各監測點呈正效應的比例分別為70 m=80 m（75%）＞ 10 m（62.5%）＞55 m（50%）＞ 25 m（37.5%）＞40 m（25%）；多云天氣分別為40 m=55 m（75%）＞ 70 m（62.5%）＞85 m（50%）＞ 25 m（37.5%）＞10 m（25%）；雨后陰天為40 m=55 m=70 m=85 m（50%）＞ 25 m（37.5%）＞10 m（12.5%）。總體上，各水平監測點在全天表現為正效應的比例依次為70m（81.3%）＞55 m（79.2%）＞85 m（77.1%）＞40 m（75%）＞ 25 m（68.8%）＞10 m（66.7%）（表2）。

綜上分析，距離污染源55 m時，城市街頭綠地對PM2.5的凈化效應最好，且55 m以上基本可以維持正凈化效應，緩解PM2.5污染。

3.4 影響綠地內PM2.5質量濃度的相關要素分析

PM2.5質量濃度不僅與交通、工業和生活排放源有關，還受氣象和天氣因素的影響，考慮到數據的可取性和城市街頭綠地受交通污染嚴重的特點，本研究主要探討了氣象因素和車流量對PM2.5的影響。

3.4.1 綠地內PM2.5與氣象因素

統計分析（表4）表明：晴天時，氣象因素對PM2.5質量濃度影響最顯著，與風速、溫度、相對濕度均達到顯著相關水平，與相對濕度極顯著正相關，與溫度極顯著負相關，與風速顯著負相關，與光照、氣壓相關性不顯著，這說明高溫、低濕、有一定氣流的晴天有利于PM2.5的擴散。多云時PM2.5質量濃度除了與相對濕度顯著正相關外，與其他因子均未達到顯著相關水平。雨后陰天天氣PM2.5質量濃度與氣象因素的相關性較差，均未達到顯著相關，與相對濕度呈負相關關系，相關系數最大（-0.799），與氣壓、溫度、風速、光照強度正相關。由于多云和雨后陰天時日均風速僅為0.2 m·s-1，處于無風狀態，因此風速對PM2.5濃度影響不顯著；多云時，相對濕度增加（相對濕度為57.8%～81.7%，日均68.5%），空氣中的超細粒子極易形成PM2.5，因此，相對濕度與PM2.5質量濃度呈正相關關系；而雨后陰天，由于濕度過大（75.4%～87.9%，平均81.5%），易導致細顆粒物吸濕膨脹，變成粗顆粒物，甚至發生重力沉降，因此二者呈負相關關系。胡敏等（2006）、鄧利群等（2012）研究也表明在一定濕度范圍內，相對濕度越大越有利于顆粒物的形成，但超過一定閾值，會導致顆粒物濃度的增加，尤其高溫高濕度容易造成細顆粒物濃度升高。

3.4.2 綠地內PM2.5與周邊交通因素

汽車尾氣不僅能夠直接排放一部分PM2.5，還會排放氣態污染物，如氮氧化物、一氧化碳、揮發性有機物等PM2.5前體物，這些成分在大氣中經過復雜的物理和光化學過程形成PM2.5（楊復沫等，2000；王躍思等，2013）。本文通過PM2.5小時平均濃度與車流量的相關性分析發現，二者之間有一定關系，但相關性不顯著。晴天和多云天氣PM2.5與車流量呈正相，相關系數分別為0.69和0.63，而雨后陰天時，二者相關系數很小，僅為-0.028。

表4 氣象因素與PM2.5質量濃度的相關系數Table 4 Correlation coefficients of PM2.5concentration and meteorological factor

4 結論與討論

4.1 結論

1）不同天氣PM2.5質量濃度日變化存在差異，晴天和多云天氣呈“N”型曲線，且上午濃度高于下午；雨后陰天基本呈線性遞增趨勢。從日均濃度來看，晴天（61.67 μg·m-3）＜多云（187.98 μg·m-3）＜雨后陰天（291.48 μg·m-3），晴天達到國家二級標準，多云和雨后陰天分別超出國家二級標準150.7%和288.6%。

2）3種天氣距離道路10～25 m PM2.5質量濃度最高，55～70 m最低并保持相對平穩狀態，只是不同天氣最高和最低值出現的地段略有差異。晴天25 m處最高，70 m處最低，55～85 m范圍內其濃度均低于路緣；多云天氣10 m處最高，40 m處基本接近本底值，55 m處最低；雨后陰天時，10 m處最高，55 m處濃度最低，但綠地內全部監測點的PM2.5質量濃度均高于路緣。

3）距離污染源55 m時城市街頭綠地對PM2.5的凈化效應最好，55 m以上基本可以維持正凈化效應，緩解PM2.5污染。從規劃的角度來看，若要達到調控PM2.5的作用，城市街頭綠地或城市公園規劃半徑以不小于55 m為宜；在休閑鍛煉時，宜選擇距離污染源55 m以上的地段。

4）氣象因素對PM2.5質量濃度的影響在晴天天氣最顯著，與風速、溫度、相對濕度均達到顯著相關水平，與光照、氣壓相關性不顯著；多云時只與相對濕度呈顯著正相關，與其他因子未達到顯著相關；而雨后陰天時PM2.5質量濃度與各氣象因素均未達到顯著相關。

4.2 討論

1）受多種因素綜合影響，不同天氣條件PM2.5質量濃度存在顯著差異，高溫、低濕、微風的晴天，空氣湍流作用大，有利于PM2.5的快速擴散（李軍等，2009），因此晴天街頭綠地內PM2.5質量濃度最低，適合居民進入街頭綠地內休閑健身。而多云和雨后陰天時，大氣相對穩定，PM2.5濃度較高，尤其低溫高濕的雨后陰天時，超細粒子極易與污染氣體發生化學反應或吸濕增長變成PM2.5（王躍思等，2013），造成頭綠地內PM2.5持續積累，污染嚴重。

2）關于大氣顆粒物擴散的研究，先前有學者發現，道路粉塵飄落隨著距離污染源由近及遠呈現遞減的現象（劉青等，2009），Cavanagh等（2009）也發現冬季常綠闊葉綠地內PM10濃度由林緣向綠地內呈衰減趨勢。本研究發現，PM2.5水平分布規律均先增加后減少，在55～70 m出現最低值，這可能與研究對象不同有關，劉青等（2009）、Cavanagh等（2009）主要研究粒徑較大的灰塵（燃燒完全的蜂窩煤粉末+黃土粉）、PM10等粗顆粒，而本文主要研究粒徑較小的PM2.5，一方面受顆粒物自身特性的影響，即在同等動力下，不同粒徑的顆粒物由于自身重力的關系，在空中擴散的距離存在較大差異，粗顆粒物主要依靠重力或慣性作用沉降，沉降速度快，傳輸距離短，而細顆粒物受氣流運動的影響大于重力，沉降較慢，傳輸距離遠（Grantz等，2003）；另一方面，受行駛機動車引起的機械湍流影響，路緣處風速加大，PM2.5濃度迅速擴散或進入綠地內，會導致綠地內一定范圍內濃度高于林外，因此，相比較而言細顆粒物的傳播距離要遠，且受汽車尾部氣流湍流影響，最大值出現的地段后延。

3）通過分析街頭綠地對PM2.5的凈化作用發現，晴天和多云時，街頭綠地內多數時刻表現為正凈化效應，但在雨后陰天PM2.5質量濃度較高時，街頭綠地對PM2.5的凈化效應均為負。這表明樹木調控PM2.5的能力存在一定閾值，當PM2.5污染在植物的耐受范圍內時，街頭綠地能夠通過吸附、粘附等途徑減輕PM2.5污染，但當城市PM2.5污染嚴重超過植物的調控作用時，城市街頭綠地PM2.5濃度高于林外，綠地發揮了暫時“塵匯”的作用。

4）氣象、交通等多種因素共同作用影響PM2.5濃度（李軍等，2009；郭二果等，2013；王躍思等，2013），本文分析發現，眾多因子中，PM2.5質量濃度與相對濕度的相關關系最強，說明在南方高濕環境下，空氣相對濕度是影響PM2.5污染的一個較重要的因素。另外，本文發現PM2.5濃度與車流量之間呈正相關關系，但相關性不顯著，且雨后陰天時，相關系數為-0.028，這在一定程度上說明雨后陰天時氣象因素對PM2.5濃度的影響貢獻要大于車流、人為活動等其他因素。

5）需要注意的是，PM2.5除了與環境因子有關外，還受樹種組成、種植密度、疏透度、綠化覆蓋率、綠化模式等因子的影響（孫淑萍等，2004；殷彬等，2007；藺銀鼎等，2011），而本研究僅對無錫市街頭綠地現有典型配置調控PM2.5的作用進行了嘗試性研究，今后應加強不同植物配置、不同結構的街頭綠地凈化PM2.5作用的研究，以便為建設結構合理、功能高效街頭綠地提供科學依據。另外，本研究只監測了不同天氣條件下白天的空氣顆粒物，未開展夜間和全年的監測；僅對水平距離進行了觀測研究，未涉及垂直高度上顆粒物濃度的監測，今后有待于進一步深入和完善。

ARDEN Pope III C, BURNETT R T, THUN M J, et al. 2002. Lung cancer, cardiopulmonary mortality, and long-term exposure to fine particular air pollution[J]. The Journal of the American Medical Association, 287(9): 1132-1141.

BECKETT K P, FREER-SMITH P H, TAYLOR G. 1998. Urban woodlands: their role in reducing the effects of particulate pollution[J]. Environmental Pollution, 99(3): 347-360.

BECKETT K P, FREER-SMITH P H, TAYLOR G. 2000. Particulate pollution capture by urban trees: effect of species and windspeed[J].Global Change Biology, 6(8): 995-1003.

BEGUM B A, BISWAS S K, HOPKE P K. 2006. Temporal variations and spatial distribution of ambient PM2.2and PM10concentrations in Dhaka, Bangladesh [J]. Science of the Total Environment, 358(1/3):36-45.

BROOK R D, FRANKLIN B, CASCIO W, et al. 2004. Air pollution and cardiovascular disease: A statement for Healthcare Professionals from the expert panel on population and prevention science of the American Heart Association[J]. Circulation, 109: 2655-2671.

CAVANAGH J A E, ZAWAR-Reza P, WILSON J G. 2009. Spatial attenuation of ambient particulate matter air pollution within anurbanized native forest patch[J]. Urban Forestry & Urban Greening, 8(1): 21-30.

FENG J L, HU M, CHAN C K, et al. 2006. A comparative study of the organic matter in PM2.5from three Chinese megacities in three different climatic zones[J]. Atmospheric Environment, 40(21): 3983-3994.

GRANTZ V A, GARNER J H B, JOHNSON D W. 2003. Ecological effects of particulate matter[J]. Environment International, 29:213-239.

HOLMES N S, MORAWSKA L, MENGERSEN K, et al. 2005. Spatial distribution of submicrometre particles and CO in an urban microscale environment[J]. Atmospheric Environment, 39(22): 3977-3988.

JOHNSON P R S, GRAHAM J J. 2005. Fine particulate matter National Ambient Air Quality Standards: public health impact on populations in the Northeastern United States[J]. Environmental Health Perspectives. 113(9): 1140-1147.

KAUR S, NIEUWENHUIJSEN M J, COLVILE R N. 2005. Pedestrian exposure to air pollution along a major road in central London, UK[J]. Atmospheric Environment, 39 (38): 7307-7320.

TALLIS M, Taylor G, SINNETT D, FREER-SMITH P. 2011. Estimating the removal of atmospheric particulate pollution by the urban tree canopy of London, under current and future environments[J]. Landscape and Urban Planting, 103(2):129-138.

柴一新, 祝寧, 韓煥金. 2002. 城市綠化樹種的滯塵效應-以哈爾濱為例[J]. 應用生態學報, 13(9): 1121-1126.

陳芳, 周志翔, 郭爾祥, 等. 2006. 城市工業園區園林綠地滯塵效應的研究-以武漢鋼鐵公司廠區綠地為例[J]. 生態學雜志, 25(1): 34-38.

陳自新, 蘇雪痕, 劉少宗, 等. 1998. 北京城市園林綠化生態效益的研究(6)[J]. 中國園林, 14(60): 53-56.

鄧利群, 錢駿, 佟洪金. 2012. 2009年8—9月成都市顆粒物污染及其與氣象條件的關系[J]. 中國環境科學, 32(8): 1433-1438.

郭二果, 王成, 郄光發, 等. 2013. 北方地區典型天氣對城市森綠地內大氣顆粒物的影響[J]. 中國環境科學, 33(7): 1185-1198.

胡敏, 劉尚, 吳志軍, 等. 2006. 北京夏季高溫高濕和降水過程對大氣顆粒物譜分布的影響[J]. 環境科學, 27(11): 2293-2298.

李軍, 孫春寶, 劉咸德, 等. 2009. 氣象因素對北京市大氣顆粒物濃度影響的非參數分析[J]. 環境科學研究, 22(6): 663-669.

藺銀鼎, 武小剛, 郝興宇, 等. 2011. 城市機動車道顆粒污染物擴散對綠化隔離帶空間結構的響應[J]. 生態學報, 31 (21): 6561- 6567.

劉青, 劉苑秋, 賴發英. 2009. 基于滯塵作用的城市道路綠化研究[J]. 江西農業大學學報, 31(6): 1063-1068.

孫淑萍, 古潤澤, 張晶. 2004. 北京城區不同綠化覆蓋率和綠地類型與空氣中可吸入顆粒物[J]. 中國園林, 14 (3): 77-79.

王躍思, 姚利, 劉子銳, 等. 2013. 京津冀大氣霾污染及其控制策略思考[J].中國科學院院刊, 28(3): 353-363.

溫夢婷, 胡敏. 2007. 北京餐飲源排放細粒子理化特征及其對有機顆粒物的貢獻[J].環境科學, 28(11): 2620-2625.

吳志萍, 王成, 許積年, 等. 2007. 六種城市綠地內夏季空氣負離子與顆粒物[J]. 清華大學學報:自然科學版, 47(12): 2153-2157.

徐敬, 丁國安, 顏鵬, 等. 2007. 北京地區PM2.5的成分特征及來源分析[J]. 應用氣象學報, 18(5) : 645-654.

楊復沫, 馬永亮, 賀克斌. 2000. 細微大氣顆粒物PM2.5及其研究概況[J].世界環境, 4: 32-34.

殷彬, 蔡靜萍, 陳麗萍, 等. 2007. 交通綠化帶植物配置對空氣顆粒物的凈化效益[J]. 生態學報, 27 (11): 590-4595.

Distribution characteristics of PM2.5concentration in different weather conditions in city street greenbelt in spring.

WANG Xiaolei, WANG Cheng*, GU Lin, WANG Qian, WANG Yanying
Research Institute of Forestry of the CAF, Research Center of Urban Forest of the SFA, Key Laboratory of Forest Silviculture of the SFA, Beijing 100091, China

As one part of urban forests, the street greenbelt not only provides a relatively clean recreation space for residents in the city under the polluted environment, but also plays an important role in purifying the pollution of PM2.5. In this paper, diurnal variation, horizontal distribution of PM2.5and purifying effects was observed using horizontal profiling method under different weather conditions in the street greenbelt in spring in order to provide theoretical basis for the construction of urban green street, city park and the reasonable choice of leisure time and place for public to exercise. The results showed that: 1) It presented a parallel diurnal variation of PM2.5concentration in sunny and cloudy which was higher in morning than in afternoon with one peak at 7:00 and one valley at 15:00, an increasing trend over time in overcast. 2) Concentration of PM2.5was in the order of sunny (61.67 μg·m-3)＜cloudy (187.98 μg·m-3)＜ overcast (291.48 μg·m-3). Concentration of PM2.5in all hours (excluding 5:00 and 7:00) and daily mean reached the national secondary standard in sunny day, even in 13:00—15:00 reached the national standard, while it was exceeded for 150.6% in cloudy and 289.6% in overcast day. 3) Within the observation period, no matter what the weather, the purification was powerful in 5:00, 7:00, 11:00 and 15:00, while worst in 19:00 all showed negative effects. 4) There was a peak between 10 m to 25 m away from the road with poor purifying effects while 55 m away from vehicle pollution could form a stable environment within the forest. 5) In the southern humidity environment, air relative humidity was the main factor affecting the concentration of PM2.5. It showed a significant positive correlation between PM2.5concentration and relative humidity under sunny and cloudy while negative correlation in overcast day. 6) According to the analysis above, street greenbelt alleviated PM2.5pollution and provided with good leisure environment for residents within a certain threshold. Sunny day all day (except 5:00—7:00) in 55 m away from vehicle pollution was suitable for recreation whereas cloudy and overcast day was unsuited in street greenbelt space for exercise. From the perspective of the planning area, the radius of street greenbelt should no less than 55 m.

PM2.5concentration; horizontal distribution; purifying effects; typical weather condition; street greenbelt

S725.1

A

1674-5906（2014）06-0972-07

王曉磊，王成，古琳，王茜，王艷英. 春季不同天氣城市街頭綠地內PM2.5質量濃度分布特征研究[J]. 生態環境學報, 2014, 23(6): 972-978.

WANG Xiaolei, WANG Cheng, GU Lin, WANG Qian, WANG Yanying. Distribution characteristics of PM2.5concentration in different weather conditions in city street greenbelt in spring. [J]. Ecology and Environmental Sciences, 2014, 23(6): 972-978.

國家林業公益性行業科研專項經費（201304301-05）

王曉磊（1985年生），女，博士研究生，主要從事城市林業研究。E-mail: wangxl.1010@163.com

*通信作者：王成（1967年生），男，研究員，博士生導師，主要從事城市森林與城市生態方面的研究工作。E-mail: wch8361@163.com

2014-03-10