城市景觀格局對PM2.5污染的影響

孫 敏， 陳 健,2， 林鑫濤， 楊 山

（1.浙江農林大學 浙江省森林生態系統碳循環與固碳減排重點實驗室，浙江 杭州 311300；2.浙江農林大學 省部共建亞熱帶森林培育國家重點實驗室，浙江 杭州311300）

細顆粒物（PM2.5）是指空氣動力學當量直徑小于或等于2.5 μm的顆粒物，由于其獨有的特性，對城市空氣質量和人體健康均產生了巨大的消極影響。自2012年以來，中國多地區霧霾頻繁發生，使PM2.5污染得到了更廣泛的關注［1］。伴隨城市化進程的不斷加快，城市區域土地利用/覆蓋類型及其景觀格局也在不斷發生重大改變，這些區域的PM2.5污染狀況也隨之發生改變［2－4］。土地利用/覆蓋類型及其景觀格局的改變，能間接反映污染物排放源的空間差異。目前，國內外對城市不同土地利用類型與大氣環境的關系開展了一系列研究。HOEK等［5］對比分析不同土地利用類型下PM2.5質量濃度空間分布，發現交通用地比其他城市用地類型的空間變異程度更高。MARTUZEVICIUS等［6］研究發現辛辛那提市PM2.5質量濃度與城市土地利用結構密切相關。國內也在這方面開展了大量研究，LI等［7］利用城市森林效應模型，探討城市森林對大氣污染的影響，認為北京中部的樹木可以去除1 261.400 t·a－1的污染物，其中大部分都是顆粒物。唐昀凱等［8］發現綠化面積比例與PM2.5質量濃度呈顯著負相關，建設用地面積比例則與PM2.5質量濃度呈顯著正相關。崔巖巖［9］發現居民點和道路交通用地的面積與大氣顆粒物質量濃度的相關系數分別為0.798和0.743，而林地和耕地面積與大氣顆粒物質量濃度的相關系數分別為－0.834和－0.353。唐新明等［10］發現在500和1 000 m緩沖區內，綠地面積與大氣顆粒物質量濃度呈顯著負相關，建筑面積與大氣顆粒物質量濃度呈顯著正相關。這些研究主要集中在土地類型構成及變化或植被覆蓋指數等單個要素的景觀格局指數和空氣質量相關性分析［11－14］，但甚少從宏觀土地利用/覆蓋類型及不同范圍內的微觀景觀格局的雙重角度，探討城市景觀格局對可入肺顆粒物污染的影響。因此，本研究以浙江省為研究對象，分析47個PM2.5國控點周邊5 km范圍內不同層次的景觀格局與PM2.5污染相關性，探討景觀格局對PM2.5質量濃度的影響，為中國東部地區城市PM2.5污染控制，土地利用規劃制定，以及城市生態建設提供理論和實踐的依據。

1 研究區域及研究方法

1.1 研究區域概況

浙江省處在長江三角洲南翼，屬于亞熱帶季風氣候，季風顯著，四季分明。隨著浙江省經濟的快速發展和城市化水平的不斷提高，大氣環境問題逐漸成為了經濟社會發展中突出的問題。《2015年浙江環境狀況公報》顯示：2015年全省平均霾日數為53 d，霧霾天氣主要集中在杭州、嘉興、金華部分城市化水平較高的地區，舟山、麗水、臺州等地區霧霾天氣出現較少。11個設區城市日空氣質量（AQI）未達優良天數比例平均為21.8%。69個縣級城市日空氣質量達到國家二級標準的只有13個。雖然在社會各界的共同努力下，城市環境空氣質量總體好于上年，重污染天氣明顯減少，全省環境空氣質量逐步改善，但持續控制PM2.5污染，改善城市大氣環境質量，依然是浙江省亟待解決的問題。

1.2 研究方法

1.2.1 PM2.5數據 PM2.5日均質量濃度數據采用分布在浙江地區的47個空氣質量監測國控點發布數據（圖1），數據來源于國家環保部全國空氣質量實時發布平臺發布的日平均數據（http://106.37.208.233:20035/），通過人工記錄的方式獲取整年的PM2.5數據，數據時段為2014年12月至2015年11月，各站點不同季節和年度質量濃度根據PM2.5日均質量濃度統計求均值得到。

1.2.2 土地利用/覆蓋數據 通過Google Earth高清衛星影像，采用目視解譯的方法獲取47個監測站點5 km緩沖區內的近期土地利用數據。在參考相關研究成果的基礎上，結合實際情況，將土地利用類型分為9類，分別為道路（含高速道路和城市道路）、住宅用地、商服用地、工礦倉儲用地、交通綠地、林地（大面積城市森林）、水域、農業、裸地［15－18］。

1.2.3 景觀格局指數 景觀格局指數主要用于描述景觀的空間結構特征，是反映景觀結構組成、空間配置特征的簡單量化指標。景觀中各斑塊類型所占比例（PLAND）反映的是土地利用類型在整個景觀中所占的面積大小，已經被廣泛證明它與顆粒物質量濃度相關性較高［19］。邊緣密度（ED）和斑塊密度（PD）反映的是景觀類型的破碎化程度，已有研究表明斑塊密度與大氣顆粒物質量濃度呈負相關，而邊緣密度和大氣顆粒物質量濃度呈正相關。香農均勻度指數（SHEI）表征景觀被分割的破碎程度，反映景觀空間結構的復雜性。而蔓延度指數（CONTAG）描述了景觀里不同斑塊類型的團聚程度和延展趨勢，包含空間信息，也是描述景觀格局最重要的指數之一。因此，本研究共選擇反映類型水平特征的PLAND，ED和PD指標，以及反映景觀水平特征的SHEI和CONTAG等5個景觀格局指數來描述監測點周邊的景觀格局特征。

圖1 監測站點分布圖Figure 1 Distribution map of monitoring sites in Zhejiang

1.2.4 緩沖區半徑 緩沖區半徑的設置對于模型結果有著重要影響，因此，本研究以站點周邊不同緩沖區內的影響因素分布情況作為不同變量形式［5］。理論上最小緩沖半徑需要根據地理數據的空間精度來確定，而最大緩沖半徑則與污染源和污染物的擴散模式有關。交通變量的最大緩沖半徑一般為1 km，而土地利用和人口密度等變量的最大緩沖半徑可達5 km［20］。本研究以5 km為最大緩沖區半徑，1 km為單位，計算各單位半徑內的景觀格局指數，以此作為分析與PM2.5質量濃度關系的自變量［21］。

1.2.5 數據分析 ①以各監測點為中心，利用Fragstat 4.2分別計算1，2，3，4和5 km半徑范圍內的5種景觀格局指數（文中標為類型_指標_范圍）；②運用皮爾森相關分析法對各景觀格局指標和PM2.5質量濃度間相關性進行分析，以確定和PM2.5質量濃度顯著相關的景觀格局指標；③運用多元逐步回歸法剔除相關性不顯著的變量，建立回歸模型并分析景觀格局指標對PM2.5質量濃度的影響。

2 結果與分析

2.1 PM2.5質量濃度變化

47個站點的PM2.5質量濃度均值為54.341 μg·m－3·a－1， 季節水平上各個站點間PM2.5質量濃度差異顯著，季節間質量濃度差異顯著（圖2）。其中臨平鎮監測點的年均質量濃度最大，為63.952 μg·m－3·a－1。臨平鎮站點位于杭州市余杭區中心，近年來該地區城市化進程發展迅速，建筑用地和道路用地密集，人為排放源多且不利于污染物擴散。最小值為千島湖監測點（33.197 μg·m－3·a－1），千島湖站點周圍的土地利用類型以林地和水域為主，污染源少且利于污染物擴散。不同站點間的PM2.5季節質量濃度存在顯著差異，且不同季節變化規律十分明顯，即PM2.5質量濃度均值在夏季最低，冬季最高。其中和睦小學冬季均值最高， 為 95.130 μg·m－3， 監測站大樓夏季均值最低， 為 20.346 μg·m－3。

2.2 皮爾森相關分析

通過皮爾森相關分析得到PM2.5質量濃度與景觀格局指數間的相關性。表1為各土地利用類型在季度和年度水平上的最優獨立變量。本研究以不同緩沖區范圍內，不同土地利用類型的景觀格局指標作為變量，變量以土地類型_景觀指標_緩沖區半徑的形式表現（其中PLAND以P表示，以區分PD）。

圖2 PM2.5質量濃度季度均值對比圖Figure 2 PM2.5concentration quarterly average contrast diagram

PLAND指標中，住宅_PLAND與PM2.5質量濃度的相關性在各季和年均水平上均最高，并呈正相關。商業_P雖均與PM2.5質量濃度呈正相關，但相關性略低于住宅_P。這可能是由于監測站點多集中在城市地區，人口密度較大，住宅用地面積在土地利用中占比較高。工礦倉儲用地面積與PM2.5質量濃度則呈負相關，這與以往研究結果并不一致［22］，這可能與兩方面因素有關。首先，浙江地區的工礦倉儲用地以高新產業及倉儲用地為主，與傳統工業用地相比，污染物質量濃度較低，且周邊建筑物密度及高度均較低，有利于污染物的擴散。其次，監測點附近的工礦用地占比較少，大多不超過5%，部分站點周邊甚至不存在工礦用地。

表1 景觀指標與PM2.5質量濃度相關性（r值）Table 1 Correlation between landscape indexes and PM2.5concentration （r value）

所有綠地景觀中，林地_P與PM2.5相關性較高，且季節間差異不明顯，說明林地_P與PM2.5質量濃度之間有明顯的相關關系且不受季節影響，這與以往的研究結果一致［23－24］。這可能是因為城市林地較其他城市綠地景觀的面積大，而大面積植被景觀不僅植被本身有吸附顆粒物的功能，而且可以通過降低風速迫使顆粒物沉降，并能有效抑制地面揚塵。農業_P與PM2.5在各季節均呈負相關，但相關性在夏秋季節明顯高于冬春季，這與農作物自身受物候限制有關。根據這一特點，可以通過合理安排農業生產在一定程度上改善空氣質量。道路綠地僅分布在道路沿線，連接度差，破碎度高，因此道路綠地_P與PM2.5質量濃度相關性在3類綠地類型中最低。水域_P與PM2.5質量濃度呈負相關，相關性在各季節均較高，這表明水域面積所占比重與PM2.5質量濃度之間的關系十分密切。與PM2.5質量濃度相關性高的面積占比較大的土地類型的緩沖半徑多為4～5 km。

表1 （續）Table 1 Continued

雖然從理論上來講，可以通過改變不同土地利用類型在城市用地中所占的比例來改變與顆粒物之間的關系［24］，但在城市人口日益增多，用地日益緊張的背景下，大面積減少建筑用地或增加林地景觀面積并不現實，以往有研究表明，斑塊密度與大氣顆粒物質量濃度呈負相關［14］，因此，本研究選擇ED和PD作為重要指標進一步探討景觀結構與PM2.5質量濃度的關系。從表2可以看出：林地_PD與PM2.5質量濃度的相關性較高，且呈顯著負相關。ED指標中，與PM2.5質量濃度相關性最高的是年均水平下的林地_ED，且在四季水平下均呈較高的負相關性，城市林地的斑塊密度和邊緣密度是影響顆粒物質量濃度的重要指標。因此，在城市規劃中，合理化林地斑塊布局及盡可能優化林地形狀顯得尤為重要。在春季，農業_ED_5與PM2.5質量濃度相關性是四季中最高的，這可能是因為春季農業用地變化較大。

各建筑用地（即住宅用地、商服用地和工礦倉儲用地）與PM2.5質量濃度相關性差異明顯。住宅_ED與PM2.5正相關，但相關性較低。住宅_PD則呈負相關，且相關性較高，這就表明，在不減少城市住宅面積的情況下，適當分散住宅區可以改變其與PM2.5的關系。因此，在城市建設中有必要對住宅區進行合理規劃。工礦和商服的ED和PD與PM2.5均呈負相關，且相關性要高于PLAND，適當調整工礦、商服用地的邊緣密度和密集程度可能對控制監測點周邊PM2.5質量濃度具有一定意義。道路_ED和道路_PD與PM2.5的相關性不高。

與PM2.5相關性最高的SHEI的緩沖半徑在不同季節存在差別，而CONTAG的范圍主要集中在2～3 km。殷杉等［25］的研究顯示城市景觀格局的SHEI和PM2.5質量濃度呈負相關，而聚集度指數與PM2.5質量濃度呈正相關［26］，這與本研究結果一致。

2.3 多元逐步回歸分析

多元逐步回歸分析的變量包括各土地利用類型的PLAND，ED和PD，以及整個景觀水平上的SHEI和CONTAG，根據不同季節不同類型的最優獨立變量，分別得到4個季節和年度回歸模型。

年度和4個季節的模型中出現的指標各不相同，冬季有3個對PM2.5具有重要影響的變量最終進入模型，分別為住宅_P_5，住宅_ED_5，道路_ED_5。從進入模型的序列可以看出住宅_P_5對PM2.5的影響是最顯著的。春季模型中住宅_P_5對PM2.5質量濃度的影響仍然最為重要，商服_PD_4和水域_P_5也是影響春季PM2.5質量濃度的重要因子。夏天回歸模型中，出現了3類指標。在秋季最終有4個變量進入模型。總的看來，對PM2.5產生影響的土地利用類型包括住宅、林地、水域，住宅_P是對PM2.5質量濃度影響最重要的因子（表2）。這也說明景觀格局對PM2.5質量濃度的影響會隨時間尺度的變化而變化。

表2 回歸模型分析Table 2 Regression model analysis

在4個季節和年度的回歸模型中，出現次數最多的與可吸入顆粒物質量濃度相關的土地利用類型是住宅，其中住宅_P的系數為正值，且均是第1個進入模型的，說明住宅面積的增加是造成PM2.5質量濃度升高的重要因素。本研究中的住宅用地包括在建住宅和建成住宅2部分，由于城鎮化擴張導致的建設揚塵以及密集人類活動與生產活動產生的大量空氣污染均會導致霧霾天氣的產生。除此以外，住宅_ED出現在了冬季和年度模型中，住宅_PD出現在了秋季模型中，且系數為負值，系數較大，在用地面積不變的情況下，說明合理分散住宅用地空間分布，規劃住宅用地的結構，增加住宅用地的邊緣密度，對降低PM2.5質量濃度十分重要。

冬季模型中，道路_ED系數為正，這就表明冬季道路邊緣密度越大的監測點，城市PM2.5污染越嚴重，因此合理規劃道路布局十分重要。在保持道路面積不變的情況下，應當盡量降低道路的邊緣密度。

商服_PD出現在了春夏2季模型中，系數為負值，且絕對值較大，說明在保持面積不變的情況下，商服用地的聚集程度適當降低，可降低PM2.5質量濃度。雖然商服_P在夏季對PM2.5產生正面影響，這表明商服用地面積擴大會導致污染物質量濃度增加，但是從進入模型的順序和系數大小可以看出其對顆粒物影響要低于商服_PD。因此，在城市建設過程中，合理規劃商服用地的分布比控制商服用地面積更易實現且更有意義。夏季的回歸模型中，SHEI_5與PM2.5質量濃度呈正相關，且系數較大，也是4季和年度模型中，唯一一次出現景觀水平的指標。可見，SHEI也是影響夏季可入肺顆粒物質量濃度的重要因素之一，控制城市整體景觀破碎化程度有利于控制PM2.5質量濃度。

春秋2季及年度模型中出現了水域_P和林地_P這2個景觀格局指標，且系數均為負值。水域能有效地減少空氣中的細顆粒物數量，而植被葉片則可以通過干、濕沉降吸附顆粒物，降低可入肺顆粒物的質量濃度，因此，水域和成片的植被面積增加，對控制城市可入肺顆粒物質量濃度有重要意義。

3 討論

對浙江省47個監測點的景觀格局和PM2.5質量濃度進行多元回歸分析發現，PM2.5隨建筑用地PLAND越高而質量濃度越高，說明大面積、高密度的以水泥為下墊面的建設用地會加大城市空氣污染。城市化的快速發展導致了建設用地面積的迅速擴大，大量的不透水表面的增加意味著頻繁的人類活動和大量的交通污染物的排放，且高密度的建筑不利于污染物擴散，因此加重了可入肺顆粒物污染。TAN等［27］以中國臺灣作為案例研究表明，在任何季節，低城市化地區的空氣質量都優于城市化水平較高的地區。因此，在城市建設中控制建設用地面積比例，減少城市無序擴張，對減緩PM2.5污染具有顯著效果。除此以外，水域和城市林地面積的擴大也有利于污染物質量濃度的降低。之前已經有許多研究表明，植被是重要的降低PM2.5質量濃度的土地利用類型。植被可以通過干濕沉降吸收顆粒物。如YANG等［28］利用城市森林效應模型探討城市森林效應對大氣污染的研究，表明北京中部樹木可清除1 261.400 t·a－1污染物，其中大部分都是顆粒物。此外，水域也對降低PM2.5發揮了重要作用。水域不僅可以通過沉積和吸收顆粒物污染，且通常表面開闊，有利于污染物擴散［29］。本研究區域位于南方地區，水域面積所占比例較北方地區大，對PM2.5的作用更明顯。本研究的模型證實了水域的重要性，因此，在今后的研究中應給予更多的關注。另外皮爾森相關分析表明農業_P與PM2.5存在相關關系，但并未出現在最終的模型中，這與TAO等［30］的研究認為農作物可作為一種植被吸收污染物的結論不符。其原因主要是由于浙江省這47個站點絕大部分位于城市，周邊農業用地所占比例相對較小，相比農業_P未對PM2.5造成影響。道路綠地與城市森林相比發揮的作用也不夠明顯，這是因為道路綠地連接度差，破碎度高，其效應研究適合在小尺度上進行，城市尺度和區域尺度不適用于道路綠地對PM2.5影響的研究［31］。建筑用地ED及PD越高，PM2.5質量濃度越低。ED可以反映一定的景觀邊緣復雜性，PD則可以反映景觀之間的相互作用程度。首先，隨著ED和PD的升高，土地利用類型之間的相互作用可以更加密切，可以提高綠地和周圍斑塊之間的物質流動和交換，促進周邊地區PM2.5沉積，從而導致可入肺顆粒物質量濃度降低［32］。其次，城市景觀結構對環境微氣候有影響，例如風和溫度等。城市的道路結構可以改變風速和風向，城市結構對熱島產生重要影響［33］，而這些正是影響PM2.5質量濃度的重要因素。因此，ED和PD可能間接影響環境空氣污染。此外，邊緣密度和斑塊密度的改變會對人類活動產生影響，這也可能是使PM2.5質量濃度降低的另一個重要原因。綜上可以看出：土地利用類型及其景觀格局對PM2.5質量濃度有著較強影響，與遙感影像的結合是未來研究和預測區域PM2.5空間分布格局的一個重要方向。

本研究在數據獲取可行性的基礎上，確定了47個站點，但是這些站點布設主要是由政府部門設置。出于對站點代表性的考慮，在以后的研究中可利用可移動監測儀器進行布點監測，獲得更加準確的研究結果。之前有許多研究已經證明了景觀破碎度會對PM2.5質量濃度產生影響，但由于研究區域及站點分布與以往研究的差異，所以本研究的研究結果不夠理想。另外，表征城市景觀格局狀況的指標有很多，由于數據獲取的局限性，綜合前人研究和數據量等多方面的考慮本文僅僅選用了5個指標分析它們對PM2.5質量濃度的影響，不足以表征全部的城市景觀格局。其他指標如城市景觀組分的形狀也會影響到景觀功能的發展，特別是城市規模形態的三維空間分布將顯著影響污染物擴散的范圍與速度［31］；建筑物的高度和密度會降低城區風速，從而使得大氣污染物的質量濃度成倍地增加［34］。因此，僅靠二維的方法已經不能準確描述現代城市立體空間的發展和變化，城市三維研究擴展應該作為景觀生態研究的發展趨勢，以此判斷城市規劃布局的合理性，也可以豐富景觀生態學在景觀格局研究方面的理論和方法。在今后的研究中應當結合研究區的現實狀況，選擇更加合適和豐富的景觀格局指標。

4 結論

本研究以浙江省為例，利用皮爾森相關分析和多元逐步回歸方法，分析土地利用景觀格局對PM2.5質量濃度的影響，結果表明：①監測點的PM2.5質量濃度均值時空差異明顯，PM2.5質量濃度均值在冬季最高，夏季最低。②與PM2.5質量濃度的相關程度較高的是PLAND和ED，相關性最高的指標是年度水平上的住宅_P_5。③住宅_P和住宅_ED在4和5 km范圍內會對PM2.5質量濃度產生比較重要的影響。不同季節中水域_P，林地_P，林地_ED在不同范圍均對PM2.5質量濃度產生削減作用。商服用地或道路會在特定季節對PM2.5產生一定程度的影響。

［1］POPE C A,BURNETT R T,THUN M J,et al.Lung cancer,cardiopulmonary mortality,and long-term exposure to fine particulate air pollution ［J］.JAMA J Am Med Assoc,2002,287（9）:1132 － 1141.

［2］劉紀遠，張增祥，莊大方，等.20世紀90年代中國土地利用變化時空特征及其成因分析［J］.地理研究，2003， 22（1）： 1 － 11.LIU Jiyuan,ZHANG Zengxiang,ZHUANG Dafang,et al.A study on the spatial-temporal dynamic changes of land-use and driving forces analyses of China in the 1990s ［J］.Geogr Res,2003,22（1）:1 － 11.

［3］張潤森，濮勵杰，劉振.土地利用/覆被變化的大氣環境效應研究進展［J］.地域研究與開發，2013，32（4）：123-128.ZHANG Runsen,PU Lijie,LIU Zhen.Advances in research on atmospheric environment effects of land use and land cover change ［J］.Areal Res Dev,2013,32（4）:123 － 128.

［4］范俊甫，馬廷，周成虎，等.1992－2010年基于DMSP-OLS圖像的環渤海城市群空間格局變化分析［J］.地球信息科學學報， 2013， 15（2）： 280－288.FAN Junpu,MA Ting,ZHOU Chenghu,et al.Changes in spatial patterns of urban landscape in Bohai Rim from 1992 to 2010 using DMSP-OLS data ［J］.J Geo-Inf Sci,2013,15（2）:280 － 288.

［5］HOEK G,BEELEN R,de HOOGH K,et al.A review of land-use regression models to assess spatial variation of outdoor air pollution ［J］.Atmos Environ,2008,42（33）:7561-7578.

［6］MARTUZEVICIUS D,GRINSHPUN S A,REPONENT T,et al.Spatial and temporal variations of PM2.5concentration and composition throughout an urban area with high freeway density:the Greater Cincinnati study ［J］.Atmos Environ,2004,38（8）:1091 － 1105.

［7］LI Xiaoma,ZHOU Weiqi,OUYANG Zhiyun,et al.Spatial pattern of greenspace affects land surface temperature:evidence from the heavily urbanized Beijing metropolitan area,China ［J］.Landscape Ecol,2012,27（6）:887 － 898.

［8］唐昀凱，劉勝華.城市土地利用類型與PM2.5濃度相關性研究：以武漢市為例［J］.長江流域資源與環境，2015， 24（9）： 1459 － 1463.TANG Junkai,LIU Shenghua.Research on the correlation between urban land use types and PM2.5concertations in Wuhan ［J］.Resour Environ Yangtze Basin,2015,24（9）:1459 － 1463.

［9］崔巖巖.城市土地利用變化對空氣環境質量影響研究：基于濟南市8個空氣質量監測點位［D］.濟南：山東建筑大學，2013.CUI Yanyan.Research on the Influence City Land Use Change on Air Environment Quality ［D］.Jinan:Shandong Jianzhu University,2013.

［10］唐新明，劉浩，李京，等.北京地區霾/顆粒物污染與土地利用/覆蓋的時空關聯分析［J］.中國環境科學，2015， 35（9）： 2561 － 2569.TANG Xinming,LIU Hao,LI Jing,et al.Response analysis of haze/particulate matter pollution to land use/cover in Beijing ［J］.China Environ Sci,2015,35（9）:2561 － 2569.

［11］WENG Qihao,YANG Shihong.Urban air pollution patterns land use,and thermal landscape:an examination of the linkage using GIS ［J］.Environ Mon Asst,2006,117（1/3）:463 － 489.

［12］王偉武，陳超.杭州城市空氣污染物空間分布及其影響因子的定量分析［J］.地理研究，2008，27（2）：241－249.WANG Weiwu,CHEN Chao.A quantitative analysis on spatial distribution of the pollutants in the urban air and their impact factors based on geostatistics and GIS:a case study of Hangzhou City ［J］.Geogr Res,2008,27（2）:241－249.

［13］BANDEIRA J M,COELHO M C,Sá M E,et al.Impact of land use on urban mobility patterns,emissions and air quality in a Portuguese medium-sized city ［J］.Sci Total Environ,2011,409（6）:1154 － 1163.

［14］FAMELIA K M,ASSIMAKOPOULOS V D,KOTRONI V,et al.Effect of the land use change characteristics on the air pollution patterns above the greater Athens area （GAA） after 2004 ［J］.Glob Nest J,2013,15（2）:169 － 177.

［15］WEBER N,HAASE D,FRANK U.Assessing modelled outdoor traffic-induced noise and air pollution around urban structures using the concept of landscape metrics ［J］.Landscape Urban Plann,2014,125（6）:105 － 116.

［16］HUANG Yukai,LUVSAN M E,GOMBOJAV E,et al.Land use patterns and SO2,and NO2,pollution in Ulaanbaatar,Mongolia ［J］.Environ Res,2013,124（1）:1 － 6.

［17］馬新輝，任志遠，孫根年.城市植被凈化大氣價值計量與評價：以西安市為例［J］.中國生態農業學報，2004， 12（2）： 180 － 182.MA Xinhui,REN Zhiyuan,SUN Gennian.The calculation and assessment to the values of air purification by vegetation in Xi’an City ［J］.Chin J Eco-Agric,2004,12（2）:180 － 182.

［18］馬新輝，孫根年，任志遠.西安市植被凈化大氣物質量的測定及其價值評價［J］.干旱區資源與環境，2002， 16（4）： 83 － 86.MA Xinhui,SUN Gennian,REN Zhiyuan.The values of vegetation purified air and its measure in Xin’an City ［J］.J Arid Land Resour Environ,2002,16（4）:83 － 86.

［19］葉文虎，魏斌，仝川.城市生態補償能力衡量和應用［J］.中國環境科學，1998，8（4）：298－301.YE Wenhu,WEI Bin,TONG Chuan.Measurement and application of urban ecological compensation ［J］.China Environ Sci,1998,8（4）:298 － 301.

［20］BEELEN R,HOEK G,VIENNEAU D,et al.Development of NO2,and NOx,land use regression models for estimating air pollution exposure in 36 study areas in Europe-the ESCAPE project ［J］.Atmos Environ,2013,72（2012）:10 －23.

［21］WU Jiansheng,XIE Wudan,LI Weifeng,et al.Effects of urban landscape pattern on PM2.5pollution-a Beijing case study ［J］.PLoS One,2015,10（11）:e0142449.doi:10.1371/journal.pone.0142449.

［22］WANG Jun,HU Zimei,CHEN Yuauyuan,et al.Contamination characteristics and possible sources of PM10and PM2.5in different functional areas of Shanghai,China ［J］.Atmos Environ,2013,68（2）:221 － 229.

［23］楊志新.北京郊區農田生態系統正負效應價值的綜合評價研究［D］.北京：中國農業大學，2006.YANG Zhixin.Comprehensive Evaluation of Positive and Negative Effects of Farmland Ecosystem in Beijing Suburb［D］.Beijing:China Agricultural University,2006.

［24］許珊，鄒濱，蒲強，等.土地利用/覆蓋的空氣污染效應分析［J］.地球信息科學學報，2015，17（3）：290－299.XU Shan,ZOU Bin,PU Qiang,et al.Impact analysis of land use/cover on air pollution ［J］.J Geo-Inf Sci,2015,17（3）:290 － 299.

［25］殷杉，劉春江.城市植被對大氣顆粒物的防控功能及應用［J］.園林，2013,31（6）：16－20.YIN Shan,LIU Chunjiang.Prevention and control function of urban vegetation on atmospheric particulate matter and its application ［J］.Garden,2013,31（6）:16 － 20.

［26］HANKEY S,MARSHALL J D.Land use regression models of on-road particulate air pollution （particle number,black carbon,PM2.5,particle size） usingmobile monitoring ［J］.Environ Sci Technol,2015,49（15）:9194 － 9202.

［27］TAN Peihua,CHOU C,CHOU C K.Impact of urbanization on the air pollution “holiday effect” in Taiwan ［J］.Atmos Environ,2013,70:361-375.

［28］YANG Jun,McBRIDE J,ZHOU Jinxin,et al.The urban forest in Beijing and its role in air pollution reduction ［J］.Urban For Urb Green,2005,3（2）:65 － 78.

［29］BOYD P W,MACKIE D S,HUNTER K A.Aerosol iron deposition to the surface ocean:modes of iron supply and biological responses ［J］.Mar Chem,2010,120（1/4）:128 － 143.

［30］TAO Yu,LI Feng,WANG Rusong,et al.Research progress in the quantitative methods of urban green space patterns［J］.Acta Ecol Sin,2013,33（8）:2330 － 2342.

［31］宮繼萍，胡遠滿，劉淼，等.城市景觀三維擴展及其大氣環境效應綜述［J］.生態學雜志，2015，34（2）：562－570.GONG Jiping,HU Yuanman,LIU Miao,et al.Review on three-dimensional expansion and its atmosphere environmental effects of urban landscape ［J］.Chin J Ecol,2015,34（2）:562 － 570.

［32］ZHOU Weiqi,HUANG Ganlin,CADENASSO M L.Does spatial configuration matter?Understanding the effects of land cover pattern on land surface temperature in urban landscapes ［J］.Landscape Urban Plann,2011,102（1）:54－63.

［33］ZHOU Weiqi,QIAN Yuguo,LI Xiaoma,et al.Relationships between land cover and the surface urban heat island:seasonal variability and effects of spatial and thematic resolution of land cover data on predicting land surface temperatures ［J］.Landscape Ecol,2014,29（1）:153 － 167.

［34］王詠薇，蔣維楣，郭文利，等.城市布局規模與大氣環境影響的數值研究［J］.地球物理學報，2008，51（1）：88－100．WANG Yongwei,JIANG Weimei,GUO Wenli,et al.Numerical study of the urban scale and layout effect on atmospheric environment［J］.Chin J Geophys,2008,51（1）:88 － 100.