城市湖泊濕地周邊建成環境綠地結構對空氣PM10、PM2.5的影響*

王 婧 朱春陽

華中農業大學園藝林學學院 武漢 430070

城市濕地生態系統通過降溫增濕改變周邊環境的微氣候，從而引起空氣顆粒物(Particulate matter，PM)的擴散、沉降[1-2]。濕地與周邊環境的冷暖空氣流動對濕地周邊環境空氣顆粒物的空間分布產生影響[3-4]；濕地/水體環境的空氣濕度變化導致空氣顆粒物發生吸濕增長、沉降[2，5]。因此，濕地/水體對局地顆粒物具有顯著影響[6]。城市濕地對空氣PM的影響研究多集中于分析其在城市環境的空間分布特征，如寇杰鋒等[7]通過空間分布估計模型得到武漢市PM10空間分布，并指出不同下墊面類型對PM10的分布具有顯著影響，大型水體及周邊區域一定范圍內具有較低的PM10濃度；孫敏等[8]研究發現，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，城市建成環境增加綠地類型下墊面有利于局地微氣候以及空氣質量的改善[9-10]，其中水體、綠地復合型下墊面更能有效提高水體的微環境效應[11]；濕地周邊500 m范圍建成環境中非硬質下墊面(主要由綠地組成)與濕地降減空氣PM10、PM2.5濃度呈顯著相關性[12]，但尚未得出城市建成環境不同綠地結構如何影響濕地的降減空氣PM10、PM2.5效應。LUR模型在研究長時間觀測大氣污染濃度時優于其他空間分析技術[13-14]，同時，該模型針對中小尺度空氣污染物時空變化的模擬研究已較為成熟[15]。

因此，本文將圍繞最大限度發揮城市湖泊濕地區域環境效應這一目標，綜合考慮城市建成環境空氣PM10、PM2.5濃度受多種關鍵影響因子制約，基于土地利用回歸(Land Use Regression，LUR)，結合土地利用類型、交通狀況、氣象因子等要素，分析城市湖泊濕地周邊建成環境綠地結構對空氣PM10、PM2.5濃度的影響，旨在為優化城市湖泊濕地周邊建成環境綠地空間建設提供科學指導。

1 研究區概況

武漢市(E113°41′-115°05′，N29°58′-31°22′)位于長江中下游江漢平原東部，水域面積占全市國土面積的1/4。武漢市具有豐富的湖泊濕地資源，本研究選擇武漢市主城區大、中、小3塊湖泊濕地(月湖67.6 hm2、鯇子湖10.3 hm2和后襄河4.3 hm2)及其周邊500 m建成環境綠地作為研究對象。

2 研究方法

2.1 土地利用回歸模型

基于LUR模型分析湖泊濕地周邊建成環境綠地PM10、PM2.5濃度的影響因子，選擇測點周邊不同緩沖區(0～25 m、0～50 m、0～75 m、0～100 m)內的道路長度作為交通污染源因子，非硬質下墊面面積、水體面積作為土地利用因子，距湖泊濕地邊界距離、葉面積指數作為自然條件因子，氣溫、相對濕度、風速作為氣象因子，空氣PM10、PM2.5濃度為因變量，將自變量逐步引入模型。通過方差膨脹因子(VIF)和杜賓沃森指數(DW)對模型進行共線性檢驗，采用留一交叉驗證法(LOOCV)對模型預測能力進行檢驗。

2.2 數據來源

1)土地利用數據。結合Spot 6遙感影像解譯及實地調研，通過ENVI 5.1和ArcGIS 10.2提取不同用地類型數據信息。2)空氣PM10、PM2.5濃度、氣溫(T)、相對濕度(RH)、風速數據來源于定點監測。每塊湖泊濕地沿邊界布置3條樣線，沿樣線不同半徑緩沖區(50 m，100 m，200 m，300 m，400 m，500 m)綠地內布置樣地，每塊樣地內分別選取立地環境相似的喬灌草、喬草、灌草、草坪4種類型綠地進行測點布設，測試點均盡量布置在植物種類相同/相似的植物群落中，植物種類主要由香樟(Cinnamomum camphora)、杜英(Elaeocarpus decipiens)、樸樹(Celtis sinensis)、垂 柳(Salix babylonica)、 桂 花(Osmanthus fragrans)、石楠(Photinia serratifolia)、紅花檵木(Loropetalum chinensevar.rubrum)、 金 葉 女 貞(Ligustrum×vicaryi)、早熟禾(Poa annua)組成。選擇2019年8月27—29日氣候條件相似且晴好微風的3天(8∶00-9∶00、12∶00-13∶00、16∶00-17∶00時段)，在距地1.5 m人體呼吸高度處對每個測點進行連續觀測，同時記錄微風風速值。每條樣線分別單獨使用1臺可移動PM監測儀進行測試，每個測點進行3次重復，在2 min內完成，每條樣線在50～60 min內完成同步測試，消除不同測點數據測試的差異性。

2.3 測試儀器

PM10、PM2.5濃度測試儀器采用嶗應2025粉塵檢測儀，測定范圍為1～1 000 μg·m-3，分辨率為0.1 μg·m-3，誤差10%；該儀器內部存在濾芯，可排除水分子對PM濃度監測數據的影響，以保證空氣PM數據的準確性。溫濕度監測儀器采用德國產德圖testo 610溫濕度測量儀。氣溫測定范圍為-10～50℃，分辨率為0.1℃；相對濕度測定范圍為0～100%，分辨率為0.1%。風速測試儀器采用國產德圖testo 410-1迷你風速儀，測量范圍為0.4～20 m·s-1，分辨率為0.1 m·s-1。葉面積指數采用Sigma EX-DC 4.5 mm魚眼鏡頭拍攝并通過Hemiview分析獲取。

2.4 數據處理

采用R3.4.1軟件 “corrr”包實現LUR模型自變量與空氣PM10、PM2.5濃度間相關性分析；采用SPSS 25.0軟件實現LUR模型自變量與空氣PM10、PM2.5濃度多元回歸分析，以及不同結構綠地間空氣PM10、PM2.5濃度間單因素方差分析，結合Duncan's多重比較分析綠地間空氣PM10、PM2.5濃度差異顯著性；采用Origin 2018實現空氣PM10、PM2.5濃度隨距湖泊濕地邊界距離變化的線性擬合圖和隨時刻變化的日變化圖分析。

3 結果與分析

3.1 湖泊濕地周邊綠地空氣PM10、PM2.5濃度關鍵影響因子

3.1.1 LUR模型的建立與檢驗

由表1可知，LUR PM2.5模型的VIF值＜2，表明選取的變量數據間無共線性問題，模型構建較好。由表2可知，LUR PM10模型中，除后襄河灌草型綠地存在2個自變量VIF值＜4外，其余結果均為VIF值＜2，表明變量數據間基本不存在共線性問題。PM2.5、PM10模型的DW指數絕大部分無自相關或在不確定的范圍，因此模型無明確的空間自相關性。

表1 PM2.5模型相關指標

表1(續)

表2 PM10模型相關指標

從表3可知，各個湖泊不同結構綠地的PM10、PM2.5模型自變量均通過F檢驗、T檢驗(P＜0.05)；城市湖泊濕地建成環境內不同綠地結構類型PM10、PM2.5回歸模型經留一交叉驗證調整后R2解釋能力為0.555～0.980、0.562～0.979；模型的空間預測能力較好，且PM10模型擬合度優于PM2.5模型；均方根誤差(RMSECV)值表明模型的空間預測能力基本較好。

表3 PM10、PM2.5模型預測R2有效性驗證

3.1.2 模型自變量對PM10、PM2.5相關性影響

從圖1可以看出:相對濕度、緩沖區水體面積變量與3塊湖泊濕地周邊建成環境綠地PM10、PM2.5濃度呈顯著正相關；測點周邊緩沖區內非硬質下墊面面積、葉面積指數與綠地PM10、PM2.5濃度呈顯著負相關，其中葉面積指數對大面積湖泊濕地周邊綠地PM10、PM2.5濃度影響更為顯著；距湖泊濕地邊界距離變量對中、小面積湖泊濕地周邊綠地PM10、PM2.5濃度影響顯著；測點周邊100 m緩沖區道路長度變量與綠地PM10、PM2.5濃度呈顯著正相關；PM2.5濃度與氣溫呈顯著負相關。

圖1 模型自變量與空氣PM10、PM2.5濃度間的相關性分析

3.2 城市湖泊濕地周邊500 m緩沖區建成環境綠地PM10、PM2.5濃度變化比較

如圖2所示，隨湖泊濕地邊界距離的增加，不同結構綠地內PM10、PM2.5濃度降低，且下降幅度具有差異性。PM10濃度從距湖泊濕地邊界250～350 m、50～200 m、100～250 m、100～150 m附近開始分別在喬灌草、喬草、灌草、草坪內趨于平穩狀態；喬灌草、喬草、灌草、草坪內空氣PM10降幅(濕地邊界與周邊500 m緩沖區綠地內空氣PM濃度差值，下同)分別為2.4～15.9 μg·m-3、3.8～13.1 μg·m-3、2.7～9.5 μg·m-3、1.3～6.4 μg·m-3。PM2.5濃 度 從 距 湖 泊 濕 地200～350 m、200～300 m、150～250 m、150 m附近開始分別在喬灌草、喬草、灌草、草坪內趨于平緩；喬灌草、喬草、灌草、草坪內空氣PM2.5降幅分別為1.7～7.8 μg·m-3、1.0～6.8 μg·m-3、1.1～4.9 μg·m-3、0.4～3.9 μg·m-3。 由此可見， 綠地降減空氣PM能力較湖泊濕地顯著，但臨近湖泊濕地邊界的綠地內空氣PM濃度偏高，說明濕地與周邊環境冷暖空氣流動導致空氣顆粒物在局地環流的作用下被臨近綠地遮擋積聚，當距濕地邊界達到一定距離時，綠地內空氣PM濃度受冷暖空氣流動帶來的影響逐漸變弱，但具體影響機理有待進一步研究。同時還可看出，大面積湖泊濕地對空氣PM2.5的影響范圍大且顯著性明顯，對空氣PM10的影響范圍小且顯著性不明顯。

圖2 距湖泊濕地邊界不同距離不同綠地內PM10、PM2.5濃度差異

3.3 不同時段不同結構類型綠地PM濃度

從圖3可看出，除后襄河周邊綠地內PM10濃度在8∶00-9∶00、16∶00-17∶00時段外，3塊湖泊濕地周邊建成環境綠地內PM10、PM2.5濃度呈現出復層結構綠地(喬灌草、喬草)＞單一結構綠地(灌草、草坪)。湖泊濕地周邊喬灌草、喬草、灌草與草坪間PM10平均濃度差分別為-0.6～2.7 μg·m-3、-0.6～1.2 μg·m-3、-1.1～2.1 μg·m-3，PM2.5濃度差分別為0.4～1.5 μg·m-3、0.1～0.5 μg·m-3、0～0.7 μg·m-3。 可見， 近湖泊濕地邊界灌草、草坪結構綠地表現出較低的空氣PM10、PM2.5濃度，但不同結構綠地不同時段空氣PM10、PM2.5濃度未表現出顯著相關性(P＞0.05)。不同結構綠地間不同時段空氣PM10、PM2.5濃度有可能原本存在顯著差異，但由于采集的3d PM數據存在差異從而導致未表現出顯著差異性，有待后續長期重復采集數據作進一步研究。

圖3 不同時段不同結構綠地PM10、PM2.5濃度差異

4 討論

城市湖泊濕地/水體熱容量巨大，對局地溫濕環境的調節作用顯著，其中，濕地/水體環境的空氣濕度變化將導致空氣顆粒物發生吸濕增長、沉降[2，5]，多數研究發現城市擁有自然植被和水體的區域具有較低的PM濃度[6，16]。本研究對城市湖泊濕地500 m范圍建成環境綠地內PM10、PM2.5濃度進行監測發現，綠地內空氣PM濃度低于湖泊濕地邊界處，說明綠地對空氣PM具有更為顯著的降減作用。本研究還發現，近湖泊濕地邊界處的綠地內空氣PM10、PM2.5濃度大于遠湖泊濕地邊界處綠地，這可能與距湖泊濕地邊界距離越近，相對濕度越高有關:濕地與周邊建成環境冷暖空氣流動，導致空氣PM向遠湖泊濕地方向擴散，由于空氣局地環流被綠地遮擋，空氣PM產生一定積聚現象，導致近湖泊濕地邊界處綠地內空氣PM濃度較高。由此可見，湖泊濕地局地微環境、相對濕度與PM濃度存在一定相關性，相對濕度較高在一定程度上支持了空氣PM濃度升高，但具體機理有待進一步研究。類似現象同時存在于湖泊濕地周邊不同結構綠地的PM分析中，研究發現復層結構綠地內PM10、PM2.5濃度普遍高于單一結構綠地，不同類型綠地內氣溫、相對濕度差異明顯，復層結構綠地由于郁閉度較高，導致顆粒物的水平擴散和垂直運動受到阻礙、出現累計現象，從而使PM10、PM2.5濃度較高，此結論與陳俊剛等[17]、劉宇等[18]研究結果一致。雖然植物種類個體尺度會對研究結果具有一定影響，但相關研究[19-21]忽略了個體尺度帶來的誤差，這也是野外試驗規律性研究難以規避的現象。關于不同植物種類對降減空氣PM效應的影響將在進一步研究中展開。

另外，本研究得出距湖泊濕地邊界300 m、200 m、250 m分別為月湖、鯇子湖、后襄河周邊綠地PM10、PM2.5濃度變化的分界線，且PM10、PM2.5濃度在喬灌草、喬草中的降幅大于在灌草、草坪中的降幅，說明大面積湖泊濕地周邊喬灌草型綠地對PM10、PM2.5濃度變化更顯著，且影響范圍更大。因此，在大面積湖泊濕地300 m緩沖區內應盡量布局灌草、草坪類型綠地，小面積湖泊濕地從200 m開始盡量布局喬灌草及喬草型綠地。與綠地內PM10濃度變化狀態相比，PM2.5濃度達到穩定狀態時距湖泊邊界距離更遠，這是因為細顆物粒徑小，漂浮于空中不易干沉降，在高濕條件下細顆粒物吸濕增長從而沉降去除，因此相比于粗顆粒物，濕地對綠地中細顆粒物濃度的影響范圍更大。

5 結論

城市湖泊濕地周邊500 m緩沖區建成環境對空氣PM10、PM2.5濃度影響的關鍵影響因子構建的LUR模型具有一定的可行性。

空氣相對濕度、測點周邊水體面積、葉面積指數、距湖泊濕地邊界距離、非硬質下墊面面積、緩沖區道路長度變量對空氣PM10、PM2.5濃度的影響顯著(P＜0.05)。

城市湖泊濕地對周邊建成環境喬灌草、喬草、灌草和草坪結構綠地空氣PM10、PM2.5的影響顯著，其中大面積湖泊濕地對空氣PM2.5的影響范圍大且作用明顯。

近湖泊濕地邊界灌草、草坪結構綠地表現出較低的空氣PM10、PM2.5濃度，但不同結構綠地不同時段空氣PM10、PM2.5濃度未表現出顯著相關性(P＞0.05)。