城市公園綠地及周圍建成環境對PM2.5的影響
——以武漢市10個公園綠地為例

陳 明 楊 超 戴 菲

城鎮化引起的大氣顆粒物污染威脅著人們的身體健康，空氣動力學直徑小于2.5μm的細顆粒物(PM2.5)，由于粒徑小，對人的健康危害較大[1]。暴露在高濃度的PM2.5中，將誘發呼吸道和心血管疾病，并與因呼吸道疾病導致的死亡率呈正相關[2]。城市綠地的滯塵凈化功能，對降低大氣顆粒物污染起著重要作用。一方面，植物對大氣顆粒物具有吸附、沉降、阻滯等作用；另一方面，綠地影響其局域的空氣溫濕度、風速風向等，間接影響顆粒物的濃度與分布[3]。

城市綠地對大氣顆粒物的顯著影響已被諸多研究證實。城市主城區中，綠地、農用地、水域等用地的PM2.5濃度往往低于建設用地，尤其綠地與PM2.5的關系更加顯著[4]。以北京五環以內的范圍為例，通過i-Tree Eco模型預測其綠地每年可消減PM2.5約6 380t[5]。在構成城市的普遍街區中，綠地的規模、空間格局均是影響PM2.5濃度的重要因素[6-7]。在不同的城市綠地類型中，PM2.5濃度最低的是公園綠地，居住區、校園等附屬綠地次之，較高的位于廣場用地、道路、工業等附屬綠地[8-9]。公園綠地是體現城市環境品質的重要綠地類型，承擔居民日常游憩的同時，兼具生態服務與社會服務。公園綠地中不同功能分區的大氣顆粒物濃度存在顯著差異，例如，沈陽東陵公園的文化景觀區內大氣顆粒物濃度顯著高于其他功能區[10]。不同景觀空間的PM2.5濃度也差異顯著，并受到綠量、濕度的影響較大[11-12]。以景觀格局指數衡量綠地的空間形態，研究發現，綠地的規模、形狀指數與周長越大，對PM2.5的消減效果越明顯[13]。陳羽陽等以單個公園——武漢中山公園為例，發現綠地對PM2.5、PM10的影響范圍可到周圍250～400m[14]。在綠地結構方面，研究基本從植被類型，包括喬、灌、草及其搭配，以及所形成空間的郁閉度、開敞度等方面展開。一般來說，綠地結構為1～2層的喬林或“喬+草”、群落骨干樹種突出相較于單一結構有利于PM2.5的消減[15-17]，尤其在面積較小或較為封閉的空間里，植被郁閉度越高，越不利于PM2.5消減，主要是由于空氣流通不暢，以及植物也釋放揮發性有機物[18]。即便如此，公園綠地在發揮其大氣污染改善的作用較大，因此極具研究價值。

然而，當前研究大多關注公園綠地自身的規模、外輪廓形態，或植被群落、植被類型對大氣顆粒物的消減效果[19]，對公園綠地具有更強可操作性的內部空間特征的研究較為缺乏。同時，公園綠地對大氣顆粒物的影響可延伸至周圍一定范圍，然而周圍建成環境與綠地的消減效果之間存在怎樣的關系，也鮮有研究涉及。

本文以武漢市10個公園綠地為研究對象，通過現場實測的PM2.5數據，從公園綠地的總體特征、綠色空間格局、周圍建成環境3個方面，系統探索它們對PM2.5消減效果的影響，為公園綠地的空間設計及周圍建成環境的空間形態優化提供參考。

1 研究方法

1.1 研究區概況

武漢地處華中地區，屬于長江中下游平原城市，也是長江經濟帶的重要城市，河流、湖泊資源豐富，為亞熱帶季風氣候。近年來，城市綠地建設成效顯著，據2021年武漢市綠化狀況公報顯示，建成區綠化覆蓋率為43.07%，綠地率為40.02%，人均公園綠地面積達14.82m2。

武漢亦是長江中下游地區大氣顆粒物污染嚴重的典型城市，據2021年武漢市生態環境狀況公報顯示，全市空氣質量輕度污染有67天，占全年天數的18%，中度以上污染有9天。在輕度及以上污染當中，首要污染物主要為PM2.5，污染問題依然嚴峻。

1.2 公園綠地樣本的選擇

本研究的公園綠地概念來源于《城市綠地分類標準》(CJJ/T 85—2017)(以下簡稱《標準》)，依據以下幾個因素進行選擇：1)城市中的水與大面積綠地會影響PM2.5濃度，在篩選綠地樣本時，首先排除周圍有大面積綠地或者水域的公園綠地；2)公園周圍建成環境均為高密度的建設空間，并遠離工業、建筑施工等明顯的污染源；3)公園綠地需滿足綠化占比大于65%的要求，盡量避免公園綠地內出現大面積水域、硬質鋪裝；4)選取的公園綠地對外開放，便于實測。依托0.5m分辨率的Google Earth高清遙感影像及現場實地踏勘，最終選取了10個公園綠地作為研究及實測對象。在上述考慮因素的基礎上，現實情況中難以找到10個規模相近的綠地，因此將研究樣本按照面積與功能進行分類，依據《標準》，可分為3個綜合公園、3個社區公園、1個專類公園和3個游園(圖1)。同時，依據《標準》對于上述4類公園的面積要求，10個公園可分為小于1hm2的小型公園綠地(3個)、1～10hm2的中型公園綠地(4個)及大于10hm2的大型公園綠地(3個)，公園類型與公園規模之間存在聯系。

圖1 10個公園綠地的空間分布及面積

1.3 公園綠地及周圍建成環境空間特征指標

公園綠地數據來源于2020年12月0.5m分辨率的遙感影像圖，依托ArcGIS平臺，通過人工目視解譯的方式，精確提取公園綠地的邊界及綠色植被覆蓋區的矢量數據。周圍建成環境數據主要為綠地周邊的建筑，來源于BIGEMAP網絡電子地圖，可下載帶有建筑外邊界輪廓及高度的矢量數據。結合現場調研進行人工核驗，提高建筑數據的精度。

1.3.1 公園綠地的總體特征指標

從公園綠地規模與綠化覆蓋率兩方面衡量公園綠地的總體特征。綠地規模即綠地邊界圍合的面積，綠化覆蓋率則是綠地中綠化覆蓋區占整個綠地的比例。這2個指標通過高分辨率影像解譯的綠地邊界及綠化覆蓋區的矢量數據計算得來。

1.3.2 公園綠地的綠色空間格局指標

采用形態學空間格局分析(Morphological Spatial Pattern Analysis，MSPA)衡量綠地的空間格局，該方法基于腐蝕、膨脹、開閉運算等數學形態學原理，測度景觀結構連接性[20]，由此得到綠地的7種形態格局(表1)，近年來被運用于城市1km街區中的綠色空間與PM2.5，以及城市綠地與熱環境的研究，發現不同形態格局與PM2.5濃度、熱環境指標具有顯著相關性[21-22]。該方法還能以可視化方式呈現綠地的不同空間形態，對于指導規劃建設具有重要意義，然而該方法在公園綠地的研究中鮮有運用。以每種形態格局的面積占該公園綠地面積的比例作為綠色空間格局的衡量指標(以下簡稱“MSPA指標”)，從而盡可能消除不同綠地面積差異的影響。

表1 MSPA指標及含義

1.3.3 公園綠地的周圍建成環境指標

從密度、高度、三維體量3個方面選取了5個指標衡量周邊建成環境的空間特征[23](表2)。鑒于公園綠地對PM2.5的影響可延伸至周圍400m[14]，依托ArcGIS，以各個公園綠地的外輪廓為邊界，進行100、200、300、400和500m共5個層次的緩沖分析(圖2)，并計算5個緩沖區內(不包括綠地自身)5個指標的數值。這些指標均為單位面積(或單位高度、單位數量)上的值，也可減小因綠地面積差異造成的影響。

表2 建成環境指標及含義

圖2 公園綠地500m緩沖區內的建成環境平面圖(以3個不同規模綠地為代表)

1.4 PM2.5實地測量

選擇污染最嚴重的冬季時期(2020年12月—2021年1月)，并且無雨雪、風速較低的連續晴朗天氣進行PM2.5測量。每個綠地進行2輪實測，每輪實測均為1天，在每天的9：00—12：00、12：00—15：00、15：00—18：00開展。由于10個綠地位于主城區不同區域，通過綠地內外設點監測，以PM2.5消減量作為研究指標，減小因PM2.5背景濃度及測量日期差異造成的影響[24]。綠地外部測量點設置于空曠、硬質地面場所，能反映周圍環境的PM2.5污染水平。依據綠地規模、綠地內部空間的可達性，于綠地內部相對均勻地設置4～6個測量點，以其平均濃度代表綠地內的PM2.5污染水平。PM2.5消減量的計算公式如下[25]：

式中，ΔC表示公園綠地的PM2.5消減值；Ck表示固定參照監測點的PM2.5濃度；Ci表示內部監測定點的PM2.5濃度；n表示公園綠地的內部監測點數。

綠地外部、內部測量點分別采用T S I AM520粉塵儀、TSI 8534粉塵儀，通過三腳架固定在1.5m高度，即亞洲成年人平均呼吸高度。內外測量同時進行，以相同時間間隔記錄數據，每10s記錄一次數據，記錄3min，每臺儀器每個點得到36組數據。由于儀器之間的測量值存在一定微小誤差，測量前以TSI AM520為參照，對TSI 8534進行校準[26]，得出校準公式如下。

式中，C0表示TSI AM520儀器測得的PM2.5濃度值；C表示TSI 8534儀器測得的PM2.5濃度值。

2 結果與討論

2.1 公園綠地的PM2.5消減量分析

首先，公園綠地規模不同，對PM2.5濃度的消減能力也不同，PM2.5消減量的整體趨勢表現為大型公園綠地＞中型公園綠地＞小型公園綠地(圖3)。其中，2個小型綠地(揚子街游園與球場街游園)的PM2.5消減量為負值，即綠地內的PM2.5濃度高于外部，說明綠地規模達到一定范圍是其產生PM2.5效消減作用的前提。研究表明，1hm2以下的綠地面積對PM2.5無顯著影響[19]，王蘭等亦提出針對小型綠地適宜采取集中布局，使綠地達到一定規模[27]。在小型綠地中，受其自身綠量的限制，未能完全發揮PM2.5的消減作用；當其存在較密集的植被時，也使得內部PM2.5難以擴散出去。因此，在綠化覆蓋較小的區域，相較植物的吸附滯塵功能，氣流運動帶動PM2.5的擴散，成為影響該處PM2.5濃度的主要原因。通過單因素方差分析，揭示不同規模綠地對PM2.5的消減是否存在顯著差異。結果表明，數據滿足方差齊性檢驗，3個規模等級的綠地之間，僅小型公園綠地與大型公園綠地的PM2.5消減量在0.05水平上存在顯著差異，平均消減量相差約14μg/m3。

圖3 10個公園綠地的PM2.5消減量

其次，不同公園綠地的PM2.5消減量由大到小排序為綜合公園＞專類公園＞社區公園＞游園(圖3)，這與各類綠地的規模有關。一般來說，綜合公園面積大于10hm2，專類公園面積大于2hm2，社區公園面積大于1hm2。但本研究的專類公園只有1個，未來有待選取更多樣本量進行證實。該結論在既往研究僅針對城市綠地大類進行的PM2.5消減量差異分析的基礎上，進一步推進了公園綠地的中類綠地的PM2.5消減差異，揭示了綜合公園在提供游憩功能的同時，也具有最顯著的PM2.5消減效應，因此這也是綠地布局值得關注的地方。不同類型綠地的單因素方差分析數據亦滿足方差齊性檢驗，4類公園綠地之間，僅游園與綜合公園的PM2.5消減量在0.1水平上存在顯著差異，但在0.05水平上差異并不顯著。

2.2 公園綠地總體特征對PM2.5的影響

采用綠地面積、綠化覆蓋率2個指標衡量綠地的總體特征，表征綠地的綠色空間總體情況。通過相關分析揭示10個綠地的總體特征與PM2.5消減量之間的關系。結果表明，PM2.5消減量與綠地面積呈顯著的正相關關系，相關系數為0.723(P＜0.05)，說明綠地面積越大，越有利于PM2.5的消減。

然而，綠地的綠化覆蓋率與PM2.5消減量無顯著相關性，相關系數為-0.544(P=0.104)，這與既往研究中針對街區進行的綠化覆蓋率與PM2.5的研究結果不同[6]。對于綠地這一用地類型，得益于綠地本身的高綠量(如在本研究中，10個綠地的綠化覆蓋率都在65%以上)，因此其綠化覆蓋對PM2.5的消減影響較小。然而，需要注意的是，PM2.5消減量隨綠化覆蓋率的增加呈現明顯的下降趨勢，尤其當去除揚子街游園以后，則二者相關性顯著(圖4)。綠地的綠化覆蓋率越大，綠地中的植被種植往往越密集，除了綠地的吸附滯塵作用外，一定程度上影響了內部的氣流運動，導致PM2.5不易疏散[28]，尤其在大型公園中，絕非倡導森林式布綠。對于適宜的綠化覆蓋率閾值，當前研究仍主要集中在城市街區這個對象上，例如，在37個街區樣本的研究中，街區綠化覆蓋率適宜控制到30%左右[6]。但對于綠地這類用地而言，學者多數從公園綠地、附屬綠地、廣場用地等綠地類型的角度進行探索，一般來看，它們的綠化覆蓋率依次降低，PM2.5濃度也依次升高[8]。公園綠地合理的綠化覆蓋率亟待更多樣本量的研究，以便確定綠地面積規模達到一定程度以后，為了更好地提高綠地的PM2.5消減能力，可降低的綠化覆蓋率值有多少。

圖4 PM2.5消減量與綠化覆蓋率、綠地面積的曲線擬合

進一步采用曲線擬合分析，揭示公園綠地對PM2.5消減的影響規律。經過多種模型的測試，包括線性、二次、三次、對數、指數等，通過模型的顯著性、F值、R2等指標，得到綠地面積與PM2.5消減量在對數模型上擬合優度最高(圖4)。PM2.5消減量增加的幅度隨綠地面積的增加逐漸趨緩，這意味著單純增加綠地的規模所帶來的消減效益并不高，面積超過一定范圍后消減率開始下降，隨后逐漸趨于平緩。由于本研究的限制，要得到準確的綠地規模閾值仍需更多的綠地樣本量。即便如此，相關研究表明，不論是綠地規模還是街區中的綠化覆蓋率、三維綠量等綠色空間數量，對PM2.5濃度的影響均呈非線性，存在飽和點[6]，且該規律特征也存在于綠地的降溫[29]、增濕[30]等其他生態效應。

2.3 公園綠地綠色空間格局對PM2.5的影響

以MSPA指標衡量的綠地空間格局反映了綠地的不同形態，可以進一步將其拆分成3類格局——點面、邊界、廊道，點面對應著孤島與核心，邊界包含邊緣與孔隙，廊道則由環線、橋接與分支構成。

以7個MSPA指標作為自變量，PM2.5消減量作為因變量，通過逐步回歸探索綠地空間格局對PM2.5消減的影響。為了減少由于各個綠地大小不一而產生的干擾，采用加權最小二乘回歸，以綠地面積作為權重進行回歸分析。由表3可知，模型通過了0.01的顯著性檢驗，可解釋65.7%的綠地空間格局對PM2.5消減的影響。或許由于樣本量限制，此次回歸分析僅核心與分支2個指標顯著且納入模型。從2個指標的回歸系數可知，綠地中越少的核心與分支越有利于PM2.5的消減。此外，相比分支而言，核心對PM2.5消減的貢獻度更大。

表3 公園綠地空間格局與PM2.5消減量的回歸分析

鑒于實證研究難以完全平衡外界因素的影響，因此篩出的綠地數量有限。綠地的7個MSPA指標對PM2.5的影響與既往研究中針對城市街區中綠色空間的MSPA指標，或采用景觀格局衡量綠地空間格局，存在較大的結果差異。

1)點面格局上，僅核心對PM2.5的消減起顯著作用。然而在街區中，它往往起到相反的作用，擁有較多核心的街區，其PM2.5濃度往往較低，主要是由于核心所呈現出的集中連片、優勢的綠色空間格局，發揮著較大的生態功能。對于綠地而言，因其自身的大本底優勢，即使采用小核心、分散式的布局，也能促進PM2.5的消減。類似的現象也出現在城市不同功能單元中的綠色空間消減PM2.5的研究中，綠地單元中的綠色空間適宜采用分散布局，與居住、商業等單元的結果相反[31]。亦有研究發現，在直徑1km的研究單元中，核心與PM2.5濃度呈顯著正相關[32]。因此，為了有效提高綠地消減PM2.5的能力，需要有針對性地采取空間設計。孤島在本研究中并未產生顯著影響，但它在城市街區中往往不利于PM2.5的消減，主要是由于它所呈現出的破碎化空間格局。

2)廊道格局上，分支在綠地與街區中對PM2.5的影響起到相似的作用，由于僅一端連接著其他綠色斑塊，常常暴露于核心綠色斑塊之外，未完全發揮其連通性功能，較高的分支比例不利于PM2.5的消減。橋接與環線未表現出顯著的影響，但在城區范圍1km網格街區的研究中，它們與PM2.5濃度有顯著的負相關關系[33]。作為分別連接著不同核心、同一核心的線性廊道，或許受到處于綠地空間中的制約，導致它們消減PM2.5未起到明顯的作用。

3)邊界格局上，孔隙與邊緣均未表現出對PM2.5的顯著影響，它們一定程度上反映了綠色斑塊的形狀復雜度。在綠地單元中，綠色空間適宜采用簡單的形狀，而在居住、商業單元中則要求復雜形狀，才可促進PM2.5的消減[31]，這與本研究有著相似的結果。因此，在綠地中，針對其綠色空間的邊界格局，無須進行過度的復雜化。

2.4 公園綠地周圍建成環境對PM2.5的影響

10個公園綠地的周圍建成環境類型較為相似，社區公園、專類公園、游園周圍主要為居住區，綜合公園周圍以居住為主，局部配套商業區，但空間形態有差異，如居住密度、建筑層高等。因此，研究篩選的5個建成環境指標反映了建筑布局的布局密度、豎向形態和三維體量。以PM2.5消減量為因變量、5個建成環境指標為自變量，亦采用加權最小二乘回歸方法，分別對5個緩沖區進行分析，得出對PM2.5消減具有顯著影響的建成環境指標(表4)。結果表明，5個緩沖區的模型顯著性與擬合度隨緩沖范圍的增大呈先增加后減小的趨勢，在300m緩沖區時達到最大，說明公園綠地周圍300m范圍內的建成環境對PM2.5的消減影響最大。其中，100m緩沖區的模型未納入具有顯著性的建成環境指標，其余模型中，納入的指標具有差異性。即便如此，從不同模型的回歸系數來看，同一指標對PM2.5消減量的影響存在相同的正負關系。

表4 公園周圍建成環境指標與PM2.5消減量的回歸分析

1)布局密度方面，建筑密度是既往研究最常用的指標之一，所得結論基本與本研究相符，即街區中建筑密度越低，PM2.5濃度也越低[34-35]。本研究進一步揭示出較低的建筑密度，可對毗鄰公園綠地的PM2.5消減具有促進作用。

2)豎向形態方面，平均建筑高度與最高建筑指數均對綠地的PM2.5消減起消極作用，建筑高度錯落度則無顯著影響。一般來說，研究區的平均建筑高度對PM2.5濃度的影響具有明顯的轉折點[36]，當高度達到一定區間時能加重污染。本研究不同緩沖區的平均建筑高度普遍在15m以上，導致對周圍公園綠地的PM2.5消減起到消極作用。最高建筑指數較少應用于PM2.5的研究領域，雖然黃垌茗通過對杭州下沙經濟開發區以500m進行的街區單元劃分研究發現，最高建筑指數與PM2.5濃度無顯著相關[23]，但本研究揭示其對綠地的PM2.5消減具有重要影響。建筑高度錯落度反映了研究區建筑高度的差異程度，既往研究中存在類似的指標——建筑高度標準差，在15個城市街區尺度的研究中，該指標起到顯著影響的也僅3個[37]，說明該指標對PM2.5的作用相對有限。

3)三維體量方面，建筑體積密度越大，綠地的PM2.5消減量也越大，這與街區建筑體積密度和PM2.5濃度之間的負相關關系相符[24]。建筑體積密度越大，說明研究區中與大氣交換的立體空間范圍越大，不僅有利于PM2.5的擴散流動，實現PM2.5濃度的降低，也有利于增加綠地吸附沉降的概率，增加綠地的消減量。

由于周圍環境難以完全控制，或許存在污染源差異，后續研究針對其他城市有更多可選綠地時，將進一步平衡周圍建成環境的相似性。總體來說，這些建成環境指標與PM2.5消減量之間的關系，與它們在街區中的研究具有相似的特征，這些特征為公園綠地周圍建成環境，從改善街區自身的空氣質量及提高綠地PM2.5消減量的雙重維度，均提供了明確的優化調控指引方向。

2.5 研究啟示

依據公園綠地總體特征、綠色空間格局、周圍建成環境與PM2.5消減的定量分析，它們均影響綠地的PM2.5消減效益，可提出以下優化調控策略。

1)公園綠地的總體規模需達到1hm2左右，方能較好地發揮其PM2.5消減作用，因此對于口袋公園，避免密集的林木種植，疏透的綠色空間較為適宜。規模較大的綠地可適當降低整體綠化覆蓋面積，通過更豐富的景觀要素，增加PM2.5的消減效果。

2)公園綠地的綠色空間格局方面，優先考慮核心綠色斑塊與單邊聯系綠廊的布局。不同于街區，公園綠地的核心斑塊不宜采取集中式的布局，而應分散布置，通過設置水系、園路等要素，將其進行適當的分割，這有助于增加區域內的流動性以疏散PM2.5。在綠地中，分支往往對應著從核心斑塊延伸出的喬灌木廊道，為了增強這些綠廊的連通性，需避免過多的分支出現，可進一步將其延伸至其他核心斑塊，形成完整的廊道。

3)對于公園綠地周圍環境，應重點關注綠地外圍300m范圍內的建成環境，按照不同建成環境指標對PM2.5消減的貢獻程度，有針對性地采取不同層面的調控措施。首先，應優先考慮最高建筑指數所反映的核心景觀高度的管控，在新區規劃時劃定限值，在舊區改造時，根據片區整體形態進行調整。其次，控制建筑密度，在密度較高的老城區、城中村等區域，在滿足規劃調控的前提下進行整體重建或局部更新時，減少建筑的簇擁度與擁擠度。再者，控制建筑高度，避免較高建筑密度導致街區通風不暢，從而引起PM2.5的滯留。最后，可適當增加建筑體量，增加與大氣接觸的建筑表面，提高PM2.5的消減效應。

3 結論與展望

3.1 結論

1)公園綠地規模越大，其PM2.5消減量往往也越大，整體趨勢為大型公園綠地＞中型公園綠地＞小型公園綠地，綜合公園＞專類公園＞社區公園＞游園，其中大型公園的PM2.5消減量與小型公園在0.05水平上差異顯著，綜合公園的PM2.5消減量與游園在0.1水平上差異顯著。

2)公園綠地規模與PM2.5消減量呈顯著正相關關系，綠化覆蓋率對PM2.5的消減雖未顯著相關，但具有潛在影響，覆蓋率較高的綠地消減量較低。

3)公園綠地的綠色空間格局方面，僅核心與分支2個指標納入回歸模型，對PM2.5消減具有顯著影響，核心與分支越多的綠地，其PM2.5消減量越少，其中核心的貢獻度更高。

4)公園綠地周圍建成環境方面，除建筑高度錯落度未納入回歸模型外，其余指標在不同緩沖區的模型中均發揮著相似的作用，尤其需注重300m范圍內的4項指標管控，其優先次序為最高建筑指數、建筑密度、平均建筑高度、建筑體積密度。

3.2 展望

本研究通過實測的方法，對武漢市公園綠地的PM2.5消減量及其影響因素進行了較為全面的探討，但仍存在一些不足之處，有待后續研究進行解決。首先，在現實中，難以找到一個公園綠地完全不受外在環境的影響，后續研究可以對其他城市進行實測，增加公園綠地數據，選取綜合公園、社區公園、專類公園、游園等各類型綠地進行分析。其次，考慮綠地周圍環境的差異，可選取同種類型綠地，對比周圍環境差異下綠地對PM2.5消減的差異性。最后，通過反演、數值模擬等手段，更易于控制變量，探討不同綠地消減PM2.5的影響因素。對于實測，可補充更多天數的實測，當前針對每個公園綠地進行了連續2輪的實測，但受限于設備、氣象環境等約束，僅完成了一個季節的實測，未來可增補實測天數，增加數據量，為更加客觀準確地分析結果奠定基礎。

注：文中圖片均由陳明繪制。