春季不同天气城市街头绿地内PM2.5质量浓度分布特征研究

王晓磊，王成，古琳，王茜，王艳英

中国林业科学研究院林业研究所，国家林业局城市森林研究中心，国家林业局森林培育重点实验室，北京 100091

春季不同天气城市街头绿地内PM2.5质量浓度分布特征研究

王晓磊，王成*，古琳，王茜，王艳英

中国林业科学研究院林业研究所，国家林业局城市森林研究中心，国家林业局森林培育重点实验室，北京 100091

于2012年春季，采用水平分布监测法监测了3种天气下距交通污染源不同距离的街头绿地中的PM2.5质量浓度，研究了不同天气下PM2.5的日变化、水平分布规律及绿地对PM2.5的净化效应，为城市街头绿地、城市公园建设及市民合理选择休闲锻炼时间和地点提供理论依据。结果表明：1）晴天和多云时，PM2.5质量浓度上午高于下午，7：00浓度最高，15：00最低；雨后阴天基本保持上升趋势。2）PM2.5日均质量浓度为晴天（61.67 µg·m-3）＜多云（187.98 µg·m-3）＜雨后阴天（291.48 µg·m-3）。晴天除5：00和7：00外，其他时刻均达到国家二级标准，且13：00—15：00达到国家一类功能区空气质量要求；多云和雨后阴天PM2.5质量浓度分别超过国家二级浓度限值150.6%和288.6%。3）观测时段内，无论哪种天气，5：00、7：00、11：00和15：00绿地的净化功能较强，19：00净化功能均最差，所有监测点无一例外的表现为负效应。4）3种天气下，PM2.5质量浓度在距离道路10～25 m最高，绿地的净化效应最差，55 m外基本可以形成稳定的森林内环境。5）在南方高湿环境下，空气相对湿度是影响PM2.5质量浓度的主要因素，晴天和多云天气PM2.5浓度与相对湿度呈显著正相关，而雨后阴天二者呈负相关关系。6）在一定阈值内，街头绿地能够缓解PM2.5污染，为居民提供良好的休闲环境。从游憩时间来看，市民可以选择晴天进入街头绿地休闲，多云和雨后阴天尽量减少外出；从活动最佳地段来看，距离污染源55 m以上适宜休闲锻炼；从街头绿地的规划面积来看，半径以不小于55 m为宜。

PM2.5；水平分布；净化效应；典型天气；街头绿地

PM2.5是指环境中空气动力学当量直径小于或等于2.5 µm的颗粒物，又称细颗粒物、可入肺颗粒物。与粗颗粒物相比，PM2.5比表面积大，富含有毒、有害物质且在大气中的停留时间长、输送距离远，因而对人体健康和空气环境质量的影响更大（杨复沫等，2000），长期暴露在高浓度PM2.5环境中，会引发各种呼吸道和心血管疾病，甚至增加居民早亡风险（Arden等，2002；Johnson和Graham，2005；Brook等，2004）。城市街头绿地作为城市生态系统的重要组成部分，在缓解PM2.5污染和满足城市居民休闲健身方面发挥着重要作用（陈自新等，1998；Beckett等，2000）。已有研究表明，城市交通污染是细颗粒物的首要来源（Feng等，2006；Begum等，2006；Holmes等，2005），且受交通污染影响最为严重的空间是交通主干道及其两侧50 m以内、1.7 m以下的低空范围（Kaur等，2005）。而街头绿地作为城市居民活动中最活跃的城市绿地类型，一般沿街而建，其所建范围恰巧处于污染较严重的区域，在城市汽车保有量持续增加，交通污染物排放对PM2.5影响日趋严重的城市背景下，如何合理规划设计降低PM2.5能力强的城市街头绿地来减轻PM2.5对人体健康和城市大气质量的影响，就成为规划设计部门和城市居民关心的问题之一。目前，关于城市绿地高滞尘树种、群落的选择及配置已经开展了深入系统的研究（Beckett等，1998；柴一新等，2002；吴志萍等，2007；陈芳等，2006；Tallis等，2011），但街头绿地应规划多大面积，具体什么时间、在什么位置进行活动最适宜仍是值得探讨的重要问题。因此，本文以无锡市河埒口休闲广场街头绿地为研究对象，对其春季典型天气条件下距离交通污染源不同水平距离的PM2.5进行监测分析，以便了解城市街头绿地内的PM2.5日变化和水平扩散特征，为城市街头绿地、城市道路绿化规划建设及市民合理选择休闲锻炼时间和地点提供理论依据。

1 研究地概况

无锡市位于119°33′～120°38′E，31°7′～32°2′N，南濒太湖，西依锡山、惠山。地处北亚热带湿润季风气候区，四季分明，春季天气多变，夏季炎热多雨，盛行东南风，秋季秋高气爽，冬季湿冷，盛行东北风，全年平均气温16.2 ℃，年均降水量1121.7 mm，主要集中在夏季。年平均日照时数1924.3 h，无霜期226 d。河埒口休闲广场位于无锡市滨湖区，梁溪路与青祁路、快速内环四高架桥交叉口的西北角，是一个集休闲、健身、娱乐、商务、应急避难等多功能为一体的城市核心区。绿化区位于广场西侧，植被覆盖率60%，主要有广玉兰（Magnolia grandiflora）、香樟（Cinnamomum camphora）、栾树（Koelreuteria paniculata）、杜英（Elaeocarpus decipiens）、桂花（Osmanthus fragrans）、樱花（Prunus serrulata）、山茶（Camellia japonica）、瓜子黄杨（Buxus Sinica Cheng）、红花檵木（Loropetalum chinense）、金叶女贞（Ligustrum vicaryi）、毛杜鹃（Rhododendron pulchrum）等植物。

2 研究方法

2.1 样地选择

为减小群落结构和周围环境因素的影响，试验于绿化区中央选择垂直于梁溪路的植物配置方式相同的样带，该样带除受梁溪路主要交通污染影响外，无其他污染源且样带环境基本一致。样带的另一侧为步行道，基本无机动车通过，因此其对绿地内PM2.5质量浓度的影响基本可以忽略不计。从梁溪路边缘向样带内依次布设监测点，分别为0（机动车道路边缘）、10、25、40、55、70和85 m，共7个水平监测点，每个监测点设置3个重复，共21个点。试验样带为乔、灌、地被复层群落搭配，郁闭度0.45，上层为广玉兰（胸径(12.11±0.32) cm、树高(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），中层为樱花（胸径(7.38±0.14) cm、树高(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），下层为毛杜鹃/瓜子黄杨/金叶女贞（高度(0.65±0.01) m）。

2.2 观测方法和数据处理

于2012年春季，选择无风或微风的晴天（日均温度28 ℃，相对湿度49.6%，风速0.8 m·s-1）、多云（日均温度20.4 ℃，相对湿度68.5%，风速0.2 m·s-1）、雨后阴天（日均温度15.8 ℃，相对湿度81.5%，风速0.2 m·s-1）各3 d，从5：00—19：00每2 h定点、同步测定各点距地面1.5 m处的PM2.5质量浓度、气象因素和车流量，每个点重复3次，取平均值为此监测点的观测值。使用英国Turnkey仪器制造有限公司生产的Dustmate粉尘检测仪（分辨率：0.001 mg·m-3；测量范围：0～6000 µg·m-3）测定PM2.5质量浓度；使用美国产Kestrel3500手持气象站空气温度、相对湿度和风速；使用台湾泰仕公司产的TES-1332A光照仪测定光照强度；每个观测时刻内任意15 min采用人工记数方法记录车流量。所有数据应用Microsoft Excel 2007和SPSS18.0分析，同一天气条件不同水平距离的差异用单因素方差分析（one-way ANOVA），并在0.05显著水平上进行LSD法多重比较。

不同水平监测点的PM2.5净化百分率（即净化效应）计算参照殷彬等（2007）的公式：

式中：Pn为第n个监测点空气颗粒物净化百分率；C0和Cn分别代表道路边缘、第n个监测点的PM2.5质量浓度。

3 结果与分析

3.1 3种天气下绿地内PM2.5质量浓度日变化分析

3.1.1 PM2.5质量浓度日变化

春季，无锡城市街头绿地内同一天气条件不同监测点的PM2.5质量浓度日变化规律呈一致性，但不同天气条件下有所差异（图1），晴天和多云天气呈“单峰单谷”型，上午浓度高于下午，7：00时浓度最高，15：00最低。具体变化趋势是：5：00—7：00 PM2.5质量浓度逐渐上升，7：00达到峰值后急剧下降，至11：00逐步平稳，15：00达到1 d中的最低值，之后再逐渐上升。雨后阴天时，PM2.5质量浓度基本呈递增趋势，5：00—7：00基本维持平稳状态，之后急剧升高，至9：00达上午最大值，11：00浓度稍有下降，随后基本保持上升趋势。

PM2.5质量浓度的日变化规律受气象因子（李军等，2009；郭二果等，2013）、交通（Holmes等，2005；Kaur等，2005）、生活排放源（徐敬等，2007；温梦婷等，2007）等多种因素影响，晴天和多云天气，由于早晚居民晨练多、恰逢上班早晚高峰期，且气温低、空气湿度大，风速小，这种低温、高湿和相对静风的气象状态不利于空气颗粒物的扩散和输送，导致早晚浓度高，而白天随着太阳辐射增强，气温升高，湿度降低，混合层较高，空气乱流和对流作用明显，再加上植物生理活动旺盛，能够不断吸滞、粘附PM2.5，因此共同作用使白天PM2.5维持较低的水平。而雨后阴天时，受凌晨降雨对PM2.5的冲刷作用，5：00—7：00浓度相对较低，之后随温度升高，这种高温、高湿且无风（日均0.2m·s-1）环境导致扩散条件差，易于PM2.5积聚不利于其扩散（李军等，2009），因此，雨后阴天PM2.5质量浓度持续攀升，达到较高水平。另外，阴天天气植物生理活动减弱也是导致其浓度增大的原因之一。

图1 3种天气条件下绿地内PM2.5质量浓度日变化Fig.1 The concentration diurnal changes of PM2.5in three weather conditions in street greenbelt

表1 3种天气下PM2.5质量浓度水平分布规律Table 1 The horizontal distribution of PM2.5concentration in three weather conditions µg·m-3

3.1.2 PM2.5浓度污染情况

由图1可见，3种天气相比，晴天PM2.5质量浓度最低，雨后阴天最高。晴天PM2.5浓度在31.53～126.96 µg·m-3之间，日均61.67 µg·m-3；全天除5：00和7：00外，其他时刻均达到GB 3095—2012国家二级标准《环境空气质量标准》，且13：00—15：00达到国家一类功能区空气质量要求。多云天气PM2.5质量浓度在108.45～341.20 µg·m-3之间，日均187.98 µg·m-3，是晴天的3.05倍，超出国家二级标准150.7%。而雨后阴天时PM2.5除5：00—7：00浓度较低（分别为111.48和125.09 µg·m-3）外，其余时刻均超标严重，19：00最高值达到484.29 µg·m-3，超过国家二级标准545.7%，日均值291.48 µg·m-3，超标288.6%。多云和雨后阴天时，各时刻PM2.5质量浓度均超过国家二级浓度限值。

3.2 3种天气下绿地内PM2.5质量浓度水平分布特征

将同一监测点所有时刻的PM2.5质量浓度加和平均，得到3种天气下PM2.5的水平分布规律（表1）。可见，3种天气距离道路10～25 m PM2.5质量浓度最高，55～70 m最低，只是不同天气最高和最低值出现的地段略有差异。晴天，0 m开始浓度逐渐升高，25 m处达最高，随后下降，70 m处最低，55～85 m其浓度均低于路缘。多云时，10 m处浓度最高，随后下降，40 m处基本接近本底值，在55 m处降至最低后再缓慢升高，但均低于路缘。雨后阴天时，路缘PM2.5质量浓度最低，10 m处最高，绿地内55 m处浓度最低，但绿地内任意监测点的浓度均高于路缘。方差分析显示，无论哪种天气，各水平监测点之间PM2.5浓度差异均不显著。

3.3 3种天气下绿地对PM2.5的净化效应

3.3.1 绿地对PM2.5净化效应的日变化规律

由表2可知，观测时段内，不同天气各监测点对PM2.5的净化效应不同，晴天除17：00和19：00绿地内净化效应为负外，其余时刻基本为正效应，5：00、7：00和13：00净化效应显著，最高净化率为12.78%，17：00的净化效应最差。多云时，除13：00和19：00对PM2.5的净化效果为负外，其余时刻基本为正效应，7：00和15：00净化效应最好，最高达16.96%；雨后阴天时，5：00、7：00、11：00和15：00的净化效率为正，且15：00净化效果最好，其他时刻为负效应；多云和雨后阴天均13：00对PM2.5的净化效应最差。

总体来讲，全天各时刻，无论哪种天气，19：00净化功能最差，所有监测点无一例外均表现为负效应，5：00对PM2.5的净化功能最好，83.3%的监测点为正效应，其次为7：00和11：00，72.2%为正，其他时刻依次为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头绿地对PM2.5净化效应的日变化规律主要与交通污染和植物生理活动有关，在交通量少、生理活性较好的时刻对PM2.5的净化效应较好，而在车流量较大、生理活动弱的时刻，净化效应最差。

表2 3种天气不同水平距离的净化效应日变化Table 2 The diurnal changes of purifying effects of horizontal distance in three weather conditions %

表3 典型天气不同水平距离的净化效应Table 3 The average purifying effects of horizontal distance in three weather conditions %

3.3.2 绿地对PM2.5的水平净化效应

由于街头绿地对PM2.5的净化效应有正有负，因此，不能简单将净化效应值直接平均，本文运用3.2小节各水平监测点的平均值计算得到街头绿地内各水平距离的平均净化效应（表3）。

与PM2.5的水平分布规律类似，晴天时PM2.5净化效应从10 m开始逐渐下降，25 m处净化效应最低，随后净化效应增强，70 m处最强。总体上，40 m以内为负效应，55～85 m为正效应。分析原因，晴天时大气相对不稳定，汽车行驶过程中也会产生垂直于样带的风，路缘0 m处的PM2.5能够随汽车尾部较强气流上升或迅速扩散至绿地内，浓度较低，而样带内靠近污染源的监测点浓度则相对会升高，净化效应减小，之后受树木的阻挡、截留和附着、吸附作用影响，PM2.5动力减小，浓度降低，至55 m处不再受污染源影响，直至85 m街头绿地内的PM2.5一直维持低于路缘的水平。

多云天气，距离道路10 m处净化效应最差，其次是25 m，55 m处净化效果最好，且40～85 m均呈正效应。与晴天相比，负效应的范围缩短，正效应范围扩大。这是由于相比晴天，多云天气风速小，大气相对稳定，PM2.5扩散慢，传播距离短，因此，10 m处PM2.5质量浓度最低，25 m范围内的浓度高于路缘，净化效应差，而40 m以外浓度均呈正净化效应。

雨后阴天时PM2.5净化效应在绿地内10 m处最差，55 m处最好，但各监测点对PM2.5的净化效应均为负。这是由于雨后阴天大气层结最稳定，路缘处于空旷地且汽车行驶共同使得其空气流动大，PM2.5易于扩散，而受植物冠层枝叶阻挡，绿地内风速降低，湿度大，空气流动性很差，抑制PM2.5的扩散却容易促进其持续积累，因此林带内的PM2.5浓度大于路缘，净化效应均为负值。

另外，1 d内各水平监测点呈现正净化效应的比例有所差异，晴天，各监测点呈正效应的比例分别为70 m=80 m（75%）＞ 10 m（62.5%）＞55 m（50%）＞ 25 m（37.5%）＞40 m（25%）；多云天气分别为40 m=55 m（75%）＞ 70 m（62.5%）＞85 m（50%）＞ 25 m（37.5%）＞10 m（25%）；雨后阴天为40 m=55 m=70 m=85 m（50%）＞ 25 m（37.5%）＞10 m（12.5%）。总体上，各水平监测点在全天表现为正效应的比例依次为70m（81.3%）＞55 m（79.2%）＞85 m（77.1%）＞40 m（75%）＞ 25 m（68.8%）＞10 m（66.7%）（表2）。

综上分析，距离污染源55 m时，城市街头绿地对PM2.5的净化效应最好，且55 m以上基本可以维持正净化效应，缓解PM2.5污染。

3.4 影响绿地内PM2.5质量浓度的相关要素分析

PM2.5质量浓度不仅与交通、工业和生活排放源有关，还受气象和天气因素的影响，考虑到数据的可取性和城市街头绿地受交通污染严重的特点，本研究主要探讨了气象因素和车流量对PM2.5的影响。

3.4.1 绿地内PM2.5与气象因素

统计分析（表4）表明：晴天时，气象因素对PM2.5质量浓度影响最显著，与风速、温度、相对湿度均达到显著相关水平，与相对湿度极显著正相关，与温度极显著负相关，与风速显著负相关，与光照、气压相关性不显著，这说明高温、低湿、有一定气流的晴天有利于PM2.5的扩散。多云时PM2.5质量浓度除了与相对湿度显著正相关外，与其他因子均未达到显著相关水平。雨后阴天天气PM2.5质量浓度与气象因素的相关性较差，均未达到显著相关，与相对湿度呈负相关关系，相关系数最大（-0.799），与气压、温度、风速、光照强度正相关。由于多云和雨后阴天时日均风速仅为0.2 m·s-1，处于无风状态，因此风速对PM2.5浓度影响不显著；多云时，相对湿度增加（相对湿度为57.8%～81.7%，日均68.5%），空气中的超细粒子极易形成PM2.5，因此，相对湿度与PM2.5质量浓度呈正相关关系；而雨后阴天，由于湿度过大（75.4%～87.9%，平均81.5%），易导致细颗粒物吸湿膨胀，变成粗颗粒物，甚至发生重力沉降，因此二者呈负相关关系。胡敏等（2006）、邓利群等（2012）研究也表明在一定湿度范围内，相对湿度越大越有利于颗粒物的形成，但超过一定阈值，会导致颗粒物浓度的增加，尤其高温高湿度容易造成细颗粒物浓度升高。

3.4.2 绿地内PM2.5与周边交通因素

汽车尾气不仅能够直接排放一部分PM2.5，还会排放气态污染物，如氮氧化物、一氧化碳、挥发性有机物等PM2.5前体物，这些成分在大气中经过复杂的物理和光化学过程形成PM2.5（杨复沫等，2000；王跃思等，2013）。本文通过PM2.5小时平均浓度与车流量的相关性分析发现，二者之间有一定关系，但相关性不显著。晴天和多云天气PM2.5与车流量呈正相，相关系数分别为0.69和0.63，而雨后阴天时，二者相关系数很小，仅为-0.028。

表4 气象因素与PM2.5质量浓度的相关系数Table 4 Correlation coefficients of PM2.5concentration and meteorological factor

4 结论与讨论

4.1 结论

1）不同天气PM2.5质量浓度日变化存在差异，晴天和多云天气呈“N”型曲线，且上午浓度高于下午；雨后阴天基本呈线性递增趋势。从日均浓度来看，晴天（61.67 µg·m-3）＜多云（187.98 µg·m-3）＜雨后阴天（291.48 µg·m-3），晴天达到国家二级标准，多云和雨后阴天分别超出国家二级标准150.7%和288.6%。

2）3种天气距离道路10～25 m PM2.5质量浓度最高，55～70 m最低并保持相对平稳状态，只是不同天气最高和最低值出现的地段略有差异。晴天25 m处最高，70 m处最低，55～85 m范围内其浓度均低于路缘；多云天气10 m处最高，40 m处基本接近本底值，55 m处最低；雨后阴天时，10 m处最高，55 m处浓度最低，但绿地内全部监测点的PM2.5质量浓度均高于路缘。

3）距离污染源55 m时城市街头绿地对PM2.5的净化效应最好，55 m以上基本可以维持正净化效应，缓解PM2.5污染。从规划的角度来看，若要达到调控PM2.5的作用，城市街头绿地或城市公园规划半径以不小于55 m为宜；在休闲锻炼时，宜选择距离污染源55 m以上的地段。

4）气象因素对PM2.5质量浓度的影响在晴天天气最显著，与风速、温度、相对湿度均达到显著相关水平，与光照、气压相关性不显著；多云时只与相对湿度呈显著正相关，与其他因子未达到显著相关；而雨后阴天时PM2.5质量浓度与各气象因素均未达到显著相关。

4.2 讨论

1）受多种因素综合影响，不同天气条件PM2.5质量浓度存在显著差异，高温、低湿、微风的晴天，空气湍流作用大，有利于PM2.5的快速扩散（李军等，2009），因此晴天街头绿地内PM2.5质量浓度最低，适合居民进入街头绿地内休闲健身。而多云和雨后阴天时，大气相对稳定，PM2.5浓度较高，尤其低温高湿的雨后阴天时，超细粒子极易与污染气体发生化学反应或吸湿增长变成PM2.5（王跃思等，2013），造成头绿地内PM2.5持续积累，污染严重。

2）关于大气颗粒物扩散的研究，先前有学者发现，道路粉尘飘落随着距离污染源由近及远呈现递减的现象（刘青等，2009），Cavanagh等（2009）也发现冬季常绿阔叶绿地内PM10浓度由林缘向绿地内呈衰减趋势。本研究发现，PM2.5水平分布规律均先增加后减少，在55～70 m出现最低值，这可能与研究对象不同有关，刘青等（2009）、Cavanagh等（2009）主要研究粒径较大的灰尘（燃烧完全的蜂窝煤粉末+黄土粉）、PM10等粗颗粒，而本文主要研究粒径较小的PM2.5，一方面受颗粒物自身特性的影响，即在同等动力下，不同粒径的颗粒物由于自身重力的关系，在空中扩散的距离存在较大差异，粗颗粒物主要依靠重力或惯性作用沉降，沉降速度快，传输距离短，而细颗粒物受气流运动的影响大于重力，沉降较慢，传输距离远（Grantz等，2003）；另一方面，受行驶机动车引起的机械湍流影响，路缘处风速加大，PM2.5浓度迅速扩散或进入绿地内，会导致绿地内一定范围内浓度高于林外，因此，相比较而言细颗粒物的传播距离要远，且受汽车尾部气流湍流影响，最大值出现的地段后延。

3）通过分析街头绿地对PM2.5的净化作用发现，晴天和多云时，街头绿地内多数时刻表现为正净化效应，但在雨后阴天PM2.5质量浓度较高时，街头绿地对PM2.5的净化效应均为负。这表明树木调控PM2.5的能力存在一定阈值，当PM2.5污染在植物的耐受范围内时，街头绿地能够通过吸附、粘附等途径减轻PM2.5污染，但当城市PM2.5污染严重超过植物的调控作用时，城市街头绿地PM2.5浓度高于林外，绿地发挥了暂时“尘汇”的作用。

4）气象、交通等多种因素共同作用影响PM2.5浓度（李军等，2009；郭二果等，2013；王跃思等，2013），本文分析发现，众多因子中，PM2.5质量浓度与相对湿度的相关关系最强，说明在南方高湿环境下，空气相对湿度是影响PM2.5污染的一个较重要的因素。另外，本文发现PM2.5浓度与车流量之间呈正相关关系，但相关性不显著，且雨后阴天时，相关系数为-0.028，这在一定程度上说明雨后阴天时气象因素对PM2.5浓度的影响贡献要大于车流、人为活动等其他因素。

5）需要注意的是，PM2.5除了与环境因子有关外，还受树种组成、种植密度、疏透度、绿化覆盖率、绿化模式等因子的影响（孙淑萍等，2004；殷彬等，2007；蔺银鼎等，2011），而本研究仅对无锡市街头绿地现有典型配置调控PM2.5的作用进行了尝试性研究，今后应加强不同植物配置、不同结构的街头绿地净化PM2.5作用的研究，以便为建设结构合理、功能高效街头绿地提供科学依据。另外，本研究只监测了不同天气条件下白天的空气颗粒物，未开展夜间和全年的监测；仅对水平距离进行了观测研究，未涉及垂直高度上颗粒物浓度的监测，今后有待于进一步深入和完善。

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, 祝宁, 韩焕金. 2002. 城市绿化树种的滞尘效应-以哈尔滨为例[J]. 应用生态学报, 13(9): 1121-1126.

陈芳, 周志翔, 郭尔祥, 等. 2006. 城市工业园区园林绿地滞尘效应的研究-以武汉钢铁公司厂区绿地为例[J]. 生态学杂志, 25(1): 34-38.

陈自新, 苏雪痕, 刘少宗, 等. 1998. 北京城市园林绿化生态效益的研究(6)[J]. 中国园林, 14(60): 53-56.

邓利群, 钱骏, 佟洪金. 2012. 2009年8—9月成都市颗粒物污染及其与气象条件的关系[J]. 中国环境科学, 32(8): 1433-1438.

郭二果, 王成, 郄光发, 等. 2013. 北方地区典型天气对城市森绿地内大气颗粒物的影响[J]. 中国环境科学, 33(7): 1185-1198.

胡敏, 刘尚, 吴志军, 等. 2006. 北京夏季高温高湿和降水过程对大气颗粒物谱分布的影响[J]. 环境科学, 27(11): 2293-2298.

李军, 孙春宝, 刘咸德, 等. 2009. 气象因素对北京市大气颗粒物浓度影响的非参数分析[J]. 环境科学研究, 22(6): 663-669.

蔺银鼎, 武小刚, 郝兴宇, 等. 2011. 城市机动车道颗粒污染物扩散对绿化隔离带空间结构的响应[J]. 生态学报, 31 (21): 6561- 6567.

刘青, 刘苑秋, 赖发英. 2009. 基于滞尘作用的城市道路绿化研究[J]. 江西农业大学学报, 31(6): 1063-1068.

孙淑萍, 古润泽, 张晶. 2004. 北京城区不同绿化覆盖率和绿地类型与空气中可吸入颗粒物[J]. 中国园林, 14 (3): 77-79.

王跃思, 姚利, 刘子锐, 等. 2013. 京津冀大气霾污染及其控制策略思考[J].中国科学院院刊, 28(3): 353-363.

温梦婷, 胡敏. 2007. 北京餐饮源排放细粒子理化特征及其对有机颗粒物的贡献[J].环境科学, 28(11): 2620-2625.

吴志萍, 王成, 许积年, 等. 2007. 六种城市绿地内夏季空气负离子与颗粒物[J]. 清华大学学报:自然科学版, 47(12): 2153-2157.

徐敬, 丁国安, 颜鹏, 等. 2007. 北京地区PM2.5的成分特征及来源分析[J]. 应用气象学报, 18(5) : 645-654.

杨复沫, 马永亮, 贺克斌. 2000. 细微大气颗粒物PM2.5及其研究概况[J].世界环境, 4: 32-34.

殷彬, 蔡静萍, 陈丽萍, 等. 2007. 交通绿化带植物配置对空气颗粒物的净化效益[J]. 生态学报, 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

王晓磊，王成，古琳，王茜，王艳英. 春季不同天气城市街头绿地内PM2.5质量浓度分布特征研究[J]. 生态环境学报, 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.

国家林业公益性行业科研专项经费（201304301-05）

王晓磊（1985年生），女，博士研究生，主要从事城市林业研究。E-mail: wangxl.1010@163.com

*通信作者：王成（1967年生），男，研究员，博士生导师，主要从事城市森林与城市生态方面的研究工作。E-mail: wch8361@163.com

2014-03-10