城市生态空间PM2.5削减效益研究——以北京市为例

吴 健,杨子涵,胡 蕾

城市生态空间PM2.5削减效益研究——以北京市为例

吴 健,杨子涵,胡 蕾*

(中国人民大学环境学院,北京 100872)

以生态系统服务的空间依赖性为理论基础,利用2000年与2015年北京市土地利用数据以及PM2.5年均浓度数据,以30m*30m的土地利用栅格为研究单元,通过建立多元线性回归模型,发现其他条件相同的情况下,生态用地上的PM2.5浓度比非生态用地上低32.29%,进而探究了生态空间的PM2.5削减效益及其空间依赖性.结果表明,2000年与2015年,北京市生态空间削减全市范围内PM2.5浓度4.64和9.03μg/m3,带来的以非意外总死亡健康终点记的人群健康经济效益分别达7954～15896万元与21980～43927万元;生态空间的PM2.5削减效益存在着空间溢出作用,且不同土地利用类型对其响应方式不同;结构和规模会影响生态空间的效益发挥,线状生态空间在影响范围、污染物削减效果以及人群健康效益方面均优于面状生态空间,且其比较优势随着规模的扩大愈发凸显.建议城市生态空间建设中合理利用其空间特性以提高生态效益与资源利用效率,在城市中心地区增建小型、点状或线状的生态空间,从而在土地资源极度稀缺的情况下最大化其空气质量改善效益.

城市生态空间；PM2.5；健康效益；空间依赖性；土地利用

生态空间(Ecological space)是指自然覆盖的、能够提供多种生态服务的生态要素空间实体.与一般生态空间相比,城市生态空间规模较小、具有人工性,但更强调多种生态服务的综合性,同时对居民日常生活有着更加直接的影响[1].

生态空间引起了国内外学者的广泛关注.大量研究表明,生态空间能够有效改善空气质量[2-18],城市森林在削减大气颗粒物(PM)浓度方面的作用尤为显著[19].同时,生态空间在供给生态系统服务时往往呈现出一定的空间特性[20],如周边的土地开发利用会导致生态系统的退化,呈现出空间溢出效应[21-22];位于森林边缘的树木能够比位于中间的树木更有效地沉积空气中的颗粒物,呈现出边缘效应[23-24];另外,随着规模的扩大,生态空间的规模效应会从正效应转变为正效应与负效应的叠加,甚至最终导致总效益的递减[25].这些空间依赖性的存在决定了生态空间的规模、结构等空间属性会对其生态效益带来巨大影响[25];若忽视这种空间依赖性,则极有可能导致资源利用的低效甚至无效.特别地在空气污染和土地稀缺等城市病问题突出的背景之下,探究生态系统服务的空间依赖性,并以此为依据优化生态空间的供给与规划布局、实现由增量扩张到存量优化的转型显得尤为重要[26-30].

在生态空间对空气质量的影响方面,主要有两类研究:一类研究以监测点为圆心设置缓冲区,利用区内生态空间面积占比、斑块数量、边缘密度、聚集程度等景观指数与PM2.5浓度进行回归,发现生态空间的几何特征会显著影响PM2.5浓度[3-4,31-32];另一类在生态空间内部和周边不同范围内设置监测点,对监测数据进行回归或对比分析,揭示颗粒物削减作用呈现的空间衰减规律[14].但这些研究并不以生态空间本身为研究对象,未能识别生态空间的规模和结构等关键要素对空气质量改善的作用.

鉴于此,本文以土地利用和生态服务供给中存在的空间依赖性为理论基础,利用2000年与2015年北京市PM2.5年均浓度数据和土地利用数据,将30m*30m土地利用栅格作为研究单元,通过将邻近土地利用纳入多元线性回归模型,探究生态空间对PM2.5的削减作用及其空间依赖性,分析生态空间的结构和规模对空气质量的改善效益,以期为城市生态空间规划建设提供科学支撑.

1 研究对象及数据来源

1.1 研究对象

作为我国的政治、经济、文化中心,北京市是我国城市化程度最高、人口密度最大、经济最发达的超大城市之一.北京市域面积为16,800km2,《北京统计年鉴》数据显示2000年北京市常住人口为1363.6万人,2015年增长至2170.5万人.从2000～ 2015年,北京市域范围内PM2.5年均浓度从26.9μg/ m3增加至48.4μg/m3,提高近一倍[33];而从空间分布上看,高浓度地区与人口聚集区域基本重合,都位于城区与新城区.这对城市生态空间的科学合理规划提出了更高的要求.在生态空间建设方面,2017年发布的《北京城市总体规划(2016-2035年)》提出要构建多类型、多层次、多功能、成网络的高质量绿色空间体系,通过建设、修复等途径扩大生态空间、构建城市蓝绿系统,将北京打造成为蓝绿交织的森林城市[34].

1.2 数据来源

本文数据集包括PM2.5浓度数据、土地利用数据以及控制变量数据.变量描述如表1所示.

表1 变量描述

本文选用美国哥伦比亚大学国际地球科学信息网络中心基于卫星数据反演得到的全球地面细颗粒物(PM2.5)每0.01度网格单元(宽度约为1km)分布数据[33](如图1).该数据测算方法科学,具有较高可信度.

目前普遍采用的生态空间建设结构可大致分为三类:点状,如屋顶花园等微绿地;线状,如沿路而建的防护绿廊;面状,如中央公园等较大规模的绿地.城市生态空间总体布局可视为这三类结构的组合.为了比较不同规模、不同结构的城市生态空间的空气质量改善效益,本文以现有生态空间的最小规模作为研究尺度选择的参考依据.根据《城市绿地分类标准》[39]的界定,规模较小、布局灵活的带状游园的宽度须大于12m.因此,本文选用中国科学院资源环境科学数据中心(http://www.resdc.cn) 30m*30m土地利用栅格数据,以尽可能涵盖从小到大各种规模的城市绿地.数据包含了耕地、林地、草地、水域、建设用地和未利用土地6个一级土地利用类型.本研究将林地、草地、水域统一划分为生态用地(es=1),将耕地、建设用地和未利用地统一划分为其他用地(es=0).

图1 北京市PM2.5年均浓度

图2 相邻生态用地占比示意

已有研究表明,PM2.5浓度的影响因素包括土地利用方式、环境条件、气候条件、人类活动等[3,10,12,15-17,23,40].通过对数据进行相关性检验分析,剔除相关性较高的变量,最终选择生态空间质量(归一化植被覆盖指数)、气候因素(年均降水、年均气温)和社会经济因素(经济密度、路网密度)以及年份变量作为控制变量.其中,归一化植被指数、年均降水、年均气温、经济密度数据均来自于中国科学院资源环境科学数据中心公布的空间数据[41-44],根据消费者物价指数对经济密度数据进行折算(以2000年不变价计);路网密度数据利用北京市道路数据与街区数据提取得到(来源于全国地理信息资源目录服务系统).

本文将每个土地利用栅格周围的8个栅格视为其相邻土地单元,用变量prox表示相邻单元中生态用地占比,prox的具体计算方法为:

如图2,方格中数字即为本栅格的相邻生态用地占比.

1.3 模型设定

研究单元共18,206,383个,由于空间数据的空洞,2a实际观测单元数共36,389,937个.本研究采用多元线性模型,以PM2.5年均浓度对数为因变量,通过引入用地类型变量es,观察生态用地对污染物浓度的影响;引入相邻单元中生态用地占比变量prox,以研究相邻土地利用状况对某个单元空气质量的影响;引入变量es与prox的交互项,研究相邻生态用地对不同类型用地上PM2.5浓度的影响.最终模型设定如下:

式中:NDVI为归一化植被覆盖指数,表示生态用地的质量;METEO表示气候控制变量,包括年均气温对数值与年均降水对数值;SOC表示社会经济控制变量,包括经济密度对数、路网密度以及各自与用地类型变量es的交互项,以表征不同用地上人类活动影响的不连续性;YEAR为年份变量.

2 实证结果

OLS回归结果如表2所示.模型拟合优度为0.88,所有变量均在0.01水平上显著,拟合结果良好.

表2 OLS回归结果

注:*<0.1; **<0.05; ***<0.01.

图3 相邻生态用地占比对PM2.5浓度的影响

3 讨论

3.1 生态空间的空气质量改善效益

3.1.1 PM2.5浓度削减效益 利用OLS回归结果,进一步计算得到北京市生态空间带来的PM2.5浓度削减情况(图4).从浓度削减程度上看,生态空间内部的污染物浓度平均削减值在2000年与2015年分别为8.29和16.23μg/m3,而由溢出效应带来的周边非生态空间上的污染物浓度削减量仅为0.10与0.17μg/m3,表明生态空间的污染物浓度削减作用主要通过直接削减实现.

图4 生态空间带来的PM2.5浓度削减

从北京市整体平均来看,生态空间通过直接和间接削减达到了改善空气质量的作用:2000年和2015年,生态空间分别使全市范围内PM2.5年均浓度降低4.64和9.03μg/m3,其空气质量改善效益在污染更严重的2015年更加明显.

3.1.2 人群健康效益 作为空气污染中最主要的致病因素,PM2.5会对人体健康带来严重威胁,进而造成巨大的社会经济负担[49-50].借鉴高婷等[38]采用的人群暴露-反应关系和经济损失评估模型,进一步对各用地单元上由PM2.5浓度降低带来的人群健康效益进行计算.本文关注呼吸系统疾病死亡、循环系统死亡和非意外总死亡三类健康终点的健康效益.

设某一PM2.5浓度水平上的人群健康效应值为,计算公式为[51]:

式中:为暴露-反应关系系数,指PM2.5浓度每变化1μg/m3带来的人群健康效应终点变化比例;为引起居民健康效应的PM2.5浓度,0为未能引起人群健康效应的PM2.5临界浓度(WHO推荐值为10μg/m3);和0分别表示PM2.5浓度处于和0时的人群健康效应.

由PM2.5污染造成的健康价值损失等于健康损害人数与健康损害人数单位价值的乘积[52]:

式中:Cost为PM2.5造成的健康终点损害价值总和;表示健康终点变化量,即人群健康效应与污染暴露人口的乘积;VOSL表示社会为防止一个社会成员早死而愿意付出的价值,即健康终点变化量对应的单位价值.

假设生态空间不发挥任何作用时,利用回归结果模拟得到PM2.5的浓度值为C;生态空间发挥直接削减与间接削减作用时,浓度值为浓度监测数据2,则由生态空间带来的人群健康效应减小量为:

由此带来的健康损害人数减少量d和人群健康效益HB(即健康终点损害价值Cost的减少量)为:

基于已有研究,计算公式中各参数取值及单位如表3所示.由于2000年与2015年北京市全域PM2.5浓度值都高于WHO所推荐的0值10μg/m3,故将所有人口作为PM2.5污染暴露人口进行计算,这也与已有研究结果相符[53].将各用地单元上的PM2.5浓度以及人口代入式(5)～(7),计算得到北京市域范围内由生态空间带来的三类健康终点的健康经济效益如图5所示.文中经济效益均为2011年价格[38].

表3 参数取值

注: 本表参数取值分别来自文献[35-38],其中VOSL为2011年价格.

图5 生态空间带来的健康经济效益

柱形图上边界与下边界分别对应VOSLmax与VOSLmin

结果显示,北京市生态空间通过降低PM2.5浓度带来的健康经济效益十分显著,2000年三类健康终点的健康效益分别为947～1893万元、2343～4684万元和7954～15896万元;2015年三类健康终点的健康效益分别为2653～5266万元、6460～12911万元和21980～43927万元,平均为2000年的2.8倍左右.

对北京市土地利用、空气质量以及人口分布进行对比分析发现,相较于2000年,2015年北京市生态空间面积略有减少,但PM2.5浓度大幅提高且人口密度急剧增加.由此推知,这15a间的人群健康经济效益差异主要来源于污染的加剧和暴露人口的增多.这进一步说明了在污染严重、人口密集地区合理建设生态空间的重要意义.

3.2 生态空间结构与规模的影响

面积相同的生态用地单元可以组合形成不同规模的面状和线状两种结构的生态空间(如图6),相应地,受到溢出效应影响的相邻非生态用地单元数量也不同(如图7).

图6 不同规模、不同结构的生态空间

图7 生态空间的相邻非生态用地单元数量

3.2.1 对PM2.5浓度的影响 设两种不同类型用地上的PM2.5浓度分别为2015年平均水平,即生态用地上为35.02μg/m3,非生态用地上为58.04μg/m3.每单元生态用地的建设维护成本为1且保持不变,由生态空间带来的PM2.5浓度平均削减值为(包括两个空间范围内的平均削减浓度值:生态空间范围和受生态空间影响的周边非生态空间范围),用/来衡量其PM2.5浓度削减效率.利用回归结果进行模拟估算,结果如图8所示.

据图8(a)可知,线状生态空间的PM2.5浓度削减效果略优于面状生态空间.生态空间范围内的PM2.5浓度削减值远高于相邻非生态空间,表明直接削减是生态空间改善空气质量的最主要途径.线状生态空间中,每个生态用地单元都处于“边缘”,其直接削减作用受到来自相邻生态用地的抑制作用更小,因此其浓度平均削减量高于面状生态空间,但差距并不明显.

图8 生态空间带来的PM2.5浓度削减对比

生态单元数量为1时,生态空间内的浓度削减效率为16.68

类似的,对于周边非生态空间来说,线状生态空间带来的间接削减效果比面状生态空间稍强,但差距并不显著.尽管如此,由于线状生态空间的特殊形状,其溢出效应所能影响的相邻非生态单元数量远高于面状生态空间(图7),且规模越大,差距越大.因此即使两种结构生态空间的浓度平均削减值相差无几,线状生态空间也能够惠及更多的非生态空间,且这一优势随规模扩大而愈发突出.

从规模上看,生态空间削减污染物浓度的规模效益呈现递减的趋势.图8(b)表明,独立的点状生态空间能够最高效地削减PM2.5浓度;随着规模的扩大,生态空间的PM2.5浓度削减效率迅速下降,两种结构生态空间的变化趋势基本一致.

3.2.2 对人群健康效应的影响 进一步地,利用3.1中的方法,以非意外总死亡为例,探究不同生态空间对受影响范围内人群健康效应产生的总体影响.

分别取2015年不同用地类型上的人口密度均值[43],即生态用地上为436人/km2,非生态用地上为2416人/km2.对生态空间的总体健康效益HB以及平均每单元带来的健康效益值HB/进行估算,结果如图9所示.

图9(a)体现除了两种结构生态空间在人群健康效益方面的绝对差距.由于线状生态空间与相邻非生态用地的接触范围更大,同时非生态用地上的人口密度远高于生态用地(平均为生态用地的5.54倍),因此尽管生态空间的间接削减作用远小于直接浓度削减作用,并且两种结构生态空间的间接削减作用差距甚微(图8),但是线状生态空间能够影响更多的暴露人口,带来远高于面状生态空间的健康效益.

同时,随着规模的逐渐扩大,线状生态空间影响的周边非生态用地范围迅速扩张,其带来的健康效益大幅提高,相较于面状生态空间的比较优势愈发凸显.如当生态用地单元数量为4时,线状生态空间能够比面状生态空间多产生54～108元的健康效益;当生态用地单元数量增加到36时,这一差距扩大到1342～2683元,增长了近24倍.由此可以推知,由于建设用地上具有极高的人口密度与PM2.5浓度,在建成区内部或周边建设生态空间将产生巨大的健康效益.

图9(b)表明,尽管平均每单元生态用地带来的健康效益HB/随规模的扩大而递减,但是与面状生态空间相比,线状生态空间的单位平均健康效益下降缓慢,并且当其达到一定规模时,平均每单元带来的健康效益趋于稳定,规模效益基本保持不变.这表明沿线状对线状生态空间进行扩建能够带来稳定的边际健康效益.

图9 生态空间带来的人群健康效益对比

扇面上边界与下边界分别对应VOSLmax与VOSLmin

综上可知,尽管在污染物浓度削减方面,线状生态空间的优势并不突出,但是当把人群健康效益纳入考虑时,线状生态空间拥有相较于面状生态空间的绝对优势.

需要注意的是,本文仅对生态空间在空气质量改善方面存在的空间依赖性进行讨论,结论可能无法推广至其他生态效益.另外,研究假设空气质量改善效益具有线性可加性,并未识别生态空间发挥效益时可能存在规模阈值效应和异质性的情况.

4 结论与建议

4.1 结论

4.1.1 生态空间能够显著地降低空气中的PM2.5浓度,带来巨大的人体健康效益,并且这样的效益随着污染的加重以及暴露人口的增多愈发显著,同时其呈现出来的空间溢出、边缘效应以及规模效益递减表明该效益的确存在空间依赖性.

4.1.2 不同土地利用类型对空间溢出效应的响应方式不同.对非生态用地来说,相邻生态用地有助于PM2.5浓度的降低;而对于生态用地来说,相邻生态用地会降低空气流速、不利于污染物扩散,使其在削减PM2.5浓度时呈现出“边缘效应”.

4.1.3 生态空间的空气质量改善效益受到规模和结构的共同影响.同样规模的线状生态空间能够比面状生态空间削减更多的PM2.5,影响更多的污染暴露人口,带来更高的人群健康效益,同时沿线状扩建带来的健康效益边际增量更加稳定;点状生态空间在PM2.5浓度削减和改善人群健康方面的效率最高.

4.2 政策建议

4.2.1 城市生态空间的规划建设中,应合理利用城市中的“边角空间”,见缝插绿,优先考虑建设小型的、分散的点状微绿地,也可依托现有建筑物进行立体绿化,“以点带面”,增强大型生态用地斑块之间的连通性,从而提高城市生态空间的可达性与服务覆盖范围、发挥更大的生态效益,同时增强人们对城市多重空间的使用,提高土地资源利用效率[54-56].

4.2.2 借助水体、道路、风景名胜区等已有城市元素,建设线状生态空间,充分发挥其服务范围广、居民可接触性强、功能多样以及建设难度较低等特点,有助于构建城市生态网络,增强城市的生态韧性,同时服务于动植物迁徙传播的基本需求,有助于维护生物多样性[55].

4.2.3 在布局方面,应首先考虑人口密集、污染严重的城市内部及其周边地区,以扩大受益群体规模,最大化生态空间的健康效益.如道路两旁的防护绿地能够为移动源排放的污染物提供关键的沉降场所,有力地阻隔污染物对人们的直接健康损害[15,57],对改善空气质量和保护人群健康都具有十分重要的意义.

未来亟需更多研究从多角度出发,对生态空间的空间特性、作用机理等进行深入探究,为推动城市可持续发展以及满足人民美好生活需求提供科学的支撑.

[1] 王甫园,王开泳.城市化地区生态空间可持续利用的科学内涵 [J]. 地理研究, 2018,37(10):1899-1914.

Wang F Y, Wang K W. The scientific connotation of sustainable utilization of ecological space in urbanized areas [J]. Geographical Research, 2018,37(10):1899-1914.

[2] Yang J, McBride J, Zhou J, et al. The urban forest in Beijing and its role in air pollution reduction [J]. Urban Forestry & Urban Greening, 2005,3(2):65-78.

[3] Wu J, Xie W, Li W, et al. Effects of Urban Landscape Pattern on PM2.5Pollution--A Beijing Case Study [J]. PLoS One, 2015,10(11): e0142449.

[4] Chen M, Dai F, Yang B, et al. Effects of urban green space morphological pattern on variation of PM2.5concentration in the neighborhoods of five Chinese megacities [J]. Building and Environment, 2019,158:1-15.

[5] Matos P, Vieira J, Rocha B, et al. Modeling the provision of air-quality regulation ecosystem service provided by urban green spaces using lichens as ecological indicators [J]. Sci. Total Environ., 2019,665: 521-530.

[6] 刘继来,刘彦随,李裕瑞.中国“三生空间”分类评价与时空格局分析 [J]. 地理学报, 2017,72(7):1290-1304.

Liu J L, Liu Y S, Li Y R. Classification evaluation and spatial- temporal analysis of “production-living-ecological” spaces in China [J]. Acta Geographica Sinica, 2017,72(7):1290-1304.

[7] 郑 茜.武汉市生态空间评价与优化研究 [D]. 武汉:华中师范大学, 2018.

Zheng Q. A study on optimization and spatial estimate of ecological space in wuhan city [D]. Wuhan: Central China Normal University, 2018.

[8] von Schneidemesser E, Steinmar K, Weatherhead E C, et al. Air pollution at human scales in an urban environment: Impact of local environment and vehicles on particle number concentrations [J]. Sci. Total. Environ, 2019,688:691-700.

[9] Dadvand P, Rivas I, Basagana X, et al. The association between greenness and traffic-related air pollution at schools [J]. Sci. Total Environ., 2015,523:59-63.

[10] Douglas A N J, Irga P J, Torpy F R. Determining broad scale associations between air pollutants and urban forestry: A novel multifaceted methodological approach [J]. Environ. Pollut., 2019,247: 474-481.

[11] Cho H-S, Choi M. Effects of compact urban development on air pollution: Empirical evidence from Korea [J]. Sustainability, 2014, 6(9):5968-5982.

[12] Fan S, Li X, Han J, et al. Field assessment of the impacts of landscape structure on different-sized airborne particles in residential areas of Beijing, China [J]. Atmospheric Environment, 2017,166:192-203.

[13] Syafei A D, Fujiwara A, Zhang J. Spatial and temporal factors of air quality in surabaya city: An analysis based on a multilevel model [J]. Procedia - Social and Behavioral Sciences, 2014,138:612-622.

[14] Cavanagh J-A E, Zawar-Reza P, Wilson J G. Spatial attenuation of ambient particulate matter air pollution within an urbanised native forest patch [J]. Urban Forestry & Urban Greening, 2009,8(1):21-30.

[15] Chen M, Dai F, Yang B, et al. Effects of neighborhood green space on PM2.5mitigation: Evidence from five megacities in China [J]. Building and Environment, 2019,156:33-45.

[16] Janhäll S. Review on urban vegetation and particle air pollution – Deposition and dispersion [J]. Atmospheric Environment, 2015,105: 130-137.

[17] Sicard P, Agathokleous E, Araminiene V, et al. Should we see urban trees as effective solutions to reduce increasing ozone levels in cities? [J]. Environ Pollut, 2018,243(Pt A):163-176.

[18] 唐新明,刘 浩,李 京,等.北京地区霾/颗粒物污染与土地利用/覆盖的时空关联分析 [J]. 中国环境科学, 2015,35(9):2561-2569.

Tang X M, Liu H, Li J, et al. Response analysis of haze/particulate matter pollution to land use/cover in Beijing [J]. China Environmental Science, 2015,35(9):2561-2569.

[19] Yang J, McBride J, Zhou J, et al. The urban forest in Beijing and its role in air pollution reduction [J]. Urban Forestry & Urban Greening, 2005,3(2):65-78.

[20] Lewis D, Wu J. Land-use patterns and spatially dependent ecosystem services: Some microeconomic foundations [J]. International Review of Environmental and Resource Economics, 2015,8:191-223.

[21] 雷金睿,陈宗铸,吴庭天,等.海南岛东北部土地利用与生态系统服务价值空间自相关格局分析 [J]. 生态学报, 2019,39(7):2366-2377.

Lei J R, Chen Z Z, Wu T T, et al. Spatial autocorrelation pattern analysis of land use and the value of ecosystem services in northeast Hainan island [J]. Acta Ecologica Sinica, 2019,39(7):2366-2377.

[22] Zhang Y, Liu Y F, Zhang Y, et al. On the spatial relationship between ecosystem services and urbanization: A case study in Wuhan, China [J]. Science of the Total Environment, 2018:637-638.

[23] McDonald A G, Bealey W J, Fowler D, et al. Quantifying the effect of urban tree planting on concentrations and depositions of PM10in two UK conurbations [J]. Atmospheric Environment, 2007,41(38):8455- 8467.

[24] Powe N A, Willis K G. Mortality and morbidity benefits of air pollution (SO2and PM10) absorption attributable to woodland in Britain [J]. J Environ Manage, 2004,70(2):119-128.

[25] 毕凌岚.生态城市物质空间系统结构模式研究 [D]. 重庆:重庆大学, 2004.

Bi L L. Study on structure patternof Eco-city physical spatial system [D]. Chongqing: Chongqing University, 2004.

[26] 国务院.全国主体功能区规划 [EB/OL]. http://www.gov.cn/zwgk/ 2011-06/08/content_1879180.htm. 2011-06-08.

State Counsil. National Major Functional Zoning Plan [EB/OL]. http: //www.gov.cn/zwgk/2011-06/08/content_1879180.htm. 2011-06-08.

[27] 国务院.全国国土规划纲要(2016-2030年) [EB/OL]. http://www. gov.cn/zhengce/content/2017-02/04/content_5165309.htm. 2017-02- 04.

State Council. National Land Planning Outline (2016～2030) [EB/OL]. http://www.gov.cn/zhengce/content/2017-02/04/content_5165309.htm. 2017-02-04.

[28] 北京市政府.北京市2013～2017年清洁空气行动计划 [EB/OL]. http://www.beijing.gov.cn/zhengce/zfwj/zfwj/szfwj/201905/t20190523_72673.html. 2013-09-12.

Beijing Municipal Government. Beijing 2013-2017Clean Air Action Plan [EB/OL]. http://www.beijing.gov.cn/zhengce/zfwj/zfwj/szfwj/ 201905/t20190523_72673.html. 2013-09-12.

[29] 邹 锦,颜文涛.存量背景下公园城市实践路径探索——公园化转型与网络化建构 [J]. 规划师, 2020,36(15):25-31.

Zou J, Yan W T. Exploration of park city development paths in the context of built-up area redevelopment: park transition and networking [J]. Planners, 2020,36(15):25-31.

[30] 罗 静,曾菊新.城市化进程中的土地稀缺性与政府管制 [J]. 中国土地科学, 2004,(5):16-20.

Luo J, Zeng J X. Land scarcity and government control in the process of urbanization [J]. China Land Science, 2004,(5):16-20.

[31] 欧维新,张 振,陶 宇.长三角城市土地利用格局与PM2.5浓度的多尺度关联分析 [J]. 中国人口·资源与环境, 2019,29(7):11-18.

Ou W X, Zhang Z, Tao Y. Multi-scale correlation analysis of urban landscape pattern and PM2.5concentration in the Yangtze River Delta [J]. China Population, Resources and Environment, 2019,29(7):11-18.

[32] Wu H, Yang C, Chen J, et al. Effects of Green space landscape patterns on particulate matter in Zhejiang Province, China [J]. Atmospheric Pollution Research, 2018,9(5):923-933.

[33] van Donkelaar A, Martin R V, Brauer M, et al. Global annual PM2.5grids from MODIS, MISR and SeaWiFS aerosol optical depth (AOD) with GWR, 1998-2016 [DB]. 2018.

[34] 北京市规划和国土资源管理委员会.北京城市总体规划(2016-2035年) [EB/OL]. http://www.beijing.gov.cn/gongkai/guihua/wngh/cqgh/ 201907/t20190701_100008.html. 2017-09-29.

Beijing Municipal Commission of Planning and Land Resources Management. Beijing City Master Plan (2016-2035) [EB/OL]. http://www.beijing.gov.cn/gongkai/guihua/wngh/cqgh/201907/t20190701_100008.html. 2017-09-29.

[35] 李 沛,辛金元,王跃思,等.北京市大气颗粒物污染对人群死亡率的影响研究 [C]//中国气象学会.S7气候环境变化与人体健康.沈阳:中国气象学会, 2012:11.

Li P, Xin J Y, Wang Y s, et al. The impact of air particulate pollution on population mortality in Beijing [C]//Chinese Meteorological Society. Climate Environmental Change and Human Health. Shenyang: Chinese Meteorological Society: Chinese Meteorological Society, 2012:11.

[36] 苏健婷,高燕琳,韦再华,等.2011年北京市居民主要死亡原因对期望寿命的影响 [J]. 中国慢性病预防与控制, 2013,21(6):755-757.

Su J T, Gao Y L, Wei Z H, et al. The impact of the main causes of death of Beijing residents on life expectancy in 2011 [J]. Chinese Journal of Prevention and Control of Chronic Diseases, 2013,21(6): 755-757.

[37] 於 方,过孝民,张衍燊,等.2004年中国大气污染造成的健康经济损失评估 [J]. 环境与健康杂志, 2007,(12):999-1003,1033.

Yu F, Guo X M, Zhang Y S, et al. Assessment of health and economic losses caused by air pollution in China in 2004 [J]. Journal of Environment and Health, 2007,(12):999-1003,1033.

[38] 高 婷,李国星,胥美美,等.基于支付意愿的大气PM2.5健康经济学损失评价 [J]. 环境与健康杂志, 2015,32(8):697-700.

Gao T, Li G X, Xu M M, et al. Health economic loss evaluation of ambient PM2.5pollution based on willingness to pay [J]. Journal of Environment and Health, 2015,32(8):697-700.

[39] CJJT 85-2017 城市绿地分类标准 [S].

CJJT 85-2017 Classification standard of green space [S].

[40] 陈 莉,白志鹏,苏 笛,等.利用LUR模型模拟天津市大气污染物浓度的空间分布 [J]. 中国环境科学, 2009,29(7):685-691.

Chen L, Bai Z P, Su D, et al. Application of land use regression to simulate ambient air PM10and NO2concentration in Tianjin City [J]. China Environmental Science, 2009,29(7):685-691.

[41] 徐新良.中国年度植被指数(NDVI)空间分布数据集 [DB]. 中国科学院资源环境科学数据中心数据注册与出版系统, 2018.

Xu X L. Spatial distribution of annual NDVI in China [DB]. Resource and Environmental Science Data Center of Chinese Academy of Sciences, 2018.

[42] 徐新良,张亚庆.中国气象背景数据集 [DB]. 中国科学院资源环境科学数据中心数据注册与出版系统, 2017.

Xu X L, Zhang Y Q. China meteorological background dataset [DB]. Resource and Environmental Science Data Center of Chinese Academy of Sciences, 2017.

[43] 徐新良.中国人口空间分布公里网格数据集 [DB]. 中国科学院资源环境科学数据中心数据注册与出版系统, 2017.

Xu X L. Spatial distribution of population in kilometer grid in China [DB]. Resource and Environmental Science Data Center of Chinese Academy of Sciences, 2017.

[44] 徐新良.中国GDP空间分布公里网格数据集 [DB]. 中国科学院资源环境科学数据中心数据注册与出版系统, 2017.

Xu X L. Spatial distribution of GDP in kilometer grid in China [DB]. Resource and Environmental Science Data Center of Chinese Academy of Sciences, 2017.

[45] Zhang Y, Liu Y, Zhang Y, et al. On the spatial relationship between ecosystem services and urbanization: A case study in Wuhan, China [J]. Science of the Total Environment, 2018:637-638.

[46] C. B, P. G. Atmospheric deposition to the edge of a spruce forest in Denmark [J]. Beier C;Gundersen P, 1989,60(3/4):

[47] Branford D, Fowler D, Moghaddam M V. Study of aerosol deposition at a wind exposed forest edge using210Pb and137Cs soil inventories [J]. Water, Air, and Soil Pollution, 2004,157(1-4):

[48] Krüger E L, Minella F O, Rasia F. Impact of urban geometry on outdoor thermal comfort and air quality from field measurements in Curitiba, Brazil [J]. Building and Environment, 2011,46(3):621-634.

[49] 曾贤刚,阮芳芳.中国PM2.5污染健康效应的国民经济影响分析 [J]. 中国环境科学, 2020,40(7):3228-3238.

Zeng X G, Ruan F F. Analysis on the national economic impact of PM2.5-induced health effects in China [J]. China Environmental Science, 2020,40(7):3228-3238.

[50] 韦正峥,郭 云,吕梅乐,等.浙江省丽水市空气质量的健康效应分析 [J]. 中国环境科学, 2020,40(8):3294-3302.

Wei Z Z, Guo Y, Lv M L, et al. Effect of air quality alerts on human health in Lishui city, Zhejiang province [J]. China Environmental Science, 2020,40(8):3294-3302.

[51] 李文鸿,党 建,林 娟.人的生命价值评估的数学模型研究 [J]. 江汉大学学报(自然科学版), 2012,40(1):29-32.

Li W H, Dang J, Lin J. Research on evaluation model of the value of a statistical life [J]. Journal of Jianghan University(Natural Science Edition), 2012,40(1):29-32.

[52] 李金平,王志石.空气污染损害价值的WTP、WTA对比研究 [J]. 地球科学进展, 2006,21(3):250-255.

Li J P, Wang Z S. Comparative WTP and WTA research of air pollution losses [J]. Advances in Earth Science, 2006,21(3):250-255.

[53] 张亮林,潘竟虎.中国PM2.5人口暴露风险时空格局 [J]. 中国环境科学, 2020,40(1):1-12.

Zhang L L, Pan J H. Spatial-temporal pattern of population exposure risk to PM2.5in China [J]. China Environmental Science, 2020,40(1): 1-12.

[54] 常 娜.咫尺空间·芥纳须弥——论珠三角高密度城市中心区微绿地的空间价值 [J]. 华南师范大学学报(社会科学版), 2018,(1): 185-188,192.

Chang N. Spatial value of micro-green space in the ​​high-density metropolitan areas in the Pearl River Delta [J]. Journal of South China Normal University (Social Science Edition), 2018,(1):185-188,192.

[55] 陈 静.基于生物群落多样性的高密度城区微绿地设计探讨 [J]. 风景园林, 2014,108(1):59-62.

Chen J. Design principles for mini green space in high-density urban area based on the theory of biotic community diversity [J]. Landscape Architecture, 2014,108(1):59-62.

[56] 王云才,杨 眉,奉朝洋.高密度城区微绿地设计探讨——以上海城隍庙片区微绿地为例 [J]. 南方建筑, 2017,(2):29-33.

Wang Y C, Yang M, Feng C Y. Pocket park density in high-density urban areas: a case study of pocket park design in Shanghai Chenghuangmiao District [J]. South Architecture, 2017,(2):29-33.

[57] Tallis M, Taylor G, Sinnett D, et al. Estimating the removal of atmospheric particulate pollution by the urban tree canopy of London, under current and future environments [J]. Landscape and Urban Planning, 2011,103(2):129-138.

中国人民大学环境学院周景博副教授与两位匿名评审专家为本文修改提出了宝贵意见,在此致以诚挚的感谢.

Effect and benefit of PM2.5reduction from urban ecological space: The case of Beijing.

WU Jian, YANG Zi-han, HU Lei*

(School of Environment and Natural Resources, Renmin University of China, Beijing 100872, China)., 2021,41(10)：4916～4925

Based on the theory of spatial dependency in ecosystem service, a multiple linear regression was estimated, which used the data of land use and annual average PM2.5concentration of Beijing in 2000 and 2015, and took land-use grids of 30m*30m as the research unit. The average PM2.5concentration in ecological space was found to be 32.29% lower than that in non-ecological space. The result was subsequently adopted to analyze the function of ecological space to reduce PM2.5and its spatial dependency. Results revealed that ecological space in Beijing reduced the PM2.5concentration by 4.64 and 9.03μg/m3in 2000 and 2015, respectively, and produced population health benefit amounting to 79.54～158.96 and 219.80～439.27million RMB; the performance of ecological space in reducing PM2.5concentration presented a spatial spillover effect, triggering converse responses depending on the land use type; and both the structure and scale affected the functioning of ecological space, with linear-structured ones outperforming planar-structured ones in terms of the non-ecological area being affected, pollutant concentration reduction as well as health benefit, and such competitive advantage grew with the scale of ecological space. Therefore, making sophisticated use of the spatial characteristic of ecological space helps in promoting the ecological benefit as well as the effective use of resources. Adding small, dot or linear-structured ecological space in the metropolitan areas could maximize the ecological benefit under the land constraint.

urban ecological space；PM2.5；health benefit；spatial dependency；land use

X32

A

1000-6923(2021)10-4916-10

吴 健(1973-),女,安徽歙县人,教授,博士,研究方向为资源与环境经济学.发表论文100余篇.

2021-02-09

国家社科基金资助项目(18VSJ100);国家自然科学基金资助项目(41571519);中国人民大学科学研究基金(中央高校基本科研业务费专项资金)(20XNH040)

* 责任作者, 博士研究生, leihu@ruc.edu.cn