城市绿地景观格局对PM2.5、PM10分布的影响及尺度效应

作者:雷雅凯段彦博马格田国行* Lei Yakai Duan Yanbo Ma Ge Tian Guohang

摘要：基于2015—2016年郑州市9个国控监测站点的连续监测数据及遥感影像数据，在1 ~ 6 k m尺度上分析PM2.5、PM10与城市绿地景观格局各季节的耦合机制及尺度效应。结果表明：在春季3km×3km~6km×6km尺度，夏季3km×3km、5km×5km、6km×6km尺度，秋季2km×2km~6km×6km尺度增加绿地面积对PM 10浓度具有显著缓解效应，且在秋季5km×5km尺度缓解作用最佳；当绿地面积在春、冬季达到3 k m × 3 k m，秋季达到5km×5km尺度以上时，绿地面积的增加才能使PM2.5浓度降低。在秋季2km×2km~6km×6km尺度加强大型绿地斑块的保护及拓展、提高绿地斑块集群效应可以显著降低PM10浓度，尤其在3km×3km尺度减缓作用最佳；分别在冬季4km×4km、5km×5km尺度增加大型斑块面积、提高斑块聚集程度能明显缓解PM2.5浓度。在冬季1km×1km尺度或春季1km×1km尺度提高绿地斑块形状复杂程度可以分别降低PM10和PM2.5浓度。该成果可以为多尺度城市绿地系统规划设计提供定量依据。

关键词：风景园林；PM2.5、PM10浓度；景观格局；尺度；绿地规划；郑州

文章编号：1000-6664(2018)07-0098-06

中图分类号：TU 986

文献标志码：A

收稿日期：2017-03-16

修回日期：2017-06-22

基金项目：国家自然科学基金项目(编号31600579)、河南省科技攻关项目(编号162102310093)和河南农业大学博士科研启动项目(编号30600407)共同资助

Abstract: The coupling mechanism and scale effect between the concentration of PM2.5 / PM10and urban green landscape pattern on 1km to 6km scale were analyzed based on the meteorological data and remote sensing image data from 9 monitoring stations of Zhengzhou city from 2015 to 2016. The results indicated that increasing green land area significantly reduced the PM10 concentration in 3km×3km to 6km×6km scale in spring, 3km×3km, 5km×5km, 6km×6km scale in summer, and 2km×2km to 6km×6km scale in fall. And 5km×5km scale in autumn showed the best reduction. Increasing green land area can reduce the PM2.5 concentrations when the green area was more than 3km×3km scale in winter and spring, and 5km×5km scale in autumn. Strengthening the protection and expansion of large green patches and improving green patches cluster effect can significantly reduce the concentration of PM10 in 2km×2km to 6km×6km scale in autumn, especially in 3km×3km scale. Increasing the large plaque area and improving the patches aggregation degree can significantly reduce PM2.5 concentration in 4km×4km and 5km×5km scale in winter. The PM10 concentration was significantly reduced in 1km×1km scale in winter when the green land patch shape became more complex. And the concentration of PM2.5 was reduced using the same way in 1km×1km scale in spring. The results can provided a quantitative basis for planning design of multiple scale urban green space.

Key words: landscape architecture; concentration of PM2.5 / PM10; landscape pattern; scale; green space planning; Zhengzhou

改革开放以来，城市化率从1978年的18%增加到47%，预计在2030年突破65%[1]。随着城市人口的扩张、土地的城市化，资源短缺、生态环境急剧恶化，城市空气污染成为中国首要的环境问题[2-3]。随着中国产业的转型和升级以及人们生活方式的改变，细颗粒物(PM 2.5、PM 10)取代“传统污染物”(NO 2、SO2)成为加剧空气污染和危害人类健康的主要空气污染物[3-5]。中国仅仅1%的易感染人群生活在PM2.5浓度低于世界卫生组织空气质量标准的区域(AQG of WHO，10ug/m3)，而69%的人群承受着高浓度颗粒物浓度的潜在威胁(AQG of WHO，35ug/m3)[6]，导致呼吸系统疾病发病率激增[1，7]。我国突出的城市环境问题已经引起政府部门/科研工作者及公众的关注，如何治理颗粒物、建设健康城市迫在眉睫。

目前，较多学者从化学、生态、气象、地理信息系统、城市规划等不同领域对PM2.5、PM10进行多角度研究，主要关注对PM2.5、PM10的化学组分和来源[8]、时空差异[9]、污染过程[10]、测量与模拟[11-12]、健康评估[13]以及气象因素与颗粒物之间关系的探究[14]，逐步开始关注地表景观类型、组分、格局及其时空变化对PM2.5、PM10的影响，但研究成果较少[15]。景观类型的构成和格局能够直接地作用于PM使其增加或减少，另一方面城市景观结构改变引起的局地气候变化又能间接影响颗粒物的运输体积和传输速度，其中城市建设用地、交通用地、工业用地作为PM2.5、PM10的主要“源”景观，对PM2.5、PM10污染水平的提高贡献较多，而城市绿地作为“汇”景观对颗粒物的缓解起到积极作用[16-17]。同种类园林植物对颗粒物吸附方式、化学物质转移过程的异同导致植物吸附能力的种间差异，阮氏清草研究了5种城市植被类型，发现树木、灌木林、草地降尘效果的总体趋势逐渐减弱[18-19]，但也有学者认为叶片生长旺盛季节，灌木和阔叶林的滞尘能力最好，而在落叶季节，针叶林和混合林滞尘能力最好[20]。李新宇对北京市主干道消减PM2.5能力的研究发现，颗粒物浓度受道路绿带宽度和格局影响，郁闭度高、乔灌草搭配的复层结构绿地减缓作用最强[21]。因此在城市土地资源稀缺的背景下，绿地空间不断被侵占，依靠绿地面积增加或建设用地面积减少来缓解颗粒物具有一定的局限性，充分认识绿色空间在各类城市景观的比例、空间格局(形状、配置、空间排列方式)等因素与颗粒物的耦合关系才能有效降低大气污染水平。XU、SUN分别利用植被覆盖指数、景观格局指数(PLAND、IJI、SHDI)从市域尺度对林地与PM2.5、PM10浓度相关性进行分析，但并未进行多尺度间相关性差异比较[22-23]。然而景观格局与过程的关系只有在一定的尺度下才有意义，在不同尺度下的研究结果截然不同[24]，因此对绿地空间进行多尺度研究才能将格局与颗粒物缓解过程紧密结合起来，进而定量细化不同尺度可缓解颗粒物的显著空间要素。

目前中国对大型城市如北京、上海的颗粒物数据监控、污染治理、相关政策制定较为关注，而较少关注中小型城市颗粒物污染。郑州位于北京、天津到安徽的高污染带范围[6]，颗粒物浓度居高不下，随着2016年郑州中心城市战略地位的确定，城市生态环境将迎来更严峻的挑战，缓解郑州颗粒物污染状况刻不容缓。本文以郑州市为研究对象，分析多尺度下郑州市绿地景观格局与空气颗粒物浓度时空变化特征之间的关系，寻找各个尺度下影响颗粒物浓度的绿地格局特征指标，为绿地系统多尺度规划提供理论依据，探讨基于颗粒物缓解为导向的理想绿地景观优化措施。

图1 研究区位监测站点位置分布图(A.烟厂 B.郑纺机 C.银行学校 D.供水公司 E.经开区管委 F.四十七中 G.市监测站 H.河医大 I.岗李水库)

图2 郑州市空气监测站点景观格局 (A.烟厂 B.郑纺机 C.银行学校 D.供水公司 E.经开区管委 F.四十七中 G.市监测站 H.河医大 I.岗李水库)1 材料与方法

1.1 研究区域概况

郑州地处中原，位于中国的中北部(112°42'E~114°14'E，34°16'N~34°58'N)，伏牛山脉东北翼向黄淮平原过渡地带，西依嵩山、北拥黄河，地理位置优势显著。近年来，随着郑州城市化的加剧，空气污染程度逐年增加。本文研究区域包括郑州市辖区(二七区、金水区、管城区、中原区和惠济区)内的9个环保部国家空气质量自动监测站 (图1)。

1.2 研究方法

1.2.1 数据来源与处理

1) 影像数据。

基于郑州市2015年5月27号的高精度卫星影像图(分辨率为0.49m)，所选图像成像时天气晴好，研究区无云覆盖，影像成像质量较好。通过数据融合、校正、镶嵌、裁剪和矢量信息提取等处理，获取景观分类数据。考虑到单个监测点能够代表的范围及不同尺度下数据之间的相关性，将研究区域内以9个监测站点为中心、6km范围为半径的土地利用类型划分为城市绿地、交通用地、水域、农业用地、未利用地和建设用地6类进行目视解译，并以监测站点为中心建立1km×1km、2km×2km、3km×3km、4km×4km、5km×5km、6km×6km缓冲区来分析绿地景观格局与PM2.5、PM10耦合关系(图2)。通过数据融合、校正、镶嵌、裁剪和矢量信息提取等处理，获取景观分类数据。考虑到单个监测点能够代表的范围及不同尺度下数据之间的相关性，将研究区域内以9个监测站点为中心、6km范围为半径的土地利用类型划分为城市绿地、交通用地、水域、农业用地、未利用地和建设用地6类进行目视解译，并以监测站点为中心建立1km×1km、2km×2km、3km×3km、4km×4km、5km×5km、6km×6km缓冲区来分析绿地景观格局与PM2.5、PM10耦合关系(图2)。

2)颗粒物数据。

本研究从国家环境保护部网络平台获取2015—2016年全年郑州市9个国家监测站点PM2 . 5、PM1 0的连续测量每小时实时数据，剔除缺失数据和明显有误以及降雨和大风(风速≥3m/s)天气颗粒物数据，共获得有效数据2 216组(2015年6 144组，2016年6 072组)，计算郑州市9个监测站点的季度均值。气象数据包括从中国气象数据网获取2015—2016年风速、风向、温度、相对湿度、降水量的日平均数据。

1.2.2 景观格局指数基于前人对城市森林景观格局指数的选取方法，依据能够反映实际、较好地表现景观模式配置及构成等原则，本文共选取4个景观格局指数(表1)，在Fragstats 4.2中计算斑块所占景观面积比例(PLAND)、最大斑块指数(LPI)、面积加权形状指数(SHAPE_AM)、分离度指数(DIVISION)，来定量化分析不同绿地景观模式与颗粒物浓度的相关关系[20，23-25]。

2 结果与分析

2.1 郑州市PM2.5浓度与绿地格局的耦合关系

绿地斑块面积比(PLAND)对PM2.5浓度的影响易受尺度和季节的干扰，在春、秋、冬季，随着尺度的推移，绿地斑块面积的增加对PM2.5浓度的影响由降低作用变为增加作用，而夏季PLAND增加则导致PM2.5浓度升高。PLAND与PM2.5仅在夏季1km×1km尺度呈显著正相关，且随着尺度的减小相关性呈增加趋势。春、秋、冬季负相关系数最大值均出现在6km×6km尺度，秋季两者关系由负相关变为正相关的转折点出现在4km×4km尺度，春季和冬季转折点均出现在2km×2km尺度(图3)。

除夏季以外，其他季节P M 2 . 5浓度均随着LPI增加而下降。春秋季在6km×6km尺度L P I 与P M 2 . 5浓度相关性高于其他各个尺度，冬季在4 k m × 4 k m 范围相关性达到最大。夏季异于其他季节，LPI与PM2. 5浓度在1km×1km~3km×3km呈显著正相关，并在2km×2km尺度相关性最大(图3)。春、秋、冬季PM2.5的浓度伴随面积加权平均斑块形状指数(SHAPE_AM)增长呈下降趋势，夏季变化趋势与之相反。

春、冬季PM2.5浓度与1km×1km尺度SHAPE_AM相关性较高，而秋季则在2km×2km尺度相关性最高，这说明小尺度内PM2.5浓度对绿地的形状复杂程度变化更为敏感。与PLAND、LPI相似，在2km×2km尺度正相关系数最大(图3)。

春、秋、冬季P M 2 . 5浓度与6 个尺度上的绿地景观分割指数均呈正相关，且均在6km×6km尺度相关性最高，表明绿地斑块越分散的格局越容易导致PM2.5浓度的升高。而在夏季，绿地内PM2.5浓度随着DIVISION的增加而降低，在2km×2km尺度呈显著负相关，可能是由于夏季绿地斑块分散，容易形成通风廊道，导致湿度降低[26](图3)。

2.2 郑州市PM10浓度与绿地格局的耦合关系

PLAND增加PM 1 0浓度呈降低趋势，并随着尺度域的减小逐步变缓。冬季PM10浓度与PLAND无显著相关性，春季PM1 0浓度在3km×3km~5km×5km尺度呈显著负相关且相关性逐渐增强，并在5km×5km缓冲区相关性最强，随后在6km×6km尺度相关性降低。夏季PM10浓度与PLAND在3km×3km、5km×5km、6km×6km呈显著负相关，且在5km×5km~6km×6km尺度与春季变化趋势相同。秋季除1km×1km以外其他尺度均与PM10浓度呈显著负相关，且对PM10的缓解效应优于其他三季(图4)。

P M 1 0浓度整体上随着L P I 增加呈下降趋势，在1 k m × 1 k m ~ 6 k m × 6 k m 尺度对P M 1 0缓解效应先增强后减弱。L P I 与秋季2km×2km~6km×6km尺度PM10浓度呈负相关，并在3km×3km达到峰值，其余各个季节尺度均无明显相关性。对于春、夏季，PM10浓度均在3km×3km尺度相关性最佳，冬季在5km×5km尺度负相关性最强(图4)。

全年P M 1 0的浓度在各个尺度均随着S H A P E _ A M 的增加而降低。两者只在秋季5km×5km、冬季1km×1km尺度呈显著负相关。春季P M 1 0浓度与S H A P E _ A M 在5km×5km尺度负相关性最强；夏季PM10浓度与SHAPE_AM在1km×km尺度上相关性较强(图4)。

全年PM10浓度与DIVISION呈正相关，在各个尺度上DIVISION越大颗粒物浓度也越大，在全年中仅秋季DIVISION与PM10浓度呈显著正相关，在3km×3km尺度相关性最高。春、夏季两者关系尺度效应与秋季相似，均在3km×3km尺度发挥最佳效果。而冬季两变量在4km×4km尺度相关性最大(图4)。

3 结论

1) PM2.5、PM10浓度与绿地景观格局耦合关系存在明显季节差异。PM2.5浓度与绿地景观格局指标在夏季存在显著相关，其他季节均无显著相关性。相同尺度下秋季PM10浓度与PLAND、LPI、SHAPE_AM、DIVISION相关性均高于其他季节，春夏次之、冬季最差。

2) PM2.5、PM10浓度与绿地景观格局耦合关系存在显著的尺度差异。对于PM2.5，只在夏季1km×1km尺度与PLAND呈显著正相关，1km×1km~3km×3km尺度与LPI呈显著正相关, 1km×1km~2km×2km尺度与DIVISION呈显著负相关；对于PM10，在冬季1km×1km尺度、秋季5km×5km尺度均与SHAPE_AM呈显著负相关；在秋季2km×2km~6km×6km尺度与LPI呈负相关、与DIVISION呈显著正相关；在春季3km×3km~6km×6km尺度，夏季3km×3km、5km×5km、6km×6km尺度，秋季2km×2km~6km×6km尺度与PLAND呈显著负相关。

3) 绿地景观格局对PM10浓度的影响较PM2.5显著，在特定的尺度改变绿地景观格局能够发挥最大的缓解作用。随着尺度的增加，PLAND与春、秋、冬季PM2.5浓度正相关性逐步减弱负相关性逐步增强，在春、冬季3km×3km，秋季5km×5km尺度由正相关性转负相关性，且均在6km×6km尺度负相关性最强；LPI与春季PM2.5浓度相关性在2km×2km尺度由正转负，且在6km×6km尺度负相关性最强，LPI与秋冬两季PM2.5浓度在6km×6km、4km×4km尺度负相关性最强；SHAPE_AM与PM2.5浓度在春季冬季1km×1km、秋季2km×2km尺度负相关性最强；DIVISION与PM2.5浓度在春、秋季6km×6km，冬季5km×5km尺度正相关性最强。PLAND与PM10浓度在春季、夏季、秋季5km×5km尺度负相关性最为显著，冬季6km×6km尺度负相关性最显著；LPI、DIVISION均与PM10浓度在春、夏、秋季3km×3km尺度负相关性最强，且秋季为显著负相关，而冬季则在4km×4km尺度负相关性最强；SHAPE_AM与PM10浓度在秋季5km×5km、冬季1km×1km尺度显著负相关性最强，春季5km×5km、夏季1km×1km尺度负相关性最强。

4 讨论

4.1 绿地景观格局缓解PM2.5/PM10的季节效应

　PM2.5浓度在夏季与PLAND、LPI、SHAPE_AM、DIVISION相关关系异于其他季节，且春季绿地景观格局变动带来的缓解作用优于秋季，可能由于林地吸收颗粒物浓度的能力存在一定的阈值，而2个季节主要颗粒物的组分不同，PM2.5来源于工业废气、汽车尾气、燃料和生物质燃烧等污染物，而交通、城市建设活动等引起的扬尘和沙尘是PM10的主要来源[8]。秋季郑州城市边缘区、郊区存在燃烧农作物的情况，产生大量的烟雾及小粒径颗粒物，而春季冷锋前后气象条件变化大，造成郑州市多扬沙、浮尘天，大风将黄河两岸的沙土带入城市，导致大粒径颗粒物浓度的上升[27-28]。本研究中夏季PM2.5浓度为全年最低水平，但与PLAND、LPI呈正相关,与DIVISION呈负相关异于其他季节，一方面由于夏季树木生长旺盛，树木枝叶和冠层可以持续地把周围的污染物积聚、吸附于自身，使绿地外部空间浓度保持较低水平，但另一方面夏季植物蒸腾作用加剧和持续高温、降雨充沛的气象特点，使空气中湿度保持在较高水平，导致颗粒物吸水增长大量汇集，造成颗粒物浓度升高[29-31]，这与刘萌萌认为夏季林带细颗粒物经过林带浓度明显升高的研究结论一致[32]。对于PM10来说，秋季滞尘效应强、冬季最弱，造成这种季节性变化的原因可能是气候环境或其他复杂的污染物传播过程，此外夏、秋季植物生长旺盛，能够有效地降低颗粒物浓度，春、冬季植物阻滞颗粒物作用减弱，特别是冬季由于北方除少量阔叶灌木外多数阔叶树木已经落叶，只有针叶树木能够发挥作用[28-32]。

图3 PM2.5与景观格局指数相关性分析[r表示相关系数；**在0.01水平(双侧)上显著相关，*在0.05水平(双侧)上显著相关；阴影表示95%置信区间范围]4.2 绿地景观格局对PM2.5、PM10的影响

城市绿地、城市建设用地、城市湖泊等城市生态子系统通过不同的覆土类型及空间结构致使大气中能量和物质分布、传送的不均匀性，引起城市尺度局地环流、大气湍流，改变城市大气环境，进而影响大气颗粒物浓度指标空间分布。研究表明自然植被和人工植被为主要存在形态的城市绿地系统能够有效缓解大气颗粒物，但较少提及多尺度绿地景观格局与PM2.5、PM10浓度的耦合效应[33-34]。理论上，就PLAND与PM2.5、PM10浓度的相互关系，可以通过增加绿地在城市景观中的比重来降低污染水平，但是城市高速发展的背景下几乎不可能通过减少城市用地来增加绿色空间。因此解决当今大气污染问题，绿地景观模式的改变发挥着尤为重要的作用。李琴研究发现，减小斑块间平均临近距离、提高斑块间聚合程度对降低PM10最为有效[35]。增加SHAPE_AM可以提高生物的扩散使物质和能量与周围景观交换更密集，使绿地能够吸收更多不同来源的颗粒物；DIVISION越大意味着格局越分散，绿地斑块聚集程度较弱，绿地集群效应差；与DIVISION相似，增加LPI使斑块优势度提升，可以加强大型绿地斑块与中小型斑块、独立斑块的连通性，增强整个绿地空间的抗干扰力。优化景观格局，加强绿地景观内部的抗干扰能力，同时增强与外部的联系，发挥更大的滞尘作用[36]。

4.3 基于缓解颗粒物的多尺度绿地空间格局优化措施

1)保证绿地面积基数，提高绿地空间占有比。

图4 PM10与景观格局指数相关性分析[r表示相关系数；**在0.01水平(双侧)上显著相关，*在0.05水平(双侧)上显著相关；阴影表示 95%置信区间范围]针对PM10，在秋季5km×5km尺度增加绿地面积对PM10浓度缓解作用最佳；而对于PM2.5则需要绿地面积达到一定基数，在春季6km×6km尺度提高绿地面积对缓解PM2.5浓度作用最佳。

2)保护和发展优势斑块，增强全局水平绿地空间集群效应。

在秋季2km×2km~6km×6km尺度加强大型绿地斑块的拓展及保护、提高斑块集群效应可以显著降低PM10浓度，尤其在3km×3km尺度减缓作用最佳；在冬季4km×4km尺度增加大型斑块面积对PM2.5浓度减缓效应最好，而冬季5km×5km尺度通过提高斑块聚集程度能明显缓解PM2.5浓度。

3)增加城市绿地斑块的形状复杂程度，增强灰绿空间能量、物质交换过程。

城市绿地受道路、建筑等用地模式不同程度的限制常常以规则形态出现，在冬季1km×1km尺度或春季1km×1km尺度适当提高斑块的边界的复杂程度，能够显著增强绿地空间与外部灰色空间之间的物质、能量交换，增强对PM10、PM2.5的减缓效应。

参考文献：

[1] Zhu Y, Loannidis J, Li H, et al. Understanding and harnessing the health effect of rapid urbanization in China[J]. Environ. Sci. Technol, 2011, 45: 50995140.

[2] 王洋，王少剑，秦静，等.中国城市土地城市化水平与　进程的空间评价[J].地理研究，2015，33(12)：22282238.

[3] Han L, Zhou W, Li W, et al. Impact of urbanization 　level on urban air quality: A case of fine particles (PM2.5　) in Chinese cities[J]. Environ. Pollut, 2014, 194: 5099-5140.

[4] Han L, Zhou W, Li W, et al. Meteorological and urban landscape factors on severe air pollution in Beijing[J]. Air Waste Manag. Assoc, 2015, 65: 782787.

[5] Lamsal L N, Martin R V, Parrish D D, et al. Scaling relationship for NO2　 pollution and urban population size: a satellite perspective[J]. Environ Sci Technol, 2013, 47: 7855-7867.

[6] Han L, Zhou W, Li W. City as a major source area of fine particulate (PM2.5　) in China[J]. Environmental Pollution, 2015, 206: 183-187.

[7] Leon D A. Cities, urbanization and health[J]. International Journal of Epidemiology, 2009, 38(6): 1737.

[8] Liacos J W, Kam W, Delfino R J , et al. Characterization of organic, metal and trace element PM2.5 species and derivation of freeway-based emission rates in Los Angeles, CA[J]. Science of the Total Environment, 2012, 435: 159166.

[9] 刘志丹，樊鹏飞，段朋辉，等.基于观测数据空间化的　北京市PM2.5时空分异[J].环境工程，2016，34(3)：80-85.

[10]　聂滕，李璇，王占山，等.APEC期间北京市PM2.5　时空分布与过程分析[J].中国环境科学，2016，36(2)：349-355.

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

[12]　冯仲科，毛海颖，李虹.环首都圈植被分布与可吸入颗　粒物的空间相关性[J].农业工程学报，2015，31(1)：220-227.

[13]　王兰，赵晓菁，蒋希冀，等.颗粒物分布视角下的健康　城市规划研究：理论框架与实证方法[J].城市规划，2016(9)：39-48.

[14]　陈波，鲁绍伟，李少宁.北京城市森林不同天气状况下　PM2.5　浓度变化[J].生态学报，2016，36(5)：13911399.

[15]　娄彩荣，刘红玉，李玉玲，等.大气颗粒物(PM2.5，PM10　)对地表景观结构的响应研究进展[J].生态学报，2016，36(21)：6719-6729.

[16]　陈利顶，傅伯杰，赵文武.“源”“汇”景观理论及其　生态学意义[J].生态学报，2006，26(5)：1444-1449.

[17]　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.

[18]　刘玲，方炎明，王顺昌，等.7种树木的叶片微形态与　空气悬浮颗粒吸附及重金属累积特征[J].环境科学，2013，34(6)：2361-2367.

[19]　阮氏清草.城市森林植被类型与PM2.5　等颗粒物浓度的关系分析[D].北京：北京林业大学，2014.

[20]　吕铃钥，李洪远，杨佳楠.植物吸附大气颗粒物的时空　变化规律及其影响因素的研究进展[J].生态学杂志，2016，35(2)：524-533.

[21]　李新宇，赵松婷，李延明，等.北京市不同主干道绿地　群落对大气PM2.5　浓度消减作用的影响[J].生态环境学报，2014，23(4)：615-621.

[22]　许珊，邹滨，蒲强，等.土地利用/覆盖的空气污染效应　分析[J].地球信息科学学报，2015，17(3)：290-299.

[23]　孙娜.珠三角地区可吸入颗粒物的遥感监测及其与下垫　面的相关性分析[D].北京：中国地质大学(北京)，2013.

[24]　邬建国.景观生态学：格局，过程，尺度与等级[M].北　京：高等教育出版社， 2000.

[25]　Wu J, Xie W, Li W, et al. Effects of Urban 　Landscape Pattern on PM2.5　 Pollution—A Beijing Case Study[J]. Plos one, 2015, 10(11): e0142449.

[26]　冯娴慧，高克昌，钟水新.基于GRAPES数值模拟的城　市绿地空间布局对局地微气候影响研究：以广州为例[J].南方建筑，2014(3)：10-16.

[27]　季静，王罡，杜希龙.京津冀地区植物对灰霾空气中　PM2.5　等细颗粒物吸附能力分析[J].中国科学：生命科学，2013，43(8)：694-699.

[28]　苏维，赖新云，赖胜男，等.南昌市城市空气PM2.5和PM10　时空变异特征及其与景观格局的关系[J].环境科学学报，2017，37(7)：2431-2439.

[29]郭二果，王成，彭镇华.北京西山三种典型游憩林春季　空气颗粒物日变化规律[J].林业科学，2009(6)：148151.