于 慧 ，袁楚陽，莫 莉，黃 芳，張?zhí)烊?，李曉璐，?鋒

（1.浙江農(nóng)林大學(xué) 風(fēng)景園林與建筑學(xué)院，浙江 杭州 311300；2.生態(tài)環(huán)境部 土壤與農(nóng)業(yè)農(nóng)村生態(tài)環(huán)境監(jiān)管技術(shù)中心，北京 100012）

隨著我國經(jīng)濟(jì)社會(huì)的快速發(fā)展，以大氣顆粒物為主要污染特征的霧霾事件日益增多，長三角、珠三角和京津冀地區(qū)空氣污染問題尤為突出[1-5]。大氣顆粒物中的PM2.5和PM10對(duì)大氣能見度、空氣質(zhì)量及人體健康產(chǎn)生了嚴(yán)重的負(fù)面影響，其中，PM2.5極易富集空氣中的有毒重金屬、酸性氧化物等有害物質(zhì)，其粒徑小，可直接通過呼吸進(jìn)入人體，增加呼吸系統(tǒng)病發(fā)的風(fēng)險(xiǎn)，因此，對(duì)PM2.5的研究已成為全球范圍內(nèi)一個(gè)重要的領(lǐng)域[6-9]。目前，諸多學(xué)者從PM2.5來源[10]、成分解析[11]、污染特征[12]和健康損害評(píng)估[13]等方面開展了系統(tǒng)研究。此外，有學(xué)者從宏觀視角來研究綠地對(duì)PM2.5的消減規(guī)律，如肖玉等[14]利用NDVI 數(shù)據(jù)模擬城市綠地葉面積指數(shù)，并計(jì)算綠地對(duì)PM2.5的消除效果，得出了綠地能有效降低PM2.5濃度的結(jié)論。王蕾等[15]則專注于園林植物葉表面微觀形態(tài)結(jié)構(gòu)的研究，分析不同植物的滯塵能力差異，為綠地規(guī)劃設(shè)計(jì)中的植物選擇提供理論基礎(chǔ)。天氣條件對(duì)PM2.5濃度變化會(huì)產(chǎn)生重要影響。陳博等[16]以北京大興區(qū)的景觀生態(tài)林為例，研究了不同天氣條件下TSP（總懸浮顆粒物）、PM10和PM2.5三種粒徑大氣顆粒物的質(zhì)量濃度變化特征。李瑞芃等[17]利用在青島觀測(cè)到的大氣顆粒物濃度數(shù)據(jù)及氣象圖資料、后向軌跡分析資料等，研究了氣團(tuán)來源對(duì)大氣顆粒物濃度譜分布的影響。以上研究大多集中在中國北方地區(qū)，而長三角地區(qū)有關(guān)天氣條件對(duì)PM2.5濃度的影響的研究較少。本文以杭州市臨安區(qū)獅山公園為研究對(duì)象，研究典型天氣條件和不同植物配植類型綠地對(duì)PM2.5濃度變化的影響，分析PM2.5濃度與氣象因子的相關(guān)關(guān)系，以期為游人選擇合適的戶外休閑時(shí)間和場(chǎng)所及城市公園植物景觀設(shè)計(jì)提供科學(xué)依據(jù)。

1 研究區(qū)概況

杭州市臨安區(qū)位于浙江省西北部，地理坐標(biāo)為29°56′～ 30°23′N，118°51′～ 119°52′E，東臨杭州主城區(qū)，西接黃山市，境內(nèi)地勢(shì)西北高、東南低，南、西、北三面環(huán)山。屬季風(fēng)型氣候，四季分明、溫暖濕潤、光照充足、雨量充沛。年平均氣溫為16.4℃，年均日照時(shí)數(shù)為1 837.9 h，年均降水量為1 613.9 mm，年降水日為158 d[18-19]。

獅山公園是坐落于臨安青山湖科技城研發(fā)核心區(qū)塊的一座城市生態(tài)公園，占地面積約72.3 hm2，綠化覆蓋率達(dá)88%，共有500 余種園林植物。獅山公園憑借“四季有花、三季有果”的植物景觀特色，被譽(yù)為花果飄香的硅谷綠芯，深受市民喜愛。公園周邊無大型工礦企業(yè)等污染源，公園西、南兩側(cè)毗鄰城市道路，但目前車流量小。公園內(nèi)以人行為主，禁止機(jī)動(dòng)車通行，少有自行車騎行。

景觀對(duì)微氣候的影響范圍有限，最小距離為10 m[20-21]。因此，本試驗(yàn)研究區(qū)域?yàn)楣珗@內(nèi)測(cè)量點(diǎn)周圍半徑10 m 的范圍。選擇 3 種植物配植類型綠地作為樣地，分別是以樟Cinnamomum camphora，黃楊Buxus sinica為主體的開敞型草坪樣地（以下簡(jiǎn)稱草坪）；以馬尾松Pinus massoniana，杜鵑Rhododendron si msii為主體的半開敞型喬草樣地（以下簡(jiǎn)稱喬草）；以無患子Sapindus mukorossi，羽毛槭Acer palmatumvar.dissectum等6 種喬木，紅花檵木Loropetalum chinensevar.rubrum，南天竹Nandina domestica等12 種灌木及芭蕉Musa basjoo，大吳風(fēng)草Farfugium japonicum等6 種草本植物組成的密閉型喬灌草樣地（以下簡(jiǎn)稱喬灌草）（圖1）。

圖1 樣地分布圖Figure 1 Distribution of sample plots

2 研究方法

2.1 典型天氣選擇

通過對(duì)比和分析杭州地區(qū)近年來的氣象數(shù)據(jù)資料，結(jié)合相關(guān)的研究成果，總結(jié)出杭州地區(qū)秋、冬季節(jié)出現(xiàn)頻率較高且對(duì)大氣顆粒物的集聚、傳輸、擴(kuò)散和消除等作用明顯的3 種天氣類型，分別為“連續(xù)晴天”“連續(xù)陰天”和“雨后晴天”。其中，“連續(xù)晴天”要求試驗(yàn)日前2 天為晴天，試驗(yàn)當(dāng)日同為晴天；“連續(xù)陰天”是指試驗(yàn)日前2 天為陰天，試驗(yàn)當(dāng)日也為陰天；而“雨后晴天”則要求試驗(yàn)日前2 天為連續(xù)降雨，試驗(yàn)當(dāng)日為晴天。為了減小誤差，確保試驗(yàn)的可比性、一致性和可重復(fù)性，每種天氣條件下重復(fù)開展3 次試驗(yàn)。

2.2 指標(biāo)測(cè)定

采用3 臺(tái)微電腦激光粉塵儀[LD-5C（B）]監(jiān)測(cè)公園內(nèi)的草坪、喬草和喬灌草樣地內(nèi)的PM2.5濃度。監(jiān)測(cè)數(shù)據(jù)采集頻率為1 次·min-1，儀器架設(shè)高度為距離地面1.5 m 處（與成人呼吸高度基本相同）。利用風(fēng)速儀（MS6252B）同步監(jiān)測(cè)并記錄試驗(yàn)當(dāng)天的溫度、相對(duì)濕度和風(fēng)速等氣象數(shù)據(jù)，儀器與粉塵儀的水平距離為0.5 m，架設(shè)高度與粉塵儀一致。于2019 年9 月11 日至2020 年1 月12 日，分別選取3 種典型天氣開展試驗(yàn)，每次進(jìn)行8.5 h（8:30-17:00）的連續(xù)監(jiān)測(cè)。因白天的氣溫變化較大，人為活動(dòng)多，各項(xiàng)生產(chǎn)生活活動(dòng)大都發(fā)生在白天，相較于晚上，變化較大，且便于監(jiān)測(cè)，因此，本文僅觀測(cè)了8:30-17:00 的變化情況。

2.3 數(shù)據(jù)處理

采用Microsoft Excel 2019 整理數(shù)據(jù)，利用Origin 2017 繪制PM2.5濃度變化圖及PM2.5濃度與氣象因子的擬合方程圖，應(yīng)用SPSS 22.0 對(duì)PM2.5濃度進(jìn)行方差分析及與各氣象因子的Spearman 相關(guān)性分析。

3 結(jié)果與分析

3.1 秋、冬季節(jié)典型天氣條件下PM2.5 的濃度變化

秋、冬季不同天氣條件對(duì)公園內(nèi)PM2.5濃度均有不同程度的影響。由表1 可知，秋季“連續(xù)晴天”“連續(xù)陰天”和“雨后晴天”的PM2.5平均濃度分別為42.00±23.57 μg·m-3，65.52±34.14 μg·m-3和60.35±16.89 μg·m-3，其PM2.5空氣質(zhì)量指數(shù)（AQI）均為良好等級(jí)。在顯著性水平為0.05 的情況下，秋季“連續(xù)晴天”和“連續(xù)陰天”之間的PM2.5濃度差異顯著，并且兩者與“雨后晴天”的PM2.5濃度均存在一定的差異。由表2 可知，冬季“連續(xù)晴天”“連續(xù)陰天”和“雨后晴天”的PM2.5平均濃度分別為99.28±25.93 μg·m-3，165.31±62.97 μg·m-3和63.83±16.97 μg·m-3，其AQI分別為輕度污染、中度污染和良好。冬季不同天氣條件下PM2.5濃度的差異較秋季的更為顯著，空氣質(zhì)量也明顯低于秋季的。在顯著性水平為0.05 時(shí)，冬季“連續(xù)陰天”的PM2.5濃度與“連續(xù)晴天” “雨后晴天”之間差異顯著。

表1 秋季典型天氣條件下不同植物配植類型綠地的PM2.5 日平均濃度及方差分析Table 1 Diurnal mean concentration of PM2.5 in different green spaces under three weather conditions in autumn and ANOVA on it

表2 冬季典型天氣條件下不同植物配植類型綠地的PM2.5 日平均濃度及方差分析Table 2 Diurnal mean concentration of PM2.5 in different green spaces under three weather conditions in winter and ANOVA on it

由圖2 可知，在秋季3 種天氣條件下，PM2.5濃度的日變化較明顯?！斑B續(xù)晴天”的PM2.5濃度日變化呈現(xiàn)“單峰型”，在9:00 左右達(dá)到最高值（99 μg·m-3），之后PM2.5濃度持續(xù)下降，最低值（4 μg·m-3）出現(xiàn)在15:30?！斑B續(xù)陰天”的PM2.5濃度日變化趨勢(shì)與“連續(xù)晴天”較為一致，最高值為181 μg·m-3，出現(xiàn)在10:00 左右，隨后呈現(xiàn)持續(xù)大幅下降趨勢(shì)，12:00 之后PM2.5濃度變化趨于平緩，數(shù)值穩(wěn)定在50 μg·m-3左右，在16:00 出現(xiàn)最低值（24 μg·m-3）。以上2 種天氣的PM2.5濃度最低值均出現(xiàn)在15:30-16:00，原因是此時(shí)段太陽輻射強(qiáng)、氣溫較高，這些氣象條件有利于PM2.5的擴(kuò)散，使之濃度降低?！坝旰笄缣臁钡腜M2.5濃度日變化趨勢(shì)則與前2 種天氣不同，其最高值（125 μg·m-3）出現(xiàn)在試驗(yàn)開始時(shí)，隨后濃度開始呈現(xiàn)大幅下降趨勢(shì)，在10:30 左右出現(xiàn)最低值（33 μg·m-3）后趨于穩(wěn)定，直至12:30 左右開始濃度逐漸升高，15:30 達(dá)到第2 個(gè)峰值（84 μg·m-3），之后濃度再次下降到70 μg·m-3左右。

圖2 秋季“連續(xù)晴天”“連續(xù)陰天”和“雨后晴天”的PM2.5 濃度日變化曲線Figure 2 Daily changes of PM2.5 under different weather conditions in Autumn

圖3 冬季“連續(xù)晴天”“連續(xù)陰天”和“雨后晴天”的PM2.5 濃度日變化曲線Figure 3 Daily changes of PM2.5 under different weather conditions in winter

由圖3 可知，冬季PM2.5濃度的日變化在3 種天氣條件下均呈“雙峰型”，其中，“連續(xù)陰天”的PM2.5濃度明顯高于其他2 種天氣，9:30-10:30 為第1 個(gè)峰值區(qū)間，PM2.5濃度最高達(dá)到364 μg·m-3，10:30 后呈持續(xù)下降趨勢(shì)，在15:30 達(dá)到第2 個(gè)峰值（215 μg·m-3），但該峰值遠(yuǎn)低于第1 個(gè)峰值，16:00 后開始再次小幅下降，并于0.5 h 后趨于穩(wěn)定?！斑B續(xù)晴天”的PM2.5濃度第1 個(gè)峰值（155 μg·m-3）出現(xiàn)在9:30，之后濃度有所下降，在13:00出現(xiàn)第2 個(gè)峰值（136 μg·m-3），2 個(gè)峰值相差較小，15:00 后濃度驟降，數(shù)十分鐘后濃度略有上升并保持穩(wěn)定?！坝旰笄缣臁钡腜M2.5濃度在3 種天氣中為最低，其第1 個(gè)峰值出現(xiàn)在10:00-10:30，PM2.5濃度最高為114 μg·m-3，在11:30 出現(xiàn)第2 個(gè)峰值（98 μg·m-3），在12:00 后PM2.5濃度處于較為穩(wěn)定的狀態(tài)，于50 μg·m-3上下波動(dòng)，無明顯峰值出現(xiàn)。

3.2 氣象因子對(duì)PM2.5 濃度的影響

由于氣象因子的多變性和不可控性，一定程度上會(huì)導(dǎo)致PM2.5濃度變化的復(fù)雜性。本文采用Spearman 秩相關(guān)分析可提供2 個(gè)隨機(jī)變量在線性相關(guān)或非線性相關(guān)下的共變趨勢(shì)程度[22]，利用這一特性，能更加客觀地反映氣象因子與PM2.5濃度之間的相關(guān)關(guān)系，研究結(jié)果見表3。由表3 表明，溫度、相對(duì)濕度和風(fēng)速均與PM2.5濃度變化有著不同程度的相關(guān)性，其中，PM2.5濃度與溫度和風(fēng)速之間均呈負(fù)相關(guān)關(guān)系，與相對(duì)濕度間呈極顯著正相關(guān)關(guān)系。在不同天氣條件下，氣象因子與PM2.5濃度之間表現(xiàn)出相關(guān)性差異，其相關(guān)系數(shù)從大到小依次為“連續(xù)陰天”＞“連續(xù)晴天”＞“雨后晴天”。

表3 秋、冬季不同天氣條件下PM2.5 濃度與氣象因子的相關(guān)性Table 3 Correlation between PM2.5 concentration and meteorological factors under different weather conditions in autumn and winter

3.2.1 溫度對(duì)PM2.5濃度的影響

由表3 可知，PM2.5濃度與溫度間呈極顯著負(fù)相關(guān)，其相關(guān)系數(shù)在-0.826～ -0.262。根據(jù)兩者相關(guān)性分析結(jié)果建立趨勢(shì)線性擬合模型，得出秋、冬季PM2.5濃度與溫度的擬合方程分別為：y=180.198 4-6.667 37x（R2=0.843 6）和y=288.195 78-15.842 07x（R2=0.548 62），見圖4。由圖4 可知，秋季的PM2.5濃度與溫度的相關(guān)性略高于冬季的。2 個(gè)季節(jié)均以“連續(xù)陰天”的PM2.5濃度與溫度相關(guān)系數(shù)為最高，“雨后晴天”的為最低，所有天氣條件下的PM2.5濃度與溫度的相關(guān)性均達(dá)到了極顯著相關(guān)的水平。

圖4 秋、冬季PM2.5 濃度與溫度擬合方程圖Figure 4 Fitting equation of PM2.5 concentration and temperature in autumn and winter

3.2.2 相對(duì)濕度對(duì)PM2.5濃度的影響

由表3 可知，PM2.5濃度與相對(duì)濕度間呈極顯著正相關(guān)，將PM2.5濃度與相對(duì)濕度進(jìn)行趨勢(shì)擬合分別得到秋、冬季的線性方程：y=139.359 9x-10.954 29（R2=0.898 08）和y=460.923 23x-109.589 93（R2=0.533 51），見圖5。由圖5 可知，空氣的相對(duì)濕度越大，PM2.5濃度越高。

圖5 秋、冬季PM2.5 濃度與相對(duì)濕度的擬合方程圖Figure 5 Fitting equation of PM2.5 concentration and relative humidity in autumn and winter

3.2.3 風(fēng)速對(duì)PM2.5濃度的影響

風(fēng)是大氣邊界層內(nèi)影響顆粒污染物稀釋擴(kuò)散的重要?dú)庀笠蜃又?。由? 可知，在秋、冬季“連續(xù)晴天”和“雨后晴天”條件下，PM2.5濃度與風(fēng)速之間均呈極顯著的負(fù)相關(guān)關(guān)系；在秋季“連續(xù)陰天”的PM2.5濃度與風(fēng)速間呈顯著負(fù)相關(guān)，而在冬季，兩者之間的相關(guān)性并不明顯。將PM2.5濃度和風(fēng)速進(jìn)行趨勢(shì)擬合得到秋、冬季的線性方程：y=51.759 76-5.050 81x（R2=0.082 1）和y=100.630 6-2.217 19x（R2=0.009 01），見圖6。在一定程度上，風(fēng)速越大局地空氣對(duì)流效果越好，越有利于PM2.5的擴(kuò)散?！斑B續(xù)晴天”和“雨后晴天”的日平均風(fēng)速較高，分別為1.64 m·s-1和1.82 m·s-1，風(fēng)速成為PM2.5濃度下降的重要因素之一?！斑B續(xù)陰天”的風(fēng)速較小，在長時(shí)間的靜風(fēng)或微風(fēng)條件下不利于PM2.5的擴(kuò)散，導(dǎo)致PM2.5濃度上升。

圖6 秋、冬季PM2.5 濃度與風(fēng)速擬合方程圖Figure 6 Fitting equation of PM2.5 concentration and wind speed in autumn and winter

3.3 不同植物配植類型綠地對(duì)PM2.5 濃度的影響

PM2.5濃度變化除受到人為活動(dòng)、天氣條件影響之外，還與植物有著密切的關(guān)系，不同植物配植類型會(huì)直接或間接影響PM2.5的濃度變化。對(duì)本研究中3 種不同植物配植類型綠地的PM2.5濃度進(jìn)行統(tǒng)計(jì)分析，結(jié)果見表4。由表4 可知，在時(shí)間上，3 個(gè)綠地的PM2.5濃度大小表現(xiàn)為冬季＞秋季、上午＞下午的變化趨勢(shì)；在空間上，同一時(shí)間段內(nèi)PM2.5濃度的大小排序?yàn)椴萜海締滩荩締坦嗖荨坦嗖輩^(qū)共有22 種植物，其中，喬木和灌木有16種，綠地內(nèi)植物郁閉度高，形成了密閉的復(fù)層景觀空間，能有效降低PM2.5濃度。

表4 秋、冬季不同植物配植類型綠地的PM2.5時(shí)平均濃度Table 4 Mean hourly concentration of PM2.5 in different green spaces in autumn and winter

表5 秋、冬季不同植物配植類型綠地的PM2.5時(shí)平均濃度方差分析Table 5 ANOVA on PM2.5 mean hourly concentration in different green spaces in autumn and winter

對(duì)不同植物配植類型綠地的PM2.5時(shí)平均濃度進(jìn)行方差分析，結(jié)果見表5。由表5 表明，在顯著性水平為0.05 時(shí)，秋季各時(shí)刻不同植物配植類型綠地對(duì)PM2.5的濃度變化均有不同程度的顯著影響，而冬季的均不顯著。以草坪作為對(duì)照組計(jì)算喬草和喬灌草型綠地對(duì)PM2.5濃度的消減率，結(jié)果見表6。由表6 可知，秋季喬灌草和喬草對(duì)PM2.5濃度的消減率分別為27.73%和18.81%，冬季喬灌草和喬草對(duì)PM2.5濃度的消減率則分別為28.17%和13.53%。

表6 秋、冬季典型天氣條件下喬草和喬灌草型綠地對(duì)PM2.5 濃度的消減率Table 6 Reduction rate of PM2.5 concentration in different green spaces under different weather conditions in autumn and winter

4 結(jié)語

4.1 討論

不同的天氣條件對(duì)PM2.5濃度影響較大。秋季“連續(xù)晴天”的PM2.5日平均濃度最低，而“連續(xù)陰天”的PM2.5日平均濃度均顯著高于其他2 種天氣的，其原因可能是秋季“連續(xù)晴天”的溫度略高于其他2 種天氣，同時(shí)，相對(duì)濕度較小、風(fēng)速較大，這種天氣條件有利于大氣顆粒物的擴(kuò)散。秋季“雨后晴天”的PM2.5日平均濃度較“連續(xù)晴天”的有所上升，這是由于雨水對(duì)大氣顆粒物的清除主要通過慣性碰撞，而PM2.5主要分布在積聚模態(tài)，降雨對(duì)積聚模態(tài)的清除效果并不明顯，因此，秋季降雨對(duì)PM2.5直接碰撞清除的作用很弱。3 種天氣中以“連續(xù)陰天”的PM2.5日平均濃度最高，其原因可能是由于連續(xù)陰天常伴隨著輕霧，此時(shí)大氣能見度較低、逆溫層變厚，與此同時(shí)，空氣相對(duì)濕度較大、風(fēng)速較小，這些都不利于大氣中顆粒物的擴(kuò)散，所以，其PM2.5濃度最高。冬季“雨后晴天”的PM2.5日平均濃度最低，“連續(xù)陰天”的最高，并且冬季無論哪種天氣條件下PM2.5日平均濃度均保持較高數(shù)值，其原因可能是冬季大氣層結(jié)構(gòu)相對(duì)穩(wěn)定，易形成逆溫層，促進(jìn)PM2.5的聚集，導(dǎo)致PM2.5濃度較秋季的上升明顯。相較于秋季，冬季降雨對(duì)PM2.5的清除作用明顯，主要原因是試驗(yàn)日前2 天為連續(xù)降雨，且降雨量等級(jí)為中雨，中雨及以上強(qiáng)度降雨對(duì)大氣顆粒物的清除作用更顯著。欒天等[23]在不同降水強(qiáng)度對(duì)PM2.5清除作用及影響因素的研究中發(fā)現(xiàn)，中雨和大雨對(duì)PM2.5的平均清除率分別達(dá)38.5%和50.6%。

氣象因子對(duì)PM2.5濃度有著不同程度的影響。PM2.5濃度與溫度之間呈極顯著負(fù)相關(guān)關(guān)系，表明在其他影響因素一致的情況下，溫度越高，PM2.5濃度越低。BARMPADIMOS 等[24]的研究也證實(shí)，在較低溫度條件下，PM2.5濃度與溫度之間呈負(fù)相關(guān)性。PM2.5濃度與空氣相對(duì)濕度之間呈極顯著正相關(guān)。相對(duì)濕度越大，在凝聚作用下細(xì)顆粒物吸濕后更易形成大顆粒物，顆粒物質(zhì)量的增加會(huì)使之加快沉降，導(dǎo)致PM2.5濃度上升。TIWARI 等[25]對(duì)印度德里市的PM2.5及其他大氣污染物進(jìn)行連續(xù)監(jiān)測(cè)過程中也得到同樣結(jié)論。PM2.5濃度與風(fēng)速之間呈正相關(guān)。在一定程度上，較大風(fēng)速能產(chǎn)生較強(qiáng)的局地空氣對(duì)流效果，有利于PM2.5的擴(kuò)散和轉(zhuǎn)移，具有良好的清除作用[26]。

不同植物配植類型會(huì)影響PM2.5濃度的變化，在同一時(shí)間段內(nèi)PM2.5濃度大小的排序?yàn)椴萜海締滩荩締坦嗖荨：侠砬邑S富的植物配植可以營造復(fù)層密閉的空間，形成巨大的葉片面積，為大氣顆粒物的滯留提供有利條件，從而降低PM2.5濃度，發(fā)揮植物在凈化空氣方面的重要作用[27]。PM2.5粒徑小，不以自身重力沉降為主，植物葉片的表面特征與濕潤性對(duì)顆粒物有良好的吸附作用。不同植物單位葉面積和單片的滯塵量差異很大[28]，有時(shí)可達(dá)數(shù)十倍以上[29]，這與植物葉表面絨毛特征[29]、葉量、枝葉密度[30]和葉表面微觀結(jié)構(gòu)[31]等因素的差異有關(guān)。孫曉丹等[32]對(duì)不同綠地結(jié)構(gòu)對(duì)PM2.5消減能力的研究表明，4 種不同綠地結(jié)構(gòu)對(duì)PM2.5的消減率表現(xiàn)為喬灌草＞喬灌＞喬草＞灌草；同一種綠地結(jié)構(gòu)，植物種類越豐富，其消減能力越強(qiáng)。閆姍姍等[33]在研究公園綠地不同景觀空間PM2.5的分布特征時(shí)發(fā)現(xiàn)，草坪地被和硬質(zhì)鋪裝等要素構(gòu)成的開敞空間中PM2.5濃度最高，而處于由喬灌草和硬質(zhì)鋪裝等要素構(gòu)成的半開敞空間中的PM2.5濃度較低。PM2.5濃度與水體、建筑和硬質(zhì)鋪裝等無明顯相關(guān)性，但與綠量間呈顯著負(fù)相關(guān)。

影響城市公園內(nèi)PM2.5濃度的因素較多，除了受天氣條件等自然因素和游人活動(dòng)等人為因素的影響之外，還與公園的整體布局、建筑容積率、水體等密切相關(guān)。本研究由于試驗(yàn)監(jiān)測(cè)時(shí)間、儀器等局限，研究過程中還存在許多不足之處，對(duì)公園內(nèi)樣地分布、游客量、地表高程等對(duì)PM2.5濃度的影響還需進(jìn)一步研究。

4.2 結(jié)論

以上對(duì)秋、冬季典型天氣影響城市公園內(nèi)PM2.5濃度的研究結(jié)果表明，PM2.5濃度表現(xiàn)出明顯的季節(jié)差異，冬季的PM2.5濃度要高于秋季的。天氣條件對(duì)公園內(nèi)PM2.5濃度有顯著影響，在不同的天氣條件下，PM2.5日平均濃度變化差異明顯，秋季表現(xiàn)為“連續(xù)陰天”＞“雨后晴天”＞“連續(xù)晴天”，冬季則表現(xiàn)為“連續(xù)陰天”＞“連續(xù)晴天”＞“雨后晴天”，2 個(gè)季節(jié)“連續(xù)陰天”的PM2.5日平均濃度均顯著高于其他2 種天氣的。僅從不同天氣條件下PM2.5的污染程度看，“連續(xù)晴天”和“雨后晴天”的PM2.5污染較輕，更適宜游人開展戶外游憩活動(dòng)，而若選擇在“連續(xù)陰天”外出則應(yīng)關(guān)注PM2.5污染狀況，以免影響身體健康。通過對(duì)獅山公園內(nèi)PM2.5濃度的監(jiān)測(cè)結(jié)果發(fā)現(xiàn)，PM2.5濃度日變化波動(dòng)較大，峰值均出現(xiàn)于上午，谷值出現(xiàn)于下午，整體上PM2.5濃度表現(xiàn)為上午＞下午，因此游人可選擇錯(cuò)峰出游的游憩方式，以呼吸更為清新的空氣。氣象因子對(duì)PM2.5濃度的影響較為復(fù)雜。研究表明，溫度、相對(duì)濕度和風(fēng)速均與PM2.5濃度變化有著不同程度的相關(guān)性，PM2.5濃度與溫度和風(fēng)速之間呈負(fù)相關(guān)關(guān)系、與相對(duì)濕度之間呈極顯著正相關(guān)。不同植物配植類型會(huì)直接或間接影響PM2.5濃度的變化，公園內(nèi)3 種不同植物配植類型綠地的PM2.5濃度表現(xiàn)為草坪＞喬草＞喬灌草。