赵戈榕　刘燕　钟钰祺　汪永英

摘 要：以雾霾为主的大气污染已经成为影响人类身体健康和生存发展的重要因素。校园是师生最主要的生活环境，针对其不同下垫面（即指与大气下层直接接触的地球表面）对PM2.5浓度的影响进行研究有助于提升生活舒适度。以东北林业大学校园内宿舍区、活动区、林场、草坪区和家属区为下垫面测量PM2.5浓度，分析其在晴天、阴天和多云天气条件下的日变化和月变化的特征。以晴天为例，家属区的PM2.5浓度比草坪高出约15%;而在不同天气条件下，阴天活动区的PM2.5浓度较多云天高将近60%。结果表明，人员流动频繁、活动较多的地区PM2.5浓度较高，植物覆盖的地方PM2.5浓度较低;阴天的颗粒物浓度较高，多云天和晴天的颗粒物浓度较低。故在阴天不宜外出活动，且合理的绿地空间布局能有效降低颗粒物浓度，改善大气污染。

关键词：PM2.5浓度;校园;下垫面;天气变化;绿地类型

中图分类号：X513;P49    文献标识码：A   文章编号：1006-8023（2020）06-0042-09

Study of PM2.5  Concentration About Different Underlying

Surfaces on Campus in Autumn

ZHAO Gerong， LIU Yan， ZHONG Yuqi， WANG Yongying*

（School of Forestry， Northeast Forestry University， Harbin 150040， China）

Abstract：Air pollution， mainly haze， has become one of the key factors threatening human health， survival and development. In order to improve the well-being of students and teachers， the research of the concentration of fine particles on various underlying surfaces， which means the surface of the earth in direct contact with the lower atmosphere on campus was delivered. According to this research， PM2.5 concentration was measured in the dormitory area， activity area， forest farm， lawn， and family area of Northeast Forestry University. We analyzed the change of PM2.5 concentration on these mentioned sites under sunny， cloudy， and partly cloudy conditions by collecting data. Taking a sunny day as example， the PM2.5 concentration in the family area was about 15% higher than that in the lawn; and under different weather conditions， the PM2.5 concentration in the activity area on a partly cloudy day was nearly 60% higher than that on a cloudy day.  Results showed that the PM2.5 concentration was higher in areas with frequent movement and human activities， while lower in areas covered by plants. The concentration of fine particles was higher on cloudy days and lower on partly cloudy and sunny days. Therefore， outdoor activities were not recommended on cloudy days. Also， a reasonable green space layout could effectively reduce the concentration of particulate matter and improve air quality.

Keywords：PM2.5 concentration; campus; underlay surface; weather changes; green space types

收稿日期：2020-05-24

基金項目：中央高校基本科研业务费专项资金资助（2572014CA20）;大学生创新训练项目（201910225541）

通信作者：汪永英，博士，讲师。研究方向： 森林气象学与水土保持。E-mail：wyy9422@163.com

引文格式：赵戈榕，刘燕，钟钰祺，等. 秋季校园不同下垫面PM2.5浓度的研究[J].森林工程，2020，36（6）：42-50.

ZHAO G R， LIU Y， ZHONG Y Q， et al. Study of PM2.5 concentration about different underlying surfaces on campus in autumn[J]. Forest Engineering，2020，36（6）：42-50.

0 引言

随着经济的发展，中国城市化、工业化进程高速推进，环境污染问题日益严重，大气污染成为我国尤其严重的环境问题[1]。其中，雾霾是我国最常见的大气污染现象，在我国爆发频率之高、影响范围之广超越了其他大气污染现象，已经成为影响人们生活环境和身体健康的重要因素。2017年和2018年的《中国环境状况公报》均指出，大气颗粒物仍是影响空气质量的首要污染物。国内外关于颗粒物浓度与呼吸道疾病关系的研究有很多[2-4]。大气颗粒物是大气中存在的各种固态和液态颗粒状物质的总称，PM2.5为其中最重要，也是对人体影响最大的一类颗粒物。PM2.5是指直径小于2.5 μm，在空气中能够长期悬浮而不易沉降的颗粒物，它会诱发、导致多种疾病[5-6]。校园是学生和老师长期生活的地方，是人员密集的公共场所，校园内的空气质量，尤其是颗粒物浓度，对学生和教师的身体健康有着重要影响[7-8]。但已经发布的研究中针对校园环境的少之又少，且由于地域差异，这些研究并不能完全适用于校园的环境，因此，本文选取校园作为研究区域，针对校园与城市的环境差异进行细致分析，并以校园环境为根本，选取不同的、有代表性的下垫面进行研究。开展这方面的研究对于了解校园不同下垫面的空气质量状况，帮助改善校园环境、创造优美舒适的学习生活条件，以及对师生的健康出行都具有一定的借鉴意义。

1 研究区概况与研究方法

1.1 研究区概况

研究地设在黑龙江省哈尔滨市东北林业大学园区内，主园区的地理坐标是45.72° N，126.63° E，气候特点是四季分明，冬季漫长而寒冷，夏季短暂而炎热，而春、秋季气温升降变化快，属于过渡季节，时间较短。本次实验研究时间是9—11月，属于秋季，是从夏到冬的过渡季节，因受北方冷空气影响，气候由暖变寒。气旋活动仅次于春季，天气冷暖多变，每当冷锋过后，气温急剧下降，气温月际变化幅度达8～9 ℃，降水量显著减少，但多于春季，风速较大，风向以偏南风为主[9]。此外，校园内的植物绿地种类分布以林地为主，其中乔木层以旱柳、水曲柳、红皮云杉和白桦为主，灌木层以丁香类、榆叶梅等为主[10]。

研究地点均在东北林业大学校园内，环境条件相似。选择5种不同下垫面作为实验样地开展监测[11]，在每处不同样地内均设置5个1 m×1 m的实验样方，并保证样方内各种影响因素分布较为均匀，并以黑龙江省气象局发布的香坊区的标准颗粒物浓度作为对照进行比较分析，选取的5处实验样地下垫面的结构类型及特征分别如图1所示[12]。

（1）宿舍区——4号学生公寓后（图1（a））：地表由陶土砖平铺而成且无植物覆盖，位于3号公寓和4号公寓之间，背阴地，很少有阳光直射，样方外3 m左右有一棵水曲柳。平时经过的师生较多，人流密度较大。

（2）草坪——主楼后草坪（图1（b））：位于主楼正南方向，地表由草本植物覆盖，林木覆盖率大于60%，样方内除草本植物外无其余植被，样方北侧是灌木丛，样方南侧种植油松。除定期草坪打理外，几乎无行人通过。

（3）活动区——篮球场（图1（c））：位于旧体育馆南侧，地表由水泥地构成无植物覆盖，周边无高大植株或建筑物遮挡，阳光直射面广、时间长。午后至傍晚时间内，在篮球场内打球的人较多，样方周围一直有活动的球员，极易造成干扰。

（4）家属区——家属区18号楼旁（图1（d））：样地是陶土砖地且无植物覆盖，附近也无任何植株存在，由于位于两栋家属楼之间，阳光照射面较小，建筑物遮挡较多。样方西侧有一长椅，中下午时间段时常有人坐在长椅进行聊天造成干扰。

（5）林场——水曲柳林地（图1（e））：位于林场小木屋南侧，样方内有1棵水曲柳、1棵灌木，地表有灌木丛覆盖，林木覆盖率大于80%，样方周边分布多棵水曲柳，乔木林遮挡了阳光照射。林场的人为活动干扰极少，可忽略不计。

1.2 研究方法

观测时间选择2019年秋季9—11月，每月分别选取晴天、阴天和多云3种天气情况，每种天气至少测量3 d，选取一天中12 h（07：00—19：00）进行测量，每隔2 h，在各下垫面内使用仪器CW-HAT200 PM2.5儀和Testo410-1风速仪分别测量5种不同下垫面样地的PM2.5质量浓度、气温、湿度以及风速。每个下垫面均采用5点取样法（四方样地顶角4点和中心1点），每个点采样1 min，隔1 min读数一次，采样高度均为距离地面1.5 m处，与成人呼吸高度基本一致。运用Excel 2010软件进行数据整理、统计处理，并将数据对比结果进行系统分析[5，13-15]。

2 结果与分析

2.1 相同天气条件下不同下垫面PM2.5浓度的日变化特征

2.1.1 晴天条件下

晴天条件下，天空云量较少，早晚气温变化幅度较大，大气不稳定。由图2晴天条件下不同下垫面PM2.5质量浓度的比较可见，9月和11月的日变化明显，10月日变化幅度较小。由表1经过计算可知，各下垫面的PM2.5浓度由大到小顺序为：家属区、活动区、宿舍区、草坪区、林场，并且家属区的PM2.5浓度值比林场高出15%。

9月PM2.5浓度日均值由大到小顺序为：宿舍区、草坪区、家属区、活动区、林场;10月由大到小顺序为：活动区、家属区、林场、宿舍区、草坪区;11月由大到小顺序为：草坪区、家属区、宿舍区、林场、活动区。通过一天的不同时段观测数据可见，9月不同下垫面PM2.5浓度最高值出现在早上8：00，随着时间的增加，浓度值逐渐减少，在下午12：00—16：00达到最低，随后略有上升，曲线整体呈U型[16]。造成这样变化的原因可能是：早上8：00是哈尔滨市出行早高峰，汽车尾气排放量大、学生上课人数集中流动，导致颗粒污染物增加，PM2.5浓度增大;并且早晨温度低、湿度大，颗粒物不易扩散而聚集在近地表面的空气中;午后随着气温明显上升和湿度减小，空气中PM2.5浓度逐渐降低，在16：00左右达到最低，在气温上升时间内，由于太阳辐射积累达峰值可能出现对流情况，使得颗粒物容易扩散，在地表附近不易积累，且光照充足情况下，植物的生命活动旺盛，吸收吸附颗粒物能力增强;傍晚，18：00温度逐渐降低，使大气稀释能力减弱，此时还伴随着出行晚高峰带来的尾气排放，使颗粒物浓度开始增加[17]。

10月，观测时间均为正式供暖前，不同下垫面的PM2.5质量浓度日变化相对比较平缓，没有出现太大的波动，但仍表现出早晚PM2.5浓度高于日间浓度值。

11月，此时已经全面进入供暖期，供热部门为了供暖温度达标，特别是早晚温度较低期间，会加大燃煤量以提高供暖温度，所以在11月则表现为傍晚之后出现高PM2.5浓度的变化。

2.1.2 阴天条件下

阴天条件下，云量较多，大气稳定度为偏中性状态，不利于污染物的扩散。此时通过图3阴天条件下不同下垫面PM2.5质量浓度的比较可知，不同下垫面的日变化趋势不像晴天时那么有规律。就整体而言，各下垫面的PM2.5浓度由大到小顺序为：宿舍区、活动区、草坪区、家属区、林场，并且宿舍区的PM2.5浓度值比林场高出24%。9月日均值由大到小顺序为：林场、活动区、宿舍区、家属区、草坪区;10月日均值由大到小顺序为：活动区、家属区、林场、宿舍区、草坪区;11月日均值由大到小顺序为：宿舍区、草坪区、活动区、家属区、林场。9月除了林场之外，其他下垫面均表现为PM2.5质量浓度最大值出现在早上8：00，最低值出现在午后不同时段;而在林场则表现为最大值出现午后，最小值出现在上午时段。10月整体日变化呈现不规律波动，一方面由于军训后活动区开放，以及该时段各个组织举办招新活动导致人群聚集，使得家属区和活动区在10月的人流量比9月明显提升，相较于其他植被覆盖、行人较少的区域而言，颗粒物浓度普遍偏高;各下垫面最低值出现于午后12：00—16：00，最高值也根据下垫面不同出现时间不定。11月的日变化呈现为先降低后增加，最后降低的双峰型的图形，下午14：00 PM2.5浓度有一个小幅增加，主要是由于当阳光辐射和云量改变时，温度和湿度也随之改变，造成了PM2.5质量浓度突然增加。

2.1.3 多云条件下

多云条件下，云量比晴天時稍多，早晚气温变化不大，大气相对稳定。通过比较不同下垫面PM2.5浓度日变化（图4），综合来看，整体变化趋势与晴天各月份变化基本一致，由大到小顺序为：活动区、家属区、宿舍区、林场、草坪区，并且活动区的PM2.5浓度值比草坪区高出43%。9月日均值由大到小顺序为：林场、宿舍区、草坪区、家属区、活动区;10月由大到小顺序为：活动区、家属区、宿舍区、林场、草坪区;11月由大到小顺序为：家属区、活动区、草坪区、宿舍区、林场。9月，一天的变化趋势主要表现为U型变化，8：00-10：00为最大浓度，下午14：00—16：00为最小值，随后又有小幅增加。10月到11月，一天最大值出现在18：00左右，最小值出现在10：00—14：00。

由此可知，同一天气条件下不同下垫面，早晚PM2.5的浓度值偏高，不适宜出外活动。

2.2 相同天气条件下不同下垫面PM2.5浓度的月变化特点

由表1可知，晴天条件下，各下垫面PM2.5质量浓度由小到大顺序为：9月、11月、10月。这是由于哈尔滨10月中下旬开始集中供暖，有的供暖企业在正式供暖前进行测试阶段导致大量煤烟燃烧增加，颗粒物浓度增大，再加上当时所测平均气温为17.6 ℃，平均风速为1.1 m/s，相对湿度为43%，也不利于污染物的扩散。

多云天气条件下，宿舍区和草坪区由小到大顺序为：9月、10月、11月，属于直线上升型;活动区、家属区和林场则由小到大顺序为：9月、11月、10月，属于倒V型，活动区和家属区变化剧烈，而林场则变化幅度很小。造成变化原因主要是，活动区和家属区在不同天气条件下人员流动程度不同，而宿舍区、草坪区以及林场的人员流动情况基本不存在变化，例如林场和草坪区常年人迹罕至，而宿舍区则无论任何天气条件常有人来往。因而在人员活动的影响下，活动区与家属区的PM2.5有较大变化，宿舍区、草坪区以及林场的PM2.5变化并不大。

9月份降水量较多，对PM2.5的冲刷及沉降作用明显[15]，自10月中旬开始供暖后，颗粒物浓度有一个翻倍的增长，而11月和10月颗粒物浓度相差不大，说明供暖对于校园内颗粒物浓度有明显的影响[18-19]。在10月初，未供暖时家属区附近有可能存在自行供暖情况，导致家属区和附近篮球场的颗粒物浓度相比其余时间和地点的颗粒物浓度明显增大。由此可见，人为因素是主要干扰颗粒物浓度月变化的主要原因。

阴天条件下，宿舍区、草坪区由大到小表现为：9月、10月、11月，且变化幅度较剧烈;活动区、家属区和林场由大到小则为10月、11月、9月。整体变化趋势也是从9—11月颗粒物浓度逐渐增加，宿舍区，草坪区和林场属于直线上升型;活动区和家属区，林场属于倒V型。

2.3 不同天气条件下相同下垫面PM2.5浓度的日变化特征

从不同天气条件下不同下垫面的日变化比较（图2—图4）可知，整体来看，对于同一种下垫面，阴天PM2.5浓度最大，其次是晴天，多云天最小;经计算，各下垫面阴天的PM2.5质量浓度值是多云天的1.5～2.3倍，是晴天的1.4～1.6倍。

对于宿舍区、草坪区和活动区而言，晴天条件下，PM2.5浓度在一天之中，早上8：00和晚上18：00浓度最大，午后12：00—16：00浓度最小，整日PM2.5浓度变化呈现为U字型变化趋势[16]。阴天条件下，在观测时段内出现了双峰型变化，早上8：00浓度最高，午后14：00出现次高值。最低值出现在18：00。多云条件下，最高值出现在18：00，最低值出现在14：00。

对于家属区而言，晴天和多云条件下，一天之中PM2.5浓度最高值大约在晚上18：00，中午12：00最小;而在阴天时，浓度最高出现在8：00，最低出现在18：00。

对于林场而言，阴天日变化浓度最大值在晚上18：00，最低值在中午12：00，晴天和多云天日变化浓度最大值在早上8：00，最低值在下午12：00—16：00。

2.4 不同天气条件下相同下垫面PM2.5浓度的月变化特征

9—11月的月平均数据中，针对各下垫面而言由大到小顺序为：阴天、晴天、多云。在表1中，通过比较不同下垫面各月PM2.5质量浓度变化，整体来说，阴天PM2.5质量浓度最大，其次是晴天，多云天最小。

对于宿舍区和草坪，阴天和多云天均是11月PM2.5质量浓度最高，9月最低，而晴天表现为10月PM2.5质量浓度最高，9月和11月相差不大。

对于活动区，家属区和林场来说，整体月变化均是9月PM2.5质量浓度最低，10月PM2.5质量浓度最高，11月PM2.5质量浓度介于9月和10月之间。

阴天时，空气干燥，根据当时测定气温发现，均高于晴天与多云天，大气为中性状况，不利于颗粒物的扩散，并且由于日照较少，学生活动也较其他天气更多，颗粒物排放相对较高;而多云天多出现在降水后，降水形成过程中，颗粒物充当了凝结核，起到了湿沉降的作用，随着降水降落到地面，雨滴在降落过程中还会发生碰撞，此时会捕获一些颗粒物[5]，使空气中的颗粒物再次减少，颗粒物浓度也因此较其他天气更低。所有的下垫面浓度均呈现先增加后降低的趋势，PM2.5浓度最大出现在10月份。这是由于10月下旬为哈尔滨供暖时节，所以PM2.5浓度比较高，随后进入冬季，气温降低，相比于9月份颗粒不易扩散，PM2.5浓度下降不大;其次，家属区与活动区这两个代表性下垫面整体PM2.5浓度要高于草坪区、林场等地。主要原因：其一是由于家属区和活动区分别是老人及学生活动比较密集的地方，颗粒物排放较高;其二是这两种下垫面多为石砖地和水泥地，相比于草坪区、林场这些植被比较多、人流较少、湿度大、对颗粒物有吸附作用的下垫面来说，PM2.5浓度明显要高[5]。而4号楼宿舍区的下垫面同为石砖地，但PM2.5浓度并没有家属区和活动区这两种下垫面大，可能原因是人流虽多，但很少或几乎不集中在楼下宿舍区活动，相比于前面提到的两种下垫面，PM2.5浓度会低一些，比草坪區、林场这样的下垫面高。

2.5 其他气象因素对PM2.5质量浓度影响

由表2可看出，PM2.5浓度与温度呈负相关，随着温度的降低，PM2.5浓度升高，但由于存在样本个体差异，整体趋势并不十分明显。随着温度的升高，粒子运动加剧，易于颗粒物扩散，局部颗粒物浓度较低，尤其在入冬之后哈尔滨开始供暖，因此在刚供暖时颗粒物浓度较其他低温天气更高。

其次，对比不同天气条件下颗粒物浓度和湿度的相关性变化，可看出阴天和多云天的条件下，PM2.5质量浓度与相对湿度之间呈负相关，而晴天的相关性不明显。这是由于湿度的增加使空气中的颗粒物更易被黏附在水汽表面，空气流动减弱，不易扩散，而浓度增加;但是当存在降水时，PM2.5会随着水汽一起沉降到地面，而使空气中的PM2.5浓度降低。晴天本身湿度相较于阴天和多云天会更低一些，则影响程度较小，相关性不明显。

最后，阴天时PM2.5浓度与风速呈现负相关，而晴天和多云天则呈现正相关。由黑龙江气象局发布的气象资料显示，供暖季哈尔滨平均风力为1～2级。随着供暖带来的颗粒物浓度增大，而长时间的静风或微风抑制了PM2.5的输送和扩散，这使得校园在供暖后颗粒物浓度增大。而由于晴天风速大部分集中在0.5～1 m/s，风力不足以对校园这个小环境内的PM2.5有大幅度影响，有个别地点在风速稍大时，因为周围有高大建筑物遮挡，颗粒物扩散也较缓慢。在多云天的情况下，数据几乎分布比较均匀，多云天时的风速最大不超过1.5m/s，且由于温度影响，供暖后的PM2.5浓度更大，颗粒物不易扩散，所以整体相关性较弱。

由表2中数据整体可见，其他气象因素与PM2.5浓度变化的相关性较低，温度的影响比其他两者更为明显，说明校园内不同下垫面PM2.5的浓度变化主要与下垫面类型有关，其他气象因素只有微弱的影响。

3 结论与讨论

3.1 结论

（1）从日变化来看，9月，不管天气条件如何，均表现为早间PM2.5质量浓度最高;10月，整体来看变化幅度并不剧烈;11月，晴天和多云天气条件下表现为夜间颗粒物浓度高于早间颗粒物浓度，午间则为最低点，这与人们“早晨空气最清新”的普遍印象正好相反，因此，从这方面来看，锻炼时间选在颗粒物浓度较低的午间更利于身体健康。

（2）从月变化来看，由于供暖期的到来，10月份为秋季这3个月中颗粒物浓度最高的1个月，在这个月里，师生应当合理安排时间，减少室外活动。

（3）从天气条件来看，阴天PM2.5质量浓度明显高于晴天和多云天;阴天日照较另外两种天气少，学生更愿意外出活动，但多出现在降水之后的多云天才是颗粒物浓度最低、空气质量最好的时候;依据天气状况合理安排活动时间，也有利于身体健康。

（4）从不同下垫面来看，家属区和活动区由于人员活动频繁且密集，颗粒物排放较多，而林场和草坪这两种以植被为主要覆盖的下垫面，颗粒物浓度较另外3种更低，由此可见，合理的绿地空间布局能有效降低颗粒物浓度[13]，减少大气污染。

（5）从其他气象因素对PM2.5质量浓度影响程度看，温度、湿度和风速3者与PM2.5质量浓度变化的相关性中，温度与其相关性最强，湿度与风速同PM2.5质量浓度的变化相关性较弱。风速这一气象因子具有瞬时性，受地形、周围建筑物等很多因素的影响，具有不确定性。湿度对PM2.5质量浓度影响最直接明显，单一的高湿环境却不能保证下垫面的PM2.5质量浓度低，温度作为很重要的气象因素考虑进来会使最后测量结果具有不确定性。由此可见，气象因素对PM2.5质量浓度有一定的影响，但是最后决定PM2.5质量浓度的高低是下垫面的类型和天气条件共同作用的结果。

3.2 讨论

哈尔滨的秋季相较于其他地区更加寒冷，十月中旬全城普遍开始供暖，目前仍是以煤为燃料的主要供暖方式[20]。从本次研究结果也可发现，自供暖开始后颗粒物浓度明显上升，由此可见，煤炭燃烧对空气质量具有极大的影响。因此，减少煤炭燃料的使用、改善我国能源结构或可有效降低颗粒物浓度，提高空气质量，此类内容应当进行更多研究，为改善空气质量作出贡献。

除去哈尔滨自身的季节特点和供暖所增加的颗粒物浓度[21]，可以从所研究的下垫面类型出发考虑。宿舍楼旁与家属区附近这样人流复杂且时常会有送餐电动车经过的地区本身颗粒物浓度就较高，适当通过增加吸附颗粒物的树种，通过周围环境来适当降低颗粒物浓度;而篮球场这种属于学生课外活动为主的场所，可以结合草坪这一下垫面的优势，除活动区外，增加小型草本植物的覆盖率，也可以结合园林设计，增加美观与可行性。林场这种人员活动很少、又有植被覆盖的地区颗粒物浓度较低。合理增加绿植覆盖、减少人员流动对降低颗粒物污染能有一定程度的缓解。

校园作为高人群密度的场所，人员活动及校园环境设计对PM2.5浓度也有影响。为了师生的身心健康在设计校园环境及校园日常管理时也应当在此方面多做考量。因此，绿地覆盖和人员流动对颗粒物浓度的影响值得进一步深入研究。

【参 考 文 献】

[1]计艺达.论大气污染治理存在问题及治理措施[J].科技经济导刊，2019，27（7）：109.

JI Y D. On the problems and measures of air pollution control[J]. Technology and Economic Guide， 2019， 27（7）：109.

[2]BRUNEKREEF B， HOLGATE S T. Air pollution and health[J]. The Lancet， 2002， 360（9341）：1233-1242.

[3]赵亚敏.北京市典型校园室内外PM2.5浓度水平及暴露特征评价[D].北京：首都经济贸易大学，2017.

ZHAO Y M. Evaluation of concentration level and exposure characteristics on indoor and outdoor PM2.5 of typical campus in Beijing[D]. Beijing： Capital University of Economics and Business， 2017.

[4]吴志萍，王成，侯晓静，等.6种城市绿地空气PM2.5浓度变化规律的研究[J].安徽农业大学学报，2008，35（4）：494-498.

WU Z P， WANG C， HOU X J， et al. Variation of air PM2.5 concentration in six urban greenlands[J]. Journal of Anhui Agricultural University， 2008， 35（4）： 494-498.

[5]校建民，王成，吴志萍，等.清华大学校园内不同绿地类型空气PM10浓度变化规律[J].林业科学，2009，45（5）：153-156.

XIAO J M， WANG C， WU Z P， et al. Variations of air PM10 concentration in different greenlands in Tsinghua University[J]. Scientia Silvae Sinicae， 2009， 45（5）： 153-156.

[6]黃旺，何勇.重庆市渝北区PM2.5时空变化特征及影响因子分析[J].绿色科技，2019，11（4）：15-19.

HUANG W， HE Y. Temporal and spatial characteristics of PM2.5 in Yubei District of Chongqing and analysis of its influencing factors[J]. Journal of Green Science and Technology， 2019， 11（4）： 15-19.

[7]赵亚敏.北京市某校园春夏季室内外PM2.5浓度水平研究[J].科技创新与生产力，2016，10（12）：108-110.

ZHAO Y M. Study on indoor and outdoor PM2.5 concentration during spring and summer in a campus of Beijing[J]. Sci-Tech Innovation and Productivity， 2016， 10（12）： 108-110.

[8]朱淮东，张彪.某校园颗粒物分布及健康影响评价[J].建筑热能通风空调，2016，35（8）：11-14.

ZHU H D， ZHANG B. Distribution of particulate matter and evaluation of health in the campus of an university[J]. Building Energy & Environment， 2016， 35（8）： 11-14.

[9]肖子牛.黑龙江省主要气象灾害概述[Z].中国气象灾害年鉴，2008.

XIAO Z N. Overview of main meteorological disasters in Heilongjiang Province[Z]. Yearbook of Meteorological Disasters in China， 2008.

[10]赵丹.东北林业大学校园绿地植物景观改造研究[D].哈尔滨：东北林业大学，2018.

ZHAO D. Research on plant landscape transformation of campus green space of Northeast Forestry University[D]. Harbin： Northeast Forestry University， 2018.

[11]储江伟，彭敏，王旭，等.哈尔滨市大气颗粒物粒径分布及浓度变化特征[J].森林工程，2015，31（6）：59-64，

CHU J W， PENG M， WANG X， et al. Characteristics of particle size distribution and concentration variation in atmospheric particulate matter in Harbin[J]. Forest Engineering， 2015， 31（6）：59-64.

[12]德永军，聂琴，王志刚，等.不同下垫面对校园小气候的影响[J].内蒙古农业大学学报（自然科学版），2005，26（4）：1-4.

DE Y J， NIE Q， WANG Z G， et al. Effects of different underlay grounds on micro-climate in schoolyards[J]. Journal of Inner Mongolia Institute of Agriculture and Animal Husbandry， 2005， 26（4）： 1-4.

[13]王薇，陳明.城市绿地空气负离子和PM2.5浓度分布特征及其与微气候关系：以合肥天鹅湖为例[J].生态环境学报，2016，25（9）：1499-1507.

WANG W， CHEN M. Distribution characteristics of negative air Ion and PM2.5 and their relationships with the microclimate in different urban greenlands： case study of Hefei Swan Lake[J]. Ecology and Environmental Sciences， 2016， 25（9）： 1499-1507.

[14]汪永英，孙琪，李昭，等.典型天气条件下哈尔滨城市森林不同林型对PM2.5的调控作用研究[J].安徽农业科学，2016，44（5）：175-179.

WANG Y Y， SUN Q， LI Z， et al. Regulating roles of different forest types in Harbin urban forest of PM2.5 in typical synoptic conditions[J]. Journal of Anhui Agricultural Sciences， 2016， 44（5）： 175-179.

[15]张朝能，王梦华，胡振丹，等.昆明市PM2.5浓度时空变化特征及其与气象条件的关系[J].云南大学学报（自然科学版），2016，38（1）：90-98.

ZHANG C N， WANG M H， HU Z D， et al. Temporal and spatial distribution of PM2.5 concentration and the correlation of PM2.5 and meteorological factors in Kunming City[J]. Journal of Yunnan University（Natural Sciences Edition）， 2016， 38（1）： 90-98.

[16]彭敏，储江伟，李洪亮，等.哈尔滨市冬季雾霾天大气颗粒物污染特征分析[J].森林工程，2017，33（1）：33-40.

PENG M， CHU J W， LI H L， et al. Analysis on characteristics of atmospheric particulate pollution in winter haze days in Harbin city[J]. Forest Engineering， 2017， 33（1）：33-40.

[17]刘旭辉，余新晓，张振明，等.林带内PM10、PM2.5污染特征及其与气象条件的关系[J].生态学杂志，2014，33（7）：1715-1721.

LIU X H， YU X X， ZHANG Z M， et al. Pollution characteristics of atmospheric particulates in forest belts and their relationship with meteorological conditions[J]. Chinese Journal of Ecology， 2014， 33（7）： 1715-1721.

[18]傅伟聪，郑宇，董建文.冬季校园内3种典型用地空气颗粒物浓度日变化[J].中国城市林业，2013，11（6）：15-18.

FU W C， ZHENG Y， DONG J W. Diurnal change of air particulate concentration in 3 types of land in winter campus[J]. Journal of Chinese Urban Forestry， 2013， 11（6）：15-18.

[19]李凯，张承中，周变红.西安市采暖期PM2.5污染状况及其与气象因子的相关分析[J].安徽农业科学，2009，37（20）：9603-9605.

LI K， ZHANG C Z， ZHOU B H. Pollution status of the particulate matter （PM2.5） and the correlation of PM2.5 and meteorological factors during heating period in Xian City[J]. Journal of Anhui Agricultural Sciences， 2009， 37（20）： 9603-9605.

[20]程翔.北方供暖地区不同采暖方式发展现状及经济性分析[J].中国集体经济，2019，35（24）：14-17.

CHENG X. Development status and economic analysis of different heating modes in North heating area[J]. China Collective Economy， 2019， 35（24）：14-17.

[21]张怡文，郭傲东，吴海龙，等.基于PCA-BP神经网络的PM2.5季节性预测方法研究[J].南京林业大学学报（自然科学版），2020，44（0）：231-238.

ZHANG Y W， GUO A D， WU H L，et al.Seasonal prediction of PM2.5 based on the PCA-BP neural network[J].Journal of Nanjing Forestry University（Natural Science Edition），2020，44（5）：231-238.