王 婧 朱春阳

华中农业大学园艺林学学院 武汉 430070

城市湿地生态系统通过降温增湿改变周边环境的微气候，从而引起空气颗粒物(Particulate matter，PM)的扩散、沉降[1-2]。湿地与周边环境的冷暖空气流动对湿地周边环境空气颗粒物的空间分布产生影响[3-4]；湿地/水体环境的空气湿度变化导致空气颗粒物发生吸湿增长、沉降[2，5]。因此，湿地/水体对局地颗粒物具有显著影响[6]。城市湿地对空气PM的影响研究多集中于分析其在城市环境的空间分布特征，如寇杰锋等[7]通过空间分布估计模型得到武汉市PM10空间分布，并指出不同下垫面类型对PM10的分布具有显著影响，大型水体及周边区域一定范围内具有较低的PM10浓度；孙敏等[8]研究发现，水域和成片的植被面积增加对控制城市可入肺颗粒物质量浓度有重要意义，城市建成环境增加绿地类型下垫面有利于局地微气候以及空气质量的改善[9-10]，其中水体、绿地复合型下垫面更能有效提高水体的微环境效应[11]；湿地周边500 m范围建成环境中非硬质下垫面(主要由绿地组成)与湿地降减空气PM10、PM2.5浓度呈显著相关性[12]，但尚未得出城市建成环境不同绿地结构如何影响湿地的降减空气PM10、PM2.5效应。LUR模型在研究长时间观测大气污染浓度时优于其他空间分析技术[13-14]，同时，该模型针对中小尺度空气污染物时空变化的模拟研究已较为成熟[15]。

因此，本文将围绕最大限度发挥城市湖泊湿地区域环境效应这一目标，综合考虑城市建成环境空气PM10、PM2.5浓度受多种关键影响因子制约，基于土地利用回归(Land Use Regression，LUR)，结合土地利用类型、交通状况、气象因子等要素，分析城市湖泊湿地周边建成环境绿地结构对空气PM10、PM2.5浓度的影响，旨在为优化城市湖泊湿地周边建成环境绿地空间建设提供科学指导。

1 研究区概况

武汉市(E113°41′-115°05′，N29°58′-31°22′)位于长江中下游江汉平原东部，水域面积占全市国土面积的1/4。武汉市具有丰富的湖泊湿地资源，本研究选择武汉市主城区大、中、小3块湖泊湿地(月湖67.6 hm2、鲩子湖10.3 hm2和后襄河4.3 hm2)及其周边500 m建成环境绿地作为研究对象。

2 研究方法

2.1 土地利用回归模型

基于LUR模型分析湖泊湿地周边建成环境绿地PM10、PM2.5浓度的影响因子，选择测点周边不同缓冲区(0～25 m、0～50 m、0～75 m、0～100 m)内的道路长度作为交通污染源因子，非硬质下垫面面积、水体面积作为土地利用因子，距湖泊湿地边界距离、叶面积指数作为自然条件因子，气温、相对湿度、风速作为气象因子，空气PM10、PM2.5浓度为因变量，将自变量逐步引入模型。通过方差膨胀因子(VIF)和杜宾沃森指数(DW)对模型进行共线性检验，采用留一交叉验证法(LOOCV)对模型预测能力进行检验。

2.2 数据来源

1)土地利用数据。结合Spot 6遥感影像解译及实地调研，通过ENVI 5.1和ArcGIS 10.2提取不同用地类型数据信息。2)空气PM10、PM2.5浓度、气温(T)、相对湿度(RH)、风速数据来源于定点监测。每块湖泊湿地沿边界布置3条样线，沿样线不同半径缓冲区(50 m，100 m，200 m，300 m，400 m，500 m)绿地内布置样地，每块样地内分别选取立地环境相似的乔灌草、乔草、灌草、草坪4种类型绿地进行测点布设，测试点均尽量布置在植物种类相同/相似的植物群落中，植物种类主要由香樟(Cinnamomum camphora)、杜英(Elaeocarpus decipiens)、朴树(Celtis sinensis)、垂 柳(Salix babylonica)、 桂 花(Osmanthus fragrans)、石楠(Photinia serratifolia)、红花檵木(Loropetalum chinensevar.rubrum)、 金 叶 女 贞(Ligustrum×vicaryi)、早熟禾(Poa annua)组成。选择2019年8月27—29日气候条件相似且晴好微风的3天(8∶00-9∶00、12∶00-13∶00、16∶00-17∶00时段)，在距地1.5 m人体呼吸高度处对每个测点进行连续观测，同时记录微风风速值。每条样线分别单独使用1台可移动PM监测仪进行测试，每个测点进行3次重复，在2 min内完成，每条样线在50～60 min内完成同步测试，消除不同测点数据测试的差异性。

2.3 测试仪器

PM10、PM2.5浓度测试仪器采用崂应2025粉尘检测仪，测定范围为1～1 000 μg·m-3，分辨率为0.1 μg·m-3，误差10%；该仪器内部存在滤芯，可排除水分子对PM浓度监测数据的影响，以保证空气PM数据的准确性。温湿度监测仪器采用德国产德图testo 610温湿度测量仪。气温测定范围为-10～50℃，分辨率为0.1℃；相对湿度测定范围为0～100%，分辨率为0.1%。风速测试仪器采用国产德图testo 410-1迷你风速仪，测量范围为0.4～20 m·s-1，分辨率为0.1 m·s-1。叶面积指数采用Sigma EX-DC 4.5 mm鱼眼镜头拍摄并通过Hemiview分析获取。

2.4 数据处理

采用R3.4.1软件 “corrr”包实现LUR模型自变量与空气PM10、PM2.5浓度间相关性分析；采用SPSS 25.0软件实现LUR模型自变量与空气PM10、PM2.5浓度多元回归分析，以及不同结构绿地间空气PM10、PM2.5浓度间单因素方差分析，结合Duncan's多重比较分析绿地间空气PM10、PM2.5浓度差异显著性；采用Origin 2018实现空气PM10、PM2.5浓度随距湖泊湿地边界距离变化的线性拟合图和随时刻变化的日变化图分析。

3 结果与分析

3.1 湖泊湿地周边绿地空气PM10、PM2.5浓度关键影响因子

3.1.1 LUR模型的建立与检验

由表1可知，LUR PM2.5模型的VIF值＜2，表明选取的变量数据间无共线性问题，模型构建较好。由表2可知，LUR PM10模型中，除后襄河灌草型绿地存在2个自变量VIF值＜4外，其余结果均为VIF值＜2，表明变量数据间基本不存在共线性问题。PM2.5、PM10模型的DW指数绝大部分无自相关或在不确定的范围，因此模型无明确的空间自相关性。

表1 PM2.5模型相关指标

表1(续)

表2 PM10模型相关指标

从表3可知，各个湖泊不同结构绿地的PM10、PM2.5模型自变量均通过F检验、T检验(P＜0.05)；城市湖泊湿地建成环境内不同绿地结构类型PM10、PM2.5回归模型经留一交叉验证调整后R2解释能力为0.555～0.980、0.562～0.979；模型的空间预测能力较好，且PM10模型拟合度优于PM2.5模型；均方根误差(RMSECV)值表明模型的空间预测能力基本较好。

表3 PM10、PM2.5模型预测R2有效性验证

3.1.2 模型自变量对PM10、PM2.5相关性影响

从图1可以看出:相对湿度、缓冲区水体面积变量与3块湖泊湿地周边建成环境绿地PM10、PM2.5浓度呈显著正相关；测点周边缓冲区内非硬质下垫面面积、叶面积指数与绿地PM10、PM2.5浓度呈显著负相关，其中叶面积指数对大面积湖泊湿地周边绿地PM10、PM2.5浓度影响更为显著；距湖泊湿地边界距离变量对中、小面积湖泊湿地周边绿地PM10、PM2.5浓度影响显著；测点周边100 m缓冲区道路长度变量与绿地PM10、PM2.5浓度呈显著正相关；PM2.5浓度与气温呈显著负相关。

图1 模型自变量与空气PM10、PM2.5浓度间的相关性分析

3.2 城市湖泊湿地周边500 m缓冲区建成环境绿地PM10、PM2.5浓度变化比较

如图2所示，随湖泊湿地边界距离的增加，不同结构绿地内PM10、PM2.5浓度降低，且下降幅度具有差异性。PM10浓度从距湖泊湿地边界250～350 m、50～200 m、100～250 m、100～150 m附近开始分别在乔灌草、乔草、灌草、草坪内趋于平稳状态；乔灌草、乔草、灌草、草坪内空气PM10降幅(湿地边界与周边500 m缓冲区绿地内空气PM浓度差值，下同)分别为2.4～15.9 μg·m-3、3.8～13.1 μg·m-3、2.7～9.5 μg·m-3、1.3～6.4 μg·m-3。PM2.5浓 度 从 距 湖 泊 湿 地200～350 m、200～300 m、150～250 m、150 m附近开始分别在乔灌草、乔草、灌草、草坪内趋于平缓；乔灌草、乔草、灌草、草坪内空气PM2.5降幅分别为1.7～7.8 μg·m-3、1.0～6.8 μg·m-3、1.1～4.9 μg·m-3、0.4～3.9 μg·m-3。 由此可见， 绿地降减空气PM能力较湖泊湿地显著，但临近湖泊湿地边界的绿地内空气PM浓度偏高，说明湿地与周边环境冷暖空气流动导致空气颗粒物在局地环流的作用下被临近绿地遮挡积聚，当距湿地边界达到一定距离时，绿地内空气PM浓度受冷暖空气流动带来的影响逐渐变弱，但具体影响机理有待进一步研究。同时还可看出，大面积湖泊湿地对空气PM2.5的影响范围大且显著性明显，对空气PM10的影响范围小且显著性不明显。

图2 距湖泊湿地边界不同距离不同绿地内PM10、PM2.5浓度差异

3.3 不同时段不同结构类型绿地PM浓度

从图3可看出，除后襄河周边绿地内PM10浓度在8∶00-9∶00、16∶00-17∶00时段外，3块湖泊湿地周边建成环境绿地内PM10、PM2.5浓度呈现出复层结构绿地(乔灌草、乔草)＞单一结构绿地(灌草、草坪)。湖泊湿地周边乔灌草、乔草、灌草与草坪间PM10平均浓度差分别为-0.6～2.7 μg·m-3、-0.6～1.2 μg·m-3、-1.1～2.1 μg·m-3，PM2.5浓度差分别为0.4～1.5 μg·m-3、0.1～0.5 μg·m-3、0～0.7 μg·m-3。 可见， 近湖泊湿地边界灌草、草坪结构绿地表现出较低的空气PM10、PM2.5浓度，但不同结构绿地不同时段空气PM10、PM2.5浓度未表现出显著相关性(P＞0.05)。不同结构绿地间不同时段空气PM10、PM2.5浓度有可能原本存在显著差异，但由于采集的3d PM数据存在差异从而导致未表现出显著差异性，有待后续长期重复采集数据作进一步研究。

图3 不同时段不同结构绿地PM10、PM2.5浓度差异

4 讨论

城市湖泊湿地/水体热容量巨大，对局地温湿环境的调节作用显著，其中，湿地/水体环境的空气湿度变化将导致空气颗粒物发生吸湿增长、沉降[2，5]，多数研究发现城市拥有自然植被和水体的区域具有较低的PM浓度[6，16]。本研究对城市湖泊湿地500 m范围建成环境绿地内PM10、PM2.5浓度进行监测发现，绿地内空气PM浓度低于湖泊湿地边界处，说明绿地对空气PM具有更为显著的降减作用。本研究还发现，近湖泊湿地边界处的绿地内空气PM10、PM2.5浓度大于远湖泊湿地边界处绿地，这可能与距湖泊湿地边界距离越近，相对湿度越高有关:湿地与周边建成环境冷暖空气流动，导致空气PM向远湖泊湿地方向扩散，由于空气局地环流被绿地遮挡，空气PM产生一定积聚现象，导致近湖泊湿地边界处绿地内空气PM浓度较高。由此可见，湖泊湿地局地微环境、相对湿度与PM浓度存在一定相关性，相对湿度较高在一定程度上支持了空气PM浓度升高，但具体机理有待进一步研究。类似现象同时存在于湖泊湿地周边不同结构绿地的PM分析中，研究发现复层结构绿地内PM10、PM2.5浓度普遍高于单一结构绿地，不同类型绿地内气温、相对湿度差异明显，复层结构绿地由于郁闭度较高，导致颗粒物的水平扩散和垂直运动受到阻碍、出现累计现象，从而使PM10、PM2.5浓度较高，此结论与陈俊刚等[17]、刘宇等[18]研究结果一致。虽然植物种类个体尺度会对研究结果具有一定影响，但相关研究[19-21]忽略了个体尺度带来的误差，这也是野外试验规律性研究难以规避的现象。关于不同植物种类对降减空气PM效应的影响将在进一步研究中展开。

另外，本研究得出距湖泊湿地边界300 m、200 m、250 m分别为月湖、鲩子湖、后襄河周边绿地PM10、PM2.5浓度变化的分界线，且PM10、PM2.5浓度在乔灌草、乔草中的降幅大于在灌草、草坪中的降幅，说明大面积湖泊湿地周边乔灌草型绿地对PM10、PM2.5浓度变化更显著，且影响范围更大。因此，在大面积湖泊湿地300 m缓冲区内应尽量布局灌草、草坪类型绿地，小面积湖泊湿地从200 m开始尽量布局乔灌草及乔草型绿地。与绿地内PM10浓度变化状态相比，PM2.5浓度达到稳定状态时距湖泊边界距离更远，这是因为细颗物粒径小，漂浮于空中不易干沉降，在高湿条件下细颗粒物吸湿增长从而沉降去除，因此相比于粗颗粒物，湿地对绿地中细颗粒物浓度的影响范围更大。

5 结论

城市湖泊湿地周边500 m缓冲区建成环境对空气PM10、PM2.5浓度影响的关键影响因子构建的LUR模型具有一定的可行性。

空气相对湿度、测点周边水体面积、叶面积指数、距湖泊湿地边界距离、非硬质下垫面面积、缓冲区道路长度变量对空气PM10、PM2.5浓度的影响显著(P＜0.05)。

城市湖泊湿地对周边建成环境乔灌草、乔草、灌草和草坪结构绿地空气PM10、PM2.5的影响显著，其中大面积湖泊湿地对空气PM2.5的影响范围大且作用明显。

近湖泊湿地边界灌草、草坪结构绿地表现出较低的空气PM10、PM2.5浓度，但不同结构绿地不同时段空气PM10、PM2.5浓度未表现出显著相关性(P＞0.05)。