濟南市大氣PM10、PM2.5時空分布特征與城市街區形態關聯分析

肖華斌 許宇彤 王子康 張小平 李 杰

（1.山東建筑大學建筑城規學院，濟南 250101；2.智慧韌性景觀與低碳生態技術濟南市工程研究中心，濟南 250101；3.山東農業工程學院，濟南 250100）

高密度城市空間的顆粒物濃度分布對居民健康和環境的可持續發展具有重要影響。然而，當前研究多集中在中宏觀尺度，且不同季節背景對城市形態與顆粒物濃度之間定量關系的影響尚存爭議?；?021年濟南市主城區65個空氣質量監測站的PM2.5和PM10濃度實時觀測數據，分析了不同季節下城市街區形態對顆粒物濃度（PM2.5和PM10）的影響。結果表明：（1）顆粒物濃度呈雙峰型日變化，且具有顯著的U形逐月變化規律，PM2.5呈冬季高夏季低、春秋兩季居中，PM10呈春季高夏季低、秋冬兩季居中的季節性變化特征，且呈東南低、西北高的空間分布格局，高污染區域集中于交通和建筑密集區域，低污染區域主要分布于大型城市綠地旁。（2）城市街區形態對顆粒物的影響具有明顯的季節分異性。PM2.5與綠色空間指標在4個季節的相關性均十分顯著，與綠地覆蓋率（GCR）、綠地斑塊形狀指數（MSI）和綠地最大斑塊指數（LPI）呈負相關性，與綠地斑塊密度（PD）呈正相關，并且PM2.5僅在秋冬季與建筑形態指標相關關系顯著，其中建筑密度（BD）、建筑平均高度（AHV）和建筑平均體積（AV）是最具影響力的指標。PM10僅在春冬兩季與綠色空間指標顯著相關，GCR和MSI 產生的影響較大，并且與BD、AHV 和容積率（FAR）等建筑形態指標僅在秋冬季節相關性顯著。

PM10；PM2.5；時空特征；街區形態；關聯分析

城市景觀的快速變化和人造熱源排放加劇致使大氣污染日益突顯，對人類健康、植被生長和環境氣候具有重要影響。世界衛生組織提出空氣污染是人類健康面臨的最大環境威脅之一，每年約有700萬人因空氣污染而過早死亡。顆粒物作為大氣污染物的主要成分之一，由于來源廣泛、物理性質和化學組成復雜，與多種健康效應終點密切相關，例如PM2.5等顆粒物會對人體呼吸系統、心血管系統、神經系統、免疫系統、生殖發育等多方面產生不良影響，增加人體患呼吸系統疾病的風險，如心肺疾病、慢性阻塞肺疾病以及哮喘等[1-3]。因此，在大氣顆粒物污染加劇和居民健康風險不斷上升的背景下，城市形態規劃應對氣候變化及污染物防治機理研究已成為全球范圍內的一個緊迫課題?？諝馕廴颈┞叮╝ir pollution exposure）是指個體居民通過直接吸入、攝入和皮膚接觸等方式與空氣污染物產生接觸，其直接決定了人體受污染物損傷的程度以及患病風險[4]。污染物濃度和居民行為模式是影響大氣顆粒污染物暴露過程、狀態和強度，即暴露危害的主要影響因素[5]。

城市建成環境的優化調控是從城市規劃視角推進健康城市建設，降低居民空氣污染暴露風險的重要途徑。城市街區形態會直接影響污染物源匯空間分布和城市風環境，間接影響顆粒物污染濃度及分布格局。研究表明，道路、地形、綠色空間和交通設施是顆粒物產生和擴散的關鍵因素，街道系統和街區格局比建筑布置對顆粒物濃度的影響更大[6-7]。綠色空間作為消解顆粒物主要的匯空間，主要通過沉降、顆粒物改性以及擴散三種途徑緩解顆粒物污染[8-13]，植被的結構、高度、深度和密度，以及其與排放源和居民活動空間的相對位置關系，均是影響綠地對顆粒物消減作用的關鍵因素[14]。因此闡明大氣顆粒污染物的動態演變及與城市形態的關聯性，有助于預測不同城市形態特征所承載的污染暴露風險，是優化城市建成環境、高效緩解顆粒物污染的關鍵[7,15-19]。

在探究顆粒物濃度與城市街區形態的關聯性方面，戴菲等[20]基于武漢市域內18個大氣監測點，選取兩年6-9月的監測數據，分析了二維和三維兩類城市形態與大氣污染物濃度之間的關系，得出綠化覆蓋率、道路面積率和相對高程對PM10、PM2.5具有顯著影響的結論。Ahn等[21]基于15個大型城市的顆粒物反演數據，從街區規劃、建筑形態和土地利用三個方面綜合分析城市街區形態與顆粒物濃度的關系，得出交通高度集中、高層建筑密集的地區以及高度靠近高速公路和高度混合土地利用的區域，顆粒物濃度最高的結論。針對不同季節對二者關聯性的影響方面，當前研究存在較大爭議。有研究發現，城市形態與顆粒物濃度的相關性在秋季顯著性最高，在冬季最不顯著[22]。而有研究卻得出了春冬兩季比夏秋兩季顯著性更加明顯的結論[23]。研究結論的不同可能與研究區氣候背景差異有關。

目前相關研究受限于數據來源匱乏、空氣監測點位分布密度低、遙感反演數據精度較低等問題，研究尺度多集中在城市、區域甚至國家等中宏觀尺度，針對高密度建成環境下的街區尺度研究相對較少[20,24-26]。此外，研究多討論城市形態特征與顆粒物之間的靜態關系，而與城市景觀的動態過程及其對顆粒物時空變化的影響并未過多探討[6]。鑒于此，本研究利用2021年濟南市（國家、省、市、街道、交通）5級監測站點相結合的PM2.5和PM10小時濃度數據以及精細化街區空間形態數據，分析街區尺度下顆粒物污染變化的時空演變特征，探究不同季節背景下街區空間形態對顆粒物時空分布的影響。研究為精細化尺度下探究顆粒物污染時空演變特征、預測顆粒物污染暴露風險、優化城市空間形態提供了新的視角和方向。

1 研究區概況

濟南市是山東省省會，是京津冀大氣污染傳輸通道“2+26”城市之一，燃煤、機動車和揚塵是其顆粒物污染的主要來源[27-28]。2021年，濟南市在168個重點城市中，空氣質量排名多次出現在倒數20名內，顆粒物污染問題十分嚴峻，PM10和PM2.5作為首要污染物的天數分別占35.2%、19.8%[12]。以《濟南市城市總體規劃（2012-2020年）》劃定主城區作為研究范圍，該區域具有建設密度高、強度大、人口密集、城市景觀類型豐富等特征，具有較好的研究價值和實際意義。主城區東、西、南以濟南繞城高速公路為界、北以濟廣高速公路為界，總面積約535 km2。研究區內共分布75個監測站點，通過監測點的經緯度坐標定位其空間位置，根據尺度，選取監測站點為圓心形成半徑為500 m的緩沖區作為后續研究的樣本，篩除數據缺失、緊鄰工業污染排放源的站點后，共有65個有效樣本（圖1）。

圖1 監測站點分布Fig.1 Monitoring site distribution

圖2 PM10和PM2.5月濃度變化Fig.2 Changes in monthly concentrations of PM10 and PM2.5

2 數據來源與研究方法

2.1 顆粒物數據來源和處理

環境監測站點監測的PM10、PM2.5濃度數據為2021全年逐時監測數據，來源于濟南公共數據開放網（http://data.jinan.gov.cn/jinan/catalog/）。為探究精細尺度下顆粒物濃度的時空變化特征，首先計算所有監測點的月平均濃度數據，分析月份變化特征，其次計算4個季節的時刻平均數據，分析不同季節背景下的日變化特征；為探究城市街區形態對顆粒物濃度數據的影響，選取各季節前后兩天均為晴朗無風天氣的數據，共215天有效數據，為保證數據間的顯著差異，選取各季節每日變化的峰值時刻，計算各站點每季節峰值時刻的平均值，進行后續關聯性分析。

2.2 街區形態指標計算

綜合考量各樣本的現狀特征，本研究從二維和三維兩個維度，建筑、道路和綠色空間三類關鍵空間要素選取指標來衡量街區形態特征。道路數據利用QGIS在Open Street Map（OSM）中獲取，三維建筑數據利用水經注地圖下載，而綠色空間數據通過目視解譯獲取。指標選取基于以下原則：（1）對顆粒物有潛在影響；（2）便于計算；（3）在規劃設計中得以應用；（4）保證各指標間的最小冗余度。其中天空開闊度是利用DEM和3D建筑數據生成DSM數據，再利用SAGA-GIS軟件計算得出，其他指標計算公式如表1。

表1 城市街區形態指標Tab.1 Block city form index

3 結果分析

3.1 PM10和PM2.5的時空變化特征

3.1.1 時間變化特征

統計2021年各月份顆粒物濃度變化，可以看出，研究區域內PM10和PM2.5濃度總體上均低于二級標準——150 μg/m3和75μg/m3，僅有1月存在超出二級標準的情況。PM10和PM2.5濃度時間變化特征整體呈現相似的規律，1月污染物濃度最高，7月污染物濃度最低，其中PM10在春季污染程度最高，夏季最低，而PM2.5具有冬季值高，夏季值低的濃度變化趨勢。

冬季易出現污染天氣，主要由于冬季燃煤需求增加，污染物排放量大，并且濟南南部山區地勢較高，冬季夜晚山坡散熱快，冷空氣循山坡下沉到市區，出現“逆溫”現象，促使污染物難以擴散，此外植物在冬季消解顆粒物能力較弱。1月為全年污染濃度最高的月份，主要原因可能為在冬末春初，濟南供暖加劇污染排放的同時出現大風揚塵天氣，顆粒物濃度會隨之升高。夏季由于植被生長旺盛，葉面積總量處于全年最高期，植被消解顆粒物能力強，并且濟南市夏季盛行南風受山體阻擋風速較小，更有利于植物進行沉降。值得注意的是，春季的3月份污染濃度出現短暫的升高，這可能由于該月份暖濕氣流活躍，冷氣流頻繁與暖氣流進行交替，風力強勁，易引發地面揚塵，不利于顆粒物干沉降，并且由于PM10比PM2.5粒徑更大，更易受到風速影響，因此該時刻PM10上升幅度更高。濟南秋季風速僅高于春季，并且植被呈現由茂盛到衰落的過程，溫度也呈降低趨勢，11月由于供暖，燃煤排放量開始增加，因此顆粒物濃度呈現由低轉高的變化趨勢。

統計各季節不同時刻濃度的均值，發現PM10與PM2.5濃度在四季的日變化特征均呈現明顯的雙峰型分布特點（圖3），上午9:00-10:00PM10濃度出現第一個峰值，之后開始下降，在15:00-16:00達到最低，出現谷值，之后濃度又逐漸上升，在20:00-21:00前后達到第二個峰值，22:00之后PM10濃度值緩慢下降，在次日5:00前后再次升高。一方面由于交通排放是濟南市PM10的主要來源之一，兩個峰值正處于早晚高峰期間，高排放量導致污染濃度升高。另一方面，入夜時期燃煤需求量增加，累積白天中的生活行動，煙塵排放量在20:00-21:00前后達到峰值。而夜晚相較于白天煙塵排放量降低，PM10濃度也隨之減少。特殊的是PM10在春季濃度出現了較大波動，可能因為其粒徑相對較大，更易受到風環境的影響。

圖3 PM10和PM2.5日濃度變化及峰值時刻Fig.3 Change of PM10 and PM2.5 daily concentration and peak time

3.1.2 空間變化特征

利用普通克里金法，對主城區各監測點四季的顆粒物濃度平均數據進行空間插值分析。為保證插值效果，在普通克里金法的基礎上，分別用6種半變異函數進行空間插值，并利用留一交叉驗證法對插值結果進行檢驗（表2）。結果表明三角函數、球面函數效果較好。

表2 6種半變異函數模型的插值精度比較Tab.2 Comparison of interpolation accuracy of six semi-variogram models

選取最優模型繪制顆粒物濃度空間分布圖，可以看出PM2.5和PM10濃度分布具有明顯的空間差異性，整體均呈東南低西北高的變化趨勢（圖4）。PM2.5濃度空間分布特征是春冬兩季西部及東北部污染高，東南部污染低，中部空間污染異質性較低，夏季中部局部污染程度略高，而秋季高污染區域集中在北部。PM10濃度呈現春夏兩季空間濃度差異大，高污染地區集中且呈單點狀，而秋冬兩季PM10濃度變化平緩，高污染區域集中在北部。

圖4 濟南市主城區PM10、PM2.5污染濃度空間分布差異圖Fig.4 Spatial distribution of PM10 , PM2.5 pollution concentration in the main urban area of Jinan

為進一步探究精細尺度下顆粒物污染空間分布規律，選取位于濟南市二環以內的監測點做精細尺度分析（圖5）。針對PM2.5，春季污染的空間差異性較低，而夏、秋、冬三季的污染特征具有一致性，3號、5號、8號、10號、18號和35號等區域出現了明顯的霾島現象，34號、36號、38號以及39號等區域的污染值明顯低于周圍區域，并且阻斷了上述霾島間的空間聯系。在PM10污染方面，59號區域在四季均呈現明顯的霾島，其次62號、50號以及61號等區域在春冬兩季出現霾島現象，而10號、18號以及5號等區域在夏秋兩季出現霾島現象。

圖5 濟南市二環以內PM10、PM2.5污染濃度空間分布差異圖Fig.5 Spatial distribution difference of PM10 , PM2.5 pollution concentration within the second ring road of Jinan

3.2 城市街區形態與PM2.5 和PM10的關聯性分析

研究選取5個低污染和6個高污染監測站點所構成的緩沖區樣本來說明不同緩沖區的街區城市形態模式（圖6）?？梢钥闯?1號、22號、36號以及55號等監測站點顆粒物濃度在多數季節下均處于較低水平，這是因為監測點周圍分布有濟南森林公園、濟南市中山公園、五龍潭公園以及大明湖等大型綠色空間，且綠色空間多位于監測點盛行風上側，能夠更好地發揮綠地對顆粒物的消減能力。同時，59號、60號、61號以及62號監測點顆粒物濃度水平明顯高于其他區域，原因是這部分監測站點鄰近車站、高架橋等交通密集區域，汽車尾氣排放會產生大量的有害殘留物，加速地面揚塵，促進PM2.5和PM10等顆粒物的形成。并且立體交通加劇了顆粒物在垂直方向的擴散，進一步促進了顆粒物的湍流和轉移，致使區域內顆粒物濃度快速上升。研究發現監測站點除了受到綠色空間的影響外，還受建筑密度、建筑體量等其他城市街區形態的共同影響。例如，5號和8號監測站點周圍分布有大面積的綠色空間，然而顆粒物濃度水平卻遠高于周圍的監測站點，這是因為監測站點盛行風下側的大體量建筑阻擋了顆粒物的擴散，導致局部地區顆粒物濃度升高。

為深入分析城市街區形態對顆粒物濃度變化的影響機制，基于各形態參數與顆粒物的相互作用，將各季節PM2.5和PM10日峰值時刻的平均濃度作為自變量，所選城市街區形態作為自變量，通過皮爾森（Pearson）雙變量相關分析定量化分析形態參數與顆粒物的關聯性。

3.2.1 城市街區形態與PM2.5的關聯性分析

根據相關性分析結果（圖7）可以發現，綠色空間指標與PM2.5在四季節均呈現出顯著且一致的相關關系，與GCR、MSI、LPI呈負相關，與PD呈正相關。綠色空間主要通過沉降、顆粒物改性以及擴散三種途徑緩解顆粒物污染。沉降作用即通過“吸附”或重力沉降等方式促使顆粒物在物體表面實現暫時或永久停留，植物可通過葉片表面的承載或葉片氣孔“吸收”，實現顆粒物的沉降[29]。改性是植物通過選擇性吸收顆粒物局部組分、微生物作用、化學凝固等方式改變粒徑、毒性等顆粒物固有特性[29]。而擴散是指植物利用自身特性改變顆粒物的軌跡、速度以及整個大氣在局部的運動模式，進而降低顆粒物濃度，并改變其成分。沉降是綠色空間消減顆粒物最主要的途徑，并且沉降和改性作用都是基于葉片與顆粒物發生接觸，因此，GCR越高，意味著植被量越大，植被可與顆粒物接觸的葉表面積越多，消減能力越強[29]。MSI反映了綠色空間斑塊形狀的復雜程度，斑塊形狀越復雜，邊界效應更明顯，復雜邊界的綠地能夠吸收更多不同來源的顆粒物。LPI和PD的影響機制相似，綠地斑塊越聚集、最大斑塊優勢度越高，可以加強斑塊間的連通性，提升綠色空間的穩定性，發揮更大的消減作用。

PM2.5僅在秋冬兩季與街區建筑形態指標相關關系顯著。表征建設強度的BD、FAR與PM2.5呈正相關，BD和FAR的消極作用可能因為建筑密度和容積率的增加導致建筑表面摩擦力的增加，促使風速降低，形成不利于顆粒物污染擴散的靜風區，這驗證了建筑建設強度對PM2.5濃度的不利影響。同時，VAH、AV與PM2.5呈負相關，這是因為建筑體量和建筑平均高度的提升可能形成峽谷效應，街谷是城市街道兩旁建筑與地面組合成的“峽谷”空間，當氣流由開闊區域流入街谷時，由于空流不能大量堆積，于是加速流過峽谷，風速增大，促進了PM2.5的分散。在風速較高的春季，PM2.5由于粒徑小、重量小的物理特征，相比建筑形態更容易受到風環境的影響，因此在春季PM2.5與建筑形態指標相關關系并不顯著。而夏季風速過低，在無風天氣下，建筑對PM2.5的影響被削弱，因此在夏季相關關系也不顯著。并且，一些街區形態指標與PM2.5之間在任何季節都沒有顯著的相關關系，比如反映建筑三維布局的SCD和SVF。

3.2.2 城市街區形態與PM10的關聯性分析

PM10與GCR在四季均呈負相關，與其余街區綠色空間指標僅在春冬兩季相關性較為顯著，與MSI和LPI呈負相關，與PD呈正相關（圖8）。在夏秋兩季，部分指標的相關性并不顯著可能與PM10污染程度相對較低有關，因為在污染濃度低的情況下，綠色空間布局的聚集性及形態復雜所發揮的消減作用被削減。同時在冬季，PM10與綠色空間指標的相關關系較為顯著，也表明植被即使在冬季進入休眠期或者落葉的衰敗狀態，仍對顆粒物有一定的消減作用。此外，PM10與街區建筑形態指標的相關關系僅在個別季節顯著，與BD在秋冬兩季呈正相關，與AHV在冬季呈負相關，與FAR在冬季呈正相關。這可能因為PM10粒徑更大，在春季更容易受到風環境的影響，高風速容易促進PM10的擴散，但也會產生揚塵，導致污染濃度上升，因此建筑形態與PM10的影響關系更為復雜，難以洞悉。并且與其他季節相比，夏季可能因為PM10污染濃度相對較低，所以相關關系并不顯著。RD與PM10在冬季顯呈顯著負相關，可能與冬季PM10污染程度較高，PM10的污染源中交通排放占比更高，交通排放的有害物質更容易與微小顆粒物結合而形成粒徑更大的PM10有關。

4 結論與討論

4.1 研究結論

本研究重點分析了濟南市主城區PM10和PM2.5濃度的時空變化特征，并且探討了城市街區形態對顆粒物濃度的影響。主要結論如下：

（1）顆粒物濃度具有明顯的季節性時空分異特征。顆粒物濃度呈雙峰型日變化，且具有顯著的U形逐月變化規律，PM2.5呈冬季高夏季低、春秋兩季居中，PM10呈春季高夏季低、秋冬兩季居中的季節性變化特征，且呈東南低、西北高的空間分布格局，高污染區域集中于交通和建筑密集區域，低污染區域主要分布于大型城市綠地旁。

（2）城市街區形態對顆粒物的影響在冬季最突顯，而在夏季顯著性最低。綠色空間指標與PM2.5在四季均顯著相關，與PM10僅在污染程度較高的春冬兩季顯著相關，建筑形態指標僅在秋冬兩季與顆粒物濃度相關關系顯著。相比于其他三季，夏季全年風速最低，建筑的阻擋作用被削弱，因此在夏季建筑形態與顆粒物濃度的相關性并不突顯。

（3）研究證實綠色空間的規模、布局和形態以及交通對顆粒物濃度有較大影響，其次是交通設施、建筑密度和建筑平均高度。城市綠色空間與顆粒物在4個季節均呈現顯著相關關系，且綠地覆蓋率、綠地最大斑塊指數和綠地斑塊形狀指數均呈正相關，綠地斑塊密度呈負相關。同時，建筑形態指標中，建筑密度、容積率與顆粒物污染呈正相關，建筑平均高度與建筑平均體積與顆粒物污染呈負相關。

4.2 優化策略

根據研究結論，提出以下緩解顆粒物污染的策略：

（1）重點調控關鍵區域街區形態。顆粒物濃度季節性空間分異特征明顯，應優先對關鍵區域進行街區形態的優化提升。立體交通設施附近的街區在所有季節都具有高污染特征，因此應重點優化此類區域的街區形態，整體把握污染擴散路徑與街區形態及各要素的關系，比如北園高架路、二環東高架、濟南市長途汽車總站、工人新村和八一立交橋等區域。

（2）增加高效消減綠色空間屏障。增大綠色空間的規模、布局緊湊度，以及形態復雜度是緩解顆粒物污染的核心策略[30]。加強綠色空間與建筑和道路等建成環境要素間的協同規劃[31]，將綠色空間設置在污染源盛行風的下側，形成高效消減顆粒物的綠色屏障，增加綠色空間的最大斑塊面積和空間連通性，提升常綠樹種占比，完善立體交通的三維綠化等都是緩解顆粒物污染的有效措施。

（3）優化促進消散建筑布局形式。優化建筑形態，有效促進顆粒污染物的消散。建筑物的垂直布局對風速影響較大，低密度高層建筑群相比于高密度低層建筑群具有更好的風環境，在建筑容積率一致的同時，增加建筑間距，可有效促進粒物污染的消散[9,15]。然而這不意味著追求絕對的建筑高度，相關研究表示減少建筑高度的同質性，即建筑高度不均勻，并且高度保持在60 m范圍內有利于確保風速大于1.3 m/s[32]。

4.3 研究展望

本研究重點關注高密度城市建成環境下顆粒物的時空變化特征，以及由綠色空間、建筑空間和道路三種主要空間要素構成的城市形態對顆粒物濃度分布的影響。由于數據來源的限制，未能考慮風速、溫度以及濕度等氣象環境指標對研究的影響，使得研究結論仍有一定的片面，因此本文在數據選取時也盡量避免因顆粒物數據天數較少而產生的偶然性，盡可能使用大量數據的平均值來消除掉眾多因素對顆粒物濃度變化的瞬時影響，后續的研究可將風速、溫度以及濕度等氣象環境要素考慮在內，消除微氣候的影響，使研究結果更科學。

注：文中圖表均由作者繪制。