采暖季4种结构的城市绿地对PM2.5和PM10的调控作用

刘 宇，王晓立,，董 蓉，李素华，韩浩章,

1. 宿迁学院建筑工程学院，江苏 宿迁 223800；2. 南京林业大学生物与环境学院，江苏 南京 210095；3. 南京农业大学园艺学院，江苏 南京 210095

采暖季4种结构的城市绿地对PM2.5和PM10的调控作用

刘 宇1，王晓立1,2，董 蓉1，李素华1，韩浩章1,3

1. 宿迁学院建筑工程学院，江苏 宿迁 223800；2. 南京林业大学生物与环境学院，江苏 南京 210095；3. 南京农业大学园艺学院，江苏 南京 210095

为研究采暖季不同结构城市绿地对大气中PM2.5和PM10的调控作用及其与气象因子的关系，于2015年11月—2016年4月，选择滞尘效果较好的4种类型城市绿地和对照点，于07:00—21:00每隔2 h在4种绿地的中心位置同步观测其内部PM2.5、PM10、温度、相对湿度、风速以及光照强度，对比分析绿地内颗粒物质量浓度差异以及不同绿地类型对消减 PM2.5和PM10的作用。结果表明：采暖期4种结构城市绿地内PM2.5日均值大小表现为CK（112 μg∙m-3）＞乔灌草（108 μg∙m-3）＞大阔叶乔草（107 μg∙m-3）＞小阔叶乔草（106 μg∙m-3）＞针叶乔草（100 μg∙m-3），PM10为 CK（23 μg∙m-3）＞乔灌草（226 μg∙m-3）＞小阔叶乔草（224 μg∙m-3）＞大阔叶乔草（223 μg∙m-3）＞针叶乔草（211 μg∙m-3），CK 内 PM2.5和 PM10质量浓度显著高于其他绿地类型（P＜0.05）；PM2.5和 PM10小时均值变化区间分别为 81～133 μg∙m-3和 170～278 μg∙m-3，两者呈极显著相关（P＜0.01），都在09:00左右达到峰值，15:00左右达到最低值，而后至21:00一直呈上升趋势；采暖期PM2.5和PM10月均值稳步上升，但受大范围气象因素影响显著；观测期间，对PM2.5和PM10平均消减率按大小排序为针叶乔草＞乔灌草＞小阔叶乔草＞大阔叶乔草，且针叶乔草的消减率显著高于其他绿地类型（P＜0.05）；4种结构城市绿地对PM2.5和PM10的消减率都与温度呈显著负相关（P＜0.05），仅有PM2.5的消减率与湿度呈显著正相关（P＜0.05），与风速和光照相关性不显著。在城区绿地建设中，可加大针叶乔木的配置以降低大气颗粒物质量浓度。

采暖季；城市绿地；PM2.5；PM10

2015年冬季至2016年春季，江苏北部城市的采暖时间为11月中下旬—次年3月中旬，期间宿迁市区空气质量较差，轻度污染及以上日数达101 d（https://www.aqistudy.cn/historydata/index.php）。环境监测数据表明，颗粒物是大气的主要污染物（田刚等，2013），其中，粒径较小、比表面积较大的PM2.5对人体健康和大气环境危害更大（Chan et al.，1999；Pope et al.，2002），现已成为公众和政府共同关注的热点问题。城市绿地通过吸附和滞留悬浮在空气中的颗粒物，对减少空气颗粒物具有重要的作用（殷衫等，2007；吴志萍等，2008），被称为“天然的空气过滤器”（高金辉等，2007），能有效提高空气质量。近些年来，不同学者开展了大气颗粒物与城市绿地的相关研究，这些研究多集中在具体植物的滞尘效应（刘斌等，2016；李少宁等，2016）、不同植被阻滞大气颗粒物的效应（梁丹等，2014；童明坤等，2015；王轶浩等，2016）、颗粒物质量浓度在城市绿地内的季节变化规律（郭二果等，2010；王晓磊等，2014；刘宇等，2015）等方面；且研究地多为北京、重庆等大城市，而对中小城市关注较少。另一方面，采暖期间受居民供暖燃煤及气候因素的影响，城市空气污染愈发严重，雾霾天气频繁出现，对市民的健康和生活影响更大，而目前针对采暖季城市绿地对空气颗粒物的调控作用研究鲜见报道，苏北地区几乎没有。因此，研究采暖季城市绿地内大气颗粒物的时空变化特征对确定防治重点和制定相应对策都有一定的现实意义。

本文定量分析了苏北地区滞尘效果较好的4种结构城市绿地在采暖季对PM2.5、PM10的消减作用差异及其与温度、相对湿度、光照、风速等主要气象因子的关系，旨在为科学规划城市绿地和评价城市绿地消减大气颗粒物（PM2.5和PM10）的功能提供科学依据。

1 材料与方法

1.1 研究区概况

试验点设在江苏省宿迁学院东门游园内。宿迁位于江苏省北部，介于 33°12′17″N～34°24′38″N、117°6′19″E～119°12′50″E 之间，处于徐、淮、连的中心地带，是亚热带常绿阔叶林与暖温带落叶阔叶林的过渡地区，具有较明显的季风性、过渡性和不稳定性等特征。选择苏北地区滞尘效果较好的 4种绿地类型为研究对象，包括乔灌草、大落叶乔草、小落叶乔草、针叶乔草，依次用Ⅰ、Ⅱ、Ⅲ、Ⅳ代表，以无绿化覆盖的水泥广场地为对照（CK）开展研究，各样地内植物生长状况良好，详情见表1。

1.2 试验方法

气象因子能显著影响颗粒物浓度，尤其在雾霾天（张淑平等，2016），故选择与绿地内 PM2.5和PM10质量浓度相关的相对湿度、温度、光照强度和风速等气象因子进行分析研究。分别采用浙江托普仪器有限公司制造的 DJL-18温湿光三参数记录仪和天津市福元铭仪器设备有限公司制造的 DEM6型三杯风向风速表测定上述气象因子，同步采用OSEN-1A型粉尘检测仪测定空气中PM2.5和 PM10质量浓度，采样高度为人体呼吸高度（1.5 m处）。观测期为2015年11月—2016年4月，每月在上中下旬各取1个晴朗天，于07:00—21:00每隔2 h在4种结构城市绿地的中心位置进行同步观测，以无绿化的水泥广场为对照。

表1 4种结构城市绿地样地概况Table1 The basic situation of four types of urban green space

表2 4种结构城市绿地PM2.5和PM10日变化Table2 The PM2.5and PM10 diurnal changes of four types of urban green space

1.3 数据处理

1.3.1 指标的计算

4种结构城市绿地对PM2.5和PM10消减率的计算公式如下（郭伟等，2010；李新宇等，2014）：

式中，C0为对照的水泥广场内 PM2.5和 PM10质量浓度（μg∙m-3）；Ca为 4种结构城市绿地内的PM2.5和 PM10质量浓度（μg∙m-3）。

1.3.2 统计分析

在SPSS 21.0软件中通过t检验、单因素方差分析、偏相关性分析和回归方程分析确定4种结构城市绿地对PM2.5和PM10的调控作用及其与主要气象因子的关系，并采用最小显著差数法（LSD）检验数据之间的差异显著性；运用Excel 2007绘图。

2 结果与分析

2.1 4种结构城市绿地PM2.5和PM10时间变化规律

观测期内，4种结构城市绿地及 CK内 PM2.5和PM10日变化趋势基本一致，均在09:00左右出现峰值，15:00左右达到最小值，然后至21:00一直呈上升趋势（表2）。PM2.5和PM10在07:00—21:00间均值变化区间分别为 81～133 μg∙m-3及 170～278 μg∙m-3，两者呈极显著相关（R2=0.993，P＜0.01）。

对4种绿地类型及CK内PM2.5和PM10日均值进行t检验，发现CK内PM2.5和PM10都显著高于4种绿地类型（P＜0.05），但4种绿地类型之间颗粒物质量浓度日均值都无显著性差异，其中 PM2.5日均值表现为 CK（112 μg∙m-3）＞乔灌草（108 μg∙m-3）＞大阔叶乔草（107 μg∙m-3）＞小阔叶乔草（106 μg∙m-3）＞针叶乔草（100 μg∙m-3）；PM10日均值排序中，小阔叶乔草与大阔叶乔草的大小顺序与 PM2.5日均值略有不同，具体为 CK（235 μg∙m-3）＞乔灌草（226 μg∙m-3）＞小阔叶乔草（224 μg∙m-3）＞大阔叶乔草（223 μg∙m-3）＞针叶乔草（211 μg∙m-3）。虽然 CK 内颗粒物质量浓度明显高于其他观测点，但在15:00以后，多次出现绿地内颗粒物质量浓度高于对照点，特别是粒径较大的PM10。

由PM2.5和PM10月均值可知（图1），观测期间，大气颗粒物质量浓度较高，根据中国空气质量二级标准（PM10：150 μg∙m-3，PM2.5：75 μg∙m-3），除 11 月份外，其他月份都超标。从月变化趋势看，4种绿地类型与参照点基本一致，采暖季开始后，PM2.5和PM10质量浓度都开始升高，在 1月份达到峰值，2月份急剧下降，然后继续上升，采暖季结束后（4月份），PM2.5和PM10质量浓度开始下降。2月份的快速下降是由于该月苏北地区出现几场大范围雨雪，颗粒物随雨雪发生沉降，说明PM2.5和PM10受大气整体环境影响较大。

2.2 4种结构城市绿地对PM2.5和PM10的消减作用

将观测期内4种结构城市绿地对PM2.5和PM10的平均消减率进行对比分析（图2），由图可知，整体上，采暖季 4种结构城市绿地对 PM2.5和 PM10的消减率大小排序一致，表现为针叶乔草＞乔灌草＞小阔叶乔草＞大阔叶乔草。其中，针叶乔草对PM2.5和 PM10的消减作用显著高于其他绿地类型（P＜0.05），分别达到 11.39%和 11.44%，大阔叶乔草消减率最低，仅为4.36%和4.51%。大阔叶乔草为疏林绿地景观，一方面绿地内垂柳（Salix babylonica）为高大落叶乔木，在监测高度处（1.5 m）滞留大气颗粒物的冠层结构较少，另外林下产生的微小环境受气象因素影响大，滞尘能力较弱。

图2 4种结构城市绿地PM2.5和PM10消减率Fig.2 The PM2.5 and PM10 reduction rates of four types of urban green space

图1 4种绿地类型PM2.5和PM10月变化Fig.1 The PM2.5 and PM10 mouthly changes of four types of urban green space

2.3 消减率与气象因子的相关性

将4种结构城市绿地内PM2.5和PM10的消减率与气象因子进行偏相关性分析（表3），结果表明，两者的消减率都与温度呈显著负相关（P＜0.05），其中与大阔叶乔草呈极显著负相关（P＜0.01），将温度与绿地对PM2.5和PM10的消减率分别进行线性拟合（图 3），由图可知，数据分布分散，温度与绿地对PM2.5和PM10的消减率的r2分别为0.058和0.042，但两者与温度的P值都小于0.001，说明相关性分析可信度很高。另外，仅有 PM2.5的消减率与湿度呈显著正相关（P＜0.05），绿地对颗粒物的消减率与风速和光照的相关性不显著。

表3 消减率与气象因子的偏相关关系Table3 The partial correlation between abatement rate and meteorological factors

图3 消减率与温度散点图Fig.3 Reduction rate and temperature scatter plot

3 讨论

3.1 城市绿地内PM2.5和PM10浓度变化

一般认为，城市绿地内大气颗粒物质量浓度在日变化中存在“峰谷型”变化，但峰谷出现时间存在差异，主要受地理环境、人流量以及颗粒物来源等多因素影响（王晓磊等，2014）。郭二果等（2009）监测北京西山游憩林内PM2.5质量浓度，得知其日变化呈“双峰双谷”趋势，峰值出现在05:00—09:00和19:00以及次日03:00，谷值出现在15:00和05:00左右；而古琳等（2013）在游憩时段（05:00—19:00）对无锡惠山游憩林内4种粒径颗粒物进行监测，发现其变化呈“单峰单谷”型，高峰出现在07:00—09:00，低谷则出现在15:00—19:00。本研究中，PM2.5和 PM10在 09:00左右达到峰值，然后开始下降，在15:00左右到达最低点，然后开始上升，直至21:00一直呈上升趋势，与上述研究结果基本一致。

在观测期间，CK内PM2.5和PM10平均质量浓度明显高于其他观测点，但在15:00以后，多次出现绿地内质量浓度高于 CK。颗粒物随气流扩散，传输进入绿地内，而绿地对颗粒物的吸附、沉降达到饱和后，颗粒物开始在绿地内部累积，且绿地内局部小气候更为稳定，气流减弱不利于颗粒物扩散，随着整体颗粒物浓度逐步上升，出现绿地内颗粒物浓度高于外部的情况，这与陈俊刚等（2014）研究结果一致。

3.2 城市绿地对PM2.5和PM10的调控作用

城市绿地通过植被覆盖减少颗粒物来源，同时茂密的树冠可以减低风速避免形成二次扬尘，另外植物的叶、枝、树皮等都可以附着和黏附颗粒物，从而对颗粒物产生一定的调控作用（柴一新等，2002）。国内多位学者（张新献等，1997；周志翔等，2002；冯朝阳等，2007）研究表明，乔灌草、乔草结构滞尘能力比灌草和草坪结构强。本研究中，乔草和乔灌草绿地类型对PM2.5和PM10都有一定的消减作用，针叶乔草消减率最高，大阔叶乔草最低，且针叶乔草对PM2.5和PM10的消减率分别比大阔叶乔草高2.61倍和2.54倍。一方面本研究观测期为秋冬季，正处于阔叶乔木的非生长季，树叶凋落，其降尘能力减弱，且针叶树具有细碎的叶片形状和复杂的枝叶结构，易形成湍流（赵晨曦等，2013；Beckett et al.，2000），具有更强的沉降颗粒物的能力；另一方面，大阔叶乔草绿地类型的乔木枝下高较高，下层枝叶较少，对颗粒物和气溶胶的拦截能力较弱。然而，也有学者（Gardiner et al.，1997；Tiwary et al.，2006）认为，在一定范围内，绿地滞尘能力随风速增大而提高，大阔叶乔草型绿地的透风性促使其滞尘能力高于乔灌草等绿地类型，而本研究区风速在 0～2.5m∙s-1范围内变化，处于微风条件下，空气的水平扩散和垂直运动都受到限制，颗粒物在绿地内的扩散能力降低，易出现累积现象。

3.3 城市绿地内 PM2.5和 PM10质量浓度与气象因子关系

气象因素能显著影响颗粒物浓度，可加剧或减轻城市空气污染，特别在采暖期，燃煤等能源消耗显著增加，颗粒物源随之增加，结合气象条件易形成雾霾天气。大风可以通过水平输送和稀释扩散效应降低颗粒物浓度（吴兑，2012）；降雨通过惯性碰并过程和布朗扩散作用，捕获颗粒物和气溶胶粒子，使之从大气中清除（Han et al.，2014）；降雪虽不能迅速降低空气中颗粒物浓度，但降雪后晴朗天颗粒物质量浓度较之前显著下降。在采暖期的 11月—1月，观测点PM2.5和PM10平均质量浓度稳步上升，而 2月份苏北地区出现大范围雨雪天气后PM2.5和PM10质量浓度显著下降，其中乔灌草月均值质量浓度降幅分别达58.9%和58.3%。

城市绿地内颗粒物质量浓度与温度和湿度具有显著关系，但规律不一。赵晨曦等（2014）认为，冬季PM2.5和PM10都与温度和相对湿度呈极显著正相关；张志丹等（2015）认为城市绿地对空气PM2.5浓度的调控作用与空气相对湿度呈显著负相关。笔者与包红光等（2016）认为，绿地对PM2.5和PM10的调控与温度呈显著负相关；且本研究中仅有PM2.5的消减率与相对湿度呈显著正相关，这可能是在湿度上升的条件下，细粒子更容易吸附在水汽上，故其比可吸入颗粒物的响应更好。

4 结论

采暖季4种结构绿地内空气质量较差，PM2.5和PM10的变化规律基本一致，且月均值受大气整体环境影响大；总体上，采暖季 4种绿地类型对颗粒物都有一定的消减作用，消减率受温度影响显著，温度升高，消减率降低，与风速和光照的关系不明显；4种绿地类型中，针叶乔草对PM2.5和PM10的消减率分别达到11.39%和11.44%，显著高于其他绿地类型，在城区绿地建设中，加大针叶乔木的配置对降低大气颗粒物质量浓度具有积极意义。

BECKETT K P, FREER-SMITH P H, TAYLOR G. 2000. Particulate pollution capture by urban trees: effect of species and wind speed [J].G1obal Change Biology, 6(8): 995-1003.

CHAN Y C, SIMPSON R W, MCTAINSH G H, et al. 1999. Source apportionment of visibility degradation problems Brisbane (Australia)using multiple linear regression techniques [J]. Atmospheric Environment, 33(19): 3237-3250.

GARDINER B A, STACEY G R, BELCHER R E, et al. 1997. Field and wind tunnel assessments of the implications of respacing and thinning for tree stability [J]. Forestry, 70(3): 233-252.

HAN L J, ZHOU W Q, LI W F, et al. 2014. Impact of urbanization level on urban air quality: A case of fine particles (PM2.5) in Chinese cities [J].Environmental Pollution, 194: 163-170.

POPE C A, BURNETT R T, THUN M J, et al. 2002. Lung cancer,cardiopulmonary mortality, and long-term exposure to fine particulate air pollution [J]. Journal of the American Medical Association, 287(9):1132-1141.

TIWARY A, MORVAN H P, COLLS J. 2006. Modelling the size——dependent collection efficiency of hedgegrows for ambient aerosols [J].Journal of Aerosol Science, 37(8): 990-1015.

包红光, 王成, 郄光发, 等. 2016. 城市公园外侧防护林结构对外源PM2.5的消减作用[J]. 生态环境学报, 25(6): 987-993.

柴一新, 祝宁, 韩焕金. 2002. 城市绿化树种的滞尘效应——以哈尔滨市为例[J]. 应用生态学报, 13(9): 1121-1126.

陈俊刚, 毕华兴, 许华森, 等. 2014. 北京市道路防护林带内外 PM2.5质量浓度特征及与气象要素的相关性[J]. 中国水土保持科学, 12(3):1-8.

冯朝阳, 高吉喜, 田美荣, 等. 2007. 京西门头沟区自然植被滞尘能力及效益研究[J]. 环境科学研究, 20(5): 155-159.

高金辉, 王冬梅, 赵亮, 等. 2007. 植物叶片滞尘规律研究—北京市为例[J]. 北京林业大学学报, 29(2): 94-99.

古琳, 王成, 王晓磊, 等. 2013. 无锡惠山三种城市游憩林内细颗粒物(PM2.5) 浓度变化特征[J]. 应用生态学报, 24(9): 2485-2493.

郭二果, 王成, 郄光发, 等. 2009. 北京西山典型游憩林空气颗粒物不同季节的日变化[J]. 生态学报, 29(6): 3253-3263.

郭二果, 王成, 郄光发, 等. 2010. 北京西山典型游憩林空气悬浮颗粒物季节变化规律[J]. 东北林业大学学报, 338(10): 55-57.

郭伟, 申屠雅瑾, 郑述强, 等. 2010. 城市绿地滞尘作用机理和规律的研究进展[J]. 生态环境学报, 19(6): 1465-1470.

李少宁, 刘斌, 鲁笑颖, 等. 2016. 北京常见绿化树种叶表面形态与PM2.5吸滞能力关系[J]. 环境科学与技术, 39(10): 62-68.

李新宇, 赵松婷, 李延明, 等. 2014. 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, 23(4): 615-621.

梁丹, 王彬, 王云琦, 等. 2014. 北京市典型绿化灌木阻滞吸附 PM2.5能力研究[J]. 环境科学, 35(9): 3605-3611.

刘斌, 鲁绍伟, 李少宁, 等. 2016. 北京大兴6种常见绿化树种吸附PM2.5能力研究[J]. 环境科学与技术, 39(2): 31-37.

刘宇, 黄旭, 偶春, 2015. 夏季不同结构绿地空气PM2.5浓度与气候因子关系[J]. 西北林学院学报, 30(5): 241-245.

田刚, 黄玉虎, 樊守彬. 2013. 扬尘污染控制[M]. 北京: 中国环境出版社.

童明坤, 高吉喜, 田美荣, 等. 2015. 北京市道路绿地消减 PM2.5总量及其健康效益评估[J]. 中国环境科学, 35(9): 2861-2867.

王薇, 陈明. 2016. 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, 25(9):1499-1507.

王晓磊, 王成, 古琳, 等. 2014. 春季不同天气城市街头绿地内 PM2.5质量浓度分布特征研究[J]. 生态环境学报, 23(6): 972-978.

王晓磊, 王成. 2014. 城市森林调控空气颗粒物功能研究进展[J]. 生态学报, 34(8): 1910-1921.

王轶浩, 凯旋, 薛兰兰, 等. 2016. 重庆城郊森林植被调控大气 PM2.5和PM10的时空效应[J]. 生态环境学报, 25(10): 1678-1683.

吴兑. 2012. 近十年中国灰霾天气研究综述[J]. 环境科学学报, 32(2):257-269.

吴志萍, 王成, 侯晓静, 等. 2008. 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, 35(4): 494-498.

殷衫, 蔡静萍, 陈丽萍, 等. 2007. 交通绿化带植物配置对空气颗粒物的净化效益[J]. 生态学报, 27(11): 4590-4595.

张淑平, 韩立建, 周伟奇, 等. 2016. 冬季PM2.5的气象影响因素解析[J].生态学报, 36(24): 7897-7907.

张新献, 古润泽, 陈自新, 等. 1997. 北京城市居住区绿地的滞尘效益[J]. 北京林业大学学报, 19(4): 14-19.

张志丹, 曹治国, 贾黎明. 2015. 北京4种典型风景游憩林对林内PM2.5的调控作用[J]. 应用生态学报26(11): 3475-3481.

赵晨曦, 王玉杰, 王云琦, 等. 2013. 细颗粒物 (PM2.5) 与植被关系的研究综述[J]. 生态学杂志, 32(8): 2203-2210.

赵晨曦, 王云琦, 玉杰, 等. 2014. 北京地区冬春PM2.5和PM10污染水平时空分布及其与气象条件的关系[J]. 环境科学, 35(2): 418-427.

周志翔, 邵天一, 王鹏程, 等. 2002. 武钢厂区绿地景观类型空间结构及滞尘效应[J]. 生态学报, 22(12): 2036-2040.

Regulation of PM2.5and PM10in 4 Types of Urban Greenbelt in Heating Season

LIU Yu1, WANG Xiaoli1,2, DONG Rong1, LI Suhua1, HAN Haozhang1,3
1. Architecture and Civil Engineering of Suqian College, Suqian 223800, China;2. College of Biological and Environmental, Nanjing Forestry University, Nanjing 210095, China;3. College of Horticulture, Nanjing Agricultural University, Nanjing 210095, China

In order to study how urban green spaces of different structures regulate PM2.5and PM10and its relationship with meteorological factors in heating season, from November 2015 to April 2016, four kinds of dusk-blocking urban green spaces with control groups were selected to monitor their PM2.5, PM10, temperature, humidity, wind speed, light intensity every two hours from 07:00 to 21:00 in the central positions of four green spaces simultaneously. Then the particulate mass concentrations of different green space types with their reduction effects on PM2.5and PM10were compared and analyzed. The regulation of four kinds of urban green space on PM2.5and PM10and its relationship with main environmental factors were compared and analyzed. It was suggested that in heating season, daily mean values of the PM2.5were sorted: CK (112 μg∙m-3)＞Arbor-shrub-herb (108 μg∙m-3)＞Big-deciduous-herb (107 μg∙m-3)＞Little-deciduous-herb (106 μg∙m-3)＞Conifer-herb (100 μg∙m-3) and those of the PM10were sorted:(CK (235 μg∙m-3)＞Arbor-shrub-herb (226 μg∙m-3)＞Little-deciduous-herb (224 μg∙m-3)＞Big-deciduous-herb (223 μg∙m-3)＞ Conifer(211 μg∙m-3)). The value of the PM2.5and PM10in CK was obviously larger than the others (P＜0.05), The mean values of PM2.5and PM10at an interval of 2 h ranged from 81 to 133 μg∙m-3and 170 to 278 μg∙m-3respectively, presenting an extremely remarkable correlativity (P＜0.01), both of which reached the peak around 09:00 and the lowest value at about 15:00, then showing an increase trend till 21:00. After heating started, monthly mean values of PM2.5and PM10rose steadily, yet significantly affected by large-scale meteorological factors. There were no significant differences among the daily mean values of PM2.5and PM10in four kinds of urban green spaces, of which the average reduction rates were sorted by size: Conifer-herb＞Arbor-shrub-herb＞Big-deciduous-herb＞Little-deciduous-herb. Besides, the reduction rate of Conifer-herb exceeded those of other green space types remarkably. The reduction rates of the four green spaces on PM2.5and PM10had a significant negative correlation with the temperature (P＜0.05). Only the reduction rate of PM2.5was positively correlated with humility to a remarkable extent (P＜0.05), and its correlation with wind speed and light was not obvious. In the urban green space construction, the configuration of coniferous trees can be increased to reduce the mass concentration of atmospheric particulate matter.

heating season; urban green space; PM2.5; PM10

10.16258/j.cnki.1674-5906.2017.12.018

X173

A

1674-5906（2017）12-2134-06

刘宇, 王晓立, 董蓉, 李素华, 韩浩章. 2017. 采暖季4种结构的城市绿地对PM2.5和PM10的调控作用[J]. 生态环境学报, 26(12): 2134-2139.

LIU Yu, WANG Xiaoli, DONG Rong, LI Suhua, HAN Haozhang. 2017. Regulation of PM2.5and PM10in 4 types of urban greenbelt in heating season [J]. Ecology and Environmental Sciences, 26(12): 2134-2139.

国家星火计划项目（2013GA690424）；江苏省高等教育学会“十三五”规划课题（16YB186）；2017年度市级产业发展引导资金（科技创新资金）项目“雾霾天人体呼吸高度城市绿地对PM2.5等颗粒物消减作用研究及示范”

刘宇（1981年生），男，讲师，硕士，研究方向为风景园林规划与园林生态。E-mail: 718111060@qq.com

2017-09-04