园林绿地秋季温湿度与细颗粒物(PM2.5)浓度的关系研究——以北京玉渊潭公园为例

傅 凡 赵彩君 孙玉红 刘东骏 李彦民

1 研究背景

随着快速城市化的进程，中国城市越来越受到环境问题的困扰，特别是以PM2.5为代表的空气颗粒物污染问题，已经逐渐成为最受社会关注的环境问题之一[1]。我国学者自1997年开始发表PM2.5期刊论文，至今成果已经非常丰富。在Web of Science的搜索结果显示，截至2012年2月，我国PM2.5论文发表数量居世界第二位，仅次于美国[2]。由于北京严重的PM2.5污染问题，相关论文不在少数，包括北京大气PM2.5的来源与空间分布、年均浓度变化、与气候条件的关系等[3-6]。降减PM2.5颗粒物的主要方法有：1)减少PM2.5颗粒物排放及二次颗粒物的形成；2)通过吸附、重力过程干沉积；3)通过降水过程(雨雪)湿沉积；4)改善扩散条件等。

园林绿地在降减PM2.5颗粒物方面有一定的作用。研究发现，绿地率对PM2.5浓度变化有较大影响[7-8]，不同类型的绿地和植物对PM2.5的降减作用不同[9-14]。有学者提出利用园林绿地防控PM2.5颗粒物的可行性[15-17]，园林绿地可以通过直接或间接作用降减PM2.5颗粒物浓度。直接作用是通过植物叶片吸附、干沉积PM2.5颗粒物，阻滞PM2.5颗粒物扩散。李延明、李新宇等对植物滞尘规律进行了总结[18-19]，王国玉、白伟岚等提出了不同绿地消减PM2.5的典型植物配置模式[20]。间接作用是通过园林绿地改善城市风、热环境从而加速PM2.5扩散[21]或减少二次颗粒物的形成。北京[22]、武汉、南京、广州等城市已经或正在考虑规划城市绿色通风廊道，以吹散灰霾。但是，佟华等人的研究指出通风廊道只对上风方向的部分地区起作用，增加的城市中心的风场辐合也会对温度平流和污染输送造成阻碍[23]。研究表明园林绿地具有降低温度和形成小气候的作用[24-26]，而降低环境温度可以减少颗粒物气溶胶的形成[27]，从而间接改善PM2.5浓度。本研究重点关注热环境与PM2.5浓度之间的关系。

2 研究目的与方法

2.1 研究目的

本研究以北京市玉渊潭公园为例，研究秋季北京园林绿地内不同位置的温、湿度及PM2.5颗粒物浓度变化，以及温、湿度与PM2.5颗粒物浓度之间的关系。

图1 玉渊潭公园站点分布图(玉渊潭公园管理处提供)

图2 管理处站点9—11月温、湿度与PM2.5浓度

图3 湿地站点9—11月温、湿度与PM2.5浓度

图4 中堤北口站点9—11月温、湿度与PM2.5浓度

2.2 研究地点

玉渊潭公园是北京市属公园之一，位于西三环中路东侧，西邻钓鱼台国宾馆，南与中华世纪坛相接，是三环内面积最大的一处公园绿地，总面积136.69hm2，其中水域面积61.47hm2，有植物近20万株。玉渊潭公园场地平坦，地表类型、植被密度在不同区位存在差异，是进行研究的良好场所。

2.3 研究方法

图5 园艺队站点9—11月温、湿度与PM2.5浓度

在研究方法上采用多点位同步数据监测。监测设备采用SUMIOT-WSD500WG25室外温、湿度空气颗粒物监测仪，该仪器可以监测温度、湿度、PM1、PM2.5、PM10浓度等指标，并可全天候24h连续监测，具有数据完整、准确性高、即时查看的优点。本次监测仅记录温度、湿度、PM2.5颗粒物浓度，监测周期为2017年9—11月，监测频率为每小时1次。

时光荏苒，二十二岁时，青瓷简直美得惊心动魄！可是这美并未给她带来半点的好运，总有男人说喜欢她，总有男人想打她的主意，却没有一个男人上门提亲说要娶她。是母亲，连征得她同意都没有，就擅自作了主，将她嫁给一个不知情的外地人。

根据地表、植被情况的不同，在玉渊潭公园设置4个监测点(图1)，分别位于公园西北部的管理处，此处为玉渊潭公园管理处办公楼和中国网络电视台办公楼围合的院落，地表以硬质铺装为主，绿地可忽略不计；公园北部的新建人工湿地景区，此处地表中部以铺装和水体为主，外围以绿地为主，郁闭度较高；公园中部的中堤北口毗邻湖区开阔水体，地表为铺装，背侧为绿地，郁闭度较低；东北部园艺班外，此处地表为疏林草地，郁闭度适中。由于公园南部植被郁闭度高，且人流干扰多，不易监管，因此未设监测点。

表1 9—11月4个站点温度、湿度、PM2.5数据分析

表2 9—11月4个站点污染时间比例统计表

3 数据分析与讨论

1)温、湿度和PM2.5浓度汇总分析。

2017年9—11月，自然天数为91天，4个站点总计获得有效数据8 489组。4个站点3个月的数据显示温度呈逐月下降趋势；湿度11月明显低于9月，但受降雨影响10月湿度最高；PM2.5浓度波动频繁，包括了从优到严重污染各等级的污染状况，且严重污染时间逐月增加；微风(3级)及以上风力对PM2.5浓度的降减作用非常显著且快速，特别是PM2.5浓度大于100时；由于秋季以阵雨、小雨为主，降雨对PM2.5浓度的减降作用不明显(图2～5)。

数据分析显示，中堤北口站点3个月的平均温度(16.5℃)最高，其次是管理处站点(16.0℃)，园艺队站点和湿地站点较低，分别为15.6℃和15.4℃，说明绿地具有降温作用。中堤北口站点、园艺队站点和湿地站点的平均湿度分别是74.5%、71.6%、70.1%，而管理处站点仅为49.4%，说明水体、绿地为主的环境湿度要高于铺装为主的环境。PM2.5浓度平均值降序排列为中堤北口站点(99.1)、园艺队站点(98.5)、管理处站点(96.9)、湿地站点(93.6)(表1)。按照PM2.5污染等级划分，湿地站点空气质量为优的时数占比(43.1%)和优、良总时数占比(59.7%)高于其他站点；中度污染(10.8%)、重度污染(11.2%)和严重污染(2.2%)的时数占比均低于其他站点。中堤北口站点中度污染(11.2%)、重度污染(12.5%)和严重污染(3.5%)时数占比均超过其他3个站点(表2)。对于数据情况，可以做如下分析。(1)考虑三环路的机动车排放和路面扬尘是PM2.5的主要来源之一，中堤北口站点为开敞空间，与三环路之间缺少遮挡，且距离较近；其他3个站点与三环路之间都有建筑、树木遮挡，特别是管理处站点虽然距三环路距离最近，且绿地率极低，但是由于与三环路之间为建筑群，其PM2.5情况(浓度、优良时数占比、重度污染以上时数占比)好于中堤北口站点和园艺队站点，说明与污染源之间的隔离可能是减少PM2.5浓度的途径之一。(2)温度均值最低的湿地站点PM2.5浓度均值最低，优良时数占比最高，重度污染以上时数占比也最低；温度均值最高的中堤北口站点PM2.5浓度均值最高，重度污染以上时数占比也最高，但优良时数占比次低。说明排除绿地率可忽略不计的管理处站点，温度高的站点PM2.5情况较差，温度低的站点PM2.5情况较好。(3)从湿度看，均值最高的中堤北口站点PM2.5浓度均值最高，重度污染以上时数占比最高，优良时数占比次低；均值次高的园艺队站点PM2.5浓度均值次高，重度污染以上时数占比次高，优良时数占比最低；均值最低的管理处站点PM2.5浓度均值次低，重度污染以上时数占比次低，优、良时数占比次高。说明排除管理处站点，湿度高的站点PM2.5情况较差，湿度低的站点PM2.5情况较好(表1、2)。

2)温、湿度和PM2.5浓度的相关性分析。

为提升分析结果的可靠性，减少误差，对数据进行优化，排除微风(3～4级)以上风力和降雨对PM2.5颗粒物的影响，去掉31天微风以上风力和降雨天的数据，最终得到5 572组小时数据进行温、湿度和PM2.5浓度的相关性和日变化分析。

结果显示，温度与PM2.5浓度呈极弱负相关，相关系数为-0.01；湿度与PM2.5浓度为中度正相关，相关系数为0.52。 在分站点实时值的相关性分析中，各站点湿度与PM2.5浓度的相关性均高于4个站点的实时平均值，其中最高的是湿地和中堤北口站点，中度相关，相关系数是0.58。各站点温度与PM2.5浓度的相关性极弱(表3)。

不同温度条件下的相关性分析发现，湿度与PM2.5浓度的相关性在不同温度区间呈现较大差异，当温度≤0℃和≥30.1℃时，湿度与PM2.5浓度呈高度正相关，相关系数分别是0.94、0.82。但温度≤0℃区间的数据只有63组，需要采集更多数据以进一步检验；其次是20.1～30℃区间，湿度与PM2.5浓度中度正相关，相关系数为0.66；0.1～10℃和10.1～20℃区间湿度与PM2.5浓度的相关性均为低度，相关系数分别是0.44和0.40。总体来看，温度超过20.1℃，尤其是超过30.1℃和低于0℃的情况下，湿度与PM2.5浓度的相关性较强(表4)。温度是变化规律最恒定的气象要素，不同温度情况下，温、湿度与PM2.5相关性的研究旨在为将来不同季节温、湿度与PM2.5相关性研究提供支撑。

表3 4个站点温、湿度与PM2.5浓度相关性分析

表4 4个站点不同温度条件下温、湿度与PM2.5浓度相关性分析

表5 日均温、湿度与PM2.5浓度相关性

3)温、湿度和PM2.5浓度日变化分析。

⑰王绍媛、刘政:《国际投资协定中的竞争中立规则审视》，《哈尔滨工业大学学报》(社会科学版)2018年第5期。

9—11月4个站点温度日变化均呈现“一谷一峰”模式(图6)。6：00温度最低，随后温度开始升高，13：00—16：00达到峰值，此后逐渐降低。日最高温度峰值从高到低依次为中堤北口站点(22.1℃)、湿地站点(21.0℃)、管理处站点(20.5℃)、园艺队站点(20.1℃)；最高温度出现时间集中在园艺队站点(13：00)、湿地站点(14：00)、管理处站点(15：00)、中堤北口站点(16：00)。最低温度值从低到高依次为湿地站点(11.7℃)、园艺队站点(11.7℃)、管理处站点(12.8℃)、中堤北口站点(13.0℃)。

图6 9—11月各站点温度日均变化图

图7 9—11月各站点湿度日均变化图

图8 9—11月各站点PM2.5浓度日均变化

4个站点湿度日变化呈现出与温度相反的“一峰一谷”模式(图7)。湿度最高值均出现在5：00—7：00，随后湿度开始降低，在14：00—15：00达到谷值，此后逐渐升高。湿度峰值从高到低依次为中堤北口站点(87.4%)、湿地站点(85.4%)、园艺队站点(85.2%)、管理处站点(60.0%)。湿度谷值降序排列依次为中堤北口站点(60.4%)，其次是园艺队站点(56.4%)、湿地站点(54.4%)、管理处站点(37.9%)。中堤北口站点全天的湿度均高于其他3个站点，而管理处站点则显著低于其他3个站点。

PM2.5浓度的日变化显示白天污染程度较低，而夜晚污染程度较高(图8)。日波动呈现“一峰一谷”模式，4个站点0：00—6：00间，PM2.5浓度呈现波动，但趋势不明显，从6：00开始波动式缓慢下降，直至15：00左右达到谷值，随后伴随温度的降低和湿度的提升，PM2.5浓度开始上升，在22：00—23：00达到最高峰值。23：00—0：00之间数据缺乏连续性，原因是排除微风及以上天数和降雨天后，作为数据分析的天数据之间存在间断和不连续性。需要注意的是，在13：00左右有一次小的上升，形成一个小峰值。

从4个站点比较来看，湿地站点全天的PM2.5浓度均低于其他3个站点，中堤北口站点、园艺队站点和管理处站点平均每小时比湿地站点PM2.5浓度高5.9、4.9、3.7。总体而言，排除管理处站点，温度和湿度均值最高的中堤北口站点PM2.5浓度均值最高，温度和湿度均值最低的湿地站点PM2.5浓度均值最低。

利用日变化分析中的逐时平均值计算温度、湿度与PM2.5浓度的相关性发现，温度、湿度与PM2.5浓度全天相关性均为低度，温度为负相关，湿度为正相关；就分时段来看，15：00—23：00时段温、湿度与PM2.5浓度相关性最高，温度与PM2.5浓度为高度负相关，湿度为中度正相关；其次是6：00—15：00时段，温度与PM2.5浓度为中度负相关，湿度依然为中度正相关；相关性最低的0：00—6：00段，温、湿度与PM2.5浓度均为弱正相关。

4 结论

经过分析研究可以得出以下结论：1)秋季微风(3级)及以上风力对PM2.5浓度的减降作用显著且快速，特别是PM2.5浓度大于100时，说明扩散是降减PM2.5浓度的有效手段；2)秋季降雨对PM2.5浓度的减降作用不明显；3)整个监测周期内，湿度与PM2.5浓度为中度正相关；4)不同温度区间湿度与PM2.5浓度的相关性差异大，≤0℃和≥30.1℃区间相关度高；5)不同站点间比较，在站点具有一定的绿地率的前提下，温度高的站点PM2.5情况(浓度、优良时数占比、重度污染以上时数占比)差，温度低的站点PM2.5情况好；6)秋季PM2.5浓度在一天中的波动也呈现一定的规律性，夜晚高于白天，15：00—23：00时段温、湿度与PM2.5浓度相关性最高，温度与PM2.5浓度为高度负相关，湿度为中度正相关；7)与污染源之间的有效隔挡是减少PM2.5污染的手段之一。

由于PM2.5颗粒物来源、成分、成因复杂，影响因素广泛，后续还需要持续进行监测与分析，才能进一步发现温、湿度与PM2.5浓度之间的关系。

注：文中图片除注明外，均由作者绘制。