城市绿化对空气质量的影响研究——以中国27个省会城市为例

张菁华 田盼立 刘 晓 杨 扬 王 可 王文杰,*

(1.东北林业大学森林植物生态学实验室，哈尔滨 150040； 2.中国科学院东北地理与农业生态学研究所城市森林与湿地研究组，长春 130102)

近年，我国城镇化迅速发展，城市空气质量严重恶化[1～2]。在2004年6月29日的《北京日报》中，首次出现“雾霾”一词。为了进一步的提高环境空气质量标准，2012年2月29日，我国发布新修订的《环境空气质量标准》，增加了细颗粒物(PM2.5)这一监测指标，同时修订空气污染指数API(Air Pollution Index)为空气质量指数AQI(Air Quality Index)。目前，我国城市空气污染的首要污染物是PM2.5，其次是PM10。这些颗粒污染物主要来源于化石能源的不充分燃烧。另外大量的机动车尾气的排放及粉尘在空间的停留也使城市的空气污染形式依旧严峻[3],主要污染物除了粉尘，也包括二氧化硫(SO2)、一氧化碳(CO)、二氧化氮(NO2)和臭氧(O3)等。最严重的是，单一污染物在空间发生一系列的物理和化学反应形成的复合污染物对人们的生活与健康产生极大的危害[4]。

城市化的绿色植被一直被认为是净化空气污染，降低污染源的重要手段[5～6]。生活在绿水青山且空气清新的环境里是我们一直追逐的梦想，也是我们的中国梦。城市的绿化水平和和效果的提升是我们一直的期望。城市的绿化率或植被覆盖率一直是提升城市绿色化关注的主要对象。然而其计算主要通过平面尺度计算，即绿色植被在城市区域中占有的面积。对于实际探测城市植被在区域中对于污染源的降解控制作用还有很大欠缺甚至不足。随着互联网及其技术应用的普及，基于网络大数据街景照片来计算城市的绿化率是一个非常高效且快速的方法。这一技术在国外的研究城市绿化方面已经较为普及，但是在我国研究中应用的还较少。这一技术主要是针对研究城市中的绿色植被在空间中的作用。以人的视觉为主体，通过在不同的方向和视角来采集城市中绿色植被来计算空间中绿色植被的占有率，这也被称为绿色指数(Greening view index,GVI)[7～9]。其主要的优势在于通过可视角度探究城市垂直绿化程度，进一步真实的反映了城市的绿化程度对于城市的影响，包括空气污染，噪声污染等待。相比于城市绿化率或者植被覆盖率的笼统的统计有了长足的进步和发展。

基于此，为了进一步的拓宽城市绿色水平与空气污染城市间差异比较及相关差异机制的认识，研究城市的环境空气质量与绿色指数之间的关系。我们在全国的27个主要省会城市，基于网络街景照片的绿色指数差异、空气主要质量指标(AQI、PM2.5、PM10、SO2、NO2、O3、CO)差异分析的基础上，探讨了二者相关关系。相关开创性的研究结果将为提升城市大气环境质量、改善绿化水平提供相关依据和考量。

1 研究地区与研究方法

1.1 研究区概况及空气质量监测

本文选取全国27个省会城市(表1)，没选择石家庄、银川、西宁和乌鲁木齐，是由于使用百度街景地图无法获得完整的街景照片，绿色指数计算有困难。27个地理位置分布从最南部的海口到最北边的省会哈尔滨；从最东部的上海到西部省会城市拉萨。

表1 所研究城市列表及每个城市监测点位置与监测点个数情况

本研究选取全国27个省会城市(表1)，共计208个空气质量监测站2016年全年的空气质量数据。每个城市有4～13个监测站。空气质量各项指标数据来自http://beijingair.sinaapp.com/。数据记录了从2014年5月13日起每小时AQI的实时值，PM2.5、PM10、SO2、CO、NO2、O3每小时平均浓度以及每天24小时平均浓度。本研究选取从2016年1月1日到2016年12月31日全年365天每天AQI、PM2.5、PM10、SO2、CO、NO2、O3的24小时平均值；基于此计算每个监测点2016年各项空气指标全年的平均值，以及每个城市全年的平均值。相关数据用于城市间差异比较以及与绿色指数相关关系。

作为一个综合的空气质量指数，空气质量指数AQI的计算方法如下：

首先将常规监测的几种空气污染物(PM2.5、PM10、SO2、NO2、O3、CO)浓度简化成为单一的概念性指数值的形式IAQIP。其计算公式如下：

(1)

式中：IAQIP为污染物项目P的空气质量分指数；CP为污染物项目P的质量浓度值；BPHi为相应地区的空气质量分指数及对应的污染物项目浓度指数表中与CP相近的污染物浓度限值的高位值；BPLo为相应地区的空气质量分指数及对应的污染物项目浓度指数表中与CP相近的污染物浓度限值的低位值；IAQIHi为相应地区的空气质量分指数及对应的污染物项目浓度指数表中与BPHi对应的空气质量分指数；IAQILo为相应地区的空气质量分指数及对应的污染物项目浓度指数表中与BPLo对应的空气质量分指数。

AQI=max{IAQI1,IAQI1,IAQI1,……,IAQI1}

(2)

式中：IAQI为空气质量分指数；n为污染物项目。

1.2 基于街景照片的绿色指数计算

参照李晓江等的研究方法，使用Python编写的程序以及百度地图提供全景静态图API(http://api.map.baidu.com/panorama/v2?ak=K83l9Zj3hSqNm990fGBIUYPhSBT1AtDd&width=400&height=300&location=‘+a+’,‘+b+’&heading=60&pitch=0&fov=60)，自动获取上述27个省会城市208个空气质量监测点(表1)，周围2公里正方形内，16个点360°全景图片。当所设定的点没有街景照片时，移动设定到周边有街景位置进行照片采集。每个地点共18张照片，采集方法为：垂直角度三个角度，即街景车上的相机相对于街景车辆向上45°、向下45°和水平角度0°；在水平方向上，采样范围是0°～360°，即在原地转一周的角度；考虑到人的中心视野范围是50°～60°，水平方向上每60°采集照片一张，即水平方向上采集6张照片(0°、60°、120°、180°、240°、300°)；这样3个角度*6张照片/角度=18张照片。详细的照片采集方法参照李晓江等的图5。每点18张照片使用如下公式的计算所有图片绿色所占比例，并求算平均值为绿色指数[10]：

(3)

式中：i是水平的6个角度；j为垂直方面上的3个角度；Areag-ij是指每个照片中绿色像素量；Areat-ij是指每张照片中所有像素的总和。

李晓江等对phyton程序计算与实际测量的绿色所占比例进行研究发现，二者相关性r=0.96和0.94[10]。本研究使用相同的程序进行绿色比例计算，没有再次进行检验。此外，人工复检Python程序自动下载的街景照片，如果照片采集位置是高架桥上或者是照片时间是冬季落叶季节，重新更换位置采集和夏季地面拍摄照片。如果采集站点没有适合照片，本研究放弃这一站点的数据。

1.3 数据处理

27个城市间的差异比较使用每个测定站16个点平均值代表所测定站点均值，每个城市的站点均值代表所测定的城市的绿色指数进行排序分析；与此类似，首先计算208个站点2016年全年均值，每个城市的均值按照每个城市的多个站点取算数平均值代表，基于城市均值进行各个空气指标的由高到低排序分析。

绿色指数与城市空气质量关系采用Pearson相关分析法进行确定。按照208个站点和27个城市分别进行相关分析。相关系数越大、显著性越大，说明绿色指数与空气质量关系越高。空气指数AQI与不同组成指标的相关性越高，说明这一测定指标对于AQI的贡献越大。

图1 27个省会城市绿色指数差异比较与排序 误差线为每个城市几个空气监测站平均值的标注偏差。Fig.1 Comparison and ranking of green viewing index differences in 27 provincial capital cities Error bars are the standard deviation of the monitoring station averages of green viewing index

图2 27个省会城市2016年空气质量差异比较与排序 空白图柱是27城市平均值；黑色图柱是每个城市的均值；误差线为每个城市几个空气监测站平均值的标注偏差Fig.2 Comparison and ranking of air quality index and its components in 27 provincial capital cities in 2016 Solid black column is average of different cities,while open white column is the average of 27 cities. Error bars are the standard deviation of the monitoring station averages.

2 结果

2.1 绿色指数城市间差异

27个省会城市绿色指数比较(图1)可以看出，济南市和重庆市的绿色指数最高，分别是11.70%和11.55%，呼和浩特市和拉萨市城市绿色指数最低，在4%～5%。有15个城市绿色指数高于全国平均水平，其中南宁最接近全国平均值。

2.2 空气质量相关指标城市间差异

AQI年度平均值最低的是海口市(AQI为39.66)，年平均峰值为郑州市(AQI为117.34)。在AQI的各项指标中，PM2.5、PM10、NO2以及SO2年平均最低的城市均为海口市，郑州和济南两个城市的各项指标都处于峰值或峰值附近(图2a)。

14个城市的PM2.5浓度高于全国平均水平，郑州市和济南市的PM2.5浓度分别为78.26和75.75 μg·m-3，约为最低城市——海口市(PM2.5浓度为21.06 μg·m-3)的3.72倍和3.60倍(图2b)。

12个城市的PM10浓度高于全国平均浓度88.21 μg·m-3，济南市(PM10=147.81 μg·m-3)和郑州市(PM10=144.09 μg·m-3)远高于其他城市。最低城市海口，相当于最高城市的27%(图2c)。

11个城市CO浓度高于全国平均水平，其中西安市最高(1.66 mg·m-3)，郑州市第三、济南市第六，分别比全国平均浓度1.05 mg·m-3高出0.45和0.20 mg·m-3。最低的二个城市是拉萨和海口，约为0.6 mg·m-3(图2d)。

16个城市NO2的浓度高于平均值，兰州市和郑州市最高，浓度分别为56.94和55.27 μg·m-3，兰州市比全国平均值高出15.54 μg·m-3。排名最低的两个城市是海口和拉萨，约为18和25 μg·m-3，是最高城市兰州的30%～45%(图2e)。

15个城市O3浓度的平均值高于全国的均值，整体排名和其它指标不同。峰值出现在南京市(125.59 μg·m-3)和上海市(123.76 μg·m-3)，最低的城市为哈尔滨市(77.08 μg·m-3)和海口市(88.36 μg·m-3)，郑州市和济南市以120.00和119.02 μg·m-3位居第四和第五(图2f)。

8个城市的SO2浓度高于全国平均，多数情况可以看出，地理位置位于中国北部城市的SO2浓度高于南部城市(北京除外)。例如，太原市SO2浓度为70.65 μg·m-3，远高于其他城市，郑州市和济南市居于第三位和第四位，西安市和天津市的平均值和全国平均值相接近，太原市比海口市高出12倍(图2g)。

2.3 绿色指数及空气质量相关性分析：城市间差异

每个城市绿色指数与不同空气质量指标均值相关关系城市间差异如图3所示，总体上来看，绿色指数与各空气质量指标的关系，可以分为三类，第一区域是负相关区域；第二个区域是不相关区域，往往相关系数很低(接近于0)；第三个区域是正相关区域。明显可以看出，不同省市、不同的污染指标往往表现出不一致的相关关系。

在AQI与绿色指数的关系中，沈阳市、南宁市、合肥市、杭州市等9个城市年均值与绿色指数都为负相关；兰州市、昆明市、贵阳市等13个城市二者之间呈正相关。

在PM含量与城市绿色指数的关系中，PM2.5兰州市、昆明市、贵阳市等11个城市变化一致，当绿色指数升高时，PM2.5的含量也随之升高；福州市、南宁市和武汉市等12个城市随绿色指数的升高，PM2.5的含量随之下降。合肥市、沈阳市和南宁市等12个城市的绿色指数升高时，PM10的含量逐渐减少，兰州、重庆、昆明等城市有着与之相反的关系。

当城市的绿色指数增加时，沈阳、上海、郑州等13个城市的CO含量逐渐减少，福州、海口、拉萨、哈尔滨等城市的CO含量也随之增加。NO2与绿色指数的关系，14个城市二者负相关，10个城市二者正相关。广州市、太原市、成都市等10个城市的O3含量随着城市绿色指数的增加而降低，上海市、武汉市、济南市等12个城市的O3含量随着城市绿色指数的增加而增加。SO2与绿色指数的关系中，基本可以分为3种情况，13个城市负相关，12个城市正相关，而全国均值、成都市和南宁市几乎不相关。

上述结果可以看出，沈阳市、南宁市、合肥市、杭州市、福州市、长春市和长沙市的城市绿色程度增加多伴随着改善城市空气质量，但是福州市的CO含量有增加的风险。然而，增加兰州市、昆明市、贵阳市、西安市、拉萨市、天津市、哈尔滨市、南昌市、呼和浩特市、海口市、南京市和济南市的城市绿色程度，有可能使城市空气质量AQI下降或某一些指标更差。在武汉市和上海市，增加绿色程度与空气中O3浓度增加紧密相关(P<0.01)；广州市绿色程度提升，NO2的浓度随之增加(P<0.05)，而O3减少(P<0.05)；重庆市增加城市的绿色程度可以显著减少SO2含量(P<0.05)(图3)。

图3 绿色指数与不同空气质量指标均值相关关系城市间差异比较 *表示相关性在0.05水平上显著；**表示相关性在0.01水平上显著Fig.3 Relationship between green viewing index and mean value of different air quality indexes * indicates that the correlation is significant at the level of 0.05; ** indicates that the correlation is significant at the level of 0.01

空气质量指数AQI细颗粒物PM2.5可吸入颗粒物PM10一氧化碳CO二氧化氮NO2臭氧O3二氧化硫SO2全国208站点相关分析Total 208 station analysis绿色指数Greening view index0.0890.1250.0810.0210.0280.0190.016空气质量指数AQI0.957∗∗0.947∗∗0.769∗∗0.653∗∗0.308∗∗0.398∗∗细颗粒物PM2.50.840∗∗0.695∗∗0.667∗∗0.258∗∗0.347∗∗可吸入颗粒物PM100.780∗∗0.604∗∗0.301∗∗0.458∗∗一氧化碳CO0.544∗∗0.0870.417∗∗二氧化氮NO20.202∗∗0.265∗∗臭氧O30.22927个城市均值相关分析Total 27 city average analysis绿色指数Greening view index0.3650.477∗0.2780.2410.411∗-0.114-0.098空气质量指数AQI0.964∗∗0.956∗∗0.827∗∗0.825∗∗0.417∗0.502∗∗细颗粒物PM2.50.861∗∗0.774∗∗0.843∗∗0.3280.454∗可吸入颗粒物PM100.838∗∗0.755∗∗0.447∗0.553∗∗一氧化碳CO0.718∗∗0.1650.588∗∗二氧化氮NO20.419∗0.319臭氧O3-0.022

注：*表示相关性在0.05水平上显著(双尾)；**表示相关性在 0.01 水平上显著(双尾)

Note:*indicates that the correlation is significant at the level of 0.05;**indicates that the correlation is significant at the level of 0.01 level

2.4 空气质量相关指标、绿色指数相关分析：整体数据分析

表2可以看出，全国208个站点数据相关分析与27个城市均值的相关分析结果基本一致。随着城市绿色程度的升高，PM2.5和NO2的含量增高趋势最为明显，其中27城市均值达到显著水平(P<0.05)；与此不同，O3和SO2的相关性最弱。

AQI与所有指标(PM10、PM2.5、NO2、CO、O3、SO2)都具有显著相关性，其中相关性最高的是PM2.5和PM10，与O3和SO2相关性最弱。这种趋势27个城市均值与208个站点均值具有类似趋势(表2)。

颗粒物PM与NO2、CO、O3、SO2多存在显著正相关性，显示颗粒物在污染中的重要中介作用。其中与CO、NO2相关性较高，与O3、SO2相关性较弱，27个城市均值数据与208个站点均值数据具有类似的趋势(表2)。

四种污染气体NO2、CO、O3、SO2的相关性存在差异，主要表现在：NO2和CO具有更高的相关性，而其它关系较弱，如O3、SO2几乎没有相关性(表2)。

3 讨论

3.1 城市绿化越好并不一定代表城市空气污染越低：超出绿色植被的净化范围

我们原来假设认为，越是绿色的城市可能空气污染程度越低，现在的结果来看，很多城市并不存在这一规律。如：兰州、昆明、贵阳、西安等城市普遍存在着城市绿色程度越高，空气污染各指标越高的现象(图3)；整体分析数据也表明，全国208站点、27个城市PM2.5与城市绿色指数存在着较为明显的正相关关系(表2)。

绿色植物能够滞尘降低污染功能，但是其净化功能存在上限，现在多数城市的污染可能是超出了绿色植被净化的范围。陈上杰等对21种植物、3种粒径颗粒物(PM10、PM2.5和PM1)的累积吸附量研究表明：植物的对空气中颗粒物的累积吸附量先迅速增加，之后增加速度逐渐减缓，最后达到最大限值且稳定下来[11]。王玲等对12种乔木对SO2和NO2的吸收能力研究表明：当空气中SO2达到一定浓度值(4或8 mg·L-1)，植物对SO2的吸收量达到最高值，而NO2浓度较低时，几种植物对其有一定的吸收能力，当NO2浓度较高时，吸收能力减弱甚至没有[12]。在城市绿色植被净化空气污染总量方面，张维康等研究发现，针叶树种冠层叶片可以清除PM103.18～18.60 kg·hm-2·a-1，PM2.51.27～8.19 kg·hm-2·a-1；而阔叶树种可以清除PM100.89～19.04 kg·hm-2·a-1，PM2.50.54～4.97 kg·hm-2·a-1[13]。这就意味着，当污染排出量超过这一范围时，绿色植被的净化功能将不能体现在空气质量的提高上面。此外，绿色程度与空气污染的正相关也有可能与绿色植被往往可以一定程度上降低风速，影响了污染空气快速扩散。

人们向往生活在绿色城市之中，除了希望空气污染物少之外，还有更多的益处，因此不能贬低城市绿化的功能。比如街道绿化的功能包括固碳和释放氧气，改变土壤理化性质，空气污染物吸收，降温、增湿，减少噪音污染和减少暴雨、降低血压和稳定情绪等[14～18]。

3.2 特定城市绿色有助于空气质量改善：原因及启示

本研究的一个初始目的是通过城市对比，找到一些规律，对未来城市管理提出建议。本研究另外一个发现是在某一些特定的城市，城市绿色与城市空气质量存在负相关关系。其特征及相关启示如下：

首先，这种相关性差异没有存在明显的区域特征。PM及空气质量指数与绿色指数关系来看，沈阳市、南宁市和合肥市等城市存在负相关关系，而兰州市、昆明市和贵阳市等城市则存在正相关关系。这些结果意味着在这两类城市增加城市绿化可能意味着完全相反的空气质量和PM变化。绿色植被在滞尘方面的功能是毋庸置疑的，产生这样的关系很可能和其它过程耦合。比如过量排放问题，与日本、美国和印度等比较，我国2001年加入世贸后中国空气污染物中硫氧化物(SOX)、氮氧化物(NOX)、挥发性有机污染物(VOCs)和PM2.5急剧上升[19]。气候因素也显著影响污染稀释进程，大气扩散指数与PM10、PM2.5及年霾日数之间呈显著负相关，当大气扩散指数增大时，大气颗粒物浓度和年霾日数均下降[20]。

其次，某一些城市特定指标，存在统计学显著线性相关性，如：增加武汉市和上海市的绿色程度将有可能伴随着空气中O3浓度增加；而增加广州市绿色程度有可能伴随NO2浓度增加、而O3降低；增加重庆市的绿色程度伴随着显著减少SO2含量。国际经验说明，臭氧污染有继PM污染之后的严重污染，具有更难防治的特点，臭氧形成主要是氮氧化物(NOx)与挥发性有机物(VOCs)在高温和强光条件下发生光化学反应而形成[21]。最新研究表明，绿色植被排放的VOCs可能有助于O3的形成[22～23]。我们的研究发现，在多数城市没有这种趋势；武汉和上海是否存在明显的正相关，尚需要更加直接的证据探讨是否与绿色植被有关。

此外，应该继续加强城市绿化与空气污染关系研究，减少不确定性。本研究使用的绿色指数研究方法，采样量大(每一点18张照片，囊括了360度的圆球体，每一个空气监测站2 km理论最大测定点是16个点，间距为500 m)，这样的测定保证了绿色水平具有客观性和可靠性[7,10]。在空气质量监测方面，208个站点采用国家统一的标准进行测定，理论上也是可信可靠的。进一步研究将有助于不确定性的降低，比如，结合其他污染物排放指标、气候指标(温度、降雨、湿度、风速)与地理位置特征(海拔与地理坐标)进行分析、开展夏季和冬季差异研究，基于现有明显的污染改善进行多年度分析等，将有助于提升城市绿化和空气污染管理。

4 结论

通过对27个省会城市、208个空气污染监测站点的研究显示，济南市和重庆市的绿色指数最高，呼和浩特市和拉萨市的城市绿色指数最低；海口市有最好的空气质量，而郑州市和济南市的空气质量最差。随着城市绿色程度的增加，沈阳市等7个城市的城市空气质量将伴随着改善，然而兰州市等13个城市空气质量下降或导致空气质量更差。从全国水平看，随着城市绿色程度的升高，PM2.5和NO2的含量也随之显著升高。尽管大量研究已经表明，城市绿化能够起到滞尘降低污染的作用，但是目前我国主要城市的空气污染程度，仅仅依靠城市绿化改善城市空气质量远远不够，甚至有不利于城市空气质量改善的作用(阻碍空气流通)。上述研究结果为科学规划城市绿化与改善提升空气质量提供基础数据支撑。