koorio.com
海量文库 文档专家
当前位置:首页 >> 数学 >>

北京海淀区绿色空间PM


网络出版时间:2016-05-19 13:44:57 网络出版地址:http://www.cnki.net/kcms/detail/21.1253.Q.20160519.1344.021.html

DOI: 10.13287/j.1001–9332.201608.000

北京海淀区绿色空间 PM2.5 滞尘服务模拟
刘文平 1

宇振荣 2*

(1 华中农业大学园艺林学学院,武汉 430070;2 中国农业大学资源与环境学院,北京 100193) 摘要 绿色空间能够有效吸附空气中的颗粒悬浮物,具有极其重要的 PM2.5 滞尘作用。本研究基于植被的

PM2.5 滞尘机理,提出了绿色空间的滞尘服务量化方法,并对北京市海淀区绿色空间的 PM2.5 单日累积滞尘 量,以及不同景观类型冬季、夏季和年滞尘总量进行了空间量化和对比研究。结果表明:海淀区绿色空间 冬季的滞尘服务频率和最大单日滞尘量均低于夏季。 全年来看, 海淀区西部山林景观平均滞尘服务值最高; 北部平原区由零散的林地斑块和农田斑块构成的田园景观年滞尘服务总量则最大;而南部城区除几个零星 的公园绿地斑块外,大部分区域的滞尘服务是全区的最低水平。PM2.5 滞尘服务模型能够快速定量化绿色 空间的滞尘量及其空间分布,对城市绿化建设及 PM2.5 大气污染治理具有重要作用。 关键词 绿色空间;PM2.5;滞尘服务;模拟;海淀区

Simulation on PM2.5 detention service of green space in Haidian District, Beijing, China. LIU Wen-ping1, YU Zhen-rong2* (1College of Horticulture & Forestry Sciences, Huazhong Agricultural University, Wuhan 430070, China; 2College of Resources and Environmental Sciences, China Agricultural University, Beijing 100193, China) Abstract: Green space plays an important role in reducing PM2.5, since it can efficiently absorb suspended particles in the air. A quantificational method of dust detention service of green space was proposed in this study, based on the mechanism of PM2.5 reduction by plant. Daily, summer, winter and whole year cumulative dust amounts reduced by green space with different landscape types of Haidian District, Beijing, were quantified. The results showed that both of dust reduction frequency and daily cumulative dust amount in winter were considerably lower than those in summer. Mountain woodlands in the west of Haidian District provided the highest average PM2.5 reduction service, and the fragmented agricultural and forest landscapes in the northern plains provided the highest total dust detention service, while the southern area had the lowest dust detention service except for several parks. PM2.5 detention service model was very useful to quickly quantify how much dust could be reduced by green space and where were these services, which was very important for the development of urban green space and improvement of air quality. Key words: green space; PM2.5; dust detention service; simulation; Haidian District.

本文由国家自然科学基金项目 (51508218) 和中央高校基本科研业务费专项 (2662015QC025, 2662015BQ010) 资助 This work was supported by the National Natural Science Foundation of China (51508218) and the Fundamental Research Funds for the Central Universities (2662015QC025, 2662015BQ010).
2015-12-01 Received, 2016-05-09 Accepted *通讯作者 Corresponding author. E-mail: yuzhr@cau.edu.cn

近年来,随着中国城市化进程的快速推进、燃煤和机动车尾气排放的大量增加,PM2.5 等可吸入颗粒 物所致的空气污染已成为多数城市最严重的环境问题之一[1-3]。 可吸入颗粒物会诱发心肺疾病、 侵害人体呼 [4-5] 吸系统等 ,对人体健康有严重威胁。绿色空间是城市中具有净化空气污染功能的重要组成部分,无论是 植物个体还是绿地斑块,均可有效吸附、粘滞空气中的颗粒悬浮物,提供非常重要的 PM2.5 滞尘服务[6-7]。 全面了解城市中 PM2.5 滞尘服务的空间分布及其量化特征,对城市绿化建设及应对可吸入颗粒物空气污染 具有重要意义。 目前, 国内外已对多种植物和不同类型的绿地斑块的滞尘能力进行了定量化研究[8-9], 且对这种滞尘能 [10] 力的多种影响因素进行了探讨 。多项研究表明,叶面积大小、绒毛密度、枝叶密度、树体结构甚至蒸腾 作用、土壤水分状况等均会影响单株植物的滞尘效率[11-12]。而不同结构类型的绿地斑块,如草坪、单层乔 木绿地、 单层灌木绿地和乔灌草复层绿地在稀释、 分解、 吸收和固定 PM2.5 颗粒物方面的能力有所差异[13]。 除受绿地结构、绿地类型影响外,不同季节、不同时间、不同气象条件等也会影响植物和绿地斑块的滞尘 服务[14-15]。如同一区域在同一年份内,夏季和冬季的绿地滞尘量具有显著差异[16]。总体来看,虽然当前研 究定量化地给出了多种植物和绿地类型的滞尘能力,但因各研究地气候、土壤、水文等条件以及研究时间 的不同,使得不同类型植物和绿地斑块的滞尘结果不尽一致,也难以相互比较从而获得比较一致的滞尘规 律。 因此, 当前植物滞尘服务研究依然停留在一个小尺度区块内有限的几种植物或绿地斑块的滞尘量比较, 如城市等中大尺度的滞尘服务量化研究还未深入探讨。 植物 PM2.5 滞尘服务的已有量化方法中, 一种是通过称量法对单株植物的滞尘量进行测定[3,17], 从而估 算整个绿地斑块的滞尘量。这种方法对植物的滞尘能力量化精确度高,但仅适用于有限的几种植物滞尘能 力的测定,难以应用到绿地斑块综合滞尘效益的量化。植物 PM2.5 滞尘服务的另一种方法是通过比较相同 条件下绿地与非绿地斑块中 PM2.5 含量,从而确定绿地斑块的滞尘量[18]。由于不同绿地斑块间所处的气象 条件 (如风速、 温湿度等) 不同, 同一区域尺度下不同类型绿地斑块之间的滞尘效率难以统一并进行比较, 也较难应用到整个城市尺度的滞尘服务量化研究中。因而,有必要探讨一种能够快速、全面量化大尺度区 域滞尘服务的方法。本研究即是在此背景下,以北京市海淀区为研究区,基于已有的植物滞尘影响机理建 立滞尘服务模型,从而快速对大尺度区域绿地滞尘服务进行模拟量化,而不再拘泥于某几种单株植物或某 几个绿地斑块,以期对城市绿地建设应对可吸入颗粒物空气污染问题提供参考。 1 研究地区与研究方法 1.1 研究区概况

海淀区地处北京市主城区西北方向,总面积 430.76 km2。全区地势西高东低,西部以低山丘陵为主, 约占全区总面积的四分之一; 东部与中部为由清河洪积扇与永定河洪积扇组成的平原区。 截至 2010 年底, 2 全区拥有建设用地 245.6 km ,占土地总面积的 57.0%。海淀区属大陆性季风气候,2010 年平均气温为 12.3 ℃,年均降水量为 483.4 mm。 1.2 PM2.5 滞尘模型 植物对 PM2.5 的滞尘能力受多种因素影响,Nowak 等[1]对美国 10 个城市中不同植被的 PM2.5 滞尘研究 进行综述,提出了一个由污染物浓度和污染物沉降到叶表面的速率共同表征的植被滞尘服务模型(式 1) , [6] 而污染物沉降到叶表面的速率则与风速、滞尘返还率密切相关 。基于以上成果,本研究提出由污染物浓 度、污染物沉降到叶表面的速率、叶面积、滞尘返还率、滞尘时间共同决定的绿色空间滞尘模型(式 2) 。

由于本研究只关注绿色空间的滞尘服务且绿色空间信息由遥感影像(2010 年 7 月 SPOT5,2.5 m 分辨率) 解译和实地调查获得,模型中叶面积通过叶面积指数与绿色植被面积获得,而绿色空间面积则由单位土地 面积内的植被覆盖度决定。 F=Vd?C (1) -2 -1 式中:F 为单位时间内单位面积污染物的吸附量(μg·m ·h ) ;Vd 为污染物沉降到叶表面的速率(m·h-1) ; -3 C 为污染物浓度(μg·m ) 。 YPM2.5=v?d?LAI?c?(1-r)?t (2) 式中:YPM2.5 为单位土地面积内绿色空间对 PM2.5 的滞尘量(μg·m-2) ;v 为污染物 PM2.5 沉降到叶表面的速 率(m·h-1) ;d 为污染物 PM2.5 浓度(μg·m-3) ;LAI 为植被叶面积指数;c 为植被盖度;r 为植被滞尘同时 向空气中的返还率;t 为滞尘时间(h) 。 1.3 模型参数的计算 1)PM2.5 沉降到叶表面的速率(v)和植被滞尘返还率(r)取值采用 Nowak 等[1]研究得出的不同风速 下植被滞尘速率和返还率(表 1)[1]。
表 1 不同风速单位叶面积植被滞尘速率与返还率 Table 1 Deposition velocities and percent resuspension by wind speed per unit leaf area
风速 Wind speed (m·s-1) 0 1 2 3 4 5 6 7 8 9 10 11 12 13 平均值 Average 0.00 0.03 0.09 0.15 0.17 0.19 0.20 0.56 0.92 0.92 2.11 2.11 2.11 2.11 滞尘速率 Deposition velocity (cm·s-1) 最小值 Minimum 0.00 0.01 0.01 0.02 0.02 0.03 0.03 0.06 0.08 0.08 0.57 0.57 0.57 0.57 最大值 Maximum 0.00 0.04 0.16 0.29 0.35 0.41 0.48 1.51 2.53 2.53 7.37 7.37 7.37 7.37 返还率 Resuspension(%) 0 1.5 3 4.5 6 7.5 9 10 11 12 13 16 20 23

由于不同植被组成结构对风速有不同的减弱作用[19], 同一时刻海淀区不同区域条件下的风速也有所差 异。植被表面风速是影响植被滞尘速率的主要因素,本研究通过流体力学软件 Fluent6.3.26 模拟获得 50 m×50 m 内不同植被结构对风速的减弱作用,从而获得不同植被结构条件下的植被表面风速。基于海淀区 遥感影像和实地景观调查, 共确定 23 种植被景观结构模式 (表 2, 图 1) 。 软件使用的植物三维模型由 Gambit 2.3.16 软件构建。植物模型构建时,乔木树冠以高 4 m、长宽各 3 m 的长方体构建,乔木树干以高 2.5 m、 直径为 0.3 m 的圆柱体构建;灌木则构建为直径 2 m 的球体。采用此模型模拟各植被景观模式在风速 1~13 m·s-1 情况下的减弱作用,并将模拟得到的平均风速作为植被滞尘公式中滞尘速率和返还率的选择依据。
表 2 研究区现存植被结构模式 Table 2 Vegetation structure modes in study area
植被结构 Vegetation structure 代码 Code FS1 FS2 FS3 FS4 FT1 FT2 FT3 FM1 FM2 FM3 TP1 TP2 TP3 ST1 ST2 描述 Description 灌木间距 3 m 灌木间距 5 m 灌木间距 7 m 灌木间距 9 m 乔木间距 6 m 乔木间距 8 m 乔木间距 10 m 乔木间距 6 m,灌木插入两行乔木之间,灌木间距 3 m 乔木间距 8 m,灌木插入两行乔木之间,灌木间距 3 m,插入 1 棵灌木在两棵乔木之间 乔木间距 10 m,灌木插入两行乔木之间,灌木间距 3 m,插入 2 棵灌木在两棵乔木之间 纯乔木,数量同 ST1/ST4 纯乔木,数量同 ST2/ST5 乔灌木,数量同 SM5 单行两排乔木,乔木间距 4 m 双行两排乔木,乔木间距 4 m

行列式 Determinant structure

点状 Dot structure 条带式 Strip structure

植被结构 Vegetation structure

代码 Code ST3 ST4 ST5 SM1 SM2 SM3 SM4 SM5

描述 Description 三行单排乔木,乔木间距 4 m 单行两排十字交叉,乔木间距 4 m 双行两排十字交叉,乔木间距 4 m 单行两排乔木,灌木插入两个乔木中间,与乔木一条直线,乔木间距 4 m 单行两排乔木,单行灌木另起一行紧邻乔木,乔木间距 4 m 三行单排乔木,两行灌木分别插入三行乔木中间,乔木间距 4 m 单行两排十字交叉,灌木另起一行,乔木间距 4 m 双行两排十字交叉,灌木另起一行紧邻乔木,乔木间距 4 m

图 1 海淀区植被结构分布现状 Fig.1Distribution of vegetation structure of Haidian District. 不同结构植被类型的代码见表 2 Codes of vegetation types with different structure were in Table 2. 下同 The same below.

2)污染物浓度(d)取 2010 年海淀区 PM2.5 年平均浓度(70 μg·m-3,环保部监测数据) 。植被盖度(c) 由单元网格内植被覆盖面积占单元网格面积的百分比表征。 3)植被叶面积指数(LAI)的计算是基于孙鹏森等[20]对不同植被类型(针叶林、针阔叶混交林、落叶 灌从、常绿灌丛、阔叶林、农田、草甸)LAI 和植被归一化植被指数(NDVI)之间的关系式(表 3) ,通 过海淀区夏天和冬天的 NDVI 计算获得。其中,夏季和冬季 NDVI 均由分辨率 30 m 的 TM 遥感影像计算 获得(夏季影像获取时间为 2010 年 8 月 8 日,冬季影像获取时间为 2010 年 3 月 9 日) 。不同植被类型数 据是在绿色空间遥感影像解译的基础上结合实地调研获得。本研究假设北京地区 5 月叶全部展开,11 月阔 叶树叶全落。因而,夏季 NDVI 结果用于 5 月 1 日—11 月 1 日期间的滞尘计算;冬季 NDVI 结果用于 1 月 1 日—4 月 30 日和 11 月 1 日—12 月 31 日期间的滞尘计算。每天的滞尘时间按 24 h 计。
表 3 基于 NDVI 的不同植被类型 LAI 算法[20] [20] Table 3 Land cover-specific NDVI to LAI converting algorithms
植被类型 Vegetation type 针叶林 Coniferous forest 针阔混交林 Mixed broadleaf-conifer forest 温带落叶灌丛 Temperate deciduous shrub 回归方程 Regression equation LAI=1.8(NDVI+0.069)/(0.815-DNVI) LAI=4.689NDIV/(1.181-NDVI) LAI=8.547NDVI-0.932 R2 0.346 0.592 0.583

高山常绿灌丛 Mountain evergreen shrub 阔叶林 Broad-leaved forest 农田 Cropland 高山草甸 Alpine meadow

LAI=9.174NDVI-0.648 LAI=7.813NDVI+0.789 LAI=6.211NDVI-1.088 LAI=3.968NDVI+1.202

0.715 0.732 0.760 0.871

4)为便于统一计算,对所有模型参数数据进行网格化处理,网格大小取 320 m×320 m。 1.3 PM2.5 滞尘量统计 研究认为,当降雨量大于 0.2 mm 时,降雨可将植被叶片上的灰尘全部冲刷入土壤中;当降雨量小于 0.2 mm 时,降雨量与植被叶片上的灰尘凝结在一起,待其干燥后,灰尘仍然可能会返回空气中[21]。本研 究认定,只有冲刷入土壤中的叶片滞尘量才能作为植被的滞尘服务结果。因此,如果当天不降雨或降雨量 小于 0.2 mm,植被滞尘量不作为滞尘服务结果进行统计,而是累积进入第 2 天的滞尘结果中,直到降雨量 大于 0.2 mm 时,植被叶片上的累积滞尘量才能作为滞尘服务结果进行统计。 基于 PM2.5 滞尘模型,对海淀区 2010 年每天的 PM2.5 滞尘量进行定量化空间制图。滞尘量计算从 2010 年 1 月 1 日开始到 2010 年 12 月 31 日结束。依据海淀区 2010 年气象条件,海淀区年滞尘量由以下日期当 日累积滞尘量之和统计获得:1 月 2、3 日,2 月 28 日,3 月 7、8、24、29、30 日,4 月 5、11、19、22、 25 日,5 月 3—5 日、8、16、18、23、27、29 日,6 月 1、2、12、13、16、17 日,7 月 9—12 日、15、16、 19 日,8 月 4、7、18、30、31 日,9 月 1、16、17 日,10 月 10、11、23、24 日,12 月 31 日。需要说明 的是,本研究起始日 2010 年 1 月 1 日的滞尘量是以 0 为基础进行计算的,没有考虑 2009 年 12 月 31 日的 滞尘累积量。因而,为平衡初始日的误差,虽然 2010 年 12 月 31 日并未降雨或降雪,也将这一天的累积 滞尘量统计进入年滞尘量中。 为详细研究海淀区典型景观类型的滞尘服务差异, 以前期对海淀区景观特征类型鉴定研究结果 (图 2) [22] 为基础,分别统计不同景观类型冬季、夏季和年滞尘服务总量及其平均滞尘服务量,以全面反映不同景 观类型在海淀区的滞尘贡献和滞尘能力差异。

图2

海淀区景观特征类型区

[22] [22]

Fig.2 Dominant landscapes of Haidian District

.

2 2.1

结果与分析 不同类型植被景观的风速模拟 研究区不同类型植被景观对风速的减弱程度不同。Fluent 模拟结果显示(图 3) ,高密度行列式灌木林

(FS1)对风速的衰减作用最强,这种结构的林地植物密度高且没有如乔木的枝下空间,因而能够大大降 低林地内部的风速。当灌木间距≥5 m 时(FS2、FS3、FS4) ,由于灌木冠幅普遍较小,这类结构的林地对 风速的衰减作用反而最弱。 高密度行列式乔灌木林地 (FM1、 FM2、 FM3) , 以及条带式多行乔灌木林 (SM1、 SM2、SM3、SM4、SM5)降低风速的能力次之,这类乔灌木搭配的结构增加了林地上下层的枝叶密度, 从而有效增加了林地内部的阻风面。单方向乔木林(ST1、ST2、ST3)在降低其垂直方向的风速方面也有 较明显的效果。而点状结构的林地(TP1、TP2)以及低密度的乔木林地(FT3)减弱风速的能力较差。

FS1 TP3 TP2 TP1 SM5
13 12 11 10 9 8 7 6 5 4 3 2 1 0

FS2 FS3 风速 Wind speed (m/s) FS4 FT1
1 2 3 4

SM4

FT2

5 6

SM3

FT3

7 8 9

SM2 SM1 ST5 ST4 ST3 ST2 ST1 FM3

FM1 FM2

10 11 12 13

图3

不同植被结构对不同风速的减弱作用

Fig.3 Alleviation effects on wind speed of different vegetation structures.

海淀区单日累积滞尘服务 由海淀区 2010 年单日累积滞尘结果可以看出(图 4) ,绿色空间的滞尘服务主要发生于 3—11 月,该 期间的滞尘量累计速率明显快于全年的其他时间; 11—12 月的植被滞尘服务在累积到一定程度后呈稳定趋 势而不再增加,表明冬季植被的滞尘量有一定的饱和值,且明显低于夏季的滞尘能力。夏季单日累计滞尘 量最大值出现于 7 月上旬,滞尘量大约是冬季滞尘量最大值的 2 倍。
10000 9000

2.2

累积滞尘量 Cumulative dust amount (t)

8000 7000 6000 5000 4000 3000 2000 1000 0 1月1日 2月1日 3月1日 4月1日 5月1日 6月1日 7月1日 8月1日 9月1日 10月1日 11月1日 12月1日

日期 Date

图4

海淀区单日累积滞尘量

Fig.4 Daily cumulative dust amount of Haidian District.

2.2

海淀区 PM2.5 滞尘服务

,全区年总滞尘服务为 1.2?108 kg。其中,滞尘服 研究区 PM2.5 年滞尘服务供给制图结果显示(图 5) 务供给较高区域主要集中分布于西部山区,以及零散分布于北部平原地区。除北部平原区的人工林地表现

出较强的滞尘服务外,一些农田区域(如前沙涧村附近、以及上庄村的稻田区域)均呈现出一定的滞尘服 务贡献,但滞尘量小于人工林地。海淀区南部城区的滞尘服务量最低,这与南部城区绿色植被相对较少, 且缺乏大面积的林地有关。城区中的公园绿地,如紫竹院公园,呈现出较高的滞尘服务能力。 研究区夏季滞尘服务与年滞尘服务空间分布相似,而冬季滞尘服务除西部山区服务量降低,以及平原 区滞尘服务范围略小于夏季滞尘服务范围外,其空间分布格局仍与夏季滞尘服务空间分布相似。这可能是 由于海淀区西部山区绿化树种多为落叶树种,而平原区多为落叶树种与常绿树种混合种植。从滞尘服务量 来看,海淀区冬季单位面积最高滞尘服务能力约为夏季的一半,总滞尘量约为夏季的三分之一(夏季滞尘 总量 8.8×107 kg,冬季滞尘总量 2.9×107 kg,图 6) 。可见,海淀区夏季植被滞尘服务功能远大于冬季。

图 5 海淀区 PM2.5 滞尘服务 Fig.5 PM2.5 dust detention service of Haidian District.

总滞尘服务和平均滞尘服务结果综合表明,海淀区山林景观单位面积滞尘服务最大(图 6) ,但其冬夏 季滞尘能力差异显著。山林景观夏季平均滞尘能力远远高于其他景观类型,而冬季平均滞尘能力则与其他 景观类型差别不大。 田园景观的平均滞尘服务能力仅次于山林景观, 但其总滞尘服务则高于其他景观类型, 这是由其面积比例大于山林景观所致。休闲景观平均滞尘服务能力大于乡村景观,但由于休闲景观所占面 积比例小于乡村景观而导致其总滞尘量也比城市景观小。无论总滞尘服务还是平均滞尘服务,城市景观均 是海淀区所有景观类型中滞尘能力最小的景观类型,且其冬夏季滞尘服务差异也最小。
40000
总滞尘量 Total PM2.5 detention service (t)

35000 30000 25000 20000 15000 10000 5000 0 山林景观 Mountain woodlands

年滞尘 Dust?retention?service? of?the?whole?year 夏季滞尘 Dust?retention?service?in?summer 冬季滞尘 Dust?retention?service?in?winter

城市景观 Urban settlements

乡村景观 Rural settlements

休闲景观

田园景观

Recreation areas Agricultural and forest lands

平均滞尘量 Average PM2.5 detention service (kg·hm-1)

600 年滞尘 Dust?retention?service? of?the?whole?year 500 400 300 200 100 0 山林景观 城市景观 乡村景观 Rural settlements 休闲景观 田园景观 Mountain woodlands Urban settlements Recreation areas Agricultural and forest lands 夏季滞尘 Dust?retention?service?in?summer 冬季滞尘 Dust?retention?service?in?winter

图 6 不同景观类型区 PM2.5 滞尘总量和平均滞尘量 Fig.6 Total and average PM2.5 detention service of different landscapes.

3 3.1





PM2.5 滞尘服务模型的有效性 PM2.5 滞尘模型能够快速、方便地定量化海淀区全区尺度的滞尘量及其空间分布,为城市绿化建设及 PM2.5 大气污染治理提供了重要的参考值。然而,由于试验条件所限,本研究没有对 PM2.5 滞尘模型的模拟 结果进行试验验证。通过与现有文献研究对比发现,本研究利用模型模拟获得的 PM2.5 滞尘量计算结果在 已有试验实测结果[23]的变化范围之内,能够有效反映植被的实际滞尘能力。以海淀区单日(2010 年 6 月 17 日)PM2.5 滞尘模型的模拟结果为例,当日每平方米林地可滞尘 1.19 g,这与李永杰[23]对北京市常见绿 化树种滞尘能力的实测结果一致(银杏 Ginkgo biloba、元宝枫 Acer truncatum、国槐 Sophora japonica、丁 香 Syringa oblata、天目琼花 Viburnum sargentii、榆叶梅 Amygdalus triloba 等夏季滞尘量均在 1~1.5 g·m-2 范 围内) ,表明本研究所采用的 PM2.5 滞尘模型模拟结果有效。 3.2 PM2.5 滞尘服务模型的不足 植被的 PM2.5 滞尘能力受多方面因素影响,如空气湿度和温度条件、植被种类及其叶片特征、以及植 被的周边环境条件等[24-25]。然而,这些因素对植被滞尘能力的影响机理目前还不清楚,因而本研究没有全 部考虑这些因素。而在已考虑的因素中,由于数据获取难度和模型构建难度,本文所构建的 PM2.5 滞尘模 型也作了相应简化,如使用冬季与夏季各一期的遥感影像数据分别替代冬季与夏季每一天的植被信息,以 及使用年均 PM2.5 浓度替代了每一天的 PM2.5 实测值等。 在不同植被结构对风速的衰减影响模拟中, 为便于 量化地块尺度的植被滞尘量,本文也仅仅模拟了 50 m×50 m 内的风速减弱影响,而没有考虑更大景观格局 对风速的影响。此外,由于城市尺度的数据精度问题,本研究所考虑的绿色空间忽略了垂直绿化对 PM2.5 的滞尘影响, 因而所模拟的滞尘量会偏低于实际值。 以上问题, 均需在以后研究中进一步深入探讨和完善。 3.3 海淀区城市绿化的建议 海淀区绿色空间冬季 PM2.5 滞尘能力明显低于夏季,这与冬季大部分阔叶乔木、灌木落叶后可以滞尘 的叶面积大幅减少有关。然而,由于燃煤取暖等原因,海淀区冬季降尘量远远高于夏季[26],PM2.5 滞尘服 务供给与需求在全年时间尺度上严重不匹配。海淀区城市绿化应缩小 PM2.5 滞尘服务供需之间的差异,加 大冬季不落叶植被的建设比例。而在植被绿化建设时,还应考虑适当的植被种植结构,尽量选择行列式多 层乔灌木搭配绿化形式。此外,如果没有降雨的及时冲刷,植被叶片的 PM2.5 滞尘量会累积到一定程度后 饱和。有研究表明,此时叶片表面的部分气孔会被滞留的 PM2.5 堵塞,进而会影响植被正常的呼吸和光合 作用、蒸腾和散热作用等,从而影响植被的正常生长。城市绿化建设如何减弱和避免这种不利影响,同时 又能发挥绿色空间应有的滞尘服务,还需要进一步深入研究。
参考文献

[1] [2] [3]

Nowak DJ, Hirabayashi S, Bodine A, et al. Modeled PM2.5 removal by trees in ten US cities and associated health effects. Environmental Pollution,2013, 178: 395-402 Rushdi AI, Al-Mutlaq KF, Al-Otaibi M, et al. Air quality and elemental enrichment factors of aerosol particulate matter in Riyadh City, Saudi Arabia. Arabian Journal of Geosciences, 2013, 6: 585-599 Yang J (杨 佳), Wang H-X (王会霞), Xie B-Z (谢滨泽), et al. Accumulation of particulate matter on leaves of nine urban greening plant species with different micromorphological structures in Beijing. Research of Environmental Sciences (环境科学 研究), 2015, 28(3): 384-392 (in Chinese)

[4] [5] [6]

Harrison RM, Yin J. Particulate matter in the atmosphere: Which particle properties are important for its effects on health? Science of the Total Environment, 2000, 249: 85-101 Brook RD, Rajagopalan S, Pope CAI, et al. Particulate matter air pollution and cardiovascular disease an update to the scientific statement from the American Heart Association. Circulation, 2010, 121: 2331-2378 Freer-Smith PH, El-Khatib AA, Taylor G. Capture of particulate pollution by trees: A comparison of species typical of semi-arid areas (Ficus nitida and Eucalyptus globulus) with European and north American species. Water, Air and Soil Pollution, 2004, 155: 173-187

[7] [8] [9]

Guo W (郭 伟), Shentu Y-J (申屠雅瑾), Zheng S-Q (郑述强), et al. Research advances on mechanisms and rules of dust retention of the urban green areas. Ecology and Environmental Sciences (生态环境学报), 2010, 19(6): 1465-1470 (in Chinese) Tallis M, Taylor G, Sinnett D, et al. Estimating the removal of atmospheric particulate pollution by the urban tree canopy of London, under current and future environments. Landscape and Urban Planning, 2011, 103: 129-138 Wang J-H (王建辉), Liu Y-Q (刘奕清), Zou M (邹 敏). Dust detaining effect of main urban vegetation in Yongchuan, Chongqing. Chinese Journal of Environmental Engineering (环境工程学报), 2013, 7(3): 1079-1084 (in Chinese)

[10] Liao L-T (廖莉团), Su X (苏 欣), Li X-L (李小龙), et al. Review on the purification effects of urban landscape plants and factors affecting detaining dust. Forest Engineering (森林工程), 2014, 30(2): 21-24 (in Chinese) [11] Beckett KP, Freer-Smith PH, Taylor G. Urban woodlands: Their role in reducing the effects of particulate pollution. Environmental Pollution, 1998, 99: 347-360 [12] Chai Y-X (柴一新), Zhu N (祝 宁), Han H-J(韩焕金). Dust removal effect of urban tree species in Harbin. Chinese Journal of Applied Ecology (应用生态学报), 2002, 13(9): 1121-1126 (in Chinese) [13] Wu Z-P (吴志萍), Wang C (王 成), Hou X-J (侯晓静), et al. Variation of air PM2.5 concentration in six urban green lands. Journal of Anhui Agricultural University (安徽农业大学学报), 2008, 35(4): 494-498 (in Chinese) [14] Wang L (王 蕾), Ha S (哈 斯), Liu L-Y (刘连友), et al. Effects of weather condition in spring on particulates density on conifers leaves in Beijing. Chinese Journal of Ecology (生态学杂志), 2006, 25(8): 998-1002 (in Chinese) [15] Mcdonald AG, Bealey WJ, Fowler D, et al. Quantifying the effect of urban tree planting on concentrations and depositions of PM10 in two UK conurbations. Atmospheric Environment, 2007, 41: 8455-8467 [16] Gao J-H (高金晖),Wang D-M (王冬梅), Zhao L (赵 亮), et al. Airborne dust detainment by different plant leaves: Taking Beijing as an example. Journal of Beijing Forestry University (北京林业大学学报), 2007, 29(2): 94-99 (in Chinese) [17] Su Z-F (粟志峰), Liu Y (刘 艳), Peng Q-F (彭倩芳). Study on dust detention functions of the different greenland. Arid Environmental Monitoring (干旱环境监测), 2002, 16(3): 162-163 (in Chinese) [18] Zhang X-X (张新献), Gu R-Z (古润泽), Chen Z-X (陈自新), et al. Dust removal by green areas in the residential quarters of Beijing. Journal of Beijing Forestry University (北京林业大学学报), 1997, 19(4): 14-19 (in Chinese) [19] Yang S-J (杨士军), Luo S-C (罗峙淳), Li K-H (李科煌). A preliminary research on dust intercepting abilities of different plants. Shanghai Environmental Sciences (上海环境科学), 2005, 24(1): 43-46 (in Chinese) [20] Sun P-S (孙鹏森), Liu S-R (刘世荣), Liu J-T (刘京涛), et al. Derivation and validation of leaf area index maps using NDVI data of different resolution satellite imageries. Acta Ecologica Sinica (生态学报), 2006, 26(11): 3826-3834 (in Chinese) [21] Wang J, Endreny TA, Nowak DJ. Mechanistic simulation of tree effects in an urban water balance model. Journal of the American Water Resources Association, 2008, 44: 75-85 [22] Liu WP, Holst J, Yu ZR. Thresholds of landscape change: A new tool of social-economic development for green infrastructure

management. Landscape Ecology, 2014, 29: 729-743 [23] Li Y-J (李永杰). Study on the Ecological Benefit of Beijing City about Common Greenery Tree. Master Thesis. Baoding: Agricultural University of Hebei, 2007 (in Chinese) [24] Liu H-M (刘慧民),Wang D-Q (王大庆), Che Y-S (车艳双), et al. Ecological effect of street greening in Harbin City. Chinese Journal of Ecology (生态学杂志), 2008, 27(6): 894-902 (in Chinese) [25] Wang H-X (王会霞), Shi H (石 辉), Li Y-Y (李秧秧). Relationships between leaf surface characteristics and dust-capturing capability of urban greening plant species. Chinese Journal of Applied Ecology (应用生态学报), 2010, 21(12): 3077-3082 (in Chinese) [26] Peng Y-D (彭应登). Analysis of the causes of recent Beijing haze pollution and its countermeasures. Journal of Engineering Studies (工程研究), 2013, 5(3): 233-239 (in Chinese)

作者简介 刘 文 平 , 男 ,1987 年 生 , 博 士 , 讲 师 . 主 要 从 事 地 景 规 划 与 景 观 服 务 研 究 . E-mail: liuwenping@mail.hzau.edu.cn 责任编辑 杨 弘 刘文平, 宇振荣. 北京海淀区绿色空间 PM2.5 滞尘服务模拟. 应用生态学报, 2016, 27(8): Liu W-P, Yu Z-R. Simulation on PM2.5 detention service of green space in Haidian District, Beijing, China. Chinese Journal of Applied Ecology, 2016, 27(8): (in Chinese)


推荐相关:

2015年专技人员公需科目单选题

在我国绿色食品等级划分中,经过产地环境评价,不允许...C、合子传播 21、下列哪个选项不是对 PM2.5 的...拓展发展空间 36、河南省建设“四个河南”的战略...


2015年专技人员公需科目单选题

在我国绿色食品等级划分中,经过产地环境评价,不允许...C、合子传播 21、下列哪个选项不是对 PM2.5 的...拓展发展空间 36、河南省建设“四个河南”的战略...


2015年专技人员公需科目培训试题加答案

在我国绿色食品等级划分中,经过产地环境评价,不允许...参考答案: A、拓展开放空间,融入“一带一路”, C...合子传播 21、下列哪个选项不是对 PM2.5 的准确...


2015年初中学业考试社会·思品模拟测试(二)

“网络空间法治化”分论坛上,与会者就如 何保护...①②④ D. ①③④ 16.世界卫生组织表示 PM2.5 ...(2 分) (3)追求“幸福美丽绿色的 GDP”体现了...


百万公众网络学习测试试题情况

可以说,PM2.5 污染是 我国当前环境形势 () 特征...绿色消费与我们的生活息息相关,要求我们在( )时都...如有的以空间气压分布为特征组成高压、低压、高 压...


2015百万公众测试答案

人为污染源按空间分布可分为点源和面源。城市面源...以北京为例, 冬季 PM2.5 的平均浓度最高,秋季与...在家居方面,绿色消费意味着树立建筑、家具、家电、...


专技天下公需科目二答案

在我国绿色食品等级划分中,经过产地环境评价,不允许...拓展发展 空间 36、河南省建设“四个河南”的战略...《环境空气质量标准》,细颗粒物(PM2.5)年均浓度限...


北京市海淀区2015届高三二模数学理

北京市海淀区2015届高三二模数学理_数学_高中教育_教育.... PM DO OM / / PD . ???2 分 OM ? 平面...所在直线为 x, y , z 轴,建立如图所示的空间...


2015年北京海淀高三二模数学(理科)试题及答案

2015年北京海淀高三二模数学(理科)试题及答案_高三数学...那么函数 f ( x ) 的极值 (D)2 (8)若空间中...平面 ABCD ; 2 PM (Ⅲ)在(Ⅱ)的条件下,若...


2015年贵州省百万公众网络学习工程答案一

(总共 20 题,每题 4 分) 1、绿色消费对家居...皮肤、口腔进入人体 13、PM2.5 的主要来源有哪些? ...人为污染源按污染 源的空间分布可分为点源和面源。...

网站首页 | 网站地图
All rights reserved Powered by 酷我资料网 koorio.com
copyright ©right 2014-2019。
文档资料库内容来自网络,如有侵犯请联系客服。zhit325@126.com