编辑推荐：
城市空气污染威胁全球环境，行人易受影响。研究人员为探究伦敦市中心行人对 PM2.5的暴露分布，结合移动监测数据和街景图像展开研究。结果发现暴露呈空间聚集性，且诸多因素与之相关。该研究为城市规划提供依据，助力改善行人环境。
在城市生活的人们，或许都有过这样的经历：走在车水马龙的街道上，能明显感觉到空气中弥漫着一股不太舒服的味道。没错，这就是空气污染在作祟。如今，空气污染已成为全球性的环境难题，尤其在城市地区，它对人们的健康产生了严重影响。在欧洲，空气污染物被视为危害健康的 “头号杀手”，2020 年，高达 96% 的欧洲城市居民暴露在超过世界卫生组织（WHO）健康标准的细颗粒物环境中。而行人，由于靠近城市交通且缺乏有效的防护，成为了受空气污染威胁的高危人群。
过往关于行人暴露于空气污染（Pedestrian Exposure to Air Pollution，PEAP）的研究，存在不少问题。一方面，很多研究将 PEAP 与空气污染水平混为一谈，或者只关注个体层面的暴露情况，忽略了人群规模的因素。要知道，那些污染严重但行人稀少的街道，其实际的暴露风险未必高，这对城市规划和环境治理来说至关重要。另一方面，在人群层面的 PEAP 研究中，估算行人数量也困难重重。传统的传感器检测方法成本高昂，安装地点受限；模拟模型虽然应用广泛，但设置过程繁琐，还可能简化了真实世界的复杂性；而移动信号数据虽然能精准定位行人，但价格不菲且难以获取。
为了解决这些问题，来自未知研究机构的研究人员开展了一项别具一格的研究，相关成果发表在《Applied Geography》杂志上。研究人员以伦敦市中心为研究区域，这里不仅拥有丰富的空气污染移动监测数据，而且人口密集、交通繁忙。他们将空气污染移动监测数据和街景图像（Street View Images，SVIs）相结合，通过地理加权回归（Geographically Weighted Regression，GWR）模型，深入探究了行人对 PM2.5（粒径小于等于 2.5 微米的颗粒物，是城市中常见且危害较大的污染物）的暴露水平以及其与城市建成环境因素之间的关系，同时还探讨了减轻行人暴露的干预措施。
研究人员主要运用了以下关键技术方法：首先，利用移动监测获取大量的空气污染数据，这种方式能够灵活地监测不同区域的污染情况，弥补了固定监测站点覆盖范围有限的不足；其次，引入街景图像，凭借其高空间覆盖率和易获取性，为研究提供了丰富的城市环境信息；最后，借助地理加权回归模型，分析不同变量在空间上对 PEAP 的影响，该模型的优势在于能够考虑到变量系数随空间位置的变化。
在研究结果方面：
- 行人暴露分布：研究人员通过将街道段行人高度的空气污染浓度与行人数量相乘，得到 PEAP 值并绘制了分布图。研究涉及 5533 个有效数据的路段，平均暴露行人值为 35.039 persons?μg/m3 ，最大值达到 505.131 persons?μg/m3。通过分析还发现，PEAP 水平存在季节性变化。
- 变量对 PEAP 的影响：利用 GWR 模型，研究人员发现，在大多数区域，归一化植被指数（Normalized Difference Vegetation Index，NDVI，用于衡量城市绿色度）的系数为负，这表明城市绿色度能够降低空气污染暴露水平。此外，商业用地、交通和运输设施、兴趣点（Points of Interest，POIs）、建筑高度以及街道高宽比等因素与暴露水平呈正相关。
研究结论和讨论部分意义重大。研究表明，行人暴露在研究区域内呈现空间聚集性，并且识别出了两个高暴露热点区域。根据空气污染水平和行人数量，研究人员还区分出了四种类型的路段。这些结果为城市规划者和管理者提供了重要参考，有助于他们制定针对性的策略，比如合理规划绿色基础设施，增加城市绿化面积，以减轻行人暴露于空气污染的风险，进而提升城市居民的整体健康水平。同时，该研究也为后续相关研究提供了新的思路和方法，推动了 PEAP 领域的进一步发展。
