亚热带城市绿地对大气气溶胶污染调控的时空非平稳性与异质性研究：以中国深圳为例的GTNNWR方法

《Environmental Pollution》：Spatiotemporal Non-Stationarity and Heterogeneity in Atmospheric aerosol pollution Regulation by Subtropical Urban Green Space: A GTNNWR-Based Study in Shenzhen, China

本研究以深圳为对象，利用Sen-MK趋势分析、双变量空间自相关及GTNNWR模型，揭示2001-2020年城市绿地（UGS）对气溶胶光学深度（AOD）的时空调节机制。结果表明：AOD呈现先升后降再波动趋势，UGS与AOD显著负相关（P<0.05），临界回归系数阈值为-0.624；调节效应呈现时空异质性，西岸高AOD区因源汇动态导致空间分异，盐田区保持稳定拦截效应，宝安区实现生态恢复逆转污染超载。研究为亚热带高密度城市绿地优化提供量化依据。

　　

冯月|刘卓贤|胡崇光|郑恒|何静琳

广东工业大学建筑与城市规划学院，中国广州510062

摘要

亚热带季风气候的高温和高湿度加剧了控制城市气溶胶污染的挑战，而城市绿地（UGS）可以通过拦截、沉积和扩散作用来减轻气溶胶污染。然而，UGS在亚热带季风条件下如何调节气溶胶的作用仍不完全清楚。地理和时间加权回归神经网络（GTNNWR）模型将神经网络模块整合到一个地理加权框架中，以进行连续的空间异质性建模，使其适合分析UGS与气溶胶之间的异质性和非线性关系。以深圳为例，该市面临持续的污染压力以及由于快速城市扩张导致的UGS功能退化的风险。本研究采用Sen–MK趋势分析、双变量空间自相关性和GTNNWR模型，研究了2001年至2020年间气溶胶光学厚度（AOD，气溶胶浓度的指标）与UGS之间的时空演变、空间相关特性、非平稳性和空间异质性机制。结果表明：（1）AOD表现出“上升-波动”模式，年均值持续较高，污染源在空间上发生了变化；尽管UGS在空间上有所减少，但通过局部优化整体上得到了改善。（2）AOD和UGS保持了显著的时空负相关性，识别出一个关键的回归系数阈值-0.624（P < 0.05），用于区分有效或无效的调节区域。（3）调节效应显示出由源-汇动态驱动的明显时空非平稳性。从时间上看，调节强度每年增加7.2%，从2010年的0.630增加到2020年的0.591。从空间上看，不同区域呈现出不同的模式：盐田保持了稳定的拦截屏障效应，而宝安实现了恢复性转变，表明通过生态恢复可以逆转污染过载区域。本研究为优化亚热带季风城市的UGS规划以减轻气溶胶污染提供了有力的证据和定量见解，具有重要的理论价值。

引言

在全球城市化的背景下，大气气溶胶污染已成为威胁人类健康的主要环境风险因素（世界卫生组织，2021年）。与其核心颗粒物成分（PM₂.₅和PM₁₀）相关的死亡率超过了疟疾、结核病和艾滋病导致的死亡总数的总和（Burnett等人，2018年；Lelieveld等人，2020年）。尽管持续采取空气污染控制措施，中国城市的颗粒物浓度仍比世界卫生组织的指导值高出5到7倍（王志等人，2022年）。作为城市生态系统中唯一可以积极管理的净化组成部分，城市绿地（UGS）通过拦截、沉积和扩散过程减轻气溶胶污染，从而改善空气质量（翟等人，2022年）。了解UGS在高密度城市中调节气溶胶的时空非平稳性和空间异质性机制，为寻求减轻气溶胶污染和提升UGS生态性能的城市规划者提供了关键的科学见解和战略指导。

大气气溶胶是指分散在大气中的胶体系统，由不同大小的固体或液体颗粒组成，如PM₂.₅和PM₁₀（Farmer等人，2021年）。气溶胶光学厚度（AOD）定义为大气气溶胶的垂直积分消光系数，是表征气溶胶负荷的关键指标。由于其长期和大规模监测的优势，以及与近地面PM₂.₅和PM₁₀浓度的强相关性（Xiao等人，2017年），AOD为评估大气气溶胶的总体污染特征和动态变化提供了重要支持（Che等人，2019年）。

在亚热带高密度城市中，季风气候条件、建成区的大规模扩张以及复杂的绿地斑块配置共同导致了气溶胶污染的显著时空波动（Nguyen等人，2019年）。UGS对气溶胶的调节作用同样受到植被结构、绿地特征和当地地理条件等异质性因素的影响（Venter等人，2024年）。值得注意的是，高温和高湿度环境导致UGS调节AOD的阈值和机制与温带地区（He等人，2018年；Wang等人，2025年）或干旱地区（Zhang等人，2025年）有很大不同。然而，UGS在亚热带季风气候下的高密度城市中如何调节AOD的作用仍不够清楚。

大多数现有研究关注UGS对AOD的总体影响，对亚热带气候和城市异质性下的共同驱动调节机制及时空非平稳性的关注有限。例如，在对中国十个主要城市聚集区的分析中，UGS被确定为中等重要的驱动因素，其对AOD的贡献明显弱于PM₂.₅和关键的气象和社会经济变量；尽管如此，UGS仍然是构建AOD多因素驱动框架中的非核心但必要的组成部分（Yuan等人，2023年）。在黄河流域（2000–2020年），UGS与风速和地形一起构成了减轻AOD增加的重要自然因素，它们的抑制作用部分抵消了气溶胶污染的加剧（Zheng等人，2022年）。在长江三角洲地区（2014–2017年），UGS并非AOD变化的主要驱动因素，地形、气象条件和人类活动发挥了更大的影响（Cheng等人，2019年）。在亚热带气候下的研究进一步揭示，潮湿天气对粤港澳大湾区（2012–2021年）的AOD产生了时空非平稳效应，清洁的海流也有助于减少气溶胶（Zhao等人，2023年）。在香港，较低的温度、较低的相对湿度、西南风和较高的风速也被发现可以抑制气溶胶负荷（Yu等人，2022年）。

地理空间人工智能的进步推动了空间分析和建模的实质性进展。方法论的发展从早期忽略空间非平稳性的普通最小二乘法（OLS）发展到捕捉空间异质性的地理加权回归（GWR），再到结合时间动态的地理和时间加权回归（GTWR）。近年来，人工智能方法——特别是神经网络（NN）——在地理空间分析中的应用日益增多，但它们在模拟空间异质性方面仍存在局限性（Liu和Biljecki，2022年；Zhu等人，2022年）。例如，LSTM模型在捕捉长期时间依赖性方面表现出色，但在结合空间变异性方面存在困难；而XGBoost在高维特征的非线性建模方面表现良好，但缺乏考虑空间距离衰减的机制。此外，传统的NN架构在训练期间假设全局平稳性，因此无法表示空间非平稳性。地理和时间加权回归神经网络（GTNNWR）模型通过端到端协作设计克服了这些限制，它在OLR框架内整合了两个NN模块，实现了连续的时空建模，并减少了分别建模空间和时间所产生的误差（Wu等人，2021年；Liu等人，2023年）。应用GTNNWR模型预测了京津冀地区的高分辨率NO₂浓度，并报告其性能优于随机森林和卷积NN（Xu等人，2025年）。进一步的研究表明，在模拟中国城市聚集区的碳排放方面，GTNNWR的表现优于RF和GTWR，展现了捕捉复杂时空非平稳关系的最强能力。

作为亚热带季风气候区的代表性高密度城市，深圳面临双重压力：持续的气溶胶污染和由于快速城市化导致的绿地减少，这两者都削弱了UGS减轻气溶胶的能力。因此，本研究以深圳为例，应用GTNNWR模型系统地研究了UGS和AOD的时空演变、它们的空间关联模式以及其时空分化和异质性的机制。研究结果为城市绿地系统的生态优化以及高密度亚热带城市的气溶胶污染预防和控制提供了科学证据和理论指导。

研究区域

深圳是中国南部的一个沿海城市，位于东经113°46′–114°37′，北纬22°27′–22°52′。它具有亚热带季风气候，特点是温度温和、阳光充足和降雨量大，年平均气温为23.3°C，年平均降水量为1932.9毫米。深圳面积为1997.47平方公里，其中UGS占57.3%，不透水面占40.2%，其他土地类型占2.5%。这种“高密度建设与…”的独特模式

AOD的时空变化趋势

从时间上看，AOD最初迅速增加，随后持续下降，最终略有恶化或恢复到原始水平。年平均值从2001年的0.403上升到2005年的0.530，然后逐渐下降到2020年的0.409。从空间上看，AOD呈现出西向东南的梯度，数值范围在0.243到0.641之间（图2a–e）。高AOD区域集中在罗湖、福田、南山和宝安等西部地区

城市绿地调节机制：景观模式与城市形态的相互作用

UGS调节效果的时空差异在很大程度上受到绿地景观模式（汇容量）与城市建筑形态（源/屏障强度）之间动态权衡的影响。根据调节的显著性（P < 0.05 vs P > 0.05）和土地利用情况，我们确定了四种类型的机制异质性。

有效调节区域主要由有利的景观模式主导。

结论

本研究采用Sen–MK趋势分析、双变量空间自相关性和GTNNWR模型，研究了2001年至2020年间深圳UGS对气溶胶调节的时空非平稳性。通过将统计显著性与生态机制相结合，这项研究为城市污染控制的源-汇动态提供了新的见解。

结果表明，UGS对AOD的调节效应表现出显著的时空异质性，这通过…”来划分

CRediT作者贡献声明

何静琳：写作 – 审稿与编辑，可视化。郑恒：可视化，数据管理。冯月：写作 – 审稿与编辑，方法论，概念化。胡崇光：写作 – 审稿与编辑，监督，概念化。刘卓贤：写作 – 审稿与编辑，初稿撰写，调查，正式分析，数据管理

未引用参考文献

Wang等人，2022年。

利益冲突声明

作者声明他们没有已知的可能会影响本文工作的竞争性财务利益或个人关系。