城市街道峡谷绿化与颗粒物浓度关联的局部尺度研究：基于街景影像的实证分析

《Environmental Science: Atmospheres》：Association between urban greenery and particulate matter concentrations in street canyons: a local-scale study based on street view imageryOpen Access

　　

颗粒物（Particulate Matter, PM）是交通相关空气污染的重要类型，也是街道峡谷（street canyon）中的主要空气污染物之一。街道绿化（street greenery）可通过多种机制影响街道峡谷中的PM浓度，其中包括空气动力学机制。本研究以英国伯明翰的两条街道为案例，探讨街道绿化的数量与配置如何与PM浓度相关联，并探索这些关系背后的作用机制。研究中，通过语义分割（semantic segmentation）从街景影像（street view imagery）中提取街道绿化相关参数，并将其与移动测量记录（mobile measurement records）通过回归分析（regression analysis）相结合。结果表明，街道绿化可能充当屏障，降低街道峡谷内的通风效率，从而导致街道峡谷中PM浓度升高。特别是，在垂直于峡谷走向视角下，低高度处开放性较低且受绿化配置影响的街道峡谷，更可能出现高PM浓度。因此，应合理设计和配置街道绿化，以在维持其生态系统服务功能的同时，尽可能降低街道峡谷内人群暴露于空气污染物浓度的可能性。本研究还发现，街道绿化对PM的影响可能与环境风速相关。较高的风速可能对应街道绿化对PM浓度的影响较不显著。本研究结果为未来在城市尺度上建模和制图街道绿化对街道峡谷内PM浓度的影响提供了基础，也可为街道绿化设计提供支持，以尽量减少对街道峡谷内空气质量的不利影响。

论文解读：街道绿化与街道峡谷颗粒物浓度的关联——基于街景影像的局部尺度研究

一、研究背景与问题提出

空气污染是当前全球城市面临的重大环境挑战，颗粒物（PM）是城市空气污染的主要成分之一。2000至2019年间，尽管全球城市人口的总PM暴露量有所下降，但全球65%的城市区域PM浓度仍在上升，表明空气污染在城市地区仍是一个严重的环境问题，对公共健康和环境构成重大风险。人体暴露于PM与多种健康问题相关，尤其是心血管和呼吸系统疾病。在伦敦，道路旁的PM_2.5和PM₁₀增量占城市背景浓度的比例分别达到48.6%和48.5%，表明道路交通是该城市PM的重要来源。行人、骑行者和机动车驾驶者均可能暴露于街道峡谷内的PM，其中驾驶者因靠近排放源可能暴露于最高的环境PM浓度，而骑行者和步行者尽管暴露浓度较低，但运动期间较高的呼吸速率也可能导致较高的吸入污染物剂量。因此，研究道路交通PM对人群的暴露影响对于保护公共健康和改善街道可步行性至关重要。

街道绿化作为城市绿色基础设施的重要组成部分，在全球城市中广泛应用，因其提供多种生态系统服务，如促进户外活动、降低温度、缓解洪水和增加生物多样性。然而，街道绿化与空气污染物之间的相互作用十分复杂。一方面，植被能够通过叶片吸附PM和吸收气态污染物来去除空气污染物，植被屏障还可以在污染源和受体之间延长污染物传输距离，从而降低受体暴露。另一方面，街道绿化可能起到与路边建筑类似的作用，降低街道峡谷内的通风效率，使污染物更难以扩散。此外，当背景污染物占主导时，街道绿化可能通过去除或阻挡来自峡谷外部的污染物来改善街道峡谷内的空气质量。鉴于这种复杂性，已有研究采用不同方法探索二者相互作用的模式和程度，包括基于计算流体动力学（CFD）的模型模拟、植被吸附PM的实地测量，以及结合移动或固定空气质量测量与绿化数据的回归分析。

近年来，街景影像作为一种新型城市分析数据源，越来越多地被应用于街道绿化评估。街景影像具有广泛的空间覆盖和高可获取性，与基于机器学习的语义分割技术兼容，能够从行人视角捕捉街道环境的三维特征。然而，以往基于街景影像的研究大多采用聚合指标（如多个水平朝向的平均绿色视野指数GVI）来表征特定街道位置的总体绿化水平，难以捕捉街道峡谷内绿化配置的空间异质性。事实上，街道绿化对街道峡谷空气质量的影响不仅取决于绿化总量，还取决于其配置，如树干高度、树冠高度和宽度，以及绿化的位置和排列。此外，路边建筑的存在可能改变街道绿化影响污染物扩散和累积的方式。尽管街道绿化空间配置对城市空气污染的重要性已被认识，但基于街景影像的系统性研究仍然有限。因此，本研究旨在利用街景影像作为评估街道绿化的工具，探讨街道绿化与街道峡谷PM浓度之间的关系，除总体绿化数量外，进一步探讨PM浓度是否受不同朝向和俯仰角下绿化分布的影响。

二、研究内容与主要结论

研究人员选取英国伯明翰的两条道路——Shenley Fields Road和Harborne Road作为研究区域，利用Google街景影像在四个朝向和两个俯仰角（0°水平与45°向上）获取图像，通过基于全卷积网络（FCN）的语义分割方法提取绿色视野指数（GVI）和天空视野指数（SVI），并结合移动测量的PM₁₀和PM_2.5浓度数据，采用广义估计方程（GEE）进行回归分析。研究结果表明，街道绿化可能充当屏障降低街道峡谷的通风效率，导致PM浓度升高；低高度处开放性较低且受绿化配置影响的街道峡谷更易出现高PM浓度；街道绿化对PM的影响与环境风速相关，较高风速对应较不显著的影响。

三、主要关键技术方法

本研究采用的主要技术方法包括：其一，基于Google街景影像的绿化评估方法，通过API在四个朝向和两个俯仰角（0°水平与45°向上）获取街景图像，利用基于全卷积网络（FCN）的语义分割方法（基于ADE20K数据集训练）对图像像素进行分类，计算绿色视野指数（GVI）和天空视野指数（SVI）；其二，移动测量方法，使用两台AirBeam 2低成本PM监测仪在两条道路上进行移动断面测量，测量时段为2023和2024年夏季与秋季的非雨天，所有测量在上午10点至下午2点之间进行以避开交通高峰，每个样点两侧各连续记录至少两分钟PM浓度；其三，监测仪校准方法，以伯明翰空气质量超级站（BAQS）为参考站点，通过线性回归对两台监测仪进行校准；其四，数据预处理方法，利用AURN城市背景站点（Birmingham Ladywood）数据通过样条插值进行背景调整，计算PM浓度残差以表征样点间的相对空间变异；其五，广义估计方程（GEE）回归分析方法，采用可交换工作相关矩阵处理重复测量数据的组内相关性，分别探讨各街景衍生参数与PM₁₀和PM_2.5残差的关联，并引入风速交互项。

四、研究结果

4.1 监测仪校准结果

研究人员将两台AirBeam 2监测仪与BAQS参考站点进行了共置校准，共纳入333对1分钟观测数据。两台监测仪均能较好地再现BAQS测量的时间变化趋势，PM₁₀和PM_2.5与参考测量之间均呈正线性关系。两台监测仪在校准前均普遍低估PM₁₀和PM_2.5浓度，校准后所有纳入分析的移动监测数据均落在校准范围内。

4.2 街景衍生参数分布

研究结果显示，GVI和SVI在两条道路上并非均匀分布。Shenley Fields Road中段和Harborne Road东段具有较低的GVI水平，而两条道路的最东段和最西段则观察到较高的GVI值。SVI的分布与GVI总体呈负相关，即绿化较多的地方天空视野较不开放。两个俯仰角的视野指数高度相关，但45°俯仰角的视野指数变异更大。在垂直于道路朝向的视野指数中，Shenley Fields Road水平层面的GVI分布与其他视野指数存在差异，且与其他视野指数的相关性总体较弱。

4.3 街景参数与PM浓度的关联

通过GEE回归分析，研究发现街道绿化与PM浓度之间存在正相关关系，即绿化越多，街道峡谷内的PM浓度越高，这可能是因为绿化降低了通风效率。特别地，垂直于峡谷走向视角下、低高度处开放性较低的街道峡谷更可能出现高PM浓度。不同朝向和俯仰角提取的绿化参数与PM浓度的关联存在差异，表明绿化配置对PM浓度的影响具有方向性和高度特异性。

4.4 风速的调节作用

研究还发现，街道绿化对PM的影响与背景风速相关。较高的风速对应街道绿化对PM浓度的影响较不显著，表明强风条件下绿化对通风的阻碍作用被削弱。

五、讨论与结论

研究结果表明，街道绿化在街道峡谷中可能起到类似建筑物的作用，通过降低通风效率而导致PM浓度升高。这一发现强调了街道绿化配置的重要性，提示在维持绿化生态系统服务的同时，应合理设计绿化布局以尽量减少人群暴露于空气污染物的风险。不同朝向和俯仰角的绿化参数与PM浓度的关联差异表明，垂直朝向低高度处的绿化配置对PM累积的影响尤为显著。研究还发现风速对绿化-PM关系具有调节作用，高风速条件下绿化影响减弱。本研究基于街景影像的高空间覆盖和可获取性，为未来城市尺度上评估和预测绿化对空气质量的影响提供了基础，也可为街道绿化设计提供科学依据，以在保持生态系统服务的同时最小化对街道峡谷内空气质量的不利影响。