优化绿灰比率：城市形态对中等城市PM2.5的非线性影响

《Sustainable Cities and Society》：Optimizing the Green-Grey Ratio: Nonlinear Effects of Urban Form on PM 2.5 in Mid-Sized Cities

　　**明虎|西亚瓦什·戈尔巴尼**
**圣母大学建筑学院，印第安纳州诺特丹市 46556**

**摘要**
城市绿化被广泛推广为缓解颗粒物空气污染和城市热岛效应的策略，但其有效性在不同气候条件下存在差异。本研究考察了在城市绿化对PM?.?浓度的影响是否存在温度依赖性阈值，以一个代表温带城市地区的中西部中等规模城市为例。通过结合高频空气质量观测数据和网格化城市形态数据，我们分析了绿色基础设施与建成基础设施之间的平衡（通过绿色-灰色比率来衡量）如何与温度相互作用，从而影响PM?.?的变异性。研究结果表明，在温和的气候条件下，当绿色-灰色比率处于中等水平时，PM?.?浓度最低。而在温度低于约19–20°C时，PM?.?的变异性主要受气象因素和燃烧过程的控制，城市绿化的影响有限。超过这一阈值后，植被和城市形态对PM?.?的基础水平及极端污染事件的发生概率具有显著调节作用。随机森林分析进一步证实了这一转变，表明在温暖时期植被指标的相对重要性增加。这一发现的关键意义在于表明，绿化对PM?.?的改善效果并非线性关系，而是受温度制约的，并存在一个“最佳”绿色-灰色比率以及一个温度临界点，这对耐热型城市设计具有直接启示。

**1. 引言**
城市空气质量日益受到局部排放、城市形态和气候驱动压力因素的共同影响（Ulpiani, 2021）。气温升高加速了大气化学反应，加剧了二次颗粒物的形成，并放大了污染事件对健康的影响（Day & Pandis, 2015; Ebi & McGregor, 2008）。同时，热浪和野火烟雾等极端事件变得更加频繁且范围更广，挑战了长期以来关于城市如何应对环境风险的假设（Das et al., 2024; Miller et al., 2024）。先前研究已经证实，城市热岛效应与城市污染通过边界层动力学、光化学反应和城市形态紧密相连，从而对升温条件产生非线性和特定污染物的响应（Bakaeva et al., 2023; Fallmann et al., 2016; Z. Li et al., 2017; Ulpiani, 2021）。在这样的气候背景下，美国中西部地区在国家气候变化中发挥着日益重要的作用。相对于沿海和干旱地区，中西部拥有较低的平均气温、丰富的淡水资源，且受海平面上升的影响较小，这使其成为潜在的气候迁移目的地。然而，这些优势掩盖了其老旧的基础设施系统（包括美国一些最古老的住宅区）以及主要为20世纪气候和人口条件设计的城市形态（Jones, 2025）。因此，许多中西部城市面临一个悖论：它们可能在相对稳定的气候条件下经历人口增长，但却更容易受到热应激、空气污染和偶发环境冲击的影响。

城市绿化被广泛认为是一种应对这些挑战的策略，有证据表明植被可以减少污染物沉积、降低地表温度并改善微气候条件（Uhl et al., 2021）。然而，支持这些主张的实证证据大多来自大型城市或基于长期平均条件（Epstein et al., 2017; Ulpiani, 2021），这些方法隐含地假设绿色基础设施的好处是线性、稳定的，并且基本上不受气候条件的影响（Huszar et al., 2021）。新兴研究指出，植被在某些配置下可能会抑制气流并阻碍污染物扩散，而高温会通过增强光化学活动从根本上改变污染动态（Barwise & Kumar, 2020; Hewitt et al., 2020; Wania et al., 2012）。这些不确定性在中等规模城市中尤为突出，因为它们的建筑高度、街道几何形状、植被结构和主要排放源与大型城市不同，但在高分辨率空气质量研究中却较少被关注。2025年夏季的野火再次凸显了这种脆弱性，加拿大野火产生的黑碳远程传输导致中西部大部分地区PM?.?浓度急剧上升，超过了当地的控制能力，暴露了以前被认为相对不受严重空气污染影响的城市的新风险。

为了探讨在城市气候变化压力下城市形态如何调节空气质量风险，本研究分析了印第安纳州南本德市的高频空气质量数据。我们将南本德视为一个典型的中西部中等规模城市，其特征包括适度的密度、异质化的树冠层、混合的住宅-工业用地，以及依赖老旧的交通和能源基础设施。这些特征在该地区许多城市中普遍存在，使得南本德成为研究超越单一地点机制的有用城市实验室。

**2. 背景与研究空白**
本节提供了一个有针对性的、问题驱动的综述，而非全面的关于城市热岛、绿化和空气污染的研究清单。我们重点关注四个方面的内容：（1）城市热岛（UHI）与城市污染（UPI）的耦合动态及复合暴露效应；（2）绿化结果的非线性和阈值效应，特别是在不同温度条件下的表现；（3）复杂的季节性/行业控制逻辑，这些逻辑使协同效益的假设变得复杂；（4）需要多尺度、综合的形态指标来同时描述绿色和建成基础设施。

**2.1. 城市热岛与空气质量的耦合动态**
城市热岛与空气污染之间的耦合越来越被视为一个复杂的非线性系统，而非简单的加性关系，其中热应力和颗粒物积累通过大气和形态过程相互增强（H. Li et al., 2018; Sinha et al., 2024; Ulpiani, 2021）。研究表明，高温会抑制边界层混合，加速光化学反应，并增加细颗粒物的形成和持续存在（Ulpiani, 2021）。在北京、德里和巴黎等大都市区的实证研究一致指出，密集的城市核心区域既是热应力的热点也是PM?.?积累的热点（Dousset & Gourmelon, 2003; Pandey et al., 2012）。这些模式与热效应对流有关，将污染物推向城市中心，同时稳定的大气条件限制了垂直扩散（Poupkou et al., 2011; Yoshikado & Tsuchida, 1996）。最近的研究进一步强调，热岛效应和PM?.?构成了一种复合暴露风险，其影响程度因城市功能区和人群群体而异（Ahn, 2024; Yu et al., 2025; Zhao et al., 2024）。总体而言，这些文献表明城市形态、气候和空气质量紧密相连，但大多数强有力的实证证据仍局限于高密度的大城市环境。

**2.2. 超出静态绿化：阈值与交互效应**
城市绿化被广泛提议用于缓解这些耦合风险，因为植被可以冷却地表、调节微气候并通过沉积作用去除空气中的颗粒物。许多建模和观测研究显示，植被覆盖增加会导致近地表温度下降，在某些情况下还会降低颗粒物浓度（Fallmann et al., 2016; Uhl et al., 2021）。然而，证据存在争议，最新研究表明绿化效果强烈依赖于具体配置和周围建成环境。例如，植被会增加地表粗糙度、改变湍流并抑制通风——尤其是在街道峡谷和密集社区中——从而抵消甚至逆转预期的空气质量改善效果（Barwise & Kumar, 2020; Hewitt et al., 2020; Wania et al., 2012）。最近的研究，包括《可持续城市与社会》领域的成果，强调基于自然的解决方案（NBS）并非总是有益的；相反，它们对PM?.?和地表温度的影响可能是非线性的，只有在达到最低绿化强度或特定绿色-灰色配置时才会出现冷却或过滤效益（Chen & Guo, 2026; Wang et al., 2026）。从纯二维绿色覆盖向三维形态（建筑高度、密度和体积）的转变进一步表明，公园和小型绿色干预措施（如口袋公园）的空气质量影响取决于其与相邻排放源和通风条件的相互作用（Tang et al., 2025; Zhang et al., 2022; Zhao et al., 2026）。这些研究促使我们从“更多绿化更好”的理念转向明确量化绿色和建成基础设施如何共同影响冷却和扩散效果的指标和分析方法。

**2.3. 不同的控制逻辑与季节性动态**
另一个新兴主题是，共同产生的环境结果可能遵循不同的控制逻辑。尽管PM?.?和CO?通常来源于重叠的城市活动，但它们对建成环境特征的响应不同；例如，更高的建筑密度可能通过减少通风来捕获PM?.?，同时通过建筑能耗和出行模式影响CO?（Chen et al., 2025; Wang et al., 2026）。此外，文献开始关注夏季以外的季节性和冬季微气候调节作用，认识到当混合作用较弱且生物活动较低时，植被的机制和大气稳定条件会有所不同（Ding et al., 2026）。这些发现表明，时间平均或单一季节的发现可能掩盖了气候敏感的动态，绿化与空气质量的关系可能随温度条件的变化而变化。

**2.4. 研究空白与多尺度指标的需求**
尽管取得了一定进展，但仍存在重要空白，限制了将现有证据应用于耐热型城市规划和可靠解读绿化干预措施的能力。首先，文献中的指标存在碎片化问题：绿化和建成基础设施经常被视为独立的预测因子，这限制了量化植被降温或颗粒物去除潜力与密集建成形式带来的通风限制之间的权衡的能力。因此，证据往往针对特定干预措施（如树木、公园、绿色屋顶），而不是基于配置的评估，而明确反映绿色-灰色平衡的综合评估相对较少（Jia & Turcu, 2025; Jin et al., 2024; Kumar et al., 2024）。其次，实证覆盖范围存在明显的尺度差异，大多数强有力的证据来自大型城市和高密度城市区域，这些地区的排放强度、建筑高度分布和通风网络与中等规模城市明显不同（Ulpiani, 2021）。尚不清楚在高密度都市区观察到的关系是否适用于形态异质且分散机制不同的较小城市系统，这对许多在美国中西部地区日益受到气候驱动迁移讨论的城市来说是一个重要限制，但这些城市在高分辨率空气质量研究中仍被忽视。第三，主流的分析方法在方法论上相对静态，许多研究依赖于气候无关或时间平均的框架（如土地利用回归、年平均值或有限的季节窗口），这些方法可能掩盖了温度依赖的阈值和城市形态、气象条件与PM?.?暴露之间的非线性相互作用（Jin et al., 2024; Larkin et al., 2023; Levy et al., 2015）。尽管近期研究日益呼吁采用能够跨越季节和形态背景解析非线性相互作用的结构，但关于绿化效益何时出现、饱和或逆转的一致实证证据仍然有限（Lee et al., 2024）。

为了解决这些限制，本研究引入了一个空间明确的绿色-灰色比率，用以量化街区层面绿色冷却源与建成基础设施之间的平衡。通过超越静态或纯线性的评估方法，该方法使用这一统一的形态指标来研究城市形态、温度条件和PM?.?暴露之间的非线性相互作用和潜在的温度依赖性阈值。通过在了一个中等规模城市（其规模、排放强度和通风结构与大城市不同）中进行测试，本研究评估了从高密度都市区得出的假设在不同形态和气候条件下的适用性。

**3. 方法**
**3.1. 研究区域与空气质量观测**
本研究使用了印第安纳州南本德市的高频空气质量数据，该城市具有适度的城市密度、异质化的土地利用以及植被覆盖、建筑形态和基础设施的空间变化。空气质量与微气候数据来自与TELLUS Network Solutions合作实施的Sense South Bend（Sense SB）监测项目。该网络包括22个安装在现有公共基础设施（如路灯杆）上的环境传感器，分布在住宅区、混合用途走廊和较少开发的周边区域，覆盖了城市约38平方公里的开发区域。Sense SB网络安装在现有的公共基础设施上，目的是覆盖主要走廊和社区区域，而非在整个38平方公里范围内实现均匀采样。因此，监测点分布不均，某些城市形态配置（特别是那些位于边缘或 Access较差的区域）可能被低估。为了减轻这种不均匀覆盖对推断结果的影响，分析将每个传感器视为与标准化的城市形态网格单元（第3.3节）相关联的固定观测点，并强调条件性和非线性关系（第3.4节），而不是将网络解释为整个城市的面积加权表示。在部署的传感器中，有15个提供了适合分析的完整和连续的数据。测量数据以15分钟为间隔记录，并汇总为小时分辨率，以平衡时间分辨率和数据稳定性。研究期间从2025年1月1日持续到12月25日，在进行质量控制之前，每个传感器最多可提供5,385次观测结果。记录的变量包括细颗粒物（PM?.?）、气体污染物（CO、NO?、SO?、O?、CO?）、环境空气温度、相对湿度以及据此计算出的空气质量指数（AQI）。传感器节点未测量风速和风向，因此在后续分析中未将其作为协变量纳入。因此，本研究中的气象控制仅关注所有站点都有的变量（温度和相对湿度），而与风和大气稳定性相关的扩散变化被视为残差变化的一部分，而不是通过模型明确表示。每个传感器对应的地理坐标被用来将基于点的观测结果与基于网格的城市形态指标进行空间整合。

3.2. 城市形态数据
城市形态变量是从一个空间网格化的数据集中得出的，该数据集反映了土地覆盖和建筑形态特征。每个网格单元都由建筑密度、道路密度、绿地密度、水域密度和植被指数来表征。绿地和道路密度指标是通过使用无监督k-means聚类算法处理高分辨率谷歌地图航空影像得到的。这种方法将不同的植被类型合并为一个统一的植被类别，同时将建筑物和不透水面分为非植被类别。

对于每个网格单元，绿地密度计算为被分类为植被的像素数量与单元内总像素数量的比例：
绿地密度 = 单元内绿色像素数量 / 单元内总像素数量

道路密度类似地计算为被分类为不透水或建筑表面的像素数量与单元内总像素数量的比例：
道路密度 = 单元内棕色像素数量 / 单元内总像素数量

为了考虑垂直城市形态，建筑密度使用了美国地质调查局（USGS）的LiDAR高度数据进行了体积化处理。LiDAR栅格被转换为标准化的灰度表面，其中像素亮度对应于相对建筑高度。对于每个网格单元，通过将高度分类像素的面积乘以其标准化高度系数并除以单元总面积来计算建筑体积密度，从而得到一个三维的建筑强度代理指标：
建筑密度 = 高度系数 × 明亮像素面积 / 单元总面积

3.3. 传感器和城市形态数据的空间整合
为了将基于点的传感器观测结果与基于网格的城市形态数据结合起来，每个传感器通过基于质心的最近邻方法（图1）与最近的网格单元进行空间匹配。网格单元由它们的地理质心表示，并计算了每个传感器位置与所有网格质心之间的大圆（Haversine）距离。使用BallTree空间索引来确定最近的质心，以确保计算效率。因此，与给定传感器观测相关联的所有城市形态变量都反映了匹配网格单元的特征，而不是以传感器为中心的缓冲区特征。这种方法提供了一种可扩展且可转移的方法，用于将点测量数据与基于面积的城市指标联系起来，同时避免了对缓冲区大小或形状的假设。

因为监测站点在城市区域分布不均，所以链接的传感器-网格数据集可能无法反映整个城市范围内的城市形态条件的完整分布。如果某些形态被比其他形态更密集地采样，这可能会引入空间采样偏差。本研究的目标是估计在不同温度条件下，绿色-灰色比例（Green–Grey Ratio）与PM?.?之间的条件性和非线性关系，而不是计算一个具有空间面积权重的全市平均值。尽管如此，如果某些形态类型的代表性不足，可能会影响推断出的过渡范围，因为这些形态可能在排放、通风或植被结构上存在系统性差异。因此，我们将识别出的绿色-灰色范围视为在采样城市环境中的证据，并将更广泛的概括视为临时的。

3.4. 数据质量控制和预处理
由于使用了分布式、低成本的传感器技术，数据质量控制是分析的核心组成部分。质量控制（QC）流程包括：（1）时间戳对齐和完整性筛查，以确保每小时数据的统一汇总；（2）物理范围检查（例如，排除负浓度和超出仪器报告范围的值）；（3）使用稳健的局部统计方法标记异常值（例如，与连续温度/相对湿度条件不一致的偏差）；（4）跨传感器一致性筛查，以识别在整个研究期间表现出持续偏移或基线不稳定的通道。在传感器-污染物层面跟踪的QC指标包括数据完整性、负读数的比例、极端峰值出现的频率，以及多周窗口内的持续基线变化（单调偏差）。那些显示出物理上不合理的值（例如，负污染物浓度）或与同时期气象条件不符的极端异常值的观测结果被标记并从需要绝对浓度精确度的分析中排除。由于没有可用的参考级共位数据来支持合理的绝对重新校准，我们没有应用全局校正来恢复“真实”浓度。相反，当引用这些变量时，它们仅被视为传感器内部的相对信号（即，与每个传感器自身基线的异常偏差），不用于需要绝对浓度精度或跨传感器可比性的计算。

PM?.?测量结果显示出很强的内部一致性和连贯的季节性模式，并被用作所有核心分析的主要结果变量。为了减少传感器特定偏差的影响，分析侧重于时间变化、条件关系和相对差异，而不是绝对的跨传感器比较。经过质量控制和空间整合后，最终的分析数据集包含了3,686个具有完整空气质量、气象和城市形态属性的每小时观测结果。

3.5. 绿色-灰色比例
为了用一个可解释的指标来捕捉植被和建筑基础设施之间的平衡，我们定义绿色-灰色比例为绿地密度与建筑物和道路总密度的比值。这种表述强调相对优势而非绝对数量，使得能够在不同的城市环境中进行比较。该比率被视为一个连续变量，在适当的情况下，被离散化为分位数或经验得到的范围，以研究非线性关系。绿色-灰色比例被解释为一种依赖于具体环境的城市形态平衡指标，而不是一个普遍适用的阈值。

3.6. 季节性分层和温度条件
为了研究气候敏感性，数据集被分为四个气候季节：冬季（1月-3月）、春季（4月-6月）、夏季（7月-9月）和秋季（10月-12月）。这种分层有助于区分寒冷季节的停滞效应和温暖季节的光化学过程。此外，环境温度被视为一个连续的调节因素。使用温度区间来探索绿色-灰色比例与PM?.?浓度之间的关系，特别关注这种关系的幅度或方向发生变化的范围。

3.7. PM?.?污染峰值定义
为了关注偶发性的空气质量风险以及平均状况，PM?.?“峰值”被定义为超过年度PM?.?分布第90百分位的每小时浓度（>17.05 μg m?3）。这个基于百分位的阈值能够捕捉极端暴露事件，同时对传感器特定的缩放和季节性变化具有鲁棒性。峰值概率计算为在定义的绿色-灰色比例范围和温度区间内超过此阈值的小时比例。使用不同的百分位阈值进行的敏感性分析得到了质量上一致的结果。

3.8. 机器学习分析
为了量化城市形态、气象和共污染物对PM?.?变异性的相对贡献，使用了scikit-learn实现的随机森林回归器（Random Forest Regressor）。响应变量是每小时PM?.?浓度，预测变量包括NDVI平均值、绿地密度、建筑密度、道路密度、水域密度、环境温度、相对湿度和气体污染物浓度。由于监测网络中没有提供风速/方向和大气稳定性的直接指标（例如，边界层高度），因此这些因素没有被包括在内；因此，随机森林模型中的“气象”特征集仅限于温度和相对湿度。模型使用数据集的80%进行训练，剩余20%用于内部验证。

随机森林模型由200棵树组成，没有明确的最大深度限制，允许树木充分成长，以捕捉预测因子之间可能的复杂和非线性相互作用。通过自举采样和集成平均来减轻过拟合问题，这些方法是随机森林框架的本质特征。模型性能通过决定系数（R2）和均方根误差（RMSE）进行评估。

4. 结果
4.1. 描述性统计
传感器位置覆盖了一个大约69.88平方公里的矩形区域，南北方向延伸约10.53公里（41.619–41.714°N），东西方向延伸约6.63公里（–86.296至–86.216°W）。由包围传感器位置的凸包定义的有效空间覆盖范围更小，约为38.14平方公里，表明监测站点在城市区域内的分布不均匀。环境温度范围从–15.15°C到30.44°C，平均值为12.15°C（标准差=8.73），反映了温带中西部城市的典型季节性和昼夜变化（见表1）。PM2.5浓度范围从0.09 μg/m3到44.51 μg/m3，平均值为8.71 μg/m3（标准差=6.47），在一年中的大部分时间内都处于一般可接受的质量范围内，尽管偶尔会出现高浓度事件。

表1. 测量数据的统计摘要。
| 变量 | 最小值 | 最大值 | 平均值 | 标准差 |
|---------------|------------|------------|-----------|------------|
| 空气质量（PM2.5） | 0.09 | 44.51 | 8.71 | 6.47 |
| 空气质量指数（AQI） | 0.00 | 499.00 | 39.07 | 28.57 |
| CO?（ppm） | 337.42 | 521.31 | 38.02 | 22.11 |
| CO（ppb） | 40.82 | 810.82 | 139.47 | 58.10 |
| O?（ppb） | 10.38 | 113.13 | 31.65 | 11.08 |
| NO?（ppb） | -97.04 | 40.84 | -7.28 | 16.09 |
| SO?（ppb） | -119 | 1.33 | 35.51 | -53.00 |
| 气温（°C） | -15.15 | 30.41 | 2.15 | 10.34 |
| 相对湿度（%） | 2.70 | 96.78 | 62.04 | 13.83 |
| 压力（Pa） | 40,07 | 13,44 | 5,57 | 133,13 |
| 建筑密度 | 0.00 | 45.00 | 5.31 | 5.10 |
| 道路密度 | 0.00 | 54.00 | 4.73 | 5.27 |
| NDVI平均值 | -0.23 | 0.24 | 0.07 | 0.13 |

城市形态指标显示出监测位置之间的显著异质性。平均建筑密度为4.73（标准差=15.27），反映了紧凑的城市核心区和低密度居民区或外围区的混合。绿地密度平均为5.30（标准差=15.10），平均NDVI为0.07（标准差=0.13），表明植被覆盖程度变化较大但总体适中。更高阶的NDVI指标进一步突出了空间异质性，最绿色区域的NDVI第90百分位值达到了0.63。道路密度平均为4.76，而水域密度很低，反映了该地区主要是内陆城市的特点。因此，水域密度被排除在进一步分析之外。

关于气体污染物的描述性统计数据显示出强烈的变异性和偶发的极端值。如表1所示，平均CO?浓度为438.0 ppm，夏季最高值超过520 ppm，这与能源需求增加和大气停滞有关。臭氧浓度平均为31.65 ppb，在温暖期间峰值达到113.13 ppb，反映了光化学活动。一氧化碳浓度变化很大，平均值为139.47 ppm，在较冷的月份出现极端峰值，最高达到810.82 ppm。NO?和SO?测量值呈负平均值并具有较大的范围，这表明在低环境浓度下可能存在传感器漂移或交叉敏感性；因此，在后续分析中这些气体仅被谨慎地考虑。总的来说，该数据集捕捉了环境条件和城市形态在时间和空间上的显著变化，为研究绿色-灰色平衡与PM2.5暴露之间的非线性和温度依赖关系提供了合适的基础。

4.2. 季节性PM2.5模式
对每小时观测结果的季节性汇总显示，PM2.5浓度在一年中的变化明显（图3a）。冬季和春季的平均PM2.5浓度最低，随着夏季的开始逐渐增加，并在夏末达到最高水平。与寒冷气候城市中常见的由供暖排放和温度逆温引起的颗粒物污染不同（例如芝加哥和纽约，Katzman等人，2010；Rattigan等人，2016），这个中等规模的中西部城市的PM2.5浓度在夏季有明显的峰值，主要受区域野火烟雾传输的影响。

2025年7月发生了最严重的PM2.5事件（图2b），连续多天的PM2.5浓度超过了年度分布的第90百分位。7月31日和8月1日连续记录的十个最高每小时PM2.5浓度都超过了美国环保署（EPA）规定的24小时安全标准35 μg/m3。这些高浓度与来自加拿大大规模野火（2025年加拿大野火和美国空气质量报告，2025）的区域性野火烟雾入侵在时间上重合。NASA Worldview卫星图像（图2b）显示，在此期间南本德地区有浓厚的烟雾覆盖，而加拿大东部和中部的活跃火点表明来源地区有广泛的野火活动。

这些加拿大野火是2025年整个加拿大范围内发生的一系列大规模野火的一部分。2025年加拿大的野火季节是有记录以来第二严重的，烧毁的面积极大，烟雾弥漫，影响了整个加拿大和美国北部的空气质量。国家报告显示，超过6,000起野火燃烧了大约880万至890万公顷的土地，是近十年平均燃烧面积的两倍多（《国家野生地火灾状况报告》，2025年）。在此期间，南本德几乎所有监测地点都观察到PM2.5浓度升高，这表明污染物扩散具有区域性特征，而非局部排放事件所致。季节性差异也体现在PM2.5浓度的变化中（图3）：夏季PM2.5浓度平均值最高，极端值出现的频率也最高；而冬季尽管有短暂的一氧化碳污染高峰，但PM2.5水平相对稳定。春季和秋季则处于过渡状态，PM2.5浓度适中，对气象变化的敏感度更高。相关性分析支持了这些季节性差异——夏季PM2.5与温度和臭氧的关联更强，这可能与光化学作用增强和二次颗粒物生成有关；而冬季PM2.5与温度的相关性较弱，却与大气停滞状态的指标更为吻合。这些模式表明，研究区域的PM2.5暴露情况受不同季节机制的调控：夏季污染主要由大气化学过程和区域烟雾传输驱动，而冬季污染则更多受到局部排放和边界层动态的影响。这种季节性不对称性为后续分析城市形态如何在不同温度条件下影响PM2.5浓度提供了重要的气候背景。

在整个数据集中，PM2.5浓度与绿色-灰色比例（Green-Grey Ratio, GCR）之间存在显著的非线性关系（图4a）。二次多项式回归模型显示（β2项的p值<0.01），证实了城市形态平衡与PM2.5浓度之间存在U型函数关系：绿色-灰色比例较低的地区（建筑物和道路表面占比高）PM2.5浓度较高；随着GCR增加，PM2.5浓度先下降至数学上的最小值（GCR*=?β1/(2β2)，然后在植被覆盖较强的条件下再次上升。这种非线性关系在不同分箱策略下也是一致的。分析PM2.5峰值分布进一步证实了这一点：在绿色-灰色比例较低的环境中，PM2.5超过第90百分位数的概率最高；而在较高比例的环境中这种概率最低。此外，温度对绿色-灰色比例与PM2.5浓度之间的关系具有温度依赖性——在温暖条件下，绿色-灰色比例越高，PM2.5浓度越低。

通过按温度分层观察，发现绿色-灰色比例与PM2.5之间的关系强烈依赖于温度（图5）。在凉爽和温和的条件下，这种关系较弱，甚至在某些情况下略微呈正相关；随着温度升高，这种关系逐渐增强并反转方向：在温暖条件下，较高的绿色-灰色比例与较低的PM2.5浓度相关。在大约19-20°C时，绿色-灰色比例与PM2.5之间的关系出现明显转折点：在此温度范围之外，绿色-灰色比例较高的地区的PM2.5浓度显著低于混凝土主导或植被覆盖茂密的地区。分段线性回归分析进一步说明了这种温度敏感性：在温暖条件下，PM2.5极端事件的概率在绿色-灰色比例适中的区域显著降低；而在较冷的条件下，这种差异不明显。这些结果表明，城市形态对空气质量的影响在热应力下最为明显。

随机森林（Random Forest, RF）模型量化了城市形态、气象条件和污染物对每小时PM2.5变化的影响。年度模型的R2值为0.67，均方根误差（RMSE）为3.45 μg/m3，表明该框架可以捕捉到大部分观测到的PM2.5变化，同时考虑了预测变量之间的非线性相互作用。夏季，燃烧指标（如CO和O?）以及环境湿度和温度对PM2.5浓度的影响最大；而在冬季，环境湿度和温度的重要性增加。季节性RF模型显示，不同季节中各种驱动因素的相对重要性有所变化：夏季植被相关指标的重要性增加，而静态城市形态变量的重要性相对较低。总体而言，城市形态对PM2.5浓度的调节作用主要体现在热应力下，而非单纯通过最大化植被覆盖来实现。

本研究还探讨了城市形态、气象条件和污染物之间的相对重要性。研究表明，城市形态通过多种机制影响PM2.5浓度：在夏季，燃烧活动和大气化学过程占主导；而在冬季，大气停滞条件和边界层动态也起到重要作用。此外，城市形态对PM2.5浓度的影响具有温度依赖性——在热应力下尤为明显。这种温度依赖性表明，城市形态主要在热应力下调节PM2.5暴露情况。本研究的发现表明，中等规模城市的空气质量韧性来源于城市设计、气候压力和排放管理的相互作用，而非任何单一干预措施。绿化措施的非线性和温度依赖性效应表明，在热应激期间，城市形态是决定脆弱性的主要因素，此时大气化学成分和空气停滞会加剧PM2.5的暴露。这促使我们提出了一个热响应型城市设计框架，其中绿色基础设施的评估基于其在温暖条件和极端事件下的表现，而不仅仅基于年平均值。

在社区层面，研究结果表明，在炎热时期，绿色与灰色基础设施平衡配置的表现始终优于过度建筑化或过度绿化的区域。这意味着绿化策略应优先考虑高热暴露和污染风险区域，同时确保足够的通风。规划者不应不加区分地最大化冠层覆盖，而应追求结合遮荫和冷却功能的适度绿色与灰色平衡。在这种背景下，“绿色与灰色比率”提供了一个简单且可扩展的指标，可用于分区规划、重新开发和社区级设计决策。强烈的温度依赖性进一步表明，策略需要考虑气候条件：在较凉爽的条件下，控制排放可能会带来更大的效益；而在较温暖的条件下，则必须将绿化与城市形态相结合以减少暴露。

至关重要的是，我们的分析指出，许多中等规模城市的现有城市形态——以低密度蔓延的边缘区域和复兴中的半密集核心区域为特征——需要与大城市不同的分区策略。在大城市中，主要目标是创造绿地以打破热岛效应。而在中等规模城市中，尽管绿地较为丰富但分布不均，挑战在于连通性和通风。我们的建议是，分区政策应优先考虑与盛行风向一致的“绿色走廊”，以增强通风效果，而不是单纯在已经存在空气停滞风险的区域最大化冠层覆盖。

**研究的局限性**：
1. 该分析依赖于分布式低成本传感器网络的数据，这些传感器可能存在校准漂移和交叉敏感性问题，尤其是对于某些气体污染物而言。尽管进行了广泛的质量控制，PM2.5的测量结果表现出一致的时间模式，但绝对浓度值（特别是SO?和NO?）仍需谨慎解读。强调相对模式、非线性和条件关系有助于缓解这些局限性，但无法完全消除它们。由于网络未包含与参考分析仪的常规对比数据，因此对SO?/NO?的任何“校准”仅限于质量控制筛查和保守的内部传感器解释；因此，研究避免了依赖于绝对气体浓度的定量结论。
2. 关键的扩散控制因素（如风速/方向和大气稳定性）未在模型中明确考虑，因为这些因素并未在传感器节点处进行测量；这些未观测到的气象过程可能导致PM2.5的短期变化，并可能与局部城市形态相互作用，这意味着所报告的绿色与灰色关系应被视为在特定气象条件下的条件结果，而不仅仅是经过全面气象调整后的效果。
3. 空间覆盖范围仅限于单个城市内的15个监测点。此外，监测点在城市化区域内的分布并不均匀，可能导致某些城市形态类型的样本不足，从而影响非线性转变范围的估计及其普遍性。尽管南本德被视为一个典型的中西部城市系统，但此处确定的绿色与灰色范围和温度阈值不能直接适用于具有不同地貌、气候或排放特征的其他城市。本研究的主要贡献在于揭示了普遍机制（非线性、温度依赖性和平衡效应），这些机制值得在更广泛的城市样本中进行验证。
4. 本研究采用的观测和机器学习方法不能建立因果关系。随机森林的特征重要性反映的是相对解释能力，而非直接物理影响。未来的研究需要结合多城市数据集、对照实验和大气模型，以进一步推广并机制化验证本研究发现的模式。

**结论**：
本研究表明，在一个中西部中等规模城市中，城市绿化的空气质量效益具有条件性、非线性和明显的温度依赖性。通过高频传感器数据，我们发现绿色基础设施并不能在不同季节内均匀降低PM2.5浓度。其保护作用在温暖条件下最为明显，尤其是在约19-20°C的气候转变点以上，此时大气化学成分和微气候过程会加剧颗粒物污染风险。在这种条件下，绿色与灰色基础设施平衡配置的社区比高度建筑化或高度绿化区域具有更低的PM2.5浓度和更少的极端暴露事件。

研究结果还表明，城市形态主要决定了基线的脆弱性，而短期PM2.5的变化受燃烧活动、气象条件和区域烟雾传输等动态因素的影响。2025年加拿大野火引发的夏季PM2.5高峰事件凸显了跨界气候灾害对历史上相对不受严重空气污染影响的中西部城市的重要性。因此，有效的空气质量韧性依赖于将城市设计策略与气候条件及持续排放源管理相结合，而不仅仅是依赖静态基础设施。

通过将以南本德为例的城市进行探讨，本研究揭示了在面临温度上升、基础设施老化和气候驱动的人口压力下，中西部及其他中纬度地区普遍存在的机制。这些发现支持转向热响应型空气质量规划，即根据绿色基础设施在温暖条件和极端事件下的表现来进行评估和设计，而不仅仅是基于年平均值。这种方法提醒我们避免采用一刀切的绿化方案，并强调了需要考虑气候敏感性和环境背景的城市设计策略，以平衡植被和建筑形态。未来的研究需要在多个城市和不同气候背景下扩展这一分析，以完善可推广的设计原则，并为加速气候变化下的韧性城市规划提供依据。

**作者贡献声明**：
- 明虎：撰写 – 审稿与编辑、原始草稿撰写、可视化、验证、监督、软件使用、资源管理、项目行政、方法论制定、数据分析、资金获取、正式分析、数据整理、概念构思。
- 西瓦什·戈尔班尼：数据整理。