中国的城市绿化程度与严重的PM2.5污染事件：一项关于污染负担、严重程度及事件内部动态的全国性长期面板研究

《Environmental Pollution》：Urban greenness and heavy PM2.5 events in China: A national long-term panel study on burden, severity, and within-event dynamics

　　

曹伟|冯立成|舒一凡|吴涛|张德顺

中国江苏省扬州市扬州大学园艺与景观建筑学院，邮编225009

摘要：

有证据表明城市绿化程度与PM_2.5之间存在关联，但大多数研究依赖于城市或区域层面的数据或较短的时间窗口，常常忽略了PM_2.5污染事件（PEs）及其内部动态。通过分析2000至2022年间中国371个城市的建成区数据，我们研究了总绿化度（NDVI）和树木覆盖率与年度PM_2.5污染事件负担、严重程度以及污染事件期间PM_2.5积累和扩散之间的关联。较高的NDVI和树木覆盖率通常与较低的年度污染事件负担和严重程度相关。NDVI每增加1个标准差，重度污染事件（≥75 μg/m³）的数量减少1.7%，污染事件天数减少2.9%，累计污染强度降低3.0%；事件持续时间和平均强度也有所下降。树木覆盖率的相关性较弱，污染事件数量减少0.3%，污染事件天数减少0.6%，累计污染强度降低0.2%，尤其是在极端重度污染事件（≥150 μg/m³）和区域分析中。在污染事件内部，NDVI与污染物的积累或扩散之间的关联有限，而树木覆盖率与污染物的积累和扩散幅度及速度分别增加了0.4–0.7%，表明污染事件的演变趋势更为剧烈。污染事件与绿化程度的关联强度低于与气象和排放因素的关联，并且这种关联因地区而异，特别是在四川盆地和珠江三角洲地区。这些发现表明，城市绿化可以补充以源头控制为主的策略，有助于减轻PM_2.5污染事件的负担和严重程度，但绿地设计应根据地区背景、排放因素和气象条件进行定制，同时需考虑树冠和其他植被类型的组成和空间布局。

引言

空气污染是全球公共健康面临的最严重环境威胁之一，其中细颗粒物（PM_2.5，空气动力学直径<2.5 μm）是导致超额死亡率和不良身心健康后果的主要因素（Burnett等人，2018年；曹等人，2023年；Chowdhury等人，2022年）。短期和长期暴露于PM_2.5会显著增加全球死亡负担，亚洲地区的受影响最为严重（Yu等人，2024年；Zhu等人，2023年）。过去几十年里，中国的快速社会经济增长和工业化伴随着严重的颗粒物污染，这主要是由工业、住宅、发电和交通部门的人为排放造成的（Li等人，2016年；Reddington等人，2019年）。从源头上控制排放是改善空气质量的最有效策略。自2013年以来，中国实施了一系列空气污染控制措施，并取得了可测量的改善（Clean Air China，2024年）。尽管如此，作为源头控制的补充手段，城市绿化可能有助于减轻室外环境中的近地面颗粒物浓度。

绿地影响颗粒物污染的途径是多方面且复杂的。植被可以通过叶面沉积去除颗粒物，而在较小程度上也可以通过气孔吸收（Abhijith等人，2017年；Ryu等人，2019年）。树木和灌木的多孔结构还可以改变局部气流和湍流，可能形成抑制扩散或促进再悬浮的循环区域（Buccolieri等人，2018年；Grylls等人，2022年）。因此，城市绿地的整体效应反映了沉积相关去除作用与空气动力学驱动的扩散过程之间的平衡，其中扩散效应通常比沉积作用强一个数量级（Jeanjean等人，2017年；Santiago等人，2021年；Vos等人，2013年）。这种多机制视角还意味着研究结果受研究设计的影响，包括绿地的测量方式、当地排放和气候条件，以及选择用于分析的空间和时间尺度。

与这种多机制和设计敏感的框架一致，关于城市绿地是否减少颗粒物的实证证据仍存在争议（Yin等人，2022年）。许多研究报告了负相关关系。例如，Lu等人（2018年）发现林地和草地比例较高与较低的PM_2.5浓度相关，Li等人（2023年）报告了绿色基础设施密度对颗粒物减排的有益效果。然而，其他研究则报告了较弱或不显著的效果。Lei等人（2021年）表明，增加绿地数量、面积占比和边缘接触显著减少了PM₁₀，但对PM_2.5的影响有限。结论也因空间尺度而异。一项基于美国和欧洲监测站的研究发现，在街道尺度上，绿地对空气污染的影响较弱且变化较大，而在区级到城市尺度上，树木覆盖率与颗粒物污染的负相关关系更强（Venter等人，2024年）。也有研究报道了非线性关系，并确定了绿地覆盖率和配置的阈值（Bi等人，2022年；Li等人，2024年；Wu等人，2023年）。

除了这些关于总体颗粒物水平的混合结果外，绿地的影响可能因污染程度而异。曹、王、李等人（2025年）报告称，绿蓝景观对PM_2.5暴露的影响因暴露程度而异，在中高暴露水平下绿地的作用更大。在严重污染条件下，叶片粗糙度和微观纹理可能增强颗粒物滞留，尽管沉积可能会达到实际上限（Janh?ll，2015年；Wang等人，2013年）。城市或区域层面的研究通常使用年度或季节平均浓度来评估颗粒物污染（Li等人，2021年；Liu等人，2025年；Liu等人，2023年），这可能会平均化偶发的严重污染事件。相比之下，基于街道尺度的研究通常基于短期的观测活动或扩散模拟，关注的是有限时间窗口内的情况（Miao等人，2021年；Z. Wang等人，2025年；Yan等人，2024年）。相对较少的研究直接探讨了城市绿地如何影响严重污染的动态。例如，Chen等人（2021年）和Chen等人（2019年）将绿地形态特征（如基于MPSA的指标）和城市形态指标（如平均建筑高度及其变化性、视野因素、道路密度）与污染事件特征（如浓度范围、持续时间和变化率）联系起来。然而，这些研究依赖于少数城市的污染事件数据和相对较短的观测期，这限制了其空间和时间代表性。总体而言，关于城市绿化程度的时空变化如何与年度PM_2.5污染事件的负担和动态相关的可靠证据仍然不足，特别是使用具有广泛时空覆盖范围和严格统计设计的长期面板数据时。

在这里，我们研究了2000年至2022年间中国各地严重PM_2.5污染事件与城市绿化程度之间的关联。通过构建基于事件的指标并量化总绿化度和树木覆盖率，我们使用面板框架来研究城市绿化程度的变化如何与严重污染事件的年度负担、严重程度和事件内部动态变化相关。我们还研究了极端严重的污染事件，并对中国主要的空气污染控制区域进行了子分析。通过将重点从平均浓度转移到污染事件的负担和动态上，我们的发现为城市规划和严重污染缓解工作提供了支持。

章节摘录

定义城市边界

我们使用了基于GHSL的中国城市实体数据集（Han等人，2024年）来划定城市范围，该数据集是从全球人类居住层（GHSL）衍生出的中国多时相城市实体数据集。该数据集覆盖了1975年至2020年的5年间隔期，总体准确率为90.19%。在本研究中，我们使用了2000年、2005年、2010年、2015年和2020年的边界层作为基准年份。

描述性统计

图3(a)和3(b)显示了年度污染事件负担（≥75 μg/m³）和极端严重污染事件（≥150 μg/m³）的时间趋势，左侧轴表示污染事件数量（PE_count）和污染事件天数（PE_days），右侧轴表示年度平均PM_2.5浓度。对于严重污染事件，全国城市平均事件数量从2000年的8.7次（33.1天）增加到2011-2014年的峰值18-19次和80-100天，随后在2022年显著下降到4.5次和17天。在区域层面，BTH地区...

城市绿化程度与污染事件负担和严重程度之间的关联

在这项全国性的长期面板研究中，NDVI和树木覆盖率与年度PM_2.5暴露以及严重污染事件的频率、持续时间和强度呈负相关。考虑到网格单元和每年城市的固定效应，我们的估计是基于网格单元内每年的绿化程度差异，而不是更广泛的城市层面变化。我们的发现与中国的大量研究结果一致，这些研究都报告了绿化程度与...

结论

在这项针对2000年至2022年中国城市建成区的长期全国性面板分析中，城市绿化程度总体上与年度污染事件负担和严重程度呈负相关。尽管估计的效果大小似乎不大，但在城市环境管理的背景下这一发现具有重要意义。气象条件和排放（包括区域交通）是污染事件的主要驱动因素；然而，气象条件难以调节，而排放...

CRediT作者贡献声明

曹伟：撰写——原始草稿、方法论、资金获取、正式分析、概念化。冯立成：软件开发、调查、数据管理。舒一凡：数据可视化、数据管理。吴涛：验证、调查。张德顺：撰写——审稿与编辑、项目管理

未引用的参考文献

Cao等人，2025年；Carlson和Ripley，1997年；Casotti Rienda和Alves，2021年；Fujino和Miyamoto，2022年；Gromke和Blocken，2015年；Gromke和Ruck，2007年；Grylls和van Reeuwijk，2022年；中华人民共和国生态环境部，2012年；Santiago和Rivas，2021年；Wang等人，2025年；Wu和Liu，2023年；Zhang和Qian，2024年；Zhu和Shi，2023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所述工作的财务利益或个人关系。

致谢

本工作得到了国家自然科学基金（资助编号：32401638）和中国博士后科学基金（资助编号：2025M771597）的支持。