街道形态及局部风环境与年累计环境 PM2.5 超标的关联：来自中国武汉的证据

《Journal of Environmental Management》：Associations of street morphology and local wind environment with annual cumulative ambient PM 2.5 exceedance: Evidence from Wuhan, China

　　

- ACEE量化了年均累积环境PM2.5浓度超过15 μg/m3的部分。
- 武汉的五种街道类型呈现出不同的ACEE模式。
- 几何形态和本地风是主要预测因子，其重要性因类型而异。
- 模型推导出的风速拐点在封闭街谷和开放街谷之间存在差异。
- 绿地与ACEE的关联在不同街道类型中表现不同。

## 引言

空气污染，尤其是细颗粒物（PM2.5，空气动力学直径≤2.5 μm），仍然是全球性的环境和公共卫生挑战（HEI, 2024）。2024年，超过90%的国家和地区未能达到世界卫生组织关于年均PM2.5浓度（< 5 μg/m3）的空气质量指导值（IQAir, 2024）。长期暴露于PM2.5与心肺疾病和癌症风险升高有关（WHO, 2021a），而其健康影响在不同人群、排放源和暴露场景中存在差异（Gautam等, 2020; Perumpully等, 2024; Kumar等, 2023）。当PM2.5与其他环境胁迫因子（如城市热岛效应）叠加时，还可能产生复合健康负担（Huang等, 2025）。预计到2050年，全球近70%的人口将生活在城市地区（Sharifi等, 2023），因此通过改善空间规划来减少城市污染暴露，对于实现可持续发展目标11（SDG 11）和推进健康城市发展日益重要（UN, 2025）。

城市PM2.5的空间格局受排放源和本地扩散条件的共同影响。主要城市排放源包括工业、建筑和交通（Hopke等, 2020），而土地覆盖、空间形态和气象条件则通过影响局部气流进一步改变近地面污染物的滞留和稀释（Wang等, 2025a; Yao等, 2023; Zhou等, 2024）。城市植被可通过叶片沉积降低颗粒物浓度，但也可能通过调节局部通风改变污染物的扩散（Lindén等, 2023; Guo等, 2023）。这些细尺度过程难以仅通过城市尺度的分析加以解析，凸显了适当的空间表征和监测的重要性（Blaga等, 2026）。街道尤为值得关注，因为它们直接受到近源交通排放、交通强度、街谷几何形态和局部风条件的影响，导致PM2.5呈现出显著的空间异质性（Li等, 2024; Bai等, 2023; Jon等, 2023; Yu等, 2025）。因此，街道尺度的分析对于理解PM2.5的细尺度变异以及为城市空气质量管理与街道规划提供情境化证据具有重要意义。

街谷空间内的PM2.5动态过程极为复杂，以往研究报告了污染物削减与累积的相反模式。有三类因素受到了特别关注。第一，街谷形态通常以宽高比（H/W）来表征，较高的H/W通常与更强的近地面污染物滞留有关（Murena等, 2023; Li等, 2024）。然而，当屋顶形式、行道树或其他街谷配置不同时，相同的H/W值可能对应不同的PM2.5响应（Nosek等, 2025; Miao等, 2022）。第二，灰绿空间配置可同时改变颗粒物沉积和局部通风，在不同空间和气象条件下与PM2.5产生相反的关联（Jeong等, 2023; Xu等, 2025）。例如，优化的绿篱配置与PM2.5降低约1.8%–13.4%有关，而植被屏障在特定风条件下也与局部增加5%–11%有关（Qin等, 2025a; Yan等, 2024b）。第三，风速和风街角是广泛用于表征街道层面通风的指标（Huang等, 2019; Wang等, 2024）。虽然通常预期风速增加会增强通风驱动的稀释（Wu等, 2022），但其效果并非均匀有益；在平行或斜向来流条件下，或受街谷几何形态和植被阻力制约时，可能诱发更强的再循环和汇聚，导致街道层面浓度升高（Jon等, 2023）。例如，在高植被覆盖社区中，风速从1 m/s增加到7 m/s，累积PM2.5浓度反而升高（Yan等, 2024b）。

街道类型之间的异质性可能部分解释了以往研究中的不一致发现，凸显了需要检验街道环境特征与PM2.5之间的关联是否在类型化背景下存在差异。尽管已识别出若干重要指标（Murena等, 2023; Wang等, 2024），但现有研究大多聚焦于单一因子或总体预测重要性，对多个指标在真实街道条件下如何通过非线性关系以及直接或间接统计路径共同关联累积环境PM2.5超标情况的关注有限。因此，需要一种能够表征此类多变量关系并解析其统计路径的分析框架。与此同时，风速被广泛认为是与PM2.5扩散和稀释相关的重要因素（Wu等, 2022; Yan等, 2024b），但现有研究往往依赖气象台的背景风观测数据（Nguyen等, 2024），这可能无法充分反映街道内部的通风异质性。近年来，街道尺度局部风速估算方面的进展，如Chen等（2026）提出的方法，为表征异质性街道环境中局部通风差异提供了实用基础。

在方法论上，街道层面空气污染研究传统上依赖数值模拟进行情景推断。区域气象-化学模型（如WRF/WRF-Chem）已被用于表征风场和污染物输运（Mazzeo等, 2022; Dai等, 2023），而ENVI-met和计算流体力学（CFD）等微尺度方法已被广泛应用于研究不同街谷和绿化配置下的污染物扩散（Li等, 2023; Wang等, 2024）。尽管这些方法能够实现可控且可重复的实验，但它们往往需要对复杂的真实街道环境进行简化（Dai等, 2023; Mobarhan等, 2024）。近年来，机器学习（ML）、深度学习（DL）和街景图像的发展使得对真实世界街道环境的大规模表征成为可能。基于深度学习的计算机视觉和语义分割可从街景图像中自动提取植被、建筑、道路、天空等空间要素（Fan等, 2025; Zhang等, 2023）。例如，O'Regan等（2022）从谷歌街景中提取了绿化视野指数（Green View Index），并发现其与PM2.5浓度存在显著关联。机器学习模型也越来越多地被用于捕捉城市形态-环境研究中的多维预测因子、非线性关系和交互作用（Zhong等, 2025; Nathvani等, 2023; Zhang等, 2024; Fan等, 2024b）。然而，现有应用大多侧重于污染预测和总体特征重要性，对异质性街道条件下类型特异性非线性关联的关注较少。更重要的是，为了同时表征环境PM2.5升高的幅度和持续性，本研究采用世界卫生组织24小时空气质量指导值15 μg/m3作为具有健康意义的参考水平（WHO, 2021b）。年均累积超标暴露（ACEE）通过累积全年每日超过15 μg/m3的浓度差值来构建。与年均PM2.5相比，ACEE反映了环境PM2.5浓度升高的幅度和持续性（Chen等, 2020; Li等, 2025a）。

武汉是中国中部的高密度特大城市，经历了严重的空气污染并呈现出多样的街道形态（Bi等, 2022; Guo等, 2023），是适宜的研究区域。从类型学角度，本研究以6,785条街道为分析单元，构建了多维指标体系，从街谷几何、灰色空间要素、绿色空间要素和局部风环境四个维度表征街道环境。联合运用可解释机器学习（CatBoost-SHAP）和偏最小二乘路径模型（PLS-PM），量化类型特异性预测贡献，识别非线性响应模式和模型推导拐点，并表征与ACEE相关的直接和间接统计路径。本研究涵盖四个方面：(1) 表征类型特异性街道环境和ACEE差异；(2) 识别不同街道类型的关键环境预测因子和非线性响应模式；(3) 评估街道环境各维度与ACEE之间的直接和间接统计路径；(4) 为类型敏感的街道规划和空气质量管理推导情境化启示。

## 研究区域

武汉位于中国中部（29°58′–31°22′N, 113°41′–115°05′E），是湖北省省会和中国国家级中心城市之一（图1）（Lu等, 2022）。该市面积约8,569.15 km2，地势总体低平，属湿润亚热带季风气候，温度和降水具有明显的季节变化（Cao等, 2022）。截至2024年底，武汉常住人口约1381万。

## 街道类型与空间特征

武汉的街道被分为五种类型（图3），其中ST2和ST3为主要类别（累积比例>75%）。ST1以封闭街谷（H/W > 1.4）和以斜向来风为主（35° < WA ≤ 50°）为特征，主要沿长江廊道分布。ST2和ST3均为朝向均匀的开放街谷（H/W ≤ 0.9; DE ≤ 0.8），ST2主要与近垂直来风（WA > 55°）相关，而ST3则以

## 讨论

城市街道是居民接触环境PM2.5的连续且频繁使用的户外公共空间，使其与细尺度空气质量管理及面向公共卫生的规划密切相关（Yu等, 2025; Jon等, 2023）。以往研究报道了街道环境与PM2.5之间异质性的关联，促使本研究从类型学视角检验这些关系（Nosek等, 2025; Miao等, 2022; Jeong等

## 结论

本研究建立了一个整合多维街道环境指标、可解释机器学习和PLS-PM的类型学分析框架，考察了武汉6,785条街道的环境PM2.5超标情况。主要结论如下：

(1) 街道几何和本地风环境指标共同贡献了超过50%的预测重要性，但它们的相对作用在不同街道类型中存在差异。封闭街道与

## CRediT作者贡献声明

郑天：写作——审阅与编辑，写作——初稿撰写，可视化，验证，软件，方法论，调查研究，数据管理，概念设计。毕思博：写作——审阅与编辑，写作——初稿撰写，可视化，验证，监督，软件，方法论，形式分析，数据管理，概念设计。戴飞：写作——审阅与编辑，写作——初稿撰写，验证，资源获取，项目管理，方法论，形式分析，数据管理。

## 未引用参考文献

Hang and Chen, 2022; Murena and Toscano, 2023; Subhedar and Bachute, 2025; UN, 202606; WHO, 202606; WHO, 2026; Yu and Ma, 2025.

## 资助

本工作受中国国家自然科学基金资助[批准号52178041]。

## 利益冲突声明

? 作者声明，不存在任何可能影响本文所述工作的已知竞争性经济利益或个人关系。

毕思博 | 郑天 | 鲍彰 | 戴飞