基于高密度空气质量传感器网络观测的城市绿化公园的空间变化特征及污染物特异性缓解效应
《Environmental Pollution》:Spatial Variability and Pollutant-specific Mitigation Effects of an Urban Vegetated Park Observed with a High-density Air Quality Sensor Network
【字体:
大
中
小
】
时间:2026年07月07日
来源:Environmental Pollution 7.2
编辑推荐:
柳钟元|李泰勋|朴永美|韩秀彬|朴在勋|金在珍|崔元植
韩国釜山南区永祚路45号,浦项国立大学地球环境系统科学系(环境大气科学专业),邮编48513
**摘要**
城市植被常被视为改善城市空气质量的策略,但其效果取决于污染物的特性和空间尺度。本研究在韩国大邱一个人口
柳钟元|李泰勋|朴永美|韩秀彬|朴在勋|金在珍|崔元植
韩国釜山南区永祚路45号,浦项国立大学地球环境系统科学系(环境大气科学专业),邮编48513
**摘要**
城市植被常被视为改善城市空气质量的策略,但其效果取决于污染物的特性和空间尺度。本研究在韩国大邱一个人口密集的大都市环境中,部署了高密度空气质量传感器网络,用于分析城市植被公园内外多种污染物的时空变化特征。通过在道路旁、公园内部、单株树木冠层以及屋顶等不同位置进行监测,得以在精细的空间尺度上评估污染物暴露的差异。与道路旁相比,公园内的主要交通相关气体(一氧化碳、一氧化氮和二氧化氮)浓度始终较低,表明公园内部可作为这些污染物的相对清洁的微环境。而臭氧浓度在公园内较高,这是因为道路旁存在由一氧化氮引发的强烈化学反应,这提示在高臭氧浓度条件下,需谨慎考虑人们在植被公园内的暴露风险。PM2.5的公园内外浓度差异较小,说明区域传输和二次生成作用比局部净化效应更为显著。这些结果表明,本研究中观察到的PM2.5浓度下降幅度有限,部分原因在于公园的空间范围较小,这凸显了植被面积、密度和连续性对于有效降低PM2.5暴露的重要性。相比之下,超细颗粒物在单株树木冠层内的浓度下降幅度要大得多,这体现了植被在降低颗粒物浓度方面的潜力。
**引言**
城市地区的空气污染物既来自车辆排放和工业活动等人类活动,也会通过前体气体的化学反应在大气中二次生成。这些污染物对人类健康具有多种不良影响(Cole-Hunter等人,2012;Hoek等人,2010)。众多先前的研究表明,长期和短期接触空气污染物都会增加心血管疾病和呼吸系统疾病的发病率(Amsalu等人,2019;Brook等人,2010;Lipsett等人,2011;Raaschou-Nielsen等人,2013)。城市化带来的更广泛且更密集的道路网络会导致单位面积的空气污染物排放量增加(Clark等人,2011)。在韩国,从1999年到2022年,道路交通移动源一直是国家NOx排放的最大来源,占总排放量的30%至42%(CAPSS,2022)。此外,2020年韩国按人口计算的平均细颗粒物暴露浓度为25.30微克/立方米,约为同年经合组织平均浓度12.06微克/立方米的两倍,在各成员国中处于最高水平(OECD,2024)。这些数据表明,包括道路在内的城市交通基础设施的排放对大都市区的空气污染有着重要影响。全球范围内,57%的人口居住在城市中,截至2022年,包括韩国在内的发达经济体的城市人口约占全球城市人口的80%(UNCTAD,2023)。鉴于韩国人口高度集中在大型都市地区,城市区域极易受到偶发的严重污染事件以及长期暴露的影响,这意味着很大一部分人口直接受到城市空气质量的影响。
为减轻城市空气污染,人们提出了多种策略,其中以植被净化空气的方法越来越受到关注(Gong等人,2023;Yin等人,2011)。植被可以通过气孔吸收以及提供表面积来增强物理撞击、吸附和拦截作用,从而去除颗粒物和气态污染物(Beckett等人,2000;Grote等人,2016;Mo等人,2015;Nowak等人,2006;Yang等人,2005;Yin等人,2020)。城市森林还能通过遮荫和蒸腾作用缓解城市热岛现象,进而有助于改善空气质量(Akbari等人,2001)。通过降低空气温度,植被可能减少由光化学反应产生的二次污染物,如臭氧(Nowak等人,2000;Taha,1996)。
植被在减轻空气污染方面的效果已得到广泛研究。一些研究,尤其是关于细颗粒物(PM2.5)的研究,表明植被具有显著的净化效果,PM2.5浓度可降低16.5%至26.7%(Gong等人,2023)。然而,也有研究指出,在某些条件下,城市植被可能会对空气质量产生不利影响,尤其是在道路旁或街道峡谷地带,那里植被引起的空气动力学阻力会降低通风效率,可能导致污染物浓度上升(Karttunen等人,2020;Kokkonen等人,2021;Mircea等人,2023)。因此,城市植被对空气质量的总体影响是污染物净化作用与植被对气流和扩散影响的平衡结果,这就需要结合具体情境进行综合分析。另有研究认为,植被的PM2.5去除能力会受到环境条件和植被特性的限制。例如,Yang等人(2005)利用UFORE模型估算,北京的一片城市森林每年可去除772吨PM10。Nowak等人(2013)基于i-Tree Eco模型,对美国十座城市的植被颗粒物去除量进行了量化,发现亚特兰大的PM2.5去除量最高,为每年64.5吨。Su等人(2022)在台湾两个植被密度不同的城市公园进行了实地测量,植被密度分别为8.2公顷和10.8公顷,结果显示PM2.5浓度分别降低了5.58%和5.10%,且公园中心附近的浓度更低。他们还发现,在某些时段,植被较少的公园内的浓度甚至高于公园外部,这说明周边地区的污染物会流入公园,进一步强调了植被密度的重要性。Gómez-Moreno等人(2019)在西班牙一片125公顷的城市森林的内外区域测量了PM1、PM2.5和PM10的浓度,发现无论夏季还是冬季,内外区域的PM1和PM2.5浓度大致相同。同样,Silli等人(2015)报告称,在罗马一片160公顷的城市公园中,绿化区域与非绿化区域的PM2.5平均浓度仅相差2.56%。Viippola等人(2018)也发现,高速公路附近的林区与开阔地之间的PM2.5浓度没有显著差异。Set?l?等人(2013)在芬兰拉赫蒂的五个既有森林又有开阔地的区域测量了PM2.5、PM10和颗粒数浓度,发现五个区域中,森林区域与开阔地的PM2.5和PM10浓度没有明显差异,但在其中两个区域,森林区域的颗粒数浓度明显更低。
这些研究结果表明,城市植被的空气污染物净化能力会因各种环境因素而存在较大差异,这些因素包括植被区域的规模、密度和空间布局,以及植被类型、季节性和气象条件等。此外,复杂的城市树冠结构会导致空气污染物的时空分布呈现异质性(Britter和Hanna,2003;Choi等人,2016b;Park等人,2021;Tan等人,2014;Vachon等人,2002),这给评估植被对污染的净化作用带来了不确定性。因此,要更准确地评估城市植被对空气质量的益处,就需要在多个地点进行高分辨率的持续监测。近年来,成本低廉的空气质量传感器的发展引起了人们的关注,因为它们有望弥补传统监测网络分布稀疏的不足(WMO,2024)。先前的研究已经证明了这类传感器在为不同城市环境生成高分辨率的时空空气质量数据方面的广泛应用价值(Feinberg等人,2019;Han等人,2025;Lung等人,2020;Park等人,2021;Song等人,2023)。以往研究植被净化效果时通常依赖有限的监测点数和短期观测数据,而空气质量传感器网络则能够获取高精度的时空数据,从而更全面地了解城市森林内外污染物浓度的变化情况。这些信息有助于制定更优的设计和管理策略,进一步提升森林的空气污染净化功能。
本研究在韩国大邱市中心的一片城市森林公园内建立了空气质量传感器网络,该地区道路网络十分密集,传感器被布置在公园内外多个位置。借助这一高分辨率监测网络,研究人员分析了城市森林内外污染物浓度的时空变化规律。在此基础上,评估了该城市森林的净化效果,并分析了空气污染物的空间分布和季节性变化特征。本研究旨在明确城市森林在降低污染物浓度方面的作用,同时探讨季节特征和局部因素对该净化效果的影响。
**监测点位与空气质量传感器网络**
在本研究中,我们使用了定制的空气质量传感器构建了高密度监测网络,用于检测颗粒物污染物(PM2.5)、气态污染物(一氧化碳、一氧化氮、二氧化氮和臭氧),以及用于数据校准的气象变量(温度和湿度)。同时,还使用超声波风速计(CSAT3,Campbell Scientific)测量了三维风速分量(u、v、w),以了解主要污染物的大气稀释状况。
**公园内部及高空的气象条件**
植被,尤其是树木,会对气流形成阻碍。先前的研究表明,在植被茂密的防风林中,风速在距离树木高度约四倍的范围内可降低到来流速度的一半以下(Bird,1998;Kang等人,2020)。在本研究中,位于不同树木种植类型的城市植被公园内部的风速,大约仅为地面以上126米高的屋顶处风速的13%至25%。
**结论**
本研究在人口密集的城市环境中,部署了高密度传感器网络,用于分析城市植被公园内外空气污染物的时空变化特征。通过对多种微环境的监测,发现了精细空间尺度上的污染物暴露差异,这些发现为城市空气质量评估与管理提供了有益参考。除臭氧外,主要的交通相关气体(一氧化碳、一氧化氮和二氧化氮)在植被公园内的浓度始终较低。
**作者贡献说明**
金在珍:写作——审阅与编辑,资金筹集。
朴在勋:数据收集。
韩秀彬:数据收集。
崔元植:写作——审阅与编辑,验证,监督,项目管理,数据收集,概念设计。
朴永美:数据收集,数据整理。
李泰勋:数据收集,定量分析。
柳钟元:写作——初稿撰写,可视化,验证,数据收集,定量分析,数据整理。
**未引用参考文献**
空气质量传感器性能评估中心;Choi和Paulson,2016a;EPA,2017;Huang等人,2014;联合国贸易和发展会议,2023。
**利益冲突声明**
? 作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。
**致谢**
本研究得到了韩国林业厅(韩国林业振兴院)提供的森林科学技术研发计划[资助编号2022428C10-2324-0802],以及由韩国科学信息通信技术部资助的韩国国家研究基金会FRIEND项目(东亚考虑各国差异的细颗粒物研究计划)[资助编号2020M3G1A1115001]的支持。此外,本研究还部分得到了某国家研究所的资助。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号