1  绪论

1．1研究背景

灰霾是当下要面对的主要环境污染问题之一，“我国区域大气灰霾形成机制及其气候影响和预报预测研讨会”在2002年12月15日于北京召开并首次提出灰霾概念[1]。造成灰霾天气的主要因素是粉尘颗粒物（PM）。一般按照颗粒污染物的空气动力学等效粒径分类，一共有总悬浮颗粒物TSP(10-100μm)、粗颗粒物PM10(2.5-10μm)、细颗粒物PM2.5(0.1-2.5μm)和超细颗粒物PM0.1(≤0.1μm)这4种类型[2]。不同颗粒物的组成成分不同，目前已经有大量的医学相关研究表明，PM10可进入人体呼吸道影响人体健康，而PM2.5则可以直达肺泡，由于其含有重金属、高毒性多环芳烃和二恶英等，可对人体健康造成极大威胁[3-6]。除此之外，由于PM2.5颗粒较小，重量轻，在大气中停留时间较长，治理难度大，对人们日常生产和生活也有很大影响。

2013年12月，全国各大城市相继出现重度霾日的情况。中国气象局数据显示，江淮地域大面积呈现出PM2.5浓度超过384μg/m3的重度污染现象，12月4日南京甚至首次发布了空气污染的红色预警通知。从近五十年南京雾霾气候数据来看，总体全年霾日呈上升趋势，由于南京地理条件三面环山，地处长三角经济区核心地带，人口众多、交通拥挤，不利于空气流通、对大气环境质量改善不利。并且随着城市的不断发展、扩容，工业排放、燃煤量都在增加，机动车尾气、扬尘以及农业和油烟污染都致使污染排放加重，近几年的雾霾天数量更是逐年增加。

目前，南京市政府已经在采用一系列措施应对大气颗粒物污染，例如目前出台的《南京市大气污染防治行动计划》和《南京重污染天气应急预案》明确提出，要优化产业结构和能源布局，增强工业污染防治，大力发展绿色交通，全面控制扬尘、农业、生活污染，实行大气重度污染预警应急方案，及时采取工业企业限、停产，机动车限行、工地停工等举措，综合考虑经济、政治和社会的协调发展，除减排方法外，增加对大气颗粒物的去除作用，并利用有利条件实施人工增雨作业等有效的辅助措施。

1．2研究目的及意义

城市绿地是组成城市生态环境不可或缺的要素，也是实现城市可持续发展的重要保障[7]，它具备多种生态功能，如通过降温增湿缓解城市热岛效应、减少噪音污染、削减空气中的大气污染颗粒物、保证城市的生物多样性等等，同时它也为居民提供了休闲娱乐的良好环境，对城市生态系统的稳定起到重要的作用。

植物作为绿地中主要组成成分，由于其绿化面积和理化特性，作为生物过滤器对可吸入细颗粒物有一定的吸附和净化作用[8]。因此，植物的生态效益逐步被人们所重视。到目前为止，国内外学者从植物种类及叶片结构、林分因素、滞尘因素等不同角度对其进行了系统的研究，并取得了一定的研究成果。但目前对植物群落结构的具体特性，如郁闭度、疏透度等对植物吸附PM2.5的影响研究较少。因此，本文试图得出植物群落结构参数对植物削减颗粒物的影响作用区间以及和温湿调节效益之间的组合效益区间。实验选择秦淮新河百里风光带燕西线段进行研究，对比测定不同植物群落结构的细颗粒物PM2.5等含量，分析城市绿地对消减PM2.5的作用，并探讨植物群落结构参数以及温湿调节效益综合作用区间与PM2.5消除率之间的关系，为高效削减大气污染颗粒物的植物配置提供参考。

1．3 研究综述

1.3.1相关概念

1.3.1.1PM2.5沉降原理   

颗粒物通过撞击从而滞留在其他物体表面并脱离大气环境的过程称为沉降。一般而言，沉降可分为干沉降和湿沉降。干沉降主要包括沉积、扩散、湍流，湿沉降主要包括冲刷和隐性沉降[9]。除此之外，一些化学作用或静电也可以使PM2.5发生部分沉降。研究表明，由于颗粒物易撞击并滞留在湿润粗糙或带电的表面，而植物表面以及所处地表坏境均符合条件，极易吸附并沉降颗粒物。

1.3.1.2植物消霾和滞尘差异   

研究表明，植物吸附粉尘的方式有3种类型：滞留(或停着)、附着和粘附，且不同吸附方式的作用机制存在着一定的差异[10-13]。大气颗粒物中的SO2、NOx等气态污染物，可通过植物吸收转化为其他物质，但不能通过滞尘作用进行消除。因此植物消除雾霾机理虽然包含了滞尘作用，却并不完全等同[14]。

1.3.2国内外研究进展

国外学者针对具体植物种类或植物叶片消除颗粒物的能力研究较多。例如，Virginia等[15]研究发现，比起光滑的叶表面，粗糙的叶表面尤其是有细绒毛或者凸起的叶脉等构造时在滞留悬浮颗粒物时会更有效率。Little等[16]、Pal等[17]和Wedding等[18]的研究都表明，叶片构造对捕获颗粒的效率十分重要。Dzierz·anowski 等[19]和Sæbφ[20]研究发现，与植物吸附大气颗粒物能力呈显著正相关的是叶片表面蜡质层含量，但叶面粗糙度和叶面积大小以及滞尘量无显著相关性；且灌木吸附颗粒物能力强于乔木，针叶树比阔叶树能力强等。Sæbφ等在挪威和波兰比较测定了欧洲城市常见的乔木和灌木种共计47种，对这些木本植物的滞尘(不同粒径颗粒物)能力研究发现，不同树种间的滞尘能力相差很大，最大甚至相差20倍。Beckett[21]和Lovett[22]等的研究表明，各类植物滞留大气颗粒物能力差异很大，主要是由于树冠结构、枝叶密度以及叶倾角不同而导致的。

目前国内针对植物群落结构消减PM2.5的研究较多，例如，李新宇等[23]对北京北小河公园绿地进行测定发现：从年平均看，公园内不同植物群落类型内PM2.5浓度排序为：乔灌草型>乔草型>草坪>篱草型>纯针叶林，说明对PM2.5等颗粒物的消除最优的是乔灌草结构的植物配置。汪结明等[24]的研究也证明，相比单一的植被结构，复层式植被结构对空气颗粒物的滞尘能力明显较强，按滞尘能力大小排序依次为阔叶乔灌草>针叶乔灌草>阔叶乔草>灌木草坪>草坪。

季节和气候因素对植物消减大气颗粒物也有影响。吴志萍等[25]在6种城市绿地空气PM2.5浓度变化规律的研究发现，不同季节绿地内PM2.5浓度春季为草坪最大而乔灌草最小；夏季为阔叶乔草浓度最高，对照点浓度最低；秋季篱草浓度最高，阔叶乔木浓度最低；冬季阔叶乔木浓度最高，阔叶乔草浓度最低。虽然夏季植物生长良好，绿量较高，但是由于乔灌草的结构，其PM2.5等颗粒物浓度反而较高，可能与乔灌草结构植物密度相对其它结构最高、枝下高相对较低以及花灌木数量偏多有关系。上述情况时，林内湿度高、通风较差，不利于大气污染物的输散,当外界颗粒物不断进入时，林内颗粒物浓度反而升高。

任启文等[26]在城市森林三维绿量对空气微生物、颗粒物浓度影响的研究中发现，当最小单位面积绿量达到3.87时，对降低颗粒物和微生物浓度有明显作用。因此，在进行植物配置时还应当考虑如何增加绿量以实现植物群落生态效益的最大化，郑俊鸣等[27]通过研究福州市闽江公园植物群落结构特征，针对植物配置提出：提高乔木平均层高，选择冠幅饱满、冠高大的植物，进而提高群落结构的空间绿量；选择适宜的优势种，比如胸径断面积大、生活能力强的树种，以提高单株乔木的三维绿量，同时还要注意优势种的数量比例以及速生树种和慢生树种的配置；根据具体的适生环境在满足生物多样性的同时，也要注意植物群落结构的丰富度和均匀度的结合，注重植物的生态位，构建相对稳定的植物群落结构体系，提高植物滞尘消霾的生态效益。

以上这些研究对植物削减PM2.5已经有一定的深入，但缺乏定量的具体参数区间研究，尤其是不同参数的组合效益研究相对较少，是本文进行研究的主要突破口。

nicolas616

1．4研究内容
通过对具体植物结构参数的研究并结合南京主要颗粒物来源、颗粒物组成成分、气象要素等进行分析，探讨不同植物群落结构对PM2.5等颗粒物的削减作用，通过研究为城市绿地等选择有效消霾的植物提供参考依据。主要研究内容为：
（1）比较不同植物群落结构对PM2.5等的消减作用。在不同植物群落结构的标准样地进行同步监测，计算不同植物群落结构对颗粒物的削减率，比较不同植物群落结构对大气颗粒物消减的能力。
（2）植物群落结构参数与污染物消减关系分析。探讨植物群落结构参数削减大气颗粒物的最优作用区间，主要针对郁闭度以及疏透度进行分析，为今后城市绿地植物配置考虑结构参数提供一定的参考依据。
（3）植物温湿调节效益和结构参数之间的组合区间研究。针对四季植物的温湿调节效益和郁闭度及疏透度对PM2.5等颗粒物削减的组合效益进行虚拟变量的回归方程建立，从而得出最优作用区间，为城市空气污染物防治的绿地建设提供一定的建议。
2  研究区概况及研究方法
2．1研究区概况
（1）自然条件
南京位于地球北纬31°14″-32°37″，东径118°22″-119°14″，地处长江中下游地区，江苏省西南部，属北亚热带湿润气候，四季分明，雨水丰沛，水资源和物种资源丰富，是由低山缓岗、河谷平原、滨湖平原等地理单元构成的地貌综合体。全市林木覆盖率26.4%，已建成地区绿化覆盖率45%，人均公共绿地面积13.7平方米，在全国位居前三，是中国四大园林城市之一。
（2）社会经济条件
南京是长三角地区辐射带动中西部发展的门户城市，一二三产业发达，是“一带一路”战略与长江经济带战略交汇的重要节点城市。南京历史悠久，景点丰富，旅游业发展迅速。此外，南京社会服务设施完善，文化教育资源丰富，高校云集。
（3）南京秦淮新河绿带概况
南京明外郭-秦淮新河百里风光带北起老宁杭公路，南至上高路，将建成代表南京城市形象的都市历史展示带和生态绿色廊道。本文以秦淮新河燕西线段为研究区域，研究段为一条带状绿地，绿带旁的燕西路车辆频繁，秦淮新河上常有运输船经过，有一定的污染干扰；绿带内植物群落结构丰富，树种较多，绿带有一定宽度，能充分满足研究的样地及布点选择。本文主要研究不同类型植物群落结构在消霾性能上的差异以及群落结构参数如郁闭度等对植物消霾能力的影响，试图找出影响植物消霾能力的关键性因素，并从调整植物群落结构参数的角度提供数据支撑，以期提出绿带有效发挥最佳生态效益的具体植物配置模式，为城市消霾和绿地建设提供一定的参考。
（4）南京空气污染概况
随着经济社会发展，南京近几年空气污染情况较为严重，如何减少污染、降低空气中可吸入细颗粒物的含量是南京目前面临的巨大挑战。基于南京地区5个观测站点近50年的观测数据分析，南京霾日数总体呈上升趋势，且都在近几年呈高值，市区霾日明显高于郊区；此外，南京平均霾日冬季最多，夏季最少，在近地面风速较小且为东南风、湿度较大等气象条件下出现霾日较多[28]。
2．2研究方法
2.2.1样地选择
随着城市规模扩大，土地升值速度加快，城市绿地的建设成本日益增加，因此提高单位绿地的生态效益，是城市绿地建设的主要要求。实验同时，选择的样地应具有一定的代表性，除了环境数据与南京基准数据基本一致外，建成时间应当一致且生长势趋于稳定，颗粒物不同季节基本来源与南京市大气颗粒污染物主要来源一致，绿地植物结构完整且能够包含南京大部分植物类型。笔者在选取样地时综合考虑以上问题，选择建成时间一致的秦淮新河百里风光带燕西线段（坐标118.768101,31.963898-118.744763，31.95555）进行植物群落结构特征调研和大气颗粒物等数据测定。该样地呈带状，处于南京城郊交错带，属于城市人工环境和自然环境相接的弹性地带，所测数据与南京国家基准气候站（坐标118.910438,31.935088）的气象数据基本一致，植物结构类型完整且丰富，并皆已成林，颗粒物污染来源稳定，对研究绿地内植物结构配置对南京城市和城郊的大气污染有一定的参考价值。
样地选择5种不同植物群落结构进行研究，分别为乔灌草型、乔草型、乔木型、灌草型和草坪。在所选植物群落结构内划出10m x 10m的样方，按照东南西北四个方向均匀布置9个测量点。为尽可能使对照点和各群落坏境背景一致并排除其他因子影响，将对照点选择为样地之外的裸地，本次研究将道路测试点设置为参考点。并且为保证测定数据的可靠性和可比性，实验所选样地立地条件相似，人可自由进出，且各群落结构参数均有一定差异（具体实验样方设置如下图所示）。

图2-1 实验的样方设置
Fig.2-1 Sample setup of the experiment
2.2.2植物群落结构调查
通过实地调研记录样点的植物种类，以及皮尺、卷尺、测距仪等测量工具，实际测量样地植物群落的株高、胸径、冠幅、面积等基础数据；并通过冠层仪和数字图像处理的方法确定郁闭度、疏透度等。
2.2.3大气颗粒物测定方法
为排除干扰和保证样点各因素的时空代表性，实验时间选择晴朗、无风或微风等气象条件较为稳定的天气,进行2-3天的实验。本次论文实验时间从2016年4月开始到2017年1月结束，分别为：春季4月28日、4月29日；夏季7月21日-7月24日；秋季10月24日、11月15日；冬季12月31日、2017年1月4日。实验过程中使用高精度手持式PM2.5速测仪(CW-HAT200S)从08:00-18:00进行测定，该仪器检测灵敏度为0.001mg，测量精度为±10%，浓度单位为µg/m3,工作环境为5-45oC、<90%RH，能够每隔1min测定并自动储存一组PM2.5和PM10大气颗粒物浓度数据。实验时，每隔2小时测定一次，每次监测均在样地停留1min以上，待仪器度数稳定进行读数记录，采样高度距地表1.5m，与成人呼吸高度基本一致。每个样点每一时间取3组数据的平均值作为采样值。
2.2.4气象数据测定方法
气象数据的测定同大气颗粒物测定方法相近，使用kestrel-4500袖珍式气候测量仪从08:00-18:00进行测定，该仪器反应灵敏，屏幕显示为实时数据，风速测量范围0.4-40m/s，精度为±3%，分辨率为0.1m/s；空气温度测量范围为-29oC-70oC，精度为1oC，分辨率为0.1oC；相对湿度范围5-59%，精度3%，分辨率0.1。实验时，每隔2小时测定一次，记录空气温度、湿度和风速等气象数据，并且为保证科学性，每次测量在样点内停留时间均超过1min，待数据稳定后取3组数据进行数据记录，采样结果取平均值。
2.2.5虚拟变量法
虚拟变量又叫哑变量或虚设变量，是量化了的反应某种属性或者本质的变量，通常取值为0或1，常用于计量经济学中。本文中引入这一方法并建立模型是因为它可以分离异常因素的影响，解释变量中的部分离群数据，描述和测量定性因素的影响，拟合出高精度的模型。该方法相当于将不同属性的样本合并，扩大了样本的容量，增加了实验数据的误差自由度，从而降低了误差方差。当解释变量中存在分类变量时，就可以引入虚拟变量。
目前在生态学方面鲜少有使用虚拟变量进行回归分析并拟合数值的论文，但2007年陶伟国等就对不同利用情况下的草原使用虚拟变量建立了估产模型，建立模型的精确程度高达79%；到了2015年谢心庆等使用虚拟变量将气象因素（风速、温度、天气等）与PM2.5等颗粒物浓度值进行回归预测，并且使用效果良好，说明虚拟变量法也是可以被拓展应用至生态学领域的。
虽然前人对郁闭度、疏透度等对植物群落结构消霾效益影响的研究较少，但本文选取的指标也是基于前人研究基础之上的，且郁闭度、疏透度等用区间来表示，可视为解释变量中的分类变量。当分类超过3种及以上且类别间存在序次关系时，该变量为多分类有序变量，已有研究发现，有序变量的“类间距”及各类型间的稀疏程度并不均匀，而虚拟变量则可以通过拟合修正数据模型，得出有效结论。因此本文对郁闭度及疏透度区间分类时，将分布相近的值划为一个区间，区间宽度虽然并不完全均匀，但可以排除这方面对结果的影响。同时，本文研究过程中，测定的郁闭度、疏透度等数据也存在一定的误差及个别异常因素，比如受天气的不稳定带来的数据异常，通过使用虚拟变量法，可以排除这些干扰，提高分析精度。使用stata13进行虚拟变量分析时，当P>|t|小于等于0.05时，表示该结果显著，从而可以分析并得出相应的结论。

nicolas616

2．3数据处理
2.3.1群落结构参数计算  
（1）郁闭度
郁闭度VCC=林冠的投影面积SA/林地面积SG
（2）疏透度
疏透度VCP=林带林分内空隙和树木干、枝、叶所占的空间比率
（3）污染物消减率（消减百分率）
消减率P计算公式：PQ=(CM-CS)/ CM*100%(CM为对照裸地的空气污染物浓度，CS为样地内空气污染物浓度）
（4）本文用stata13进行温湿调节效益的分析，因此本文将降温效益定义为对照点温度-样点温度；增湿效益定义为对照点湿度-样点湿度
2.3.2数据处理  
本文主要采用Excel和spss22.0录入数据并进行分析和图表处理，虚拟变量回归分析采用stata13进行处理；在计算郁闭度等数据时，还需要先通过数字图像法进行一定的图像处理再进一步计算得出数据。
2．4技术路线
  
图2-2 研究的技术路线
Fig.2-2 Technical route for research
3  结果与分析
3.1样地物种组成及植物群落结构调查分析
秦淮新河百里风光带燕西线段调查共记录维管植物32科47属49种，其中裸子植物2科3属3种，被子植物30科44属46种（见表3-1）。现将植物结构调查的结果列表如下：
表3-1 环城绿带调查样段内植物物种组成
Tab3-1. The composition of plant species in the survey area of green belt
序号        种名（含拉丁名）        科        属
1        日本晚樱（Cerasus serrulata var. Lannesiana.）        蔷薇科        桂樱属
2        东京樱花（Cerasus yedoensis (Mats.) Yü et Li.）        蔷薇科        樱属
3        碧桃（Amygdalus persica var. persica f. duplex）        蔷薇科        李属
4        紫叶李（Prunus cerasifera Ehrhar f.）        蔷薇科        李属
5        石楠（Photinia serrulata Lindl.）        蔷薇科        石楠属
6        榉树（serrata (Thunb.) Makinoz.）        蔷薇科        榉属
7        桂花（Osmanthus  sp.）        木犀科        木犀属
8        高杆女贞（Ligustrum lucidum Aiton.）        木犀科        女贞属
9        水杉（MetasequoiaglyptostroboidesHuetCheng.）        杉科        水杉属
10        落羽杉（Taxodium distichum (L.) Rich.）        杉科        落羽杉属
11        马尾松（PinusmassonianaLamb.）        松科        松属
12        乌桕（Sapium sebiferum (L.) Roxb.）        大戟科        乌桕属
13        栾树（Koelreuteriapaniculata.）        无患子科        栾属
14        枫杨(ChinaWingnut,ChineseWingedNut,ChineseAsh.)        胡桃科        枫杨属
15        紫薇（Lagerstroemia indica.）        千屈菜科        紫薇属
16        广玉兰（Magnolia grandiflora Linn.）        木兰科        木兰属
17        木槿（Hibiscus syriacus Linn.）        锦葵科        木槿属
18        青桐（Firmiana platanifolia .）        梧桐科        梧桐属
19        紫荆（Cercis chinensis Bunge.）        豆科        紫荆属
20        香樟（Cinnamomum camphora (L.) Presl.）        樟科        樟属
21        红枫（AcerpalmatumThunbf.）        槭树科        槭属
22        垂柳（Salix babylonica.）        杨柳科        柳属
23        三角枫（Ginkgo biloba）        槭树科        槭属
24        白玉兰（Michelia alba DC.）        木兰科        玉兰属
25        银杏（Ginkgo biloba）        银杏科        银杏属
26        构树（Broussonetia papyrifera）        桑科        构属
灌木
序号        种名（含拉丁名）        科        属
1        迎春（Jasminum nudiflorum）        木犀科        茉莉花属
2        金叶女贞（Ligustrum vicaryi）        木犀科        女贞属
3        云南黄馨（Jasminum mesnyi）        木犀科        素馨属
4        金钟花（Forsythia viridissima）        木犀科        连翘属
5        红叶石楠（Photinia × fraseri）        蔷薇科        石楠属
6        阔叶十大功劳（Mahonia）        小檗科        十大功劳属
7        紫叶小檗（F.atropuTpurea）        小檗科        小檗属
8        南天竹（Nandina domestica）        小檗科        南天竹属
9        八角金盘（Fatsia japonica）        五加科        八角金盘属
10        熊掌木（Fatshedera lizei）        五加科        熊掌木属
11        六道木（Zabelia biflora (Turcz.) Makino）        忍冬科        六道木属
12        六月雪（Serissafoetida）        茜草科        六月雪属
13        杜鹃（Rhododendron simsii Planch.）        杜鹃花科        杜鹃花属
14        海桐（Pittosporumtobira）        海桐花科        海桐花属
15        紫荆（Cercis chinensis Bunge）        豆科        紫荆属
16        红花檵木（Loropetalum chinense var.rubrum）        金缕梅科        檵木属
草本
序号        种名（含拉丁名）        科        属
1        络石（Trachelospermum jasminoides）        夹竹桃科        络石属
2        大吴风草（Farfugium japonicum (L. f.) Kitam）        菊科        大吴风草属
3        金叶过路黄（Lysimachia nummularia ‘aurea’）        报春花科
珍珠菜属
4        牛筋草（Eleusine indica）        禾本科        穇属
5        玉簪（Hosta plantaginea (Lam.) Aschers.）        百合科        玉簪属
6        麦冬（Ophiopogon japonicus (Linn. f.) Ker-Gawl.）        百合科        沿阶草属
7        二月兰（Orychophragmus violaceus）        十字花科        诸葛菜属
3.2绿地内颗粒物PM2.5的变化规律
从图3-1来看，不同季节的绿地内PM2.5浓度不同，夏季PM2.5浓度最低，在冬季时达到最高，秋季PM2.5浓度较高。

图3-1不同季节绿地内PM2.5浓度
Fig.3-1 Concentration of PM2.5 in different seasons
    从不同季节的日平均变化来看，夏季和冬季测试区域多数平均浓度值低于参照点浓度，而春季和秋季则相反。单一季节的平均日变化来看，在上午8:00左右基本都较高，在下午14:00左右都较低，总体呈“单峰单谷”的情况。
   
  
图3-2不同季节绿地内PM2.5浓度日变化
Fig.3-2 Diurnal variation of PM2.5 concentration in different seasons

nicolas616

3.3不同植物群落结构对颗粒物的削减效应
    对测试数据进行归纳分析，将不同植物群落结构对颗粒物的削减率综合全年数据，得出图3-4，可以看出，对PM2.5的削减能力按大小排为：双层式-乔草>复层式-乔灌草>双层式-灌草>单层-乔>单层-草。总体来看，乔草结构或乔灌草结构削减PM2.5等颗粒物的能力最优，草坪的能力最弱，因此在进行城市绿地植物配置时，应适当降低草坪的面积，提高乔草或乔灌草结构的面积，但同时应注意不能种植过于浓密，导致郁闭度过高疏透度过低，反而对颗粒物的阻滞吸附产生消极影响，在后文将会详细描述郁闭度和疏透度不同季节具体作用区间，以期为城市绿地建设提供参考性意见。

图3-3不同植物群落结构不同粒径颗粒物削减率分析
Fig.3-3 Analysis of the reduction rate of different particle size of different plant community structure
3.4相同植物群落结构对颗粒物PM2.5的削减
3.4.1乔灌草结构对颗粒物PM2.5的削减效应   
由图3-4可分析得出，复层式-乔灌草结构对PM2.5的削减率在冬季最高，秋季最低。

图3-4复层式-乔灌草对颗粒物的削减率分析
Fig.3-4 Analysis of the reduction rate of the granules by the multi-layer type
3.4.2乔草结构对颗粒物PM2.5的削减效应   
双层式-乔草结构对PM2.5的消减率变化幅度和乔灌草结构相似，都是冬季最高，秋季最低，春夏相近。

图3-5双层式-乔草对颗粒物的削减率分析
Fig.3-5 Analysis of the reduction rate of the two-layer-Qiao grass on the particulate matter
3.4.3灌草结构对颗粒物PM2.5的削减效应   
从图3-6来看，双层式-灌草结构对颗粒物削减率在秋季最低，在春季、夏季和冬季均较高。

图3-6双层式-灌草对颗粒物的削减率分析
Fig.3-6 Analysis of the reduction rate of double-layer type and shredded grass
3.4.4乔木结构对颗粒物PM2.5的削减效应   
单层式-乔木结构在秋季对颗粒物削减率最低，对PM2.5的削减率在冬季最高，夏季和冬季颗粒物削减的变化幅度与灌草基本一致，但春季的与灌草相反。

图3-7单层式-乔木对颗粒物的削减率分析
Fig.3-7 Analysis of the reduction rate of monolayer-tree species
3.4.5草坪结构对颗粒物PM2.5的削减效应   
草坪结构对PM2.5的削减率在春季和秋季最低，几乎不进行削减，冬季削减率最高。

图3-8单层式-草对颗粒物的削减率分析
Fig.3-8 Analysis of the reduction rate of monolayer-grass on particulate matter
     综上所述，总结规律可以发现，基本每种群落结构在冬季对颗粒物的削减率都达到最高，在秋季均较低。且除了单层-草结构外，其他四种群落结构在春季对颗粒物的削减作用也较强。
3.5植物群落结构宽度对颗粒物削减作用分析   
对春夏秋冬四季植物群落结构距离道路的不同宽度（5m/20m/35m）对PM2.5的影响，用stata13进行虚拟变量回归分析，将宽度分为3个区间，结果如下表所示：
表3-2 四季不同宽度对植物群落结构消减PM2.5的影响
Tab.3-2  Effects of Different Widths of Four Seasons on Plant Community Structure Reducing PM2.5
显著性        春季 Spring        夏季 Summer        秋季 Autumn        冬季 Winter

P>|t|        Idistance_2        0.455        0.512        0.935        0.600
        Idistance_3        0.284        0.538        0.172        0.255
由表可见，四季的不同植物群落结构宽度对PM2.5消减量的影响P>|t|都大于0.05，表示不显著，由于样地的宽度限制，超过35m以上的宽度我们无法进行研究测定是否存在一定的递增或递减趋势，但可以说明在35m的距离内，植物群落距离路的宽度对PM2.5的削减暂无显著影响。

nicolas616

3.6植物群落结构参数与颗粒物削减作用分析
3.6.1郁闭度对PM2.5消减作用区间分析
通过冠层分析仪实测结合图像数据处理分析四季的不同郁闭度，并将其从0.15-0.95分为七个区间，由于stata这一软件可以进行虚拟变量的回归分析并且消除其他因素的影响（包括消除将郁闭度分为七个不等距区间的影响），因此这里通过stata对郁闭度区间进行分类变量转换，从而进行四季的郁闭度对植物群落结构消减PM2.5的影响区间分析计算,具体取值区间表见表3-3。当P>|t|小于等于0.05时，可认为显著，从而判定郁闭度的有效区间。
表3-3 郁闭度区间值表
Tab.3-3 Canopy closure interval values table
        Ivcc2        Ivcc3        Ivcc4        Ivcc5        Ivcc6        Ivcc7
郁闭度0.15-0.35        0        0        0        0        0        0
郁闭度0.36-0.55        1        0        0        0        0        0
郁闭度0.56-0.65        0        1        0        0        0        0
郁闭度0.66-0.70        0        0        1        0        0        0
郁闭度0.71-0.75        0        0        0        1        0        0
郁闭度0.76-0.85        0        0        0        0        1        0
郁闭度0.85-0.95        0        0        0        0        0        1
3.6.1.1春季
表3-4 春季郁闭度对植物群落结构消减PM2.5的影响区间
Tab.3-4  Effects of spring canopy closure on plant community structure reduction PM2.5
i.VCC             _IVCC_1-7           (naturally coded; _IVCC_1 omitted)
Source |       SS       df       MS       Number of obs =24
-------------+------------------------------           F(  6,    17) =    1.48
       Model |  179.216902     6  29.8694837           Prob > F    =  0.2449
    Residual |  344.047698    17  20.2380999           R-squared    =  0.3425
-------------+------------------------------           Adj R-squared =  0.1104
       Total |    523.2646    23  22.7506348           Root MSE    =  4.4987
         PM2.5 |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
     _IVCC_2 |     -5.852   3.763864    -1.55   0.138    -13.79306    2.089058
     _IVCC_3 |    -6.3545   3.017805    -2.11   0.050    -12.72151    .0125113
     _IVCC_4 |     -6.132   3.017805    -2.03   0.058    -12.49901    .2350113
     _IVCC_5 |     -2.542   4.928054    -0.52   0.613    -12.93929    7.855286
     _IVCC_6 |  -1.664857   2.634156    -0.63   0.536     -7.22244    3.892726
     _IVCC_7 |     -8.202   4.928054    -1.66   0.114    -18.59929    2.195286
       _cons |     12.172    2.01187     6.05   0.000     7.927326    16.41667
分析表3-4可见，郁闭度在0.56-0.70之间可以认为是对PM2.5作用较优区间，而当郁闭度在0.66-0.70之间时P值最小，效果最为显著，可以看作最优区间。
3.6.1.2夏季
表3-5 夏季郁闭度对植物群落结构消减PM2.5的影响区间
Tab.3-5 Effects of summer canopy closure on plant community structure reduction PM2.5
i.VCC             _IVCC_1-7           (naturally coded; _IVCC_1 omitted)
Source |       SS       df       MS              Number of obs =      24
-------------+------------------------------           F(  6,    17) =    2.26
Model |   259.65393     6   43.275655           Prob > F      =  0.0865
Residual |  324.815653    17  19.1068031           R-squared     =  0.4443
-------------+------------------------------           Adj R-squared =  0.2481
Total |  584.469583    23   25.411721           Root MSE      =  4.3711
PM2.5 |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
_IVCC_2 |     -7.464   3.657152    -2.04   0.057    -15.17992    .2519167
_IVCC_3 |     -7.099   2.932245    -2.42   0.027     -13.2855   -.9125036
_IVCC_4 |     -7.559   2.932245    -2.58   0.020     -13.7455   -1.372504
_IVCC_5 |     -3.824   4.788336    -0.80   0.436    -13.92651    6.278506
_IVCC_6 |  -1.145667   2.646852    -0.43   0.671    -6.730037    4.438704
_IVCC_7 |     -6.989   3.657152    -1.91   0.073    -14.70492    .7269167
_cons |     13.724    1.95483     7.02   0.000     9.599669    17.84833
分析表3-5可见，郁闭度在0.56-0.70之间可以认为是对PM2.5作用较优区间，而当郁闭度在0.66-0.70之间时P值最小，效果最为显著，可以看作最优区间。
3.6.1.3秋季
表3-6 秋季季郁闭度对植物群落结构消减PM2.5的影响区间
Tab.3-6 Effects of autumn canopy closure on plant community structure reduction PM2.5
i.VCC             _IVCC_1-7           (naturally coded; _IVCC_1 omitted)
Source |       SS       df       MS              Number of obs =      24
-------------+------------------------------           F(  6,    17) =    3.22
Model |  671.570295     6  111.928382           Prob > F      =  0.0267
Residual |  590.932505    17  34.7607356           R-squared     =  0.5319
-------------+------------------------------           Adj R-squared =  0.3667
Total |   1262.5028    23  54.8914261           Root MSE      =  5.8958
PM2.5 |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
_IVCC_2 |     -3.793     4.9328    -0.77   0.452     -14.2003    6.614298
_IVCC_3 |   -10.2955   3.955039    -2.60   0.019     -18.6399   -1.951098
_IVCC_4 |  -11.01467   4.305701    -2.56   0.020     -20.0989   -1.930432
_IVCC_5 |      7.127     4.9328     1.44   0.167    -3.280298     17.5343
_IVCC_6 |  -5.281333   3.570098    -1.48   0.157    -12.81358    2.250916
_IVCC_7 |     -8.793     4.9328    -1.78   0.093     -19.2003    1.614298
_cons |     14.318   2.636692     5.43   0.000     8.755065    19.88093
分析表3-6可见，郁闭度在0.56-0.70之间可以认为是对PM2.5作用较优区间，而当郁闭度在0.60-0.65之间时P值最小，效果最为显著，可以看作最优区间。
3.6.1.4冬季
表3-7 冬季郁闭度对植物群落结构消减PM2.5的影响区间
Tab.3-17 Effects of winter canopy closure on plant community structure reduction PM2.5
i.VCC             _IVCC_1-7           (naturally coded; _IVCC_1 omitted)
Source |       SS       df       MS              Number of obs =      24
-------------+------------------------------           F(  6,    17) =    2.05
Model |  54042.6609     6  9007.11015           Prob > F      =  0.1149
Residual |  74837.3987    17  4402.19992           R-squared     =  0.4193
-------------+------------------------------           Adj R-squared =  0.2144
Total |   128880.06    23  5603.48085           Root MSE      =  66.349
PM2.5 |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
_IVCC_2 |      94.04   72.68177     1.29   0.213    -59.30513    247.3851
_IVCC_3 |      98.74   41.96284     2.35   0.031     10.20615    187.2739
_IVCC_4 |   106.9733   48.45451     2.21   0.041     4.743244    209.2034
_IVCC_5 |      -3.86   41.96284    -0.09   0.928    -92.39385    84.67385
_IVCC_6 |      23.34   44.50831     0.52   0.607    -70.56433    117.2443
_IVCC_7 |      86.74   72.68177     1.19   0.249    -66.60513    240.0851
_cons |      33.06   29.67221     1.11   0.281    -29.54289    95.66289
分析表3-7可见，郁闭度在0.56-0.70之间可以认为是对PM2.5作用较优区间，而当郁闭度在0.60-0.65之间时P值最小，效果最为显著，可以看作最优区间。
    由此可见，虽然不同群落结构不同季节对PM2.5的削减量不同，但郁闭度的影响区间基本一致，基本在0.56-0.70之间能够较优的削减PM2.5，但春夏时期郁闭度在区间0.65-0.70时最优，秋冬季节在区间0.60-0.65之间最优。

nicolas616

3.6.2疏透度对PM2.5消减作用区间分析
疏透度的数据处理同郁闭度，通过stata对疏透度区间进行分类变量转换，从而进行四季的疏透度对植物群落结构消减PM2.5的影响区间分析计算。根据具体取值区间如下表所示：
表3-8 疏透度区间值表
Tab.3-8 Canopy Porosity interval values table
        Ivcp2        Ivcp3        Ivcp4        Ivcp5        Ivcp6
疏透度0.10-0.25        0        0        0        0        0
疏透度0.26-0.35        1        0        0        0        0
疏透度0.36-0.40        0        1        0        0        0
疏透度0.41-0.45        0        0        1        0        0
疏透度0.46-0.50        0        0        0        1        0
疏透度0.51-0.60        0        0        0        0        1
3.6.2.1春季
表3-9 春季疏透度对植物群落结构消减PM2.5的影响区间
Tab.3-9 Effect of spring troughs on plant community structure reduction PM2.5
i.VCP             _IVCP_1-6           (naturally coded; _IVCP_1 omitted)
Source |       SS       df       MS              Number of obs =      24
-------------+------------------------------           F(  4,    19) =    2.32
Model |  171.554695     4  42.8886737           Prob > F      =  0.0945
Residual |  351.709905    19  18.5110476           R-squared     =  0.3279
-------------+------------------------------           Adj R-squared =  0.1864
Total |    523.2646    23  22.7506348           Root MSE      =  4.3024
PM2 |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
_IVCP_2 |    -4.9845   2.452772    -2.03   0.056    -10.11821    .1492108
_IVCP_3 |     -5.895     2.6347    -2.24   0.037    -11.40949     -.38051
_IVCP_5 |      .4175   2.452772     0.17   0.867    -4.716211    5.551211
_IVCP_6 |    -3.8225   3.401383    -1.12   0.275    -10.94168    3.296676
_cons |    10.9225   1.521145     7.18   0.000     7.738708    14.10629
分析表3-9可见，疏透度在0.36-0.40时效果最为显著，可以看作最优区间。
3.6.2.2夏季
表3-10 夏季疏透度对植物群落结构消减PM2.5的影响区间
Tab.3-10 Effect of summer troughs on plant community structure reduction PM2.5
i.VCP             _IVCP_1-6           (naturally coded; _IVCP_1 omitted)
Source |       SS       df       MS              Number of obs =      24
-------------+------------------------------           F(  5,    18) =    2.52
Model |  240.647383     5  48.1294767           Prob > F      =  0.0675
Residual |    343.8222    18  19.1012333           R-squared     =  0.4117
-------------+------------------------------           Adj R-squared =  0.2483
Total |  584.469583    23   25.411721           Root MSE      =  4.3705
PM2.5 |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
_IVCP_2 |  -4.921667   2.360337    -2.09   0.052    -9.880552    .0372184
_IVCP_3 |  -5.301667    2.95884    -1.79   0.090    -11.51796    .9146247
_IVCP_4 |     -5.655   4.635611    -1.22   0.238    -15.39406    4.084057
_IVCP_5 |      3.125   2.676371     1.17   0.258    -2.497847    8.747847
_IVCP_6 |     -3.795    3.45518    -1.10   0.287    -11.05406    3.464064
_cons |     11.555   1.545204     7.48   0.000     8.308648    14.80135
分析表3-10可见，疏透度在0.36-0.40时效果最为显著，可以看作最优区间。
3.6.2.3秋季
表3-11 秋季疏透度对植物群落结构消减PM2.5的影响区间
Tab.3-11 Effect of autumn troughs on plant community structure reduction PM2.5
i.VCP             _IVCP_1-6           (naturally coded; _IVCP_1 omitted)
Source |       SS       df       MS              Number of obs =      24
-------------+------------------------------           F(  5,    18) =    2.76
Model |  548.236973     5  109.647395           Prob > F      =  0.0506
Residual |  714.265827    18  39.6814349           R-squared     =  0.4342
-------------+------------------------------           Adj R-squared =  0.2771
Total |   1262.5028    23  54.8914261           Root MSE      =  6.2993
PM2.5 |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
_IVCP_2 |  -3.891429   3.504618    -1.11   0.281    -11.25436    3.471501
_IVCP_3 |  -3.314762   4.346944    -0.76   0.456    -12.44735    5.817828
_IVCP_4 |   8.326071   3.948308     2.11   0.049     .0309844    16.62116
_IVCP_5 |  -6.021429   5.050692    -1.19   0.249    -16.63254    4.589682
_IVCP_6 |  -7.201429   5.050692    -1.43   0.171    -17.81254    3.409682
_cons |   10.55143   2.380919     4.43   0.000     5.549303    15.55355
分析表3-11可见，疏透度在0.41-0.45时效果最为显著，可以看作最优区间。
3.6.2.4冬季
表3-12 冬季疏透度对植物群落结构消减PM2.5的影响区间
Tab.3-12 Effect of winter troughs on plant community structure reduction PM2.5
i.VCP             _IVCP_1-6           (naturally coded; _IVCP_1 omitted)
Source |       SS       df       MS              Number of obs =      24
-------------+------------------------------           F(  5,    18) =    2.76
Model |  55933.2088     5  11186.6418           Prob > F      =  0.0507
Residual |  72946.8508    18  4052.60282           R-squared     =  0.4340
-------------+------------------------------           Adj R-squared =  0.2768
Total |   128880.06    23  5603.48085           Root MSE      =   63.66
PM2.5 |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
_IVCP_2 |   91.91667   38.25493     2.40   0.027     11.54603    172.2873
_IVCP_3 |       72.5   42.44004     1.71   0.105    -16.66321    161.6632
_IVCP_4 |       85.8   42.44004     2.02   0.058    -3.363211    174.9632
_IVCP_5 |  -28.55833   38.25493    -0.75   0.465     -108.929     51.8123
_IVCP_6 |   96.96667   67.10359     1.45   0.166    -44.01275    237.9461
_cons |   43.23333   21.22002     2.04   0.057    -1.348272    87.81494
分析表3-12可见，疏透度在0.26-0.35时效果最为显著，可以看作最优区间。
综上所述，在春夏时疏透度在区间0.36-0.40之间时对PM2.5的削减率最优，在秋季疏透度为0.41-0.45时最优，而冬季0.26-0.35最优。
总体来看，当郁闭度在0.60-0.70之间，疏透度在0.36-0.40之间时，植物群落结构能够较为有效的吸附PM2.5。由于郁闭度主要反应的是乔木的林冠投影面积与林地面积之比，乔木郁闭度越高、叶面积越高，能够捕获大气颗粒物能力越强，并且能够产生更多的湍流，虽然有研究表明郁闭度越大，植物消霾效果可能越好，但是过高的郁闭度反而会对林地内空气流通造成影响；而疏透度也是同样，完全封闭空间、半封闭空间和开放空间的疏透度不同，对PM2.5的削减也有很大的影响，围合过多的空间不利于气体流通和交换，并不利于阻滞颗粒物，而过于开放的空间，植物稀疏，又起不到吸附颗粒物的作用。尤其是夏季时，笔者实地测验表明，夏季乔灌草结构过于茂密，其通风和温湿度反而不如乔草或乔结构，这样的条件应不利于PM2.5的阻滞，测试的数据也证实了这一感受。因此，当在绿地进行植物配置以达到削减PM2.5的目的时，应全方面考虑，保证有一定的郁闭度和疏透度，种植时不过于稀疏，但也不能太过于茂密，维持使人舒适的空间同时也能达到有效消霾的作用。

nicolas616

3.7温湿调节效益对植物消霾能力的影响
总体来说，温暖、无风、低湿度的环境条件对大气颗粒物的吸附和阻滞不利，绿地的降温增湿效益能够有效调节局部微气候，有利于形成内部湍流，从而加快颗粒物的黏滞和吸附速率，因此，讨论绿地降温增湿效益对植物消霾能力的影响很有必要。
本文直接通过样点温湿度与对照点温湿度的差值视为为降温增湿能力，通过stata13进行回归分析，比较不同季节绿地降温增湿效益对绿地内植物群落结构削减颗粒物能力的相关影响。
3.7.1春季
表3-13 春季降温增湿效益对植物群落结构削减PM2.5影响
Tab.3-13 Effects of Cooling and Humidifying Functions on the Reduction of PM2.5
in Plant Community Structure in spring
Source |       SS       df       MS              Number of obs =      24
-------------+------------------------------           F(  2,    21) =    4.58
Model |  158.811766     2  79.4058828           Prob > F      =  0.0224
Residual |  364.452834    21  17.3548969           R-squared     =  0.3035
-------------+------------------------------           Adj R-squared =  0.2372
Total |    523.2646    23  22.7506348           Root MSE      =  4.1659
PM2.5 |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
TEMP |  -.4011225   1.625075    -0.25   0.807     -3.78065    2.978406
HUM |  -.5766183   .2178901    -2.65   0.015    -1.029745   -.1234911
_cons |   8.798633   2.221334     3.96   0.001     4.179115    13.41815
分析表3-13可见，在春季，温度（TEMP）对植物群落结构对PM2.5的削减量影响不大，但湿度（HUM）对PM2.5削减作用有显著影响。
3.7.2夏季
表3-14 夏季降温增湿效益对植物群落结构削减PM2.5的能力影响
Tab.3-14 Effects of Cooling and Humidifying Functions on the Reduction of PM2.5
in Plant Community Structure in summer
Source |       SS       df       MS              Number of obs =      24
-------------+------------------------------           F(  2,    21) =   93.27
Model |   525.33155     2  262.665775           Prob > F      =  0.0000
Residual |  59.1380329    21  2.81609681           R-squared     =  0.8988
-------------+------------------------------           Adj R-squared =  0.8892
Total |  584.469583    23   25.411721           Root MSE      =  1.6781
PM2.5 |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
HUM |  -.3562796   .1226251    -2.91   0.008    -.6112924   -.1012668
TEMP |   6.019873   .5203374    11.57   0.000     4.937772    7.101974
_cons |   11.03564    .379786    29.06   0.000     10.24584    11.82545
分析表3-14可见，夏季的温湿度对PM2.5的削减量都有显著的影响，其中，温度对植物群落结构削减颗粒物影响更加显著。由系数可见，湿度主要呈负相关，温度的影响主要呈正相关。
3.7.3秋季
表3-15 秋季降温增湿效益对植物群落结构削减PM2.5的能力影响
Tab.3-15 Effects of Cooling and Humidifying Functions on the Reduction of PM2.5
in Plant Community Structure in autumn
Source |       SS       df       MS          Number of obs =      24
-------------+------------------------------           F(  2,    21) =   18.65
Model |  807.807031     2  403.903515       Prob > F      =  0.0000
Residual |  454.695769    21  21.6521795           R-squared     =  0.6398
-------------+------------------------------           Adj R-squared =  0.6055
Total |   1262.5028    23  54.8914261        Root MSE      =  4.6532
PM2.5 |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
HUM |   1.891595   .6784456     2.79   0.011     .4806903      3.3025
TEMP |  -3.245202   2.139435    -1.52   0.144    -7.694402    1.203997
_cons |   14.13822   1.243793    11.37   0.000     11.55161    16.72482
分析表3-15可见，秋季的湿度对PM2.5的削减量都有显著的影响，但温度无显著影响。
3.7.4冬季
表3-16 冬季降温增湿效益对植物群落结构削减PM2.5的能力影响
Tab.3-16 Effects of Cooling and Humidifying Functions on the Reduction of PM2.5
in Plant Community Structure in winter
Source |       SS       df       MS              Number of obs =      24
-------------+------------------------------           F(  2,    21) =    0.47
Model |   5475.8475     2  2737.92375           Prob > F      =  0.6339
Residual |  123404.212    21  5876.39105           R-squared     =  0.0425
-------------+------------------------------           Adj R-squared = -0.0487
Total |   128880.06    23  5603.48085           Root MSE      =  76.658
PM2.5 |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
HUM |  -6.835367   15.38801    -0.44   0.661    -38.83649    25.16575
TEMP |  -2.177708   2.260878    -0.96   0.346     -6.87946    2.524044
_cons |   75.64068   15.87231     4.77   0.000     42.63239     108.649
分析表3-16可见，秋季的湿度对PM2.5的削减量都有显著的影响，但温度无显著影响。
综上，夏季降温增湿效益对PM2.5的削减量影响均十分显著，春季和秋季的增湿效益对颗粒物削减有显著影响，冬季降温增湿效益对颗粒物削减基本没有显著影响。夏季是降温增湿效益最为显著的季节，绿地内部和对照点的温湿度差值较大，有利于颗粒物吸附凝聚；春秋季节绿地内部和对照点温度差值不大，但湿度相差较大，一定的湿度是有利于颗粒物阻滞的；冬季植物降温增湿能力达到最低，因此对颗粒物削减基本没有什么影响。

nicolas616

3.8组合效应对植物消霾能力的影响
采用xi命令定义降温量、增湿量以及PM2.5消减量均值为y，分别建立每个生态功能绩效值和两个自变量的虚拟变量耦合回归方程，相应方程表达式为：
y=cons+∑7i=2aivcci+∑6j=2bjvcpj(cons为常数项，ai、bj分别为自变量郁闭度vcc、疏透度vcp的系数，规定vcc1、vcp1为试验点内部的对照组，由于第一组所有虚拟变量均取0，因此常数项表示第一组的均值)
3.8.1郁闭度、疏透度与降温量的回归分析
表3-17郁闭度、疏透度与降温量的四季回归分析
Tab.3-17 Four Seasons Regression Analysis of Canopy, Thoroughness and Cooling
a.春季                                                b.夏季
y        各项系数Coef.        标准差
Std. Err.        t        P>|t|        y        各项系数Coef.        标准差
Std. Err.        t        P>|t|
Vcc2        -4.720664        4.869983        -0.97        0.352        Vcc2        3.218617        2.781496        1.16        0.272
Vcc3        -9.284507        4.191261        -1.80        0.097        Vcc3        0.157813        2.475135        0.06        0.950
Vcc4        -6.147855        3.857921        -1.47        0.168        Vcc4        1.934475        2.156501        0.90        0.389
Vcc5        -1.084686        6.879074        -0.16        0.877        Vcc5        3.625257        2.733192        1.33        0.212
Vcc6        -2.952607        4.765538        -0.62        0.547        Vcc6        -0.1659252        2.316212        -0.07        0.944
Vcc7        -6.448212        5.294743        -1.22        0.247        Vcc7        0.8654066        2.480952        0.35        0.734
Vcp2        -4.908483        2.935373        -1.67        0.120        Vcp2        -2.5731        1.017644        -2.53        0.028
Vcp3        -7.522439        2.715131        -2.77           0.017        Vcp3        -4.5862        2.273363        -3.99        0.002
Vcp5        -4.715274        4.569175        -1.03        0.322        Vcp4        -5.364591        2.40995        -2.36        0.038
Vcp6        -6.49926        4.185593        -1.55        0.146        Vcp5        -0.4324341        1.834256        -0.18        0.861
cons        15.41928        5.981717        2.58        0.024        Vcp6        -0.417933        0.7044504        -0.23        0.824
                                        cons        12.12214        2.311239        5.24        0.000

c.秋季                                                d.冬季
y        各项系数Coef.        标准差
Std. Err.        t        P>|t|        y        各项系数Coef.        标准差
Std.Err.        t        P>|t|
Vcc2        5.000269        3.201611        1.56        0.147        Vcc2        -1220.251        689.3058        -1.79        0.102
Vcc3        -2.345445        4.083533        -0.57        0.577        Vcc3        225.5621        39.01502        5.78        0.000
Vcc4        -1.99225        2.634741        -0.76        0.463        Vcc4        133.3819        52.27599        2.55        0.027
Vcc5        10.4824        3.63221        2.89        0.015        Vcc5        88.0217        29.60084        2.97        0.013
Vcc6        2.885083        3.10716        0.93        0.373        Vcc6        143.4586        43.21984        3.32        0.007
Vcc7        -6.702887        2.770608        -2.42        0.034        Vcc7        184.1762        59.57326        3.09        0.010
Vcp2        -2.970663        2.120253        -1.40        0.189        Vcp2        53.59686        30.85895        1.74        0.110
Vcp3        -0.2665862        4.161127        -0.06        0.950        Vcp3        212.9535        35.0494        6.08        0.000
Vcp4        11.40428        3.069273        3.72        0.003        Vcp4        94.12903        35.25117        2.67        0.022
Vcp5        -1.894774        4.831188        -0.39        0.702        Vcp5        121.2783        35.36634        3.43        0.006
Vcp6        -1.1323737        5.089117        -0.26        0.800        Vcp6        107.503        50.94793        2.11        0.059
cons        9.108012        3.107199        2.93        0.014        cons        -102.7188        35.52579        -2.89        0.015
由上述表格可以列出下列四个回归方程：
（1）春季降温量y=15.4-4.72vcc2-9.28vcc3+...-4.72vcp5-6.50vcp6
（2）夏季降温量y=12.1+3.22vcc2+0.157vcc3+...-0.43vcp5-0.42vcp6
（3）秋季降温量y=9.1+5vcc2-2.35vcc3-1.99vcc4+...+11.40vcp4-1.89vcp5-1.13vcp6
（4）冬季降温量y=-102.7-1220.3vcc2+225.6vcc3+...+121.3vcp5+107.5vcp6
3.8.2郁闭度、疏透度与增湿量的回归分析
表3-18郁闭度、疏透度与增湿量的四季回归分析
Tab.3-28 Four Seasons Regression Analysis of Canopy Density, Thoracre and Humidification
a.春季                                                b.夏季
y        各项系数Coef.        标准差
Std. Err.        t        P>|t|        y        各项系数Coef.        标准差
Std.Err.        t        P>|t|
Vcc2        -3.344128        4.032617        -0.83        0.423        Vcc2        1.291751        7.618979        0.17        0.868
Vcc3        -8.092743        4.684887        -1.73        0.110        Vcc3        -1.241029        7.08694        -0.18        0.864
Vcc4        -5.892022        3.857921        -1.53        0.153        Vcc4        -4.198774        5.527359        -0.76        0.463
Vcc5        -1.445331        5.370269        -0.27        0.792        Vcc5        -4.247087        7.899456        -0.54        0.602
Vcc6        -2.068803        4.494543        -0.46        0.654        Vcc6        2.589919        6.411497        0.40        0.694
Vcc7        -3.604938        5.373034        -0.67        0.515        Vcc7        -0.8573372        6.656312        -0.13        0.900
Vcp2        -3.585965        2.807455        -1.28        0.226        Vcp2        0.4803362        4.363899        0.11        0.914
Vcp3        -5.91712        2.560225        -2.31           0.039        Vcp3        0.2741894        4.858576        0.06        0.956
Vcp5        -2.662929        4.543914        -0.59        0.569        Vcp4        3.113815        8.189243        0.38        0.711
Vcp6        -4.353823        4.272247        -1.02        0.328        Vcp5        6.751296        7.538308        0.90        0.390
cons        14.58286        4.72487        3.09        0.009        Vcp6        4.425486        7.12516        0.62        0.547
                                        cons        7.714033        7.347435        1.05        0.316

c.秋季                                                d.冬季
y        各项系数Coef.        标准差
Std. Err.        t        P>|t|        y        各项系数Coef.        标准差
Std.Err.        t        P>|t|
Vcc2        7.391726        2.709323        2.73        0.020        Vcc2        129.3933        70.96503        1.82        0.096
Vcc3        -0.287512        2.947993        -0.10        0.924        Vcc3        232.1284        46.73427        4.97        0.000
Vcc4        2.735871        2.736027        1.00        0.339        Vcc4        161.5363        58.63758        2.75        0.019
Vcc5        10.28885        2.591633        3.97        0.002        Vcc5        81.08516        34.03741        2.38        0.036
Vcc6        2.886217        2.126262        1.36        0.202        Vcc6        130.3384        51.09218        2.55        0.027
Vcc7        -7.994107        1.961554        -4.08        0.002        Vcc7        150.7179        65.41544        2.30        0.042
Vcp2        -1.325128        1.735233        -0.76        0.461        Vcp2        82.40443        31.57045        2.61        0.024
Vcp3        -1.456577        2.074888        -0.70        0.497        Vcp3        207.0267        41.92645        4.94        0.000
Vcp4        11.3175        2.297366        4.93        0.000        Vcp4        99.4422        40.4161        2.46        0.032
Vcp5        -2.336775        2.536035        -0.92        0.377        Vcp5        113.3165        42.46433        2.67        0.022
Vcp6        -2.156546        2.707768        -0.80        0.443        Vcp6        105.0343        62.86598        1.67        0.123
cons        9.32419        2.220527        4.20        0.001        cons        -117.2749        43.0606        -2.72        0.020
由上述表格可以列出下列四个回归方程：
（1）春季降温量y=7.71+1.29vcc2-1.24vcc3+...+6.751296vcp5+4.43vcp6
（2）夏季降温量y=14.5-3.34vcc2-8.1vcc3+...-2.67vcp5-4.353823vcp6
（3）秋季降温量y=9.3+7.39vcc2-0.29vcc3+2.74vcc4+...-2.34vcp5-2.16vcp6
（4）冬季降温量y=-117.3+129.4vcc2+46.7vcc3+...+42.5vcp5+62.9vcp6
3.8.3郁闭度、疏透度与PM2.5消减量的回归分析
表3-19郁闭度、疏透度与PM2.5消减量的四季回归分析
Tab.3-19 Four Seasons Regression Analysis of Canopy Density, Thoracre and PM2.5 Reduction
a.春季                                                b.夏季
y        各项系数Coef.        标准差
Std. Err.        t        P>|t|        y        各项系数Coef.        标准差
Std.Err.        t        P>|t|
Vcc2        -6.344818        3.514027        -1.81        0.094        Vcc2        -2.388889        7.884371        -0.30        0.767
Vcc3        -10.37487        4.534347        -2.29        0.040        Vcc3        -6.535556        6.882044        -0.95        0.361
Vcc4        -6.648291        3.949958        -1.68        0.116        Vcc4        -4.28        5.960025        -0.72        0.486
Vcc5        -3.090672        5.416238        -0.57        0.578        Vcc5        0.8911111        7.884371        0.11        0.912
Vcc6        -3.410985        4.538875        -0.75        0.466        Vcc6        -0.0072222        6.71881        -0.00        0.999
Vcc7        -7.454707        4.751268        -1.57        0.141        Vcc7        -1.932778        7.145818        -0.27        0.791
Vcp2        -4.628934        2.796822        -1.66        0.122        Vcp2        -5.535556        2.809583        -1.97        0.072
Vcp3        -7.090864        2.497985        -2.84        0.014        Vcp3        -6.217778        3.294528        -1.89        0.084
Vcp5        -4.740642        4.434886        -1.07        0.305        Vcp4        -6.255556        6.589055        -0.95        0.361
Vcp6        -6.92546        3.977203        -1.74        0.105        Vcp5        0.1355556        6.988748        0.02        0.985
cons        17.34961        4.426143        3.92        0.002        Vcp6        -4.6444444        5.161533        -0.90        0.386
                                        cons        14.54444        6.66351        2.18        0.050

c.秋季                                                d.冬季
y        各项系数Coef.        标准差
Std. Err.        t        P>|t|        y        各项系数Coef.        标准差
Std.Err.        t        P>|t|
Vcc2        4.009826        3.14178        1.28        0.226        Vcc2        136.4307        67.84665        2.01        0.067
Vcc3        -5.778678        2.923362        -1.98        0.072        Vcc3        224.7607        43.57923        5.16        0.000
Vcc4        -2.588139        2.6290217        -0.98        0.344        Vcc4        158.3857        56.68866        2.79        0.016
Vcc5        12.74163        3.142123        4.06        0.002        Vcc5        77.78235        32.5638        2.39        0.034
Vcc6        0.720487        2.554295        0.28        0.783        Vcc6        120.2757        46.49774        2.59        0.024
Vcc7        -8.191565        2.509988        -3.26        0.007        Vcc7        147.3407        63.26356        2.33        0.038
Vcp2        -4.391252        1.777259        -2.47        0.029        Vcp2        81.775        30.64142        2.67        0.020
Vcp3        -4.376383        2.333592        -1.88        0.085        Vcp3        199.1216        38.37681        5.19        0.000
Vcp4        10.0264        2.887346        3.47        0.005        Vcp4        99.985        39.24017        2.55        0.026
Vcp5        -6.729235        2.625933        -2.56        0.025        Vcp5        104.5451        38.37681        2.72        0.018
Vcp6        -6.254922        2.973851        -2.10        0.057        Vcp6        91.13        56.16666        1.62        0.131
cons        10.89899        2.759345        3.95        0.002        cons        -109.3157        39.51134        -2.77        0.017
由上述表格可以列出下列四个回归方程：
（1）春季PM2.5消减量y=14.54-2.39vcc2-6.53vcc3+...+0.136vcp5-4.64vcp6
（2）夏季PM2.5消减量y=17.35-6.34vcc2-10.38vcc3+...-4.74vcp5-6.93vcp6
（3）秋季PM2.5消减量y=10.9+4vcc2-5.78vcc3+...+10.02vcp4-6.73vcp5-6.25vcp6
（4）冬季PM2.5消减量y=-109.3157+136.43vcc2+224.76vcc3+...+104.55vcp5+91.13vcp6

nicolas616

3.8.4综合分析
结合表3-3和表3-8的郁闭度及疏透度取值区间以及上述回归方程进行计算，可以得出相应的数值，由于夏季为温湿调节效益最优季节，因此主要针对夏季进行分析，得出结果如下表所示：
表3-20郁闭度、疏透度与夏季降温量的回归模型均值表
Tab.3-20 The regression model of canopy closure, taper and summer cooling
        郁闭度0.15-0.35        郁闭度0.36-0.55        郁闭度0.56-0.65        郁闭度0.66-0.70        郁闭度0.71-0.75        郁闭度0.76-0.85        郁闭度0.85-0.95
疏透度0.10-0.25        12.1        15.3        12.26        14        13.1        11.93        12.97
疏透度0.26-0.35        9.5
        12.7        9.66        11.4        15.7        9.5        9.5
疏透度0.36-0.40        7.51        10.71        7.67        9.41        11.11        7.51        7.51
疏透度0.41-0.45        11.67        14.87        11.83        13.57        15.27        11.50        12.96
疏透度0.46-0.50        11.68        14.88        11.84        13.58        15.28        11.51        12.97
疏透度0.51-0.60        11.68        14.88        11.84        13.58        15.28        11.51        12.97
由表3-20的回归均值表可见，当郁闭度在0.71-0.75、疏透度在0.26-0.35之间时，降温量最高，说明当植物种植较为疏朗、且郁闭度较高时，夏季的降温效果最好。当植物种植过密时，林内的通风效果较差，当植物郁闭度过低时，林冠遮挡的阳光较少，这些原因都会使林内温度升高。
表3-21郁闭度、疏透度与夏季增湿量的回归模型均值表
Tab.3-21 The regression model of canopy density, seepage and summer humidification
        郁闭度0.15-0.35        郁闭度0.36-0.55        郁闭度0.56-0.65        郁闭度0.66-0.70        郁闭度0.71-0.75        郁闭度0.76-0.85        郁闭度0.85-0.95
疏透度0.10-0.25        7.7        9        6.46        3.5        3.45        10.3        6.84
疏透度0.26-0.35        8.18        9.48        6.94        3.98        3.93        10.78        7.32
疏透度0.36-0.40        7.97        9.27        6.73        3.77        3.72        10.57        7.11
疏透度0.41-0.45        10.81        12.11        14.21        6.61        6.56        13.41        9.95
疏透度0.46-0.50        14.45        15.75        9.57        10.25        10.2        17.05        13.59
疏透度0.51-0.60        12.1        13.4        10.86        7.9        7.85        14.7        11.24
由表3-21可见，当郁闭度在0.76-0.85、疏透度在0.46-0.50时，增湿量最大，说明在植物种植密度高、不太透风的情况下，夏季的增湿效果最好。当郁闭度和疏透度过高时，林内相当于一个空气不太流通的小环境，植物自身的蒸腾作用以及夏季的整体高湿度导致林内的水汽无法与外界进行大面积的交换扩散，从而提高了林内的湿度。
表3-22郁闭度、疏透度与夏季PM2.5消减量的回归模型均值表
Tab.3-22 The regression model of canopy closure, shading and summer PM2.5 reduction
        郁闭度0.15-0.35        郁闭度0.36-0.55        郁闭度0.56-0.65        郁闭度0.66-0.70        郁闭度0.71-0.75        郁闭度0.76-0.85        郁闭度0.85-0.95
疏透度0.10-0.25        14.5        12.1        8        10.2        15.4        14.49        12.57
疏透度0.26-0.35        6.56        6.56        2.46        8.66        9.86        8.95        7.03
疏透度0.36-0.40        5.9        5.9        1.8        15.94        9.2        8.29        6.37
疏透度0.41-0.45        5.84        5.84        1.74        8        9.14        8.23        6.31
疏透度0.46-0.50        12.24        12.24        7.86        10.34        15.54        14.63        12.71
疏透度0.51-0.60        7.5        7.46        3.36        5.56        10.76        9.85        7.93
由表3-22可见，当郁闭度为0.66-0.70、疏透度为0.36-0.40时，夏季的PM2.5消减量最高，与前面得出的结论基本一致。由此可见，郁闭度和疏透度区间均不能过高，才能维持有效阻滞PM2.5的作用，在本文3.7节分析得出夏季温湿度对PM2.5削减均有显著性影响且湿度呈负相关、温度呈正相关，结合表3-20和3-21来看，在郁闭度0.66-0.70以及疏透度0.36-0.40的区间时降温量的回归模型均值较高，而增湿量较低，因此，可以认为在这一区间内，组合效益即温湿度和郁闭度、疏透度的共同消除PM2.5等颗粒物的作用达到最优。

nicolas616

4  结论与讨论
4.1结论
随着城市化进程的加快，城市空气污染问题日益严重，如何通过发挥城市绿地的生态功能来削减可吸入颗粒物、缓解大气污染成为城市发展需要考虑的重点问题。目前国内外很多学者已对大气污染颗粒物的组分、来源等进行了大量的研究，对植物消除颗粒物的研究方面亦有大量研究，但针对具体例如植物群落结构参数郁闭度、疏透度等的最佳作用区间，城市绿地有限面积内的最佳作用宽度以及绿地小气候对植物群落削减颗粒物的影响研究较少，结合起来研究的也不多。基于以上原因，本文围绕城市绿地对PM2.5等大气颗粒物的调控作用，选取南京地区具有一定代表性，既能满足城市绿地建设参考又能够为城郊绿地建设提供意见的位于城郊交错带的绿地，且该绿地与人们日常生活密切，位于秦淮新河沿岸，污染源主要为公路，车流量较大，能够发挥生态保健和防护功能的典型城市绿地为研究对象，主要开展以下几方面研究：对比监测样点和林外对照点的大气颗粒物浓度（PM2.5），分析全年的整体变化和日变化，比较其浓度的季节变化特征；分析不同植物群落结构削减颗粒物能力的强弱，并单独分析同一植物群落结构不同季节削减可吸入颗粒物的能力差异；比较不同宽度对植物削减颗粒物的显著影响；分析不同季节郁闭度及疏透度对植物群落削减颗粒物的最佳作用区间；最后比较了不同季节降温增湿效益对植物群落削减颗粒物的能力影响。主要研究结论如下：
（1）不同季节绿地内PM2.5浓度不同，且都在夏季达到最低，冬季浓度最高，这与南京冬季采暖等需求增加导致的污染加剧有关。不同植物群落结构对PM2.5的削减能力按大小排为：双层式-乔草>复层式-乔灌草>双层式-灌草>单层-乔>单层-草。总体来说，乔草结构或乔灌草结构对颗粒物的削减作用最强。
（2）同一植物群落结构在不同季节的削减率也不同，复层式-乔灌草结构对PM2.5的削减率在冬季最高，秋季最低；双层式-乔草结构对PM2.5的消减率变化幅度和乔灌草结构相似，都是冬季最高，秋季最低，春夏相近；双层式-灌草结构对颗粒物削减率在秋季最低，在春季、夏季和冬季均较高；单层式-乔木结构在秋季对颗粒物削减率最低，对PM2.5的削减率在冬季最高，夏季和冬季颗粒物削减的变化幅度与灌草基本一致，但春季的与灌草相反；草坪结构对PM2.5的削减率在春季和秋季最低，几乎不进行削减，冬季最高。因此，可以根据植物群落结构不同季节的削减率合理搭配，根据季节安排植物群落结构配置。
（3）由于样地的宽度限制，超过35m以上的宽度我们无法进行研究测定是否存在一定的递增或递减趋势，但可以说明在5-35m的距离内，植物群落距离路的宽度对PM2.5的削减暂无显著影响。
（4）当郁闭度在0.60-0.70之间，疏透度在0.36-0.40之间时，植物群落结构能够较为有效的吸附PM2.5，当绿地内植物配置达到这一区间时，消除的大气颗粒物较多且较为显著。
（5）夏季降温增湿效益对PM2.5的削减量影响均十分显著，春季和秋季的增湿效益对颗粒物削减有显著影响，冬季温湿调节效益对颗粒物削减基本没有显著影响。夏季是降温增湿效益最为显著的季节，绿地内部和对照点的温湿度差值较大，有利于颗粒物吸附凝聚；春秋季节绿地内部和对照点温度差值不大，但湿度相差较大，一定的湿度是有利于颗粒物阻滞的；冬季植物温湿调节效益达到最低，因此对颗粒物削减基本没有什么影响。
（6）本文在对夏季温湿调节效益与郁闭度及疏透度的组合效益进行回归分析，发现当郁闭度为0.66-0.70的同时疏透度在0.36-0.40的区间内，植物群落可综合温湿调节效益对PM2.5等颗粒物进行消除，组合效益达到最优。
4.2讨论
虽然本文的实验设计经过充分的思考，但基于样地自身的现状、仪器误差、实验时测量人员自身主观误差等，仍然存在一些不足之处需要改进，笔者在讨论部分进行一定的总结反思：
（1）与前人研究的结果相比，本研究在具体植物群落结构的选择上有所不同，之前大部分结论主要表明乔灌草结构在消除细颗粒物方面能力最优，但实测发现，由于受到郁闭度、疏透度等植物群落结构参数的影响，乔草结构可能更优，但总体来说，乔草或乔灌草结构的复合型绿地消霾能力都是明显优于灌草、乔和草坪等单一结构绿地的。在样方选择上，由于受到样地自身限制，样点的植被类型和垂直结构未能包含所有的种类。对常绿针叶林、针阔混交林等植被类型的比较较为缺失，并且缺少其他群落结构类型比如“乔-灌结构”、“单层灌”等垂直结构的分析比较。同时，其他植物群落结构参数如叶面积指数、绿量等指标对植物吸附颗粒物的影响因子也未进行计算分析，而这一方面也是目前鲜有论文涉及的，后续的研究将继续通过实地冠层仪测试叶面积指数并利用半球法等进行绿量的计算，最后使用与本文相似的方法进行虚拟变量的数据拟合，分析更多变量影响下的组合作用区间。
（2）由于大气颗粒物浓度变化极易受气象因素的影响，本研究目前仅在特定的天气条件，即无雨无风天气下进行实验，这种情况下，风速风向等因素对植物群落结构阻滞颗粒物的功能之间的相关性几乎无法研究，不同季节不同风向时，污染源的位置和植物群落结构设置走向还要进行进一步研究，如大风天气、静稳天气或晴天、阴天、雨后1d、雨后3d等），在四个季节分别选择上述天气进行实验，得出的结论可能更加精确。
（3）从陈小平等对城市道路绿带对TSP的研究来看，本文得出的郁闭度、疏透度基本区间与之相近，同时，相对湿度的影响对颗粒物净化效率较温度大也是基本一致的。而本文在研究绿带宽度对颗粒物削减作用影响时，受限于场地的宽度35m，未能得出显著性结论，今后将在南京市内选择满足研究宽度要求并符合本文研究样地的选择要求的区域进行深入研究。