基于泰森多邊形的南京市PM 2.5時空特征及其與土地利用的相關(guān)性研究

陳曉杰, 張金亭, 張長城， 彭曉軍

(1.武漢大學(xué) 資源與環(huán)境科學(xué)學(xué)院, 湖北 武漢430079;2.湖北省地質(zhì)局 武漢水文地質(zhì)工程地質(zhì)大隊, 湖北 武漢430051; 3.荊州市國土資源局，湖北 荊州 434000)

隨著中國經(jīng)濟的快速發(fā)展，空氣污染形勢也日益嚴(yán)峻。而引發(fā)環(huán)境問題的首要污染物是大氣顆粒物[1-2]。與PM10等粗顆粒相比，細(xì)顆粒PM 2.5由于其危害性更大而備受關(guān)注。PM 2.5指環(huán)境空氣中空氣動力學(xué)當(dāng)量直徑小于等于2.5 μm的顆粒物，也稱細(xì)顆粒物[3],由于其顆粒小，組成較復(fù)雜，吸附性及易黏帶重金屬、硫酸鹽等有害物質(zhì)進入呼吸道和肺部[4]，嚴(yán)重危害人體健康。相關(guān)監(jiān)測數(shù)據(jù)統(tǒng)計結(jié)果顯示，中國目前已經(jīng)成為世界PM 2.5污染最嚴(yán)重的地區(qū)[5]。2013年1月14日，亞洲銀行和清華大學(xué)發(fā)布的《邁向環(huán)境可持續(xù)的未來：中華人民共和國國家環(huán)境分析》[6]中顯示，中國的污染嚴(yán)重城市數(shù)量占據(jù)世界上污染嚴(yán)重城市數(shù)量的絕大比例，其中前10名有7個城市位于中國，由此可以看出中國環(huán)境污染問題的嚴(yán)重性。

目前國際上普遍采用設(shè)立大氣環(huán)境監(jiān)測點的方式來監(jiān)測各個城市的污染狀況，中國從2013年開始在全國范圍內(nèi)設(shè)立監(jiān)測點位，同時發(fā)布主要城市監(jiān)測點位的PM 2.5濃度數(shù)據(jù)。然而，地面監(jiān)測點數(shù)據(jù)只可表征監(jiān)測點周圍一定范圍內(nèi)的濃度情況，由于城市內(nèi)部PM 2.5濃度具有顯著的空間異質(zhì)性[7]，無法通過稀疏點監(jiān)測數(shù)據(jù)直接表征整個城市的污染狀況及其空間差異，這將阻礙了城市PM 2.5濃度時空特征分析以及空氣污染暴露評估等相關(guān)研究[8]。因此利用空間分析技術(shù)分析通過離散監(jiān)測點的監(jiān)測濃度數(shù)據(jù)表征整個城市的污染連續(xù)空間曲面成為了值得研究的關(guān)鍵問題。中國有關(guān)PM 2.5的研究主要集中在大城市，尤其是北京[9-10]、上海[11]、廣州[12]、深圳[13]、武漢[14]、重慶[15]等大城市，本研究擬以南京市為實例研究區(qū)，首先，基于研究區(qū)監(jiān)測點PM 2.5濃度數(shù)據(jù)利用泰森多邊形將研究區(qū)域進行分區(qū)，建立高分辨率PM 2.5濃度的空間分布模擬，分析研究區(qū)內(nèi)PM 2.5的時空分布規(guī)律，為PM 2.5的季節(jié)性治理提供依據(jù)。最后，建立回歸模型分析土地利用類型與PM 2.5的相關(guān)性，為從下墊面土地利用角度認(rèn)識PM 2.5時空變化提供科學(xué)依據(jù)。對南京市土地利用類型和PM 2.5污染相關(guān)性研究，以期為南京市城市空氣質(zhì)量改善，控制城市PM 2.5污染及土地利用規(guī)劃，城市生態(tài)建設(shè)提供理論和實踐依據(jù)。

1 數(shù)據(jù)來源與研究區(qū)域

1.1 數(shù)據(jù)來源

研究涉及兩方面數(shù)據(jù)。其一,PM 2.5數(shù)據(jù)來源中國環(huán)境監(jiān)測總站(http:∥www.cnemc.cn/)發(fā)布的監(jiān)測點時間序列數(shù)據(jù)，具體時段為2013年1月至2013年12月。南京市現(xiàn)有9個空氣質(zhì)量國家控制監(jiān)測點(如圖1所示)，分別是邁皋橋、草場門、山西路、中華門、瑞金路、玄武湖、浦口、奧體中心、仙林大學(xué)城，獲取監(jiān)測點的質(zhì)量濃度日均監(jiān)測數(shù)據(jù)，求算每個監(jiān)測點PM 2.5質(zhì)量濃度月均值，匯總得到各個監(jiān)測點PM 2.5年均值濃度。其二，南京市土地利用數(shù)據(jù)來源于國家科技基礎(chǔ)條件平臺：國家地球系統(tǒng)科學(xué)數(shù)據(jù)共享平臺(http:∥nnu.geodata.cn)—長江三角洲科學(xué)數(shù)據(jù)中心—南京市土地利用及城鎮(zhèn)用地結(jié)構(gòu)分布圖。

圖1 2013年南京市PM 2.5監(jiān)測點分布

1.2 研究區(qū)域

南京市位于江蘇省西南部，中國東部重要的中心城市，位于東經(jīng)118°22′—119°14′，北緯31°14′—32°37′，屬于北亞熱帶濕潤氣候。年均降雨量1 106 mm。2013年國務(wù)院批復(fù)南京調(diào)整區(qū)劃，調(diào)整后，南京轄11個區(qū)，全市行政區(qū)域面積6 595 km2，建成區(qū)面積為923.8 km2。2013年全市常住人口為818.78萬人。2013年末民用汽車擁有量達(dá)到140.41萬輛，比上年增長19.3%，其中私人汽車擁有量達(dá)到117.73萬輛。作為長江三角洲最為重要的經(jīng)濟中心之一，隨著經(jīng)濟的不斷發(fā)展，由此帶來的環(huán)境污染問題也日益嚴(yán)重。

2 研究方法

2.1 泰森多邊形

泰森多邊形圖定義：設(shè)二維平面空間中有1離散點集P={p1，p2，…，pn}，其中任意2點不相等，任意4點不共圓。點集中任一元素pi(1≤i≤n)根據(jù)空間鄰接關(guān)系確定泰森多邊形tpi(1≤i≤n)[16]：

tpi={s:‖s-pi‖≤‖s-pj‖，pi，pj∈P，i≠j}

(1)

式中：‖·‖——2點間的歐氏距離，點pi稱為泰森多邊形tpi的生成元，則由tpi(1≤i≤n)組合成的平面圖形稱為離散點集P的泰森多邊形圖。至此，離散點集完成對二維平面的空間剖分。

2.2 相關(guān)性分析

本文運用相關(guān)性分析方法對PM 2.5和土地利用類型進行分析，通過計算相關(guān)系數(shù)反應(yīng)二者之間的相關(guān)性。相關(guān)系數(shù)是描述兩個測量值變量之間的離散程度的指標(biāo)。用于判斷2個測量值變量的變化是否相關(guān)，即，一組數(shù)據(jù)與另一組數(shù)據(jù)的關(guān)系的分析(正相關(guān)、負(fù)相關(guān)、不相關(guān))。設(shè)(X,Y)為二元隨機變量，那么:

(2)

式中：ρ——隨機變量X和Y的相關(guān)系數(shù)，是度量隨機變量X和Y之間線性相關(guān)密切程度的數(shù)字特征。

3 結(jié)果與分析

3.1 南京市PM 2.5濃度時空變化

3.1.1 PM 2.5濃度時間變化 根據(jù)《2013年江蘇省環(huán)境狀況公報》顯示[17]，全省空氣質(zhì)量達(dá)標(biāo)率為60.3%，其中全省空氣質(zhì)量中PM 2.5 年均濃度為73 μg/m3。而南京市的PM 2.5年均濃度已達(dá)到77 μg/m3，超出了國家二級標(biāo)準(zhǔn)1.20倍，由此可見南京市為省內(nèi)空氣污染較為嚴(yán)重的城市。根據(jù)國家要求，南京市作為長三角重點城市和省會城市，從2013年1月1日起，采用新的標(biāo)準(zhǔn)對環(huán)境空氣質(zhì)量進行檢測及評價。

按照《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》，南京市建成區(qū)空氣質(zhì)量達(dá)標(biāo)202 d，達(dá)標(biāo)率55.3%，同比下降約5%?？諝赓|(zhì)量超標(biāo)163 d，其中輕度污染98 d，中度污染32 d，重度污染27 d，嚴(yán)重污染6 d。全市各個監(jiān)測點在研究期內(nèi)的月均濃度如圖2所示。各監(jiān)測點在全年各個月份呈現(xiàn)出開口向上的拋物線的形狀，12和1月份的PM 2.5濃度普遍偏高，12月PM 2.5濃度最高，達(dá)到151.78 μg/m3。7和8月的PM 2.5濃度最低，分別為32.02和41.82 μg/m3。

南京市各季節(jié)PM 2.5濃度[17]變化大體表現(xiàn)為從冬到秋、夏、春持續(xù)下降(如圖3所示)。冬季PM 2.5污染最為嚴(yán)重，各監(jiān)測點平均濃度達(dá)到129.93 μg/m3，秋季其次為70.15 μg/m3，春季與秋季相差不大，平均濃度為66.33 μg/m3，夏季是一年中污染濃度最低的季節(jié)，平均濃度僅為44.65 μg/m3，與冬季相差85.27 μg/m3。由此可見一年內(nèi)空氣污染嚴(yán)重程度的差別之大，季節(jié)效應(yīng)顯著。秋冬較高，夏秋較低。經(jīng)分析，其原因可以總結(jié)為，一是冬季取暖期期燃煤量顯著升高，導(dǎo)致PM 2.5及其他污染物排放量增加，二是逆溫等氣象條件不利于PM 2.5大氣污染物擴散。

圖3 南京市9個監(jiān)測點各季PM 2.5濃度

3.1.2 PM 2.5濃度空間差異 本文以整個南京市為研究區(qū)域，以9個PM 2.5監(jiān)測點為基礎(chǔ)，利用泰森多邊形進行分區(qū)。根據(jù)泰森多邊形的定義，即多邊形內(nèi)的任一點到生成元的距離小于到其他生成元的距離。將PM 2.5監(jiān)測點作為生成元生成的泰森多邊形代表了監(jiān)測點輻射范圍。將整個研究區(qū)劃分為9個區(qū)域，各區(qū)域以監(jiān)測點名稱區(qū)分，9個區(qū)域的面積及比例[18]如下：邁皋橋(898 km2,13.56%)、草場門(64 km2，0.97%)、山西路(21 km2，0.32%)、中華門(1 715 km2，25.90%)、瑞金路(578 km2，8.73%)、玄武湖(21 km2，0.32%)、浦口(1 015 km2，15.33%)、奧體中心(897 km2，13.55%)、仙林大學(xué)城(1 412 km2，21.33%)。

以泰森多邊形分區(qū)為基礎(chǔ)，得到研究區(qū)域內(nèi)每個季節(jié)PM 2.5濃度的空間分布。結(jié)果表明，南京市內(nèi)空氣質(zhì)量差異明顯，9個空氣質(zhì)量監(jiān)測點相對集中在主城區(qū)內(nèi)。四季的空氣質(zhì)量差異明顯，冬秋PM 2.5污染普遍很嚴(yán)重。山西路監(jiān)測點已經(jīng)達(dá)到141.57 μg/m3，多數(shù)監(jiān)測點都在130 μg/m3以上，中華門監(jiān)測點最低為107.42 μg/m3。秋季，草場門和邁皋橋監(jiān)測點污染最嚴(yán)重，分別為74.20和74.03 μg/m3。山西路最低，為65.38 μg/m3。春季，瑞金路污染最嚴(yán)重，濃度為73.09 μg/m3，而仙林大學(xué)城僅為59.20 μg/m3。夏季是一年中污染最輕的季節(jié)，PM 2.5濃度最高的地方是中華門為49.21 μg/m3，最低仍然是仙林大學(xué)城39.04 μg/m3。從整體來看，每個季度內(nèi)的不同監(jiān)測點，PM 2.5濃度差異不是很大，相對而言，山西路、草場門、中華門一帶為市中心聚集區(qū)，污染相對嚴(yán)重，而仙林大學(xué)城由于地處郊區(qū)，聚集各大高校沒有太多污染產(chǎn)業(yè)，空氣質(zhì)量較好，玄武湖和浦口監(jiān)測點由于周圍分別有玄武湖和長江，所以空氣污染也得到一定的緩解。

3.2 土地利用對PM 2.5的影響

有關(guān)PM 2.5的形成、發(fā)展機制及時空分布特征和影響因素，許多學(xué)者已經(jīng)做了較為全面的研究[19-21]，土地利用類型也是其影響因素之一[22]。由于數(shù)據(jù)受限，本文將研究區(qū)域以泰森分區(qū)的方法劃分為9個區(qū)域，各區(qū)域內(nèi)統(tǒng)計6種土地利用類型的面積[18]與PM 2.5濃度[17]做相關(guān)性分析，得到不同時間尺度下的相關(guān)系數(shù)，由于面積比例與時間尺度不同，相關(guān)系數(shù)的大小也有顯著差異，相關(guān)系數(shù)越大說明關(guān)系越密切[23]。

從表1可以看出4個季節(jié)6種用地類型與PM 2.5濃度的偏相關(guān)性和顯著性(p值)。年均PM 2.5濃度受水域用地的影響最明顯，成負(fù)相關(guān)，且通過置信度為95%的顯著性檢驗。水域面積相對較大，僅次于耕地和城鎮(zhèn)建設(shè)用地。同時，已有相關(guān)研究證明大面積水域?qū)諝馕廴居芯徑庾饔?，并且比植被作用明顯[24]，因此對PM 2.5濃度的影響相對較大。除水域外，年均PM 2.5濃度與耕地、林地、綠地(主要包括全市范圍內(nèi)的道路兩旁綠化帶以及公園、風(fēng)景名勝區(qū)用地)以及城鎮(zhèn)建設(shè)用地均呈負(fù)相關(guān)。其中與耕地、林地和綠地呈負(fù)相關(guān)，且耕地和林地通過置信度為90%的邊緣顯著性檢驗。這與大量相關(guān)研究的結(jié)果相一致，表明這些用地類型中的植被的凈化能力對環(huán)境污染起到改善作用。然而城鎮(zhèn)建設(shè)用地與年度PM 2.5濃度呈負(fù)相關(guān)且相關(guān)系數(shù)較低與已有的研究成果略有差異。這可能是由于南京市PM 2.5監(jiān)測點分布過于集中在市區(qū)內(nèi)，使得城鎮(zhèn)建設(shè)用地對其的相對影響被削弱；6種用地類型中只有農(nóng)村居民點與年度PM 2.5濃度呈正相關(guān)。農(nóng)村中秸稈、木柴燃燒以及垃圾焚燒等人類活動對PM 2.5濃度起到增強作用。

表1 PM 2.5濃度與土地利用類型的相關(guān)性分析

注：***表示在0.01水平上顯著；**表示在0.05水平上顯著；*表示在0.1水平上顯著。

從各個季度PM 2.5濃度與不同土地利用類型的關(guān)系來看，不同季節(jié)土地利用類型對PM 2.5濃度的影響不同，以冬季，即PM 2.5濃度高值期最為顯著。秋冬季空氣濕度較低，植物凈化能力也較弱。冬季，除農(nóng)村居民點外，其他5種土地類型均與PM 2.5濃度呈負(fù)相關(guān)，與年均PM 2.5濃度的相關(guān)性一致。春夏秋3個季節(jié)各類土地與PM 2.5濃度關(guān)系不顯著。

從不同的土地類型來看，不同時期對PM 2.5有正負(fù)不同的效應(yīng)。例如耕地、水域用地、林地、綠地僅在PM 2.5濃度較高時(冬季)發(fā)揮其削弱作用。這也是由于PM 2.5的影響因素眾多，用地類型作為其中一種非首要因素，耕地、水域用地、林地和綠地對其正負(fù)效應(yīng)相對與其較低的PM 2.5濃度值顯得微弱。只有在PM 2.5濃度較高時其正負(fù)作用才得以顯現(xiàn)。農(nóng)村居民點與PM 2.5濃度在春夏呈負(fù)相關(guān)，在秋冬季呈正相關(guān)，其面積相對較小，主要受人類活動影響。城鎮(zhèn)建設(shè)用地在各個季節(jié)對PM 2.5的影響相對不顯著，可能是由于PM 2.5監(jiān)測點過于集中在主城區(qū)，因監(jiān)測點用泰森多邊形分區(qū)時，造成主城區(qū)內(nèi)幾塊區(qū)域面積相對外圍區(qū)域較小，而城鎮(zhèn)建設(shè)用地基本集中在主城區(qū)，從而使得其與PM.5的相關(guān)性不顯著。

上述結(jié)果大體反映出PM 2.5濃度會因耕地、水域用地、林地和綠地比例的增大而減小，這些用地有利于降低PM 2.5污染，提高空氣質(zhì)量，居民點及建設(shè)用地反之。

4 結(jié) 論

(1) 時間上，冬季是PM 2.5濃度最高的季節(jié)，且遠(yuǎn)高于濃度最低的夏季，秋季和春季依次居中。分析原因，PM 2.5濃度季節(jié)性變化主要受氣象和污染源排放兩個條件影響。氣象方面，冬季下冷上熱的逆溫現(xiàn)象使得空氣無法對流，污染物很難擴散，而且，與夏季的暴雨相比，冬季氣團干燥，降雨量少且持續(xù)時間較短，風(fēng)力較小，對空氣中污染物的沖刷效果不明顯。污染源排放方面，相比夏季，冬季多采用煤炭取暖，燃煤量顯著升高，排放的煤煙粉塵在逆溫層天氣下蓄積不散；而且由于氣溫降低，使得汽車發(fā)動機工作循環(huán)的氣體壓力與溫度不高，混合氣體的燃燒速度減慢，引起不完全燃燒，機動車尾氣排放增加，從而導(dǎo)致PM 2.5的排放量增加。因此，4個季度中，冬季PM 2.5的治理更應(yīng)被格外重視，應(yīng)針對不同的原因制定相應(yīng)的改善政策。例如減少燃煤粉塵及汽車尾氣的排放，適當(dāng)?shù)娜斯そ涤甑却胧?/p>

(2) 空間分布上，對南京市9個監(jiān)測點利用泰森多邊形分別劃分監(jiān)測區(qū)，統(tǒng)計各個監(jiān)測區(qū)的PM 2.5濃度可知邁皋橋和瑞金路監(jiān)測點污染較嚴(yán)重，仙林大學(xué)城和中華門監(jiān)測點濃度最低。研究結(jié)果顯示，PM 2.5的高低基本與人口的密集程度成正比，在市中心人口較密集的地方，PM 2.5的濃度偏高，原因可能是市區(qū)內(nèi)車流量較大，同時綠化率較低，都使得空氣污染更嚴(yán)重。相比在仙林大學(xué)城這樣的郊區(qū)，多為各大高校聚集，綠化環(huán)境較好，車流量小，污染相對較輕。玄武湖以及浦口監(jiān)測點由于監(jiān)測范圍內(nèi)水域面積較大，PM 2.5濃度也相對較低。

其次，土地利用對PM 2.5濃度變化存在一定的影響。本文采用泰森多邊形對研究區(qū)域進行分區(qū)，再對每個區(qū)域內(nèi)不同的土地用途與PM 2.5濃度做相關(guān)性分析，通過相關(guān)系數(shù)與顯著水平，分析不同土地用途對PM 2.5濃度的影響。結(jié)果顯示PM 2.5濃度會因耕地、水域用地、林地、綠地比例的增大而減小，其中受水域用地的影響最大。這些用地類型有利于降低PM 2.5的污染，提高空氣質(zhì)量。而城鎮(zhèn)建設(shè)用地與PM 2.5相關(guān)性不顯著的結(jié)果與多數(shù)研究結(jié)果不符，可能是由于PM 2.5監(jiān)測點過于集中在主城區(qū)，監(jiān)測點用泰森多邊形分區(qū)時，分區(qū)區(qū)域面積相對差異較大，而城鎮(zhèn)建設(shè)用地基本集中在主城區(qū)，從而使得其與PM 2.5的相關(guān)性不顯著。這也是本文的不足之處，以后的研究還需繼續(xù)深入。綜合本文的研究成果，對于正處于快速發(fā)展的南京市來說，為了降低PM 2.5濃度，提高環(huán)境質(zhì)量，應(yīng)從土地利用角度應(yīng)保護植被和水域，控制農(nóng)村居民點中人類活動產(chǎn)生的影響。

[1] Huang Desheng, Xu Jianhua, Zhang Shiqiu. Valuing the health risks of particulate air pollution in the Pearl River Delta, China[J]. Environmental Science & Policy, 2012, 15(1):38-47.

[2] 任陣海,萬本太,蘇福慶,等.當(dāng)前我國大氣環(huán)境質(zhì)量的幾個特征[J].環(huán)境科學(xué)研究,2004,17(1):1-6.

[3] 中華人民共和國共和國環(huán)境保護部.GB3095-2012環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)[S].北京:中國環(huán)境科學(xué)出版社,2012.

[4] 張智勝,陶俊,謝紹東,等.成都城PM 2.5季節(jié)污染特征及來源解析[J].環(huán)境科學(xué)學(xué)報,2013,33(11):2947-2952.

[5] 漢瑞英,陳健,王彬.利用LUR模型模擬杭州市PM 2.5質(zhì)量濃度空間分布[J].環(huán)境科學(xué)學(xué)報,2016,36(9):3379-3385.

[6] 張慶豐.邁向環(huán)境可持續(xù)的未來:中華人民共和國國家環(huán)境分析[M].北京:中國財政經(jīng)濟出版社,2012.

[7] 劉永紅,余志,黃艷玲,等.城市空氣污染分布不均勻特征分析[J].中國環(huán)境監(jiān)測,2011,27(3):93-96.

[8] Gerard H, Beelen R, Kees de H, et al. A review of land use regression models to assess spatial variation of outdoor air pollution[J]. Atmosphric Environment, 2008,40:7561-7578.

[9] 謝元博,陳娟,李巍.霧霾重污染期間北京居民對高濃度PM 2.5持續(xù)暴露的健康風(fēng)險及其損害價值評估[J].環(huán)境科學(xué),2014,35(1):1-8.

[10] Duan Jingchun,Tan Jihua,Wang Shulan, et al.Size distributions and sources of elements in particulate matter at curbside, urban and rural sites in Beijing[J]. Journal of Environmental Sciences, 2012,24(1):87-94.

[11] 呂森林,陳小慧,吳明紅,等.上海市PM 2.5的物理化學(xué)特征及其生物活性研究[J].環(huán)境科學(xué),2007,28(3):472-477.

[12] 李龍鳳,王新明,趙利容,等.廣州市街道環(huán)境PM10和PM 2.5質(zhì)量濃度的變化特征[J].地球與環(huán)境,2005,33(2):57-60.

[13] 戴偉,高佳琪,曹罡,等.深圳市郊區(qū)大氣中PM 2.5的特征分析[J].環(huán)境科學(xué),2012,33(6):1952-1957.

[14] 焦利民,許剛,趙素麗,等.基于LUR的武漢市PM 2.5濃度空間分布模擬[J].武漢大學(xué)學(xué)報:信息科學(xué)版,2015,40(8):1088-1094.

[15] 吳健生,廖星,彭建,等.重慶市PM 2.5濃度空間分異模擬及影響因子[J].環(huán)境科學(xué),2015,36(3):759-767.

[16] Skare ?, M?ller J, Vedel Jensen E B. Bayesian analysis of spatial point processes in the neighbourhood of Voronoi networks[J]. Statistics & Computing, 2007,17(4):369-379.

[17] 中國環(huán)境監(jiān)測總站.空氣質(zhì)量預(yù)報[EB/OL].空氣質(zhì)量狀況報告(2017-01-01)[2017-05-04].http:∥www. cnemc. cn/.

[18] 國家地球系統(tǒng)科學(xué)數(shù)據(jù)共享平臺.長江三角洲科學(xué)數(shù)據(jù)中心[EB/OL].南京市土地利用及城鎮(zhèn)用地結(jié)構(gòu)分布圖(2016-08-01)[2017-05-10]. http:∥nnu. geodata. cn.

[19] Bruse M, Fleer H. Simulating surface-plant-air interactions inside urban environments with a three dimensional numerical model[J]. Environmental Modelling & Software, 1998(13):373-384.

[20] Edward N, Chen Liang, Wang Yingna, et al. A study on the cooling effects of greening in a high-density city:an experience from Hong Kong[J]. Building and Environment, 2012(47):256-271.

[21]Ali-Toudert F, Mayer H. Numerical study on the effects of aspect ratio and orientation of an urban street canyon on outdoor thermal comfort in hot and dry climate[J]. Building and Environment, 2006,41(2):94-108.

[22] Krüger E L, Minella F O, Rasia F. Impact of urban geometry on outdoor thermal comfort and air quality from field measurements in Curitiba, Brazil[J]. Building and Environment, 2011,46(3):621-634.

[23] 王飛,吳開亞,王慧慧,等.合肥市PM 2.5與用地類型特征比較及建設(shè)性方案研究[J].環(huán)境科學(xué)與管理,2014,39(10):73-79.

[24] 李玉玲,劉紅玉,婁彩榮,等.江蘇省PM 2.5時空變化及土地利用影響研究[J].環(huán)境科學(xué)與技術(shù),2016,39(8):10-15.