无锡惠山三种城市游憩林内细颗粒物(PM2.5)浓度变化特征

在2011年秋、冬季和2012年春、夏季的游憩时段内(5:00-19:00),对无锡惠山香樟林、湿地松林和栓皮栎林3种游憩林内PM_2.5质量浓度进行实时监测,并同步观测气象因子,分析了游憩林内PM_2.5浓度的时间变化规律及其影响因素.结果表明: 惠山3种游憩林内PM_2.5浓度年均值低于道路,湿地松林和香樟林内PM_2.5浓度年均值低于栓皮栎林;3种游憩林和道路的PM_2.5年均浓度低于无锡市背景值.游憩林内PM_2.5浓度的季节变化规律为夏季最低,秋季次之,春季最高;PM_2.5浓度在春、夏、冬季最低的是湿地松林,秋季最低的是香樟林,栓皮栎林在各季节的PM_2.5浓度都较高.PM_2.5浓度在四季的日变化近似于“单峰单谷”型,7:00-9:00和15:00-19:00各出现最大值和最小值.4个季节的湿度和温度与PM_2.5浓度均极显著相关,光照仅在冬季显著影响PM_2.5浓度,较小风速对PM_2.5浓度的影响不大.     

无锡惠山三种城市游憩林内细颗粒物(PM2.5)浓度变化特征

在2011年秋、冬季和2012年春、夏季的游憩时段内(5:00—19:00),对无锡惠山香樟林、湿地松林和栓皮栎林3种游憩林内PM_2.5质量浓度进行实时监测,并同步观测气象因子,分析了游憩林内PM_2.5浓度的时间变化规律及其影响因素.结果表明: 惠山3种游憩林内PM_2.5浓度年均值低于道路,湿地松林和香樟林内PM_2.5浓度年均值低于栓皮栎林;3种游憩林和道路的PM_2.5年均浓度低于无锡市背景值.游憩林内PM_2.5浓度的季节变化规律为夏季最低,秋季次之,春季最高;PM_2.5浓度在春、夏、冬季最低的是湿地松林,秋季最低的是香樟林,栓皮栎林在各季节的PM_2.5浓度都较高.PM_2.5浓度在四季的日变化近似于“单峰单谷”型,7:00—9:00和15:00—19:00各出现最大值和最小值.4个季节的湿度和温度与PM_2.5浓度均极显著相关,光照仅在冬季显著影响PM_2.5浓度,较小风速对PM_2.5浓度的影响不大.     

北京紫竹院公园绿地生态保健功能综合评价

为综合评价城市公园绿地的生态保健功能,指导城市绿地建设与城市居民绿色出行,选取北京市紫竹院公园内4种结构类型13种不同植物配置模式的绿地为研究对象,对其空气负离子浓度、人体舒适度(涉及温度、湿度、风速)、PM2.5浓度、噪音4种生态保健因子的单项及综合生态保健功能进行了定量评价。结果表明:在春夏两季,紫竹院公园所有绿地均能提高空气负离子浓度,负离子浓度日变化均呈早晚低中午高的单峰趋势,且日变化范围分别为75~750个·cm~(-3)、123~1074个·cm~(-3);秋冬两季绿地空气负离子浓度日变化范围较小,分别为324~527个·cm~(-3)、277~523个·cm~(-3);四季空气负离子浓度大小为夏季春季秋季冬季;各类型绿地在春夏两季均能降低空气中的PM2.5浓度,而在秋冬两季少数绿地的PM2.5浓度反而高于对照;绿地内PM2.5浓度日变化趋势均表现为早晚高中午低的趋势;各样地对PM2.5的消减能力季节排序为春季冬季夏季秋季,削减率范围为-2.35%~12.02%;公园各绿地类型在春夏两季均能提高人体舒适度,尤其在夏季作用比较明显,在秋冬两季反而降低了人体舒适度;人体舒适度季节排序为春季夏季秋季冬季;紫竹院公园各绿地类型在夏季均可减弱噪音,其噪音净衰减率范围为0%~5.57%,且均有减噪最佳宽度;以典型的夏季数据进行综合评价表明,紫竹院公园所选绿地结构类型中乔灌草结构的生态保健功能最好,灌草结构较好,乔草结构次之,草坪结构最差,而生态保健功能最优的园林植物配置模式则为圆柏+元宝枫—金银木+小叶黄杨+天目琼花+榆叶梅+锦熟黄杨—苔草。     

北京4种典型风景游憩林对林内PM2.5的调控作用

为研究风景游憩林中PM_2.5浓度的变化规律及其对气象因子的响应,并分析不同林分对PM_2.5浓度的调控作用,在2013年夏、秋、冬季于北京市奥林匹克森林公园内对北京4种典型结构风景游憩林（华山松-银杏混交林、毛白杨-白蜡混交林、毛白杨纯林、多树种复层混交林）中的PM_2.5浓度及相关气象因子进行实时测定（共28个观测日）.结果表明： 在不同空气污染级别下林分内PM_2.5浓度的日变化无统一规律,但在同一污染级别下4种林分的PM_2.5浓度日变化规律基本一致.当风力为0~2级时,在各污染级别下4片林分内PM_2.5浓度的日均值\[观测时段内（9: 00—15: 00）PM_2.5浓度平均值\]无显著差异.林内PM_2.5浓度与空气相对湿度呈显著正相关（P<0.01）,与气温呈显著负相关（P<0.05）,与风速不相关.相对于林分外空地,林分内PM_2.5浓度变化比例在-21.4%～33.2%,其与空气相对湿度呈显著负相关（P<0.05）,与风速和气温不相关.林分对PM_2.5浓度的调控作用包含增加和降低两种效应,本研究中,这种调控作用发生转变的空气相对湿度临界值为67%.     

济南市南部山区不同模式庭院林空气负离子浓度

以济南市南部山区5种典型庭院林和1个无林庭院为对象,2010年3-12月对其空气负离子和相关气象因子进行同步观测.结果表明： 不同模式庭院林空气负离子浓度呈明显的季节变化,夏季>秋季>春季>冬季;其中,日变化呈双峰曲线,峰值分别出现在10:00-11:00和16:00-17:00,12:00前后出现低谷.日空气质量均在10:00和16:00最清洁,下午的空气质量优于上午;夏季空气质量最佳;园林小品型四季空气质量等级最高.不同模式庭院林年均空气负离子浓度和离子评议系数（CI）大小排序为：园林小品型>经济林果型>自然绿化型>花卉盆景型>“农家乐”型>对照.负离子浓度分别为813、745、695、688、649和570 个·cm^-3;CI为1.22、1.11、0.85、0.84、0.83和0.69.园林小品型庭院林为最理想的庭院林模式.空气负离子浓度与空气温度和相对湿度呈显著正相关,与光照强度没有相关性.     

北京4种典型风景游憩林对林内PM2.5的调控作用

为研究风景游憩林中PM_2.5浓度的变化规律及其对气象因子的响应,并分析不同林分对PM_2.5浓度的调控作用,在2013年夏、秋、冬季于北京市奥林匹克森林公园内对北京4种典型结构风景游憩林（华山松-银杏混交林、毛白杨-白蜡混交林、毛白杨纯林、多树种复层混交林）中的PM_2.5浓度及相关气象因子进行实时测定（共28个观测日）.结果表明： 在不同空气污染级别下林分内PM_2.5浓度的日变化无统一规律,但在同一污染级别下4种林分的PM_2.5浓度日变化规律基本一致.当风力为0~2级时,在各污染级别下4片林分内PM_2.5浓度的日均值\[观测时段内（9: 00—15: 00）PM_2.5浓度平均值\]无显著差异.林内PM_2.5浓度与空气相对湿度呈显著正相关（P<0.01）,与气温呈显著负相关（P<0.05）,与风速不相关.相对于林分外空地,林分内PM_2.5浓度变化比例在-21.4%～33.2%,其与空气相对湿度呈显著负相关（P<0.05）,与风速和气温不相关.林分对PM_2.5浓度的调控作用包含增加和降低两种效应,本研究中,这种调控作用发生转变的空气相对湿度临界值为67%.     

气溶胶光学厚度与PM2.5浓度的时空分布特征及其关系——以京津冀大气污染传输通道城市群为例

城市人口和产业的聚集伴随化石能源消费的迅速增长,导致空气污染物排放量不断增加,对区域气候产生了不可逆的负面影响。以多源遥感数据为基础,对京津冀大气污染传输通道城市群(“2+26”城市群)2015—2019年气溶胶光学厚度(AOD)、PM_2.5浓度的时空分布格局进行分析,从月份、季节、年份三个时间维度定量分析其时空变化规律,并通过计算相关性系数来分析气溶胶光学厚度对PM_2.5浓度的影响。主要得出研究结论如下：(1)PM_2.5浓度整体呈现冬季>春季>秋季>夏季的趋势,并且表现出高度空间自相关性,2015—2019年间,PM_2.5浓度显著下降至40μg/m³以下;(2)AOD平均范围值在0—1之间,总体上呈现春夏季高,秋冬季低的分布特点,到2019年,春夏秋三季AOD浓度呈现明显降低,夏季下降趋势最为显著,AOD同样表现出高度空间自相关性;(3)AOD与PM_2.5浓度存在显著的正相关关系。从季节变化上看,相关性呈现出：秋季>夏季>冬...     

南昌市空气PM2.5和PM10的时空动态及其影响因素

PM_2.5和PM₁₀已成为我国大部分城市空气的首要污染物.本文通过分析南昌市2013—2015年的空气PM_2.5和PM₁₀质量浓度、气象因素、交通流量的监测数据,探讨了空气颗粒物污染的时空动态规律以及气象、交通对颗粒物浓度变化的影响.结果表明: 2013、2014、2015年,南昌市PM_2.5浓度(70.92 μg·m^-3＞53.70 μg·m^-3＞43.65 μg·m^-3)、PM₁₀浓度(119.72 μg·m^-3＞86.11 μg·m^-3＞73.32 μg·m^-3)逐年降低,并呈现出夏季低(PM_2.5和PM₁₀平均浓度分别为36.74、69.20 μg·m^-3)、冬季高(PM_2.5和PM₁₀平均浓度分别为74.29、111.64 μg·m^-3)的季节动态和由城市中心向郊区递减的城乡梯度变化; PM_2.5/PM₁₀值(0.595＞0.584＞0.557)逐年降低,并且表现出城市中心高、城市边缘低的空间分布格局;PM_2.5、PM₁₀浓度受到多种气象因素的影响,与气压、温度、相对湿度、风速、降水量、日照时数显著相关,各种气象因子对PM_2.5、PM₁₀浓度的影响存在差异;车流量会显著提高周边PM_2.5浓度,但对PM₁₀浓度影响不明显.     

南昌市空气PM2.5和PM10的时空动态及其影响因素

PM_2.5和PM₁₀已成为我国大部分城市空气的首要污染物.本文通过分析南昌市2013—2015年的空气PM_2.5和PM₁₀质量浓度、气象因素、交通流量的监测数据,探讨了空气颗粒物污染的时空动态规律以及气象、交通对颗粒物浓度变化的影响.结果表明: 2013、2014、2015年,南昌市PM_2.5浓度(70.92 μg·m^-3＞53.70 μg·m^-3＞43.65 μg·m^-3)、PM₁₀浓度(119.72 μg·m^-3＞86.11 μg·m^-3＞73.32 μg·m^-3)逐年降低,并呈现出夏季低(PM_2.5和PM₁₀平均浓度分别为36.74、69.20 μg·m^-3)、冬季高(PM_2.5和PM₁₀平均浓度分别为74.29、111.64 μg·m^-3)的季节动态和由城市中心向郊区递减的城乡梯度变化; PM_2.5/PM₁₀值(0.595＞0.584＞0.557)逐年降低,并且表现出城市中心高、城市边缘低的空间分布格局;PM_2.5、PM₁₀浓度受到多种气象因素的影响,与气压、温度、相对湿度、风速、降水量、日照时数显著相关,各种气象因子对PM_2.5、PM₁₀浓度的影响存在差异;车流量会显著提高周边PM_2.5浓度,但对PM₁₀浓度影响不明显.     

长沙市不同污染程度区域桂花和香樟叶表面PM2.5吸附量及其影响因素

为阐释不同污染程度下城市绿化植物吸滞PM_2.5机理、解析污染物来源,应用气溶胶再发生器定量测定长沙市常见的2种园林绿化树种(桂花和香樟)植物叶片PM_2.5吸附量,同时应用原子力显微镜(AFM)观察了不同污染区(交通区、文教区、清洁区)植被的叶表面微形态特征,使用离子色谱仪测定样品中水溶性离子含量.结果表明: 污染程度与植物叶表面PM_2.5吸附量呈正相关,不同植物单位叶面积PM_2.5吸附量全年均值表现为交通区(0.56±0.04 μg·cm^-2)＞文教区(0.48±0.06 μg·cm^-2)＞清洁区(0.33±0.02 μg·cm^-2),植物单位叶面积PM_2.5吸附量季节变化为冬季(0.70±0.10 μg·cm^-2)＞春季(0.43±0.14 μg·cm^-2)＞秋季(0.39±0.12 μg·cm^-2)＞夏季(0.31±0.09 μg·cm^-2),桂花的单位叶面积PM_2.5吸附量大于香樟;污染程度轻的区域的植物叶片比较光滑,污染程度重的区域的叶片较粗糙,植物粗糙度排序为交通区(195.45±16.09 nm)＞文教区(176.99±8.45 nm)＞清洁区(131.88±12.98 nm);不同污染程度地区PM_2.5离子含量均表现为冬季最大,其次是春季和秋季,夏季最低;3个污染区PM_2.5离子成分均以Na⁺、NH₄⁺、Cl^-和Br^-这4种离子为主,不同程度污染区PM_2.5污染均以移动源污染为主.     

长沙市不同污染程度区域桂花和香樟叶表面PM2.5吸附量及其影响因素

为阐释不同污染程度下城市绿化植物吸滞PM_2.5机理、解析污染物来源,应用气溶胶再发生器定量测定长沙市常见的2种园林绿化树种(桂花和香樟)植物叶片PM_2.5吸附量,同时应用原子力显微镜(AFM)观察了不同污染区(交通区、文教区、清洁区)植被的叶表面微形态特征,使用离子色谱仪测定样品中水溶性离子含量.结果表明: 污染程度与植物叶表面PM_2.5吸附量呈正相关,不同植物单位叶面积PM_2.5吸附量全年均值表现为交通区(0.56±0.04 μg·cm^-2)＞文教区(0.48±0.06 μg·cm^-2)＞清洁区(0.33±0.02 μg·cm^-2),植物单位叶面积PM_2.5吸附量季节变化为冬季(0.70±0.10 μg·cm^-2)＞春季(0.43±0.14 μg·cm^-2)＞秋季(0.39±0.12 μg·cm^-2)＞夏季(0.31±0.09 μg·cm^-2),桂花的单位叶面积PM_2.5吸附量大于香樟;污染程度轻的区域的植物叶片比较光滑,污染程度重的区域的叶片较粗糙,植物粗糙度排序为交通区(195.45±16.09 nm)＞文教区(176.99±8.45 nm)＞清洁区(131.88±12.98 nm);不同污染程度地区PM_2.5离子含量均表现为冬季最大,其次是春季和秋季,夏季最低;3个污染区PM_2.5离子成分均以Na⁺、NH₄⁺、Cl^-和Br^-这4种离子为主,不同程度污染区PM_2.5污染均以移动源污染为主.     

南昌市中心城区主要大气污染物分布模拟及土地利用对其影响

随着我国城市化、工业化的快速推进,城市大气污染问题日益突出,研究城市大气污染物的分布情况及其土地利用影响对解决城市大气污染问题具有重要意义.本研究以南昌市中心城区为研究区,基于土地利用回归模型(LUR)模拟了PM_2.5、PM₁₀、SO₂、NO₂、CO、O₃等6种主要大气污染物浓度,并分析其时空分布特征;基于主导土地利用类型,选择南昌市中心城区内居住、商业、教育和工业用地各15个样本区,为了减少气象因子的影响,分四季统计各样本区6类大气污染物浓度,运用双因素方差分析和多重比较,定量分析土地利用(样本区)对6类大气污染物的影响.结果表明: 采用LUR模型模拟研究区PM_2.5、PM₁₀、SO₂、NO₂、CO、O₃浓度的平均绝对误差率分别为11.9%、13.4%、12.5%、12.0%、12.7%和13.5%,模型误差较小,方法可行.研究区6类污染物浓度具有明显的时空分布特征,PM_2.5、PM₁₀、SO₂、NO₂和CO浓度在冬季最高,春季和秋季次之,夏季最低;O₃浓度则为夏季高,春季和秋季次之,冬季低.PM_2.5、PM₁₀、SO₂、NO₂、CO浓度整体呈现从城区中心到郊区递减的趋势,而O₃浓度则反之.不同季节与不同土地利用样本区间6种大气污染物浓度差异显著,表明在中心城区尺度上,气象条件和土地利用都对大气污染物有显著影响.不同土地利用对主要大气污染物浓度分布有不同程度的影响,其中,对PM_2.5、NO₂和O₃的影响较大,对CO的影响较小.     

自然状态下栓皮栎林空气负离子与PM2.5的关系

近年来,PM_2.5污染成为大气污染的主要来源,长期暴露在高浓度PM_2.5的环境中会对人体造成严重损害。空气负离子(NAI)作为改善空气质量的“维生素”,是衡量一个地区空气清洁程度的重要指标。然而,气象条件和植被类型的复杂多变,导致PM_2.5与NAI的关系存在诸多不确定性。本研究以暖温带典型造林树种栓皮栎为研究对象,基于2019和2020年6—9月森林植被叶面积相对稳定条件下定位观测获取的NAI、PM_2.5和气象数据,研究气象条件相对稳定状态下PM_2.5和NAI的时空变化特征,确定PM_2.5与NAI的关系,阐明自然状态下PM_2.5对NAI的影响机制。结果表明：NAI随PM_2.5的升高呈指数下降趋势,二者呈显著负相关关系,回归方程为y=1148.79x^-0.123。在PM_2.5浓度为0～20、20～40、40～80、80～100和100～120μg·m^-3     

合肥市不同生态功能区空气负离子浓度分布特征及其与气象因子的关系

空气负离子浓度与空气环境质量密切相关.以合肥市为研究对象,按照4个生态功能区(公园游览区、生活居住区、商业交通繁华区和工业区),同步进行了空气负离子浓度、主要气象要素(光照强度、气温、空气相对湿度等)观测.不同功能区空气负离子浓度的日变化特点是: 公园游览区和生活居住区日变化呈单峰形式,工业区呈双峰形式,而商业交通繁华区则比较复杂;极值出现的时间也有差异;4个功能区空气负离子浓度日变化的波动性从大到小依次为商业交通繁华区＞工业区＞生活居住区＞公园游览区.4个功能区空气负离子浓度年变化趋势基本一致,夏季最高,冬季最低.公园游览区、生活居住区、商业交通繁华区和工业区空气负离子浓度年平均值分别是819、340、149和126 个·cm^-3.影响合肥市空气负离子浓度的最主要气象因子是空气相对湿度,其次是光照强度,最小为气温.空气负离子浓度与空气相对湿度呈指数递增关系.     

北京市夏秋季大气PM2.5浓度与气象要素的相关性

基于北京市城市生态系统研究站2008、2009年7月1日—10月31日大气PM_2.5浓度及气温、相对湿度、风速、水汽压、大气压和风向等6类气象要素资料,分析北京市夏秋季大气PM_2.5浓度与气象要素的相关性.结果表明: 在所分析的18周内,PM_2.5浓度在每周内的变化幅度较小.PM_2.5周平均浓度大致呈现出每6周为一个变化周期.其中,后6周最高、前6周次之、中间6周最低.PM_2.5周平均浓度与6种气象要素存在不同程度的相关关系,其中与水汽压的相关性最强,可通过水汽压预测北京市7月和8月的PM_2.5周平均浓度.研究结果可为分析和控制北京市大气PM_2.5污染源提供重要的科学依据.     

北京市夏秋季大气PM2.5浓度与气象要素的相关性

基于北京市城市生态系统研究站2008、2009年7月1日—10月31日大气PM_2.5浓度及气温、相对湿度、风速、水汽压、大气压和风向等6类气象要素资料,分析北京市夏秋季大气PM_2.5浓度与气象要素的相关性.结果表明: 在所分析的18周内,PM_2.5浓度在每周内的变化幅度较小.PM_2.5周平均浓度大致呈现出每6周为一个变化周期.其中,后6周最高、前6周次之、中间6周最低.PM_2.5周平均浓度与6种气象要素存在不同程度的相关关系,其中与水汽压的相关性最强,可通过水汽压预测北京市7月和8月的PM_2.5周平均浓度.研究结果可为分析和控制北京市大气PM_2.5污染源提供重要的科学依据.     

北京海淀区绿色空间PM2.5滞尘服务模拟

绿色空间能够有效吸附空气中的颗粒悬浮物,具有极其重要的PM_2.5滞尘作用.本研究基于植被的PM_2.5滞尘机理,提出了绿色空间的滞尘服务量化方法,并对北京市海淀区绿色空间的PM_2.5单日累积滞尘量,以及不同景观类型冬季、夏季和年滞尘总量进行了空间量化和对比研究.结果表明:海淀区绿色空间冬季的滞尘服务频率和最大单日滞尘量均低于夏季.全年来看,海淀区西部山林景观平均滞尘服务值最高;北部平原区由零散的林地斑块和农田斑块构成的田园景观年滞尘服务总量则最大;而南部城区除几个零星的公园绿地斑块外,大部分区域的滞尘服务是全区的最低水平.PM_2.5滞尘服务模型能够快速定量化绿色空间的滞尘量及其空间分布,对城市绿化建设及PM_2.5大气污染治理具有重要作用.     

北京西山典型城市森林内PM_(2.5)动态变化规律

城市森林内PM2.5浓度的状况可以直接反映城市森林对PM2.5的净化效果,也是居民休闲游憩关心的森林环境问题。选择北京西山3种典型的游憩型城市森林,通过对林内PM2.5浓度一年四季昼夜24h内变化的同步观测,分析了不同类型城市森林内PM2.5浓度的季节变化、日变化以及影响因素,结果表明:(1)北京西山3种游憩林内PM2.5浓度多数时候远低于城区对照值,在春、夏、秋三季都达到了国家城市化地区的标准,甚至在春季、秋季还达到了国家一类地区的标准。(2)城市森林在不同季节对PM2.5的净化效果存在差异,林内PM2.5浓度总体上呈现冬季夏季秋季春季的规律。(3)林内PM2.5浓度在一天24h内有很大变化波动,夜间浓度总体上高于白天,日变化曲线近似呈"双峰双谷"型,两个高峰出现在夜晚和早上,两个低谷出现在凌晨和中午前后。一年四季白天低谷出现时间有所不同,春季15:00左右、夏季13:00—17:00、秋季13:00—15:00、冬季9:00—11:00。(4)PM2.5在不同类型游憩林内的变化趋势和浓度值存在一定差异。郁闭度较大的侧柏林夜间PM2.5浓度总体上高于其它两种林型,其高峰和低谷出现时间延迟,高峰值大,高峰期持续时间长,且这种规律在秋季表现得更明显。(5)基于上述研究认为,北京西山城市森林为居民在PM2.5污染比较突出的都市背景下提供了一个相对清洁、健康的森林游憩环境,春季、夏季、秋季全天以及冬季9:00—11:00均是森林中PM2.5状况健康而适宜外出游憩的时段。     

北京海淀区绿色空间PM2.5滞尘服务模拟

绿色空间能够有效吸附空气中的颗粒悬浮物,具有极其重要的PM_2.5滞尘作用.本研究基于植被的PM_2.5滞尘机理,提出了绿色空间的滞尘服务量化方法,并对北京市海淀区绿色空间的PM_2.5单日累积滞尘量,以及不同景观类型冬季、夏季和年滞尘总量进行了空间量化和对比研究.结果表明:海淀区绿色空间冬季的滞尘服务频率和最大单日滞尘量均低于夏季.全年来看,海淀区西部山林景观平均滞尘服务值最高;北部平原区由零散的林地斑块和农田斑块构成的田园景观年滞尘服务总量则最大;而南部城区除几个零星的公园绿地斑块外,大部分区域的滞尘服务是全区的最低水平.PM_2.5滞尘服务模型能够快速定量化绿色空间的滞尘量及其空间分布,对城市绿化建设及PM_2.5大气污染治理具有重要作用.     

城市绿地系统内外CO2浓度、δ13C、δ18O差异和来源及影响因素

采用离轴积分腔输出光谱技术测定夏季和冬季北京市4环路和北京园林科学研究院绿地系统空气中CO₂浓度、δ¹³C和δ¹⁸O值,在半小时尺度上分析了其变化特征和差异以及与车流量和气象因子的关联.结果表明： 4环路上车流量较大,夏季和冬季观测期间每日均超过15万辆次,有明显的早晚交通高峰.4环路与绿地系统的空气中CO₂浓度呈双峰曲线日变化,δ¹³C值呈双波谷曲线、δ¹⁸O值呈单波谷曲线日变化,夏季二者空气中的CO₂浓度、δ¹³C和δ¹⁸O差值远大于冬季.同位素定量区分结果显示,夏季观测期间4环路空气中CO₂主要来源于机动车尾气,约占64.9%,而绿地系统空气中CO₂主要来源于自养和异养呼吸,约占56.3%,冬季观测期间二者空气中CO₂均主要来源于机动车尾气.逐步回归分析表明,在半小时尺度上车流量和太阳辐射对绿地系统与4环路CO₂浓度差值产生显著影响,太阳辐射和相对湿度则是影响δ¹³C和δ¹⁸O差值的主要气象因子.绿地系统中的植物在生长季节通过光合作用吸收和消减化石燃料燃烧产生的CO₂来维持城市碳氧平衡,在改善城市生态环境方面发挥重要作用.