城市空气污染对周边区域空气质量的影响

京津冀地区是全球以PM_(2.5)为首要污染物的空气污染最严重的区域之一,并已严重制约区域发展。大区域尺度上(例全国尺度)开展城市与其周边区域的PM_(2.5)的研究通常直接比较二者的浓度差异,以定量地评估城市PM_(2.5)污染对周边区域的影响,但这种方法在小区域较难精细地刻画城市对周边区域的影响的方向性和距离性差异。利用京津冀地区13个城市2000年,2005年,2010年,2015年PM_(2.5)浓度和土地覆盖类型数据,以城市重心到城市边界的平均距离为基本距离,建立每个城市的一级(一倍基本距离)和二级(二倍基本距离)缓冲区,然后将缓冲区分成8个象限,以定量分析城市PM_(2.5)污染对周边区域影响的方向性和距离差异。结果发现:(1)2000—2015年,京津冀城市群各地级市与周边区域空气质量时空分布分为以下两种模式:第一种模式是城区浓度高,周边区域低;第二种模式是城区浓度低,周边区域高且浓度差异很小。(2)各地级市对周边区域影响程度和范围呈上升趋势,并且这种影响具体表现在距离性和方向性两方面:(1)大部分城市距离城区越远,受城市PM_(2.5)污染的潜在影响越大。(2)2000—2015年,除天津、廊坊、衡水和沧州,其余城市空气污染对周边影响的方向性特征差异显著。通过建立城市空气污染对周边区域定量化方法并在京津冀开展实证研究,拓展了城市空气污染对周边区域空气质量影响研究的方法体系,为定量地开展城市化的生态环境效应研究提供了方法和实证拓展。     

不同污染程度下毛白杨叶表面PM2.5颗粒的数量及性质和叶片气孔形态的比较研究

选择了北京市环境PM_(2.5)浓度不同的两个采样点的毛白杨(Populus tomentosa Carr.)作为研究对象,利用环境扫描电镜及X-射线能谱仪对杨树叶片表面滞留的PM_(2.5)颗粒进行了观察、统计和成分分析,并研究了叶片气孔对环境颗粒物污染的适应性变化。结果表明:夏秋两季西直门叶片样品上下表面的PM_(2.5)数量均多于森林公园样品这说明环境PM_(2.5)浓度是影响叶片表面滞留颗粒物数量的主要原因;其中叶片上表面是滞留PM_(2.5)颗粒的主要区域。森林公园样品中PM_(2.5)颗粒性质比较单一,硅铝酸盐颗粒和石英颗粒占很大比例,二者的主要来源均为天然源,如土壤扬尘、矿物颗粒等;而西直门采样点叶片样品滞留的PM_(2.5)颗粒的元素组成更为复杂,其中50%以上的硅铝酸盐颗粒检测出了明显的铜、钾、氯、钠等元素的谱峰其来源主要是工业排放;西直门样品PM_(2.5)的含硫量高于森林公园样品,且夏季明显高于秋季。研究还发现有少数PM_(2.5)颗粒进入了毛白杨叶片的气孔而且不同污染程度下气孔的形态特征存在差异。与森林公园毛白杨叶片的气孔相比,西直门处的毛白杨叶片气孔的长度、宽度、面积和气孔密度均较小,说明较高的PM_(2.5)污染程度对毛白杨叶片的形态发育有一定影响。研究结果可以为揭示植物叶片阻滞、吸收大气颗粒污染物的机制、合理选择和优化城市绿化树种从而改善空气质量提供一定的科学理论依据。     

大气颗粒物(PM2.5、PM10)对地表景观结构的响应研究进展

颗粒物PM_(2.5)、PM_(10)是近年来我国大气首要污染物,威胁环境和人类健康。地表景观结构直接或间接影响PM_(2.5)、PM_(10)浓度,了解其影响过程和机理对于改善生态环境具有重要意义。系统总结了国内外关于PM_(2.5)、PM_(10)对地表景观结构响应的研究成果,指出研究中出现不确定性的可能影响因素,并对今后的发展方向进行展望。得出基本结论:(1)地表景观类型的构成及其格局显著影响大气颗粒物浓度,对PM_(2.5)、PM_(10)起到"源"和"汇"的作用。(2)地表景观结构引起局地气候变化并影响颗粒物的迁移转化,但其影响过程和机理复杂,研究结论并不明确。(3)颗粒物浓度和地表景观数据主要通过实际监测或遥感处理方法获得,但因为获取方法、监测点微观环境及遥感影像等因素影响,导致数据具有不确定性,加上时空尺度相对应的复杂性,大大限制了地表景观结构与PM_(2.5)、PM_(10)响应关系的研究进展,是未来要突破的难点。(4)PM_(2.5)、PM_(10)对地表景观结构响应的区域时空差异及过程,局地小气候变化对颗粒物浓度的影响过程和强度,主要景观类型尤其是水体、湿地景观对大气颗粒物浓度的影响过程、机理与贡献程度等是未来需要关注的方向。     

冬季PM2.5的气象影响因素解析

气象因素能够显著影响PM_(2.5)浓度,可减轻或加剧城市空气污染,尤其是在雾霾严重的冬季。同时由于城市间污染物排放强度和扩散条件的差异,雾霾的发生往往具有较强的区域性。选择了石家庄、西安、北京、太原、广州5个不同污染区域的典型城市,首先分析多个气象因子与PM_(2.5)浓度的关系,进而研究气象因素对PM_(2.5)浓度变异解释度的差异,以及气象因子对PM_(2.5)浓度影响的相对重要性,进一步对比分析气象因素对PM_(2.5)浓度影响在不同污染程度的城市之间的差异,解析了不同城市的主要气象影响因素和气象因素的综合影响程度。研究结果表明:(1)气象条件与PM_(2.5)日浓度显著相关,且在不同污染程度的城市与PM_(2.5)浓度相关的气象因子不同。与石家庄冬季PM_(2.5)浓度相关的气象因素为相对湿度、平均风速;与西安PM_(2.5)浓度相关的主要气象因素为相对湿度、平均风速和最大持续风速;与北京PM_(2.5)浓度相关的主要气象因素相对湿度、日均温度、平均风速、最大持续风速和最低温;与太原PM_(2.5)浓度相关的主要气象因素为日均温、相对湿度、平均风速、最高温、最低温和最大持续风速;与广州PM_(2.5)浓度相关的主要气象因素为相对湿度、平均风速、最高温和降雨量。(2)PM_(2.5)浓度越高的地区,气象因素能够解释的PM_(2.5)浓度变异越小。严重污染区的石家庄气象因素多元回归分析的R~2为0.27,重污染区的西安气象因素多元回归分析R~2为0.29,中污染区的北京气象因素多元回归分析R~2为0.46,污染地区的太原气象因素多元回归分析R~2为0.67。研究结果揭示了不同城市的主要气象影响因素及其综合影响程度,可为城市PM_(2.5)控制和预测精度提高提供理论参考,并为区域生态环境规划和城市协调发展提供科学依据。     

城市规模对大气污染物NO2和PM2.5浓度的影响

随着我国城市的快速发展,城市的区域性大气污染问题日益突出,尤其是大城市和超大城市的污染问题更加严重。那么城市规模的扩大是否必然导致空气污染的加剧?控制城市人口规模是否是防治空气污染的有效手段?这些问题成为空气污染防治中政府、公众和学者广泛关注的焦点。采用2013年冬季全国114个重点城市两种典型大气污染物-NO_2(传统)和PM_(2.5)(新型)-浓度的实时监测数据,首先分析了这两种大气污染物的空间分布特征,进而定量分析城市人口规模和大气污染物浓度的关系。结果显示:(1)仅有21%的城市NO_2浓度达到WHO的城市年均浓度标准(40μg/m~3),全部城市的PM_(2.5)浓度高于WHO年均浓度标准(10μg/m~3);(2)大气污染物的空间分布具有显著的集聚特征和区域性特征,表现为:NO_2呈较为分散的空间分布,而PM_(2.5)的空间分布呈现"北高南低、内陆高沿海低"的特征。NO_2浓度高的区域主要分布在天津、河北东南部和山东中部地区,PM_(2.5)浓度高的区域主要分布于河北西南部和山东西部;(3)常住人口规模同冬季NO_2和PM_(2.5)浓度呈倒"U"型关系;在1000到1200万的城市冬季平均NO_2和PM_(2.5)浓度最高(NO_2:69.28μg/m~3,PM_(2.5):119.58μg/m~3)。(4)总人口低于1200万的城市,冬季NO_2浓度和PM_(2.5)浓度随着城市规模增加而显著升高(NO_2:r=0.44,P0.01;PM_(2.5):r=0.43,P0.01);总人口高于1200万的城市,NO_2浓度同城市规模呈显著负相关关系(r=0.91,P0.05),PM_(2.5)浓度随城市规模增加逐渐降低。(5)常住人口密度在1000人/km~2以下的重点城市,NO_2和PM_(2.5)浓度同城市人口密度呈显著正相关关系(NO_2:r=0.23,P0.05;PM_(2.5):r=0.36,P0.01)。常住人口密度在1000人/km~2以上的城市人口密度同NO_2和PM_(2.5)浓度呈显著负相关关系(NO_2:r=-0.61,P0.05;PM_(2.5):r=0.63,P0.01)。以上研究结果可以为划定不同大气污染物的重点防治区域和制定联合防治行动计划提供理论依据,并为重点城市大气污染治理和城市人口规模控制理论完善提供参考。     

北京西山不同海拔油松林PM2.5浓度及叶片吸附量变化规律

以北京西山不同海拔梯度油松人工林为研究对象,对油松林PM_(2.5)浓度变化和叶片PM_(2.5)吸附量进行分析,并应用电子显微镜对不同海拔油松叶表面微形态特征进行观察,阐释叶片吸附PM_(2.5)差异。结果表明:随着海拔升高PM_(2.5)质量浓度逐渐降低,不同海拔油松林PM_(2.5)质量浓度日变化均呈典型的双峰曲线,7:00和19:00是一天的两个峰值,最小值出现在13:00—15:00左右;从不同月份看,不同海拔油松林PM_(2.5)质量浓度最高值出现在冬季的2月,最低值在8月;不同海拔油松林PM_(2.5)质量浓度全年均值为84 m((102.28±18.44)μg/m~3)110 m((94.18±18.34)μg/m~3)160 m((81.53±19.23)μg/m~3)230 m((75.39±15.71)μg/m~3);随着海拔升高单位叶面积PM_(2.5)吸附量逐渐减小,每升高50 m,单位叶面积PM_(2.5)吸附量降低23.25%,每公顷PM_(2.5)吸附量下降26.43%,不同海拔油松林每公顷PM_(2.5)吸附量全年均值为84 m((8.61±1.08)kg/hm~2)110 m((7.30±0.94)kg/hm~2)160 m((6.35±0.99)kg/hm~2)230 m((4.34±1.14)kg/hm~2);处于低海拔的油松叶表面较粗糙,气孔内部和周围聚集大量颗粒物,在叶面形态上更有利于吸附PM_(2.5),高海拔则相反。高海拔空气质量优于低海拔,低海拔的植物吸附颗粒物多于高海拔。研究结果可为城市造林和森林净化大气提供数据支持。     

基于ENVI-met的城市道路绿地植物配置对PM2.5的影响研究

随着城市化的快速发展,大气污染尤其细颗粒物(PM_(2.5))已成为制约城市环境的重要因素,相关研究表明,在众多的PM_(2.5)来源中道路交通是在其中的重要来源之一,而道路绿地植物群落能够消减来自道路的PM_(2.5)。运用场地观测和ENVI-met模拟相结合的方法探讨城市道路绿地植物群落对PM_(2.5)的影响,分析仅有乔木(i)、乔木+树篱(ii)、乔木+树篱+灌木(iii)3种模式下的植物群落配置对PM_(2.5)的影响,揭示绿地植物群落的长度、宽度、高度和LAI对PM_(2.5)的影响。结果表明:(1)场地观测中的道路绿地植物群落的3种配置模式对PM_(2.5)的消减率分别是iii(14.2%)ii(12.9%)i(9.2%)。(2)绿地中植物的种类、绿地宽度、绿地植物的叶面指数等要素对消减作用起正面作用,高度和长度起负面作用。(3)绿地的长度的一定量的减少可以在绿地后方形成一个宽度约为绿地长度80%的、随着与绿地的距离的增加而宽度递减的较绿地长度更长环境PM_(2.5)浓度更低的低谷区,但其他没有绿地的空间的PM_(2.5)浓度会加重。(4)绿地高度的增加会迫使PM_(2.5)向更高的空间运动。     

城市化对空气污染人群暴露贡献的定量方法研究

短期快速城市化引发一系列生态环境问题,尤其是近年来以细颗粒物(PM_(2.5))为代表的城市与区域空气污染问题。人群的污染暴露一方面是因为污染区范围的扩张,另外一方面则归因于城市化引发的人口迁移,目前的研究重点关注于前者的贡献,而忽略了后者的贡献。因此,建立了城市化对空气污染人群暴露贡献的定量方法,并选取我国PM_(2.5)污染最为严重的京津冀城市群开展了实证研究,通过利用2000、2005、2010、2015年PM_(2.5)浓度和人口栅格数据以及人口自然增长率数据,定量评估了城市化引发的人口迁移对空气污染人群暴露的贡献。研究结果显示:(1)京津冀地区受污染影响面积和人口变化显著,造成大量的人口暴露于PM_(2.5)污染。(2)城市化引发的人口迁移与自然增长贡献率方面:总体上,2000—2015年,京津冀城市群总的人口迁移贡献率为48%,北京市和天津市总的人口迁移贡献率分别为94%和88%,而河北省污染总的人口迁移贡献率为-32%。其中在污染保持区,北京市和天津市的人口迁移贡献率均接近100%,而河北省的迁移贡献率为-26%,尤其在2010—2015年,河北省衡水市的人口迁移贡献率达到-6613%;在污染新增区,北京市和天津市的人口迁移贡献率分别为86%和84%,而河北省污染的人口迁移贡献率为-757%。本研究建立了定量化的方法揭示了城市化在空气污染人群暴露中的定量贡献,为科学引导城市化发展提供了定量的手段,为合理规划京津冀城市群地区的人口流动与空气污染奠定了数据基础。     

PM_(2.5)对线粒体损伤作用机制的研究进展

线粒体是生命体能量和ROS的主要来源,对细胞的存活与死亡具有十分重要的调控作用,且是容易受到外界刺激的重要靶标。PM_(2.5)对线粒体的毒性损伤机制可能与线粒体通透性转换孔开放、线粒体动力学异常等机制相关,在环境医学领域得到广泛研究。因此,希望通过对线粒体的结构与特点以及PM_(2.5)诱导线粒体损伤的机制进行综述,为进一步研究PM_(2.5)的毒性作用机制提供科学依据。     

北京西山绿化树种PM2.5吸附量及叶表面AFM特征分析

以北京西山针阔叶树种(白皮松Pinus bungeana、油松Pinus tabulaeformis、柳树Salix babylonica、五角枫Acermono、银杏Ginkgo biloba、杨树Populus spp.)为研究对象,应用气溶胶再发生器测定植物叶片夏秋季PM_(2.5)吸附量,同时用原子力显微镜(AFM)观察叶表面微形态特征,并分析叶表面粗糙度等参数,探讨树种叶表面特征与其PM_(2.5)吸附能力间的相关性。结果表明:针叶树种年均单位叶面积PM_(2.5)吸附量(1.70μg/cm~2)阔叶树种(0.48μg/cm~2);各树种年均单位叶面积PM_(2.5)吸附量大小排序为白皮松(1.71μg/cm~2)油松(1.67μg/cm~2)柳树(0.54μg/cm~2)五角枫(0.51μg/cm~2)银杏(0.47μg/cm~2)杨树(0.39μg/cm~2)。针叶树种单位叶面积PM_(2.5)吸附量季节变化趋势为冬(2.86μg/cm~2)春(1.39μg/cm~2)秋(1.13μg/cm~2)夏(0.96μg/cm~2);而阔叶树种则是秋(0.56μg/cm~2)夏(0.55μg/cm~2)春(0.015μg/cm~2)。叶片粗糙度与单位叶面积PM_(2.5)吸附量呈显著线性正相关(P0.01),其中,针叶树种吸附PM_(2.5)能力受粗糙度影响较明显。北京作为国际化大都市,大气环境PM_(2.5)污染趋于严重。因此,分析了北京西山典型针阔叶树种PM_(2.5)吸附量的季节差异及其影响因素,探讨各树种叶片吸附PM_(2.5)机理,根据各树种吸附PM_(2.5)特征及其与叶表面形态的关系,对针阔叶树种进行合理配置,充分发挥城市绿地系统的生态服务功能,为城市绿化树种的科学选择提供参考。     

寒地校园植物群落对大气细颗粒物浓度的消减作用

近年来随着我国城市的快速发展，空气污染作为城市生态环境破坏的首要问题日益严重。因此探究城市绿地中的植物群落是否能够消减大气细颗粒物浓度及其变化特征成为公众和学者广泛关注的焦点。选取位于寒地城市哈尔滨的东北林业大学作为研究对象，通过对校园PM_2.5浓度进行测定和校园植物群落进行调查，定量地分析不同植物群落对PM_2.5浓度的消减作用、PM_2.5浓度的时间变化规律、PM_2.5浓度与温度和空气相对湿度之间的关系。结果显示：（1）PM_2.5浓度日变化呈"双峰单谷"型，早晚偏高；季节变化是夏季PM_2.5浓度最低，秋季PM_2.5浓度最高。（2）不同结构的植物群落对大气细颗粒物的削减效果略有差异，乔灌草配置型绿地的PM_2.5消减率为30.30%，消减效果最佳；乔草和灌草的PM_2.5消减率分别为14.30%和7.77%，消减效果较差。（3）PM_2.5浓度与温度呈负相关关系，与空气相对湿度呈正相关关系。     

粤港澳大湾区PM2.5时空分布特征及其与气象要素的关系

细颗粒物（PM_2.5）污染不仅是现代社会城市化进程中的痛点,也是城市大气环境研究不可忽略的重要焦点。粤港澳大湾区作为世界级城市群,既是城市区域经济社会文化发展的重要体现,更是国家区域发展战略的重要构成与政策实施落脚点,其生态环境的优劣尤其受瞩目。对1999-2016年大湾区地表PM_2.5浓度栅格数据集进行了时空分布特征分析,其中空间自相关分析选取莫兰指数（Moran''I指数）作为度量;并利用多元线性回归模型探讨研究区内PM_2.5与气象要素之间关系。结果表明：粤港澳大湾区1999-2016年历年PM_2.5浓度呈先增加后减小的趋势,2008年为时间拐点,该时间节点之后空气质量显著提高,且1999、2009、2016三年,年平均PM_2.5浓度相似值趋于聚集分布。冷热点分析结果表明：热点区域集中于湾区行政核心区域范围内;冷点集中于核心边缘区域,空气质量较优。利用皮尔森相关分析最终筛选出实际蒸散量（aet）、太阳辐射（srad）、最低温度（tmmn）、蒸汽压（vap）、饱和水汽压差（vpd）、风速（ws）等6个气象因子,利用回归分析判断影响PM_2.5浓度时空分布的显著因子。结果表明：本研究区太阳辐射与PM_2.5浓度关系呈负相关,该结果与其他城市相关研究有较大差异,最小温度与PM_2.5浓度呈正相关,风速与PM_2.5浓度呈负相关,饱和水气压差与PM_2.5浓度呈正相关。     

城市绿地植物群落特征对亚微米颗粒物的影响

植物群落是构成城市绿地的基本单元之一,也是绿地发挥空气颗粒物调节功能的基础。亚微米级颗粒物,即PM1颗粒物对大气能见度、环境质量与人体健康等均存在严重的负面危害。为探究城市绿地植物群落对亚微米颗粒物水平的调节机制,本研究基于实地测量,针对不同类型植物群落内PM1颗粒物水平的差异,以及群落冠层结构对PM1浓度的影响开展定量研究。结果表明,植物群落对亚微米颗粒物具有一定的减滞效果。8种常见群落类型中,针阔-乔草型群落减滞PM1颗粒物的能力最优,阔叶-乔灌草群落次之,针叶-灌草型群落最弱,但不同类型植物群落内部的PM1浓度差异并不显著。植物群落的冠层结构同PM1颗粒物间存在明显的非线性响应关系,部分冠层指标存在关键的拐点阈值。当冠层郁闭度大于75%,疏透度小于55%左右时,植物群落减滞PM1颗粒物的效果最佳。     

深圳市大气污染时空分布及其与景观格局的关系

气溶胶和臭氧是我国大部分地区的两种主要大气污染物,对城市生态环境和人类身体健康影响严重。以深圳市为研究区,利用大气监测站点提供的监测数据和普通kriging空间插值法,从年、季、月尺度上开展近5年（2015-2019）深圳全市PM_2.5和臭氧的时空分布研究,通过皮尔逊分析和显著性检验从月尺度上分析土地覆盖类型及其景观格局对大气污染的影响。结果表明：（1）近5年内深圳市PM_2.5浓度总体呈现下降趋势,臭氧浓度则先降后升,二者季节性和月度差异显著。（2）PM_2.5和臭氧在年、季、月尺度上空间差异明显,全市PM_2.5浓度整体为西北高、东南低;臭氧浓度西北、东南较高,其余区域相对较低。（3）植被占比的增多对PM_2.5浓度有明显的抑制和调控作用,植被斑块间距离越近,对PM_2.5浓度的调控作用越明显;水体占比的增高会导致臭氧浓度增高和变化幅度增大。研究结果可为城市大气污染防治和景观格局规划管理提供参考。     

城市群空气污染综合评估范式与应用——以京津冀城市群PM2.5污染为例

城市群已成为中国城市发展的主要形式，城市化发展引发的一系列环境污染问题成为目前的研究重点之一，尤其是近年来明显的空气污染问题。由于传统的针对某一城市地区进行细致研究，难以解决在城市聚集的城市群下形成的区域性空气污染来源和影响机制等问题，使区域性空气污染造成的负面效应难以评估。通过构建综合评估模型范式，并运用空间分析，对京津冀168个区县2000年，2005年，2010年，2015年PM_2.5人口暴露风险、人类活动对PM_2.5的贡献、以及5种土地利用类型的"源汇"特征进行了实证研究。结果发现：（1）2000-2015年，京津冀城市群的人口暴露风险、空气污染分布、综合评估结果总体呈现北低南高的现象。（2）2000-2015年，各县域的人口暴露风险和空气污染的程度、范围呈上升趋势。不同的土地利用类型具有不同的源汇特征，且对污染的贡献不同。本研究通过综合评估模型范式对城市群或区域城市发展与空气质量的权衡关系模式开展量化解析，为城市的可持续发展提供了科学的范式和初步的实证示范。     

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。     

Effects of Urban Landscape Pattern on PM2.5 Pollution—A Beijing Case Study

PM_2.5 refers to particulate matter (PM) in air that is less than 2.5μm in aerodynamic diameter, which has negative effects on air quality and human health. PM_2.5 is the main pollutant source in haze occurring in Beijing, and it also has caused many problems in other cities. Previous studies have focused mostly on the relationship between land use and air quality, but less research has specifically explored the effects of urban landscape patterns on PM_2.5. This study considered the rapidly growing and heavily polluted Beijing, China. To better understand the impact of urban landscape pattern on PM_2.5 pollution, five landscape metrics including PLAND, PD, ED, SHEI, and CONTAG were applied in the study. Further, other data, such as street networks, population density, and elevation considered as factors influencing PM_2.5, were obtained through RS and GIS. By means of correlation analysis and stepwise multiple regression, the effects of landscape pattern on PM_2.5 concentration was explored. The results showed that (1) at class-level, vegetation and water were significant landscape components in reducing PM_2.5 concentration, while cropland played a special role in PM_2.5 concentration; (2) landscape configuration (ED and PD) features at class-level had obvious effects on particulate matter; and (3) at the landscape-level, the evenness (SHEI) and fragmentation (CONTAG) of the whole landscape related closely with PM_2.5 concentration. Results of this study could expand our understanding of the role of urban landscape pattern on PM_2.5 and provide useful information for urban planning.