川渝地区空气质量时空分布格局及影响因素

川渝地区尤其是四川盆地已成为我国空气污染最严重的地区之一，基于2018—2019年川渝地区128个城市站和71个县级站空气质量监测及自然与社会经济数据，采用全局和局部莫兰指数分析了川渝地区空气质量指数(AQI)和不同空气质量分指数(IAQI)的时空格局，并采用偏最小二乘回归(PLSR)从较为宏观的尺度综合分析了川渝地区空气污染的主要驱动因素。研究结果表明：(1)川渝地区空气质量整体为良，主要污染物为O₃,其次为PM₁₀和PM_2.5。盆地区与高原区的主要污染物分别为PM_2.5和O₃;(2)AQI及PM_2.5、PM₁₀、NO₂呈“U”型变化，春冬季最高，夏秋季最低；O₃则在内部两区域都大致呈倒“U”型变化，但峰值分布时间与持续时长明显不同；SO₂和CO年内无明显变化；(3)各污染物具有明显的空间聚集性特征，AQI及PM₁₀、PM_2.5     

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.     

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     

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.     

中国主要城市森林对大气PM2.5的削减量及其占大气PM2.5总量比例

空气中的细颗粒物(PM_2.5)是我国城市空气污染的主要污染物之一,严重威胁着城市居民的健康,限制城市发展的可持续性。PM_2.5去除的自然途径有两种,分别是干沉降和湿沉降,其中干沉降占据主导作用,且干沉降的过程和效率与城市森林紧密关联。目前针对城市森林对干沉降作用的研究主要是在小尺度中从不同树种、不同群落结构、不同景观类型等角度来估算并比较其滞尘量,较少关注其占空气污染总量的比率,从而可能影响对城市森林滞尘服务能力的判断。因此,利用城市森林效益(Urban Forest Effect, UFORE)模型中的大气污染干沉降模块的核心算法,以2015年为例,估算了我国主要城市辖区的城市森林一年内对大气中的PM_2.5削减量以及其占空气中PM_2.5污染总量的比重。结果显示：(1)2015年全国主要城市单位绿地面积日均滞尘量较高地区主要集中在华北地区、华东地区、以及东北地区。其中北京30.47mg/m²,苏州24.63mg/m²,沈阳28.55mg/m²     

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.     

空气污染对信鸽比赛个体归巢速度的影响

空气污染作为一种有害的环境因素,对人类及动物的生理、心理均有影响。在鸟类中,信鸽(Columba livia)是研究空气污染影响的理想模型。为探究空气污染的行为学效应,通过收集并筛选2018和2019年成都市信鸽协会春秋两个季节举办的64场赛事共285羽参赛5场及以上的信鸽不同空距等级下的归巢速度,利用混合线性模型分析了6种大气污染物(CO、NO₂、O₃、PM_2.5、PM₁₀、SO₂)及气温、季节、天气等环境因子对信鸽归巢速度的影响。结果表明,PM₁₀、SO₂、NO₂、O₃浓度与归巢速度间有显著正相关关系,即这些空气污染物浓度越高,信鸽归巢速度越快;而CO浓度与归巢速度显著负相关,即CO浓度越高,信鸽归巢速度越慢。通过模型评估及比较,发现O3模型是归巢速度的最佳拟合模型,其次是NO2模型。本研究表明,信鸽的归巢速度的确受到空气污染的影响,但潜在的影响机制如归巢动机假说和嗅觉强化假说仍需进一步研究。     

国家重点生态功能区县域环境空气质量时空变化分析

评估国家重点生态功能区县域空气质量改善状况,对落实国家生态文明建设与重点生态功能区转移支付制度具有现实意义。以国家重点生态功能区转移支付县域空气质量为评价对象,基于2015年至2019年的空气质量监测站点日均值数据,对环境空气质量状况和变化进行了评价分析。研究结果表明：国家重点生态功能区转移支付县域空气质量总体表现较好且仍在稳步提升,转移支付政策对2015—2019年国家重点功能区空气质量的改善有着明显的推动作用。优良天数比例超过90%的县域占比由2015年的33.77%提高到2019年的69.52%,水源涵养区的优良天数占比由2015年的72.71%提高到2019年的92.09%,空气质量改善效果最为显著。2015—2019年间,细颗粒物(PM_2.5)污染占比明显下降,臭氧(O₃)污染占比大幅上升,主要超标污染物由颗粒物逐渐转为颗粒物和臭氧。当前防风固沙区的主要超标污染物为可吸入颗粒物(PM₁₀)和细颗粒物,其他三类生态功能区为细颗粒物和臭氧。重点生态功能区的空气质量存在着显著的空间差异,空气污染表现出显著的空间聚集特...     

广州市城乡梯度森林公园雨季空气PM2.5浓度及水溶性离子特征

2012年雨季（4—9月）,收集广州市城市区、近郊区和远郊区森林公园的PM_2.5样品,测定PM_2.5质量浓度,分析了其中SO₄^2-、NO₃^-、NO₂^-、Cl^-、F^-、Na⁺、NH₄⁺、Ca²⁺、K⁺、Mg²⁺ 共10种水溶性无机离子含量.结果表明：帽峰山（远郊）、大夫山（近郊）、火炉山（城区）PM_2.5质量浓度的日变化分别为17.2～66.5、19.4～156.3、21.8～161.7 μg·m^-3,平均值分别为44.4、49.8、55.9 μg·m^-3.SO₄^2-、Na⁺和NH₄⁺为水溶性无机离子主要组分,其中,SO₄^2-含量最大,并从城区至郊区呈递减趋势.固定源对3个森林公园空气中SO₂和NO_x的贡献大于移动源,从城区至远郊呈递减趋势,说明机动车对城区空气中SO₂和NO_x的贡献大于近郊和远郊森林公园.采样期间,海盐对大夫山空气PM_2.5中水溶性组分的贡献最大,其中K⁺受海盐的影响超过其他元素.NH₄⁺当量浓度远小于SO₄^2-和NO₃^-的当量浓度,中和度远小于1,反映PM_2.5酸性较强,且从远郊至城区PM_2.5粒子酸性呈增强趋势.     

广州市城乡梯度森林公园雨季空气PM2.5浓度及水溶性离子特征

2012年雨季（4-9月）,收集广州市城市区、近郊区和远郊区森林公园的PM_2.5样品,测定PM_2.5质量浓度,分析了其中SO₄^2-、NO₃^-、NO₂^-、Cl^-、F^-、Na⁺、NH₄⁺、Ca²⁺、K⁺、Mg²⁺ 共10种水溶性无机离子含量.结果表明：帽峰山（远郊）、大夫山（近郊）、火炉山（城区）PM_2.5质量浓度的日变化分别为17.2～66.5、19.4～156.3、21.8～161.7 μg·m^-3,平均值分别为44.4、49.8、55.9 μg·m^-3.SO₄^2-、Na⁺和NH₄⁺为水溶性无机离子主要组分,其中,SO₄^2-含量最大,并从城区至郊区呈递减趋势.固定源对3个森林公园空气中SO₂和NO_x的贡献大于移动源,从城区至远郊呈递减趋势,说明机动车对城区空气中SO₂和NO_x的贡献大于近郊和远郊森林公园.采样期间,海盐对大夫山空气PM_2.5中水溶性组分的贡献最大,其中K⁺受海盐的影响超过其他元素.NH₄⁺当量浓度远小于SO₄^2-和NO₃^-的当量浓度,中和度远小于1,反映PM_2.5酸性较强,且从远郊至城区PM_2.5粒子酸性呈增强趋势.     

城市植物挥发性有机化合物排放与臭氧相互作用及其机制

近地面臭氧(O₃)已成为继PM_2.5后影响我国空气质量的一种重要二次污染物。随着氮氧化物浓度的持续下降和气候变暖的加剧,城市O₃的形成对挥发性有机化合物的浓度更加敏感。近年来城市绿色空间显著增长,植物源挥发性有机化合物(BVOCs)排放和浓度逐年增加。针对BVOCs与近地面O₃之间复杂的交互作用,从植物BVOCs的特性与作用出发,综述了不同因素尤其是O₃浓度增加对树木生理状态及BVOCs排放速率的影响,定量分析了已有研究中O₃对不同植物异戊二烯和单萜烯排放速率的影响,以及BVOCs对O₃形成的贡献,总结了BVOCs与O₃相互作用研究领域存在的不足。未来亟需加强的研究包括：(1)城市树种BVOCs排放因子的实测,建立物种的排放速率数据库,优化模型参数,提升精细尺度BVOCs排放量估算模型精度;(2)多种环境因子,比如污染物浓度、温湿度等对城市植物BVOCs排放的交互作用和综合影响的研究;(3)植物BVOCs对O     

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.     

长江中游城市群建成区绿色基础设施对PM2.5的消减效应

研究城市群建成区绿色基础设施对PM_2.5的消减效应,有助于为城市群应对气候变化采取的可持续发展战略提供理论支撑。以长江中游城市群建成区为例,基于2000—2020年建成区面积数据、土地覆盖数据以及PM_2.5数据系统分析城市群PM_2.5浓度的时空演变特征,以林地、草地、耕地、湿地、水体等5种绿色基础设施为驱动因子,采用地理探测器模型中的因子探测与交互作用探测,探索城市群建成区绿色基础设施对PM_2.5浓度的削减效应。同时,结合夜间灯光数据以及约束线方法,进一步剖析城市化水平对建成区绿色基础设施的约束效应。结果表明：(1)2000—2020年期间,长江中游城市群年均PM_2.5浓度在时序上呈现先升后降的“倒U型”趋势,在空间上呈现由西北向东南级差化递减的分异特征。(2)2000—2020年期间,长江中游城市群建成区绿色基础设施对PM_2.5存在削减效应,但历年削减率均不超过4%,其中扩张区的削减效应显著高于老城区。(3)因子探测结果表明,长江中游城市群各绿色基础设施...     

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.     

我国城市大气环境与周边区域二维和三维景观格局关系

城市内部的大气环境受到周边区域景观格局的剧烈影响,小尺度上大气污染状况与周边区域景观格局的关系研究对从城市建设角度减缓城市大气污染有着重要现实意义。本研究以2017年中国30个省会城市的266个大气污染监测站点的NO₂、SO₂、PM_2.5和PM₁₀年均浓度为因变量,选择监测站点周边3 km区域内的10个二维和三维景观格局指数(建筑物数量、建筑物聚集度、建筑物密度、不透水面比例、餐饮数量密度、建筑占地面积、建筑高层比、容积率、建筑面积和建筑物类型Shannon多样性指数)为自变量,利用增强回归树模型研究景观格局对4种大气污染物浓度的影响。结果表明: 4种大气污染物浓度在空间分布上总体呈现出中部和北部城市明显高于东南沿海城市和西南部城市。NO₂、SO₂、PM_2.5和PM₁₀浓度的最大影响因素均为不透水面比例,其相对影响贡献率分别为40.7%、36.3%、51.0%和51.8%。不同区域大气污染浓度最主要影响因子识别结果表明,华东和华中地区为不透水面比例;华南地区为建筑物数量和建筑物密度;华北地区是不透水面比例和建筑物类型多样性;东北地区是不透水面比例和建筑物数量;西南地区是建筑物类型多样性;西北地区是建筑物密度。各区域的主要影响因子差异是气候、地形、城市规划等因素所致。     

兰州市西固区大气污染对呼吸系统的健康效应

大气污染极易诱发各类呼吸系统疾病,对人体健康造成严重损害。运用Poisson回归的时间序列广义相加模型(GAM)和人群分层的分析方法,探究了2014—2018年兰州市西固区大气污染对呼吸系统的健康效应。结果表明：(1)PM_2.5、PM₁₀、SO₂、NO₂、O₃8h和CO对呼吸系统疾病的发生存在滞后效应,其浓度每升高10μg/m~3(CO升高1 mg/m~3),在最佳滞后天数,疾病住院量分别增加1.06%、1.04%、1.10%、1.07%、0.97%和3.83%,气态污染物(SO₂和NO₂)暴露是诱发呼吸系统疾病的重要风险因素;(2)PM_2.5、PM₁₀、SO₂和NO₂对肺炎的影响最大,且对女性健康的危害稍高于男性,O₃8h对慢性阻塞性肺病的影响最大,且对男性患病的影响稍高于女性;(3)0—14岁儿童是呼吸系统疾病的易感人群,...     

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.