利用LCZ（景观-气候-植被综合模型）研究城市形态对PM2.5和O3污染的协同响应：一种新型分析框架

《Sustainable Cities and Society》：Investigating the synergistic response of urban form to PM 2.5 and O 3 pollution using the LCZ: A novel analytical framework

城市形态对PM2.5和O3的协同影响分析表明，其作用具有污染物特异性与空间异质性，不同LCZ类型存在差异化的最优指标组合。研究构建GAQI指标体系，基于随机森林模型与LCZ系统划分，揭示建筑密度、高度标准差、天空视因子等形态参数对双污染物浓度的调控机制，为分区协同治理提供科学依据。

　　

徐江英|丁伟|何瑞珍|刘梦阳|吴云妮|陈红

河南农业大学景观建筑学院，中国郑州

摘要

城市形态显著影响细颗粒物（PM_2.5）和臭氧（O₃），但关于城市形态对这两种污染物协同影响的研究仍然有限。本研究提出了一个分析框架，用于评估城市形态管理城市空气污染的能力，同时考虑了协同效应和空间异质性。利用局部气候区（LCZ）系统和随机森林（RF）模型，我们探讨了城市形态如何影响不同LCZ中的PM_2.5和O₃。研究结果表明：（1）城市形态对PM_2.5和O₃的影响具有污染物特异性和空间异质性，同一污染物在不同LCZ中的关键指标和阈值范围不同；（2）提出的空气质量指数提升值（GAQI）可以评估城市形态缓解PM_2.5和O₃污染的能力，为多污染物协同管理提供了量化依据；（3）基于评估结果，确定了每个LCZ中改善空气质量的最佳城市形态指标及其阈值范围。例如，在LCZ_1中，最佳条件包括建筑密度低于0.45、建筑高度标准差大于30米、天空视野系数高于0.3以及建筑视线系数低于0.32。而在LCZ_2中，地块比率和平均建筑高度起着更关键的作用。这些发现表明，特定的城市形态可以有效同时缓解PM_2.5和O₃浓度，为旨在实现多污染物协同管理的城市设计策略提供了科学依据。

引言

空气污染是一个重大的全球环境挑战，超过90%的人口生活在空气质量超过世界卫生组织（WHO）标准的地区（世界卫生组织，2020年）。大量研究表明，空气污染与多种健康问题密切相关（何等人，2025年；牛等人，2025年；吴等人，2025年；朱等人，2022年），每年导致大量死亡。PM_2.5和O₃是中国的主要空气污染物（肖等人，2022年），尤其是在人口密集的城市地区（李等人，2019年；杨等人，2023年）。最近的研究表明，同时暴露于PM_2.5和O₃会导致更严重的健康影响（刘等人，2023年；徐等人，2024年；张等人，2024年）。

随着快速的城市化，城市空气污染表现出强烈的空间异质性，这是由城市发展导致的多样化的城市形态和土地利用模式所驱动的。城市发展是空气污染的主要驱动因素。城市建设显著改变了自然土地覆盖和景观格局，从而改变了当地气候和空气质量（卢等人，2018年；吴等人，2015年；薛等人，2023年）。随着建成区的扩张，空气污染物浓度增加，并且通常向城市中心区域上升（黄等人，2019年）。越来越多的研究表明，城市形态在空气污染物的分布和扩散中起着关键作用（李等人，2024年；刘等人，2021年；史等人，2018a）。建筑密度（BD）、街道布局和绿地覆盖率可以强烈影响污染物的扩散、浓度和停留时间。然而，大多数现有研究仅关注城市形态与单一污染物之间的关系（陈等人，2025年；李等人，2024年；刘等人，2025年；郑等人，2023年）。这些研究很少考虑城市形态如何协同调节PM_2.5和O₃。例如，一些研究表明高建筑密度会增加局部PM_2.5浓度，而城市植被可以有效缓解PM_2.5污染（陈等人，2025年）。其他研究对O₃的影响则有所不同（高等人，2021年；刘等人，2022年），其中较高的绿地视野指数（GVI）可能会增加O₃浓度。这些发现表明，基于单一污染物的评估框架可能导致不准确的城市设计策略。因此，迫切需要协调控制PM_2.5和O₃以改善城市空气质量。

此外，一些关于城市形态和空气污染的研究得出了相互矛盾的结果（刘等人，2021年；曾等人，2022年）。这可能是因为城市形态对空气污染的影响具有强烈的空间异质性（徐等人，2022年，2023年；赵等人，2023年）。因此，仅基于全球模型的分析可能无法准确反映城市形态对PM_2.5浓度的影响。为了更好地理解这些效应的空间异质性，本研究应用了LCZ分类方法。LCZ将城市区域划分为在形态和土地覆盖方面具有同质性的单元，有效解决了空间异质性问题（Stewart & Oke，2012年）。这种分类系统为研究城市形态与空气污染之间的空间异质性提供了新的视角。通过将LCZ类型与污染数据相结合，我们可以分析不同LCZ中城市形态对PM_2.5和O₃污染的协同效应。这有助于我们制定差异化的城市形态调节策略。通过这种方式，我们可以揭示城市形态对PM_2.5和O₃分布影响的空间异质性，并为针对特定空间位置的城市设计提供科学依据。

气象条件在塑造PM_2.5和O₃浓度方面起着关键作用（陈等人，2018年；郭等人，2022年；刘等人，2023年；杨等人，2020年）。然而，许多关于城市形态和空气污染的研究缺乏气象数据。它们往往忽略了当地天气对PM_2.5和O₃积累和扩散的影响。这种遗漏会降低研究结果的可靠性。包含高空间分辨率的气象数据可以大大提高这些研究的可信度。

总之，以往的研究主要集中在城市形态与单一污染物之间的关系上，对于城市形态对PM_2.5和O₃的协同响应的研究有限。本研究旨在通过将近地面温度和湿度数据与城市形态变量结合到机器学习模型中，来评估城市形态在局部气象条件下的空气污染影响，从而填补这一空白。我们关注城市形态对PM_2.5和O₃的协同响应及其分布的空间异质性。本研究的主要目标是：（1）使用RF模型量化不同LCZ中城市形态对PM_2.5和O₃浓度的影响；（2）使用新的指标GAQI（结合了个体空气质量指数（IAQI）和RF模型中的相对重要性（RI））来研究城市形态对PM_2.5和O₃的协同响应；（3）基于GAQI结果，制定不同LCZ中PM_2.5和O₃的协调控制策略。

研究区域

武汉（北纬29°58′–31°22′，东经113°41′–115°05′）是中国中部的一个主要城市，具有湿润的亚热带气候。近年来，快速的城市化导致了严重的空气污染。严重的PM_2.5和O₃污染对武汉的公共健康构成了重大威胁（刘等人，2022年）。本研究主要关注武汉的中心城区，主要位于三环路以内，覆盖面积约为1,024平方公里（图1）。选择该区域作为研究区域有三个原因。

不同LCZ中PM_2.5和O₃浓度的时空分布模式

武汉的中心城区被划分为14种LCZ类型，包括9种建筑类型和5种自然类型（图3）。建筑区主要由开放式中层建筑（LCZ_5，26.01%）和开放式高层建筑（LCZ_4，21.74%）组成，两者合计占研究区域的近一半。LCZ_1–6占所有建筑样本的91.36%，其中LCZ_5和LCZ_4分别占49.90%和34.06%。其余类型为LCZ_2、LCZ_1和LCZ_3，LCZ_6是规模最小的组（0.21%）。分析重点关注...

结论

本研究基于LCZ系统开发了一个新的分析框架，用于评估城市形态对PM_2.5和O₃污染的协同响应。主要结论如下：

(1)

城市形态对PM_2.5和O₃的影响具有强烈的空间异质性和污染物特异性。

一方面，相同的城市形态指标（如BD或SVF）在不同LCZ类型中可能有非常不同的影响。其对空气污染的影响方向、强度和有效阈值都各不相同。

作者贡献声明

徐江英：撰写 – 审稿与编辑，撰写 – 原稿，方法论，调查，数据管理，概念化。丁伟：可视化，调查。何瑞珍：方法论。刘梦阳：撰写 – 审稿与编辑，概念化。吴云妮：方法论。陈红：验证，监督，资源协调。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。

致谢

本研究得到了国家自然科学基金（编号51778251）的支持。