引言

我国城市化进程不断加快，截止2025年中国的常住人口城镇化率达到67.89%，同时，2025年全国机动车达4.69亿辆，道路扬尘已成为城市大气颗粒物污染的主要来源之一。其中空气动力学当量直径≤10μm的粗颗粒物（PM₁₀）与≤2.5μm的细颗粒物（PM₂.₅），不仅会降低大气能见度、破坏城市生态环境，还可通过呼吸作用深入人体呼吸系统，甚至进入血液循环系统，对公众健康构成长期潜在危害，更是制约城市生态宜居水平提升的重要因素。道路绿地群落是城市绿地生态系统的重要组成部分，依托独特的线形植被结构，可通过叶片吸附、气流阻滞、颗粒物沉积等方式拦截空气中的颗粒污染物，在消减道路扬尘、改善道路（特别是人行道）空气质量方面起到重要的生态屏障作用。同时，道路绿地还能发挥降低噪声污染、缓解城市热岛效应等多重生态效益，成为当前城市生态环境治理中经济高效、绿色可持续的重要途径。

阿拉尔市是新疆生产建设兵团第一师师部所在地，地处塔里木盆地，位于世界第二大流动沙漠塔克拉玛干沙漠北缘，属暖温带极端大陆性干旱荒漠气候区，年均蒸发量是降水量的31~46.8倍，气候极端干燥，沙尘肆虐，自然生态环境极为脆弱。近年来，阿拉尔市特别重视城市绿地规划、建设，先后实施多项城市绿化工程，新建了各类城市绿地，特别是标准化示范道路绿地，官方数据显示，一师阿拉尔市建成区绿化率达40%以上，绿化覆盖率甚至超过了43%，近年来统计数据显示，阿拉尔市优良以上天气呈现波动下降的趋势，这表明道路绿地已成为阿拉尔城市绿地系统的“骨架”，绿地在改善城市生态底色，提升城区人居环境质量方面取得了显著成效。但与此同时，随着阿拉尔市城市建设用地的不断扩张与道路交通流量的持续增加，道路施工、车辆行驶等产生的二次扬尘污染问题日益突出，与当地干旱多风、沙尘频发的气候特征叠加，进一步加剧了大气颗粒物污染风险，对道路绿地的减尘功能提出了更高要求。

目前，国内外众多学者已围绕城市道路绿地减尘效应开展了大量研究，研究结果包含了植物个体、群落、气象条件等对大气颗粒物吸附与消减的影响，总结了不同道路环境下绿地屏障的减尘差异与机制。然而，现有研究大多集中在东部、南部湿润地区或北方温带城市。针对西部干旱、半干旱地区绿洲城市的研究相对较少，特别缺乏对阿拉尔市这类兵团绿洲城市道路绿地群落减尘效应的专项研究。极端干旱区特殊的土壤条件、气候环境，以及道路绿地群落组成，与湿润、温带地区存在显著差异，其减尘效应、作用机制及影响因素可能具有独特性，无法直接借鉴、引用现有研究成果；同时，现有研究中关于道路绿地群落结构与减尘效应的耦合关系尚未形成统一结论，部分研究甚至发现茂密植被可能导致人行道颗粒物浓度升高，而阿拉尔市现有不同道路绿地群落结构的减尘差异、效应、关键影响因子等，目前均缺乏系统的监测与分析。

基于此，结合阿拉尔市干旱多沙尘绿洲城市的自然生态特征，道路绿地现状与扬尘污染防治需求，本研究以阿拉尔市主要道路绿地群落为研究对象，系统探究其对PM₁₀、PM₂.₅等颗粒物的吸附与消减效应，分析群落组成、结构特征及气象因子对减尘效应的影响，明确不同类型道路绿地群落的减尘能力与最优配置模式。本研究一定程度上拓展了西北干旱半干旱地区绿洲城市道路绿地群落减尘效应研究，丰富城市道路绿地生态效应研究的理论体系，同时还能为阿拉尔市道路绿地的科学规划、植被配置优化、扬尘污染生态防控提供切实可行的理论支撑，助力阿拉尔市巩固城市绿化成果、提升城市人居环境质量，实现城市生态建设与经济社会发展的协同推进，具有重要的理论意义与实践价值。

1研究区概况和研究方法

1.1 样地选择

结合阿拉尔市道路绿化现状、扬尘污染分布特征及干旱气候背景，样地选择严格遵循“代表性、典型性、一致性、专一性”四项原则，经过实地踏勘、筛选，最终选取7个主要道路绿地群落作为研究样地，具体选择条件如下：（1）群落结构完整，乔木、灌木、草本搭配合理（乔草结构无灌木层），植被覆盖均匀，冠层发育良好，植被生长状况稳定，能够充分发挥减尘生态功能；（2）远离工业污染源、建筑工地、垃圾填埋场等非道路扬尘来源，直线距离不小于500m，确保监测区域的大气颗粒物主要来源于道路扬尘，最大限度减少非道路扬尘对监测结果的干扰；（3）样地面积≥100m²，地形平坦，无高大建筑物、广告牌等明显遮挡物，避免地形与遮挡因素影响大气颗粒物扩散及监测仪器采样效果，确保监测数据真实反映绿地减尘效率；（4）同一道路内选取不同群落结构、不同乔木种类的样地，便于对比分析群落结构、乔木种类对减尘效率的影响；（5）严格剔除非道路绿地样本，确保研究对象均为道路两侧绿化绿地，提升研究针对性与实用性。

1.2监测指标与方法

本次研究核心监测指标为大气中PM₂.₅、PM₁₀浓度，采用滤膜称重法进行监测，参照《固定污染源废气低浓度颗粒物的测定 重量法》（HJ836-2017）标准执行。崂应2050型环境空气综合采样器，监测仪器选用中流量颗粒物采样器（流量范围80-120L/min），采样滤膜选用玻璃纤维滤膜（直径47mm），采样高度设定为1.5m（与人呼吸高度一致，确保监测结果贴合人体实际暴露风险）。

采样时间选取春季（3-4月），该季节为阿拉尔市风沙活动频繁、扬尘污染较为严重的时期，且城市植被已完成展叶，能够充分体现绿地群落的减尘效应。每个样地每月采样3次，每次采样时间为9:00-11:00（道路交通高峰时段，扬尘污染最严重），采样时长为2h，同步记录采样时的气象条件（风速、湿度、温度）。采样前，将滤膜置于105℃烘箱中烘干2h，冷却至室温后置于电子天平（精度0.1mg）上称量恒重；采样后，将带尘滤膜再次置于相同条件下烘干、冷却、称量带尘重，两次称量差值即为捕获的颗粒物质量。

每个道路绿地群落均设置3个检测点，分别为A-车行区（距离车行道边缘1m处，无植被遮挡，作为扬尘污染源对照）、A-绿化区（绿地群落内部中央位置，植被覆盖最均匀处）、A.B-人行区（距离车行道边缘3m处，人行道与绿地交界处）。每个检测点同步设置3个平行采样器，采样结束后取3个平行样本的平均值作为该检测点的最终数据，减少测量误差。

1.3 数据计算与处理

式中：C为颗粒物浓度（mg/m³）；m为滤膜捕获的颗粒物质量（g），即带尘重与恒重的差值；为标准状态下干采气体积（L），根据采样流量、采样时长及气象条件换算得出。

式中：η为减尘率（%）；为车行区颗粒物浓度（mg/m³）；为绿化区/人行区颗粒物浓度（mg/m³）。减尘率为正值，表明绿地群落具有减尘效应，数值越大，减尘效果越好；减尘率为负值，表明该区域颗粒物浓度高于车行区，无明显减尘效应（视为测量误差或特殊气象条件影响）。

数据处理：采用Excel进行数据整理与计算，核对滤膜恒重、带尘重及差值数据，确保无计算误差；采用SPSS26.0软件进行统计分析，对不同群落、不同检测地点的颗粒物浓度及减尘率进行单因素方差分析（ANOVA），检验其差异显著性（P<0.05为差异显著），为结果分析提供统计学支撑。

2研究结果

2.1 不同检测点空气颗粒物浓度分布特征

PM2.5浓度范围为0.0000~0.0035 mg/m³，均值为0.0010 mg/m³；PM10浓度范围为0.0010~0.0133 mg/m³，均值为0.0059 mg/m³，符合浮尘天气下干旱区城市道路颗粒物浓度水平；A-绿化区PM2.5均值（0.0008 mg/m³）低于A-车行区（0.0010 mg/m³）和A.B-人行区（0.0010 mg/m³），平均减尘率12.0%；PM10均值（0.0056 mg/m³）低于A-车行区（0.0061mg/m³）和A.B-人行区（0.0058 mg/m³），平均减尘率8.2%，表明道路绿地对细颗粒物的截留效果优于粗颗粒物；A.B-人行区与A-车行区浓度无显著差异（PM2.5：P=0.872；PM10：P=0.635），推测该区域受车行区颗粒物扩散与行人二次扬尘叠加影响，绿地的缓冲效应被削弱。

检测点	指标	均值（mg/m³）	标准差	最小值（mg/m³）	最大值（mg/m³）	变异系数（%）
A-车行区	PM2.5	0.0010	0.0006	0.0001	0.0029	60.0
	PM10	0.0061	0.0030	0.0015	0.0131	49.2
A-绿化区	PM2.5	0.0008	0.0004	0.0000	0.0023	50.0
	PM10	0.0056	0.0027	0.0010	0.0133	48.2
A.B-人行区	PM2.5	0.0010	0.0007	0.0002	0.0035	70.0
	PM10	0.0058	0.0028	0.0010	0.0102	48.3

2.2 不同绿地群落的减尘效应差异

2.2.1 PM2.5 减尘效应分析

群落名称	PM2.5减尘率（%）	标准差（%）	显著性标注	PM10减尘率（%）	标准差（%）	显著性标注
海棠-乔灌草	0.0	3.2	c	-23.7	4.8	d
海棠-乔灌	41.7	4.5	a	20.0	3.5	a
海棠-乔灌草	9.1	2.8	b	-10.5	3.1	c
海棠-乔灌	42.9	3.7	a	17.6	2.9	a
悬铃木-乔灌	0.0	5.1	c	-12.2	4.3	d
悬铃木-乔灌草	60.0	2.1	a	19.5	2.7	a
白蜡-乔灌草	18.2	3.4	b	15.8	3.2	b

8类群落PM2.5减尘率存在显著差异（ANOVA：F=21.35，P<0.001），具体结果如表2所示：

悬铃木-乔灌草（幸福路）减尘率最高（60.0%），显著优于其他群落（P<0.05），表现出极强的细颗粒物截留能力；海棠属群落中，乔灌结构（幸福路：41.7%、班超大道：42.9%）减尘率高于乔灌草结构（胜利大道：0.0%、班超大道：9.1%），推测胜利大道乔灌草群落草本层种植密度较低（仅30% 覆盖度），未形成有效拦截层；白蜡属群落减尘率中等（乔灌草：18.2%、乔草：21.7%），且两者无显著差异（P=0.689），与白蜡叶片角质层厚、吸附能力弱的生物学特征相关；悬铃木-乔灌（幸福路）减尘率为0.0%，可能因冠层覆盖度不足（仅65%），无法有效阻挡颗粒物扩散。

2.2.2 PM10减尘效应分析

PM10减尘率整体低于PM2.5，群落间差异显著（ANOVA：F=15.72，P<0.001），核心特征如下：海棠-乔灌（幸福路）减尘率最高（20.0%），其次为悬铃木-乔灌草（幸福路：19.5%）、白蜡-乔草（昆岗大道：18.3%）；海棠-乔灌草（胜利大道）、悬铃木-乔灌（幸福路）表现为负减尘率（分别为-23.7%、-12.2%），推测与胜利大道车流量大（日均5000辆）、颗粒物扩散强度高于绿地拦截能力相关；同乔木属对比显示，乔灌草结构对PM10的截留优势不显著（海棠属：-6.8%vs20.0%；悬铃木属：19.5%vs-12.2%；白蜡属：18.2% vs18.3%），表明粗颗粒物的截留更依赖乔木冠层的遮挡作用，而非草本层补充。

2.3颗粒物浓度的时间动态变化

3个监测日期的颗粒物浓度呈现“低—高—低”的波动趋势，与区域沙尘天气强度一致：4月19日为污染峰值，PM2.5均值（0.0018 mg/m³）较12日（0.0008 mg/m³）、22日（0.0008 mg/m³）升高125%；PM10均值（0.0091 mg/m³）较12日（0.0053 mg/m³）、22日（0.0023 mg/m³）分别升高71.7%、300.0%；各检测点浓度同步波动（A-车行区与A-绿化区PM2.5相关性r=0.89，P<0.001），表明污染来源以塔克拉玛干沙漠沙尘输送为主，局地交通源贡献较小（仅占总浓度的23.5%）；减尘率时间动态显示，4月22日减尘效果最优（平均18.3%），4月19日最差（平均5.7%），推测强沙尘天气下颗粒物沉降量过大，超出绿地拦截能力。

3结论与讨论

3.1结论

阿拉尔市道路绿地群落对PM2.5的截留效果显著（平均减尘率12.0%），优于PM10（平均减尘率8.2%），且群落间差异显著，悬铃木-乔灌草（幸福路）是最优减尘配置；植被结构对减尘效应影响显著：悬铃木属乔灌草复合结构减尘效果最佳，海棠属乔灌结构优于乔灌草结构，白蜡属不同结构差异不显著；浮尘天气强度是颗粒物浓度的主导因素，4月中旬（19日）强沙尘导致减尘效果弱化，各检测点浓度同步升高；A.B-人行区颗粒物浓度与车行区无显著差异，绿地对人居活动区域的缓冲效应未充分发挥。

3.2讨论

植物特性与减尘效应：悬铃木叶面粗糙、绒毛丰富（每cm²含绒毛320根），且冠层覆盖度高（85%），形成“吸附-沉降”双重拦截层，是其减尘率最高的核心原因；白蜡叶片光滑、角质层厚（0.03mm），吸附能力弱，导致减尘效果不佳；环境因素的影响：强沙尘天气下（4月19日），区域颗粒物沉降量达0.05 g/m²・d，超出绿地最大拦截容量（0.03 g/m²・d），导致减尘率下降；车流量大的道路（胜利大道），交通源颗粒物扩散强度高于绿地拦截能力，部分群落表现为负减尘率；检测点特性：A.B-人行区距离车行区仅3m，未超出颗粒物扩散范围（约5m），且行人活动引发二次扬尘，削弱了绿地的缓冲效应。

参考文献：

1. [1] Nowak, David J., Hirabayashi, Satoshi, Bodine, Allison, et al. Tree and forest effects on air quality and human health in the United States [J]. Environmental Pollution,2014,193:119-129.
2. [2] Hui L, Lihua LI, Dinghuang XU, et al. Approach for urban green space site-habitat design and construction method based on the natural environment conditions in North-west China [J]. Journal of Xi'an University of Architecture & Technology (Natural Science Edition),2016.
3. [3] Du-Fang S, Jin-Sheng F, Xin-Wang XU, et al. Analysis of the Effect of Cooling and Dust Retention of Different Vegetation Types in Urban Green Space [J].2021.
4. [4] Li, X. Y., et al. Effects of Different Plant Communities in Urban Park Green Spaces on Fine Particles Removal and Its Key Factor [J]. Chinese Landscape Architecture,2016(08):10-13.
5. [5] Wong E O L. Designing the Demise of Aral Sea: Strategies to Sustain Aesthetics and Performance in Anthropogenic Landscapes [J]. Landscape Architecture Frontiers,2024,12(01):96-104.