城市形态可影响空气污染的源分布与扩散过程,但如何通过优化城市形态指标缓解城市空气污染一直缺少实用的定量方法与模型.故以长沙市为例,定量分析了二/三维城市形态指标对主城区PM2.5浓度分布的影响,提出了一种关键因子指标驱动下的城市空气质量优化调控模型(UFR-AQOM),开展了指标阈值与空气质量目标双约束下的城市PM2.5浓度情景模拟实验.结果表明,长沙市主城区PM2.5浓度高值区呈现"一轴两区四节点"的空间格局,商业服务用地与道路交通用地、高斑块密度与高用地容积率网格PM2.5浓度相对较高.三类城市形态因子指标中,开发强度对城市PM2.5浓度空间变化的影响程度最大,景观格局、用地功能次之,多因子共同作用比单因子影响更加显著.顾及因子指标贡献差异与交互作用的UFR-AQOM模型可有效用于城市PM2.5浓度的优化调控模拟(R2=0.65,RMSE=1.40μg·m-3).面向PM2.5浓度达标约束要求,长沙市主城区宜加强周长面积分维数与斑块密度等景观格局指标的全面管控,同时应考虑对工业占比与水域占比等城市用地功能指标和用地容积率等城市开发强度指标的分区优化调控.研究成果将为面向空气质量改善的国土空间规划指标调控提供决策支持.

空气污染;城市形态;国土空间规划;优化调控;地理探测器

李莎;邹滨;刘宁;冯徽徽;陈军;张鸿辉

中南大学地球科学与信息物理学院,长沙410083;湖南省长沙生态环境监测中心,长沙410001;湖南师范大学地理科学学院,长沙 410081;广东国地规划科技股份有限公司,广州 510650

环境科学

[1]李莎;邹滨;刘宁;冯徽徽;陈军;张鸿辉-.面向二/三维城市形态指标的PM2.5浓度调控模拟)[J].环境科学,2022(09):4425-4437

AQOM

三维城市,城市形态,形态指标,PM2,浓度调控,扩散过程,城市空气污染,定量方法,长沙市,主城区,浓度分布,关键因子,城市空气质量,质量优化,优化调控,调控模型,UFR,指标阈值,质量目标,情景模拟实验,四节,空间格局,商业服务,道路交通,斑块密度,容积率,度空间,空间变化,用地功能,多因子,单因子,顾及,RMSE,周长,分维数,景观格局指标,全面管控,水域,城市用地,城市开发强度,强度指标,分区优化,空气质量改善,国土空间规划,规划指标,标调,决策支持,地理探测器

0.377602