基于无人机垂直观测塔克拉玛干沙漠一次沙尘污染过程研究

利用多旋翼无人机于2021年7月30—31日对塔克拉玛干沙漠的塔中（飞行高度0~2000 m）、民丰地区（飞行高度0~1000 m）不同粒径 颗粒物浓度、气温、相对湿度和风速进行垂直观测,结合多地面站点、再分析资料、后向轨迹模型和卫星遥感数据,对沙尘污染过程中的影响 因素、颗粒物垂直分布特征及污染成因进行了分析.结果表明：①近地面低气温、高相对湿度、高风速的气象条件有利于沙尘污染事件的发生,通过无人机探测数据发现高相对湿度有利于颗粒物吸湿增长,气温和风速的上升能够加强大气对流运动,有利于污染物的输送.②在沙尘污染期间,塔中地区PM₁、PM_2.5和PM₁₀的浓度分别为0.8~45.7、1.0~267.0和1.0~588.7 μg·m^-3;民丰地区PM₁、PM_2.5和PM₁₀的浓度分别为21.5~126.9、39.6~263.6和48.5~520.6 μg·m^-3.③在沙尘污染期间,塔克拉玛干沙漠腹地颗粒物组成以粗颗粒物为主,南缘则以细颗粒物为主.民丰地区PM₁/PM_2.5比值（0.48~0.55）和PM_2.5/PM₁₀比值（0.55~0.83）在同时刻均高于塔中地区（PM₁/PM_2.5为0.18~0.33, PM_2.5/PM₁₀为0.33~0.51）.④天气形势和后向轨迹表明,此次污染主要由西风环流导致,气团分别从北面翻越天山和东面绕道进入塔克拉玛干沙漠,携带了塔克拉玛干沙漠东部地区沙尘颗粒和新疆北部人为污染物.⑤CALIPSO卫星数据表明,此次污染中气溶胶存在于海拔1~8 km之间,主要集中在低层（消光系数在 海拔1.0~2.2 km左右最大）.气溶胶类型为沙尘气溶胶、污染沙尘气溶胶和烟雾气溶胶,其中,沙尘气溶胶占主要部分.     

四川盆地大气污染物时空分布特征及气象影响因素研究

利用2015—2018年四川盆地内18个城市的6种污染物逐日质量浓度监测资料、同期的常规气象观测资料，采用插值、相关分析等方法，分析了四川盆地3个区域6种污染物的时空分布特征，探讨了各个污染物质量浓度与气象要素之间的关系.结果表明：①O₃在盆地中西部污染较重，PM_2.5和PM₁₀在德阳、成都、眉山、内江、自贡一带污染较重，在广元和巴中污染较轻，SO₂在巴中、南充、绵阳、德阳一带污染较轻，在广元和盆地中南部污染较重；②NO₂平均浓度呈先增后减的趋势，O₃呈增加趋势，而CO、PM_2.5、PM₁₀、SO₂均呈减小趋势；③CO、NO₂、PM_2.5、PM₁₀、SO₂呈"夏低冬高"的特征，O₃则相反，CO、NO₂、PM_2.5、PM₁₀均表现为"双峰双谷"型，O₃和SO₂则表现为"单峰"型；④偏东风有利于CO、NO₂、PM₁₀、PM_2.5的稀释扩散，偏北风有利于O₃、SO₂的稀释扩散；⑤6种污染物质量浓度均与气压、气温、24 h变温、24 h变压、相对湿度、10 m风速、700 hPa散度、850 hPa高度显著相关.风速、相对湿度、混合层高度、逆温层平均高度的增加有利于大多数污染物的稀释扩散.     

基于网格的长三角PM2.5分布影响因素及交互效应

基于遥感反演数据,研究了2016年长三角地区PM_2.5浓度空间分布特征,从气象因素、地形、植被和大气污染物排放清单等方面选取评价因子,以0.25°×0.25°网格为评价单元,利用GAM模型研究了长三角PM_2.5空间分布的影响因素及交互效应.结果表明：①长三角PM_2.5浓度总体呈北高南低、西高东低的分布态势,但以南北向差异为主.长三角南部PM_2.5浓度多低于35 μg·m^-3,PM_2.5超标零星出现在城镇周围,呈孤岛状分布.北部PM_2.5浓度多超过35μg·m^-3,PM_2.5污染多呈连片状分布.②长三角PM_2.5浓度分布具有显著的正的空间自相关性,高高集聚区集中分布在长三角北部,低低集聚区集中分布在南部.③ GAM模型分析表明,地形起伏度、气温和降水量对PM_2.5浓度主要呈负向影响;污染物排放量主要呈正向影响;风速<2.5 m·s^-1时影响不显著,风速≥2.5 m·s^-1后有显著的负向影响.地形起伏度、气温和降水量南高北低是造成长三角PM_2.5北高南低的重要原因,风速东高西低是造成长三角PM_2.5浓度东西向差异的原因之一.④除地形起伏度-PM_2.5排放量外,其余因素两两间的交互项均通过了显著性检验,对PM_2.5分布有显著的交互效应.     

秦巴山地西部地区2015—2018年大气污染物变化特征及潜在来源分析

为了研究我国南北过渡带西部地区大气污染物变化特征，选取了秦巴山地西部陇南市2015-2018年大气主要污染物监测资料和气象数据，分析了各污染物的浓度水平、变化特征及与气象条件的关系，并利用HYSPLIT后向轨迹模式分析了该地区污染物潜在来源（WPSCF和WCWT）.结果表明：4年来，秦巴山地西部地区空气环境质量较好，空气质量优良率达94.24%，6项大气污染物SO₂、NO₂、CO、O₃、PM_2.5、PM₁₀平均浓度分别为19.02、23.35、701.41、83.11、30.57、56.50 μg·m^-3，均未超过国家二级标准.PM₁₀是该地区首要污染物中天数最多的，达94 d.污染物SO₂、NO₂、CO、PM_2.5和PM₁₀的季节变化和日变化特征具有较好一致性，呈"U"型变化，O₃呈单峰型，在夏季和午后浓度到达高值.颗粒污染物PM₁₀、PM_2.5与气态污染物SO₂、NO₂、CO均呈现较好正相关，气温、降水量和风速风向对污染物浓度有较大的影响.该地区冬季空气质量明显差于其他季节，颗粒物浓度主要受供暖期化石燃料燃烧和外来气流的影响.     

西南涡对四川盆地PM2.5污染的影响研究

利用2015—2016年西南涡个例数据与同期的细颗粒物（PM_2.5）浓度数据进行时空匹配,对比分析西南涡过境前后四川盆地PM_2.5浓度变化,并结合温度、湿度、风等气象要素及逆温特征,深入研究西南涡对PM_2.5污染的影响机理.结果表明：①2015—2016年四川盆地共182个西南涡,其中,干涡72个（多集中在春季）,弱降水涡75个（多集中在春季和冬季）,强降水涡35个（多集中在夏季）.②总体而言,干涡过境使四川盆地PM_2.5浓度增加,降水涡使PM_2.5浓度减小,强降水涡的削减作用强于弱降水涡.全年来看,干涡过境使四川盆地PM_2.5浓度增加10.52%,强、弱降水涡过境分别使PM_2.5浓度减小29.72%、9.71%.③除降水外,3类西南涡对PM_2.5影响的主导气象要素和逆温条件为相对湿度、风速和逆温层底高.而主导季节差异的气象要素和逆温条件各异：干涡的主导因素是温度垂直变化和逆温强度,在温度随高度递减和逆温强度较小的春季和夏季,对PM_2.5浓度的增幅减小（甚至有削减作用）;弱降水涡的主导因素是湿度和风速、逆温强度和逆温层厚度,春季其过境时湿度和风速最小,逆温强度和逆温厚度仅次于冬季,甚至使PM_2.5浓度增加;强降水涡的主导因素是风速、湿度和逆温层底高,夏季其过境时风速和低层湿度最小,逆温层底高最低,对PM_2.5的削减作用远弱于其他季节.     

四川盆地PM2.5浓度时空变化特征遥感监测与影响因子分析

四川盆地因其独特的地形地貌、静风和高湿等气象条件,导致盆地内部大气污染物扩散难度大,随着城市化与工业化进程加快,区内PM_2.5污染日益加重,四川盆地已成为国家大气污染防治的重点地区之一.基于PM_2.5浓度遥感反演产品,采用空间自相关分析与灰色关联分析方法,研究了四川盆地PM_2.5浓度的时空分布特征及其影响因素.结果表明,四川盆地PM_2.5浓度具有显著的空间聚集性,高-高聚集类型分布集中,低-低聚集类型分布较为分散;针叶林对PM_2.5的吸收抑制作用明显高于灌丛和草地等其他植被类型.研究认为,影响四川盆地PM_2.5浓度的主要气象因子是风速和气温,人口密度与经济规模则是影响四川盆地PM_2.5浓度的主要人类活动因子,产业结构及其规模变化对四川盆地PM_2.5浓度也产生一定影响.     

北京地区一次大气环境持续严重污染过程中SO2的垂直分布分析

在2004-09-27～2004-10-12期间,以325m气象与环境观测塔为平台,使用43CTL型高精度脉冲荧光SO₂分析仪,分别布置在观测塔8m、47m、120m和280m 4层观测平台,对大气中的SO₂气体浓度、PM₁₀和PM_2.5粒子质量浓度及同步气象因素进行了垂直梯度、连续观测.结合气象数据分析了观测期间大气中SO₂气体浓度的垂直梯度分布及变化形势,进行了SO₂浓度与混合层高度变化、海平面气压变化,风速、风向变化等要素的相关分析,观测到在实验期间大气边界层中SO₂浓度由上向下递减分布的现象.由于地形与污染源分布的影响,北风最有利于污染扩散等状况.观测期间捕捉到一次主要由气象因素造成的大气环境严重持续污染及污染清除的全过程.     

基于AOD数据与GWR模型的2016年新疆地区PM2.5和PM10时空分布特征

PM_2.5与PM₁₀的时空分布特征及其相关性是大气颗粒物研究的主要内容,传统方法是基于监测站点数据进行分析,难以揭示PM_2.5与PM₁₀时空分布的区域特征.为此,本文利用地理加权回归模型估算了2016年新疆地区PM_2.5与PM₁₀的月均浓度,在此基础上对区域尺度的PM_2.5与PM₁₀浓度特征进行分析.结果表明：地理加权回归相较最小二乘回归的拟合精度更高,PM_2.5和PM₁₀的决定系数分别为0.93和0.96,且误差较小;PM_2.5和PM₁₀年均浓度分别为70.88 μg·m^-3和194.53 μg·m^-3,说明大气颗粒物污染严重,且空间分布呈西南高、东北低的特征;PM_2.5和PM₁₀季节浓度均为春季最高,夏季最低;PM_2.5月均浓度2月最高,9月最低,PM₁₀月均浓度3月最高,8月最低;PM_2.5与PM₁₀年均浓度的相关系数r为0.95,相关性较高;PM_2.5/PM₁₀冬季最高为51%,其余季节小于50%,说明冬季PM_2.5对大气颗粒物污染贡献率较高,其余季节则以可吸入颗粒物中的粗颗粒贡献为主.     

长株潭城市群PM2.5和O3浓度时空分布特征及影响因素分析

基于2015~2019年长株潭城市群PM_2.5和O₃遥感浓度数据,利用空间自相关指数和地理加权回归（GWR）等方法探究PM_2.5和O₃浓度的时空分布特征及相关因素对其影响强度.结果表明：① PM_2.5浓度整体呈现出冬季和春季高,夏季和秋季低的"U"型特征,而O₃浓度则表现为夏季和秋季高,冬季和春季低的"M"型特征,PM_2.5与O₃年均浓度高低排序为：长沙市>湘潭市>株洲市.② PM_2.5与O₃浓度在夏季呈现正相关,秋冬季为负相关,且具有显著的空间集聚特征,O₃浓度高-高集聚区的面积呈现逐年增加的趋势.③GWR结果显示：夜间灯光强度和人口密度都对PM_2.5与O₃具有正相关效应,其中,植被指数（NDVI）、风速和温度对PM_2.5浓度的影响最为显著,而风速和温度对O₃影响强度更为突出,不同因素对PM_2.5和O₃浓度影响具有显著的空间异质性.     

长三角城市群PM2.5时空变化和影响因素分析

为协调经济发展与环境污染之间的矛盾,实现经济社会的可持续发展.以长三角城市群为研究区,基于PM_2.5浓度和气象数据,分析PM_2.5浓度的时空变化规律,并利用小波相干（WTC）、偏小波相干（PWC）和多小波相干（MWC）,评估PM_2.5与气象因子在时频域中的多尺度耦合振荡.结果表明：①②③④⑥⑤⑦⑧⑨⑩长三角城市群PM_2.5浓度年均值由西北向东南梯度递减,高值区域空间范围逐年缩小.PM_2.5浓度季节均值与年均值的空间分布特征相似,并且具有冬季最高,夏季最低,春秋过渡的特点.② PM_2.5浓度从2015~2021年逐年下降,达标率逐年上升.PM_2.5浓度差异逐年缩小,具有动态收敛性特征.PM_2.5浓度在夏季的收敛性大于冬季.PM_2.5浓度日均值具有U型振荡特征,整个研究期间PM_2.5浓度等级为优和良的天数占比分别为49.72%和41.45%.③ PM_2.5与气象因子的相干性在不同时频域上存在差异.时频尺度不同,影响PM_2.5的主控因子也不尽相同.在所有时频尺度上,WTC结果表明风速可作为解释PM_2.5变化的最佳变量,PWC结果表明温度可作为解释PM_2.5变化的最佳变量.④时频尺度越大,多变量组合解释PM_2.5变化的相互作用越强,而温度和风速的协同作用可以更好地解释PM_2.5变化.结果可为长三角城市群空气污染防治提供参考.     

基于移动监测的城市街谷交通相关污染物浓度时空变化研究

为更好认识城市街谷内的大气污染特征和提供城市街谷优化设计的实证参考,本文以干旱区绿洲城市乌鲁木齐市北京南路为例,采用移动监测技术,分析了城市街谷大气污染物(CO、PM2.5)的时空分布,并识别其主要影响因素。结果表明:(1)早高峰空气质量优于晚高峰;交叉路口处污染物浓度普遍较低,但苏州路立交桥下污染物浓度较高;(2)两种污染物同源,其浓度与固定站点监测数据高度相关,风向与街谷成锐角时污染物浓度较低,风速较大时污染物浓度较高,污染物浓度与车流量相关程度较低;(3)街谷两侧建筑物高度比在[1.5,2)之间,污染物浓度较低,在[1,1.5)之间,污染物浓度较高;路网密度在[12,14)之间,污染物浓度较低,[12,14)之间的道路密度能够最大程度的降低街谷内污染物浓度。     

兰州市夏秋季颗粒物谱分布特征研究

采用APS-3321空气动力学粒径谱仪对兰州市2010年8～10月0.5～20μm大气颗粒物浓度及其谱分布进行了实时监测,并通过聚类分析方法结合气象观测数据对体积浓度谱特征及其影响因素进行了分析.以阐明兰州市夏秋季不同粒径段颗粒物浓度水平和粒谱分布特征及其成因.结果表明,0.5～20μm大气颗粒物小时平均数浓度、表面积浓度和体积浓度分别为(108.1±92.2)个.cm-3、(282.9±267.9)μm2.cm-3和(92.2±127.3)μm3.cm-3,细粒子(0.5～2.5μm)分别占0.5～20μm大气颗粒物数浓度、表面积浓度和体积浓度的98.7%、73.8%和52.9%.观测期间数浓度谱呈单峰分布,峰值出现在积聚模态,表面积浓度谱和体积浓度谱呈双峰型,峰值分别位于积聚模态和粗模态.颗粒物体积浓度谱主要有7类代表不同源和气象条件影响的分布型.受浮尘天气和局地扬尘影响的颗粒物体积谱分布在粗模态有明显的峰,而受机动车直接燃烧排放和二次扬尘影响的颗粒物体积谱分布呈双峰型,峰值分别位于积聚模态和粗模态.     

广州城区夏季大气颗粒物数浓度谱分布特征

于2013年6月2日—7月15日,利用扫描迁移性粒谱仪(SMPS)对广州城区大气17～800 nm的粒子谱进行了连续观测,同时结合在线小时ρ(PM_2.5)及气象数据,对颗粒物污染特征进行了分析. 结果表明:观测期间,凝结核模态粒子、爱根核模态粒子、积聚模态粒子的数浓度范围分别为68～7 687、1 009～47 724、238～14 781 cm-3.平均数浓度谱及体积谱均呈单峰分布,峰值分别出现在50和300 nm左右. 根据双模态对数正态分布模型对平均数浓度谱拟合的结果可知,爱根核模态粒子和积聚核模态粒子的几何平均粒径分别为48和144 nm. 颗粒物数浓度及其谱分布日变化特征明显,在交通高峰及太阳辐射较强的时间段均出现峰值. 在观测阶段,粒子增长现象频繁发生,推测大气光化学反应引起的气-粒转化是广州城区夏季大气颗粒物的重要来源. 7月12—13日广州城区发生了一次典型的大气污染过程,ρ(PM_2.5)由18 μg/m3增至112 μg/m3,能见度降至8 km. 在该时间段,积聚模态粒子体积分数与ρ(PM_2.5)变化一致,R2(相关系数)达到了0.85. 后向轨迹分析表明,污染气团主要来自于西南方向,在陆地停留时间较长.      

北京大气颗粒物数浓度粒径分布特征及与气象条件的相关性

2011年11月~2012年8月,采用WPS宽范围粒径谱仪在北京地区连续监测10nm~10μm间不同粒径大气颗粒物数浓度,并同步记录气象参数.结果表明,颗粒物数浓度均值为25014个/cm3,多呈单峰或双峰模式分布,其中冬季均值为31007个/cm3,春季23152个/cm3,夏季20882个/cm3,冬季明显高于其他季节.爱根核模态及积聚模态均呈现冬季高、春夏低的态势;核模态春季显著高于其他季节.各气象因素中,风速影响最为显著,粒径大于20nm颗粒物数浓度与风速呈反比.核模态与爱根核模态粒子数浓度在交通早高峰、正午与晚间高于其他时段,积聚模态粒子数浓度变化则相对平缓,夜间显著升高.     

街道峡谷对近地层风场影响的观测和模拟分析

城市街道峡谷结构对近地面边界层的风场环流等气象要素具有重要影响,可导致城市局地空气污染分布发生变化.随着城市化发展及城市空气质量变化,街道峡谷的城市空气污染影响日益突出,分析街道峡谷内部风场成为认识和治理我国城市空气污染的一条重要途径.鉴于目前我国鲜有城市街道尺度大气边界层精细气象观测研究,本文分析了美国俄克拉荷马大学的街道峡谷精细气象观测数据及其FLUENT模拟.结果表明:街道峡谷内风场结构变化依赖大气背景风向,当背景风向平行于街道峡谷走向时,街谷两岸风速几乎没有差异,而在背景风向垂直于街道峡谷走向时,由于高空风进入街谷形成的涡旋气流对街道峡谷风场有补充作用,峡谷两侧中层高度风场差异变大,风速差值大约为0.5 m·s~(-1),且街道峡谷两岸风速差异得到了FLUENT模式的验证,但模式对迎风岸的风速模拟存在高估,模拟的中层高度处两岸风速差值为1.6 m·s~(-1).观测资料分析揭示大气边界层稳定度条件对街道峡谷内风场分布也有很大影响,中性稳定条件下街道峡谷两岸近地层风速差异最大,输送进入峡谷空间的风速增量比原峡谷内风速大约高1倍,其它稳定度条件下街谷两岸风速差异被削弱.     

北京地区不同天气条件下气溶胶数浓度粒径分布特征研究

2012~2014年,在北京城区利用宽范围粒径谱仪(WPS-1000XP)对气溶胶数粒径分布特征进行观测,进而分析了不同季节与不同天气条件下气溶胶粒径分布的变化特征.结果表明,春季爱根核模态气溶胶日均数浓度值最高,秋季最低;春季和冬季积聚模态下日均数浓度较高,夏季最低;粗模态气溶胶日均浓度在冬季最高.爱根核模态粒子数浓度日变化特征最为显著,受交通源及夏季中午前后的光化学作用影响明显.春、秋、冬季积聚模态状态气溶胶数浓度夜晚高于白天,粗模态粒子没有明显的日变化特征.重污染过程中,积聚模态气溶胶对于PM_(2.5)质量浓度起到决定作用,通常需通过北风的清除才能有效降低PM_(2.5)浓度;降雨及降雪对粗模态粒子的清除效果较为明显,而小风和静风状态下,降水对积聚模态的气溶胶没有明显的清除作用;沙尘过程中,粗模态粒子浓度显著增加,而积聚模态气溶胶却被明显清除.     

深街道峡谷内高架桥对污染物传播特性影响的模拟研究

城市化进程导致在城市中出现通风条件较差的深街谷,建设于深街谷内的高架桥会加重周边街谷内空气污染.用计算流体力学模拟方法（CFD）探索在不同环境风速下的深街谷中,高架桥的高度和宽度对街谷内气流组织与污染物扩散的影响.结果表明:高架宽度小于0.8倍街谷宽度时的高架桥不会抑制桥下空间的流动;桥宽增加会改变桥下空间的涡旋结构和涡旋方向,近地面流动方向由之前的从右至左流动变为从左至右流动,因而桥下空间污染分布也发生明显改变;高架桥宽度的增加导致两侧低层住户受到较大影响,对背风面住户的影响更为明显;但高架宽度为0.5倍街谷宽度的高架桥能对迎风面中层住户造成影响;增加高架桥的高度,其下方污染物浓度增加;当高架桥位于街谷冠层时,下部空间的污染物浓度急剧增加;冠层处及涡旋交界面高架桥对两侧住户产生较大影响,而其他高度高架桥对两侧住户影响不大;随着环境风速的增加,高架桥对近地面源污染物扩散的阻碍作用逐渐减弱.研究显示,深街谷中增加高架桥的宽度、高度都会导致街谷内空气质量的恶化,而高架桥会阻碍因环境风速增加对街谷内空气质量的改善.      

上海城市街道峡谷道路绿化模式研究

街道峡谷在上海城市中普遍存在,街道峡谷中污染气体的扩散受到屋顶风向、风速、高宽比、峡谷两侧建筑物的对称性、高度分布和街区形状等因素的影响。文章对适合于不同街道峡谷形式的、较为典型的道路绿化模式进行了研究。结果表明,上海城市街道峡谷中的道路绿化模式可归纳为:梯级递进式、斑块复合式、疏朗开敞式、模纹花镜式和独立行道树式5种。当街道峡谷与主导风垂直:(1)街道峡谷的W/H>5且为平行型峡谷时,绿化模式应采用梯级递进式或疏朗开敞式;(2)街道峡谷的W/H为0.6～5且为平行型峡谷时,绿化模式在迎风侧采用流朗开敞式、背风侧采用模纹花镜式,或者两侧都采用模纹花镜式;(3)街道峡谷的W/H<0.6且为平行型峡谷时,绿化模式应采用模纹花镜式或独立行道树式;(4)街道峡谷的W/H<0.6且为递升型峡谷时,绿化模式在迎风侧采用斑块复合式或模纹花镜式,背风侧采用模纹花镜式或独立行道树式;(5)街道峡谷的W/H<0.6且为递降型峡谷时,绿化模式可采用模纹花镜式或独立行道树式;当街道峡谷与主风向平行:宽、高比大的街道绿化模式应采用梯级递进式或斑块复合式,当街道峡谷的高度是宽度的倍数时,道路绿化宜采用疏朗开敞式或独立行道树式。     

非孤立街道峡谷大气流动及污染物扩散特征

实际城市街道皆为非孤立街道,采用数值模拟方法研究了等高与不等高非孤立街道峡谷的大气流动及汽车排放污染物扩散特征.通过与已有的风洞实验结果对比,发现二者较吻合,并且目标街道峡谷上下游建筑物的存在对目标峡谷内部的流场和浓度场有很大的影响.与孤立街道峡谷相比,非孤立街道峡谷中污染物的浓度要远高于孤立街道峡谷中污染物的浓度,而且随着上下游建筑物的增加,使到达目标街道峡谷的风速相对减弱,污染物在峡谷中难以扩散,造成了峡谷内部污染物浓度会随着峡谷数的增加而增大.并且发现不等高峡谷建筑物高度存在一个临界点.      

道路绿化带对街道峡谷内污染物扩散的影响研究

研究了道路绿化带对街道峡谷内流场与机动车尾气扩散的影响特征.假设绿化带树冠为均匀多孔介质,采用压力损失系数表征树冠对空气流动的阻碍作用,建立可用于数值模拟的绿化带多孔介质物理模型.采用稳态k-ε湍流模型结合组分输运方程模拟道路中央有绿化带街道峡谷内的尾气扩散过程,模拟结果与风洞试验数据对比吻合较好.分析发现,有绿化带街道峡谷内存在一个围绕树冠的顺时针旋涡,旋涡中心略偏向右上方,背风面污染物浓度显著增大,较无绿化带的污染物平均浓度增长46.0%.进一步模拟了不同绿化带树冠高度情况下街道峡谷内流场与浓度场,发现随着树冠位置的上升,峡谷内流场旋涡中心逐步上移且偏向迎风建筑物,峡谷内整体气流速度下降,污染物浓度逐步升高,树冠底部高度为8 m时其污染物浓度可达4 m时的2倍多;尤其是当树冠顶部超过屋顶高度时,峡谷内污染物总体浓度增长迅速.