中国PM2.5污染空间分布的社会经济影响因素分析

中国的细颗粒物(PM_(2.5))污染具有危害性强、覆盖范围大、空间分布不均匀的特点.本研究以2015年中国PM_(2.5)监测站点数据为基础,尝试结合空间分析的方法,对PM_(2.5)污染空间分布的社会经济影响因素进行分析.首先以省级行政区划为基本单元,选取Moran's I指数和局部自相关指数(LISA)分析PM_(2.5)在国家尺度上的分布特征.然后利用普通最小二乘回归模型(OLS)和地理加权回归模型(GWR)分析PM_(2.5)浓度的空间分布和各项社会经济指标的相关性.结果表明,GWR模型比OLS模型更好地揭示出PM_(2.5)浓度分布和各项因素之间的关系.PM_(2.5)浓度在空间分布上存在以京津冀为中心的高浓度聚集区向四周逐渐递减,在广西、四川等南部省份形成低浓度聚集区的空间分布结构.另外,森林覆盖率和人均电力消费量与PM_(2.5)浓度显著负相关,人均私家车保有量和PM_(2.5)浓度显著正相关,其中人均私家车保有量是对PM_(2.5)浓度影响最大的因素.     

京津冀地区不透水表面扩张对PM_(2.5)污染的影响研究

基于2000年、2003年、2006年、2009年、2014年的遥感影像提取不透水表面数据以及相应年份的PM_(2.5)质量浓度估算值.以不透水表面覆盖率(ISC)为城市化指标来分析城市化对PM_(2.5)质量浓度的影响,分别从城市、县区尺度探讨城市扩张对PM_(2.5)污染时空分布及演变的影响机制,定量研究二者相互关系;以京津冀地区为例,其ISC从2000年的0.7%增长到2014年的1.5%,而PM_(2.5)浓度从45.7μg/m~3飙升到77.3μg/m~3.根据2000与2014年的PM_(2.5)浓度差值,把京津冀地区划分为轻度(0~9.9μg/m~3)、中度(10~29.9μg/m~3)、重度(30~49.9μg/m~3)、严重(50~77μg/m~3)污染区域,相应的不透水表面增长率分别为43.3%、110.5%、165.5%和208.3%.严重污染区域位于北京-廊坊-天津-唐山(沿高速公路G1)和北京-保定-石家庄-邢台-邯郸(沿高速公路G4),伴随着较高的不透水面增长率(208.3%).同时,在2000~2014年期间,京津冀地区ISC空间分布与PM_(2.5)污染空间分布高度一致,以太行山和燕山山脉为界的东南地区的不透水表面增长率为160.0%,显著高于西北地区的增长率50%,同时东南地区的PM_(2.5)浓度增长值45.5μg/m~3也显著高于西北地区的17.0μg/m~3.此外,把京津冀地区174个乡镇按照其ISC划分为5个级别:松散型(0~4.9%)、轻度紧凑型(5%~9.9%)、紧凑型(10%~14.9%)、密集型(15%~24.9%)、高度密集型(25%),乡镇数量分别为42、35、52、34、11,对应的PM_(2.5)浓度均值分别为(42.7±10.5)、(79.9±11.9)、(95.6±15.4)、(99.1±10.8)、(115.3±9.2)μg/m~3.其中松散型乡镇的空气质量较好,而严重雾霾笼罩在高度密集型的乡镇中.结果表明当乡镇ISC为5%和25%时,对区域PM_(2.5)质量浓度带来剧烈的增长.当ISC5%时,PM_(2.5)浓度发生了激烈增长,其比5%的乡镇高了87.2%.当ISC25%时,其PM_(2.5)浓度飙升到(115.3±9.2)μg/m~3,大约是5%乡镇的3倍.结论表明,在城市化进程中,不透水表面扩张对PM_(2.5)污染的加剧带来严重影响,不透水表面扩张应该成为城市空气污染一个不可忽视的影响因素之一.     

基于随机森林模型的中国PM2.5浓度影响因素分析

选取气溶胶光学厚度、海拔、年降水量、年均气温、年均风速、人口密度、GDP密度和NDVI作为影响因子,基于随机森林模型、特征重要性排序和偏依赖图技术,研究中国PM_(2.5)浓度空间分布的影响因素及其区域差异.结果表明:①与多元回归、广义可加模型和BP神经网络相比,随机森林模型估算的PM_(2.5)浓度精度最高,可用于PM_(2.5)污染的影响因素研究.②PM_(2.5)浓度随气溶胶光学厚度、人口密度和GDP密度的增加呈先上升后平稳的趋势,随降水、风速和NDVI的增加呈先下降后平稳的趋势,随海拔和气温的增加呈下降→上升→下降的趋势.③气溶胶光学厚度对PM_(2.5)浓度空间分布的影响最大,可解释37.96%的PM_(2.5)浓度空间分异;年降水量对PM_(2.5)浓度空间分布的影响最小,解释率仅为5.75%.④影响因子与PM_(2.5)浓度的关系存在空间异质性,同一影响因子对不同地理分区的PM_(2.5)浓度的影响程度有所不同.气溶胶光学厚度对华南地区PM_(2.5)浓度的空间分布影响最大,对东北地区影响最小.     

林冠特征对城市森林斑块消减空气PM2.5质量浓度的影响

研究城市森林斑块消减空气PM_(2.5)质量浓度的能力,以及这种能力的主要影响因素,对改善城市空气环境具有重要的意义.本研究测定了南昌市典型城市森林斑块消减PM_(2.5)质量浓度的能力(PM_(2.5)AC),并分析了PM_(2.5)AC对城市森林斑块林分组成、冠层特征的响应.研究表明:南昌市城市森林斑块具有显著消减空气PM_(2.5)质量浓度的能力,其中针叶林斑块PM_(2.5)AC最高,达到9.15%,阔叶纯林最低3.82%;整体上春季PM_(2.5)AC最高,达到7.34%,冬季最低3.76%.城市森林斑块PM_(2.5)AC与林冠特征中的LAI(叶面积指数)显著正相关,与DIFN(天空开度)显著负相关,与斑块特征中的斑块面积、林分结构、斑块总叶面积显著正相关.通过综合分析,城市森林斑块总叶面积是主导PM_(2.5)AC的主要影响因素.     

北京市PM2.5时空分布特征及其与PM10关系的时空变异特征

PM_(2.5)时空分布特征及其与其它污染物的相关关系是PM_(2.5)时空统计分析的主要研究内容.然而,现有的方法直接从监测站点的角度对时空分布特征进行分析,难以有效地揭示PM_(2.5)浓度的聚集分布特征;同时,常用的地理加权回归在对PM_(2.5)与其它污染物间关系进行建模的过程中,缺乏同时考虑时间异质性与空间异质性,从而不能准确地描述依赖关系的时空变异特征.为此,首先借助于空间聚类分析技术,对北京市2014年PM_(2.5)浓度的聚集结构进行探测,在此基础上,通过聚集结构来分析PM_(2.5)季节性时空分布特征.然后,利用地理时空加权回归对北京市PM_(2.5)与PM_(10)季节平均浓度间关系进行建模,依据回归结果分析PM_(2.5)-PM_(10)间关系的时空变异特征.实验结果表明,春夏季节PM_(2.5)污染程度及空间变异程度均低于秋冬季节,各季节PM_(2.5)浓度均表现为北部浓度低、南部浓度高的空间分布特征;地理时空加权回归具有更好的拟合效果,由回归系数进一步可发现,春夏季PM_(2.5)-PM_(10)相关性低于秋冬季PM_(2.5)-PM_(10)相关性;各季节均表现为西北部PM_(2.5)-PM_(10)的相关性高于东南部PM_(2.5)-PM_(10)的相关性.     

基于NPP/VIIRS夜间灯光遥感数据估算上海地区PM2.5浓度

随着工业化和城市化的迅速发展,中国面临着越来越严重的大气污染危机,以细颗粒物(PM_(2.5))为标志的区域性大气复合污染问题已经成为我国大气环境污染治理的核心工作.目前,传统的地面监测站监测PM_(2.5)浓度的方法空间分辨率较差且耗费人力物力,而卫星遥感数据监测PM_(2.5)浓度的方法大部分只能应用于白天.由于PM_(2.5)浓度在时间上存在周期性变化,因此利用卫星遥感数据监测的夜间PM_(2.5)浓度可以作为表征PM_(2.5)日变化规律的重要补充.本研究采用Suomi National Polar-orbiting Partnership(Suomi NPP)卫星搭载的可见红外成像辐射计套件(Visible Infrared Imaging Radiometer Suite, VIIRS)中Day/Night波段(DNB)夜间灯光影像数据,依据大气气溶胶消光原理和站点气象数据,建立PM_(2.5)浓度的预测模型,基于多元线性回归分析对上海地区9个空气质量监测站在2014—2018年冬季无月无云的晴朗夜间的PM_(2.5)浓度值进行估计,并对PM_(2.5)浓度的空间分布进行模拟.结果表明,在研究时段上海地区PM_(2.5)实际浓度与模型估算PM_(2.5)浓度之间R~2=0.767,均方根误差(RMSE)为19.210μg·m~(-3),验证了VIIRS/DNB夜间灯光影像数据在估算PM_(2.5)浓度方面有巨大潜力.     

基于GIS的甘肃省城市PM2.5的时空分布特征研究

文章基于2015～2017年3年来甘肃省国控监测站的PM_(2.5)数据,采用GIS的空间分析方法,揭示甘肃省城市PM_(2.5)的时空分布特征。结果显示:近年来甘肃省城市空气中PM_(2.5)的整体呈下降趋势,且呈现明显的季节变化特征;根据季节变化特征分析,扬尘在甘肃西部地区的PM_(2.5)数值中的贡献率较大;甘肃省冬季城市的PM_(2.5)严重超标; PM_(2.5)高浓度集聚地带主要位于兰州市附近,以兰州市为中心,表现出以兰白都市经济圈向四周减弱的趋势。     

近20年来中国典型区域PM2.5时空演变过程

近20年来PM_(2.5)污染严重制约了中国可持续发展.长时间序列历史监测数据的缺失阻碍了相关研究.为此,本文以四大典型区域2013~2016年的PM_(2.5)浓度监测值和2000~2016年MODIS AOD数据、边界层高度、温度等气象数据作为基础数据,将反向人工神经网络和支持向量回归机两种算法相结合,构建组合模拟模型,并利用地理空间分析技术实现近20年来PM_(2.5)浓度历史变化过程的情景再现.研究结果表明,组合模型具有较低的误差和更高的泛化能力;时空分析结果表明,2000~2010年京津冀和东三省PM_(2.5)浓度持续增长,珠三角PM_(2.5)浓度缓慢下降,3个研究区PM_(2.5)污染范围呈扩大趋势,长三角PM_(2.5)浓度值及污染范围基本保持稳定.2012年4个研究区PM_(2.5)浓度值降低且污染范围缩小,但2013~2016年PM_(2.5)浓度略微上升后又下降,高污染范围缩小,这与国家采取PM_(2.5)区域联防等治理措施有关.     

廊坊市秋季环境空气中颗粒物组分昼夜变化特征研究

为研究廊坊市区秋季环境空气中颗粒物浓度及其组分昼夜变化特征,于2015年9月12—21日在廊坊市进行PM_(2.5)和PM_(10)采样,并对采集的样品无机元素、水溶性离子和碳组分(OC和EC)分析.结果表明,夜间PM_(2.5)和PM_(10)浓度比白天高,且下半夜出现大幅上升.PM_(2.5)/PM_(10)比值为0.49~0.62,下半夜最高.碳组分、Ba、Cr、Cl~-、NO_3~-、SO_4~(2-)、NH_4~+等主要富集在PM_(2.5)中,而Ca、Al、Si、Mg~(2+)和Ca~(2+)等主要富集在PM_(10)中.通过昼夜颗粒物组分对比发现,夜间EC、Cu、Zn、Cr、Pb、Cl~-、NO_3~-和NH_4~+等浓度明显上升.同时,下半夜OC/EC比值明显变小,Cl-、NO_3~-和NH_4~+浓度明显增大,同时段CO和NO_2浓度上升,而SO_2浓度变化平缓.以上表明采样期间廊坊夜间可能存在移动源和部分工业污染源排放.     

汉中市秋季PM_(2.5)昼夜变化特征

为探讨汉中市秋季PM_(2.5)昼夜变化特征。于2015年9月7日至9月17日利用中流量大气颗粒物采样仪在汉中市三个不同站点分昼夜采集PM_(2.5)滤膜样品,并分别利用热光碳分析仪(DRI—2011)和离子色谱(Dionex—600)分析PM_(2.5)中碳组分和水溶性离子组分,主要探讨PM_(2.5)及其碳组分和水溶性离子昼夜变化特征。结果显示:汉中秋季PM_(2.5)浓度低于国家空气质量一级标准;PM_(2.5)中主要化学组分包括SNA (硫酸盐、硝酸盐、铵盐)和有机类物质,白天和夜间占比分别达到32.3%、39.6%和28.9%、39.6%; PM_(2.5)颗粒物呈酸性。除SO_4~(2-)、Mg~(2+)和Ca~(2+)之外,PM_(2.5)及其化学组分均呈现夜间浓度高于白天的特征。离子的赋存形态分析表明:SO_4~(2-)更多以(NH_4~+)_2SO_4~(2-)的形式存在于PM_(2.5)中。本文相关结果可为地方环保政策的制定提供参考和基础数据。     

2000~2018年京津冀城市群PM2.5时空演变及其与城市扩张的关联

京津冀城市群是中国三大城市群之一,其城市化进程对大气污染造成了严重的影响.基于土地利用、站点实测和遥感反演的PM_2.5浓度数据集,辅以趋势分析和分段线性回归等方法,分析了2000～2018年京津冀城市群PM_2.5浓度的时空演变格局及其与城市扩张的关联.结果表明：（1） 2000～2018年京津冀城市群PM_2.5浓度变化呈明显的阶段特征,2000～2013年PM_2.5浓度呈显著增加的趋势[slope=1.598 0μg·（m³·a）^-1,P<0.001],其中69.97%的区域呈显著增加趋势（P<0.05）; 2013～2018年PM_2.5浓度呈显著减小的趋势[slope=-4.990 8μg·（m³·a）^-1,P<0.001],其中85.81%的区域呈显著减小的趋势（P<0.05）;（2） PM_2.5浓度整体呈从东南向西北递减的趋势,高污染区[ρ...     

城市生态学研究中的城市植物

本文简要地论述了城市植物的概念，城市植物的研究内容，城市植物在城市生态学研究中的实际运用，以及城市植物作为城市的一个重要因素进行城市生态学研究的重要意义。     

长春城市水体夏秋季温室气体排放特征

为掌握我国东北地区城市湖泊水体温室气体的释放/吸收特征,本研究分别于夏季和秋季,对位于吉林省长春市的7个城市湖泊(南湖、北湖、雁鸣湖、胜利公园、地理所内湖、天嘉公园和长春公园)表层水中的CO_2和CH_4分压[p(CO_2)和p(CH_4)]进行了监测,并对影响p(CO_2)和p(CH_4)季节变化的相关环境和水质参数进行了分析.研究结果表明在夏季和秋季这7个城市湖泊表层水体中CH_4都处于过饱和状态;除夏季的南湖和胜利公园内湖,其它湖泊CO_2也都处于过饱和状态,且不同湖泊间的温室气体分压具有显著性差异(P0.05),通量也同样具有显著性差异(P0.05).除了南湖和胜利公园内湖外,其它各湖泊在夏秋季节都是大气CO_2和CH_4的"源",且对大气中温室气体的贡献都以CO_2为主.环境参数与p(CO_2)或p(CH_4)之间的相关性分析表明,在夏季,城市湖泊表层水体中p(CO_2)和p(CH_4)都与日照时数呈显著负相关(r_(p(CO_2))=-0.48,P0.05;r_(p(CH_4))=-0.63,P0.01),日照时数通过影响水生植物的光合作用进而影响水体中CO_2和溶解氧浓度,p(CH_4)还与降水量呈显著正相关(r_(p(CH_4))=0.44,P0.05);在秋季,p(CO_2)与气温呈显著负相关(r_(p(CO_2))=-0.39,P0.05).另外,水质参数与p(CO_2)和p(CH_4)的相关性分析表明,这些城市湖泊表层水体的p(CO_2)和p(CH_4)都与水体pH显著负相关(r_(p(CO_2))=-0.51,r_(p(CH_4))=-0.82,P0.01),与盐度显著正相关(r_(p(CO_2))=0.38,P0.05;r_(p(CH_4))=0.75,P0.01),p(CH_4)还与水体DOC、TN和TP均具有显著相关性(P0.01).从研究结果可以推测在这7个富营养城市湖泊中,水体的营养物水平及其所决定的浮游植物生物量并不是影响表层水体p(CO_2)的最主要因素,而日照时数、水体pH和盐度与夏秋季表层水体中的p(CO_2)和p(CH_4)有较大关联.     

石家庄市主城区臭氧污染特征及气象成因分析

为了解石家庄市主城区O₃(臭氧)污染特征及其影响因子,基于2015-2018年石家庄市空气质量连续监测资料和同期气象数据分析了主城区O₃污染总体特征及气象成因.结果表明:①石家庄市主城区大气光化学污染日益严峻,ρ(O₃)日均值由2015年的47 μg/m3增至2018年的66 μg/m3,ρ(O₃)超过GB 3095-2012《环境空气质量标准》二级标准限值的天数由2015年的20 d增至2018年的70 d.②ρ(O₃)存在明显的季节性差异,呈夏季[(89±33)μg/m3] >春季[(69±25)μg/m3] >秋季[(40±26)μg/m3] >冬季[(28±16)μg/m3]的特征;ρ(O₃)日变化呈单峰型分布,谷值出现在06:00-07:00,峰值出现在15:00-16:00,且15:00-17:00是ρ(O₃)超标的高发时段.③ρ(O₃)与气温呈指数关系,当气温为20~25、25~30、≥ 30℃时,ρ(O₃)日均值分别为75、90及119 μg/m3.ρ(O₃)在相对湿度为60%时存在拐点,当相对湿度≤ 60%时,ρ(O₃)随相对湿度的增大而上升;当相对湿度>60%时,ρ(O₃)随相对湿度的增大而下降.风速与ρ(O₃)呈分段线性关系,当风速 < 2 m/s时,ρ(O₃)随风速的增加而上升;当风速≥ 2 m/s时,ρ(O₃)随风速的增加而下降.④影响石家庄市主城区ρ(O₃)升高的污染源主要位于其东-东南-南方位,其次为东北-东方位,而西部和北部地区则较少.⑤石家庄市主城区ρ(O₃)超标多发生在气温>20℃,相对湿度介于40%~70%之间,风速在1.5~3.0 m/s之间的气象背景下,经统计,当气象条件同时符合上述三项气象要素时,ρ(O₃)超标天数占3-10月总超标天数的66.5%.研究显示,气温>20℃、相对湿度为40%~70%、风速为1.5~3.0 m/s的气象条件可初步作为石家庄市主城区O₃污染的预警指标.      

北京城区大气PM2.5主要化学组分构成研究

2012年8月至2013年7月期间,对北京市城区石景山、车公庄、东四和通州这4个点位开展为期一年的PM2.5化学组分研究,共获得样本220组,使用化学质量重构方法进行组分重构研究.结果表明,通过化学质量重构方法获得的PM2.5质量和实际测定PM2.5质量浓度具有很好的相关性,相关系数为0.95,其中春季、秋季和冬季相关系数均大于0.95以上,夏季稍差(0.77);采样期间4个点位的PM2.5主要组分OM、EC、SO2-4、NO-3、NH+4、Cl-、地壳元素、微量元素的质量浓度分别为31.4、3.8、19.9、21.6、14.4、4.0、15.4、2.9μg·m-3,分别占总组分的25.1%、3.0%、15.9%、17.2%、11.5%、3.2%、12.3%、2.3%,除地壳物质外各组分呈东高西低的趋势;2013年1月11日至14日重污染期间,OM、SO2-4、NO-3、NH+4的浓度是全年平均的1.9、5.0、3.2、4.2倍,SO2-4成为本次污染过程中最主要的组分.采暖期和非采暖期城区PM2.5最大的组分均为OM,采暖期相对非采暖期OM、NH+4、NO-3、SO2-4均有较大增幅,但地壳物质和EC相差不大,两个时期差异最大的组分为具有较强燃煤指示性的Cl-(4.4倍).对于化学质量重构结果的未知组分,其中城区PM2.5中水份约占6.0%,夏季颗粒物的水份最大(6.5%),春季和冬季相当,秋季较少(3.7%).     

城市湿地在城市生态建设中的作用及其保护对策

探讨了城市湿地在城市生态建设中的作用,分别介绍了城市湿地的功能,目前存在的主要问题及其保护对策。阐明了城市湿地在城市生态建设中的重要作用和地位,为保护城市湿地资源应该积极建设城市湿地公园和自然保护区;利用生物技术修复湿地;建立湿地信息系统和健康评价系统;加强湿地的立法执法力度、规范生态旅游;加强宣传和公众参与同时还要加强国际合作、转变湿地公园的运营模式。     

北京城市大气CO2浓度变化特征及影响因素

北京大气CO₂浓度日变化强烈,全年北京时间15:00时前后为全天最低值,最高值则出现在夜间,日变化幅度为23.2～39.0μmol·mol^-1,夏季和秋季日变化幅度比冬季和春季大.北京城区大气CO₂浓度季节变化明显,最大值出现在冬季,月平均浓度为421.5～441.0μmol·mol^-1;最小值则在夏季,月平均浓度367.4～371.6μmol·mol北京CO₂浓度的季节变化幅度明显高于附近的华北兴隆区域站和瓦里关山大陆本底站等的相应值,其原因是北京CO2浓度季节变化主要受人为取暖活动控制,同时植被的季节变化也起一定作用.1993～1995年北京大气CO₂浓度上升较快,平均增长率为3.7%·a^-1,1995年平均浓度达到最高,为409.7±25.9μmol·mol,随后缓慢下降.     

城区与郊区PM2.5污染及传输特征差异性

基于云高仪激光雷达、飞机AMDAR数据和常规站点等多源观测数据,并与数值模拟（CAMx-PSAT模型）相结合,以京津冀典型城市——北京城区与郊区（密云）和石家庄城区与郊区（平山）为案例研究区域,对城区和郊区边界层高度差异（ΔPBLH）、地面PM_2.5浓度差异（ΔSurf_PM_2.5）、高空PM_2.5浓度差异（ΔVert_PM_2.5）和传输通量强度及高度分布特征差异进行分析.结果表明,由于人为热源、短波辐射和热力湍流等因素,导致城区年均边界层高度（PBLH）较郊区高8%~29%,且不同季节下城区PBLH月均较郊区高2%（石家庄4月）~47%（北京7月）.由于人为排放、逆温和大气湍流等共同作用,在0~1260 m之间等高度城区年均ρ（PM_2.5）较郊区高0.1（石家庄）~29.7（北京）μg ·m^-3,随高度增加而减小.城区年均总净通量强度远大于郊区,城区表现为流出,郊区表现为流入,是由于城区低压和郊区高压,形成城郊热力环流.北京城区和郊区与周边的年均总净通量强度之和（44.77 t ·d^-1）大于石家庄（34.44 t ·d^-1）.受风速和PM_2.5浓度的影响,在0~1260 m之间,城区和郊区与周边的净通量随离地高度的增加通量强度呈现明显增大趋势,其中1月城区和4月郊区与周边的传输交换对环境影响最为明显.不同季节下城区和郊区最大净通量的强度差异明显,两者相差2.23~4.48倍;但最大净通量强度的高度特征差异较小,主要位于611~1260 m.     

重庆市主城区PM2.5时空分布特征

利用2014年6月1日至2015年5月31日重庆市主城区17个国控空气质量监测站24 h自动连续采样的PM_(2.5)浓度数据,探讨了重庆市主城区PM_(2.5)时空分布特征.结果表明:1重庆市主城区PM_(2.5)季节浓度由高到低依次为冬季(100.2μg·m~(-3))、秋季(66.1μg·m~(-3))、春季(45.9μg·m~(-3))和夏季(33.4μg·m~(-3))(P0.05).2重庆市主城区PM_(2.5)月均浓度变化呈单峰单谷型,1月PM_(2.5)月均浓度最高(P0.05),达到120.8μg·m-3.3逐日变化,国控17个空气质量监测站PM_(2.5)日均浓度曲线都呈现出尖峰和深谷交替变化的锯齿状.4重庆市主城区16个国控监测点(除缙云山对照点)PM_(2.5)浓度日变化在全年、春季、秋季和冬季都呈现明显的双峰双谷型.5PM_(2.5)与SO_2、NO_2和CO都呈显著正相关(P0.01),表明SO_2、NO_2和CO的二次转化对PM_(2.5)浓度具有显著影响.     

抗大气复合污染的城市森林植物初步筛选

大气复合污染成为我国最主要的城市病之一.城市森林建设的植物选择除了达到景观要求和色彩效果外,根据各城市需求选择对污染物综合抗性阈值大的树种,成为当今环境污染背景下维持城市森林生态功能可持续发展的保障.综合分析我国常见城市森林537种植物对二氧化硫、二氧化氮、氟化氢、氯气、臭氧和颗粒物这6种大气污染物的吸附吸收能力,并对植物进行抗性赋值和综合因子分析,得出对大气复合污染综合抗性能力较强的树种主要为桑树、侧柏和臭椿等;对大气复合污染综合抗性中等的树种主要为毛白杨、五角枫、圆柏、山桃、垂柳、泡桐和油松等;对大气复合污染综合抗性相对较弱的树种主要为刺槐、加杨、银杏、核桃、悬铃木、栾树、紫薇和连翘等.根据中国南北方各城市气候背景、经济结构和空气污染特点,因地制宜选择对当地主要空气污染物吸收量较大的植物种类,充分发挥城市森林群落对复合空气污染物的最大净化效果.