随着全球工业化、城市化的进一步推进，城市建设发展与环境保护之间的矛盾不断激化，PM2.5污染问题成为各国学者共同关注的重点议题。随着有关PM2.5污染研究的不断深入推进，研究者们发现城市PM2.5污染不仅与工业能耗和汽车尾气排放有关，其与城市内部形态特征同样具有显著的关联性。城市形态对PM2.5空间分布的作用机制复杂，对其内部驱动机制的探讨应结合多维度、多角度综合探讨。目前，有关影响PM2.5浓度的城市形态因子主要聚焦于城市用地规模、城市景观格局、社会经济形态等二维形态方面[1-3]。基于研究尺度分析，现有研究主要从国家[4-6]、省份[7-9]、城市[10-12]，或者不同区域[13-15]、流域[16-17]、城市群[18-19]等尺度对PM2.5污染特征展开研究与分析；基于研究方法分析，现有研究大多数基于统计学方法和空间计量学展开，主流方法包括多元线性回归、地理加权回归、空间回归、随机森林模型等[20-21]。城市形态已被证实对PM2.5浓度分布变化具有显著影响，利用塑造城市形态的城市规划手段缓解PM2.5污染问题，是应对城市大气污染问题的新思路[22]。但现有研究表明，目前多数关于城市形态与PM2.5空间分布的关联性和作用机制的研究仍停留在城市二维平面层面，鲜少考虑城市三维空间的形态异质性。随着地理信息技术和高分辨率遥感技术的进一步发展，城市立体形象的刻画和三维空间分异研究有了更科学的理论和技术基础。尤其是随着城市立体化的高速发展，城市研究视角从二维到三维的拓展与转变是大势所趋。
基于此，本文以武汉市主城区为研究对象，突破二维视角，围绕“PM2.5空间格局—城市三维形态测度—作用机制挖掘”为研究主线，开展武汉城市三维形态对PM2.5空间分布的影响及响应研究。本研究首先分析武汉市主城区PM2.5空间分布格局及空间自相关特征，然后研究武汉城市三维形态对PM2.5空间分布的影响机制，最后立足清洁空气品质目标，对武汉城市三维形态布局开展优化策略研究。
1 实验部分
1.1 研究区
武汉市地处中国腹地中心，是长江经济带核心城市。武汉市主城区是中国中部地区人口、经济、产业、用地高度集聚的区域，是新时期高速推进城市现代化、立体化建设的标榜。
为实现精细化研究，研究区设定为武汉市主城区，如图1（a，b，c）所示。考虑可获取数据的分辨率，将研究区基本单元设定为1 km ×1 km栅格单元。
1.2 数据来源
1.2.1 PM2.5数据来源与预处理 本文的研究重点为城市三维空间形态，2021年武汉市冬季受静稳天气影响显著，逆温现象频发，大气扩散条件较差，PM2.5浓度通常达到全年峰值；此外，冬季集中供暖及工业排放稳定，有利于排除其他季节（如春季沙尘、夏季光化学反应）的干扰，更聚焦于城市形态对污染分布的内在机制。因此，本研究选择以2021年12月份作为研究期。
1.2.2 城市三维形态测度指标数据来源与预处理 本研究主要从城市功能用地规模、土地利用景观格局、社会经济形态、建筑景观格局、立体建筑形态及立体景观形态等角度探究PM2.5浓度变化的影响因素和内在驱动机制。城市三维形态测度的原始数据涵盖以下几类：城市土地使用功能分类信息（源自星云数据服务平台）、土地覆盖与利用分类数据（采用中国年度土地覆盖数据集）、社会经济统计资料，以及综合建筑大数据集（通过水经注万能地图下载器获取）。其他数据来源如表1所示。
2 研究方法
2.1 武汉城市三维形态测度指标体系构建
本研究突破传统城市形态二维平面视角局限，耦合二维形态（各类城市功能用地规模、土地利用景观格局、社会经济形态）与三维形态（建筑景观格局、立体建筑形态、立体景观形态、空间距离要素）等7类一级指标，选取30个二级指标，构建武汉城市三维形态测度体系。
岳峰等[23]的研究表明，利用叶面积指数（leaf area index，LAI）度量三维绿量是可行的，并且武汉市基于比值植被指数（relative vegetation index，RVI）与LAI建立的三维绿量估算方程拟合效果最好。其中RVI通过Landsat影像的近红外与红光波段计算，原影像分辨率为30 m，经重采样至1 km栅格匹配研究单元。LAI的计算公式为：
[ILAI=0.012IRVI3-0.207IRVI2+2.061IRVI-0.508]
（1）
式（1）中：[ILAI]为叶面积指数；[IRVI]为比值植被指数。
2.2 空间回归模型构建
研究分别采用普通线性回归模型（ordinary least squares，OLS）、空间滞后模型（spatial lag model，SLM）与空间误差模型（spatial error model，SEM），对武汉城市三维形态测度与PM2.5数值进行模型分析。
2.2.1 OLS构建 OLS是最常见的回归模型，其模型表达式为：
[YOLS=j=1nαjXj+φj] （2）
式（2）中：[YOLS]表示被解释变量；[Xj]表示第[j]个自变量；[n]是自变量的总数；[αj]表示与[Xj]对应的回归系数；[φj]表示误差项。
2.2.2 SLM构建 SLM是考虑因变量的空间相关性的自回归模型，其模型表达式为：
[YSLM=βWy+Xγ+φ] （3）
式（3）中：[YSLM]表示被解释变量；[X]表示[m×n]维自变量矩阵；[W]表示[K×K]维空间权重矩阵；[Wy]表示空间滞后因子；[β]表示空间效应系数；[γ]表示自变量的系数；[φ]表示[n×1]维随机误差向量。
2.2.3 SEM构建 SEM是考虑随机干扰项（误差项）存在空间相关性的一种空间回归模型，认为误差项对因变量存在重要的空间影响。其模型表达式为：
[YSEM=Xρ+?,?=ωW?+ε] （4）
式（4）中：[YSEM]为被解释变量；[X]表示[m×n]维自变量矩阵；[ρ]表示自变量系数；[?]表示[K×1]维随机误差向量；[ω]表示误差项的空间自回归系数；[W?]代表空间权重矩阵与误差项的乘积，表示误差项的空间自相关；[ε]表示SEM的误差项。
空间计量模型SLM和SEM充分考虑了变量的空间自相关性，二者的区别在于：SLM的空间滞后项作为模型的解释变量，是由空间权重矩阵与因变量的乘积构成；而SEM的空间误差项是由空间权重矩阵与误差项乘积构成，仅作为误差项的解释变量，而不作为因变量的解释变量。
3 结果与讨论
3.1 武汉市主城区三维形态分析
使用ArcGIS10.8对矢量数据用同一坐标系重新投影后，采用克里金插值法空间化处理离散数据并与矢量数据配准，在ArcGIS中将城市形态空间数据与研究区单元进行空间连接。在城市功能用地规模中，城市居住用地规模最大，沿长江两岸分布，呈现显著的空间集聚性；工业用地连通性和整体性最强，其分布以青山区为主。可以看出主城区中部、江岸区、江汉区、武昌区西部和青山区的土地利用混合度指数、斑块密度和周长面积分维数指数均较低，此类区域的用地多样性和景观形状复杂程度较低。武汉市主城区人口密度、路网密度和地区生产总值的空间分布具有一定的相似性，均呈现“西高东低”、沿长江两岸集聚的趋势，如图2所示。
城市三维形态视角，建筑密度在长江西侧江岸区、江汉区、硚口区和汉阳区北部以及长江东侧青山区、武昌区及洪山区西部较高，平均斑块面积在汉阳区南部和青山区较高。武汉市主城区城市三维空间沿长江两岸立体空间开发强度最高。三维绿量较高的区域主要集中在洪山区和汉阳区西南部，与绿地与广场用地规模的分布空间相关性显著，且洪山区中部有众多生态公园，立体绿化建设程度高，如图3所示。
3.2 武汉城市三维形态对PM2.5空间分布的影响机制研究
3.2.1 空间计量模型实验结果 以武汉市主城区PM2.5浓度为因变量，以X1-7、X2-1、X3-3、X4-5、X5-3、X6-1、X7-1为自变量构建空间计量模型，检验结果如表3所示。
为确定本研究适宜使用的空间计量模型方法，先采用OLS对模型进行估计，然后进行拉格朗日乘数（Lagrange multiplier，LM）检验以及稳健拉格朗日乘数（robust Lagrange multiplier，RLM）检验。其中，LM检验输出的LM-lag和LM-err统计量分别用于检验空间滞后模型和空间误差模型；robust Lagrange multiplier-lag（Robust LM-lag）和robust Lagrange multiplier-err（Robust LM-err）是对LM检验的稳健性补充，其值均由RLM检验输出。若LM-lag统计显著性高于LM-err，同时Robust LM-lag显著性高于Robust LM-err，则使用空间滞后模型SLM。反之，LM-lag统计显著性低于LM-err，同时Robust LM-lag显著性低于Robust LM-err，则使用空间误差模型SEM。
由于Robust LM-err在0.01的水平显著，故选用SEM模型进行后续研究。
为了便于比较和验证，本研究同时给出OLS、SEM和SLM的回归结果，包括回归系数、p值、常数（constant，cons）、对数似然值（Log-Like lihood）、赤池信息量准则（Akaike information criterion，AIC）值和施瓦茨准则（Schwarz criterion，SC）值，如表4所示。
根据回归结果，SLM和SEM的空间回归系数均在0.01的水平显著，说明武汉市主城区PM2.5浓度分布确实存在显著的空间自相关性。通常，模型的Log-Like lihood值越大,且AIC值和SC值越小时，模型解释力越强。因此,SEM的解释力更好，也与拉格朗日检验和稳健性拉格朗日检验的结果相吻合；同时，SEM的拟合优度R2也最优。综上，本研究采用SEM进行分析。
根据SEM分析结果，X1-7、X2-1、X3-3、X4-5、X5-3、X6-1、X7-1等城市三维形态指标因子对PM2.5污染有显著影响。其中X1-7对PM2.5浓度呈现显著的正向影响，说明科学规划路网、合理控制路网密度、控制道路通车量，有利于改善城市PM2.5污染；X2-1、X3-3、X4-5、X5-3、X6-1、X7-1对PM2.5浓度具有显著的负效应，说明提高城市内部土地利用类型的多样化程度、推进社会经济绿色发展、提升道路通行效率，合理设计城市建筑高度变化，提高城市立体绿化建设强度，合理控制PM2.5排放点与江岸、水岸等冬季逆温现象多发地带的距离，对降低城市PM2.5浓度具有一定积极作用。
3.2.2 城市三维形态对PM2.5空间分布的影响探究 各类城市功能用地规模与土地利用景观格局对PM2.5污染的影响。武汉市主城区路网密度对PM2.5浓度有正向影响，通过优化路网排布，降低路网密度，可减少汽车尾气排放、降低PM2.5浓度。武汉市主城区土地利用混合度对PM2.5浓度有负向影响，说明复合用地模式可降低PM2.5浓度。江汉区、武昌区等老城区的空气状况佐证了该观点：这些区域用地类型单一，斑块规整，单一种类建设活动持续产生的污染难以通过其他用地类型的功能稀释，进而导致该地区PM2.5浓度相对较高。
城市社会经济形态对PM2.5污染的影响。武汉市主城区地区生产总值对PM2.5浓度有负向影响，表明社会经济绿色发展带来的产业结构升级、清洁技术应用、严格环境监管以及公众环保意识提升等多维效果可系统性降低污染排放强度，实现经济增长与空气质量改善的协同效应。
城市建筑景观格局对PM2.5污染的影响。武汉市主城区建筑交通可达性对PM2.5浓度有负向影响。高可达性区域路网、建筑布局规整，可形成有效通风廊道，使近地面风速提升，促进污染物扩散，PM2.5浓度较低。同时交通可达性提升有利于减少机动车怠速时间，直接降低局地PM2.5排放强度。建议大力推广电动汽车，同步建设BRT快速公交走廊，并在主干道部署绿波通行系统，优化交通流组织，降低汽车怠速状态下污染物排放量，全面提升城市通风与减排效能。
城市立体建筑形态对PM2.5污染的影响。武汉市主城区的高层高密度形态对PM2.5浓度有负效应，高层建筑群以建筑立面为根据，改变局部风场结构，促进垂直方向的空气流动，加速污染物的垂直扩散，减少地面PM2.5的积聚；高密度开发能集中能源供应和配套设施，减少分散式排放源，并有利于集中治理单位面积的污染物排放总量。因此，应开展合理的城市规划与建筑布局，避免过于封闭的建筑布局。
城市立体景观形态对PM2.5污染的影响。武汉市主城区三维绿量被证实对武汉市主城区PM2.5浓度具有显著的负效应。植物绿化对大气污染物具有吸收和净化作用，城市立体空间的景观生态廊道也对改善城市微气候和促进大气环流具有显著积极作用，故可考虑在城市绿化建设过程中提高城市三维层面的绿化总量，在有限的城市用地中增大城市绿容积率，提升城市绿化生态功能水平。
城市空间距离要素对PM2.5污染的影响。武汉市主城区距江距离对武汉市主城区PM2.5浓度具有显著的负效应。长江与汉江水面形成天然通风廊道，可促使污染物水平扩散；同时近江区域相对湿度较内陆高，对气溶胶有湿沉降效果，故在城市规划与用地规划过程中注重水岸开阔空间的穿插，积极打造开阔水域通风廊道与气溶胶沉降空间，提升城市自净与污染拦截能力。
4 结 论
本文以武汉市主城区为研究对象，突破传统城市形态二维平面视角的局限，耦合二维城市形态与三维城市形态，挖掘城市三维形态对PM2.5空间分布的影响机制。
（1）武汉市主城区PM2.5浓度呈“西北高东南低”分布，长江中北部区域浓度最高，向外递减。存在显著空间自相关，高浓度主要集聚于江岸、江汉、硚口东部、武昌和青山西部。
（2）构建OLS、SLM和SEM模型，SEM结果最优。城市三维形态显著影响PM2.5浓度空间异质性。路网密度对PM2.5浓度有正向影响；地区生产总值、高层高密度形态、土地利用混合度、交通可达性、距江距离和三维绿量有负效应。合理控制城市形态要素可降低PM2.5浓度。
（3）城市形态影响PM2.5污染多样。提出武汉城市三维形态布局优化策略：打造多中心城市结构，优化交通布局，推进产业结构转换，优化建筑空间组织，提升三维绿容积率。