近日，矿区生态修复与时空建模研究团队在《Journal of Hazardous Materials》发表题为“Identifying optimal green plot ratio thresholds for mitigating PM2.5 in street canyons: Integrating LiDAR, CFD, and explainable machine learning”的学术论文。
摘要：植被对城市街谷中PM2.5的扩散具有显著影响，但在此尺度上空气动力学与沉降间的相互作用仍缺乏定量研究。本研究综合运用LiDAR、YOLOv8、情景分析和CFD，构建西安真实街谷的三维几何模型，识别交通流量以估算PM2.5排放，模拟PM2.5分布。通过现场实测数据进行验证，模拟精度良好（R² = 0.91，RMSE = 1.87 μg/m³）。研究表明，密集或阻隔性强的植被通过形成低风速区域阻碍通风，从而增加近地面浓度；同时，沉降作用有助于去除颗粒物，其中低矮灌木在0.3米高度的沉降效果优于高处（4.5米和7.5米）的树木。在测试的多种配置中，街道峡谷两侧均设置较少遮挡物、有或无中央树木的场景，在降低行人高度PM2.5方面表现最佳。研究为通过城市绿化设计削减城市街谷PM2.5提供了定量依据。
引用格式：Guo B, Chen H, Wang Z, et al. Identifying optimal green plot ratio thresholds for mitigating PM2.5 in street canyons: Integrating LiDAR, CFD, and explainable machine learning, Journal of Hazardous Materials (2026), doi: https://doi.org/10.1016/j.jhazmat.2026.143277
期刊简介：《Journal of Hazardous Materials》是环境科学与工程领域具有重要影响力的国际期刊，中科院一区TOP，IF=10.6。
郭斌副教授为第一作者，美国波特兰州立大学Xiao W, Zhu教授为通讯作者，马绪瀛副教授，研究生陈海龙，王政、李璐、陈妙怡和陈普浩等参与了此项研究。该研究得到秦岭北麓城市地下水战略性储备与开发利用关键技术（XBY-ZDKJ-2023-10），陕西省自然科学基金（2024JC-YBQN-0304）、陕西省重点研发计划（2024NC-YBXM-241），陕西省痕量污染物环境监测与预警重点实验室（SHJKFJJ202319）的资助。
全文链接：https://doi.org/10.1016/j.jhazmat.2026.143277
