大气PM_2.5污染问题备受关注,如何有效防治PM_2.5对城市居民的危害,一直以来是研究的热点。城市绿地作为缓解大气污染的重要措施,研究城市道路绿地大气PM_2.5浓度变化规律及影响因素,降低PM_2.5污染对城市居民的危害,对城市绿地系统规划具有理论价值和现实意义。本研究通过网络搜集与实地调查相结合,选取了4条以乔木、灌木、绿篱为主的南京市主、次干道路绿地作为研究对象。在道路两侧及无绿地处共设置3个监测点,每个监测点设置0.3 m、1.5 m、3 m和5 m的垂直监测高度以及机动车道-非机动车道-人行道的水平监测位置,监测大气PM_2.5浓度以及气象要素,研究其浓度变化规律。运用Pearson相关性和增强回归树（Boosted Regression Tree,BRT）分析气象要素对PM_2.5浓度的影响,采用逐步回归法构建PM_2.5浓度预测模型,利用城市微气候仿真模型ENVI-met,模拟纵横比（建筑高与道路宽的比值,H/W）为0.5、1.0、1.8的3种道路结构、4种植物配置（无植被、乔木+绿篱、乔木、绿篱）下大气PM_2.5浓度变化及其分布,探究其变化机理。主要结论如下:（1）4条典型城市道路绿地大气PM_2.5浓度日变化基本呈现出“双峰单谷”型,先下降后上升,早晚高于白天,峰值出现在早上8-9点和傍晚18-19点,谷值出现在11-14点。（2）道路绿地大气PM_2.5浓度在垂直方向（0.3 m-5 m）上呈现波动上升趋势,其中,绿地1.5 m高度PM_2.5浓度始终最低;此外,PM_2.5与PM₁₀的比值也呈现随高度上升而增加的趋势。（3）道路绿地大气PM_2.5浓度在水平方向上呈现出无绿化处>有绿化处;其中,无绿化处的大气PM_2.5浓度均为人行道>非机动车道>机动车道,有绿篱道路其浓度均为机动车道>非机动车道>人行道;绿篱对道路大气PM_2.5浓度有一定阻滞作用。（4）Pearson相关性检验表明各气象因子与PM_2.5浓度之间存在显著相关性:与相对湿度呈显著正相关,与温度、风速、太阳辐射强度、大气压、混合层厚度均呈显著负相关。（5）增强回归树（BRT）分析结果表明,气象要素对道路绿地大气PM_2.5浓度变化的贡献率排序为:大气压（65.9%）>相对湿度（17.5%）>太阳辐射强度（6.5%）>风速（5.5%）>温度（3.2%）>混合层厚度（1.5%）。（6）以大气PM_2.5浓度为因变量,以气象要素为自变量,采用逐步回归法建立基于气象要素的多元线性回归模型:,模型效果好（=0.77）,为PM2.5浓度,为风速,为气温,为相对湿度,为大气压。（7）ENVI-met数值模拟结果表明,道路纵横比小的大气PM_2.5浓度低,随着道路宽度的减小,大气PM_2.5浓度逐渐呈上升趋势。浓度最高的地方出现在污染源附近,离污染源越远,大气PM_2.5浓度越低。除纵横比（H/W）为1的道路结构外,均呈现有绿化处大气PM_2.5浓度高于无绿化处,与前述实测结果相反:在H/W=0.5的道路结构中,当风向垂直道路时,大气PM_2.5浓度表现为乔木>绿篱>乔木+绿篱>无植被,当风向平行于道路时,呈现绿篱>乔木>乔木+绿篱>无植被;在H/W=1的道路结构中,大气PM_2.5浓度均呈现乔木>绿篱>无植被>乔木+绿篱;在H/W=1.8的道路结构中,大气PM_2.5浓度呈现乔木>乔木+绿篱>绿篱>无植被。可见,道路绿地植物（乔木、绿篱）会阻碍大气PM_2.5扩散,造成道路绿地大气PM_2.5浓度升高。（8）模拟结果表明,当风向与道路垂直时,道路背风侧大气PM_2.5浓度>迎风侧,有乔木的植物配置在不同道路结构中均表现出增加大气PM_2.5浓度的趋势。在仅有绿篱的配置下,大气PM_2.5浓度均表现为近地侧>背风侧>迎风侧,说明绿篱对于大气PM_2.5有一定阻滞作用,这验证了前述实测结果。（9）模拟结果表明,当风向与道路平行时,不同植物配置的大气PM_2.5浓度变化均呈现近地侧>道路南侧>道路北侧。