城市开放空间是城市重要的组成部分,也是城市居民日常出行游玩的主要场所。近些年来,日益加剧的城市热岛和大气污染问题严重影响了居民的出行,甚至威胁居民身体健康。本文以哈尔滨的典型开放空间为对象,通过实验测试和统计分析的方法,研究寒地城市开放空间内近地面热环境与颗粒物浓度变化规律及相互关联机制,并开发寒地城市开放空间热环境参数和颗粒物浓度的预测模型。基于寒地城市开放空间的特点,选定哈尔滨市南岗区四类典型开放空间14个监测站点,分别设置小型气象站,于2020年11月—2022年2月对城市开放空间内近地面热环境参数和颗粒物浓度进行长期监测,为寒地城市开放空间热环境和颗粒物分布特性及影响因素的研究提供数据基础。从日分布与年分布两个尺度出发,对四种开放空间类型下的温度、相对湿度、风速、太阳辐射的实测数据进行分析,并与国家气象科学数据中心及空气质量在线监测分析平台上的监测数据进行对比,明确不同城市开放空间下热环境要素的时空分布差异、城市宏观气象参数和开放空间局部热环境之间的差异。结果表明寒地开放空间的热环境要素均以24h为周期呈现不同的周期性变化规律,且不同类型开放空间下的热环境参数存在明显差异。基于气象站长期监测的数据,对比研究四类寒地城市开放空间颗粒物浓度日分布与年分布的变化规律,分析发现近地面高度颗粒物浓度在工作日与非工作日均以24h为周期变化,工作日的颗粒物浓度呈“双峰双谷”型曲线变化,非工作日的颗粒物浓度呈倒“Z”型分布。寒地开放空间近地高度颗粒物浓度季节变化趋势明显,全年呈“U”型分布,按浓度高低排序依次为冬季、春季、秋季、夏季。针对寒地城市开放空间内热-颗粒物的定量变化规律,利用统计分析软件SPSS 22.0对热环境参数和颗粒物浓度的多种影响因素进行分析,明确乔木覆盖率、建筑覆盖率、天空可视因子、交通面积覆盖率等开放空间环境因子与热环境参数及颗粒物浓度的相关性,得到不同季节下的主要环境因子。进行热环境参数与颗粒物浓度间的相关性分析,确定温度、湿度以及风速与PM2.5与PM10浓度之间的定量关系。以寒地城市开放空间内热-颗粒物的定量变化规律及影响因素为基础,利用BP神经网络的对城市开放空间热环境参数和颗粒物浓度进行预测,以开放空间环境因子、热环境要素、参考基值等作为输入变量,经过数据预处理和模型训练实现温度、湿度、PM2.5的日变化预测。结果表明,BP神经网络预测模型可以很好地捕捉热-颗粒物与影响因子之间的非线性规律,对温度、湿度以及PM2.5浓度的预测精度都在80%以上。本文的研究成果,可为改善城市开放空间热环境质量、营造舒适的室外人员活动环境提供理论支撑。