近年来，北京地区雾霾严重，极大影响了首都的宜居性。2013年1月，我国中东部地区出现严重大气颗粒物污染，引起社会各界广泛关注，北京部分地区细颗粒物PM_2.5严重超标，浓度超过900 μg·m^-3(中新网，2013)。2015年，北京市大气环境质量持续改善，空气中PM_2.5年均浓度为80.6 μg·m^-3，同比下降6.2%，但仍超过国家标准1.3倍(北京市环境保护局，2016)。大气颗粒物(particulate matter，PM)(中华人民共和国环境保护部，2012)，特别是粒径较小的颗粒物(PM_2.5、可吸入颗粒物PM₁₀)污染的加重与人群发病率和死亡率的上升密切相关(Bell et al.，2008； 游燕等，2012； 郭永超等，2016)。城市森林在发挥固碳释氧、涵养水源、保持水土的基础生态功能的同时，其缓解大气污染的作用也不容忽视，国内外大量研究(Nowak et al.，2014； Sgrigna et al.，2015； 柴一新等，2002； 张志丹等，2015； 王蕾等，2006)表明，植物可通过叶表的气孔、表皮毛、黏性分泌物等有效阻滞和吸附大气颗粒物。

目前对植物缓解大气颗粒物污染的研究主要集中于树木滞尘能力的定性分析和定量测定。刘萌萌(2014)从北京五环林缘到奥林匹克森林公园内林缘设置3个监测点，监测数据表明林带对各粒径大气颗粒物均有阻滞作用； Sgrigna等(2015)测定意大利工业城市Terni的冬青栎(Quercus ilex)叶片滞尘能力为20.6 μg·cm^-2；Nowak等(2014)利用计算机模拟测算2010年全美国树木共滞尘1 740万t。对各树种叶表微形态差异对滞尘能力的影响也有研究。王蕾等(2006)对北京市11种园林植物的叶表大气颗粒物附着密度进行测定，用扫描电镜比较各树种叶表微形态，发现沟槽、叶脉、条状突起等结构越密集，深浅差异越大，越有利于滞纳大气颗粒物； 柴一新等(2002)使用电镜扫描哈尔滨市28个树种叶表，结合对各树种滞尘量的测定，得出叶表皮具沟状组织、表皮毛密集、叶表可分泌黏性油脂和汁液的树种滞尘能力强。各树种滞留不同粒径颗粒物能力差异的研究也大多停留在定性研究阶段。Eerdun(2006)发现叶片表面越粗糙，滞纳的大粒径颗粒物比例越高； 林鑫涛等(2016)对3种亚热带绿化树种滞留颗粒物的粒径分布进行研究，发现大颗粒物占总颗粒物质量的40.9%～57.5%，粗颗粒物占25.6%～38.5%，细颗粒物占15.6%～20.6%。

植物叶片滞纳大气颗粒物有停着、附着和黏附3种作用方式(吕铃钥等，2016)。停着是指颗粒物在重力作用下落到叶表面，与叶表结构和特性无关； 附着是指在叶表沟槽、绒毛、蜡质层等的作用下对颗粒物的阻滞； 黏附是指依靠植物叶表面分泌物黏附颗粒物，附着和黏附能力均与叶表结构和特性密切相关。吴桂香等(2015)分析了大气颗粒物沉降速度与垂直沉降量，建立受树冠结构特征与颗粒物沉降速度影响的植物滞尘沉降通量数学表达式； 但是仅通过数学模型分析不受叶片结构影响的颗粒物滞纳量，无法准确模拟真实环境下各种因素的影响。对植物叶片停着、附着和黏附的颗粒物数量和比例缺乏实证研究。

本文依据植物叶片滞纳大气颗粒物的方式不同，将叶片滞尘分为2部分： 一是不受叶片结构影响的颗粒物滞纳(dust-retention unrelated to leaf structures，DULS)，主要是停着的部分； 二是受叶片结构影响的颗粒物滞纳(dust-retention related to leaf structures，DRLS)，主要是附着和黏附的部分。研究植物滞纳大气颗粒物的主要方法有模型模拟(Yang et al.，2005)、颗粒物气溶胶再发生器法(张维康等，2015)、扫描电镜分析(贾彦等，2012)和滤膜过滤差值法(林鑫涛等，2016)等，模型模拟无法完全反映真实环境中的情况，气溶胶再发生器的分析效果受到颗粒物在叶片附着紧密度的影响，扫描电镜法分析颗粒物粒径受观察区域选择不同的影响，滤膜过滤在称量过程中易受滤膜吸水影响而产生较大误差。本研究项目采用张志丹等(2014)提出的洗脱称量粒度分析法(EWPA)，其具有精度高、可重复性好的特点。塑料叶片表面相对光滑，用以模拟无叶表结构状态下的叶片滞尘，设置塑料叶片对照试验模拟DULS，研究北京市6种主要造林绿化树种的滞尘能力，拟解决以下科学问题： 1)探索各树种DRLS与DULS量的差异及比例，实证树木叶片对缓解大气颗粒物污染的贡献率及差异。2)6种树种对不同粒级颗粒物(PM_2.5，PM₁₀，总悬浮颗粒物TSP)的滞纳能力的差异及稳定性。

北京市位于华北平原的西北部，属暖温带半湿润大陆性季风气候，夏季高温多雨，冬季寒冷干燥，年均气温12.1 ℃，年均降水量600 mm，无霜期180天左右，年均日照时数2 779 h； 地形西北高东南低，山地约占61%。本试验在北京林业大学校园内(39°59′N，116°20′E)开展，学校位于北京市西北部海淀区，校园占地面积46.8 hm²，绿化面积20.9%，绿化覆盖率达44.7%。校园内植物资源丰富，主要植物分属52科178种2变种，落叶乔木树种主要有毛白杨(Populus tomentosa)、银杏(Ginkgo biloba)、元宝枫(Acer truncatum)、栾树(Koelreuteria paniculata)、刺槐(Robinia pseudoacacia)等，主要针叶树种有圆柏(Sabina chinensis)、侧柏(Platycladus orientalis)、油松(Pinus tabulaeformis)、白皮松(Pinus bungeana)等。

选取6种北京市绿化常用树种，包括3种阔叶树(银杏、元宝枫、栾树)和3种针叶树(油松、圆柏、侧柏)。供试树种均为生长状况良好、无病虫害、无人为损毁的成年植株，6种供试树种基本信息如表 1所示。

表 1 供试树种的基本信息 Tab.1 Basic information of the investigated tree species

表 1 供试树种的基本信息 Tab.1 Basic information of the investigated tree species 树种 Tree species 科 Family 生活型 Life form 习性 Habit 树高 Height/m 胸径 DBH/cm 冠幅直径 Crown diameter/m 周围环境 Surrounding environment 元宝枫 Acer truncatum 槭树科 Aceraceae 乔木 Arbor 落叶 Deciduous 6.3 20.5 3.5 校园绿地 College green area 栾树 Koelreuteria paniculata 无患子科 Sapindaceae 乔木 Arbor 落叶 Deciduous 8.6 34.3 4.4 校园绿地 College green area 银杏 Ginkgo biloba 银杏科 Ginkgoaceae 乔木 Arbor 落叶 Deciduous 8.8 21.5 2.5 校园绿地 College green area 油松 Pinus tabulaeformis 松科 Pinaceae 乔木 Arbor 常绿 Evergreen 4.9 21.3 4.4 校园绿地 College green area 圆柏 Sabina chinensis 柏科 Cupressaceae 乔木 Arbor 常绿 Evergreen 4.4 17.6 2.1 校园绿地 College green area 侧柏 Platycladus orientalis 柏科 Cupressaceae 乔木 Arbor 常绿 Evergreen 7.4 18.4 1.9 校园绿地 College green area

为减小由于环境不同造成的颗粒物差异，6个树种集中在校园中部乔灌草型绿地上。每个树种均选取单株树木，在单株木上设置东、南、西、北4个方向的重复取样，并分别测样。

在树冠东、西、南、北4个方向，距离地面高度为1.7 m处，设置试验和采样区域。4个方向各选定1个叶片区域(投影面积约0.5 m²)作为采样单元，在每一次试验前将蒸馏水注入高压喷壶对其进行冲洗，采集冲洗过的叶片作为本底样本。在采样区域枝条上悬挂表面光滑的塑料叶片(聚四氟乙烯塑料板制成，自摩擦系数0.04，厚度0.5 mm)作为空白对照，悬挂角度与自然生长叶片相同，测定在没有叶片结构影响下的自然沉降量(DULS)。相关研究(Kardel et al.，2011； Przybysz et al.，2014)表明，一般强度的降水和冲刷不能完全将植物叶面上滞留的颗粒物尤其是细颗粒物冲洗掉，故本次研究进行本底采样并测定其颗粒物残留量作为叶表面颗粒物初始量。本底采样10天(期间无降水)后在之前冲洗过的区域内再次采集叶片作为滞尘叶片样本，测定试验期间叶片滞尘量，同时摘取塑料叶片测定试验期间DULS。采用2次采样的差值确定叶片单位面积滞尘量，这能避免因采样冲洗不彻底造成的试验误差，也抵消了在刷洗叶片过程中表皮毛等叶表结构脱落造成的误差。

在树冠各个方向取样点，采集生长良好(发育良好、无破损、无病虫害)的叶片约100 g，采样后直接将样品置于装有去离子水的采样瓶中，带回实验室测量分析； 每次试验重复采样，样本数量为3； 为减少采样时间不同导致的误差，所有样品采集均在1 h内完成； 正式试验前已进行的预试验证明，10天内叶表大气颗粒物未达到饱和状态。采样点的高度近似于成年行人的呼吸高度，同时可保证供试叶片较少接触到因行人和车辆造成的二次扬尘。

试验开展时间为2014年7月至2015年4月，分4个季度进行试验10次，包括8次有效试验(各季度2次)和2次无效试验(试验期间出现降水)。试验期间记录每日气象状况(大气污染指数、风速、湿度)。本研究使用的大气污染数据从“北京市空气质量实时发布平台”(http://zx.bjmemc.com.cn)获取，试验点附近有2个北京市环境保护监测中心设置的监测点(海淀区万柳站点、朝阳区奥体中心站点)，2个监测点发布的空气质量指数的均值可用于表征试验点大气污染物程度； 其他基本气象信息(天气、温度、湿度、风力)从“中国气象网 ”(http://www.weather.com.cn)”获取。试验期间空气质量及基本气象状况如表 2所示。

表 2 试验期间空气质量及基本气象状况 Tab.2 Air quality and basic meteorological conditions during trials

表 2 试验期间空气质量及基本气象状况 Tab.2 Air quality and basic meteorological conditions during trials 试验日期 Trial date 空气质量指数 Air quality index 天气 Weather 湿度 Humidity(%) 温度 Temperature/℃ 风力 Wind grade 备注 Remark 2014-07-05—07-15 94.70 多云为主Cloudy mainly 78 28.4 ＜3 有效Valid 2014-08-22—09-01 90.36 多云为主Cloudy mainly 80 23.8 ＜3 有效Valid 2014-09-23—10-03 90.09 晴与阴为主Sunny and overcast 51 17.4 ＜3 有效Valid 2014-10-24—11-03 172.28 雾与霾为主Fog and haze 74 11.5 3 有效Valid 2014-11-26—12-06 127.56 晴为主Sunny mainly 54 0.1 4 有效Valid 2014-12-21—12-31 134.06 晴与霾为主 Sunny and haze 37 0.4 4 有效Valid 2015-03-08—03-18 115.41 晴为主 Sunny mainly 29 7.4 3 有效Valid 2015-03-21—03-31 111.79 晴为主Sunny mainly 42 12.9 4 有效Valid 2014-08-20—08-30 130.20 期间出现降水 Precipitation 77 27.9 ＜3 无效Invalid 2014-09-21—10-01 153.20 期间出现降水 Precipitation 82 19.7 ＜3 无效Invalid

植物叶表大气颗粒物的滞留量(W₀)用EWPA法(张志丹等，2014)测定： 从采样瓶中取出供试叶片，使用细纤维尼龙刷蘸去离子水刷洗叶表，并用去离子水冲洗，反复操作3次，将刷洗液与采样瓶内的浸泡液混合，经孔径为100 μm的过滤网过滤，注入已用分析天平(Sartorius BSA224S，精度0.1 mg，德国)称量过的离心管(W₁)中，经离心机(Sigma3-30k，德国)充分离心(转速9 000 r·min^-1)后弃掉上层清液，置于烘箱内烘干至恒质量，再次称量(W₂)，离心管前后质量之差(W₀=W₂－W₁)即为叶表颗粒物(PM_2.5，PM₁₀，TSP)总质量(W₀)。

植物叶表面积(S)测定： 使用扫描仪(EPSON Expression1680，日本)扫描叶片，Adobe Photoshop CC 2015软件处理扫描图像(去除图像污点、增强图像对比以便分析软件识别)，WinRHIZO软件分析处理后的图像得到叶片表面积(SurfArea)。

对经过烘干后含有颗粒物的离心管重新注入去离子水，超声波震荡使其均匀分散，将离心管内的颗粒物悬浊液注入激光粒度仪测定叶表滞纳的大气颗粒物粒径分布，以获得不同粒径颗粒物的体积百分数； 颗粒物的体积-粒度分布可反映颗粒物的质量-粒度分布(Cao et al.，2013)，根据大气颗粒物粒级划分标准(PM_2.5： 空气动力学当量直径(D_p)≤2.5 μm； PM₁₀： 2.5 μm＜D_p≤10 μm； TSP： 10 μm＜D_p≤100 μm)计算各粒级颗粒物占总量的百分数，进一步反映各树种叶片对各粒级颗粒物的滞纳量。

由各树种叶片滞尘总量和叶表颗粒物粒径分布，可计算各树种的叶片单位面积滞尘总量和滞纳不同粒级颗粒物的质量，滞尘样本叶片单位面积滞尘量与本底样本叶片单位面积残留量之差，即为试验期间树木叶片单位面积的滞尘量。计算公式为:

式中： M₀表示叶片单位面积滞尘总量； ML_i表示叶片单位面积吸滞i径级颗粒物的质量(g·cm^-2)； W₀为叶片吸滞颗粒物的总质量(g)； S表示供试叶片的叶面积(cm²)； P_i表示径级为i的颗粒物的质量分数(%)； i表示不同径级的颗粒物(PM_2.5，PM₁₀，TSP)。

使用SPSS Statistics 22(IBM，USA)软件，采用单因素方差分析法(One-Way ANOVA)分析各树种叶片单位面积滞尘能力的差异是否显著，多重比较使用Duncan法； 分析各个季节试验中各树种对各粒级颗粒物(PM_2.5，PM₁₀，TSP)的滞纳能力是否存在显著差异。

采用叶片单位面积滞留大气颗粒物的质量(μg·cm^-2)表示叶片10天滞留大气颗粒物的能力。4个季度试验中各树种叶片单位面积的10天滞尘量如图 1所示。6种供试树种叶片单位面积滞尘总量存在极显著差异(P=0.001＜0.01)，对PM_2.5的滞纳量存在显著差异(P=0.037＜0.05)。侧柏全年平均滞尘能力最强，单位叶面积10天总滞尘量为124.76μg·cm^-2，其中对PM_2.5滞纳量为16.92 μg·cm^-2； 元宝枫滞尘能力最弱，总滞尘量仅为55.64 μg·cm^-2，其中对PM_2.5滞纳量为3.96 μg·cm^-2。试验树种中，针叶树滞尘能力普遍高于阔叶树，侧柏的平均滞尘能力是元宝枫的2.24倍。阔叶树种间滞尘能力差别较小，银杏的滞尘能力仅为元宝枫的1.17倍； 针叶树种间的滞尘能力差别较大，侧柏的滞尘能力为油松的1.36倍。

图 1 各季节供试树种叶片单位面积滞纳大气颗粒物质量 Fig.1 Mass of PM retained by per unit area leaf of tested tree species in each quarter Dp： 空气动力学当量直径 Aerodynamics equivalent diameter.

各树种滞尘能力的季节性变化主要受大气污染严重程度的影响，各树种夏季滞尘量最低，春季次之，秋冬季节偏高。在夏季试验中，栾树叶片的单位面积滞尘量明显高于其他阔叶树种，也高于其秋季试验滞尘量(62.35μg·cm^-2)，达到96.18 μg·cm^-2。

图 2显示了与树木叶片结构无关的滞尘量(DULS)和与树木叶片结构有关的滞尘量(DRLS)。DULS为20.08 ～31.10 μg·cm^-2，全年均值为24.52 μg·cm^-2。叶片滞尘总量与DULS差值即为DRLS，各树种的DRLS为32.11～99.13 μg·cm^-2，占滞尘总量的57.71%～80.35%，均值为70.69%。侧柏叶片结构对颗粒物的DRLS最强，DRLS占其滞尘总量的80.35%； 元宝枫最弱，仅为57.71%。各供试针叶树种和阔叶树种的DRLS占滞尘总量百分比的均值分别为77.42%和63.96%。供试树种DRLS的均值是DULS均值的2.54倍，可见叶片结构性质滞尘量远大于非结构性滞尘量。

图 2 供试树种叶表滞尘的来源 Fig.2 The source of particulate matter on tested tree species leaves DULS： 不受叶片结构影响的颗粒物滞纳 Dust-retention unrelated to leaf structures； DRLS： 受叶片结构影响的颗粒物滞纳 Dust-retention related to leaf structures.

DRLS中，各树种滞纳PM_2.5的平均值为7.68 μg·cm^-2，侧柏达到13.59 μg·cm^-2，为供试树种中最高； DULS中，各树种滞纳PM_2.5的平均值仅为3.11 μg·cm^-2。在DRLS和DULS中，各树种滞纳可吸入颗粒物(PM_2.5和PM₁₀)总量的平均值分别为25.10，10.62 μg·cm^-2。树木的叶片结构对细颗粒物(PM_2.5)和可吸入颗粒物的滞纳效果十分显著。

各树种对不同粒径的大气颗粒物吸滞能力存在特异性，如图 3(a)所示。圆柏对小粒径颗粒物的吸滞能力最强，所吸滞的PM_2.5占到总滞尘量的14.00%，对于大粒径颗粒物吸滞能力最弱，所吸滞的颗粒物中粒径大于10 μm的颗粒物只占55.49%； 元宝枫对小粒径颗粒物的滞尘能力最弱，PM_2.5只占滞尘总量的7.12%，却对大粒径的颗粒物有很强的吸滞能力，粒径大于10 μm的颗粒物占到滞尘总量的74.83％。对比针阔叶树对各粒径颗粒物的吸滞能力，针叶树对小粒径颗粒物吸滞能力较强，滞纳的颗粒物中PM_2.5所占比例为13.83%； 阔叶树对大粒径颗粒物吸滞能力较强，滞纳的粒径大于10 μm的颗粒物占总滞尘量的70.29%。使用激光粒度仪分析各季节试验中塑料叶片表面沉降的颗粒物(DULS)的粒径分布，如图 3(b)所示。大气颗粒物的主要组成成分为粒径大于10 μm的颗粒物，约占大气颗粒物总量的57%，PM_2.5所占的比例较低，约占大气颗粒物总量的13%。全年大气颗粒物的粒级组成较为稳定，随季节变化大气颗粒物的粒级分布随之小幅度变动。

图 3 叶片滞纳颗粒物的各粒级质量分数 Fig.3 The quantitative distribution of particulate matter in different sizes on leaf surface Dp： 空气动力学当量直径 Aerodynamics equivalent diameter.

对各树种特异性滞纳不同粒级颗粒物的季节间稳定性进行比较研究，结果如图 4中各粒径颗粒物质量分数箱线图所示，阔叶树种对各粒级颗粒物的吸滞能力稳定性大于针叶树，表现为箱线图极大值与极小值差异较小、上四分位数与下四分位数差异较小，说明阔叶树对各粒级颗粒物的特异性吸滞能力较为稳定，不易受环境因素影响。树木对粒级较小的颗粒物吸滞能力的稳定性较好，对大粒级颗粒物的吸滞能力的稳定性较差。栾树叶片对于各粒级颗粒物的吸滞能力的变化范围最小，特异性吸滞能力最稳定。

图 4 各树种叶片对不同粒级颗粒物的滞纳能力 Fig.4 Box plots of adhesion ability of different species leaves for particulates in different sizes Dp： 空气动力学当量直径 Aerodynamics equivalent diameter

针阔叶树种对颗粒物的吸滞能力存在显著差异。大量研究(Przybysz et al.，2014； 吴桂香等，2015； 张维康等，2015； 刘斌等，2016； 王会霞等，2015)表明，针叶树种叶片单位叶面积滞纳大气颗粒物的能力显著高于阔叶树，与本研究结果一致。有学者探究了针叶树滞尘能力较高的原因。张维康等(2015)利用环境扫描电镜观察叶片微观形态结构发现，针叶树种有较强滞尘能力的主要原因是气孔排列紧密、气孔密度明显大于阔叶树种、叶片表面较为粗糙且能够分泌油脂。本研究夏季的2次试验中栾树滞尘量明显高于其他季节，且高于其他阔叶树种，达到86.00 μg·cm^-2。在采样时观察到栾树叶片表面有黏性物质，查阅相关资料(刘芳，2012)后发现，夏季栾树蚜虫病导致其大量分泌含糖的黏性物质，使其滞尘能力大幅增加； 在正常无蚜虫病情况下，栾树的滞尘能力高于元宝枫，小于银杏。

本研究发现，3个针叶树种之间的滞尘能力也存在显著差异，侧柏滞尘能力高于油松； 3个阔叶树种之间滞尘能力差异同样显著，银杏最强、元宝枫最弱。郑少文等(2008)认为针叶树滞尘能力的差异主要体现在集生叶片数量不同和叶片的着生角度不同，聚集的针叶有利于滞尘； 叶面皱缩、多毛和有分泌液的阔叶树种滞尘能力强。该结论与本文的研究结果相同。Beckett等(2000)采用蒸馏水洗脱的方法研究发现针叶树种中松科(Pinaceae)的滞尘能力普遍大于柏科(Cupressaceae)，不同于本文研究结果，可能是Beckett等(2000)采集的供试叶片中存在较多未成熟叶片，柏科叶片在未成熟时呈聚集状态，叶片表面积明显小于成熟叶片。王蕾等(2007)对北京市6种针叶树成年植株的研究发现，侧柏和圆柏的滞尘能力均高于油松，该结论与本文相同。赵松婷等(2014)电镜分析发现，叶表沟槽和条状突起的结构越紧密、深浅差异越大，滞尘能力越强； 本研究的银杏其叶表具有大量沟槽和突起结构，其滞尘能力在供试的3种阔叶树种中最强。林鑫涛等(2016)研究浙江省3种常见绿化树种滞尘量，发现叶表粗糙、绒毛丰富有利于滞尘，本研究选取的元宝枫叶表光滑、表皮毛稀少，其滞尘能力为供试树种中最弱。

本研究将受叶片结构影响的滞尘量(DRLS)和不受叶片结构影响的滞尘量(DULS)区别分析，DRLS数值越大说明其叶表结构对颗粒物的滞纳能力越强，研究结果表明针叶树的叶表结构更有利于滞纳大气颗粒物，3种供试针叶树种的DRLS占颗粒物总滞纳量百分比的均值为76.17%。目前还未见对DRLS与DULS进行关联和区别研究的报道，与DULS相关的研究多集中于大气颗粒物的沉降。Matsuda等(2010)在日本夏季落叶林中对PM_2.5沉降速率进行研究，分别在林冠下层、林冠层、林冠上层设置气溶胶采样器，利用具有悬浮颗粒物撞击器的滤片将PM_2.5收集到过滤器上，计算PM_2.5的沉降速率。吴桂香等(2015)基于植物特征参数得出了不同捕集机制(重力沉降、布朗运动、惯性碰撞)对颗粒物捕集速度的数学表达式，但其并未分析叶片表面结构对颗粒物的滞纳量，且数学模型也不能很好地反映真实环境中各种气象因素对滞尘的影响。长期以来，树木叶片结构对滞尘的贡献率存在较大争议。本研究发现，6种供试树种DRLS占滞尘总量百分比的均值为68.23%，DRLS的均值是DULS均值的2.54倍，说明受叶片结构因素影响的滞尘量远高于非叶片结构影响的滞尘量，叶片结构因素占影响滞尘各因素的主导地位，实证了树木叶片对缓解大气颗粒物污染有极为明显的贡献。滞尘能力会受不同材料的表面特性(主要是材质表面的粗糙程度)影响，研究(房瑶瑶等，2015)表明选用不同材料进行试验会对DULS产生影响，本试验采用的聚四氟乙烯塑料表面并不是绝对的光滑，用塑料叶片的DULS代表树木叶片的DULS会存在一定误差，未来还需继续寻找更合适的材料。

本文研究结果也为测算植树造林对缓解大气颗粒物污染的贡献值提供了新思路。DULS的主要来源是颗粒物在重力影响下的自然沉降，当携带颗粒物的气流流经植物叶片表面时，湍流作用增强，使得颗粒物在叶表的沉降速率增加(Fowler et al.，2004)。

Sgrigna等(2015)利用三氯甲烷溶解蜡质层测定冬青栎蜡质层中的颗粒物组分，发现PM_2.5占颗粒物总沉积量的40%，而PM₁₀只占到颗粒物总沉积量的4%，其研究结果表明叶表蜡质和大气颗粒物的沉积密切相关，含有丰富蜡质层的植物对PM_2.5的滞纳能力更强； 本研究结果显示针叶树对PM_2.5等小粒径颗粒物吸滞能力强于阔叶树，原因用Sgrigna的结论解释为针叶树叶片具有比阔叶树叶片厚且丰富的蜡质层。林鑫涛等(2016)采用不同孔径滤纸过滤的方法，分析3种亚热带树种叶片滞留颗粒物的粒径分布，结果显示大颗粒物(D_p>10 μm)占总颗粒物的40.9%～57.5%，而本研究中6种树种叶片滞纳的大颗粒物占总量的55.49%～74.83%，高于3种亚热带树种，造成差异的原因可能是南北方能源消费结构不同，北方大气颗粒物中大粒径组分所占比例较高。3种供试针叶树所滞纳的颗粒物粒径分布基本相同，而3种阔叶树之间存在较明显差异。主要原因可能是针叶树的叶表结构大多类似，滞尘粒径分布类似，而阔叶树叶表的光滑程度、表皮毛数量、沟槽深度等构造差异很大，滞尘粒径分布差异较为明显。

由于不同生长季树木叶片的微形态结构特征相对稳定，树木叶片的特异性滞尘能力受季节、大气污染程度的变化的影响较小。本研究发现，同一树种在不同季节和不同大气污染条件下对大粒径颗粒物的吸滞能力变化幅度较大，而对小粒径颗粒物吸滞能力变化幅度较小，这与张维康等(2015)研究所得在不同污染状况下树木叶片滞纳PM_2.5的能力无显著差异的结论相一致。试验结果显示，栾树叶片在不同的气象环境条件和不同季节，其滞纳的颗粒物粒级组成十分稳定，造成该现象的原因有待进一步探讨。

树木叶片对大气颗粒物有显著的吸滞作用，针叶树滞尘能力大于阔叶树，且对PM_2.5等小粒径颗粒物吸滞能力强，叶表滞尘量的大部分(针叶树约为60%，阔叶树约为76%)来自于叶表结构对大气颗粒物的滞纳作用(DRLS)。本研究在树木个体叶片层次对各树种滞纳大气颗粒物的能力进行对比分析，但是由于试验的树种有限，试验场地单一，利用试验所得的单株孤立树木的单位叶面积滞尘量推算复杂环境下一片林地的滞尘能力会存在一定偏差。对于大空间尺度的城市森林滞尘能力的分析与计量，还有待于深入研究与持续探索。