文章信息
- 张志丹, 曹治国, 刘欢欢, 贾黎明
- ZHANG Zhidan, CAO Zhiguo, LIU Huanhuan, JIA Liming
- 北京道边银杏叶片大气颗粒物滞纳量冠层变异
- The spatial variability of leaf particulate matter retention amount within tree canopy Ginkgo biloba on the edge of urban road
- 森林与环境学报,2016, 36(04): 467-472.
- Journal of Forest and Environment,2016, 36(04): 467-472.
- http://dx.doi.org/10.13324/j.cnki.jfcf.2016.04.014
-
文章历史
- 收稿日期: 2016-02-05
- 修回日期: 2016-04-25
2. 河南师范大学环境学院黄淮水环境污染防治教育部重点实验室, 河南 新乡 453007
2. Ministry of Education Key Laboratory of Yellow River and Huai River Water Environment and Pollution Control, School of Environment, Henan Normal University, Xinxiang, Henan 453007, China
大气颗粒物污染目前为国内外医学、环保、林业、制造等各个行业领域关注的热点问题,其中细颗粒物(PM2.5)、可吸入颗粒物(PM10)和总悬浮颗粒物(total suspended particle, TSP)污染因其对人体健康的严重危害备受关注[1]。在防治颗粒物污染的策略方面,除了源头控制,森林植被对于已产生PM2.5等大气颗粒物的消减作用不可忽视[2]。国外有关树木滞尘能力评价的研究起步较早[3],自20世纪90年代以来,中国开始进行树木滞尘能力及生态效益评估的相关研究,目前已有北京等30多个大中城市进行了主要绿化树种或园林植物滞尘规律的研究[4]。然而评估城市林木对大气颗粒物的调控作用是一项庞大而复杂的科研工作,单木作为城市森林的基本单元,探明其冠层大气颗粒物滞纳量的空间变异性是研究城市森林对颗粒物调控作用的基础环节,目前相关研究较少。冠层不同高度、方向、内外的滞尘能力的研究结果显示,冠层由下往上叶片滞尘量依次减少[5-6],也有研究表明冠层下位与上位叶片滞尘量差异不显著[7]。上述研究解析的都是叶片滞尘总量在单木冠层的空间分布特征,没有精细化到不同径级的颗粒物。HOFMAN et al[8]对单木冠层不同粒径颗粒物滞纳量采用滤膜称重法进行研究,结果显示高度比方位对叶片滞尘量具有更显著的影响。此外,现有研究采样部位不尽相同[8-9]。
目前有关单木冠层大气颗粒物滞纳量空间变异性的研究仍为少数,且欠缺针对不同粒径颗粒物的分级比较, 树冠叶片位置不同,可能会导致单位面积叶片大气颗粒物滞纳量不同,而前期研究的采样部位选取不一致,使得研究结果可比性差,成果不能实现共享。文中选取兼具观赏价值和滞纳大气颗粒物能力的北京市常见行道绿化树种银杏(Ginkgo biloba L.)为研究对象,对单木冠层的不同高度、不同方向及不同部位共48个位点进行采样,测定分析其单位面积叶片PM2.5、PM10和TSP的滞纳量,从而解析单木冠层大气颗粒物滞纳量的空间变异性,为城市树木调控大气颗粒物的相关研究提供科学参考。
1 材料与方法 1.1 试验材料试验材料为城市道路边银杏,选取道路南侧生长状况相似的3株银杏(分别编号1、2、3),平均胸径(24.20±2.42) cm,平均树高(9.6±0.1) m,东、西、南、北4个方向冠幅生长较为匀称(表 1)。
编号 Number |
胸径 DBH/cm |
树高 Height/m |
冠幅Crown width/m | 生长状况 Growth situation |
|||
东East | 西West | 南South | 北North | ||||
1 | 22.0 | 9.5 | 2.5 | 2.5 | 2.1 | 2.3 | 良好 |
2 | 26.8 | 9.7 | 3.3 | 2.7 | 1.8 | 3.8 | 良好 |
3 | 23.8 | 9.6 | 2.8 | 2.6 | 3.7 | 2.6 | 良好 |
平均Average | 24.2 | 9.6 | 2.9 | 2.6 | 2.5 | 2.9 | 良好 |
2014年7月27日(雨后10 d)在北京市海淀区清华东路进行采样(北纬40.00°,东经116.34°),道路为东西走向,位于北四环路与北五环路中间,是一条城市主干道。
1.2.2 气象因子记录记录2014年7月17-26日的24 h风级及PM2.5、PM10浓度实时数据,数据来源于中国空气质量在线监测分析平台[10]。
1.2.3 采样方法分别在距地面3、5、7、9 m四个高度,东、南、西、北4个方向,及树冠外、中、内3个部位共48个位点采集叶片样本,每个样本约100片叶片,平整置于自封袋内,放入零下20 ℃冰柜保存。
1.2.4 室内测定方法室内测定所用方法为优化后的洗脱称量粒度分析法(elution-weighing-particle size-analysis,EWPA)[11],即在清洗叶片后加入超声波震荡步骤。采用KQ-300DE型数控超声波清洗器对叶片样本进行20 min超声震荡,之后再进行离心洗液、烘干等步骤,收集叶表面滞纳颗粒物,进行称量,继而使用激光粒度仪测定颗粒物的粒径分布,最后由扫描仪结合WinRHIZO软件得到的叶片样本叶面积,换算得到各样本单位面积叶片PM2.5、PM10和TSP滞纳量。
1.3 数据处理采用Microsoft Excel 2010软件对数据进行整理,分析树冠叶片PM2.5、PM10和TSP滞纳量分布状况,采用SPSS 18.0统计分析软件对数据进行3因素方差分析,探究冠层高度、方向和部位及其交互作用对单木冠层叶片PM2.5、PM10和TSP滞纳量的影响。
2 结果与分析 2.1 累积滞尘期间大气污染状况与风级2014年7月17-26日期间风级多在2级以内,极个别时段风级达到3级。累积滞尘期间每小时PM2.5浓度为7-198 μg · m-3,PM2.5浓度日均值为12-138 μg · m-3,统计期所有时段PM2.5浓度平均值为70.7 μg · m-3。每小时PM10浓度为11-223 μg · m-3,PM10浓度日均值为38-153 μg · m-3,统计期所有时段PM10浓度平均值为99.0 μg · m-3(图 1)。累积滞尘期间,有6 d大气污染等级为优,2 d为良,2 d为轻度污染[12],总体上大气污染程度不严重。
2.2 树冠叶片大气颗粒物滞纳量 2.2.1 树冠叶片PM2.5滞纳量整个冠层48个位点单位面积叶片PM2.5滞纳量为0.26-7.92 μg · cm-2,均值为1.72 μg · cm-2,标准差为0.98×10-6,变异系数为0.46。由图 2可看出,东向树冠内不同部位(外、中、内)的单位面积叶片PM2.5滞纳量均是3 m处最大;外、中部的5、7和9 m处单位面积叶片PM2.5滞纳量相差较小,均在8%以内。西向树冠外部和内部同样也是3 m处单位面积叶片PM2.5滞纳量最大。南向树冠外、中、内3部位单位面积叶片PM2.5滞纳量最大值依次是5、3、5 m处。北向树冠外部单位面积叶片PM2.5滞纳量随高度增加而减少,3 m处单位面积叶片PM2.5滞纳量分别是5、7和9 m处的1.3、1.5、2.2倍。
2.2.2 树冠叶片PM10滞纳量冠层单位面积叶片PM10吸滞量为0.74-15.10 μg · cm-2,均值为5.00 μg · cm-2,标准差为2.28×10-6,变异系数为0.57。东向树冠外、中、内3个部位均是3 m处单位面积叶片PM10滞纳量最大,分别是最低值的1.2、1.5、1.7倍。西向树冠外部和内部也是3 m处单位面积叶片PM10滞纳量最大。南向树冠外部、中部单位面积叶片PM10滞纳量最大值为5 m处,但外部最小值为3 m处,中部最小值为9 m处。北向树冠外、中、内部单位面积叶片PM10滞纳量最值无明显特征(图 3)。
2.2.3 树冠叶片TSP滞纳量冠层单位面积叶片TSP滞纳量为3.04-24.6 μg · cm-2,均值为10.73 μg · cm-2,标准差为4.52×10-6,变异系数为0.42。树冠各位点TSP滞纳量大小变化无统一规律,但整体上单位面积叶片TSP滞纳量最值分布与PM2.5、PM10有所不同。最典型的是北向树冠内其不同部位(外、中、内)单位面积叶片TSP滞纳量最大值均为9 m处,最小值依次为5、5、3 m处(图 4)。
2.3 树冠叶片大气颗粒物滞纳量影响因子分析分别就3、5、7、9 m四个高度,东、西、南、北4个方向,以及树冠外、中、内3个部位进行方差分析。结果显示,高度对冠层单位面积叶片PM2.5滞纳量有显著影响(P < 0.05),进一步多重比较,7 m处与3、5 m处单位面积叶片PM2.5滞纳量都有显著差异。但高度对PM10和TSP滞纳量无显著影响(P > 0.05),方向和部位对冠层单位面积叶片PM2.5、PM10和TSP滞纳量的影响未达到显著水平(P > 0.05),这3个因子的交互作用对树冠单位面积叶片、和TSP滞纳量亦无显著影响(P > 0.05)(表 2)。
变异来源Source of variation | 大气颗粒物Atmospheric particulates | ||
PM2.5 | PM10 | TSP | |
高度Height | < 0.050* | 0.273 | 0.536 |
方向Direction | 0.350 | 0.231 | 0.230 |
部位Position | 0.504 | 0.287 | 0.356 |
高度×方向Height×Direction | 0.462 | 0.626 | 0.913 |
高度×部位Height×Position | 0.988 | 0.992 | 0.992 |
方向×部位Direction×Position | 0.814 | 0.728 | 0.478 |
高度×方向×部位Height×Direction×Position | 0.972 | 0.948 | 0.970 |
1)表中数据为P值,*表示影响显著(P < 0.05)。Note : in the table, * indicate significant differences among treatments (P < 0.05). |
文中以城市道路边银杏单木为例,分别不同高度、方向、部位进行采样,并基于洗脱称量粒度分析法[11]对样品进行定量测定分析,研究单木冠层大气颗粒物滞纳量的空间变异性。
国内关于单木冠层滞留颗粒物空间分布的研究大都是滞尘总量的研究,文中测得的单位面积叶片大气颗粒物滞纳量在数量级上与HOFMAN et al[8]研究中所测定冠层滞留0.2-3.0 μm粒径颗粒物的结果接近。研究表明,冠层4个高度、东西南北4个方向及外中内3个部位的单位面积叶片PM2.5、PM10和TSP的滞纳量无统一规律。数据直观比较结果显示,树冠单位面积叶片PM2.5和PM10滞纳量分布状况较为相似,各方向、各部位单位面积叶片测定滞纳量最大值集中于3、5 m处,最小值集中在7、9 m处,而树冠单位面积叶片TSP滞纳量分布特征与上述有所不同,其最大值集中于9、7 m处,而最小值集中于3、5 m处。郭鑫等[5]、郑敬刚[6]等研究结果都是同一树种随着高度增高,叶片滞尘量依次减少。他们的研究对象是滞尘总量,文中区分了PM2.5、PM10和TSP,在前人研究基础上可细化得出更全面的结论,即低处叶片PM2.5、PM10滞纳量更大,高处叶片TSP滞纳量更大些。造成该现象的原因可能是低处树冠聚集了较多因来往车辆、人为活动而形成的二次颗粒物,这部分颗粒物中粒径小的颗粒物更多些,同时也说明与污染源的距离直接影响到叶片大气颗粒物的滞纳量。
文中方差分析结果显示,只有叶片PM2.5滞纳量受高度的影响达显著水平(P < 0.05),与前人研究结果一致[8]。此外,方向和部位及高度、方向、部位三因子交互作用对冠层单位面积叶片PM2.5、PM10和TSP滞纳量无显著影响(P > 0.05)。
在评估城市森林植被对颗粒物的作用的科学研究中,怎样采样要针对不同研究目的制定采样方案。采样方法、滞尘时间及气象条件不同都会造成科研结果不具对比性。由文中结果显示,高度对树冠单位面积叶片PM2.5滞纳量有显著影响,且污染源的距离是一个关键因素。因此,若要对比不同树种PM2.5滞纳能力,则应该统一采样高度,即参考面应为地面,而不是树冠的“上、中、下”,要在垂直方向和水平方向统一距离污染源的高度进行采样。若要精细化研究冠层滞尘量,则需要多位点采样,但在0-2级风、大气污染程度不严重的气象条件下,可以一定程度上忽视不同方向和部位采样点的设置、重视不同高度采样点的设置。若只关注冠层单位面积叶片PM2.5的最大吸滞量,则只需采集距离污染源最近一个方向、最外侧、较低高度树冠的叶片。研究清楚城市单木冠层颗粒物滞纳量的空间变异性,可方便相关科研工作者根据具体研究目的选择合适的采样方法,减少不必要的工作量。但单木冠层颗粒物吸滞情况受树种本身特性、环境、气象因子等影响较大,本研究条件下得出的结论具有一定的参考价值,但还不具备普适性,针对各类树种在不同气象、环境等条件下的采样方法有待进一步研究。
[1] | 王玮, 汤大钢, 刘红杰. 中国PM2.5污染状况和污染特征的研究[J]. 环境科学研究, 2000, 13(1): 1–5. |
[2] | 王晓磊, 王成. 城市森林调控空气颗粒物功能研究[J]. 生态学报, 2014, 34(8): 1910–1921. |
[3] | BECKETT KP, FREER-SMITH P H, TAYLOR G. Urban woodlands:their role in reducing the effects of particulate pollution[J]. Environmental Pollution, 1998, 99(3): 347–360. |
[4] | 张新献, 古润泽. 北京城市居住区绿地的滞尘效益[J]. 北京林业大学学报, 1997, 19(4): 12–17. |
[5] | 郭鑫, 张秋良, 唐力, 等. 呼和浩特市几种常绿树种滞尘能力的研究[J]. 中国农学通报, 2009, 25(17): 62–65. |
[6] | 郑敬刚. 城市交通道路绿化带滞尘能力研究[J]. 河南科学, 2013, 31(7): 1073–1075. |
[7] | 蔡燕徽.城市基调树种滞尘效应及其光合特性研究[D].福州:福建农林大学, 2010. http://cdmd.cnki.com.cn/article/cdmd-10389-2010181981.htm |
[8] | HOFMAN J, WUYTS K, VAN WITTENBERGHE S, et al. On the link between biomagnetic monitoring and leaf-deposited dust load of urban trees:relationships and spatial variability of different particle size fractions[J]. Environmental Pollution, 2014, 189: 63–72. |
[9] | FREER-SMITH P H, HOLLOWAY S, GOODMAN A. The uptake of particulates by an urban woodland:site description and particulate composition[J]. Environmental Pollution, 1997, 95(1): 27–35. |
[10] | 王杰.中国空气质量在线监测分析平台[OL]. (2013-12-01)[2014-07-01]. http://www/aqistudy.cn. |
[11] | 张志丹, 席本野, 曹治国, 等. 植物叶片吸滞PM2.5等大气颗粒物定量研究方法初探以毛白杨为例[J]. 应用生态学报, 2014, 25(8): 2238–2242. |
[12] | 王月容, 李延明, 李新宇, 等. 北京市道路绿地对PM2.5浓度分布与消减作用的影响[J]. 湖北林业科技, 2013, 42(6): 4–9. |