环境科学学报  2016, Vol. 36 Issue (10): 3840-3847
引用本文
张维康, 王兵, 牛香. 2016.北京市常见树种叶片吸滞颗粒物能力时间动态研究[J]. 环境科学学报, 36(10): 3840-3847.
ZHANG W K, WANG B, NIU X. 2016.Dynamic research on particulates-absorbing capacities of common tree species leaves in Beijing over time[J]. Acta Scientiae Circumstantiae, 36(10): 3840-3847.
北京市常见树种叶片吸滞颗粒物能力时间动态研究    [PDF全文]
张维康2, 王兵1,3, 牛香1,3    
1. 中国林科院森林生态环境与保护研究所, 北京 100091;
2. 沈阳农业大学林学院, 沈阳 110866;
3. 北京林果业生态环境功能提升协同创新中心, 北京 102206
收稿日期: 2015-11-03; 修回日期: 2015-12-17; 录用日期: 2016-01-05
基金项目: 中央级公益性科研院所基本科研业务专项基金（No.CAFBB2016QA007）；林业公益性行业科研专项（No.20130430101）
作者简介: 张维康(1986-), 男, 博士研究生, E-mail:zhwk1986@bjfu.edu.cn
通讯作者（责任作者）: 牛香, E-mail:niuxiang@caf.ac.cn
摘要: 目前，以显微镜观察叶片微观结构已被证明是研究叶片吸滞颗粒物机理的有效方法.本文利用颗粒物再悬浮法和原子力显微镜，观察了北京市主要园林树种吸滞颗粒物的能力和叶片的表面特征，并探讨了不同树种吸滞颗粒物能力随时间变化的规律及叶片微观结构对滞尘能力的影响.结果表明：①针叶树种吸滞总悬浮颗粒物（TSP）能力大于阔叶树种，排序为：油松（（27.13±0.44）μg·cm-2）>白皮松（（10.74±0.23）μg·cm-2）>五角枫（（8.24±0.18）μg·cm-2）>柳树（（7.71±0.18）μg·cm-2）>银杏（（6.43±0.17）μg·cm-2）>杨树（（6.17±0.19）μg·cm-2），不同时间段树种滞尘能力不一致；②观测期间，针叶树种吸滞TSP和粗颗粒物（PM10）能力随月份呈U型趋势，在8、9和10月最低，随后又逐渐上升，而阔叶树种吸滞颗粒物能力则呈倒U型趋势，在7、8月最高，但不同树种吸滞细颗粒物（PM2.5）能力随时间变化均无明显规律性；③通过对叶片表面原子力显微镜（AFM）结构观测发现，叶片表面粗糙度越大，其吸滞颗粒物能力越强.
关键词: 北京市     叶片     AFM     颗粒物     PM10     PM2.5     粗糙度    
Dynamic research on particulates-absorbing capacities of common tree species leaves in Beijing over time
ZHANG Weikang2, WANG Bing1,3, NIU Xiang1,3    
1. Research Institute of Forest Ecology, Environment and Protection, Chinese Academy of Forestry, Beijing 100091;
2. College of Forestry, Shenyang Agricultural University, Shenyang 110866;
3. Beijing Collaborative Innovation Center for Eco-environmental Improvement with Forestry and Fruit Trees, Beijing 102206
Supported by the Fundamental Research Funds for the Central Public Research Institutes(No.CAFBB2016QA007) and the Special Public Welfare Fund for Forestry Industry Research(No.20130430101)
Biography: ZHANG Weikang(1986—), male, Ph.D. candidate, E-mail:zhwk1986@bjfu.edu.cn
*Corresponding author: NIU Xiang, E-mail:niuxiang@caf.ac.cn
Abstract: It has been proven that the microstructure observation for leaves though microscope is an effective method in studying the mechanism of leaves absorbing atmospheric particulates. In this paper, the Atomic Force Microscopy (AFM) and Resuspended Particulates Method were applied for studying the leaf adsorption ability of particles and leaf surface features on the main garden tree species in Beijing. Meantime, the patterns of particulates-absorbing capacities with time for different tree species and the effect of leaves surface features on the particulates-absorbing capacities were also explored. The results showed that coniferous tree species absorbed more total suspended particulates (TSP) of unit leaf area than broad-leaved tree species. The specific order was Pinus tabuliformis ((27.13±0.44) μg·cm-2) > Pinus bungeana ((10.74±0.23) μg·cm-2) > Salix matsudana((8.24±0.18) μg·cm-2) > Acer truncatum ((7.71±0.18) μg·cm-2) > Ginkgo biloba ((6.43±0.17) μg·cm-2) > Populus tomentosa ((6.17±0.19) μg·cm-2). There were significant differences for the particulates-absorbing capacities in various periods. During the entire observation, the seasonal pattern of coniferous tree species absorbing TSP and coarse particulates (PM10) was U-shape with the lowest value in August, September and October. In comparison, broad-leaved tree species presented an inverse U-shaped seasonal pattern with the highest value in July and August. There were no obvious patterns for the tested tree species absorbing fine particulates (PM2.5). AFM observation on leaf surface topography showed that the greater the leaves roughness was, the stronger adsorptive capacities of leaves.
Key words: Beijing     leaves     AFM     particulate matter     PM10     PM2.5     roughness    
1 引言(Introduction)

近年来, 随着全球工业化和城市化的快速发展, 空气污染已成为严重的城市环境问题(Amann et al., 2013；Burtraw et al., 2003；Elena et al., 2011).空气污染物特别是空气颗粒物对人类健康和城市居民的生活质量产生了严重的危害, 如空气中PM10 (Dp < 10 μm)和PM2.5 (Dp < 2.5 μm)每增加10 μg·m-3, 1~3岁儿童得哮喘病的概率会分别提高1.06%和1.12%(Clark et al., 2010).空气中颗粒物主要来源可分为天然源和人为源(图 1).天然源包括地面扬尘、海浪溅出的浪沫和盐粒、火山爆发所释放出来的火山灰、森林火灾的燃烧物及植物的花粉和孢子等(Zhang et al., 2015；季静等, 2013).人为源主要是人类活动和化石燃料燃烧过程中形成的烟尘、灰尘等(Seinfeld et al., 1975；Seinfeld et al., 1975；季静等, 2013), 包括重金属、黑碳的混合物、多环芳香族、碳氢化合物和其他悬浮在大气中的物质(Kazuhide et al., 2010).

图 1 空气颗粒物主要来源 Fig. 1 Main sources of air particulate matter

北京作为国际型大都市, 随着经济的高速发展, 城市规模的不断扩大, 人口及机动车辆急剧增多.据统计, 在2013年北京市常住人口2100万, 机动车辆550万辆, 平均每4人1辆车, 这导致北京市大气环境污染已达相当严重的程度(Seinfeld et al., 1975).2013年1月, 北京连续发生4次强霾污染, 平均PM2.5浓度达到200 μg·m-3.按照当时空气中PM2.5浓度, 以城区面积为750 km2来推算, 北京城上空悬浮的颗粒物总量超过4000 t；而2014年2月北京PM2.5浓度一度高达900 μg·m-3(Chen et al., 2015).目前, 干净的空气已经成为奢侈品, 如何降低空气中的颗粒物浓度已迫在眉睫.目前减少空气颗粒物主要有两条途径, 一是控制颗粒物排放源, 如减少工厂“三废”的排放、改变能源结构、减少汽车数量等；二是通过森林植被来降低空气中颗粒物浓度(Hang et al., 2011).森林之所以能够减少空气中颗粒物, 主要是由于植被能够增加地表粗糙度, 降低风速从而提高空气颗粒物的沉降速率, 同时其叶片的理化特性, 提供了利于颗粒物附着的条件；此外, 枝、叶、茎还能够通过气孔和皮孔吸收颗粒物的前体物质(包括CO、SO2、NOx、O3及PAHs等有机污染物)和细小的空气颗粒物(Räsänen et al., 2014), 从而降低大气污染物的浓度.因此, 通过植树造林来增加地表覆盖率, 可以有效地减少空气污染物的浓度, 达到净化大气的目的(Beckett et al., 2000a; 2000b).世界上已有许多国家用植树造林的方式来减少空气颗粒物污染(Tallis et al., 2011).Nowak等(2006)应用BenMap程序模型对美国10个城市树木的PM2.5去除量进行估算研究, 得出树木每年去除的可入肺颗粒物总量为4.7~64.5 t, 在整个美国, 城市林木和灌木每年可以移除大约21500 t PM10. McDonald等(2007)研究发现, 当英国城市植树面积占城市面积1/4时, 可以有效地减少PM10浓度2%~10%.但不同植物对空气颗粒物的滞留能力及滞尘机理存在较大差异(王蕾等, 2006), 目前有关植物对PM2.5等颗粒物的滞尘机理方面的系统研究尚显薄弱.

因此, 本文主要研究北京市6种主要绿化树种叶片对颗粒物吸滞能力的季节变化及其影响因素, 分析不同树种吸滞颗粒物能力随时间的变化规律, 以及不同树种叶表面形态特征对植物吸滞颗粒物能力的影响, 最终阐释植物吸滞颗粒物的机理.这对选择和优化城市园林植物的种类, 降低城市大气颗粒污染物和提高空气质量具有重要的参考意义.

2 材料与方法(Materials and methods) 2.1 研究地点

北京植物园位于北京西山脚下(39°59′54″N、116°12′12″E), 全园总规划面积400 hm2, 园内植物有150万余株, 是集植物资源展示和保护、科研、科普、游憩和开发为一体的综合性植物园.园中栽培了6000多种植物, 包括2000种乔木和灌木, 1620种热带和亚热带植物, 500种花卉及1900种果树、水生植物和中草药等.主要植被类型包括油松(Pinus tabuliformis)、白皮松(Pinus bungeana)、侧柏(Platycladus orientalis)、红松(Pinus koraiensis)、银杏(Ginkgo biloba)、刺槐(Robinia pseudoacacia)、大叶黄杨(Buxus megistophylla)、毛白杨(Populus tomentosa)、旱柳(Salix matsudana)等, 植被覆盖率达到80%以上, 园内物种基本代表了华北地区典型植被类型(张维康等, 2015).研究区空气中颗粒物浓度状况如表 1所示.

表 1 北京植物园PM10和PM2.5质量浓度状况 Table 1 Concentrations of PM2.5 and PM10 in Beijing Botanical Garden
2.2 供试材料

测试树种主要选取了油松(Pinus tabuliformis)、白皮松(Pinus bungeana)、五角枫(Acer truncatum)、柳树(Salix matsudana)、杨树(Populus tomentosa)和银杏(Ginkgo biloba), 这6个树种不仅是北京市的常见树种, 而且是在北京市城市绿化中主要选用的树种(王会霞等, 2015).采样时每种植物选取3株生长状况良好的、林龄相近的个体植株.从4月1日—10月31日, 每月月初采集试验样品, 每隔15 d采集1次, 每次采集期间选择晴朗无风天, 且采样前后10 d没有降雨(王兵等, 2015).样品采集原则为在乔木生长高度2~3 m处, 分别在东、南、西、北4个方向采集叶片, 根据叶片大小在每株树采集100~200 g不等的叶片(表 2), 采摘的叶片要求成熟、完整、无病虫害和断残.把采摘下来的叶片立即封存于自封袋中, 及时带到位于植物园内的实验室进行测量.

表 2 6种园林植物树高、胸径及叶片采集量 Table 2 Height and breast-height diameter as well as amount of sampled leaves of six tree species
2.3 单位叶面积滞尘量

将待测树种的叶片分别放入气溶胶再发生器(QRJZFSQ-I)(颗粒物再悬浮法), 然后在气溶胶再发生器中测试叶片上吸滞的TSP、PM10、PM2.5的质量.每个树种进行3次重复.

把测量完的阔叶树种叶片放入扫描仪(Canon LIDE 110)进行扫描, 使用Adobe Photoshop软件对扫描完的图像进行处理, 利用叶面积分析软件计算叶片面积S(cm2).针叶树种则利用游标卡尺测量其长度和直径并计算叶面积.不同树种单位叶面积吸滞颗粒物量的计算公式为：

(1)

式中, Mi表示不同树种单位叶面积吸滞不同粒径颗粒物的质量(μg·cm-2)；mij表示测试叶片表面吸滞颗粒物的质量(μg)；i表示不同树种；j表示颗粒物种类；n=3, 表示重复3次；S表示测试叶片叶面积(cm2).

2.4 不同树种叶片表面AFM特征

通过原子力显微镜(Atomic Force Microscopy, 缩写为AFM)直接对叶片表面的观察, 较好地保持了叶片表面原来的形态, 而且可以在接近生理状态的条件下观察样品, 并获取叶面的二维和三维微观结构图像, 包括表皮细胞形态、气孔微结构、保卫细胞形态等及用其他方法很难观察到的精细结构, 为认识叶面的结构和功能提供了有力的技术支持.

将叶片带回实验室后, 用蒸馏水冲洗叶片正背面, 用吸水纸小心除去叶片表面水分, 选取叶片较平坦的表面并尽量避开叶脉, 制成约5 mm×5 mm的样本.在室温条件下, 用扫描探针显微镜(SPI3800-SPA-400, Seiko Instruments Inc.)在原子力显微分析模式下以非接触模式, 用金涂层Si3N4探针对样品进行扫描和拍摄, 扫描速率0.5 Hz, 横向分辨率为0.2 nm, 垂直分辨率为0.01 nm, 最大扫描范围为100 μm ×100 μm.所有的AFM图像均是高度模式, 未对图像做任何处理(石辉等, 2011).

3 结果与分析(Results and analysis) 3.1 不同树种吸滞颗粒物能力时间动态变化特征

图 2为不同树种单位叶面积对TSP、PM10和PM2.5颗粒物的吸滞能力随时间的变化规律.在监测时期(2014年4—10月), 针叶树种叶片无论对粗颗粒物(>10 μm), 还是对细颗粒物( < 2.5 μm)的吸滞能力都要大于阔叶树种, 而在阔叶树种中, 柳树叶片的吸滞颗粒物能力最强, 杨树、银杏最小.但不同树种叶片吸滞颗粒物的能力是随时间而变化的, 如油松和白皮松对TSP的吸滞量表现为先降低后增加的U型规律, 在4—5月最大, 7—8月最小, 到了10月之后又逐渐增大；阔叶树种则表现为先上升后降低的倒U型规律, 4—5月吸滞量比较小, 到了7—8月达到最大值, 随后逐渐降低.测试树种对PM10的吸滞能力规律与TSP基本一致.但对测试树种叶片吸滞PM2.5能力的研究发现, 不同树种叶片对PM2.5的吸滞能力随时间的变化与对TSP和PM10的吸滞能力变化规律不一样, 其中, 针叶树油松和白皮松对PM2.5的吸滞能力变化无规律, 在10月吸滞能力达到最大, 油松和白皮松的PM2.5吸滞量分别为(0.930±0.054) μg·cm-2和(0.440±0.032) μg·cm-2, 而5月和8月最小, 分别为油松(0.120±0.002)、(0.180±0.001) μg·cm-2和白皮松(0.110±0.001)、(0.210±0.002) μg·cm-2, 导致这种变化的原因可能与当时的气候有关, 5—6月北京大风天气比较多, 受到大风的影响, 吸滞在叶片表面的PM2.5颗粒物脱离叶片, 导致叶片吸滞颗粒物比较小；而在8月, 北京一年降雨多集中在此阶段, 叶片吸滞的PM2.5颗粒物受到雨水的冲洗, 颗粒物量减少.对于阔叶树种叶片对PM2.5吸滞能力研究发现, 除了在测试树种展叶期外, 叶片对PM2.5吸滞能力随时间变化基本保持不变, 可能是因为阔叶吸滞颗粒物能力主要与叶片表面形态结构有关.

图 2 不同树种叶片吸滞颗粒物能力随时间的变化规律 Fig. 2 Temporal pattern of absorptive ability of different tree species leaves
3.2 叶片表面AFM扫描特征分析

用AFM对样品进行扫描, 得到如图 3所示的扫描范围为100 μm ×100 μm的二维和三维形态图.二维图以色度值的高低表示物体高度的变化, 色度值越高表示高度越高, 粗糙度高, 色度值越低表示高度越低, 粗糙度低；三维图可以从各个角度观察物体, 得到更形象的结果.

图 3 不同树种叶片AFM扫描图(A~F分别为油松、白皮松、五角枫、柳树、杨树和银杏叶正面、背面的二、三维图像；油松和白皮松无正背面之分) Fig. 3 Two-and three-dimensional AFM images of different tree species leaves

从图 3可以看出, 油松表面有明显的凹槽和峰谷, 而白皮松凹槽和峰谷不太明显.五角枫正背面叶片都有褶皱, 正面褶皱起浮较大、高低不平, 有大量凹槽存在.柳树叶片正背面均有较高的峰谷, 隆起部位较多, 正面中间有凹槽, 背面高低不平.杨树叶片正背面均比较平滑, 正面叶片在四周有较少的凸起.从图中进一步分析可知, 柳树叶片的正背面峰谷之间的高差差异较大, 分别为1700~2000 nm, 而杨树叶片则差异较小, 分别为500~700 nm.

3.3 叶片表面的AFM扫描参数

在表征表面的粗糙度时常用的参数有轮廓算术平均偏差(Ra)、微观不平度十点高度(Rz)、峰谷值(P-V)和微粗糙度(RMS), 其中, Ra是最常用的粗糙度表征参数(如表 3所示).在表 3中还包括了表面积参数S, 它是用于测定粗糙度参数的面积, 面积比SR是测定粗糙度参数的面积占整个视窗面积的比例.将6个树种正背面叶片粗糙度取均值, 除了油松和白皮松, 植物叶片粗糙度与单位叶面积滞尘吸滞量呈现较好的线性关系, 随着叶片粗糙度增大单位叶面积吸滞颗粒物量也增大.不同树种正背面粗糙度均值排序为：柳树(553.03±61.54) nm > 银杏(258.34±39.40) nm > 五角枫(226.09±69.08) nm > 杨树(145.30±15.61) nm, 这与阔叶树种单位叶面积吸滞颗粒物量的排序(柳树 > 五角枫 > 银杏 > 杨树)基本一致.可见, 在阔叶树种中, 叶片粗糙度与单位叶面积PM2.5吸滞量呈正相关(Wang et al., 2013).

表 3 不同树种叶片AFM观察参数(平均值±误差) Table 3 AFM parameters of different tree species leaves (Mean±SE)
4 讨论(Discussion) 4.1 不同树种吸滞颗粒物能力随时间变化的影响因素

自从2010年来, 北京市通过节能减排措施逐渐降低了污染物的排放量, 从长期来看, 空气中总体污染物浓度变化趋势是逐渐降低的(国家统计局, 2014).但根据2014年北京市环保局的环境质量年报表可知(表 4), 北京PM2.5年平均值为88.64 μg·m-3, 超过国家标准(35 μg·m-3)1.45倍, 二氧化硫(SO2)年平均浓度值为21.68 μg·m-3, 达到国家标准；二氧化氮(NO2)年平均值为53.13 μg·m-3, 超过国家标准42%；PM10年平均浓度值为116.21 μg·m-3, 超过国家标准(70 μg·m-3)0.65倍.总体而言, 北京市空气中主要污染物, 除了二氧化硫达到国家标准外, 其他污染物浓度均未达到国家标准.作为有效的生物滞尘途径, 植物滞尘在北京地区治理大气环境发挥了重要作用(Sæbø et al., 2013).不同树种的叶片滞尘能力主要取决于树种叶片结构特征、叶片面粗糙度、被毛情况及滞尘方式等(刘璐等, 2013).叶片在不同的生长时间段内, 其叶片的结构不一样(Mitchell et al., 2010).对于TSP和PM10的吸滞能力, 针叶树种其叶片是多年生, 叶片表面结构在不同时间段趋于一致, 在不同季节, 针叶树种滞尘能力大小主要取决于不同季节空气中颗粒物浓度, 受叶片表面结构特征、粗糙度影响较小；而阔叶树种在不同季节对空气颗粒物的吸滞能力受叶片的表面结构影响相对较大, 但无论针叶树种还是阔叶树种, 叶片对PM2.5吸滞能力随时间的变化主要取决于叶片结构特征、叶片粗糙度等表面特性(Terzaghi et al., 2013).

表 4 北京市2014年不同区县主要污染物年平均浓度 Table 4 Annual average concentration of main pollutants of Beijing in 2014
4.2 叶片表面微观形态特征对叶片吸滞颗粒物能力的影响

通过研究认为, 叶片表面的粗糙度影响细小颗粒物的滞留, 颗粒物与叶片之间的物理作用则是影响较大颗粒物滞留的主要方式(赵晨曦等, 2013；王华等, 2013, 吴海龙等, 2012).从叶片AFM微观结构可以看出, 叶片表面存在大量的沟槽、峰谷区域和凹陷, 导致叶片的表面粗糙度较高, 进而有利于颗粒物的滞留.从表 2可知, 阔叶树种叶片表面的粗糙度大于针叶树种, 而通过研究发现, 针叶树种叶片单位面积滞尘能力却高于阔叶树种(Freer-Smith et al., 2005；张志丹等, 2014；范舒欣等, 2015)；同时, 研究表明, 叶片吸滞能力除受叶片表面粗糙度影响外, 叶片表面气孔密度、油脂厚度、空气中颗粒物浓度等其他因素也有较大影响(张维康等, 2015).在所研究的阔叶树种中, 叶片表面的粗糙度与树种叶片吸滞颗粒物能力成正比, 表面阔叶树种吸滞颗粒物的能力受叶片粗糙度等表面形态特征影响较大.

5 结论(Conclusions)

本研究认为, 树种叶片吸滞颗粒物能力在不同的生长时间段是不一样的, 在观测期内(2014年4月1日—10月31日), 油松和白皮松叶片对于TSP和PM10的吸滞能力, 随时间表现出先降低后升高的趋势, 对PM2.5吸滞能力则无规律性；而阔叶树种对于TSP和PM10的吸滞能力则表现出先升高后降低的趋势, 对PM2.5吸滞能力, 除了在展叶期, 其能力基本保持不变.通过AFM特征观察发现, 叶片表面粗糙度影响叶片吸滞颗粒物的能力, 但不同的树种影响程度不同.同时认为树种能够有效地吸滞空气中的颗粒物, 特别是PM2.5颗粒物.因此, 在将来可以通过提高北京市植被覆盖率来净化大气, 提高空气质量.

参考文献
[${referVo.labelOrder}] Amann M, Klimont Z, Wagner F. 2013. Regional and global emissions of air pollutants: Recent trends and future scenarios[J]. Annual Review of Environment and Resources , 38 : 31–55. DOI:10.1146/annurev-environ-052912-173303
[${referVo.labelOrder}] Burtraw D A, Krupnick K, Palmer A, et al. 2003. Ancillary benefits of reduced air pollution in the US from moderate greenhouse gas mitigation policies in the electricity sector[J]. Journal of Environmental Economics and Management , 45 (3) : 650–673. DOI:10.1016/S0095-0696(02)00022-0
[${referVo.labelOrder}] Beckett K P, Freer Smith P H, Taylor G. 2000a. Effective tree species for local air quality management[J]. Journal of Arboriculture , 26 (1) : 12–19.
[${referVo.labelOrder}] Beckett K P, Freer Smith P H, Taylor G. 2000b. Particulate pollution capture by urban trees: effect of species and winds peed[J]. Global Change Biology , 6 (8) : 995–1003. DOI:10.1046/j.1365-2486.2000.00376.x
[${referVo.labelOrder}] Clark N A, Demers P A, Karr C J, et al. 2010. Effect of early life exposure to air pollution on development of childhood asthma[J]. Environmental Health Perspectives , 118 (2) : 284–90.
[${referVo.labelOrder}] 柴一新, 祝宁, 韩焕金.2002. 城市绿化树种的滞尘效应-以哈尔滨为例[J]. 应用生态学报 , 2002, 13 (9) : 1121–1126.
[${referVo.labelOrder}] Chen B, Lu S W, Li S N, et al. 2015. Impact of fine particulate fluctuation and other variables on Beijing's air quality index[J]. Environment Science and Pollution Research , 22 (7) : 5139–5151. DOI:10.1007/s11356-014-4024-z
[${referVo.labelOrder}] Elena P, Tommaso B, Gianluca G, et al. 2011. Air quality impact of an urban park over time[J]. Urban Environmental Pollution , 4 : 10–16.
[${referVo.labelOrder}] Freer-Smith P H, Beckett K P, Taylor G. 2005. Deposition velocities to Sorbus aria, Acer campestre, Populus deltoides×trichocarpa 'Beaupre ', Pinus nigra and×Cupressocyparis leylandii for coarse, fine and ultra-fine particles in the urban environment[J]. Environment Pollution , 133 (1) : 157–167. DOI:10.1016/j.envpol.2004.03.031
[${referVo.labelOrder}] 范舒欣, 晏海, 齐石茗月, 等.2015. 北京市26种落叶阔叶绿化树种的滞尘能力[J]. 植物生态学报 , 2015, 39 (7) : 736–745.
[${referVo.labelOrder}] 国家统计局. 2014. 北京统计年鉴[M]. 北京: 中国统计出版社 .
[${referVo.labelOrder}] Hwang H J, Yook S J, Ahn K H, et al. 2011. Experimental investigation of submicron and ultrafine soot particle removal by tree leaves[J]. Atmospheric Environment , 45 (38) : 6987–6994. DOI:10.1016/j.atmosenv.2011.09.019
[${referVo.labelOrder}] 季静, 王罡, 杜希龙, 等.2013. 京津冀地区植物对灰霾空气中PM2.5等细颗粒物吸附能力分析[J]. 中国科学:生命科学 , 2013, 43 (8) : 694–699.
[${referVo.labelOrder}] Kazuhide M, Yoshifumi F, Kentaro H, et al. 2010. Deposition velocity of PM2.5 sulfate in the summer above a deciduous forest in central Japan[J]. Atmospheric Environment , 44 (36) : 4582–4587. DOI:10.1016/j.atmosenv.2010.08.015
[${referVo.labelOrder}] 刘璐, 管东生, 陈永勤.2013. 广州市常见行道树种叶片表面形态与滞尘能力[J]. 生态学报 , 2013, 33 (8) : 2604–2614.
[${referVo.labelOrder}] Mcdonald A G, Bealey W J, Fowler D, et al. 2007. Quantifying the effect of urban tree planting on concentrations and depositions of PM10 in two UK conurbations[J]. Atmospheric Environment , 41 (38) : 8455–8467. DOI:10.1016/j.atmosenv.2007.07.025
[${referVo.labelOrder}] Nowak D J, Hirabayashi S, Bodine A, et al. 2013. Modeled PM2.5 removal by trees in ten US cities and associated health effects[J]. Environmental Pollution , 178 : 395–402. DOI:10.1016/j.envpol.2013.03.050
[${referVo.labelOrder}] Nowak D J, Crane D E, Stevens J C. 2006. Air pollution removal by urban trees and shrubs in the United States[J]. Urban Forestry &Urban Greening , 4 (3) : 115–123.
[${referVo.labelOrder}] Räsänen J V, Holopainen T, Joutsensaari J, et al. 2014. Particle capture efficiency of different-aged needles of Norway spruce under moderate and severe drought[J]. Canadian Journal of Forest Research , 44 (7) : 831–835. DOI:10.1139/cjfr-2014-0068
[${referVo.labelOrder}] Mitchell R, Maher B A, Kinnersley R. 2010. Rates of particulate pollution deposition onto leaf surfaces: Temporal and inter-species magnetic analyses[J]. Environmental Pollution , 158 (5) : 1472–1478. DOI:10.1016/j.envpol.2009.12.029
[${referVo.labelOrder}] Seinfeld J H. 1975. Air Pollution Physical and Chemical Fundamentals[M]. New York: McGraw-Hill: 1 -523.
[${referVo.labelOrder}] 石辉, 王会霞, 李秧秧, 等.2011. 女贞和珊瑚树叶片表面特征的AFM观察[J]. 生态学报 , 2011 (5) : 1471–1477.
[${referVo.labelOrder}] Sæbø A, Popek R, Nawrot B, et al. 2012. Plant species differences in particulate matter accumulation on leaf surfaces[J]. Science of the Total Environment , 427 : 347–354.
[${referVo.labelOrder}] Terzaghi E, Wild E, Zacchello G, et al. 2013. Forest filter effect: Role of leaves in capturing/releasing air particulate matter and its associated PAHs[J]. Atmospheric Environment , 74 : 378–384. DOI:10.1016/j.atmosenv.2013.04.013
[${referVo.labelOrder}] Tallis M, Taylor G, Sinnett D, et al. 2011. Estimating the removal of atmospheric particulate pollution by the urban tree canopy of London, under current and future environments[J]. Landscape and Urban Planning , 103 (2) : 129–138. DOI:10.1016/j.landurbplan.2011.07.003
[${referVo.labelOrder}] 王蕾, 高尚玉, 刘连友, 等.2006. 北京市11种园林植物滞留大气颗粒物能力研究[J]. 应用生态学报 , 2006, 17 (4) : 597–601.
[${referVo.labelOrder}] 王华, 鲁绍伟, 李少宁, 等.2013. 可吸入颗粒物和细颗粒物基本特征、监测方法及森林调控功能[J]. 应用生态学报 , 2013, 24 (3) : 869–87.
[${referVo.labelOrder}] 王兵, 王晓燕, 牛香, 等.2015. 北京市常见落叶树种叶片滞纳空气颗粒物功能[J]. 环境科学 , 2015, 36 (6) : 2005–2009.
[${referVo.labelOrder}] 王兵, 张维康, 牛香.2015. 北京10个常绿树种颗粒物吸附能力研究[J]. 环境科学 , 2015, 36 (2) : 408–414.
[${referVo.labelOrder}] Wang H, Shi H, Li Y, et al. 2013. Seasonal variations in leaf capturing of particulate matter, surface wettability and micromorphology in urban tree species[J]. Frontiers of Environmental Science & Engineering , 7 (4) : 579–588.
[${referVo.labelOrder}] 王会霞, 王彦辉, 杨佳, 等.2015. 不同绿化树种滞留PM2.5等颗粒污染物能力的多尺度比较[J]. 林业科学 , 2015, 51 (7) : 9–20.
[${referVo.labelOrder}] 吴海龙, 余新晓, 师忱, 等.2012. PM2.5特征及森林植被对其调控研究进展[J]. 中国水土保持科学 , 2012, 10 (6) : 116–122.
[${referVo.labelOrder}] Zhang W K, Wang B, Niu X. 2015. Study on the adsorption capacities for airborne particulates of landscape plants in different polluted regions in Beijing (China)[J]. Environmental Research and Public Health , 12 (8) : 9623–9638. DOI:10.3390/ijerph120809623
[${referVo.labelOrder}] 张维康, 王兵, 牛香.2015. 北京市不同污染地区园林植物对空气颗粒物的滞纳能力[J]. 环境科学 , 2015, 36 (7) : 2381–2388.
[${referVo.labelOrder}] 赵晨曦, 王玉杰, 王云琦, 等.2013. 细颗粒物(PM2.5)与植被关系的研究综述[J]. 生态学杂志 , 2013, 32 (8) : 2203–2210.
[${referVo.labelOrder}] 张志丹, 席本野, 曹治国, 等.2014. 植物叶片吸滞PM2.5等大气颗粒物定量研究方法初探-以毛白杨叶片为例[J]. 应用生态学报 , 2014, 25 (8) : 1–5.