林业科学  2016, Vol. 52 Issue (12): 133-140   PDF    
DOI: 10.11707/j.1001-7488.20161216
0

文章信息

刘欢欢, 曹治国, 贾黎明, 李秀忠, 郝利峰, 刘金强, 王华, 席本野
Liu Huanhuan, Cao Zhiguo, Jia Liming, Li Xiuzhong, Hao Lifeng, Liu Jinqiang, Wang Hua, Xi Benye
基于超声清洗的植物叶片吸滞大气颗粒物定量评估——以银杏为例
Analysis of the Role of Ultrasonic Cleaning in Quantitative Evaluation of the Retention of Tree Leaves to Atmospheric Particles: A Case Study with Ginkgo biloba
林业科学, 2016, 52(12): 133-140
Scientia Silvae Sinicae, 2016, 52(12): 133-140.
DOI: 10.11707/j.1001-7488.20161216

文章历史

收稿日期:2016-01-06
修回日期:2016-06-06

作者相关文章

刘欢欢
曹治国
贾黎明
李秀忠
郝利峰
刘金强
王华
席本野

基于超声清洗的植物叶片吸滞大气颗粒物定量评估——以银杏为例
刘欢欢1, 曹治国2, 贾黎明1, 李秀忠3, 郝利峰3, 刘金强1, 王华4, 席本野1    
1. 北京林业大学省部共建森林培育与保护教育部重点实验室 北京 100083;
2. 河南师范大学环境学院 黄淮水环境污染防治省部共建教育部重点实验室 河南省环境污染控制重点实验室 新乡 453007;
3. 北京林大林业科技股份有限公司 北京 100083;
4. 北京市海淀区园林绿化局 100089
摘要【目的】 以银杏为例,在常规叶片清洗方法的基础上,定量评估增加超声波清洗步骤在植物叶片表面大气颗粒物完整收集中的效果和必要性,为本研究条件下的银杏叶片确定最佳超声波清洗技术参数组合。 【方 法】 首先,采用常规清洗(浸泡+搅拌-刷洗)+超声波清洗;6个超声时长(1、2、3、5、10、20 min)和4个超声功率组合成24种处理方法对叶片(雨后4天采样)进行清洗;然后,测定或观察每个洗脱步骤的叶表面颗粒物洗脱比例、洗脱液颜色变化、叶绿素析出量和叶表面颗粒物残留情况,来判断加入超声清洗的必要性。 【结果】 1)在40%、60%、80%和100%功率下,当超声波清洗时长分别为5、5、5和3 min时不会破坏叶片结构致使叶绿素析出叶片;2)不同超声功率下,浸泡+搅拌和进一步刷洗分别能洗脱掉叶表面33%~50%和34%~43%的颗粒物;3)在叶片经历常规清洗后,采用“100%功率+超声清洗3 min”的参数组合进行超声波清洗,可使叶表面洁净程度明显提高,且最高还可洗脱约四分之一(27%)的叶表面颗粒物;4)超声波清洗可将大量吸滞于叶表面细小、连续、条带状缝隙中的小粒径颗粒物洗脱掉。 【结论】 在定量评估植物叶片大气颗粒物吸滞能力时,加入超声波叶片清洗程序极为必要,其可帮助大幅提高叶片颗粒物吸滞量的评估精度。本研究条件下,银杏叶片的最佳清洗方法流程为“浸泡+搅拌-刷洗-100%功率下超声波清洗3 min”,但该方法的稳定性和普适性尚需进一步研究。
关键词: 大气颗粒物     超声波清洗     银杏    
Analysis of the Role of Ultrasonic Cleaning in Quantitative Evaluation of the Retention of Tree Leaves to Atmospheric Particles: A Case Study with Ginkgo biloba
Liu Huanhuan1, Cao Zhiguo2, Jia Liming1, Li Xiuzhong3, Hao Lifeng3, Liu Jinqiang1, Wang Hua4, Xi Benye1    
1. Key Laboratory of Silviculture and Conservation of Ministry of Education Beijing Forestry University Beijing 100083 ;
2. Key Laboratory for Yellow River and Huaihe River Water Environmental and Pollution Control of Ministry of Education Henan Key Laboratory for Environmental Pollution Control School of Environment, Henan Normal University Xinxiang 453007 ;
3. Beijing Forestry University Forest Science Co, Ltd. Beijing 100083 ;
4. Beijing's Haidian District Gardens Green Bureau Beijing 100089
Abstract: 【Objective】 Rapid and complete collection of the atmospheric particles retained on leaves is the premise of precisely evaluating the retention of tree leaves to atmospheric particles. In this study Ginkgo biloba as an example and based on the routine leaf cleaning methods, the role of ultrasonic cleaning in quantitative evaluation of the retention of tree leaves to atmospheric particles was investigated. In addition, the optimal ultrasonic cleaning parameters were also determined for Ginkgo biloba leaves. 【Method】 Routine cleaning methods (soak & stirring and scrubbing) and ultrasonic cleaning procedure were sequentially conducted to leaf samples to collect particles retained on leaves. And then the mass proportion of particles cleaned off through each cleaning step, eluent color changed, amount of chlorophyll a exuded from leaves in all scenarios, and the residue of particles on leaves after all cleaning processes were estimated or observed. 【Result】 Results showed that:1) under ultrasonic powers of 200, 300, 400 and 500 W, the best ultrasonic cleaning time was 5, 5, 5 and 3 min, respectively; 2) under different ultrasonic powers, soak & stirring or plus scrubbing contributed 33%-50% and 34%-43% to all the particles cleaned off from leaves, respectively; 3) after routine cleaning procedures, further cleaning with ultrasonic under power of 500 W could make the leaves more clean, and washed off at the maximum about 27% of the particles retained on leaves; 4) the observation with a scanning electronic microscope, showed that ultrasonic was able to help to clean off particles within small diameter classes retained in leaf surface gaps efficiently. 【Conclusion】 Consequently, it is essential to introduce ultrasonic into the leaf cleaning procedure so as to improve the evaluation precision of atmopheric particles retained on leaves. The optimal cleaning procedure was demonstrated to be "soak & stirring-scrubing-ultrasonic power of 500 W for 3 min" for Ginkgo biloba leaves in our laboratory, but its stability and general applicability to different plant species should be further investigated.
Key words: atmospheric particulate matter     ultrasonic cleaning     Ginkgo biloba    

大气颗粒物(PM,particulate matter)尤其是其中的细颗粒物可引发哮喘、支气管炎和心血管病等疾病,严重威胁人类健康(Chen et al.,2013),近年来成为全民关注的焦点。众多研究表明,植被尤其是木本植物,可通过覆盖地表减少颗粒物来源、吸滞大气颗粒物、影响微气象因子间接作用于大气颗粒物等方式(Yin et al.,2011Nowak et al.,2013王晓磊等,2014Song et al.,2015)对大气颗粒物起到一定的调控和消除作用。因此,借助城市树木的颗粒物吸滞机制来减轻大气颗粒物污染成为近年来研究热点(王赞红等,2006Chen et al.,2015)。

精确定量测定城市树木叶片的大气颗粒物吸滞量是在叶片、单木和林分尺度上准确评估城市树木大气颗粒物吸滞能力的基础。近年来国内外学者针对不同城市树种开展了大量相关研究(王兵等,2015王会霞等,2015Song et al.,2015)。完整收集叶表面的颗粒物是准确评估树木大气颗粒物吸滞能力的前提,因此现有研究在采集叶样后均首先对叶片进行“深度清洗”以收集滞纳于叶表面的大气颗粒物。然而,在这些研究中,其叶片深度清洗法均是源于Pal等(2002)降雨量15 mm、强度10 mm·h-1的降雨就可清除掉叶片积尘的结论,所以一般选择利用更大的水量来冲洗或浸泡叶片(Dzierżanowski et al.,2011张放,2013Song et al.,2015)或在此基础上再用软毛刷进行刷洗(Beckett et al.,2000王蕾等,2006么旭阳等,2014王会霞等,2015)以达到深度清洗的目的。然而,王赞红等(2006)的电镜扫描结果显示,仅利用大量去离子水对叶片进行深度清洗,还会有大量的颗粒物残留于叶表面。王蕾等(2006)Przybysz等(2014)的研究结果也分别显示15和20 mm的降雨并不能将叶表面的颗粒物完全冲洗掉。

超声波清洗适合于表面形状复杂的物体以及利用刷洗很难清洗的污垢,如对精密工件上的空穴、狭缝、凹槽、微孔及暗洞等处,可达到较为理想的清洗效果。此外,超声波清洗还具有速度快、质量高、对物体表面损伤程度低等优点。因此,利用超声波对具有复杂微结构(突起、沟槽、绒毛等)的叶片进行清洗以完整收集叶面上的颗粒物具有很大的应用潜力。目前,在植物大气颗粒物吸滞能力研究中,已有学者在常规清洗叶片步骤的基础上加入超声波清洗步骤(Terzaghi et al.,2013陈玮等,2004李华等,2010),由此可见,利用超声波清洗叶片以准确评估植物大气颗粒物吸滞能力的方法已开始受到关注。但是,前人的方法是把待清洗的叶片置于蒸馏水中,再利用超声波振荡清洗,即仅仅是将超声清洗作为一种叶片清洗方法或叶表面颗粒物洗脱方法的补充。超声波清洗的效果实际上也会受到超声功率、时长等参数的影响,但这些研究却未对此开展相关探讨。因此,关于超声波的叶面颗粒物清洗效能以及增加该步骤的应用条件和其对叶面颗粒物吸滞能力定量评估精度的提升程度目前尚不清楚。

综上,本文以我国北方常用园林绿化树种银杏(Ginkgo biloba)为研究材料,在采用常规洗脱方法(浸泡+搅拌、刷洗)获取叶表面吸滞大气颗粒物的基础上,定量评估增加超声波洗脱步骤的效果和必要性; 确定本研究条件下银杏叶片的最佳超声波清洗技术参数组合,以期为今后植物叶片大气颗粒物吸滞能力的定量评估提供方法借鉴。

1 材料与方法 1.1 试验材料与样品采集

以银杏为试验材料,其叶表面结构特征为具有细小、连续、条带状缝隙,此结构特征决定了银杏叶片可牢固滞纳部分细颗粒物。

采样地点在西土城遗址公园内,于2014年10月15日进行(雨后4天)。叶片采集时,选择5株(5个重复)生长良好且健康无病害的林木作为样树,并用枝剪在每株样树的冠层中部处剪取10个小枝(采集时防止枝条落地被土壤颗粒附着),然后在每个小枝上随机摘取20片健康树叶并放入事先用去离子水清洗并晾干的10号自封袋内带回试验室。

1.2 试验设计

首先,采用不同清洗程序[蒸馏水浸泡并搅拌+刷洗+超声波清洗(设置不同的超声时长和超声功率组合)]清洗叶片。其次,根据叶表面颗粒物洗脱比例、叶片叶绿素析出量、叶表面颗粒物残留情况等确定在常规叶片清洗程序上增加超声波清洗后叶面吸滞颗粒物定量评估精度的提升程度,并确定最佳叶片超声清洗技术参数组合。

最佳超声波叶片清洗技术参数组合判断标准:

1)在某种超声功率下,当洗脱液中明显有叶绿素出现时(利用洗脱液中叶绿素的浓度数据和实拍照片佐证),视为该功率在不破坏叶片结构的情况下所能清洗到的最大(最洁净)限度,以此得到初步的最佳超声清洗时长T1。2)以超声清洗时间达到T1时所能清洗掉的叶表面颗粒物质量为最终颗粒物总洗脱量,然后分别计算浸泡+搅拌、刷洗、不同超声波清洗阶段等各个步骤的颗粒物洗脱比例(各步骤叶面颗粒物洗脱量/叶面颗粒物总洗脱量)。3)在此基础上,比较不同超声功率在各自最佳超声时长条件下对叶片颗粒物的洗脱情况,综合确定最终的最佳超声波清洗时间T2和超声波清洗功率。4)利用叶表面电镜扫描图片观察其上的颗粒物残留情况,检验最佳超声参数组合下超声波对叶表面颗粒物的洗脱效果。

1.3 试验仪器

实验所用仪器包括: KQ-500DB超声波清洗器、日立E-1010真空喷镀仪、日立S-3400N扫描电镜、IS13320激光粒度仪(测定范围为0.375~2 000 μm)、枝剪、尼龙材质不掉毛刷子、MSA225S-1CE-DA电子分析天平、Multifuge X1R高速冷冻离心机、DHG9070B电热鼓风干燥箱、EPSON Expression1680扫描仪、50 mL尖底螺口离心管、岛津UV2600紫外分光光度计。

1.4 试验方法

1) 叶片清洗及叶表面颗粒物收集 在5株样树(5个重复)的叶样中分别随机选取60片树叶,依次经历以下步骤进行清洗:(1)在玻璃容器中用 270 mL去离子水浸泡所有叶片并搅拌60 s,然后将洗脱液倒入6个离心管中; (2)将叶子用尼龙材质刷子(刷子提前用去离子水洗净)刷洗叶片至表观洁净,然后用去离子水以尖嘴瓶垂直叶面连续冲洗,并将洗脱液倒入6个离心管中(共用去离子水270 mL); (3)将叶片放入盛有270 mL去离子水的玻璃容器并置于超声波清洗器中超声振荡清洗,选取6个振荡时间长度(1、2、3、5、10、20 min)和4个振荡功率[200(40%)、300(60%)、400(80%)、500 W(100%)]组合成24种处理(对比同一功率下不同超声时长振荡效果时,始终采用同一批叶样),相同功率下经历不同超声时长清洗的洗脱液分别倒入6个离心管中。将上述每个步骤的洗脱液在5 000 r·min-1的条件下行离心,共经历3次,每次20 min,确认离心完全后,打开盖子,弃掉上清液,直至将每个清洗步骤中6个离心管内的洗脱液合并至1个离心管,并用干净滤纸包裹管口以防灰尘污染。之后,将离心管放入烘箱在70 ℃下烘干至恒质量(约24 h),并放置在天平室中平衡温度湿度30 min后称质量(W2),其与之前空离心管的质量(W1,用去离子水冲洗、烘干,天平室平衡温度湿度30min后称质量)做差值得到每一清洗步骤的大气颗粒物洗脱量(W2-W1)。

2) 叶片表面形貌的电镜扫描 在样树的叶样中随机选取2片树叶,正反各1片,然后在试验所确定的最佳超声参数组合下,分别依次经历1.4 1)中的清洗步骤后,用打孔器从银杏叶片上依次打下来直径为6 mm的圆形叶样,并置于冷冻干燥机中冷冻,待样品完全脱水干燥后,对其进行真空干燥、粘台、喷金。然后,用日立S-3400N 型扫描电镜对叶片的上、下表面进行扫描观测。

3) 洗脱液叶绿素含量测定 选择银杏3株样树的样品,依次采用1.41)中的清洗步骤进行清洗,但只收集不同超声波振荡时长下的洗脱液,转速5 000 r·min-1进行离心,弃去上层清液,取离心管底部5mL洗脱液,加入100%的乙醇定容至50 mL,然后直接用分光光度计测定663和645 nm处的OD值(吸光度),用公式(1)计算得到洗脱液中的叶绿素a浓度(因为本研究中只需确定不同超声波清洗技术参数组合下叶片是否损伤,并非定量测定叶绿素,因此只计算洗脱液中叶绿素a的含量),用公式(2)计算得到单位面积叶片的叶绿素a析出量。

${C_a} = 12.7O{D_{663}} - 2.69O{D_{645}};$ (1)
$单位面积叶片叶绿素析出量\left( {{\rm{mg \times }}{{\rm{m}}^{ - 2}}} \right) = \left( {洗脱液中叶绿素浓度 \times 提取液总体积 \times 稀释倍数} \right)/叶面积.$ (2)

4) 叶面积测定 将试验中所用的叶片样品放入Epson Twain Pro扫描仪进行扫描,然后利用WinRhizo图像分析系统分析获得样品叶面积数据。

1.5 数据分析

用Excel 2013对试验数据进行处理分析和绘图。

2 结果与分析 2.1 不同清洗步骤下洗脱液叶绿素含量变化

在超声功率为40%、60%和80%的情况下,当超声波清洗时长为1~5 min时,洗脱液中的叶绿素浓度变化不大; 但当超声清洗时间达到10 min时,洗脱液中的叶绿素浓度明显升高(图 1)。但是,在超声功率为100%的情况下,超声时长达到5 min时,洗脱液中的叶绿素浓度即明显升高。因此,可以大致确定: 当超声功率为40%、60%、80%和100%时,其超声清洗时间(T1)分别为5、5、5和3 min的情况下不会对叶片结构造成破坏从而致使叶绿素明显析出叶片,同时该超声波清洗时长也会对叶片进行最大程度的清洗。此外,100%功率下,超声清洗5 min后洗脱液颜色开始变绿,而40%、60%、80%功率下,超声清洗10 min后洗脱液颜色才开始变绿,而且随着超声时长的增加,洗脱液的颜色(绿色)也逐渐加深(图 2)。这不仅进一步验证了超声波清洗一定时间后会破坏叶片的结构,而且也佐证了上述根据洗脱液中的叶绿素含量变化而做出的各超声功率下的T1判断。

图 1 不同超声清洗功率和时长下银杏叶片洗脱液中叶绿素a浓度的累积变化量 Fig.1 The cumulative amount of chlorophyll a exuded from leaves of G. biloba under different combinations of ultrasonic cleaning power and time length
图 2 不同超声波清洗功率和时长下的洗脱液颜色变化 Fig.2 Color variation of leaf eluent under different ultrasonic cleaning time length and power for G. biloba A:40%功率40%power;B:60%功率60%power;C:80%功率80%power;D:100%功率100%power.图中离心管上的数字表示超声波清洗时长(min)。The number written on the centrifuge tubes in each picture is the ultrasonic cleaning time(min).
2.2 不同清洗步骤下叶片颗粒物洗脱比例

在不同超声波清洗功率下,浸泡+搅拌能洗脱掉掉叶表面33%~50%的大气颗粒物,刷洗能进一步洗脱掉34%~43%的叶表面颗粒物,而且多数情况下浸泡+搅拌步骤洗脱掉的颗粒物比例高于刷洗步骤(图 3)。但是随着超声功率的变化,在浸泡+搅拌和刷洗之后进一步进行超声波清洗所洗脱掉的颗粒物相对比例会有差异。在40%、60%、80%、100%功率下,超声波清洗的颗粒物洗脱比例分别为8%、15%、14%、27%。因此,对于银杏叶片,100%的超声功率+超声清洗3 min为最佳叶表面颗粒物洗脱技术参数组合,其在对叶片进行常规清洗步骤(浸泡+搅拌和刷洗)之后,还可在不破坏叶片结构的情况下洗脱掉27%的叶表面颗粒物,即可将银杏叶片大气颗粒物吸滞量的评估精度提高约27%。

图 3 不同超声清洗功率和时长下各清洗步骤叶表面颗粒物洗脱比例 Fig.3 The eluting portion of particulate matter retained on leaves of G. biloba in different elution steps 图中误差线为标准误。Error bar represents standard error.
2.3 不同清洗步骤对叶表面颗粒物的洗脱效果分析

银杏叶片上表面有大量不规则的突起结构,突起之间存在细小、连续、条带状的缝隙,颗粒物大量滞纳积累在这些缝隙中; 叶片下表面有大量连续的不规则的凸起状结构(图 4A,E)。由于银杏叶片上表面比下表面滞纳的颗粒物多,因此,超声波清洗对叶片上表面的清洗效果更加明显。浸泡+搅拌过后,叶片上大部分的大粒径颗粒物和一小部分的小粒径颗粒物被洗脱掉,但还有少部分大粒径颗粒物和较多的小粒径颗粒物残留在叶片上(图 4B,F); 之后,叶片经过刷洗大粒径颗粒物基本上被全部洗脱掉,但仍有较多的小粒径颗粒物顽固地残留在叶表面的狭长缝隙中(图 4C,G); 最后,对叶片进行超声波清洗,残留在叶表面狭长缝隙中的小粒径颗粒物几乎被彻底洗脱掉(图 4D,H)。

图 4 100%超声清洗功率下经历不同清洗步骤后的银杏叶表面颗粒物残留情况 Fig.4 The particulate matter residue on leaves of G. biloba after different elution steps under the condition of 100% ultrasonic cleaning power 叶片上表面 A:原始; B:浸泡+搅拌; C:刷洗; D:超声波清洗3 min. 叶片下表面 E:原始;F:浸泡+搅拌; G:刷洗; H: 超声清洗3 min. Upper side A: Original; B: Soak+stir; C: Brushing; D: Ultrasonic cleaning 3 min.Under side E: Original; F: Soak+stir; G:Brushing; H:Ultrasonic cleaning 3 min.
3 讨论 3.1 超声波清洗叶面颗粒物的关键技术参数

叶面颗粒物的快速、完整、高效收集是准确定量评估不同植物叶片颗粒物吸滞能力的基础。本研究在大多学者采用的常规叶片清洗步骤(浸泡+搅拌和刷洗)的基础上,对叶片加入了超声波清洗处理,并在评价常规叶片清洗方法效果的同时,首次从直接(叶表面颗粒物残留情况)和间接(叶表面颗粒物洗脱比例)2个角度定量评估了超声波清洗对叶面颗粒物的洗脱效果即叶面吸滞颗粒物定量评估精度的影响。同时,通过叶面颗粒物洗脱效果的对比,亦对不同超声技术参数组合下超声波清洗的效能进行了定量评价,为今后其他在叶片、单木和林分尺度上研究城市森林的大气颗粒物吸滞作用提供了方法基础和借鉴。

本研究中,在超声功率为40%、60%、80%和100%的情况下,当超声波清洗时长分别达到5、5、5和3 min时,叶片内叶绿素a的渗出量明显升高(图 12)。这说明在利用超声波清洗对叶表面颗粒物进行收集时,超声时长是一个非常关键的技术参数,如果选择不当会使叶片产生破损,影响叶表面颗粒物的准确完整收集和叶片颗粒物吸滞能力的准确评估。在不破坏叶片结构的基础上,不同超声功率的叶片颗粒物洗脱效果差异较大(颗粒物超声波洗脱比例在8%~27%之间(图 3),说明超声功率亦为超声波清洗叶片的关键参数,如果选择不当将会大大降低超声波清洗叶片的效果。此外,本研究中100%超声功率对应的具体功率数值为500 W,因此在参考本研究的方法时,要根据所使用的超声波清洗器型号和类型来调节至相应功率。由于试验条件所限,本研究并未探讨在更高超声功率下叶片颗粒物的洗脱情况,但是根据本研究的结果可以推断,增加超声功率,则需要缩短超声时间。然而,根据扫描电镜的结果,本批采样叶片在本研究所使用的最大超声功率条件下取得了理想的颗粒物洗脱效果。同时,针对不同树种和不同叶片,适宜的超声功率和超声时长也会不同,今后研究在采用本方法开展相关试验时,需要根据自身试验条件及试验对象,选择合适的超声功率和时长开展试验研究。

3.2 超声波清洗在叶片大气颗粒物吸滞能力评估中的作用

对于本研究条件下的银杏叶片,“100%功率+超声清洗3 min”的参数组合可获得最佳的叶片清洗效果,其在银杏叶片经历常规清洗步骤的基础上,还可洗脱掉约1/4(27%)的叶表面颗粒物,即可帮助将叶表面颗粒物吸滞量的评估精度提高约27%。由此可见,在收集叶表面颗粒物的过程中,加入超声波清洗程序极为必要,否则将大大低估植物叶片的颗粒物吸滞能力。依托本研究的试验结果(图 3)可以发现,在研究植物大气颗粒物吸滞能力时,如果仅采用浸泡来清洗叶片,则可能会使叶表面吸滞的颗粒物量低估一半以上(67%); 如果在对叶片浸泡之后再次刷洗,虽然能再次洗脱掉与浸泡相当量级的颗粒物,但总体而言仍会使叶表面的颗粒物吸滞量低估约 1/4(27%)。因此,对比不同学者研究所得到的不同植物的颗粒物吸滞能力时,要注意其所采用的叶片清洗方法, 否则会对不同植物的大气颗粒物吸滞能力差异的判断产生一定偏差。

由叶片电镜扫描图片(图 4)可以看出,加入超声波清洗程序后,能使叶表面的洁净程度明显提高。此外,直观判断 ,浸泡+搅拌主要是将叶表面的大部分大粒径颗粒物和小部分小粒径颗粒物洗脱掉,刷洗可将剩余的大粒径颗粒物和较多的小粒径颗粒物洗脱掉,而加入超声波清洗程序后则可将顽固滞纳于银杏叶表面大量狭长缝隙中的小粒径颗粒物几乎完全洗脱掉。然而,每个清洗程序对叶表面颗粒物的具体洗脱特征(粒径分布)尚需进一步研究。同时,该研究结果也意味着在仅采用浸泡或浸泡+刷洗来获取叶表面颗粒物的研究中,其所得到的不同树种颗粒物滞纳能力可能仅为树种对较大粒径颗粒物的滞纳能力,而对树种较小粒径颗粒物(PM2.5、PM1)的滞纳能力评估则可能并不准确。

大气颗粒物由于含有一些有机污染物而可能会有一定亲脂性,从而渗入叶面蜡质层。因此,近年来国内外很多学者对不同植物叶片蜡质层内的颗粒物吸滞量进行了大量研究(Dzierżanowski et al.,2011Sgrigna et al.,2015Song et al.,2015),发现叶片蜡质层内可吸滞大量的颗粒物,甚至有些树种,如垂枝桦(Betula pendula)叶片蜡质层内吸滞的粒径为2.5~10和10~100 μm的颗粒物占叶片相应粒径颗粒物总吸滞量(叶表面和叶片蜡质层内吸滞的颗粒物总量)的比例分别高达73%和65%(Dzierżanowski et al.,2011)。由于这些研究中所采用的叶片清洗方法均为去离子水冲洗,因此,依据本研究的试验结果可以推断: 这些研究在使用氯仿溶解叶片蜡质层来获取蜡质层内的颗粒物时可能会将大量未渗入蜡质层而只吸滞在叶表面的颗粒物也洗脱掉,所以其研究结果可能会高估植物叶片蜡质层的颗粒物吸滞能力。

自然条件下,植物叶片上所滞纳的大气颗粒物主要通过风力和降雨的作用脱离叶片,因此,本研究中利用“刷洗+超声”的作用和大多数研究中利用刷洗的作用(Beckett et al.,2000王蕾等,2006么旭阳等,2014王会霞等,2015)来实现颗粒物与叶片的分离是与自然过程不符的,但是却能帮助综合评估植物叶片的大气颗粒物滞纳潜力,即实现容易被降雨冲洗掉的颗粒物与不能被降雨冲洗掉而顽固滞纳于叶片表面的颗粒物的质量总和评估。由此来看,叶片滞尘能力分为易再生滞尘能力与难可再生滞尘能力,本文的研究方法可综合评价植物叶片的总滞尘能力。但植物叶片的实际滞尘能力属于易再生滞尘能力,因此在对其滞尘能力进行评估时可选取符合实际降水冲刷水平的清洗方法,或通过容易被降雨冲洗掉的颗粒物与顽固滞纳于叶片表面的颗粒物的质量建立的比例系数或回归方程来计量植物叶片的实际滞尘能力。此外,利用超声波清洗的辅助作用实现叶表面颗粒物的完整收集,还能帮助在微观的尺度上更精确地评估叶片颗粒物滞纳特征与叶面微结构(叶面沟槽的宽度、深度等)的相关关系,为精确评估叶片蜡质层的颗粒物滞纳量提供保证,以及提高叶片颗粒物来源解析的准确度等。

4 结论

在定量评估植物叶片大气颗粒物吸滞能力时,加入超声波清洗程序对于快速、完整地收集叶表面所吸滞的颗粒物是极为必要的,而且也是非常高效的。本研究条件下(雨后4天采样),银杏叶片的最佳清洗流程为“浸泡+搅拌—刷洗—100%(500 W)功率下超声波清洗3 min”。然而,由于本次研究并未考虑污染程度、污染时长、树种(叶片微结构)、叶片发育阶段等因素,所筛选出的最佳超声清洗技术参数组合还具有一定的局限性,在下一步研究中笔者将围绕以上因素进行开展,从而评估本研究所筛选出的最佳超声清洗方法的稳定性和普适性,并帮助构建具备一定通用性的城市树木叶片大气颗粒物吸滞能力衡测技术。

参考文献(References)
[] 陈玮, 何兴元, 张粤, 等. 2003. 东北地区城市针叶树冬季滞尘效应研究. 应用生态学报 , 14 (12) : 2113–2116.
( Chen W, He X Y, Zhang Y, et al.2003. Dust absorption effect of urban conifers in Northeast China. Chinese Journal of Applied Ecology , 14 (12) : 2113–2116. [in Chinese] )
[] 李华, 杨世伦. 2010. 潮间带盐沼植物黏附悬浮颗粒物的差异性研究. 海洋学报 , 32 (1) : 114–119.
( Li H, Yang S L.2010. Changes of suspended particulates adhering to salt marsh plants. Acta Oceanologica Sinica , 32 (1) : 114–119. [in Chinese] )
[] 王兵, 张维康, 牛香, 等. 2015. 北京10个常绿树种颗粒物吸附能力研究. 环境科学 , 36 (2) : 408–414.
( Wang B, Zhang W K, Niu X, et al.2015. Particulate matter adsorption capacity of 10 evergreen species in Beijing. Environmental Science , 36 (2) : 408–414. [in Chinese] )
[] 王会霞, 石辉, 王彦辉. 2015. 典型天气下植物叶面滞尘动态变化. 生态学报 , 35 (6) : 1696–1705.
( Wang H X, Shi H, Wang Y H.2015. Dynamics of the captured quantity of particulate matter by plant leaves under typical weather conditions. Acta Ecologica Sinica , 35 (6) : 1696–1705. [in Chinese] )
[] 王蕾, 哈斯, 刘连友, 等. 2006. 北京市春季天气状况对针叶树叶面颗粒物附着密度的影响. 生态学杂志 , 25 (8) : 998–1002.
( Wang L, Eerdun H, Liu L Y, et al.2006. Effects of weather condition in spring on particulates density on conifers leaves in Beijing. Chinese Journal of Ecology , 25 (8) : 998–1002. [in Chinese] )
[] 王晓磊, 王成. 2014. 城市森林调控空气颗粒物功能研究进展. 生态学报 , 34 (8) : 1910–1921.
( Wang X L, Wang C.2014. Research status and prospects on functions of urban forests in regulating the air particulate matter. Acta Ecologica Sinica , 34 (8) : 1910–1921. [in Chinese] )
[] 王赞红, 李纪标. 2006. 城市街道常绿灌木植物叶片滞尘能力及滞尘颗粒物形态. 生态环境 , 15 (2) : 327–330.
( Wang Z H, Li J B.2006. Capacity of dust uptake by leaf surface of Euonymus japonicus Thunb. and the morphology of captured particle in air polluted city. Ecology and Environment , 15 (2) : 327–330. [in Chinese] )
[] 么旭阳, 胡耀升, 刘艳红. 2014. 北京市8种常见绿化树种滞尘效应. 西北林学院学报 , 29 (3) : 92–95.
( Yao X Y, Hu Y S, Liu Y H.2014. Dust-retention effect of 8 common greening tree species in Beijing. Journal of Northwest Forestry University , 29 (3) : 92–95. [in Chinese] )
[] 张放. 2013. 长春市街道绿化现有灌木调查及3种主要灌木滞尘能力研究. 长春:吉林农业大学硕士学位论文.
( Zhang F. 2013. Studies on the existing shrubs of the road in Changchun and the dust retention capacity of the three shrubs. Changchun:MS thesis of Jilin Agricultural University. [in Chinese][in Chinese]) http://cn.bing.com/academic/profile?id=034d6cc0ae58d2e8f6789408bbeb89a0&encoded=0&v=paper_preview&mkt=zh-cn
[] Beckett K P, Freer S P, Taylor G.2000. Effective tree species for local air-quality management. Journal of Arboriculture , 26 (1) : 12–19.
[] Chen B, Wang X P, Chen J Q, et al.2015. Forestry strategies against PM2.5 pollution in Beijing. The Forestry Chronicle , 91 (3) : 233–237. DOI:10.5558/tfc2015-044
[] Chen Y Y, Ebenstein A, Greenstone M, et al.2013. Evidence on the impact of sustained exposure to air pollution on life expectancy from China's Huai River policy. Proceedings of the National Academy of Sciences , 110 (32) : 12936–12941. DOI:10.1073/pnas.1300018110
[] Dzierzżanowski K, Gawroński S W.2011. Use of trees for reducing particulate matter pollution in air. Challenges of Modern Technology , 1 (2) : 69–73.
[] Nowak D J, Hirabayashi S, Bodine A, et al.2013. Modeled PM2.5 removal by trees in ten US cities and associated health effects. Environmental Pollution , 178 (1) : 395–402.
[] Pal A, Kamla K, Ahmad K J, et al.2002. Do leaf surface characters play a role in plant resistance to auto-exhaust pollution. Flora-Morphology , 197 (1) : 47–55.
[] Przybysz A, Sæbø A, Hanslin H M, et al.2014. Accumulation of particulate matter and trace elements on vegetation as affected by pollution level, rainfall and the passage of time. Science of The Total Environment , 481 (48) : 360–369.
[] Sgrigna G, Sæbø A, Gawronski S W, et al.2015. Particulate Matter deposition on Quercus ilex leaves in an industrial city of central Italy. Environmental Pollution , 197 : 187–194. DOI:10.1016/j.envpol.2014.11.030
[] Song Y S, Maher B A, Li F, et al.2015. Particulate matter deposited on leaf of five evergreen species in Beijing, China:Source identification and size distribution. Atmospheric Environment , 105 (1) : 53–60.
[] 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. Atmospheric Environment , 74 (2) : 378–384.
[] Yin S, Shen Z M, Zhou P S, et al.2011. Quantifying air pollution attenuation within urban parks:an experimental approach in Shanghai, China. Environmental Pollution , 159 (8) : 2155–2163.