道路綠地對PM2.5等顆粒物的作用效果及影響機制

丁 文, 賈忠奎, 席本野, 施侃侃, 施曉燈

(北京林業(yè)大學省部共建森林培育學科與保護重點實驗室，北京 100083)

隨著我國城市化與工業(yè)化的飛速發(fā)展，物質文明與現(xiàn)代化水平高度提升，但隨之而來的環(huán)境污染問題也日趨嚴重，其中以PM2.5等顆粒物為代表的空氣污染已成為當今社會普遍關注的熱點問題.PM2.5等顆粒物濃度的增高，與各類呼吸疾病、心血管疾病、生殖系統(tǒng)疾病顯著相關[1]，嚴重影響了人類的生命健康.面對污染日益嚴重的形勢，在尋求源頭治理的同時，綠地植被由于其潛在的生態(tài)功能，如凈化PM2.5等顆粒物的能力，也成為科學界的研究重點.

近些年來國內外對城市綠地與PM2.5等大氣顆粒物的關系已有一定研究[2-4]，不少學者根據綠地或林帶內植物種類的差異，探究不同類型綠地對PM2.5的凈化差異[5-7].但基于綠地空間結構，從空氣動力學層面來研究不同結構綠地對PM2.5的研究卻不多見.國外學者[7-8]通過小尺度模型探討不同街道與植物的復合空間結構下PM2.5等顆粒物的變化，得出植被導致區(qū)域大氣顆粒物濃度上升的結論，但相應的實地監(jiān)測研究卻非常少見.同時對于綠地內顆粒物濃度變化與氣象因子關系的研究也有一些報道[4-5]，但不同粒徑顆粒物與氣象因子關系的差異性，目前少有人研究.此外，對于綠地植被凈化PM2.5等顆粒物的能力以及如何更好發(fā)揮城市綠地對PM2.5等顆粒物的凈化作用，目前也缺少明確統(tǒng)一的結論[9-10].

為了進一步探索城市道路綠地對PM2.5等顆粒物的作用效果以及作用機理，本研究在北京市選取不同空間結構的道路綠地以及對照空地，通過實地監(jiān)測探討氣象要素與不同粒徑顆粒物之間的相互作用，研究不同空間結構綠地以及綠地深度對顆粒物濃度的影響，同時對道路綠地消減PM2.5等顆粒污染物的可行性進行分析.

1 材料與方法

1.1 供試材料

根據北京市道路綠地特征，在北京市三山五園綠道北四環(huán)段海淀公園南側(39.59°N，116.17°E)，選取兩處不同結構綠地(圖1),分別為密集型綠地A(郁閉度0.8)和疏透型綠地B(郁閉度0.4)，林分結構差異見表1.并取林外空地C作為對照.每處綠地根據其與道路的垂直距離(綠地深度)，分別在0、10、25、40、60 m處選取5個監(jiān)測點進行監(jiān)測，不同綠地之間間隔約200 m.綠地周邊較為開闊，無建筑物阻礙空氣流動.

圖1 監(jiān)測地點示意圖Fig.1 Structure of green space and monitoring spots

試驗樣地喬木層樹種組成平均樹高/m平均胸徑/cm平均株行距/m平均LAI郁閉度灌木層灌木種類草本層草本種類 A密集型碧桃、側柏、垂柳 2.6/6.8/13.812.8/17.5/21.81.9×2.51.81/3.01/2.160.8沙地柏麥冬、酢醬草B疏透型垂柳、楊樹、紫葉李 8.9/8.2/5.718.8/21.3/13.43.2×4.01.54/1.61/1.010.4沙地柏麥冬、酢醬草

密集型綠地A主要由枝葉繁茂、林分郁閉度指數較高的喬木組成，綠地外圍主要有碧桃(Amygdaluspersicavar.persicaf.duplex)、側柏(Platycladusorientalis(L.)Franco)，內層主要有垂柳(Salixbabylonica)，其間有灌木沙地柏(Sabinavulgaris)、草本麥冬(Ophiopogonjaponicus(Linn. f.)Ker-Gawl.)與酢醬草(OxaliscorniculataLinn.)；疏透型綠地B外層主要由麥冬以及沙地柏組成，內層有紫葉李(PrunusCerasiferaEhrharf.atropurpurea(Jacq.)Rehd.)、垂柳及楊樹(PopulusL.).

1.2 方法

1.2.1 數據獲取 采用美國MetOne 831大氣顆粒物濃度檢測儀進行PM1、PM2.5、PM4、PM10、TSP濃度的監(jiān)測，監(jiān)測高度距離地面1.5 m(正常人體呼吸高度)，監(jiān)測時間選在每天9:00—17:00，每隔1 h監(jiān)測1次；同時使用DEM6三杯風向風速表、Kestrel 4500NV手持氣象站分別對風向、風速、溫度、相對濕度及車流量進行同步監(jiān)測.每個監(jiān)測點的各項因子監(jiān)測均耗時1 min左右，不同綠地同時進行(每天監(jiān)測9次).在2015年10月—2016年6月選取合適氣候條件(晴朗，風速小于3 m·s-1)，以及不同污染級別天氣進行監(jiān)測(共監(jiān)測21 d，各污染級別監(jiān)測3～4 d).采用AQI國家空氣質量分級標準將污染劃分為6個等級(表2).

表2 空氣質量分級及對應的PM2.5濃度Table 2 Air quality classification and corresponding PM2.5 concentration

同時利用胸徑尺、超聲波測高儀、皮尺、卷尺，對樣地內的植被種類、胸徑、樹高、冠幅、株行距等進行詳細調查；并利用LAI 2000植物冠層分析儀測量林分葉面積指數(LAI).

1.2.2 數據分析 對不同時刻顆粒物濃度均值進行Pearson相關分析，確定不同粒徑顆粒物之間的關系.比較不同污染級別下PM2.5濃度的平均日變化趨勢；并對不同顆粒物濃度與氣象因子進行Pearson相關分析.再分別對不同綠地(A密集型、B疏透型、C空地)、不同綠地深度(0、10、25、40、60 m)與不同時刻的顆粒物濃度和氣象因子進行單因素方差分析，并比較不同因素對二者差異的影響.綠地對顆粒物濃度的凈化率計算公式[5]為：

W=(C0-Cx)/C0×100%

式中，C0為對照空地顆粒物平均濃度(μg·m-3)，Cx為綠地顆粒物平均濃度(μg·m-3)，W為綠地對顆粒物的凈化率(W為負值表明此時綠地無凈化作用).

數據整理分析與作圖在Excel 2007中進行，并利用R3.4.1進行方差分析和相關性分析等.

2 結果與分析

2.1 不同顆粒物之間的相關性

表3 不同顆粒物之間Pearson相關系數1)Table 3 Correlation coefficients between different PMs

1)*、**分別表示在0.05、0.01水平上顯著相關.

一般來說，顆粒物的粒徑越小，對人體造成的危害也就越大.而不同顆粒物之間由于理化性質的差異，可能呈現(xiàn)出不同的變化規(guī)律.通過對綠地內不同粒徑顆粒物之間進行Pearson相關分析(表3)，結果表明相鄰粒徑的顆粒物之間，表現(xiàn)出較高的正相關性；而粒徑差異越大，顆粒物之間相關系數越小.如PM2.5與PM4相關系數達到0.99，但與TSP之間的相關系數只有0.74.這種相鄰粒徑顆粒物之間的相關性變化規(guī)律也并不是任何情況下都適用.在監(jiān)測期內有一嚴重污染日(2016年11月9日)，當日污染水平呈持續(xù)上升趨勢(圖2)，PM2.5及其它粒徑顆粒物濃度持續(xù)上升(PM2.5峰值達634 μg·m-3)，此時PM1濃度不但不與其他顆粒物變化一致，反而表現(xiàn)出高度的負相關(P<0.01).說明極細顆粒物PM1的變化規(guī)律與其他粒徑顆粒物之間存在一定的差異性.

2.2 綠地內顆粒物濃度的日變化

綠地內PM2.5等顆粒物在不同觀測期內呈現(xiàn)出不同的日變化趨勢，結果如圖3所示.在同一污染級別下，不同結構綠地中顆粒物濃度日變化基本一致，說明綠地結構對綠地內PM2.5等顆粒物的日間變化并無顯著影響.

在一、二級污染時，PM2.5基本在11:00—13:00達到日高峰值，在14:00—15:00達到日低峰值，一級污染時PM2.5變化趨勢線起伏較大；在三、五級污染時，PM2.5整體呈現(xiàn)下降趨勢，早間達到高峰，之后持續(xù)下降，三級污染時PM2.5濃度在16:00—17:00開始緩慢回升，而五級污染時PM2.5濃度則在15:00—16:00時有個小回升；四、六級污染時，PM2.5整體呈上升趨勢，17:00時PM2.5濃度明顯高于9:00.觀測時段內，PM2.5等顆粒物與道路車流量并沒有表現(xiàn)出明顯的相關性，可能是觀測期內車輛排放并非PM2.5等顆粒物的首要來源；尤其是在污染級別較大時，車輛排放占據的比重更小[11-12].

圖2 嚴重污染情況下PM1與PM2.5的相關性Fig.2 Correlation of PM1 and PM2.5 in extremely polluted circumstance

圖3 不同污染級別下PM2.5的日變化規(guī)律Fig.3 Variation on PM2.5 concentrations under different pollution conditions

綜合而言，PM2.5在不同觀測日期內，并沒有表現(xiàn)出統(tǒng)一的變化規(guī)律，這可能是由于PM2.5日變化主要受宏觀污染狀況以及整體變化趨勢的影響，因此也很難在小尺度上判斷其變化模式.

2.3 綠地內顆粒物濃度與氣象因子的相互關系

將不同綠地、不同深度監(jiān)測值取平均值；并同時將風向正弦轉化為[-1,1]的數量值，數值為“1”表示風向垂直從道路方向吹往林帶，數值為“-1”時表示風向垂直從林帶吹向道路.對綠地內不同粒徑顆粒物濃度與氣象因子進行Pearson相關分析(表4)，結果表明不同顆粒物與氣象因子表現(xiàn)出不同的相關關系.其中不同粒徑顆粒物均與相對濕度表現(xiàn)出顯著的正相關(P<0.01)，相關系數隨著顆粒物粒徑的增大呈遞減趨勢；PM2.5與不同氣象因子的線性關系如圖4所示.

不同粒徑顆粒物與溫度基本呈負相關(P<0.05)，但PM1與溫度的相關關系不顯著，其線性關系也較弱；并且不同顆粒物與溫度的相關系數普遍小于其與相對濕度的相關系數；而顆粒物粒徑越大，相關性越強.不同粒徑顆粒物與風速和風向并沒有顯著相關性.

表4 不同顆粒物與氣象因子Pearson的相關系數1)Table 4 Correlation coefficients between different PMs and meteorological factors

1)*、**分別表示在0.05、0.01水平上差異顯著.

從表5可知，不同結構綠地與綠地深度對氣象因子的影響主要體現(xiàn)在風速上(P<0.01)，而對相對濕度、溫度與風向的影響并不顯著.而以不同時刻為變量，以不同綠地結構、綠地深度為重復，對氣象因子進行差異顯著性分析，發(fā)現(xiàn)不同時刻的相對濕度、風向都表現(xiàn)出極顯著的差異(P<0.01)，溫度表現(xiàn)出顯著差異(P<0.05)，而風速差異不顯著.說明在固定時刻，溫度與相對濕度受不同結構綠地及綠地深度的影響較小，其變化主要體現(xiàn)在日尺度(不同時刻)上；但綠地對風速影響顯著.

表5 不同水平氣象因子差異顯著性分析1)Table 5 Significance analysis on meteorological factors under different conditions

1)*、**分別表示在0.05、0.01水平上差異顯著.

表6 綠地深度與氣象因子Pearson的相關系數1)Table 6 Pearson correlation coefficients between meteorological factors and depth of forest

1)*、**分別表示在0.05、0.01水平上差異顯著.

2.4 綠地對氣象因子的影響

由于不同綠地及綠地深度之間的風速差異顯著，因此將不同綠地深度(0、10、25、40、60 m)與氣象因子進行Pearson相關分析(表6).從表6可以看出，在密集型綠地A中，綠地深度與風速表現(xiàn)出顯著的負相關；綠地對風力有一定的抵擋作用，距離道路越遠，風速越小.而在疏透型綠地B和對照空地中，其負相關關系并不顯著.而綠地深度與風向、溫度與相對濕度無顯著相關性.

2.5 綠地對顆粒物濃度變化的影響

PM2.5等顆粒物經大氣作用擴散到綠地時，被綠地阻擋，濃度發(fā)生變化.比較不同結構綠地以及不同綠地深度的顆粒物濃度差異，并進行方差分析，結果如表7所示.從表7可知，在大多數污染水平下，不同顆粒物在不同結構綠地以及綠地不同深度之間，并沒有顯著差異(P>0.05).只在一級污染水平下，除PM1外，其它粒徑顆粒物均在不同結構綠地間表現(xiàn)出顯著差異(P<0.05)，并隨著顆粒物粒徑的增大，差異更顯著，PM10、TSP表現(xiàn)出極顯著差異(P<0.01)；而TSP在不同綠地深度間也表現(xiàn)出顯著差異.此外，二級污染水平下，PM10在不同結構綠地間表現(xiàn)出顯著差異.整體來看，在同一污染水平下，隨著顆粒物粒徑的增大，差異顯著性呈下降趨勢，說明綠地對于大粒徑顆粒物的作用大于小粒徑顆粒物.

如圖5所示，對一級污染水平下的不同結構綠地顆粒物濃度進行分析，發(fā)現(xiàn)除PM1外顆粒物濃度基本表現(xiàn)為對照空地>密集型綠地>疏透型綠地，并隨著顆粒物粒徑的增大，差異更明顯.其中，綠地顆粒物濃度比對照空地低4.5%～23.0%，而疏透型綠地的凈化率比密集型綠地平均高出6.0%.說明在該污染條件下，綠地對顆粒物有一定的凈化作用.

3 小結與討論

本研究結果表明:綠地內不同粒徑顆粒物之間表現(xiàn)出較強的正相關性，變化規(guī)律基本相似;在嚴重污染時，PM1表現(xiàn)出與其它顆粒物完全不同的變化趨勢.不同污染水平下，綠地和對照空地中PM2.5等顆粒物的日變化規(guī)律基本一致，說明綠地對PM2.5等顆粒物的日變化并沒有顯著影響.PM2.5的濃度與相對濕度呈正相關.顆粒物粒徑越小，其與相對濕度的相關系數越大，相關系數表現(xiàn)為PM1>PM2.5>PM4>PM10>TSP.溫度與顆粒物的負相關性相對較弱，PM1并沒有表現(xiàn)出顯著的相關性，且顆粒物粒徑越大，相關性越好，相關性表現(xiàn)為PM2.5

表7 不同污染水平下綠地內顆粒物差異的顯著性分析1)Table 7 Significance analysis on particular matters under different polluted situations

1)*、**分別表示在0.05、0.01水平上差異顯著.

圖4 PM2.5與氣象因子的散點圖Fig.4 Scatter plots of meteorological factors and PM2.5 concentrations

不同結構綠地和綠地深度對風速的影響顯著，對相對濕度、溫度及風向的影響不顯著.說明綠地對氣象因子的影響主要表現(xiàn)為對氣流的阻擋作用，且對密集型綠地的影響大于疏透型綠地.污染水平較高時，綠地對顆粒物并無顯著凈化作用，只在一級污染條件下(PM2.5<35 μg·m-3)，綠地顆粒物濃度才表現(xiàn)出低于對照的趨勢，且疏透型綠地中PM2.5等顆粒物濃度低于密集型綠地.這說明綠地對顆粒物的調控作用很大程度上受污染水平的影響；同時顆粒物粒徑越大，綠地對其表現(xiàn)出的凈化效果也越顯著.

圖5 一級污染下不同綠地顆粒物日均值差異Fig.5 Daily variations on concentrations of different PM under different green space in primary polluted condition

綠地內不同粒徑顆粒物之間的正相關性結論與前人研究[4,13]基本相符.但嚴重污染條件下，PM1表現(xiàn)出相反變化趨勢的原因尚不明確[14].PM2.5等顆粒物濃度在綠地中的日變化規(guī)律目前并沒有統(tǒng)一的結論[2-3,15]，本研究結果基本與張志丹等[5]一致，認為PM2.5等顆粒物濃度在綠地中的日變化并沒有固定的趨勢，不同季節(jié)、氣象條件、污染源以及污染水平等，都會對PM2.5等顆粒物的濃度變化產生較大影響.研究[13,16]表明，空氣中相對濕度越高，越有利于顆粒物的凝結，并且不利于顆粒物的擴散，由此導致顆粒物濃度上升，這與本研究中綠地內顆粒物與相對濕度的關系一致.綠地對于PM2.5等顆粒物存在一定程度上的調節(jié)作用，但受到污染狀況、氣象條件等多種因素的制約.研究[5]也證實不同林分對于PM2.5的調控作用主要受空氣相對濕度的影響.