道路绿地对PM2.5等颗粒物的作用效果及影响机制

丁 文, 贾忠奎, 席本野, 施侃侃, 施晓灯

(北京林业大学省部共建森林培育学科与保护重点实验室，北京 100083)

随着我国城市化与工业化的飞速发展，物质文明与现代化水平高度提升，但随之而来的环境污染问题也日趋严重，其中以PM2.5等颗粒物为代表的空气污染已成为当今社会普遍关注的热点问题.PM2.5等颗粒物浓度的增高，与各类呼吸疾病、心血管疾病、生殖系统疾病显著相关[1]，严重影响了人类的生命健康.面对污染日益严重的形势，在寻求源头治理的同时，绿地植被由于其潜在的生态功能，如净化PM2.5等颗粒物的能力，也成为科学界的研究重点.

近些年来国内外对城市绿地与PM2.5等大气颗粒物的关系已有一定研究[2-4]，不少学者根据绿地或林带内植物种类的差异，探究不同类型绿地对PM2.5的净化差异[5-7].但基于绿地空间结构，从空气动力学层面来研究不同结构绿地对PM2.5的研究却不多见.国外学者[7-8]通过小尺度模型探讨不同街道与植物的复合空间结构下PM2.5等颗粒物的变化，得出植被导致区域大气颗粒物浓度上升的结论，但相应的实地监测研究却非常少见.同时对于绿地内颗粒物浓度变化与气象因子关系的研究也有一些报道[4-5]，但不同粒径颗粒物与气象因子关系的差异性，目前少有人研究.此外，对于绿地植被净化PM2.5等颗粒物的能力以及如何更好发挥城市绿地对PM2.5等颗粒物的净化作用，目前也缺少明确统一的结论[9-10].

为了进一步探索城市道路绿地对PM2.5等颗粒物的作用效果以及作用机理，本研究在北京市选取不同空间结构的道路绿地以及对照空地，通过实地监测探讨气象要素与不同粒径颗粒物之间的相互作用，研究不同空间结构绿地以及绿地深度对颗粒物浓度的影响，同时对道路绿地消减PM2.5等颗粒污染物的可行性进行分析.

1 材料与方法

1.1 供试材料

根据北京市道路绿地特征，在北京市三山五园绿道北四环段海淀公园南侧(39.59°N，116.17°E)，选取两处不同结构绿地(图1),分别为密集型绿地A(郁闭度0.8)和疏透型绿地B(郁闭度0.4)，林分结构差异见表1.并取林外空地C作为对照.每处绿地根据其与道路的垂直距离(绿地深度)，分别在0、10、25、40、60 m处选取5个监测点进行监测，不同绿地之间间隔约200 m.绿地周边较为开阔，无建筑物阻碍空气流动.

图1 监测地点示意图Fig.1 Structure of green space and monitoring spots

试验样地乔木层树种组成平均树高/m平均胸径/cm平均株行距/m平均LAI郁闭度灌木层灌木种类草本层草本种类 A密集型碧桃、侧柏、垂柳 2.6/6.8/13.812.8/17.5/21.81.9×2.51.81/3.01/2.160.8沙地柏麦冬、酢酱草B疏透型垂柳、杨树、紫叶李 8.9/8.2/5.718.8/21.3/13.43.2×4.01.54/1.61/1.010.4沙地柏麦冬、酢酱草

密集型绿地A主要由枝叶繁茂、林分郁闭度指数较高的乔木组成，绿地外围主要有碧桃(Amygdaluspersicavar.persicaf.duplex)、侧柏(Platycladusorientalis(L.)Franco)，内层主要有垂柳(Salixbabylonica)，其间有灌木沙地柏(Sabinavulgaris)、草本麦冬(Ophiopogonjaponicus(Linn. f.)Ker-Gawl.)与酢酱草(OxaliscorniculataLinn.)；疏透型绿地B外层主要由麦冬以及沙地柏组成，内层有紫叶李(PrunusCerasiferaEhrharf.atropurpurea(Jacq.)Rehd.)、垂柳及杨树(PopulusL.).

1.2 方法

1.2.1 数据获取 采用美国MetOne 831大气颗粒物浓度检测仪进行PM1、PM2.5、PM4、PM10、TSP浓度的监测，监测高度距离地面1.5 m(正常人体呼吸高度)，监测时间选在每天9:00—17:00，每隔1 h监测1次；同时使用DEM6三杯风向风速表、Kestrel 4500NV手持气象站分别对风向、风速、温度、相对湿度及车流量进行同步监测.每个监测点的各项因子监测均耗时1 min左右，不同绿地同时进行(每天监测9次).在2015年10月—2016年6月选取合适气候条件(晴朗，风速小于3 m·s-1)，以及不同污染级别天气进行监测(共监测21 d，各污染级别监测3～4 d).采用AQI国家空气质量分级标准将污染划分为6个等级(表2).

表2 空气质量分级及对应的PM2.5浓度Table 2 Air quality classification and corresponding PM2.5 concentration

同时利用胸径尺、超声波测高仪、皮尺、卷尺，对样地内的植被种类、胸径、树高、冠幅、株行距等进行详细调查；并利用LAI 2000植物冠层分析仪测量林分叶面积指数(LAI).

1.2.2 数据分析 对不同时刻颗粒物浓度均值进行Pearson相关分析，确定不同粒径颗粒物之间的关系.比较不同污染级别下PM2.5浓度的平均日变化趋势；并对不同颗粒物浓度与气象因子进行Pearson相关分析.再分别对不同绿地(A密集型、B疏透型、C空地)、不同绿地深度(0、10、25、40、60 m)与不同时刻的颗粒物浓度和气象因子进行单因素方差分析，并比较不同因素对二者差异的影响.绿地对颗粒物浓度的净化率计算公式[5]为：

W=(C0-Cx)/C0×100%

式中，C0为对照空地颗粒物平均浓度(μg·m-3)，Cx为绿地颗粒物平均浓度(μg·m-3)，W为绿地对颗粒物的净化率(W为负值表明此时绿地无净化作用).

数据整理分析与作图在Excel 2007中进行，并利用R3.4.1进行方差分析和相关性分析等.

2 结果与分析

2.1 不同颗粒物之间的相关性

表3 不同颗粒物之间Pearson相关系数1)Table 3 Correlation coefficients between different PMs

1)*、**分别表示在0.05、0.01水平上显著相关.

一般来说，颗粒物的粒径越小，对人体造成的危害也就越大.而不同颗粒物之间由于理化性质的差异，可能呈现出不同的变化规律.通过对绿地内不同粒径颗粒物之间进行Pearson相关分析(表3)，结果表明相邻粒径的颗粒物之间，表现出较高的正相关性；而粒径差异越大，颗粒物之间相关系数越小.如PM2.5与PM4相关系数达到0.99，但与TSP之间的相关系数只有0.74.这种相邻粒径颗粒物之间的相关性变化规律也并不是任何情况下都适用.在监测期内有一严重污染日(2016年11月9日)，当日污染水平呈持续上升趋势(图2)，PM2.5及其它粒径颗粒物浓度持续上升(PM2.5峰值达634 μg·m-3)，此时PM1浓度不但不与其他颗粒物变化一致，反而表现出高度的负相关(P<0.01).说明极细颗粒物PM1的变化规律与其他粒径颗粒物之间存在一定的差异性.

2.2 绿地内颗粒物浓度的日变化

绿地内PM2.5等颗粒物在不同观测期内呈现出不同的日变化趋势，结果如图3所示.在同一污染级别下，不同结构绿地中颗粒物浓度日变化基本一致，说明绿地结构对绿地内PM2.5等颗粒物的日间变化并无显著影响.

在一、二级污染时，PM2.5基本在11:00—13:00达到日高峰值，在14:00—15:00达到日低峰值，一级污染时PM2.5变化趋势线起伏较大；在三、五级污染时，PM2.5整体呈现下降趋势，早间达到高峰，之后持续下降，三级污染时PM2.5浓度在16:00—17:00开始缓慢回升，而五级污染时PM2.5浓度则在15:00—16:00时有个小回升；四、六级污染时，PM2.5整体呈上升趋势，17:00时PM2.5浓度明显高于9:00.观测时段内，PM2.5等颗粒物与道路车流量并没有表现出明显的相关性，可能是观测期内车辆排放并非PM2.5等颗粒物的首要来源；尤其是在污染级别较大时，车辆排放占据的比重更小[11-12].

图2 严重污染情况下PM1与PM2.5的相关性Fig.2 Correlation of PM1 and PM2.5 in extremely polluted circumstance

图3 不同污染级别下PM2.5的日变化规律Fig.3 Variation on PM2.5 concentrations under different pollution conditions

综合而言，PM2.5在不同观测日期内，并没有表现出统一的变化规律，这可能是由于PM2.5日变化主要受宏观污染状况以及整体变化趋势的影响，因此也很难在小尺度上判断其变化模式.

2.3 绿地内颗粒物浓度与气象因子的相互关系

将不同绿地、不同深度监测值取平均值；并同时将风向正弦转化为[-1,1]的数量值，数值为“1”表示风向垂直从道路方向吹往林带，数值为“-1”时表示风向垂直从林带吹向道路.对绿地内不同粒径颗粒物浓度与气象因子进行Pearson相关分析(表4)，结果表明不同颗粒物与气象因子表现出不同的相关关系.其中不同粒径颗粒物均与相对湿度表现出显著的正相关(P<0.01)，相关系数随着颗粒物粒径的增大呈递减趋势；PM2.5与不同气象因子的线性关系如图4所示.

不同粒径颗粒物与温度基本呈负相关(P<0.05)，但PM1与温度的相关关系不显著，其线性关系也较弱；并且不同颗粒物与温度的相关系数普遍小于其与相对湿度的相关系数；而颗粒物粒径越大，相关性越强.不同粒径颗粒物与风速和风向并没有显著相关性.

表4 不同颗粒物与气象因子Pearson的相关系数1)Table 4 Correlation coefficients between different PMs and meteorological factors

1)*、**分别表示在0.05、0.01水平上差异显著.

从表5可知，不同结构绿地与绿地深度对气象因子的影响主要体现在风速上(P<0.01)，而对相对湿度、温度与风向的影响并不显著.而以不同时刻为变量，以不同绿地结构、绿地深度为重复，对气象因子进行差异显著性分析，发现不同时刻的相对湿度、风向都表现出极显著的差异(P<0.01)，温度表现出显著差异(P<0.05)，而风速差异不显著.说明在固定时刻，温度与相对湿度受不同结构绿地及绿地深度的影响较小，其变化主要体现在日尺度(不同时刻)上；但绿地对风速影响显著.

表5 不同水平气象因子差异显著性分析1)Table 5 Significance analysis on meteorological factors under different conditions

1)*、**分别表示在0.05、0.01水平上差异显著.

表6 绿地深度与气象因子Pearson的相关系数1)Table 6 Pearson correlation coefficients between meteorological factors and depth of forest

1)*、**分别表示在0.05、0.01水平上差异显著.

2.4 绿地对气象因子的影响

由于不同绿地及绿地深度之间的风速差异显著，因此将不同绿地深度(0、10、25、40、60 m)与气象因子进行Pearson相关分析(表6).从表6可以看出，在密集型绿地A中，绿地深度与风速表现出显著的负相关；绿地对风力有一定的抵挡作用，距离道路越远，风速越小.而在疏透型绿地B和对照空地中，其负相关关系并不显著.而绿地深度与风向、温度与相对湿度无显著相关性.

2.5 绿地对颗粒物浓度变化的影响

PM2.5等颗粒物经大气作用扩散到绿地时，被绿地阻挡，浓度发生变化.比较不同结构绿地以及不同绿地深度的颗粒物浓度差异，并进行方差分析，结果如表7所示.从表7可知，在大多数污染水平下，不同颗粒物在不同结构绿地以及绿地不同深度之间，并没有显著差异(P>0.05).只在一级污染水平下，除PM1外，其它粒径颗粒物均在不同结构绿地间表现出显著差异(P<0.05)，并随着颗粒物粒径的增大，差异更显著，PM10、TSP表现出极显著差异(P<0.01)；而TSP在不同绿地深度间也表现出显著差异.此外，二级污染水平下，PM10在不同结构绿地间表现出显著差异.整体来看，在同一污染水平下，随着颗粒物粒径的增大，差异显著性呈下降趋势，说明绿地对于大粒径颗粒物的作用大于小粒径颗粒物.

如图5所示，对一级污染水平下的不同结构绿地颗粒物浓度进行分析，发现除PM1外颗粒物浓度基本表现为对照空地>密集型绿地>疏透型绿地，并随着颗粒物粒径的增大，差异更明显.其中，绿地颗粒物浓度比对照空地低4.5%～23.0%，而疏透型绿地的净化率比密集型绿地平均高出6.0%.说明在该污染条件下，绿地对颗粒物有一定的净化作用.

3 小结与讨论

本研究结果表明:绿地内不同粒径颗粒物之间表现出较强的正相关性，变化规律基本相似;在严重污染时，PM1表现出与其它颗粒物完全不同的变化趋势.不同污染水平下，绿地和对照空地中PM2.5等颗粒物的日变化规律基本一致，说明绿地对PM2.5等颗粒物的日变化并没有显著影响.PM2.5的浓度与相对湿度呈正相关.颗粒物粒径越小，其与相对湿度的相关系数越大，相关系数表现为PM1>PM2.5>PM4>PM10>TSP.温度与颗粒物的负相关性相对较弱，PM1并没有表现出显著的相关性，且颗粒物粒径越大，相关性越好，相关性表现为PM2.5

表7 不同污染水平下绿地内颗粒物差异的显著性分析1)Table 7 Significance analysis on particular matters under different polluted situations

1)*、**分别表示在0.05、0.01水平上差异显著.

图4 PM2.5与气象因子的散点图Fig.4 Scatter plots of meteorological factors and PM2.5 concentrations

不同结构绿地和绿地深度对风速的影响显著，对相对湿度、温度及风向的影响不显著.说明绿地对气象因子的影响主要表现为对气流的阻挡作用，且对密集型绿地的影响大于疏透型绿地.污染水平较高时，绿地对颗粒物并无显著净化作用，只在一级污染条件下(PM2.5<35 μg·m-3)，绿地颗粒物浓度才表现出低于对照的趋势，且疏透型绿地中PM2.5等颗粒物浓度低于密集型绿地.这说明绿地对颗粒物的调控作用很大程度上受污染水平的影响；同时颗粒物粒径越大，绿地对其表现出的净化效果也越显著.

图5 一级污染下不同绿地颗粒物日均值差异Fig.5 Daily variations on concentrations of different PM under different green space in primary polluted condition

绿地内不同粒径颗粒物之间的正相关性结论与前人研究[4,13]基本相符.但严重污染条件下，PM1表现出相反变化趋势的原因尚不明确[14].PM2.5等颗粒物浓度在绿地中的日变化规律目前并没有统一的结论[2-3,15]，本研究结果基本与张志丹等[5]一致，认为PM2.5等颗粒物浓度在绿地中的日变化并没有固定的趋势，不同季节、气象条件、污染源以及污染水平等，都会对PM2.5等颗粒物的浓度变化产生较大影响.研究[13,16]表明，空气中相对湿度越高，越有利于颗粒物的凝结，并且不利于颗粒物的扩散，由此导致颗粒物浓度上升，这与本研究中绿地内颗粒物与相对湿度的关系一致.绿地对于PM2.5等颗粒物存在一定程度上的调节作用，但受到污染状况、气象条件等多种因素的制约.研究[5]也证实不同林分对于PM2.5的调控作用主要受空气相对湿度的影响.