北京门头沟主城区及其城郊森林大气污染物时空变化特征
2020-04-09郭嘉辛学兵郭慧法蕾裴顺祥吴迪马淑敏
郭嘉, 辛学兵, 郭慧, 法蕾, 裴顺祥, 吴迪, 马淑敏
北京门头沟主城区及其城郊森林大气污染物时空变化特征
郭嘉, 辛学兵, 郭慧, 法蕾, 裴顺祥*, 吴迪, 马淑敏
中国林业科学研究院华北林业实验中心, 北京 102300
由于前人对城市大气污染物时空变化特征研究结论缺乏统一性, 以及城市森林及其周边大气污染物协同变化规律研究结果的不确定性, 研究以建立在北京市门头沟的3套固定空气质量监测站为依托, 以主要大气污染物SO2和氮氧化物为研究对象, 分析典型居民区、林缘和林内主要大气污染物浓度的日、月、季及特定天气下的变化规律, 拟揭示北京门头沟主城区及其城郊森林大气污染物时空变化特征。研究结果表明, 秋季林内SO2浓度为夜间高于白天, 其余大部分为白天高于夜间; 林内氮氧化物的日变化特征为双峰型, 居民区为单峰型; 居民区、林缘空气中SO2的日变化规律表现为单峰型, 林内SO2日变化秋季为凹面型, 冬季无明显特征; 林内、林缘、居民区空气中SO2浓度均为冬季高于秋季, 林内、居民区空气中NO2为秋季高于冬季, NO、NO冬季与秋季无显著差异; 居民区、林内SO2在2月份达到峰值, 林缘1月达到峰值, 林内氮氧化物10—11月份达到峰值, 居民区11—12月达到峰值; 居民区氮氧化物显著高于林内, SO2为林内、居民区显著高于林缘。在典型大气污染过程中, 秋季林内空气中氮氧化物浓度波动幅度较居民区小且具有明显的滞后特征, 冬季林内空气中NO、NO浓度波动幅度较居民区小且无明显滞后特征, 秋、冬季节林内空气中SO2浓度波动幅度较林缘、居民区大且无明显滞后特征; 不同观测点大气污染物浓度显著正相关。城郊森林可以对其周边城市的大气污染物起到缓冲、抵抗和吸收作用, 但特定天气条件下, 森林中的大气污染物会向城市中扩散。
城郊森林; 大气污染物; 时空变化特征
0 前言
随着我国社会经济和城市化进程的快速发展及产业结构、能源排放不规范, 环境污染问题日益凸显, 治理大气污染尤为迫切。京津冀地区城市大气污染问题对人类生活产生了较大的影响。城市森林不仅为生活在城市的人类提供了良好的休闲娱乐场所, 而且在削减城市大气污染物方面发挥着一定的作用[1–5]。良好的城市森林可以有效的降低城市大气污染物浓度, 进而改善城市人居生活环境。
森林植物可以通过吸附与吸收两种过程削减大气中的污染物质, 吸附主要发生在植物地上部分的植株表面, 研究表明叶片粗糙、具蜡质层、气孔开口大、分泌粘液、具绒毛的植物能吸附较多的大气污染物[6–7], 另外叶片着生角度也对植物的吸附作用有一定的影响[8]。吸收是指植物通过气孔吸收大气中的多种化学物质(如二氧化硫, SO2; 氯, Cl2;氢氟酸, HF; 氮氧化物, NO等), 然后通过一系列的同化作用使其固定在植物体内。例如植物吸收大气中的SO2, 并迅速将其转化为亚硫酸盐、硫酸盐, 然后对其同化利用[8]; 另外植物体内的硝酸盐还原酶(NR)、亚硝酸还原酶(NiR)和谷氨酰胺合成酶(GS)可以将大气中的NO2转化为N2或生物体内的氮素[9]。张志旭[10]通过对河北雾灵山自然保护区森林净化大气环境质量研究后发现, 保护区森林生态系统年吸收大气污染物以SO2为主, 多达1335.747 t·a-1, 吸收氮氧化物72.114 t·a-1。蒋燕等[11]基于西山国家森林公园林内及北京市植物园内空地(林外)的空气质量监测站实时数据, 分析2015年北京采暖季城市森林内外SO2浓度的时空变化特征, 结果显示, 城市森林对气态污染物具有一定的缓冲、抵抗和吸收能力。森林植物的吸收与吸附大气污染物能力将会对局地大气中污染物浓度的时空变化规律产生影响, 所以通过研究城市森林及其周边大气污染物浓度的时空变化规律, 对精准预测大气环境质量具有重要的作用。
前人在对大气污染物时空变化特征进行大量研究的基础上得到一些非常有意义的结果[12–16], 但还需要进一步的研究, 主要有以下几个原因: 对大气污染物时空变化特征研究并没有得到统一的结论, 例如, 对大气污染物日变化曲线研究得出的结论有双峰型[11]、单峰型[17–18]、无明显特征[19]等; 近年来高精度大气环境固定监测台站的广泛建立极大的提高了数据的数量及质量, 但目前大气环境固定监测台站设置多以城市大气环境质量监测为主, 其固定监测站主要建立在城市道路两旁、森林公园、植物园内(中国空气质量在线监测分析平台, https://www.aqistudy. cn/), 缺乏居民区及城郊大林区内监测数据; 另外, 森林站近年来才开始陆续建立, 新建森林站与城市站之间往往距离较远, 两个台站之间数据无法匹配或匹配效果较差, 基于此数据研究城市森林与其周边大气污染物协同变化规律, 其结果缺乏可靠性。相对而言, 在城郊森林内、林缘、林缘附近居民区分别建立高精度全自动空气质量站, 并进行长期定位监测, 则会提高城市森林林内与城区间大气污染物协同变化规律的确定性。但目前未见相关研究的报道。
本研究以北京城市生态系统(门头沟)定位观测研究站的3套固定空气质量监测站为依托, 以主要大气污染物SO2和氮氧化物(一氧化氮, NO; 二氧化氮, NO2; 该文NO为NO与NO2的浓度和)为研究对象, 对3地(居民区、林缘、林内)主要大气污染物浓度开展连续测定, 研究典型居民区、林缘和林内主要大气污染物浓度的日、月、季及特定天气下的变化规律, 揭示北京门头沟主城区及其城郊森林大气污染物时空变化特征, 以期为北京城郊森林削减大气污染物作用提供实证及为城郊森林生态价值评估提供基础数据和科学依据。
1 材料和方法
1.1 研究地概况
大气污染物固定监测站分别位于北京市门头沟区葡东小区内(距离林缘500 m)、九龙山森林与门头沟主城区交界处、距林缘2 km的油松()人工林内, 3个固定监测站于2017年9月建成。林缘森林类型为侧柏()人工林, 研究地气候条件为北温带半湿润大陆性季风气候, 夏季炎热多雨, 冬季寒冷干燥, 年降水量650.4 mm, 降水主要集中在6—9月, 年蒸发量1890.8 mm, 无霜期216 d。该地区植被以人工林与天然次生灌丛为主, 属典型的暖温带落叶阔叶林。
1.2 数据来源
本研究所用数据来自于空气质量站实测数据, 空气质量站内仪器均由美国赛默飞世(Thermo Fisher)生产, 其中SO2监测采用43i–TLE型痕量SO2分析仪, NO监测采用42i–TLE型痕量NO–NO2–NO分析仪, 数据均为小时数据。为了保证数据精度, 仪器运行环境温度常年稳定在26°C, 每隔一周更换仪器过滤片同时清理风扇, 每月检查清洁剂过滤器柱, 每半年更换一次活性炭, 每隔一个月对仪器进行校准。本研究数据为2017年9月1日到2018年2月28日, 其中SO2数据3个监测点均有, NO数据仅有葡东小区及林内监测站数据。
1.3 数据处理方法
异常值处理: 对原始数据进行筛选, 发现负值直接剔除, 仪器校准全天数据也直接剔除, 剩余数据做进一步分析。
将9—11月定义为秋季, 12—2月定义为冬季。采用单因素方差分析检验各要素之间差异显著性。
分别在秋、冬季节选取大气NO、SO2浓度较高且研究区域大气处于污染状态, 基于此选取2017年9月6—11日、20—28日两个时间段数据分别研究秋季一次典型大气污染过程下不同监测地点氮氧化物、二氧化硫浓度变化规律, 选取2018年1月11–15日数据研究冬季一次典型大气污染过程下不同监测点二氧化硫、氮氧化物浓度变化规律, 具体天气概况如表1。
表1 空气质量概况*
注: *天气数据来自于中国气象局 (http://www.weather.com.cn/weather1d/101010100.shtml#search), 氮氧化物、二氧化硫浓度为监测站平均值。
采用Excel 2010(Microsoft, USA)、SPSS 16.0 (IBM, USA)软件对数据进行异常值剔除及分析, 采用SigmaPlot 10.0 (Systat Software Inc., USA)软件作图。
2 结果与分析
2.1 大气污染物时间变化特征
2.1.1 大气污染物季变化特征
对不同季节主要大气污染物浓度进行方差分析, 结果如图1。由图1可知, 林内与居民区NO、NO浓度秋季与冬季无显著差异, 秋季林内与居民区NO2浓度秋季显著高于冬季; 居民区、林缘、林内空气中SO2浓度均为秋季显著低于冬季。
2.1.2 大气污染物月变化特征
对各观测点主要大气污染物9月至次年2月的月均值变化规律分析结果如图2。由图2可知, 林内空气中氮氧化物的组成主要为NO2, 林外不同月份氮氧化物的组成不同, 主要表现为9–10、2月份主要为NO2, 11—1月份NO、NO2共同影响大气中氮氧化物浓度。林内NO2与NO的月变化规律较一致, 均为10月份达到最高值, 2月份最低, 但NO的月变化规律为11月份达到峰值, 9月份最低; 居民区NO与NO月变化规律均为单峰型, 但NO的浓度最高月份12月, NO为11月, 从9月到次年2月居民区大气中NO2浓度呈波动下降趋势; 居民区及林内
SO2月变化规律总体呈“V”字型, 10月份浓度最低, 林缘SO2月变化规律呈余弦曲线型, 10月份浓度最低, 1月份最高。
2.1.3 大气污染物日变化特征
将秋(9—11月)、冬(12—2月)季内每日相同时间观测数据平均, 得出秋、冬季小时平均数据, 利用此数据得出秋、冬季节大气污染物日变化曲线(图3)。由图3可知, 居民区秋、冬季节空气中NO、NO浓度的日变化曲线为双峰型, 两个峰值分别出现在8: 00—9: 00和21: 00—23: 00, NO2浓度日变化表现为单峰型, 峰值出现在20: 00—21: 00; 林内秋、冬季节空气中氮氧化物的日变化曲线均为单峰型, 其中NO秋季峰值出现在10: 00, 冬季峰值出现在12: 00, NO2秋季峰值出现在16: 00, 冬季峰值出现在17: 00, NO秋季峰值出现在17: 00, 冬季峰值出现在17: 00—18: 00; 秋、冬季氮氧化物日变化曲线相差不大。居民区与林缘秋、冬季节空气中SO2浓度的日变化曲线为单峰型, 其中居民区秋、冬季节空气中SO2峰值出现在16: 00—17: 00, 林缘秋季峰值出现在15: 00—16: 00, 冬季峰值出现在14: 00—15: 00; 林内冬季空气中SO2浓度的日变化曲线呈波浪形, 无明显规律, 秋季空气中SO2浓度的日变化曲线呈凹面型, 即白天林内空气中的SO2含量较低, 夜间相对较高; 此外, 居民区、林缘、林内SO2日变化曲线均为冬季高于秋季。
图1 大气污染物浓度的季节变化特征
Figure 1 Seasonal variation of atmospheric pollutant concentrations
图2 大气污染物浓度的月变化特征
Figure 2 Monthly variation characteristics of atmospheric pollutant concentrations
图3 大气污染物浓度的日变化曲线
Figure 3 Diurnal variation curve of atmospheric pollutant concentrations
2.2 大气污染物空间变化规律
2.2.1 不同观测点大气污染物季变化特征
不同观测点大气污染物季变化比较分析结果如表2。由表2可知, 秋、冬季节居民区大气中氮氧化物含量显著高于林内; 秋、冬季节林内、居民区SO2含量显著高于林缘。
2.2.2 不同观测点大气污染物月均值差异分析
不同观测点大气污染物月均值差异分析结果如图4。由图4可知, 9月到次年2月, SO2月总体趋势为林内最高, 居民区、林缘次之, 具体为林内、居民区月SO2平均浓度显著高于林缘, 其中10、11月林内月SO2平均浓度显著高于居民区。氮氧化物总体趋势为居民区高于林内, 具体为居民区月NO、NO平均浓度显著高于林内, 大部分月份林内NO2浓度与居民区差异不显著, 仅9月份居民区NO2浓度显著高于林内。
表2 不同观测点大气污染物季平均值差异分析(体积分数/10-9)
注: 表中数值为均值±标准差, 平均值差异在0.05水平显著。
图4 不同观测点大气污染物月均值差异分析
Figure 4 Monthly mean differences of atmospheric pollutants at different observation points
2.3 典型污染天气条件下大气污染物变化规律
对研究区秋、冬季节典型大气污染过程中不同监测点主要大气污染物浓度变化规律进行分析, 结果如图5。由图5可知, 在秋季典型大气污染过程中, 林内空气中氮氧化物浓度波动幅度较居民区小且具有明显的滞后特征; 在冬季典型大气污染过程中, 林内空气中NO、NO浓度波动幅度较居民区小且无明显滞后特征; 冬季, 当居民区空气中NO2浓度缓慢上升时, 林内空气中NO2浓度也上升, 且其上升速率低于林内; 当居民区以某一较高NO2浓度持续一段时间时, 林内空气中NO2浓度将会高于居民区, 且林内空气中NO2浓度下降时居民区空气中NO2浓度有小幅波动升高。秋、冬季节林内空气中SO2浓度波动幅度较林缘、居民区大且无明显滞后特征。
2.4 不同观测点主要大气污染物间相关分析
利用不同观测点各大气污染物的日变化数据, 对不同观测点主要大气污染物浓度做相关分析, 结果如表3, 由表3可知, 不同观测点主要大气污染物间存在显著的正相关关系, 具体表现为, 秋季林缘与居民区空气中SO2浓度存在显著的正相关关系, 林内与居民区空气中NO、NO浓度存在显著的正相关关系; 冬季林内、林缘、居民区空气中SO2浓度两两显著正相关, 林内与居民区空气中NO浓度存在显著的正相关关系。
3 讨论
3.1 大气污染物时空变化特征分析
许多学者对不同区域的大气污染物浓度的时空变化特征进行了分析, 并得出一些非常有意义的结论。刘检琴研究发现长沙市主城区白天各污染物的浓度均小于夜间[20]。本研究仅秋季林内SO2浓度为夜间高于白天, 其余大部分为白天高于夜间。对空气中SO2、NO日变化曲线特征研究发现, 如果所选研究地为距离城市中心较远的郊远区县或相对较清洁区, SO2、NO的日变化曲线特征多为单峰型, 相反, 如果所选研究地距离城市中心较近或者距离污染源较近, 其日变化曲线特征多为双峰型[11,14,17–19]。本研究氮氧化物的日变化特征与前人结论相同, 但居民区空气中SO2的日变化规律表现为单峰型, 主要是因为现今人类活动硫化物排放量较低(北京市2017年冬季供暖采用煤改电或气), 另外, 居民区距离森林较近, 受其影响较大, 森林的削减作用也能降低一部分空气中的SO2浓度。
图5 典型污染天气条件下大气污染物变化规律
Figure 5 Variation of atmospheric pollutant concentrations under typical contaminated weather conditions
表3 不同观测点主要大气污染物间相关分析
注: *表示在0.05水平上显著, **表示在0.01水平上显著。
大气中污染物浓度一般为冬季高于秋季[14,20], 城区大于郊区[17], 1—3月林内低于林外, 11—12月为林内低于林外, 且林内变化较林外平缓[11]。本研究林内、林缘、居民区空气中SO2浓度均为冬季高于秋季, 但林内、居民区空气中NO2为秋季高于冬季, NO、NO冬季与秋季无显著差异; 居民区、林内SO2在2月份达到峰值, 林缘1月达到峰值, 林内氮氧化物10–11月份达到峰值, 居民区11—12月达到峰值; 氮氧化物为居民区显著高于林内, 但SO2为秋季林内显著高于林缘, 冬季林内、居民区显著高于林缘。森林存在可以增加SO2[22–23]、氮氧化物[23–24]的沉降速率, SO2、NO2均可与水直接反应生成亚硫酸(H2SO3)与硝酸(HNO3), NO在氧气充足的情况下也能与水生成HNO3, 而森林内湿度较高、氧气充足, 加快了气体污染物转化为酸, 使得林内气体污染物暂时降低, 林外高浓度的气体污染物流向林内, H2SO3不稳定, 遇到高温会再次分解成气体, 本研究所用的固定空气质量站为了保证不让水汽进入仪器, 其采样总管一直在加热, 所以H2SO3再次分王利等, 2007解成SO2, 进而导致林内SO2浓度较高。
3.2 城郊森林对主要大气污染物浓度影响分析
大量研究表明森林植物可以对大气污染物浓度产生影响[25–28]。植物的活动可以致使环境空气中的污染物减少, 但有限的研究仅得出了一些经验数据, 而不是模型估计[29], 此外, 由于植物吸收大气污染物量取决于污染物的浓度及有效绿地面积, 且这些变量间的关系是非线性的[30], 即更多的绿地并不意味着将吸收最大量的污染物, 利用城市森林效应模型(Urban Forest Effects model, UFORE)计算城市森林可以降低不到2%的城市污染物, 在某些森林覆盖率接近100%的乡村地区, 其森林清除大气污染物的效率可以暂时达到10%, 但当大气中污染物浓度降低后, 森林的吸收率再次降到不到2%[31–32], 所以Rice[25]认为森林平均可使空气质量提高2%。蒋燕等研究显示城市森林对气态污染物具有一定的缓冲、抵抗和吸收能力[11]。Ryzhova等[33]利用二维数字流体力学模型描述不同尺度林带对大气表层SO2湍流运输的影响, 模型计算结果显示, 由于风速的降低和树冠对SO2的吸收, 林带的存在导致水平SO2通量显著减少, SO2通量的消光系数随林带面积的增加而增加。本研究通过对不同观测点主要大气污染物间相关分析发现, 居民区空气中的大气污染物对林缘、林内空气中污染物浓度的影响为正效应; 对典型天气污染过程时林内、林缘、居民区内大气污染物变化规律研究发现, 秋季林内氮氧化物的变化规律相对居民区具有明显滞后性, 冬季滞后性不明显, 且波动幅度小于居民区; 另外, 在冬季, 当居民区空气中NO2浓度缓慢上升时, 林内空气中NO2浓度也上升, 但其上升速率低于林内, 以上结果说明城郊森林在秋季对氮氧化物具有一定的缓冲、抵抗和吸收能力。此外, 本研究还发现, 在冬季一次典型污染过程中, 当居民区以某一较高NO2浓度持续一段时间时, 林内空气中NO2浓度将会高于居民区, 且林内空气中NO2浓度下降时居民区空气中NO2浓度有小幅波动升高, 说明森林的内部空前可以储存一定浓度的NO2, 此时森林是NO2汇; 当林外空气中NO2浓度降低后, 森林内部的一部分NO2向林外扩散, 此时森林是NO2源。秋冬季节颗粒物是北京空气中的主要污染物, 颗粒物的存在增加了亚硫酸的沉降速率, 使得森林下部亚硫酸的含量增加, 森林内的SO2浓度持续降低, 外界高浓度SO2流向林内, 所以当污染强度增强后林内SO2浓度增加幅度较大, 污染强度减弱后其浓度下降。
4 结论
北京门头沟主城区及其城郊森林大气污染物浓度存在显著的时空变化特征, 林内大气污染物的变化相对林外存在一定滞后性, 不同观测点大气污染物浓度显著正相关, 城郊森林可以对其周边城市的大气污染物起到缓冲、抵抗和吸收作用, 但特定天气条件下, 森林中的大气污染物会向城市中扩散。
[1] MAYER H, FOWLER D, CRWTHER J M, et al. Deposition of Atmospheric Pollutants on Forests: Discussion[J]. Philosophical Transactions of the Royal Society B Biological Sciences, 1989, 324(1223): 263–265.
[2] MCDONALD A, BEALEY W, FPWLER D, et al. Quantifying the effect of urban tree planting on concentrations and depositions of PM10 in two UK conurbations[J]. Atmospheric Environment, 2007, 41(38): 8455–8467.
[3] SANTOS A, PINHO P, MUNZI S, et al. The role of forest in mitigating the impact of atmospheric dust pollution in a mixed landscape[J]. Environmental Science and Pollution Research, 2017, 24(13): 12038–12048.
[4] NOWAK D J, HIRABAYASHI S, BODINE A, et al. Tree and forest effects on air quality and human health in the United States[J]. Environmental Pollution, 2014, 193: 119– 129.
[5] SALMOND J A, TADAKI M, VARDOULAKIS S, et al. Health and climate related ecosystem services provided by street trees in the urban environment[J]. Environmental Health, 2016, 15(S1): 95–111.
[6] 高金晖, 王冬梅, 赵亮, 等. 植物叶片滞尘规律研究——以北京市为例[J]. 北京林业大学学报, 2007, 29(2): 94– 99.
[7] 孙晓丹, 李海梅, 刘霞, 等. 不同绿地结构消减大气颗粒物的能力[J]. 环境化学, 2017, 36(2): 289–295.
[8] 吕海强, 刘福平. 化学性大气污染的植物修复与绿化树种选择(综述)[J]. 亚热带植物科学, 2003, 32(3): 73–77.
[9] OMASA K. Air Pollution and Plant Biotechnology– Prospects for Phytomonitoring and Phytoremediation[J]. Springer, 2012.
[10] 张志旭. 河北雾灵山自然保护区森林生态系统服务功能价值评估[D]. 北京: 北京林业大学, 2013.
[11] 蒋燕, 熊好琴, 鲁绍伟, 等. 2015年北京采暖季城市森林内外SO2浓度的时空变化特征[J]. 环境科学研究, 2017, 30(11): 1689–1696.
[12] WANG Y, YING Q, HU J, et al. Spatial and temporal variations of six criteria air pollutants in 31 provincial capital cities in China during 2013–2014. [J]. Environment International, 2014, 73(1): 413–422.
[13] 赵克明, 李霞, 卢新玉, 等. 峡口城市乌鲁木齐冬季大气污染的时空分布特征[J]. 干旱区地理, 2014, 37(6): 1108–1118.
[14] 刘杰. 北京大气污染物时空变化规律及评价预测模型研究[D]. 北京:北京科技大学, 2015.
[15] 鲁绍伟, 蒋燕, 赵云阁, 等. 北京市2014年APEC期间及前后城区大气污染物变化特征[J]. 环境科学与技术, 2017(7): 40–47.
[16] 李景鑫, 陈思宇, 王式功, 等. 2013—2014年我国大气污染物的时空分布特征及SO2质量浓度年代际变化[J]. 中国科技论文, 2017, 12(3): 336–345.
[17] 刘洁, 张小玲, 徐晓峰, 等. 北京地区SO2、NOx、O3和PM2. 5变化特征的城郊对比分析[J]. 环境科学, 2008, 29(4): 1059–1065.
[18] WU Z, STAEBLER R, VET R, et al. Dry deposition of O3and SO2estimated from gradient measurements above a temperate mixed forest[J]. Environmental Pollution, 2015, 210(26): 202–210.
[19] 严晓瑜, 缑晓辉, 刘玉兰, 等. 银川市大气污染物浓度变化特征及其与气象条件的关系[J]. 气象与环境学报, 2015(2): 21–30.
[20] 刘检琴. 长沙市主城区与城郊大气污染物时空分布特征研究[D]. 长沙: 湖南师范大学, 2016.
[21] 王利, 马文奇, 王运华, 等. 区域尺度大气硫沉降的研究进展[J]. 华中农业大学学报, 2007, 26(5): 734–740.
[22] CHANONMUANG P, KHUMMONGKOL P, MATSUDA K. Dry Deposition of SO2Over Dry Dipterocarp Forest, Thailand[J]. Sains Malaysiana, 2015, 44(3): 317–323.
[23] SCHULTE–UEBBING L, de VRIES W. Global‐scale impacts of nitrogen deposition on tree carbon sequestration in tropical, temperate, and boreal forests: A meta‐analysis[J]. Global Change Biology, 2018, 24(2): 416–431.
[24] PONTTE–GONZÁLEZ A G, PERRONI Y, WEATHERS K C, et al. Nitrogen cycling in tropical Atlantic Forest differing in exposure to urban atmospheric nitrogen deposition[J]. Plant and Soil, 2017, 420(1/2): 451–465.
[25] RICE C. The Ecosystem service of forest improve air quality: A literature review[M]. Graduate Faculty of North Carolina State University, North Carolina, 2015.
[26] LIVESLEY S J, MCPHERSON E G, CALFAPIETRA C. The Urban Forest and Ecosystem Services: Impacts on Urban Water, Heat, and Pollution Cycles at the Tree, Street, and City Scale[J]. Journal Environmental Quality, 2016, 45: 119–124.
[27] GROTE R, SAMSON R, ALONSO R, et al. Functional traits of urban trees: air pollution mitigation potential[J]. Frontiers in Ecology and the Environment, 2016, 14(10): 543–550.
[28] EOM J Y, JEONG S H, LEE J S. Assessment of absorption ability of air pollutant on forest in Gongju–city[J]. Journal of Ecology & Environment, 2017, 41(1): 41–48.
[29] IRGA P J, BURCHETT M D, TORPHY F R. Dose urban forestry have a quantitative effect on ambient air quality in an urban environment?[J]. Atmospheric Environment, 2015, 120: 173–181.
[30] CURRIE B A, BASS B. Estimates of Air Pollution mitigation with green plants and green roofs using the UFORE model[J]. Urban Ecosystem, 2008, 11: 409–422.
[31] NOWAK D J, CRANE D E, STEVENS J C. Air pollution removal by urban trees and shrubs in the United States[J]. Urban Forestry and Urban Greening, 2006, 4: 115–123.
[32] SETÄLÄ H, VIIPPOLA V, RANTALAINEN A L, PENNANEN A, YLI–PELKONEN V. Does urban vegetation mitigate air pollution in northern conditions?[J] Environmental Pollution, 2012, 183: 104–112.
[33] RYZHOVA M S, MUKHARTOVA Y V, SHAPKING N E, et alAn impact assessment of forest belts on the SO2, transport within the atmospheric boundary layer using a hydrodynamic model[J]. Moscow University Physics Bulletin, 2015, 70(6): 490–496.
Temporal and spatial variation characteristics of atmospheric pollutants in main city area and its suburban forest of Mentougou, Beijing
GUO Jia, XIN Xuebing, GUO Hui, FA Lei, PEI Shunxiang*, WU Di, MA Shumin
Experimental Centre of Forestry in North China, Chinese Academy of Forestry, Beijing 102300, China
The conclusions of previous studies on the temporal and spatial characteristics of urban atmospheric pollutants are not consistent and there is uncertainty in the results of the studies on the cooperative variation of atmospheric pollutants in urban forest and its surroundings. This study was based on three sets of fixed air quality monitoring stations established in Mentougou, Beijing, the major atmospheric pollutants sulfur dioxide and nitrogen oxides were studied, the daily, monthly, seasonal and under specific weather conditions variations of the concentration of major air pollutants in typical community, forest edge and forest interior, and the temporal and spatial variation characteristics of atmospheric pollutants in main city area and its suburban forest of Mentougou in Beijing were revealed. The results show that, the concentration of SO2during the night in the forest is higher than that during the day and the rest are higher during the day than at night. The daily variation of nitrogen oxides in the forest is bimodal and the residential area is unimodal. The daily variations of SO2in residential areas and forest margins show a single–peak pattern. The daily variation of SO2in the forest is a concave type in autumn and no obvious characteristics in winter. SO2concentrations in forests, forest margins, and residential areas are higher in winter than in autumn. NO2in forests and residential areas are higher in autumn than in winter, and there are no significant differences in NO and NObetween winter and autumn. The residential area and forest SO2reached the peak in February, and the forest edge reached the peak in January. The nitrogen oxides in the forest reached the peak in October-November, and the residential areas peaked in November–December. Nitrogen oxides are significantly higher in residential areas than in forests. In the autumn, however, the SO2concentrations in the forest and residential areas are significantly higher than those in the forest margins. In the process of typical atmospheric pollution, the concentration of nitrogen oxides in the forest is smaller than that in residential areas and has significant lagging characteristics in autumn, but in winter, the concentrations of NO and NOin forest air are smaller than those in residential areas and there is no obvious lagging feature. In the autumn and winter, the concentration of SO2in forest air fluctuates more than forest margin and residential area, and there is no obvious lagging feature. There is significantly positive correlation between atmospheric pollutant concentrations at different observation points. Suburban forests can buffer, resist and absorb atmospheric pollutants in surrounding cities. However, under specific weather conditions, atmospheric pollutants in forests will spread to cities.
suburban forest; atmospheric pollutants; temporal and spatial variation characteristics
10.14108/j.cnki.1008-8873.2020.02.005
X51
A
1008-8873(2020)02-032-09
2018-12-12;
2019-02-02
中国林科院基本科研业务费专项资金(CAFYBB2014MA017); 国家自然科学基金项目(31470705)
郭嘉(1988—), 男, 硕士, 工程师, 主要从事森林生态研究, E-mail: 375122804@qq.com
裴顺祥, 男, 硕士, 副研究员, 主要从事森林生态研究, E-mail: psx0309@sina.com
郭嘉, 辛学兵, 郭慧, 等.北京门头沟主城区及其城郊森林大气污染物时空变化特征[J]. 生态科学, 2020, 39(2): 32-40.
GUO Jia, XIN Xuebing, GUO Hui,et al. Temporal and spatial variation characteristics of atmospheric pollutants in main city area and its suburban forest of Mentougou, Beijing[J]. Ecological Science, 2020, 39(2): 32-40.
