杭州植物园典型城市森林内PM2.5 和PM10 水平梯度动态变化特征

孙华江，黄玉洁，江 波，李国庆

（1.浙江农林大学 林业与生物技术学院，浙江 杭州 311300；2.浙江省林业科学研究院，浙江 杭州 310023；3.安吉县自然资源和规划局，浙江 安吉 313300）

近年来，由于城市的飞速地发展与扩张，空气环境持续恶化，大气中的悬浮颗粒物已经成为我国许多城市空气中的首要污染物，其浓度达到一定限值后会导致人体产生一系列疾病[1]，尤其是空气动力学当量直径d≤2.5 μm 和d≤10 μm 的可吸入颗粒物PM2.5和PM10[2]。PM10易进入呼吸道，对人体健康产生影响；而PM2.5可以穿过肺部存留在肺的深处，是对人体健康危害最大的污染物之一[3]。《环境空气质量标准》（GB3095-2012）将PM10和PM2.5列为的空气污染物的首要基本项目。因此，通过控制和消减PM2.5和PM10的污染来预防和减轻其对人体健康和城市空气质量的影响早就变成政府部门和专家学者重点关注的环境热点问题之一。

城市环境中，可吸入颗粒物PM2.5和PM10通常来自在未铺的沥青、水泥路面上行驶的机动车、材料的破碎碾磨处理过程以及被风扬起的尘土[4]。近年来随着机动车保有量的不断增加，由车流产生的街尘污染也持续攀升，交通污染产生的细颗粒物PM2.5和PM10已经严重危害交通干道和两侧街道的空气质量[5]，对人体健康和大气能见度都有较大影响[6-7]。

在目前无法完全从污染源治理以解决环境问题的形势下，借助自然界的清除机制是缓解城市大气污染压力最有效的途径之一。城市森林是市民游憩休闲的主要场所，也是城市中有生命形态的基础设施，在城市生态小环境的调控和空气质量的改善过程中发挥着重要作用。近年来，城市绿化作为消减交通污染源的主要途径，受到越来越广泛的重视[8-9]，城市森林斑块的营造被认为是有效缓解大气颗粒物污染的重要措施。

目前有关绿地消减颗粒物污染的研究主要集中在城市绿化树种的滞尘能力以及道路绿地的滞尘效率[10-12]等方面。研究显示，芝加哥每年树木从空气中吸收的PM10能达到212 t，相当于提高了4%的空气质量[13]。Nowak等研究发现，城市中的树木与灌木每年能降低PM10约21.5×104t[14]。McDonald 等对英国的两座城市West Midlands 和Glasgow 做了FRAME 模型预测，计算了城市森林对空气中PM10的清除量，并预测了不同覆盖率下森林对PM10的清除作用，发现城市森林的覆盖率达到25%时，可使空气中的PM10浓度降低2%～ 10%[15]。然而，很少有研究涉及城市绿地斑块尺度对其降尘有效性的影响。在寸土寸金的城市，探究绿地斑块消减颗粒物的有效宽度对于高效利用城市绿地消减交通污染具有重大意义，但是相关研究非常缺乏。因此，本研究通过对杭州植物园与交通道路距离梯度上的PM2.5和PM10浓度进行监测，分析其变化规律及影响因素，揭示不同半径的城市绿地斑块消减PM2.5及PM10的作用机理，探究城市减轻PM2.5和PM10浓度的最佳规划空间尺度，以期为城市绿地的规划和构建提供基础数据，为城市大气污染治理提供科学指导。

1 研究方法

1.1 研究地概况

试验地杭州植物园位于杭州市中心城区杭州市西湖景区西北侧，周边交通便利，植被覆盖率高，是杭州市区城市绿地斑块的典型代表。本研究选择杭州植物园北门附近森林结构较为统一的木犀专类园为研究地点，面积约1 500 m2，其上层乔木以木犀Osmanthus fragrans，女贞Ligustrum lucidum等常绿乔木为主，树高5.2～ 8.5 m，胸径29～ 36 cm，乔木层郁闭度约为85%；下木层主要以构树Broussonetia papyrifera，杜鹃Rhododendron simsii等小乔木和灌木为主，株高1.5～ 2.5 m，下木层盖度约为55%。林缘处紧邻园外交通主干道玉古路，周边无产生污染的工厂。

1.2 监测方法

以杭州植物园北门木犀专类园林缘处为起点（紧邻玉古路），向林内垂直于道路方向每隔100 m 布设监测点，共设置0 m，100 m，200 m 三个水平梯度监测点。本研究着重探究绿地植物对颗粒物的消减作用，根据长江中下游植被的生长特性，在植物生长较为旺盛的春季和夏季进行研究。选择2018 年的4 月和5 月作为春季的数据采集期，7 月和8 月作为夏季的数据采集期。在采集期当月选取连续10 d 无雨、天气晴朗微风的日子作为监测日，于9：00-17：00 同时在每个样点测试区对空气颗粒物PM2.5和PM10的浓度以及相关气候因子温度、相对湿度、风速等进行连续测量。测量使用的监测仪器为深圳万仪公司生产的ONETEST-100 粉尘浓度监测仪，捕集效率的几何标准差为σ=（1.5±0.1）μm。气候因子风速、空气温度以及相对湿度采用台湾Lutron 公司生产的SP-9201 风速计同步监测记录。测量时，通过三脚架将仪器固定在距地面1.5 m 高处，仪器进风口朝向林分中心，测量人员与仪器保持3 m 距离。

1.3 绿地对颗粒物的消减作用计算

为了显著表征绿地对PM2.5和PM10的消减作用，计算各梯度点在春夏两个季节对PM2.5和PM10的消减效率[16]。消减效率（P）的计算公式为：

式中，Cs是道路边0 m 测距处的颗粒物浓度，Cm是绿地中100 m，200 m 测距处的颗粒物浓度。

图1 试验点及监测点设置图Figure 1 Experimental site and monitoring points

1.4 数据分析

春季与夏季PM2.5和PM10浓度为三个梯度点的平均值，将不同梯度点上监测值取平均值分析两个季节绿地内PM2.5和PM10的日变化特征，使用SPSS 软件进行方差分析（ANOVA）、多重比较、T 检验和相关分析，利用Excel 软件进行数据处理作图。

2 结果与分析

2.1 不同季节PM2.5 和PM10 的浓度水平

对2018 年春季和夏季杭州植物园实验点PM2.5和PM10的监测结果进行统计分析（表1）。

从表1 中可看出，不同季节PM2.5和PM10的浓度差别较大，春季PM2.5的日平均浓度为62.32±23.50 μg·m-3，PM10日平均浓度为53.58±13.50 μg·m-3；夏季PM2.5的日平均浓度为10.48±4.35 μg·m-3，PM10的日平均浓度为11.77±5.12 μg·m-3；春季PM2.5和PM10的浓度分别是夏季的5.95 倍和4.55 倍。方差分析结果显示，春季PM2.5和PM10浓度均极显著高于夏季（P＜0.01）。另外，春季PM2.5/PM10的比值显著高于夏季（P＜0.05）。说明实验点春季主要以PM2.5污染为主，夏季以PM10污染较多。

2.2 不同季节PM2.5 和PM10 浓度的日变化特征

由图2 可知，PM2.5和PM10浓度的日变化表现出一致的趋势，春季两种颗粒物浓度在9：00-17：00 的监测时段内都有较大幅的下降。最大值出现在监测起始时9：00，其中PM2.5和PM10的最大值分别为89.85 μg·m-3和74.38 μg·m-3，最小值在17：00，PM2.5和PM10分别为42.56 μg·m-3和43.10 μg·m-3。夏季两种颗粒物的日变化则较为平稳，表现出早晚偏高的特点，监测时段内的两种颗粒物浓度的最大值和最小值分别出现在9：00 和14：00，其中PM2.5和PM10的最大值分别为15.3 μg·m-3和17.85 μg·m-3，最小值分别为为6.75 μg·m-3和7.35 μg·m-3，日间浓度变化量较春季小。从两种粒径的颗粒物浓度对比来看，春季PM2.5浓度显著高于PM10浓度（P＜0.05），夏季PM2.5浓度显著低于PM10浓度（P＜0.05），其中春季上午时段两种颗粒物浓度间差异较大，但随着时间推移逐渐降低，至17：00 左右两种颗粒物浓度达到基本一致，二者之间差异不显著（P＞0.05）。夏季PM10浓度在10：00之前和16：00 之后显著高于PM2.5（P＜0.05），15：00 之后随着时间推移差距增大。

2.3 PM2.5 和PM10 浓度在不同梯度上的日变化趋势

从不同距离梯度上PM2.5和PM10浓度的对比来看（图3），春季PM2.5浓度有较明显的差别，浓度排序为：100 m＞0 m＞200 m。13：00 前100 m 处的PM2.5浓度明显高于0 m 和200 m 点，之后三个梯度点间PM2.5浓度逐渐接近。春季PM10浓度为0 m＞100 m＞200 m。夏季PM2.5浓度在0 m 和100 m 相对接近，但均高于200 m；而PM10浓度则表现为0 m＞100 m＞200 m，符合距离传播规律。

表1 不同季节PM2.5 和PM10 的质量浓度Table 1 Mass concentration of PM10 and PM2.5 in different seasons

图2 春季和夏季PM2.5 和PM10 浓度的日变化Figure 2 Diurnal variation of PM2.5 and PM10 mass concentration in spring and summer

图3 3 个梯度点上不同季节PM2.5 和PM10 浓度的日变化Figure 3 PM2.5 and PM10 mass concentration variation in 3 different monitoring points in different seasons

2.4 不同水平梯度上PM2.5 和PM10 浓度的消减作用

分季节对绿地不同梯度PM2.5和PM10浓度的消减效率进行计算发现（图4，图5），不同季节绿地各梯度对PM2.5和PM10浓度的消减效率不同。夏季绿地对PM2.5和PM10浓度的消减效率均显著高于春季（P＜0.05）。且绿地对PM2.5和PM10的最高消减效率均出现在夏季200 m 梯度，分别为41%和39%。从不同梯度点来看，春季两种颗粒物200 m 梯度点的消减效率均显著高于100 m 梯度点（P＜0.05），其中PM2.5在100 m 上消减效率最低，监测时段内均为负值（图4），说明春季PM2.5可能会在绿地100 m 梯度上产生一定蓄积。夏季PM2.5和PM10在200 m 梯度点的消减效率均极显著高于100 m 梯度点（P＜0.01）（图5）。从绿地消减效率的日变化趋势来看，春季绿地100 m 和200 m 梯度点消减效率的日变化趋势基本一致，在10：00-11：00 消减效率较高，15：00消减效率最低。夏季绿地200 m 和100 m 梯度点消减效率日间变化都较为平缓，15：00 左右消减效率较高。

图4 春季不同梯度点上PM2.5 和PM10 浓度的消减百分率Figure 4 Removal percentage of PM2.5 and PM10 at different points in spring

图5 夏季不同梯度点上PM2.5 和PM10 浓度的消减百分率Figure 5 Removal percentage of PM2.5 and PM10 at different points in summer

2.5 PM2.5 和PM10 浓度和气候因子的相关分析

通过对春季和夏季监测日的气候因子进行独立样本T 检验发现，夏季的温度、湿度、风速均显著高于春季（P＜0.05）（表2）。再将PM2.5和PM10浓度和同步监测的气候指标进行相关分析后发现，在一定的风速范围内PM2.5和PM10浓度一般与风速和空气温度呈显著负相关，而与空气相对湿度呈显著正相关（表3，表4）。气候因子中，温度与PM2.5和PM10浓度的相关系数最大，说明空气温度对两种颗粒物的分布和传播影响最明显。

表2 不同季节监测日环境气候因子对比Table 2 Comparison on meteorological factors in different seasons

表3 PM2.5 浓度与气候因子的相关分析Table 3 Correlation coefficients of PM2.5 and meteorological factors

表4 PM10 浓度与气候因子的相关分析Table 4 Correlation coefficients of PM10 and meteorological factors

3 讨论与结论

3.1 讨论

3.1.1 PM2.5和PM10浓度的季节变化 本实验结果显示监测点春季的颗粒物浓度（PM2.5和PM10）显著高于夏季（P＜0.05），夏季绿地对PM2.5和PM10浓度的净化效率均显著高于春季（P＜0.05）。这与吴国平在广州、武汉、兰州、重庆等四个城市设点观测发现PM2.5在冬、春季最高，夏、秋季最低的结果相符[17]，也与徐敬等在北京舞蹈学院和中国气象局培训中心的监测结果PM2.5在夏季最低，其他三个季节相差不大的结果基本吻合[18]。夏季树木处在生长旺盛、叶量大、功能最强的时期，林分郁闭度也达到最大，使得夏季植物吸附滞留PM2.5和PM10浓度的能力更强。本文还将春季和夏季气候因子的做了差异显著性分析，结果发现，夏季的空气温度、空气相对湿度、平均风速显著高于春季。夏季气温高、空气湿度小、风速大会使林中的空气湍流运动更加剧烈和频繁，更加有利于颗粒物的稀释与扩散，使颗粒物浓度降低[19]。因此，环境气候条件也是致使夏季游憩林内颗粒物浓度较低的重要因素。本研究结果还发现，春季林中的PM2.5浓度显著高于PM10浓度（P＜0.05），而夏季PM10浓度则较高于PM2.5浓度。春季PM2.5/PM10的比值显著高于夏季（P＜0.05）。根据两种粒径颗粒物与风速的相关分析表明（表3，表4），PM2.5浓度与风速的相关系数较PM10更大，说明夏季较大的风速对PM2.5在空气中输送扩散运动的影响更加明显，导致夏季林中PM2.5浓度更小。

3.1.2 PM2.5和PM10浓度的日变化 本研究观测春夏两个季节颗粒物浓度的日变化趋势发现，春季两种颗粒物浓度在监测起始时9：00 开始呈持续下降趋势，至15：00 开始保持稳定缓慢回升。夏季两种颗粒物的日间变化较为平稳，也表现出早晚偏高的特点。城市环境中PM2.5和PM10浓度大小与交通[20-21]、工业和生活排放源[22]有关。本研究区域位于杭州植物园，紧邻西湖风景名胜区，试验地周边居民区较少，也没有产生污染的工业工厂。王华丽对杭州市公路交通流量监测发现，交通量24 h 日变化呈“M”型分布，夜间交通量少，白天交通量大，且上午、下午高峰期分别为8：00-10：00，16：00-18：00[29]。本实验研究结果中道路两侧的PM2.5和PM10浓度的日变化趋势与车流量日变化趋势一致，颗粒物浓度随车流量的增大而增大。说明PM2.5和PM10浓度的日变化特征与早晚高峰道路车流量变化有一定相关性。这与鲁绍伟对北京的PM2.5和PM10的浓度水平与交通污染相关的结果一致[23]，也与戴思迪的研究揭示的城市道路交通的大气颗粒物污染特征一致[24]。表明道路交通污染是城市大气颗粒物的主要来源之一。另一方面，王成在北京西山的研究中发现，大气颗粒物污染还受大气层稳定程度等气象和天气因素的影响。白天气温高，空气湿度小，特别是午后左右气温达到最高，空气湿度最低，一般风速也比较大，大气最不稳定，相对频繁的空气湍流运动使颗粒物达到最低；相反早晚气温低，空气湿度大，加上风速较小，这种低温、高湿和相对静风的稳定气象状态不利于颗粒物的扩散和输送，使其聚集增多[25-26]。因此日间气象因素的变化可能是导致大气颗粒物浓度日变化的另一个主要原因。

3.1.3 不同梯度距离绿地对PM2.5和PM10浓度的消减作用 从本研究3 个梯度点上PM2.5和PM10的分布结果来看，不同于PM2.5在春季时100 m 梯度点上浓度最大，绿地内PM10浓度在春季和夏季梯度的排序均为：0 m＞100 m＞200 m，更加符合距离传播规律。胡敏在我国重要城市群的研究发现，PM10主要来自在未铺沥青、水泥的路面上行驶的机动车以及被风扬起的尘土[27]，因此可以说明PM10受预设污染源园外交通的影响更大。而PM2.5本身不是以重力沉降为主，可较长时间地在空气中悬浮和扩散，因此受距离的制约影响较PM10浓度小。另一方面，当大环境背景下PM2.5浓度较大时，外部持续的污染源输入到林内，树木来不及完全滞纳这些细颗粒物，其本身也难靠重力沉降，就会使得林内PM2.5蓄积，浓度反而高于林外。

春季PM2.5在林内100 m 梯度产生蓄积，而200 m 梯度PM2.5才显著低于林外，夏季城市森林内200 m 处的颗粒物浓度也明显小于100 m 处，结合统计的气象数据可以发现，夏季风速较大，显著高于春季，因此可能会导致颗粒物飘散传播的距离变长，本实验结果表明林内200 m 的消减效率明显强于林内100 m，说明半径不小于200 m 的城市森林能对PM2.5产生明显的阻滞消减效果。张志丹等研究发现，城市森林的林缘至林内每100 m叶表面细颗粒物减少5.2%，粗颗粒物减少4.0%，在林内200～ 400 m 基本降至稳定，这与本实验的研究结果基本吻合[28]。

3.2 结论

（1）城市森林内春季PM2.5和PM10浓度均显著高于夏季（P＜0.05），春季林内以PM2.5污染为主，夏季以PM10污染较多。春季两种颗粒物浓度日变化总体呈下降趋势，从9：00 开始持续下降至17：00 达到最低点。夏季表现出早晚偏高的特点，从9：00 持续下降至14：00 达到最低点，之后逐渐回升。

（2）夏季绿地对PM2.5和PM10浓度的消减效率显著高于春季（P＜0.05）。PM10分布完全符合距离传播规律，较PM2.5受马路污染源的影响更大。200 m 梯度对PM2.5和PM10浓度的消减效率最高。