北京城市森林空气负离子与PM2.5颗粒物交互效应研究

陶雪莹，张伟宁，鲁绍伟，李少宁*，赵 娜，徐晓天

（1.沈阳农业大学林学院，辽宁沈阳 110866；2.河北美术学院，河北石家庄 050700；3.北京市林业果树科学研究院/北京燕山森林生态系统长期定位观测研究站，北京 100093）

【研究意义】近些年来，越来越多的人们开始走进自然，意愿十分强烈，亲近森林已成为城市人群舒朗心境和缓解压力的新潮流［1］。伴随着生态旅游的勃兴和人们保健意识的增强，森林局部小气候所产生的空气负离子（NAI）具备杀菌和医疗保健等功能被越来越多的人认知［2−4］。NAI也被称作负氧离子，植物通过枝叶尖端放电和光合作用形成光电效应促使空气电离产生负离子［7−8］。它已经成为评价城市空气质量的一个重要指标［9］。细颗粒物(PM2.5)是指环境空气中空气动力学直径小于或等于2.5µm的颗粒物，是大气复合型污染中最重要的特征污染物［10］。与负离子相比，颗粒物浓度是衡量环境质量的一种权威且反面的指标，特别是以PM2.5为代表的细颗粒物［11］。研究二者交互效应对大气环境治理和城市绿化有现实意义。【前人研究进展】目前，国内外学者围绕PM2.5的组成来源［12−13］、去除途径［14］、NAI与PM2.5质量浓度变化规律［15］、影响因素［16］、森林NAI的时空变化特征［17−18］、小气候因子对NAI的影响［19−22］等开展了大量研究。研究表明，森林中空气负离子浓度（NAIC）为城市平均值的5～15倍［5］，不同的森林结构类型对NAI的影响差异显著［6］。【本研究切入点】前人研究对影响NAIC的变化因素多归因于气象因子［23−24］，忽略了大气污染物浓度（尤其是可入肺颗粒物PM2.5）与NAIC的相关性；缺乏对不同类型城市森林NAI与PM2.5浓度的交互效应研究。【拟解决的关键问题】本文依托北京市林业果树科学研究院在北京建立的城市森林生态环境监测网络，就4个不同城市森林内NAI与PM2.5浓度的时空变化规律及二者相关性进行分析总结，以期为今后城市森林管理和空气质量提升等方面提供生态学数据参考和科学依据。

1 材料与方法

1.1 研究地概况

选取北京市林业果树科学研究院设置在北京市不同污染梯度下的4个城市森林生态环境监测站，分别为中心城市园林区(朝阳公园生态环境监测站)、近郊浅山林区(西山森林公园生态环境监测站)−近郊森林湿地公园(南海子公园生态环境监测站)和远郊山地林区(松山国家级自然保护区生态环境监测站)。这4个监测站基本代表了北京4种不同类型城市森林环境特点。

北京朝阳公园是北京市四环之内最大且以园林绿化为主的城市公园。其中心水面面积68.2 hm2，绿地占有率87%；四周城市化程度极高，常见树种有油松（Pinus tabuliformis）、雪松（Cedrus deodara）、白皮松（Pinus bungeana）、银杏（Ginkgo biloba）、侧柏（Platycladus orientalis）等。

北京西山国家森林公园位于北京西郊小西山，林木覆盖率高达87%，园内有植物共计250多种，分属73科。主要乔木树种包括油松、侧柏、红松（Pinus koraiensis）、银杏等，主要的灌木有紫叶小檗（Berberis thunbergii）、砂地柏（Sabina vulgaris）等。是距北京市区最近的一座国家级森林公园。

南海子公园是北京四大郊野公园之一，园区乡土植物206种，常见树种有油松、侧柏、雪松、银杏、国槐（Sophora japonica）等，植被覆盖率较高，且公园水面面积占总面积的五分之一，是北京市最大的森林湿地公园。

北京松山国家级自然保护区位于北京市延庆区境内西北部，距市区90 km。森林覆盖率高。共有植物783种及变种，占北京植物种数的76%，地带性植被以油松、蒙古栎（Quercus mongolica）、山杨（Populus davidiana）、核桃楸（Juglans mandshurica）为主。

1.2 数据获取

选取2016年9月1日至2017年8月31日数据进行分析。为避免特殊天气条件的影响（大风、降雨以及重度灰霾天等），选用2017年7月连续3 d晴天取其平均值分析典型日变化；按照气候学中通用的季节划分方式对朝阳公园进行NAIC与PM2.5浓度的季节变化特征研究。即3—5月为春季，6—8月为夏季，9—11月为秋季，12月至翌年2月为冬季。NAIC与PM2.5实时浓度值由4个城市森林生态环境监测站获得。采用Excel 2010和Origin 2018对数据进行处理及制图，SPSS 17.0软件进行相关性分析。

2 结果与分析

2.1 NAIC与PM2.5浓度的日变化

由图1（北京市2017年7月不同类型城市森林NAIC的日变化）可知，4个监测站NAIC全天日变化均呈双峰型。不同监测站NAIC差别较大，中心城区两个峰值分别在06：00（742.32个/cm3）和20：00（558.45个/cm3），远郊区两个峰值分别在07：00（1011.75个/cm3）和23：00（1 084.31个/cm3），近郊湿地两个峰值分别在05：00（982.80个/cm3）和20：00（975.03个/cm3），近郊浅山区两个峰值分别在04：00（762.93个/cm3）和22：00（825.57个/cm3）。一天中NAIC在白天和夜间各出现1个峰值，白天峰值出现在04：00—07：00，峰值位于742.32～1 011.75个/cm3，其中NAIC最大的远郊区是NAIC最小的中心城区的1.36倍；夜晚峰值出现在20：00—23：00，峰值位于558.45～1 084.31个/cm3，NAIC最大的远郊区是NAIC最小的中心城区的1.94倍；且两个峰值浓度变化趋势均与距市中心距离成反比，由大到小依次为远郊区（1 048.03个/cm3）、近郊湿地（978.92个/cm3）、近郊浅山区（794.25个/cm3）和中心城区（650.39个/cm3），呈现出由郊区至市中心NAIC逐步递减的趋势。

图1 不同类型城市森林空气负离子浓度日变化Fig.1 Daily change of air negative ions concentration in different types of urban forests

图2 不同类型城市森林PM2.5浓度日变化Fig.2 Changes in PM2.5 concentration in different types of urban forests

图2为北京市2017年7月不同类型城市森林PM2.5浓度的日变化。可见不同城市森林PM2.5浓度差异显著。远郊区基本呈单峰型，峰值在15：00（64.4µg/m3）；其余3个监测站PM2.5变化特征为双峰型。近郊浅山区两个峰值分别在12：00（149.8 µg/m3）和22：00（99.4 µg/m3），近郊湿地两个峰值分别在08：00（85.4µg/m3）和23：00（71.4µg/m3），中心城区两个峰值分别在12：00（56.0µg/m3）和23：00（44.8µg/m3）。不同城市森林PM2.5浓度均为白天大于夜晚，在每天07:00以前PM2.5浓度变化比较平稳，而在07：00—22：00变化趋势剧烈。

如表1，不同类型城市森林NAI与PM2.5之间均呈显著负相关（P<0.05），这与多数研究结论一致［25−27］。PM2.5微粒自身带正电荷，相互排斥，加上其粒径细小，能长时间悬浮在空中［28］；而NAI则是具备多余负电荷的强还原离子，通过与空气中的PM2.5结合，可以改变PM2.5微粒自身的物理属性，使其一部分转变为带负电荷的电子，这样PM2.5就会因表面所带不同的电荷而彼此吸引粘附，发生沉降，进而净化空气。

表1 4个不同类型城市森林NAI与PM2.5相关分析Tab.1 Correlation analysis of NAI and PM2.5 in four different types of urban forests

2.2 NAIC与PM2.5浓度月日均值差异性比较

图3表示2017年7月北京市不同类型城市森林NAIC与PM2.5浓度的月日均值变化差异。其中4个监测站NAIC由高到低依次为中心城区（（1 193.73±69.54）个/cm3）、远郊区（（1 036.17±169.86）个/cm3）、近郊湿地（（1 004.65±137.89）个/cm3）和近郊浅山区（（629.78±216.37）个/cm3），除近郊浅山区，均已达到世界卫生组织规定清新空气的标准（（1 000～1 500）个/cm3）。PM2.5浓度低到高依次是远郊区（（59.11±42.13）µg/m3）、近郊浅山区（（63.28±30.27）µg/m3）、中心城区（（68.63±27.62）µg/m3）和近郊湿地（（76.05±30.31）µg/m3），只有近郊湿地PM2.5浓度高于国家规定的二级日均值标准（75µg/m3）；从NAIC和PM2.5浓度指标来看，4个不同区域中，远郊区与中心城区公园空气质量相对较好，近郊浅山区和近郊湿地相对较差。

图3 不同类型城市森林空气负离子与PM2.5浓度月日均值差异比较Fig.3 Comparison of air negative ions and PM2.5 concentration in different types of urban forests

2.3 NAIC与PM2.5浓度的季节变化特征

图4为中心城区四季NAI与PM2.5浓度变化曲线。可见PM2.5浓度的季均浓度变化呈明显“W”型，而NAI的季节变化基本呈“M”型，且二者在不用季节内的小时变化均为此消彼长之势。其中，NAIC由大到小依次为夏季（（564.87±224.26）个/cm3）、秋季（（453.88±135.73）个/cm3）、春季（（436.91±95.65）个/cm3）和冬季（（425.46±34.37）个/cm3）；而PM2.5浓度由小到大依次为夏季（（53.40±15.45）µg/m3）、春季（（90.64±13.55）µg/m3）、秋季（（91.84±14.28）µg/m3）和冬季（（123.86±84.73）µg/m3）。这与姚成胜［6］、吴楚材等［29］的研究结果相符。

图4 中心城区四季空气负离子与PM2.5浓度变化Fig.4 Changes of air negative ions and PM2.5 concentration in four seasons in central district

NAI在4个季节的第1个峰值出现在07：00—09：00，浓度在509.11～1 119.34个/cm3，最高值夏季是最低值冬季NAIC的2.20倍；第2个峰值出现在17：00—次日02：00，浓度在441.74～698.63个/cm3，其中夏季NAIC是冬季NAIC的1.58倍。随着天气转冷，第1个峰值延后1～2 h，第2个峰值除夏季外，变化区间均在0～2 h。两个峰值的浓度变化趋势相同，由大到小均为夏季、秋季、春季和冬季。

PM2.5在4个季节的第1个峰值出现在12：00—14：00，浓度在88.39～153.12µg/m3，最高值冬季是最低值夏季的1.73倍；第2个峰值出现在20：00—次日01：00，浓度在55.79～273.94µg/m3，其中冬季浓度是夏季浓度的4.91倍。第1个峰值在0～2 h内波动，浓度变化趋势由大到小依次为冬季（153.12µg/m3）、秋季（125.43µg/m3）、春季（120.34µg/m3）和夏季（88.39µg/m3）；第2个峰值冬季较之提前2～5 h。浓度变化趋势由大到小依次为冬季（273.94µg/m3）、春季（103.99µg/m3）、秋季（94.54µg/m3）和夏季（55.79µg/m3）。

2.4 NAIC与PM2.5浓度的季节变化相关关系

经图5曲线拟合可见，NAIC与PM2.5浓度呈显著的线性关系。随着颗粒物浓度的增高，NAIC开始逐渐降低，此消彼长。可能是由于人类活动的影响加上空气污染而导致大颗粒物及气溶胶等对NAI的吸附作用变大，NAIC有所下降。表2分析了不同季节二者日内小时浓度的Pearson相关性，二者在一年四季均呈显著负相关(P<0.05），二者相关性季节变化特征由大到小依次为夏季（−0.148）、秋季（−0.214）、春季（−0.271）和冬季（−0.350）。对四季模型进行检验，F值均远大于1。空气负离子与PM2.5在不同季节的预测线性拟合模型分别为（式中PM2.5为自变量x，空气负离子为因变量y）：

春季：y=449.282−0.453x；

夏季：y=681.428−0.733x；

秋季：y=635.088−0.423x；

冬季：y=490.608−0.231x。

图5 中心城区四季空气负离子与PM2.5浓度变化关系Fig.5 Relationship between air negative ions and PM2.5 concentration in four seasons in central district

表2 四季NAI与PM2.5相关分析Tab.2 Correlation analysis of NAI and PM2.5 in four seasons

3 讨论

3.1 不同类型城市森林NAIC与PM2.5浓度分布及相关性特征

黄芸茵［30］提出：远郊的NAIC要高于近郊和中心旅游区。邵海荣等［31］认为北京地区NAIC空间分布从城市中心向近郊、远郊逐渐增加。而本研究结果表明：4个城市森林NAIC中心城区最高，远郊区次之，近郊浅山区最低。造成这种差异可能是与城市森林内植物的种类、数量、群落结构和植被类型等因素有关［32］。邵海荣等［33］研究发现，北京地区空气质量由市中心向近郊、远郊逐渐变好。可见NAIC变化与北京地区污染程度总趋势不一致，说明与其他影响因素相比，城市污染梯度对城市森林中NAI影响较小［34］。城市化可以诱导空气负离子沿城乡梯度发生变化，但对植被良好的地区影响有限［35］。两者观点一致，证明了城市森林具有一定城市生态承载力，能显著抵抗城市化对其的影响。

PM2.5按浓度由低到高排序依次是远郊区（（59.11±42.13）µg/m3）、近郊浅山区（（63.28±30.27）µg/m3）、中心城区（（68.63±27.62）µg/m3）和近郊湿地（（76.05±30.31）µg/m3）。由上文可知与城市空气清洁程度大小排序不符但却关系紧密，许宇星等［36］指出：森林主要通过其复杂的冠层结构来降低颗粒物浓度，进而净化大气环境；但植物净化能力受植物类型影响。由此可见，城市森林可以一定程度上降低PM2.5浓度，但其浓度高低受多种因子综合影响［15］。

4个城市森林NAIC与PM2.5浓度均在0.05水平上呈显著负相关(P<0.05）。相关系数由大到小依次为：近郊湿地（−0.363）、近郊浅山区（−0.496）、中心城区（−0.679）和远郊区（−0.838）；表明城市森林确有一定程度滞留颗粒物的能力，对PM2.5消减作用十分明显，其中近郊湿地相关性最弱，远郊区二者相关性最强。研究表明，城市森林树种组成［37］、群落结构类型［38］、森林覆盖率［39］、林分郁闭度［35］以及小区域内污染源排放情况［15］和下垫面结构［11］等都会影响城市森林对PM2.5的消减能力，致使不同城市森林内NAI和PM2.5二者相关性出现差别。今后应进一步研究各项影响因子对二者的作用机制，为大气治理和城市绿化提供理论支持，最大限度发挥城市生态效益。

3.2 NAIC时间变化分析

4种城市森林状况，NAIC有着明显相同的日变化规律，均呈“双峰”型；早晨和晚上的NAIC较高，正午和下午的NAIC较低，浓度高峰值一般出现在早晨或者晚上，低峰值一般出现在中午。这与赵雄伟等［40−45］研究结果一致；主要是由于凌晨人为干扰最小；正午时气温升高和湿度降低以及污染物浓度等综合影响，植物出现光合“午休”现象，导致浓度降低［46］。早晨太阳辐射到达一定强度，森林植被光合作用逐渐加强，人群及车辆影响逐渐削弱；傍晚过后，人类活动和污染物排放减小，NAIC逐渐升高［47］。

此外，NAIC还有明显的季节变动特征。中心城区一年中NAIC以夏季最高，平均为564.87个/cm3，冬季最低，平均为425.46个/cm3，秋、春季次之。夏季水量充沛，温度较高会加速分子或原子热运动，使相互间的碰撞几率增高，氧分子电离作用增强；加之植物生长茂盛、光合作用较强等因素。而冬季上述作用明显减弱，空气污染加剧，损耗更多的NAI，致使NAIC降低。秋季与春季NAIC变化不明显，本研究认为主要是由于春秋两季紫外线强度、温湿度等条件相似。通常情况下，越强的光合作用，越复杂的群落结构类型，越利于NAI产生［48］。

3.3 PM2.5浓度时间变化分析

一天中，PM2.5浓度变化除远郊区外，与负离子相似，基本为双峰型。极大值出现在凌晨和正午，极小值则在早晨和傍晚左右。与蒋燕等［49］结果一致，可能原因是凌晨温度低，湿度大，无益于大气的输散，更易积聚［50］，自上午以来，通过荫蔽和蒸腾作用植物能够在某些程度上增加细颗粒物的重量和黏性［51］，促使其沉降，正午气温升高，空气中的物质化学反应加快，致使PM2.5浓度升高。

本研究认为，中心城区PM2.5浓度季节变化冬季最高，可能是北京冬季取暖燃煤、逆温天气使得颗粒物较难扩散，PM2.5更容易积聚；夏季为北京的雨季，雨水对PM2.5的冲刷作用明显，加上温度在一年中最高，利于PM2.5的扩散［52］，而且此时植物生理活动最盛，对悬浮在大气中的颗粒物吸滞作用最强，故浓度最低；春季与秋季的情况比较相近；数值在冬季与夏季之间［53］。

4 结论

本文在对NAI及PM2.5变化特征研究的基础上。分析了北京市不同类型城市森林内部二者交互效应及其相关性，并得出以下结论：

（1）不同类型城市森林一天中NAIC日变化均呈“双峰型”，总趋势为早晚高，中午较低；PM2.5浓度日变化基本为“双峰”型，以早午高，傍晚低为主。

（2）4个城市森林NAIC与PM2.5浓度均呈显著负相关(P<0.05）。相关关系由大到小依次为近郊湿地（−0.363）、近郊浅山区（−0.496）、中心城区（−0.679）和远郊区（−0.838）。

（3）NAI的季节变化基本呈“M”型，夏季最高，秋季次之，冬季最低；PM2.5浓度的季均浓度变化明显呈“W”型，冬季浓度最高，秋季次之，夏季最低。且二者在不同季节日内小时浓度均呈显著负相关关系（P<0.05），相关性季节变化特征由大到小依次为夏季（−0.148）、秋季（−0.214）、春季（−0.271）和冬季（−0.350）。可见城市森林对PM2.5确有一定程度的削减作用，因此可以通过改善森林绿地结构、提高空气负离子浓度，净化大气环境。