寒地校园植物群落对大气细颗粒物浓度的消减作用
2021-09-01胡尚春唐立娜
刘 畅,胡尚春,唐立娜
1 中国科学院城市环境研究所城市环境与健康重点实验室, 厦门 361021 2 中国科学院大学, 北京 100049 3 东北林业大学园林学院, 哈尔滨 150040
随着我国城市的发展,人为活动给城市生态环境带来诸多问题,尤其是近年来凸显的城市大气污染问题。在全球范围内,颗粒物一直是大多数城市空气污染的主要指标之一,也是中国大多数城市的首要污染物[1]。PM2.5是指空气中直径≤2.5 μm的细颗粒,也称细颗粒物[2]。PM2.5的浓度值越高,就代表环境的空气质量越差。为此,世界各国及有关国际组织将PM2.5的浓度值作为对衡量环境空气质量的标准[3-4]。因此有效地控制大气细颗粒物污染是改善城市生态环境的必要举措。已有研究结果表明,由于植物能够通过吸附和滞留悬浮在空气中的颗粒物,从而降低空气中的颗粒物浓度[5-7]。不同植物群落对对改善空气中PM2.5等颗粒物的能力不同[8-10]。因此城市绿地是生物降解PM2.5的可行途径[11-12]。
目前国内外学者围绕PM2.5的组成来源[13-16],浓度变化规律[17-18]已经做了大量的研究,这些研究大多数以“城市”为单元的大尺度空间范围内,而以校园为对象的小空间范围内的PM2.5浓度特征研究则较为鲜有。校园绿地空间不同于一般的城市绿地,它的使用者具有特殊性,他们对绿地的使用率较高和使用周期较长,而且他们更关注周围环境的细微变化。因此,了解校园植物群落PM2.5浓度变化特征,可以指导使用者特别是学生的空间活动,同时为决策者制定提升校园生态环境的相关政策提供参考。
1 实验方法及内容
1.1 研究区概述
寒地城市是分布在北半球一个特殊的城市群体,典型代表有哈尔滨、呼和浩特、长春和沈阳。其冬季漫长,1月平均气温在-18℃以下。在寒地城市可以通过观察植物生长状况和群落结构的变化来感知大自然四季的变化。
哈尔滨属于中温带大陆性季风气候,冬长夏短,四季分明,冬季1月平均气温约为-19℃; 夏季7月平均气温约为23℃。全年平均降水量569.1 mm,降水主要集中在6—9月,夏季约占全年降水量60%。
东北林业大学位于哈尔滨市香坊区,东经125°42′—130°10′、北纬44°4′—46°40′,处于寒地城市,校园内植物种类丰富,群落结构完整,形成具有季节性的植物景观,属于典型的寒地校园植物群落[19]。
1.2 样点设置
本研究选取东北林业大学校园内具有代表性且周边干扰性较小的五处植物群落作为样地(图1)。样地1以乔草为主,郁闭度较高,样地4以灌草为主,这两个样地植物群落结构比较简单,植物种类也比较单一。样地2和样地3是以乔灌草结合为主,植物种类比较丰富,植物群落也比较完整。样地5是空旷的场地,作为对照组。
图1 研究样地
1.3 实验方法和仪器
数据采集时间为2017年10月,2018年4月和6月,此时间段植物正处于生长季。按照春夏秋季节划分,各选出代表性的3 d(为避免环境变化等因素可能带来的误差,一般选定晴好且无风或微风的连续3 d)对东北林业大学校园内5处样地进行数据测定,以样地5为参照。每天从8:00—18:00在每个样地置测点一处,每次间隔2 h对温度、湿度、PM2.5和PM10进行测定。
测定方法为:每个样地东西南北中各选一点在距离地面1.5 m处测试其温度、湿度、PM2.5和PM10,记录5次取其平均值作为此时间段内样点数据。数据测定结束后,对数据进行列表记录。
实验仪器采用博世(BOSCH)cube空气质量检测仪,这个仪器可以较为快速精准检测 PM2.5,该仪器的测量参数是颗粒物测量范围:0.3—1.0 μm;1.0—2.5 μm;2.5—10 μm。同时采用华仪MS6300多功能环境检测仪来对小气候温度和湿度进行测量。
1.4 数据分析
运用Excel 2003和SPSS 23.0对样本数据进行整理和处理,得出不同植物群落PM2.5浓度时间变化,以及PM2.5浓度变化与温度和湿度等气候因素的关联程度。
2 结果与分析
2.1 不同植物群落PM2.5浓度季节变化规律
不同样地PM2.5浓度随季节变化的趋势基本相同,PM2.5浓度值夏季<春季<秋季(图2)。秋季PM2.5浓度较高,可能与寒地秋季开始供暖有关,大量使用燃料会提高空气中的PM2.5浓度值,从而严重影响空气质量[20]。与夏季不同的是,春季和秋季各群落PM2.5浓度值接近,且对照组(样地5)的PM2.5浓度值并不是最高的,这可能由于PM2.5浓度值过高已经超出植物的调节范围,而样地5较开阔,空气流动性较好,有助于颗粒物在空气中扩散[21]。夏季校园PM2.5浓度较低,空气质量较好。
图2 PM2.5浓度的季节变化图
2.2 不同植物群落PM2.5浓度日变化规律
为避免春秋季节寒地受供暖等人为因素的干扰,选取夏季2018年6月9日—2018年6月11日三天进行监测,探究5种样地的PM2.5浓度日变化差异。不同样地PM2.5浓度日变化的曲线基本以同位相波动(图3),早晚偏高,8:00以后逐渐降低,10:00左右达到最低值,随后又逐渐升高。
图3 PM2.5浓度的日变化图
样地2和样地3的PM2.5浓度变化规律相似且浓度值相对其他样地较低,这可能是由于它们的植物群落结构相似有关,群落的植物类型丰富且乔灌草搭配方式合理。样地1和样地4的PM2.5浓度值偏高,这可能与其群落的植物类型较单一有关。样地5作为对照组,PM2.5的浓度值远高于其他植物群落,说明植物能够一定程度上降低小环境的PM2.5浓度,但不同植物群落对小环境的PM2.5浓度的日变化均有不同程度的影响。
2.3 植物群落对PM2.5浓度的影响
植物可以改善环境空气质量,这已成为人们的共识,为了解不同植物群落对降低细颗粒物浓度方面是否有差异,以植物群落较完整的夏季为例,对5处样地进行比较。由图3可以看出,样地为植物群落的PM2.5浓度明显低于空地,层次为乔灌草3层的植物群落样地2和样地3低于乔草和灌草样地,但其PM2.5浓度下降不显著。因此对5组数据进行单因素方差分析得表1,由表1可知乔草、乔灌草和灌草3种群落类型P值为0.226>0.05,说明3种群落类型间PM2.5浓度变化差异不显著,表明植物能够降低环境中PM2.5浓度,但与植物群落层次关系不显著。
表1 3种植物群落类型PM2.5浓度的比较
2.4 不同植物群落对颗粒物浓度的消减影响
春秋季节容易受到供暖等人为因素的干扰,夏季植物生长旺盛,群落结构比较完整因此选取2018年6月9日—2018年6月11日三天监测的数据进行计算。
不同植物群落对颗粒物浓度消减百分率的计算公式如下[22]:
式中,Cs是对照组(样地5)的颗粒物浓度,Cm是不同类型植物群落的颗粒物浓度。
三种植物群落对颗粒物浓度的消减率略有差异(表2),层次为乔灌草3层的植物群落对颗粒物浓度的消减效果最佳,PM2.5消减率为30.30%,PM10消减率为26.52%。层次为乔草和灌草的植物群落相对较低,PM2.5消减率分别为14.30%和7.77%,PM10消减率分别为13.60%和7.72%。由此可以看出,提升植物群落的丰富度有助于提升其消减颗粒物浓度的能力,并且植物群落对PM2.5的消减效果优于PM10。
表2 3种植物群落类型对颗粒物浓度的消减率/%
2.5 环境因子对PM2.5浓度变化的影响
环境因子对颗粒物在空气中的扩散有较大的影响[23-24],为了探究环境中环境因子特别是温度和湿度对校园植物群落PM2.5浓度变化的影响,以样地2为例。该样地植物群落较完整,且层次为乔灌草3层的植物群落,树木高低错落,景观优美。监测采样的时间为夏季2018年6月9—11日。
2.5.1温度对PM2.5浓度变化的影响
温度变化是人们最容易感知到的。将监测到的数据与PM2.5进行相关性分析(图4)。PM2.5随温度的升高是降低的趋势,两者之间存在着一定的负相关关系,其中y代表PM2.5颗粒物浓度,x代表温度,R2=0.6436,其相关性较高。样地2在8:00—10:00时间段温度是最高的,对应的PM2.5浓度是一天中最低的。因此PM2.5与温度基本上为负相关关系,原因可能是温度较高时,空气对流和乱流旺盛,有助于颗粒物在空气中的扩散,最终导致PM2.5浓度会相应降低。
图4 PM2.5颗粒物浓度与温度的变化关系
2.5.2空气相对湿度对PM2.5浓度变化的影响
哈尔滨的降雨主要集中在夏季,夏季空气相对湿度较大。湿度是影响空气中PM2.5浓度的一个重要指标[25]。PM2.5与空气相对湿度存在一定的正相关关系(图5),PM2.5浓度随着空气湿度的增大而增加,其中y代表PM2.5颗粒物浓度,x代表空气相对湿度,R2= 0.6344,其相关性较高。其原因可能是因为空气相对湿度较大,会使空气中的水蒸气含量增加。漂浮在空气中的细颗粒物会与水蒸气凝结形成雾,这会增加颗粒物的重量,从而颗粒物聚集在大气层中阻碍空气流通,最终导致空气中PM2.5浓度增加。
图5 PM2.5颗粒物浓度与空气湿度的变化关系
2.5.3环境因子对PM2.5浓度变化的综合影响
考虑到空气中的PM2.5浓度的影响因素是复合多样的,因此采用回归分析的方法探究环境因子(温度和相对湿度)对PM2.5浓度变化的综合影响。温度和相对湿度与PM2.5浓度的相关性较强,温度与PM2.5浓度存在一定负相关关系,相对湿度与PM2.5浓度存在一定正相关关系。因此得到模型:
y=-1.683×Ta+1.426×RH+6.589R2= 0.814P<0.01
Ta代表空气温度(℃),RH代表相对湿度(%),y代表PM2.5浓度(μg/m3)
3 结论与讨论
研究发现受寒地供暖等人为因素的影响东北林业大学校园PM2.5浓度春秋季偏高,夏季PM2.5浓度相对较低,空气质量较好。校园中PM2.5日变化呈“双峰单谷”的分布状态,即“早晚高,白天低”这与王开燕等人的研究结果相似[26]。由于早晚校园PM2.5浓度较高,因此建议师生可以在10:00左右进行户外活动[4]。
吴志萍等[27]在对清华大学6种类型绿地PM2.5浓度变化规律的研究中指出,层次合理和植被丰富的植物群落能够起到净化空气的作用。本研究中乔灌草搭配良好的样地2和样地3相对于植被较单一的样地1和样地4的PM2.5浓度值较低,但是差异不显著。空地中的PM2.5浓度要明显高于植物群落。但是当PM2.5浓度过高时,由于空地开阔,空气流动性较好,相对于层次丰富郁闭度较高的植物群落,其PM2.5浓度较低[21]。因此校园在提升植物丰富度的同时,应营造合理的植物层,充分考虑植被的体量和数量等因素。
本文比较了校园不同植物群落对PM2.5浓度的消减率,发现3种类型植物群落对PM2.5浓度的消减率略有差异,层次为乔灌草3层的植物群落对PM2.5浓度的消减效果最佳,这与陈自新等[28]、张新献等[29]的研究结果相似,因此说明层次合理的绿地配置模式对PM2.5的消减作用明显。同时比较了不同植物群落对PM2.5和PM10浓度消减率的影响,发现植物群落对PM2.5的消减效果优于PM10。
赵晨曦等[30]对北京各县市的PM2.5浓度特征进行研究发现,PM2.5浓度与温度呈负相关、与相对湿度呈正相关,其中相对湿度对颗粒物的影响最大。本文通过探究校园植物群落PM2.5浓度受环境因子的影响中发现,PM2.5浓度与温度呈一定负相关关系,R2值为0.6436,PM2.5浓度随温度的上升而有所下降。PM2.5浓度与空气相对湿度呈正相关关系,R2值为 0.6344,PM2.5浓度随着空气相对湿度的增加而增加。在探究环境因子对PM2.5浓度变化的综合影响中,温度与PM2.5浓度存在一定负相关关系,相对湿度与PM2.5浓度存在一定正相关关系。因此建议,师生在校园空气湿度较大,天气闷热的状况下不要进行户外活动。
因此在优化校园环境和改善空气质量中,应将校园小气候要素与植物群落层次结合起来通过调节种植密度,合理选择植物的种类(如凤兰等颗粒物吸附能力较强的植物[31]对)和搭配方式(如考虑乔木株高,冠形和叶形等可能影响空间郁闭度的因素),从而实现植物消减大气中PM2.5浓度和改善空气质量的生态效益。校园的空气质量对师生们的生活至关重要,本文是对位于寒地城市的校园PM2.5浓度变化进行研究,未来应加强对其他代表性区域校园的PM2.5浓度变化特征进行定量研究,从而能够更全面地探究降低空气中细颗粒物浓度的措施。