北京市海淀区典型植物群落内PM10浓度变化∗

许 冬 胡 楠 李运远

北京林业大学园林学院 北京 100083

自从«大气污染防治行动计划»[1]制定并实施以来,以北京、天津、河北为代表的重点区域污染物减排活动成果显著,污染物排放量整体呈现下降趋势[2]。然而,受西、北环山的特殊地势,以及秋冬季易发生的静稳天气等自然因素影响,北京地区大气扩散能力较弱,且易造成污染物堆积的现象[3],多次出现大范围持续性重污染事件[4]。同时,秋季为北京市空气颗粒物污染的多发季节,该季节内北京市民和外地游客进行各种游憩活动相对频繁[5],以粉尘为主的可吸入颗粒物会对居民及游客健康造成一定影响[6－7]。

城市绿地作为城市生态环境的重要构成部分,在改善空气质量方面具有重要作用[8],植物群落是构成城市绿地的基本单位和要素,是城市绿地生态系统的基础,绿地消减空气污染物的特点与城市绿地群落结构具有明显相关性[9]。选择合适的植物群落结构以及树种是缓解城市大气粉尘污染、提高城市空气质量的重要手段。

截至目前,国内外学者主要通过植物群落内颗粒物浓度时空变化[10－11]、不同植物群落颗粒物浓度对照测定[12－13]、环境因子与植物群落颗粒物浓度相关性分析[14－15]等方式进行植物群落滞尘效益方面的研究,研究成果丰富。研究内容主要聚焦于3个方面:1)植物滞尘机理,着重从停着、附着与黏着3个方面探究不同植物群落及植物个体滞尘方式的异同[16－19]；2)植物滞尘能力差异,主要通过对植物个体与植物群落滞尘能力的差异性比较 探索提升滞尘效益的植物搭配模式[20－22]；3)植物滞尘影响因素,主要从植物自身特征、季节、空间环境及气象等方面探究环境因子对植物个体或植物群落滞尘能力的影响[23－25]。

目前国内学者大多围绕植物个体滞尘能力展开研究,且结论存在差异。植物群落滞尘研究多聚焦于单一公园用地、道路绿地或居住区绿地[26－28],以及在相同所属环境下不同植物群落滞尘效益差别[29－30],而较少从城市区域角度出发,将多个同一类型用地划为整体探究其相同植物群落特征下的植物群落颗粒物浓度差异。本文以PM10为出发点,从受到城市地理环境影响的公园用地入手,探究不同公园用地下植物群落PM10浓度变化差异。

1 研究方法

1.1 样地选取

北京市海淀区位于华北平原北部边缘地带。根据海淀分区规划(国土空间规划2017—2035年)中绿地系统规划[31]对公园用地的界定,利用Google Earth进行样地选取,确保样地自然环境条件相近、周边无其他污染源或热源干扰,且具有一定可达性,最终选取北京市植物园、中国科学院植物研究所植物园、颐和园、圆明园和东升八家郊野公园5个研究地。

为最大限度避免和消除其他干扰因素,保证实验条件的一致性和可比性,通过网格系统取样法选取研究地内部植物群落样方。根据研究地尺度大小,沿正南正北方向设置网格并取其交点,利用Google Earth显示交点坐标位置并进行实地调研。实地调研过程中对网格内部植物群落及其周边物理环境条件进行评估,选择远离水体、地形平坦、人为活动干扰较少的植物群落,且植物群落内部植物均为北京市绿化配置常见规格、长势良好、无特大古树或过小幼树、无病虫害干扰等[32]。在每个研究地内人工选取4个植物群落实验样方(20 m×20 m),并在实验样方100 m距离内选择无植物覆盖的广场作为对照样方[33],其中植物群落实验样方结构分别为乔灌草型、乔灌型、乔草型及草坪型,除草坪型外,其他群落结构均为常绿落叶混交型,尽量确保不同公园下同类型植物群落结构特征相似(表1)。

表1 不同结构下植物群落配置模式样方表

1.2 数据采集

植物群落结构及配置模式数据采集以现场观察、测量记录的方式进行,观测样方植物群落结构模式及树种组成；利用测距仪测量每一类乔木、灌木平均高度、枝下高、胸径、冠幅、株数及形态；通过观测与皮尺测量结合的方式采集地被植物覆盖面积以及平均高度,并以样点法拍摄样地照片及周围环境。

使用多功能激光粉尘仪(LD-6S,北京市绿林创新数码科技有限公司)采集滞尘数据,该仪器采用光散射法检测原理进行泵吸式采样,通过内置直径为40 mm滤膜采样装置收集粉尘样品进行重量测定后,运用内置评估软件进行粉尘质量浓度换算,并根据滤膜样品分析颗粒物成分。将2台粉尘仪分别架设在实验样方及对照样方中心点1.5 m的高度上同时进行测量,设定一次数据采集时长为1 min,设置测量精度(K值)为0.001。测量前校准仪器,测量过程中尽量避免仪器抖动以及周边人为干扰。预实验后,选择晴朗无风(风速小于2 m·s－1)天气、气候因素影响低的时段进行测定。在进行滞尘测量的同时,使用温湿度计记录仪(LM-8010,深圳市恩慈电子有限公司)测定当日温湿度、风速、风向。数据采集时间为2021年10月10－20日,每天8∶00－17∶00分5个时间段(8∶00－9∶00、10∶00－11∶00、12∶00－13∶00、14∶00－15∶00、16∶00－17∶00)进行测量。以PM10浓度为测定指标,对每个测量点测量3次后计算平均值作为样本数据。

1.3 数据处理

利用AutoCAD 2020画出样方植物群落实测平面图；利用Excel 2020对各项数据进行汇总整合,计算样方植物盖度、林下植物盖度、针叶阔叶盖度比等群落特征；利用图像抽取法处理图像数据计算群落郁闭度,最终核查植物群落特征相似度。

利用Excel 2020对滞尘数据进行整理；应用SPSS 16.0进行相关性分析。通过滞尘率(Q)衡量不同结构和配置模式的植物群落滞尘能力强弱,滞尘率计算公式如式(1):

式(1)中:Q为植物群落样方滞尘率；V1为对照点颗粒物浓度平均值(mg·m－3)；V2为试验点颗粒物浓度平均值(mg·m－3)。

2 结果与分析

2.1 PM10浓度时空分布特征

2.1.1 PM10浓度空间分布特征

不同研究地位置与西、北环山的距离由远到近为:东升八家郊野公园>圆明园>颐和园>中国科学院植物研究所植物园>北京植物园。5个研究地内相同结构植物群落的PM10浓度具有差异,一定程度上可以反映山体距离因素对植物群落PM10浓度的影响。由回归分析可知,山体距离因素与植物群落内PM10浓度具有正相关关系,即与山体距离越远,植物群落空气中PM10浓度越高(图2)。

图2 不同研究地植物群落PM10浓度图

不同结构的植物群落内PM10浓度与山体距离拟合程度排序为:乔灌>乔灌草>乔草>草坪。乔灌型及乔灌草型植物群落PM10浓度与研究地距离因素呈明显正相关(回归方程为y＝0.013 8x乔灌＋0.388 8,r2＝0.748 2及y＝0.010 8x乔灌草＋0.415 6,r2＝0.740 6),这可能是因为乔灌型及乔灌草型植物群落整体通透度低,植物在1.5 m高度附近生长密集,导致颗粒物进入植物群落内部后无法快速排出,颗粒物浓度在一定程度上受地理环境的影响。乔草型植物群落PM10浓度与研究地距离因素呈弱正相关(回归方程y＝0.009 6x乔草＋0.368 6,r2＝0.637 3),而草坪基本不受山体距离因素的影响(回归方程为y＝0.003x草坪＋0.384 8,r2＝0.099 5),这可能是由于乔草型及草坪型结构单一、通透度高,相较于城市地理环境,更易受到周遭小气候干扰。

2.1.2 PM10浓度日变化规律

不同研究地PM10浓度日变化的曲线基本为同位相波动(图3),整体趋势为早晨PM10浓度偏高,中午达到谷值,随后又逐渐升高。由图3可知,北京市植物园与中国科学院植物研究所植物园内不同植物群落结构下PM10浓度日变化量较小,且4种植物群落结构内部颗粒物浓度差异性低。这可能是由于北京市植物园与中国科学院植物研究所植物园距离西、北环山距离较近,且公园本身海拔相对较高,日气温变化幅度低,城市热气流对植物群落影响较小等综合因素所造成的。

图3 不同研究地植物群落PM10浓度日变化图

2.2 不同植物群落对PM10的消减率

从图4可以看出,4种植物群落对PM10浓度消减率略有差异,其中,草坪型植物群落的消减效果最佳,平均消减率为16.73%；其次为乔灌草和乔草型植物群落,平均消减率分别为14.53%和13.35%；PM10消减率最低的是乔灌型植物群落,为6.39%。原因可能是秋季植物群落处在动态变化中,叶片在掉落过程中产生二次扬尘,而草坪型植物群落具有较少动态变化,且植物群落结构通透性高,在周边无稳定污染源的情况下能快速排走场地内颗粒物,表现出颗粒物消减率高的特征。

图4 不同植物群落颗粒物消减率图

但由于草坪内部PM10浓度本身较低,与对照组露天广场PM10浓度有较大差异,其表现出PM10消减率最高的结果并不能完全代表该群落结构本身的滞尘能力。而乔灌草群落结构内部颗粒物浓度较高,但其仍具有较高的减尘效果,一定程度表明乔灌草3层群落具有较强的滞尘能力。

2.3 环境因子与植物群落内PM10浓度的相关性

2.3.1 温度对PM10浓度影响

温度可以影响植物光合作用效率,加强植物群落对颗粒物的消减作用,减少植物群落内空气中颗粒物浓度[4]。将北京市植物园与东升八家郊野公园的温度与相应时段的PM10浓度进行相关性分析,结果(图5)表明,这2个公园的PM10浓度均随着温度的升高而降低,呈现出负相关的关系,其中北京市植物园PM10浓度与温度的相关性较低,东升八家郊野公园PM10浓度与温度的相关性较高。

图5 温度与PM10浓度变化关系(y代表PM10浓度；x代表温度)

通过对北京市植物园与东升八家郊野公园的数据进行比较分析,结果发现,东升八家郊野公园植物群落内部PM10浓度更易受到温度变化影响,原因可能是东升八家郊野公园整体海拔相对较低,城市热岛效应与地面辐射影响较大,受大气对流干扰严重[34],垂直湍流对植物群落内颗粒物扩散量有较大影响,从而使PM10浓度与温度显现出较强的相关性。

2.3.2 空气相对湿度对PM10浓度影响

湿度在一定范围内可以使植物叶表面颗粒物吸附能力产生变化,从而影响植物群落内颗粒物浓度变化[10]。将北京市植物园与东升八家郊野公园的湿度与相应PM10数据进行相关性分析,结果(图6)表明,这2个公园的PM10浓度都随着湿度的升高而升高,呈现出正相关的关系,其中北京市植物园PM10浓度与空气相对湿度的相关性较低,东升八家郊野公园PM10浓度与空气相对湿度的相关性更高。

图6 湿度与PM10浓度变化关系(y代表PM10浓度，x代表空气相对湿度)

通过对比发现,湿度与北京市植物园和东升八家郊野公园植物群落PM10浓度整体相关性较低,原因可能是湿度的增加有利于植物对颗粒物的吸附作用,同时又能造成植物叶面表面颗粒物的脱落,呈现出双向的影响作用[10]。但整体而言,湿度对东升八家郊野公园植物群落PM10浓度影响更大,这可能是由于东升八家郊野公园湿度差更大,更易与空气中颗粒物产生凝结关系,增加颗粒物重量,最终导致空气中颗粒物浓度变化。

3 讨论

植物群落内颗粒物浓度变化是多维因子协同作用的结果[8],本研究结果表明,植物群落与山体距离越远,内部PM10浓度越高,这可能是因为PM10受到城市弱气流和城市热岛效应的影响,最终导致PM10在低海拔城市核心地带聚集,这与以往北京市空气污染特征类研究结果相符[2－4]。公园内植物群落PM10浓度日变化呈现“U型”分布状态,表现出早晚高、白天低的趋势,俞琳琳[28]等对绿地内颗粒物浓度日变化特征的研究也表现出同样规律,出现该规律的原因可能是早晨及傍晚气温较低,空气湿度大,在低温及高湿的状态下颗粒物容易聚集增多,不利于输送及扩散；而午后时间段与之相反,光照较强导致温度升高、湿度降低,从而使颗粒物扩散速度加快。另外,此次研究结果表明草坪型的植物群落对PM10消减效果最佳,这与部分学者的研究结果存在差异[9],原因可能为秋季植物群落处在动态变化中,草坪型结构可避免叶片掉落过程中产生二次扬尘,并在风力影响下快速疏散颗粒物；其他群落结构颗粒物消减能力比较结果为:乔灌草型>乔草型>乔灌型,这与李新宇[30]等人研究结果一致。

国内外大量研究表明,城市绿地植物群落有助于改善城市空气质量,塑造高品质的生活环境[8－11],本文研究地选址考虑了西、北环山地理条件影响,从城市环境入手探究植物群落内PM10浓度变化与地理环境因素关系,以及不同地理位置关系下的植物群落滞尘效益。虽然西、北环山地势易减缓风力,造成颗粒物堆积,但也易使山间河口风速增大[35],因此在城市更新规划设计中,可通过通风廊道规划及植物群落结构设计使颗粒物快速疏散,同时应合理考虑绿地配置模式,考虑地理条件、小气候特征及城市生活环境,利用微地形等方式营造小气候条件,发挥颗粒物消减效益最大化。

4 结论

1)受北京西、北环山的特殊地势和静稳天气等自然因素的影响,海淀区山体距离与PM10浓度空间分布具有一定正相关关系。5个公园内植物群落PM10浓度日变化趋势相同,呈现出“U型”分布状态,具体表现为上午及下午PM10浓度相对较高,中午PM10浓度水平相对较低。

2)通过比较公园内不同植物群落对PM10的消减率可知,乔灌草、乔灌、乔草及草坪型植物群落的消减率不同,草坪型的植物群落消减效果最佳,其他群落结构颗粒物消减能力比较结果为:乔灌草型>乔草型>乔灌型。

3)环境因子中的温度和湿度影响植物群落内PM10浓度,其中PM10浓度与温度呈一定负相关关系,与相对湿度呈正相关关系,且温湿度对与山体距离更远的公园影响更大。