桐花树及其他植被群落对PM2.5的吸附能力对比研究

摘 要：桐花树是广西滨海地区主要的乡土红树植物，具有重要的生态系统服务价值，但对其PM2.5吸附、消阻价值的认识仍不全面。为此，于2019年12月对广西钦州桐花树群落、校园混合林、乡村混合林进行了PM2.5整月连续观测。结果表明：（1）3种植被群落日均PM2.5浓度表现为林外大于林内，PM2.5消阻效果显著；（2）乡村混合林、桐花树群落、乡村混合林对PM2.5的平均吸附率分别为27.76%、12.27%和7.95%，且林外PM2.5浓度越高，植被对PM2.5吸附率越高；（3）气象因子影响下的林外扩散条件变化是导致林外PM2.5浓度变化的主要因素，且植被的株高和株密度对植被群落对PM2.5的吸附和消阻具有重要影响。

关键词：PM2.5；桐花树；吸附能力；气象因子

中图分类号：Q948 文献标志码：B 文章编号：2095–3305（2024）11–00-04

PM2.5是指直径≤2.5 μm的细颗粒物，主要由尘土、化石燃料燃烧产生的有机碳粒子和气溶胶组成。PM2.5可携带有毒重金属、酸性氧化物、有机污染物、细菌和病毒等，对人体健康构成威胁[1]。植被已被证明能有效吸附空气中的PM2.5，从而提高空气质量。红树林是一类生长在热带和亚热带海岸潮间带特有的植物群落，具有重要的生态服务功能和显著的经济价值。尽管红树林在生态环境修复中扮演着重要角色，但关于其吸附PM2.5能力的研究相对较少。

广西北部湾沿岸是中国亚热带区域重要的红树林分布区之一，红树林总面积占全国的32.7%，达

9 330.34 hm2。广西北部湾共有真红树植物12种（其中外来树种2种），半红树植物8种，其中桐花树群系是分布面积仅次于白骨壤的群系类型[2]。而在广西钦州地区，桐花树群落面积占比最大。与广西北部湾其他沿海城市相比，钦州的空气质量相对较差，PM2.5污染问题尤为严重。鉴于此，以钦州的乡土红树桐花树群落、乡村混合林和校园混合林为对象，基于PM2.5现场连续观测数据，探讨不同植被群落对PM2.5的吸附能力和时空变化趋势差异及其影响因素，旨在为北部湾城市群的PM2.5污染防控提供科学参考。

1 材料与方法

1.1 实验地概况

监测样地位于北部湾大学滨海校区内和校园周边地区。监测的位置具体见图1。

（1）校园混合林：北部湾大学东区操场旁边的情人坡和东区操场作为一组对照观测点。该观测点以草地为主，10 m×10 m样地内零星种植有芒果树、木棉苗木，平均树高约1.3 m，平均胸径5.3 cm，株密度为

0.6株/m2。

（2）桐花树群落：北部湾大学东门外钦江支流旁的桐花树群落及其周边的空地作为一组对照观测点。该观测点主要为桐花树群落，5 m×5 m样地内共有桐花树平均树高约1.9 m，平均基径13.2 cm，株密度为1.2株/m2。

（3）乡村混合林：钦州敏昌大街横山头乡村混合林内及林外空地作为一组对照观测点。该观测点以樟树、桉树、马尾松、毛竹等树种为主，10 m × 10 m样地内平均树高约为6.1 m，平均胸径8.2 cm，株密度为1.9株/m2。

1.2 研究方法

选用美国乐控PM2.5检测仪（P-600）、迈斯泰克（MESTEK）AM600手持式风速仪作为试验器材。采样时间为2019年12月1—30日，每日早晨（06：30）、中午（10：30）、下午（14：30）和晚上（18：30）于校园混合林、乡村混合林监测点进行监测。考虑到桐花树群落受潮汐的影响，根据每日潮位，于低潮位（1个时段）、中潮位（2个时间，约为低潮前后4 h）进行监测，并在每个监测地点随机选择3个位置进行数据采样。PM2.5测定的时间分辨率为2 s，测量PM2.5浓度时测量者应站立静止，减少人为对采样数据的影响。等待仪器数据稳定后进行数据记录，每个采样站点的耗时约为5 min，每个监测样点的采样总时间为0.5 h。采样高度以成人平均呼吸高度为准，即距林地地面1.5 m。

1.3 数据处理

不同植被群落对PM2.5的吸附能力（吸附率）公式如下：

PM2.5吸附率（%）=100×（林外PM2.5-林内PM2.5）/林外PM2.5（1）

监测获得的数据均在SPSS 26（IBM，USA）软件进行统计分析。其中，PM2.5数据及吸附率均不符合正态分布；不同时段、植被群落的PM2.5浓度、吸附率数据均采用Wilcoxon检验其差异性；不同群落类型间PM2.5浓度采用Kruskal-Wallis检验；PM2.5浓度、吸附率及各群落林内、外气象因子之间的相关性采用Spearman相关分析法。

2 结果与分析

2.1 不同植被群落内外PM2.5的污染水平及日变化规律

2.1.1 校园混合林

监测时间内，校园混合林内的全时段PM2.5的平均浓度为53.64 μg/m3，PM2.5的平均空气质量分指数（Index of Air Quality，IAQI）为73.30，整体处于良好水平，但有20个时段的PM2.5的瞬时浓度达到轻度至重度污染水平。校园混合林外的全时段PM2.5的平均浓度为59.85 μg/m3，PM2.5的IAQI为81.07，整体处于良好水平，但23个时段的PM2.5的瞬时浓度达到轻度至重度污染水平。由图2可知，校园混合林内的PM2.5浓度显著低于林外（P＜0.001），PM2.5浓度在06：30～14：30呈现下降趋势，在14：30～18：30呈现上升趋势。

2.1.2 乡村混合林

监测时间内，乡村混合林内的全时段PM2.5的平均浓度为49.35 μg/m3 ，PM2.5的IAQI为67.94，整体处于良好水平，但有17个时段的PM2.5的瞬时浓度达轻度污染水平。乡村混合林外的全时段PM2.5的平均浓度为63.25 μg/m3，PM2.5的IAQI为85.31，整体处于良好水平，

但有46个时段的PM2.5的瞬时浓度达到轻度至重度污染水平。由图3可知，乡村混合林内与林外PM2.5浓度差异显著（P＜0.001），PM2.5浓度在06：30～10：30呈现上升趋势，在10：30～18：30呈现下降趋势。

2.1.3 桐花树群落林

监测时间内，桐花树群落林内的全时段PM2.5的平均浓度为48.09 μg/m3，PM2.5的IAQI为66.36，整体处于良好水平，仅有6个时段的PM2.5的瞬时浓度达到轻度至中度污染水平。桐花树群落林外的全时段PM2.5的平均浓度为58.60 μg/m3，PM2.5的IAQI为79.50，整体处于良好水平，有14个时段的PM2.5的瞬时浓度达到轻度至重度污染水平。由图4可知，桐花树群落林内与林外PM2.5浓度差异显著（P＜0.000），且桐花树群落内外的PM2.5浓度在白天至夜间均呈现上升趋势。

2.2 不同植被群落对PM2.5的吸附能力

对不同植被群落林内、林外日均PM2.5浓度及其吸附率统计见表1。由表中可以看出，3种植被群落日均PM2.5浓度表现为林外＞林内。从吸附率来看，3种植被群落日均PM2.5吸附率差异极显著（P＜0.001），平均吸附率最高的为乡村混合林群落（27.76%），其次为桐花树群落（12.27%），最低为校园混合林群落（7.95%）。相对而言，乡村混合林对PM2.5的吸附能力最强且最稳定，校园混合林对PM2.5的吸附能力最低。

3 讨论

3.1 植被群落特征对PM2.5吸附能力的影响

乡村混合林、桐花树群落、校园混合林3种植被群落林内、外PM2.5浓度的显著性差异表明，植被群落具有明显的PM2.5吸附、消阻功能，但植被对PM2.5的吸附能力与植被群落类型关系密切。以本研究为例，乡村混合林表现出较强的PM2.5的吸附能力，其原因在于乡村混合林中植物种类、数量较多，可形成不同层次、高低不同的混合复合林层。相对而言，桐花树群落树种单一，林分简单，对PM2.5的吸附效果不如乡村混合林。而校园混合林虽然树种较桐花树群落多，但植被最稀疏，对PM2.5的吸附效果最低。

叶片是植被吸附、消阻PM2.5最重要的组织，不同植物叶片对细微颗粒去除机制存在差异。空气中颗粒物与植物叶片的接触面积和接触程度也是影响植被吸附滞尘能力的主要因素。通常，具有大量沟壑、凹凸不平的植被，其叶片粗糙度较大，对于PM2.5的滞纳和吸附能力更强。此外，叶片光合或呼吸作用能力不同也会影响其对PM2.5吸附能力，而叶面气孔大小和密度、绒毛密度及叶片是否产生分泌物也是影响植被吸附或滞尘能力的重要原因。桐花树作为一种滨海盐生植物，树皮平滑，叶片明显泌盐现象会使得叶片表面粗糙，从而对空气中颗粒物的吸附能力更强，进而产生明显的PM2.5吸附效能。

研究发现，植被群落PM2.5沉降速率与植被高度有关。在研究中，乡村混合林植被种类多且平均株高最高，桐花树群落次之，校园混合林平均株高最低，各群落PM2.5的吸附能力差异印证了这一现象，但PM2.5沉降速率与植被高度间的关系还有待进一步量化研究。

3.2 气象因子对植被PM2.5吸附能力的影响

影响植被群落对PM2.5的吸附率的主要因素有温度、湿度、风速等气象因子[3]。相关性分析结果显示，此研究中影响校园混合林对PM2.5吸附率的主要因素为林内风速和林外PM2.5浓度（P＜0.01）（表2），乡村混合林为林内外PM2.5浓度、林内外风速及风速差（P＜0.01）（表3），桐花树群落则为林内外温度、林外PM2.5浓度（P＜0.01）（表4）。这表明气象条件，尤其是风速对植被群落PM2.5吸附率影响的极大，同时，相对茂密的植被因其具有较高的风速削减能力，可有效地消阻较多的PM2.5。在广西沿海地区，12月常有大风天气，在气象因子影响下林外扩散条件产生变化会导致林外PM2.5浓度发生较大变化，并影响植被群落PM2.5吸附效果。

此研究发现林外PM2.5浓度与PM2.5的吸附率呈显著正相关（P＜0.01），表明林外PM2.5浓度越高，植被群落对PM2.5的吸附能力则越强。其原因可能在于颗粒物质量浓度越大，植被叶片、表皮与颗粒物的接触当量则更高，使得吸附作用更强。

一些研究还发现，植物群落对PM2.5的吸附能力具有一定的季节性、时效性，如水杉林、松树林、混合林在早晨吸附能力最强、晚上最弱[4-8]。这与本研究中乡村混合林、校园混合林对PM2.5的日吸附特征相似，但与桐花树群落不同。在本研究中，桐花树在傍晚、夜间相比日间对PM2.5的吸附效果更强。

桐花树群落生长在赶潮河段潮间带，与乡村混合林、校园混合林生境特征差异巨大，尤其是温度、湿度的日变化规律差异较大。桐花树对PM2.5吸附率与林内、林外温度存在极显著负相关关系（P＜0.05），表明温度的降低有利于桐花树对PM2.5吸附功能的恢复，其原因可能与桐花树树叶的结构及其生理因素有关，但其影响机制仍有待研究。

4 结论

（1）2019年12月的3种植被群落内、外PM2.5的日均浓度均处于良好水平，但个别时段PM2.5瞬时浓度达到轻度污染至重度污染水平。

（2）校园混合林PM2.5浓度的日变化规律为先下降后上升，乡村混合林为先升后降，桐花树群落则呈上升趋势。

（3）3种植被群落对PM2.5的吸附率差异极显著，乡村混合林、桐花树群落均能起到较好的PM2.5消阻、吸附效果，且风速、湿度和温度均会影响植被群落对PM2.5的吸附率。

参考文献

[1] 陈熙勐，张皓旻，顾万清，等.我国PM2.5主要成分及对人体健康危害研究进展[J].中华保健医学杂志，2019，21（1）：83-85.

[2] 潘良浩，史小芳，曾聪，等.广西红树林的植物类型[J].广西科学，2018，25（4）：352-362.

[3] 孟昭伟，雷佩玉，张同军，等.2015—2018年西安市两城区PM2.5质量浓度变化特征及气象影响因素[J].卫生研究， 2020，49（1）：75-79，85.

[4] 俞琳琳，胡海波，余伟.城市绿地类型对大气PM2.5浓度的影响[J].南京林业大学学报（自然科学版），2020，44（3）：179-184.

[5] 刘浩栋，陈亚静，李清殿，等.城市道路林对细颗粒物PM2.5的阻滞作用解析[J].浙江农林大学学报，2020，37（3）：397-406.

[6] 黄伟伟，杨勇，陈丰农.杭州校园中不同植被对PM2.5的吸附能力[J].环境科学研究，2018，31（7）：1233-1240.

[7] 王志东，燕世忠，张成福，等.影响城市绿化植物PM2.5吸附能力的主要因素研究综述[J].内蒙古林业科技，2020，46（1）： 52-56.

[8] 付宝春，秦国杰，畅平，等.太原地区常用地被植物及植被结构吸附PM2.5等细颗粒物能力研究[J].安徽农业科学， 2018，46（9）：66-69.