干旱區城市森林大氣顆粒物濃度變化特征及其與環境因子的關系

李惠玲 何秉宇 玉米提·哈力克 娜斯曼·那斯爾丁 張凱迪

摘要：干旱區城市顆粒物如可吸入顆粒物（PM10）、細顆粒物（PM2.5）以及超細顆粒物（PM1.0）受到越來越多的關注。根據新疆維吾爾自治區烏魯木齊市燕兒窩生態林大氣顆粒物（PM1.0、PM2.5、PM10）濃度、溫度、相對濕度、風速等環境因子數據，對干旱區城市森林內大氣顆粒物濃度時間變化規律進行分析。結果表明：（1）3種顆粒物（PM10、PM2.5、PM1.0）的日變化較為相似，均呈現“早晚高，中午低”的淺“V”形變化趨勢。（2）3種顆粒物季節變化均表現為冬季>秋季>春季>夏季，其中冬春2季林地內濃度小于林地外，而夏秋2季林地內濃度大于林地外。（3）環境因子與3種不同粒徑大氣顆粒物濃度存在顯著相關關系，相對濕度、風速與顆粒物濃度呈顯著正相關，溫度與顆粒物濃度呈顯著負相關。

關鍵詞：大氣顆粒物：環境因子：干旱區城市森林;PM10;PM2.5;PM1.0

中圖分類號：X513?文獻標志碼： A

文章編號：1002-1302（2020）18-0294-06

收稿日期：2019-10-25

基金項目：國家自然科學基金（編號：3177030663）。

作者簡介：李惠玲（1995—），女，四川達州人，碩士研究生，主要從事環境科學研究。E-mail：1601761834@qq.com。

通信作者：何秉宇，碩士，副教授，主要從事環境科學與資源利用研究。E-mail：byhe718@163.com。

大氣污染是當今不可忽視的重要環境問題，而大氣顆粒物含量增多是造成大氣污染的原因之一。大氣顆粒物來源復雜，尤其是細顆粒物（PM2.5）可進入人體血液系統，誘發血管疾病和呼吸道疾病[1]，對人類健康造成極大危害;此外，大氣顆粒物也是導致空氣能見度降低、影響全球氣候變化的主要因素之一[2-3]。城市森林對大氣顆粒物具有較大的調控和吸收凈化作用，研究該環境中超細顆粒物（PM1.0）、PM2.5、可吸入顆粒物（PM10）的濃度變化，對治理城市大氣污染意義重大[4]。

目前，關于大氣顆粒物的研究多在交通污染區、居民區等，對大氣顆粒物的成分解析、來源分析、危害評價等研究[5-7]較多，而對城市森林內外大氣顆粒物濃度差異研究較少。由于區域污染來源存在差異，大氣顆粒物污染特征有所不同[8-9]，各地的氣候條件及植物類型存在差異，導致各地區大氣顆粒物濃度動態變化的情況也不同[10-11];因此，對干旱區城市森林的大氣顆粒物濃度研究顯得尤為重要。本研究以新疆維吾爾自治區烏魯木齊燕兒窩生態林為研究區，分析燕兒窩生態林空氣質量濃度的差異及影響因素，探討大氣顆粒物質量濃度與氣象因子的關系，旨在為大氣顆粒物污染和治理研究提供理論依據。

1?研究區概況

燕兒窩生態林位于新疆維吾爾自治區烏魯木齊市天山區，位于43°69′～43°74′N，87°58′～87°59′E，海拔939 m，占地面積約350 hm2。研究區屬溫帶大陸性氣候，林地內主要樹種為白榆，其次是楊樹、柳樹、野薔薇等。作為烏魯木齊市唯一的一塊天然林地，燕兒窩生態林是烏魯木齊的防風護沙的天然屏障，對烏魯木齊城市生態系統至關重要。

2?研究方法

2.1?監測點設置

根據研究區的形狀和面積，本研究共設監測點位2處，分別位于燕爾窩生態林的林地內部和林地外部。為使所得數據更具有科學研究性和代表性，燕爾窩生態林內部監測點設置于人為活動較少且自然生長樹木集中的區域，林外監測點設置于距燕爾窩生態林20 m的河灘快速路旁。

2.2?數據獲取

2.2.1?大氣顆粒物濃度數據

在距離地面1.5 m高度同步監測顆粒物濃度與氣象因子。大氣顆粒物檢測設備為BR-HOL-1216空氣質量檢測儀，該儀器可同時檢測PM10、PM2.5、PM1.0 3種粒徑的大氣顆粒物，測量范圍為0～1 000 μg/m3，分辨率為 1 μg/m3。

烏魯木齊市氣候四季分明，從當年3月開始至次年2月，每3個月為1個季度。日變化數據選?。罕O測時間為2018年10月至2019年9月，分別在每個季節選擇3～5 d晴朗微風日，每天08：00—18：00每隔30 min測試1次，收集不同顆粒物（PM10、PM2.5和PM1.0）的濃度數據。

2.2.2?氣象數據

采用手持自動氣象儀測定溫度（℃）、相對濕度（%）、風速（m/s）。

2.3?數據處理

使用Excel 2016和SPSS 17.0分析數據并作圖。

3?結果與分析

3.1?大氣顆粒物濃度的時間變化規律

3.1.1?大氣顆粒物日變化規律

通過對林地內、林地外監測點的實時大氣質量監測，獲得監測點近地面1.5 m高度3種大氣顆粒物的日濃度變化。由圖1可知，林地內外3種顆粒物每小時質量濃度平均值的變化趨勢大致相同，日變化曲線近似“V”形。在早晨和傍晚，3種顆粒物濃度出現相對高值，其中08：00的濃度略高于18：00的濃度;而在中午，3種顆粒物均達到相對低值，其中PM1.0在14：00達到一天中的最低值，而PM10、PM2.5分別在14：00、15：00達到1 d中的最低值。

3種顆粒物均呈現出明顯的日變化特征，這與人類生產活動、污染源排放、太陽輻射、氣溫等多種因素有關[12]。08：00左右溫度較低，濕度相對較大，有逆溫現象發生，使大氣層結構相對穩定，近地層的對流相對較弱，降低了大氣顆粒物的擴散程度，導致3種顆粒物容易在原處聚集。此外，燕爾窩生態林緊鄰河灘公路，是進出烏魯木齊市的主要道路之一，08：00車流量較大，處于1 d的高峰期，汽車尾氣排放也會導致顆粒物濃度的上升[13]，因此，早上顆粒物濃度為一天中的最高值。隨著時間的增加，光照度不斷增強，導致空氣中濕度降低，地面溫度升高，中午溫度上升至一天中最高，此時大氣狀態不穩定，大氣垂直擴散和湍流交換能力增強，有利于顆粒物的擴散[14]。此外，光照增強導致林地內植物的生理活動也隨之增強，提高了植物對顆粒物的吸收能力。加之早高峰之后，車流量減少，因此中午顆粒物濃度較低且保持相對穩定，而在14：00和15：00后，隨著溫度的降低、光照度的減弱以及下班車流高峰期的影響，3種顆粒物濃度再次升高。

在日變化觀測時段內，PM1.0濃度在3種不同顆粒物濃度中始終處于相對低值，PM10濃度處于相對高值，而PM2.5濃度介于兩者之間。林地內監測的3種顆粒物濃度，從早晨的相對高值到中午的相對低值，PM10平均每小時遞減1.577 4 μg/m3，PM2.5每小時遞減0.940 5 μg/m3，PM1.0每小時遞減 0.717 9 μg/m3，而從中午相對低值到傍晚的相對高值，PM10平均每小時遞增3.00 μg/m3，PM2.5每小時遞增1.90 μg/m3，PM1.0每小時遞增0.74 μg/m3。由此可知，PM10在1 d內的濃度變化幅度最大，PM1.0濃度變化最平緩，而PM2.5介于兩者之間。林地外的3種顆粒物濃度均高于同時段林地內的顆粒物濃度，且變化幅度也大于林地內的顆粒物濃度。此外，林地外3種顆粒物濃度在個別時段呈波動變化，這可能與車流量有關，林地外監測點位于河灘路邊，除去上下班早晚高峰期，白天的車流量不固定，會引起短時間內顆粒物濃度的上升或下降。

3.1.2?大氣顆粒物季節變化規律

研究區四季氣象條件差異顯著，且各季節污染源排放量的貢獻率不同，導致PM10、PM2.5、PM1.0濃度在4個季節呈現出的特征[15-16]。如圖2所示，3種顆粒物濃度的季節變化較相似，均表現為冬季>秋季>春季>夏季。這主要是由于冬季采暖燃料等大量燃燒導致大氣顆粒物濃度明顯增加，且大氣層結構相對穩定，發生輻射逆溫的頻率較高，阻礙了3種顆粒物的擴散，因此冬季顆粒物濃度最高。而秋季氣溫較低，空氣濕度較小，植物葉片開始變黃掉落，對大氣顆粒物的阻滯與吸附較弱[17]，因此秋季大氣顆粒物濃度較高。

春季氣溫變化幅度大，大氣不穩定，時常會出現對流較強的天氣，大風天氣較多，大氣顆粒物濃度背景值也較低，且春季是植物生長的初級階段，植物生理活動開始活躍，具有吸收和吸附大氣顆粒物污染的作用，因此春季的大氣顆粒物濃度較低。而夏季降雨較多，有利于對大氣顆粒物的清除[18]，且植物生理活動處于最旺盛的階段，對顆粒物的吸收能力高于其他季節，因此夏季顆粒物的濃度最低。

如圖3所示，林地內和林地外3種顆粒物的平均濃度、75分位數、25分位數均表現為冬季最髙，秋季次之，春、夏2季最低。而秋、冬2季四分位數間距明顯高于夏、春2季，表明秋、冬2季3種顆粒物濃度的日均值離散程度較高。對比林地內和林地外的3種顆粒物濃度發現，夏、秋2季林地內和林地外差異明顯，這是由于生態林對顆粒物具有較強的吸附作用，導致林地內顆粒物濃度大于林地外，表明生態林對顆粒物具有明顯的凈化作用。

3.2?環境因子與顆粒物濃度的關系

3.2.1?溫度與顆粒物濃度的關系

大氣穩定度的改變能影響湍流活動，從而對大氣顆粒物的濃度造成影響[19]。圖4表明，隨著溫度升高，不同粒徑顆粒物質量濃度均呈現減小趨勢，且3種顆粒物濃度與溫度均呈顯著負相關關系，PM10、PM2.5、PM1.0的r2分別為0.832 1、0.813 7、 0.758 3（P<0.05）， 這是因為溫度升高時，大氣對流層內垂直對流運動增強，逆溫發生頻率較低，且逆溫層厚度低、強度弱、邊界層結構不穩定，在擴散、沉降的作用下大氣顆粒物的濃度降低。反之，氣溫降低，對流活動減弱，大氣結構相對穩定，不僅不利于空氣顆粒物擴散，反而有利于污染物累積和二次氣溶膠形成細顆粒污染物，造成顆粒物濃度逐漸升高[20]。

3.2.2?相對濕度與顆粒物濃度的關系

如圖5所示，隨著相對濕度的升高，3種顆粒物濃度均呈上升趨勢，且與相對濕度呈顯著正相關，其中PM10、PM1.0、PM2.5的r2分別為0.778 9、0.753 0、0.743 7（P<0.05），這是因為當相對濕度增大時，大氣顆粒物由于吸濕作用自身與水蒸氣發生凝結，導致其體積變大、質量增加，并在植被群落中聚集，不利于顆粒物的擴散，且濕度接近飽和時的天氣條件，導致林中大氣顆粒物濃度增加。

3.2.3?風速與顆粒物濃度的關系

由圖6可知，08：00—09：00，3種大氣顆粒物濃度與風速變化呈相同的趨勢，即隨著風速降低3種大氣顆粒物濃度均降低，但在10：00—12：00，隨著風速的增加大氣顆粒物濃度卻呈下降趨勢，在12：00以后，風速與3種大氣顆粒物的變化趨勢基本相同。3種顆粒物濃度與風速均呈正相關關系，但相關性比溫度與相對濕度低，原因可能是風速的增加使得空氣污染物質擴散的更快[21]，林地外更多的大氣污染物進入林地內，而燕爾窩生態林郁閉度較高，林地內較低的風速會抑制污染物質的擴散，導致林地內大氣顆粒物濃度呈上升趨勢，表明風速對大氣污染物輸送量和水平擴散具有較大影響。

3.2.4?環境因子與顆粒物濃度相關性分析

對顆粒物濃度與環境因子（溫度、相對濕度、風速）進行復相關分析表明，PM2.5與環境因子的復相關系數為0.890，PM10與環境因子的復相關系數為0.887，PM1.0與環境因子的復相關系數為0.832，說明3種顆粒物濃度與環境因子的線性相關程度較高（表1）。

4?結論與討論

本研究結果表明，干旱區城市森林大氣顆粒物濃度變化與其他氣候類型城市有所不同。北京、西安、武漢等地發現，大氣顆粒物日變化為雙峰單谷的“U”形趨勢[22-24]，而本研究發現，烏魯木齊市大氣顆粒物日變化趨勢呈現淺“V”形，且季節變化為冬秋高，春夏低，南陽等城市則為明顯的冬春高、夏秋低[25]。此外，劉浩棟在山東泰安研究發現，相對濕度、風速分別和顆粒物濃度呈顯著正相關和顯著負相關關系，溫度與大氣顆粒物相關性不顯著[26]，而本研究中相對濕度、風速與顆粒物濃度呈正相關關系，溫度與顆粒物濃度呈負相關關系。

本研究得出以下結論：

（1）3種顆粒物的日變化趨勢較相似，基本呈現早晚高，中午低的淺“V”形變化趨勢。

（2）3種顆粒物的季節變化較為一致，均表現為冬季>秋季>春季>夏季，其中冬春兩季林內濃度小于林外，而夏秋2季林內濃度大于林外。

（3）環境因子和3種不同粒徑顆粒物濃度均呈顯著相關關系。相對濕度、風速和顆粒物濃度成正相關關系，溫度與顆粒物濃度呈負相關關系。

本研究受試驗條件限制，只監測了08：00—18：00 時間段顆粒物濃度的變化情況，未對夜間顆粒物濃度進行監測，無法反映24 h內顆粒物濃度的完整變化，在后續的研究中應開展夜間監測以提供完整的日變化數據。

參考文獻：

[1]Yu Y，Schleicher N，Norra S，et al.Dynamics and origin of PM2.5 during a three-year sampling period inBeijing，China[J].Journal of Enviornmental Monitoring，2011，13（5）：334-346.

[2]Dao X，Wang Z，Lv Y B，et al，Chemical characteristics of water-soluble ions in particulate matter in three metropolitan areas in the North China Plain[J]. PLoS One，2014，9（12）：e113831.

[3]Hinz K P，Trimborn A，Weingartner E，et al.Aerosol single particle composition at the Jungfraujoch[J]. Journal of Aerosol Science，2005，36（1）：123-145.

[4]冷平生. 園林生態學[M]. 北京：中國農業出版社，2003：137-143.

[5]Yao X H，Chan C K，Fang M，et al.The water-soluble ionic composition of PM2.5 in Shanghai and Beijing，China[J]. Atmospheric Environment，2002，36（26）：4223-4234.

[6]Fang G C，Chang C N，Wang N P，et al.The study of TSP，PM2.5-10 and PM2.5 during Taiwan Chi-Chi Earthquake in the traffic site of central Taiwan，Taichung[J]. Chemosphere，2000，41（11）：1727-1731.

[7]Tao J，Ho K F，Chen L G，et al. Effect of chemical composition of PM2.5 on visibility in Guangzhou，China，2007，spring[J]. Particuology，2009，7（1）：68-75.

[8]陳?波，魯紹偉，李少寧. 北京城市森林不同天氣狀況下PM2.5濃度變化[J]. 生態學報，2016，36（5）：1391-1399.

[9]阮定倫，彭?超，石光明. 重慶沙坪壩區顆粒物污染特征及氣象因素影響分析[J]. 環境影響評價，2018，40（1）：67-72.

[10]邱?玲，劉?芳，張?祥，等. 城市公園不同植被結構綠地削減空氣顆粒物濃度研究[J]. 環境科學研究，2018，31（10）：1685-1694.

[11]孫曉丹，李海梅，劉?霞，等. 不同綠地結構消減大氣顆粒物的能力[J]. 環境化學，2017，36（2）：289-295.

[12]茍亞清，張清東. 道路景觀植物滯塵量研究[J]. 中國城市林業，2008，6（1）：59-61.

[13]徐?歡，趙晶晶，李?紅. 道路綠地植物配置對PM2.5濃度分布與消減作用的影響[J]. 北方園藝，2016（24）：65-69.

[14]希?文，崔?強，王麗敏. 園林綠化樹種枝葉滯塵效果分類研究[J]. 防護林科技，2005（1）：28-29.

[15]劉永林，孫啟民，鐘明洋，等. 重慶市主城區PM2.5時空分布特征[J]. 環境科學，2016，37（4）：1219-1229.

[16]王耀庭，李?威，張小玲，等. 北京城區夏季靜穩天氣下大氣邊界層與大氣污染的關系[J]. 環境科學研究，2012，25（10）：1092-1098.

[17]陳上杰，牛健植，韓旖旎，等. 道路綠化帶內大氣PM2.5質量濃度變化特征[J]. 水土保持學報，2015，29（2）：100-105.

[18]李倩楠，張寧丹，馬運通. 鄭州市大氣顆粒物季節日變化特征及氣象要素相關性研究[J]. 科技風，2018，6：133.

[19]蔣維楣. 空氣污染氣象學教程[M]. 北京：氣象出版社，2004.

[20]張克磊. 烏魯木齊市PM2.5的時空格局及其變化特征[D]. 烏魯木齊：新疆農業大學，2014.

[21]李?軍，孫春寶，劉咸德，等. 氣象因素對北京市大氣顆粒物濃度影響的非參數分析[J]. 環境科學研究，2009，22（6）：663-669.

[22]陳?波，李少寧，魯紹偉，等. 北京大興南海子公園PM2.5和PM10質量濃度變化特征[J]. 生態科學，2016，35（2）：104-110.

[23]劉立忠，么?遠，韓?婧，等. 西安市大氣顆粒物數濃度分布及典型天氣條件特征變化[J]. 中國環境科學，2015，35（12）：3588-3594.

[24]劉?雯，張曉春，李?俊，等. 武漢市觀象臺2013—2016年PM2.5質量濃度變化及其與氣象因子的相關分析[J]. 氣象與環境科學，2018，41（2）：23-29.

[25]尹延震，王?苗，王靜遠，等. 南陽市PM10、PM2.5污染特征及其與氣象因子的關系[J]. 干旱環境監測，2018（1）：12-18.

[26]劉浩棟. 城市道路林內大氣顆粒物的時空變化特征——以泰安市為例[D]. 泰安：山東農業大學，2017.