李永涛,王 霞,王晓磊,魏海霞,周 健,王莉莉,杨庆山*

(1.山东省林业科学研究院,山东 济南 250014;2.山东黄河三角洲森林生态系统定位研究站,山东 东营 257000;3.山东省东营市城市管理局,山东 东营 257000)

空气PM2.5又称为可入肺颗粒物,是大气中空气动力学当量粒径≤2.5 μm的颗粒物[1],其对空气质量、能见度以及人体健康等方面影响显著[2-5],且其浓度水平也逐渐成为评价区域空气质量的重要指标之一。随着空气污染日益严重,雾霾天气频发,有效地削减空气中PM2.5的含量已成为空气环境质量改善亟须解决的一个重要问题。

森林是具有自净功能的生态系统,可以通过其庞大的林冠将空气中的颗粒物有效地滞留在植被枝干或叶片表面,达到降低大气中颗粒物浓度、净化空气的目的,从而起到“天然空气过滤器”的效果[6],因此利用森林植被冠层结构对颗粒物的吸收阻滞作用已成为治理PM2.5的一项重要措施[7-8]。目前有关森林植被对空气PM2.5吸收阻滞的研究较多,主要偏重于城市森林植被区对颗粒物的吸附作用以及阶段性时间内不同空气悬浮颗粒的变化规律研究。郭含文等[9]在2012年7～9月对北京市城市不同绿地PM2.5浓度的日变化规律进行了研究;王兵等[10]在2014年3～6月利用空气气溶胶再发生器(QRJZFSQ-I)对北京市城市常见的6种乔木和4种灌木叶片对空气总悬浮颗粒物(TSP)、PM10、PM2.5和PM1.0的吸附能力进行了研究;陈上杰等[11]在2014年5～8月对北京五环道路周边的绿化林带距离对大气PM2.5浓度变化的影响进行了研究。然而,目前对黄河三角洲区域白蜡林分消减PM2.5的作用以及长期监测基础上的变化特征还缺乏全面研究。

白蜡(Fraxinuschinensis)系木犀科(Oleaceae)白蜡属(Fraxinus)树种的总称,是黄河三角洲地区最重要的造林树种之一,其抗盐抗逆性强,其造林面积约占该区盐碱地绿化面积的1/2,在滨海盐碱地区具有不可替代的价值。本研究以山东黄河三角洲森林生态系统定位研究站为平台,以季度和日为尺度分析了黄河三角洲地区白蜡人工林内外一年中空气PM2.5浓度的变化规律,探寻了白蜡人工林对PM2.5浓度的影响,以期为黄河三角洲地区生态环境保护和空气污染治理提供合理的理论依据。

1 研究区域与方法

1.1 研究区概况

试验地设在山东省林科院国家白蜡良种基地内(N37°9′,E118°40′),该地位于渤海湾西南岸、寿光市北部,面积130.5 hm2,属暖温带大陆性季风气候。年平均气温为12.2 ℃,无霜期211d,≥10 ℃的积温为4380 ℃·d,年日照时数为2540.8 h。年平均降水量为601 mm,其中降水主要集中在7～8月份,占全年降水的60%左右；年蒸发量为1900 mm,是降水量的3.2倍。该地为典型的滨海盐碱地,土壤类型为盐化潮土。基地内树种以白蜡人工林为主,同时伴有少量的国槐(Sophorajaponica)、榆树(Ulmuspumil)等。基地内森林覆盖率高达85%以上。

监测区白蜡人工林为12年生,密度为500株/hm2;平均树高8.57 m，平均胸径12.28 cm，平均枝下高2.33 m;平均冠幅东西为4.13 m，南北为3.77 m。

1.2 数据获取

白蜡林内与林外空地的PM2.5浓度数据由白蜡良种基地建立的山东黄河三角洲森林生态站提供；2个监测区的监测时间一致,频次均为1 h自动监测,全天24 h不间断采样。

林内与林外空地2个监测区的监测设备均为LGH-01E大气颗粒物PM2.5自动检测仪。该设备是用于测量大气中可吸入颗粒物(PM2.5)浓度的专用仪器,采用β射线法原理,结合动态加热系统(DHS)及动态数字滤波技术,实现了对PM2.5全天候连续自动监测,具有自动校准、测量精度高、适应性强、可靠性高等特点。测量范围在0～1000 μg/m3或0～10000 μg/m3(可选);测量周期为1 h;采样流量为16.7 L/min(自动恒流);校准膜重现性≤±2%。

1.3 数据选取

1.3.1 PM2.5数据 本研究选取2016年3月～2017年2月期间的PM2.5数据进行分析。将全年监测的数据分为4个季度(春,3～5月;夏,6～8月;秋,9～11月;冬,12月～翌年2月)进行处理,剔除不稳定的天气条件(大风、降水、降雪)。季节变化分析选取每季度内所有数据,然后用季度均值作比较;日变化分析选取每季度的所有数据,然后用日均值作比较。

特殊天气条件数据选取根据气象变化而定。大风天气的影响分析：选取4月～翌年1月期间4次大风天气条件下前后3 d内PM2.5浓度的均值变化数据(风前24 h,风中24 h,风后24 h)。降水(包括降雨和降雪)天气的影响分析：选择4月～翌年2月期间4次降雨和1次降雪天气前后3 d中PM2.5浓度的均值变化数据。

1.3.2 气象数据 林内气象数据由林内综合梯度观测塔的实时监测获得；林外空地的气象数据由山东黄河三角洲森林生态站标准气象观测场获得。

2 结果与分析

2.1 人工林内空气PM2.5浓度的季节变化

将全年的监测数据分为4个季度进行分析，结果(图1)表明：白蜡人工林内空气PM2.5浓度的季节变化介于37～93 μg/m3之间,而林外空地PM2.5浓度的变化介于54～88 μg/m3之间。从季节浓度变化看,白蜡林内与林外空地四季PM2.5质量浓度不同,但变化趋势基本一致,均呈现出冬季>春季>秋季>夏季的规律,且除冬季外,林内PM2.5浓度普遍低于林外空地,其中夏季林内PM2.5浓度比林外空地低31.4%,秋季林内比林外空地低25.3%,春季林内比林外空地低14.47%,而冬季林内PM2.5浓度比林外高5.68%。

从图1还可以看出,白蜡人工林内、林外PM2.5浓度的年平均值分别为73 μg/m3和63 μg/m3,均高于国家《环境空气质量标准》中的年平均标准值35 μg/m3。在季度变化中,除夏季林内外和秋季林内的PM2.5浓度低于年均值外,其余季节林内外的PM2.5浓度均高于年均值。

A:春季; B:夏季; C:秋季; D:冬季; E:年均值。

2.2 人工林内空气PM2.5浓度的日变化

由监测结果(图2)可知,四季空气PM2.5浓度的日变化规律较为相似,近似呈双峰型曲线,且夜间浓度通常高于日间,上午高于下午。林内PM2.5浓度除冬季略高于林外空地外,其它3个季节的浓度普遍低于林外空地。不同季节林内外PM2.5浓度波峰波谷出现的时间略有差异,其中春季在8: 00前后出现一天中的最大值,1:00出现第2个高峰,此后出现一个低谷,在4:00前后有所上升,总体上处在高浓度状态;夏季在9: 00和23:00左右出现一天中的两个高峰,而谷值出现在18:00和1:00左右,与春季略有差异;秋季总体上也表现出早晚偏高的特点,在10:00和0:00左右达到最大值,而在15:00～18:00 是全天浓度最低的时段,期间略有波动;冬季与春季类似,一天中PM2.5浓度变化趋势明显,整个季节林内外PM2.5浓度普遍高于国家日均标准值75 μg/m3,从17:00到翌日12:00均在超标状态,而低谷出现在13:00～16:00。对比林内外PM2.5浓度的变化得出,春季林内、林外全天PM2.5浓度的最大值分别为84和102 μg/m3,林内较林外空地降低了17.65%;夏季林内、林外的最大值分别为48和69 μg/m3,林内较林外空地降低了30.43%;秋季林内、林外的最大值分别为70和88 μg/m3,林内较林外空地降低了20.45%;冬季林内、林外的最大值分别为108和100 μg/m3,林内较林外空地升高了8.00%。林内外四季空气PM2.5浓度的日变化规律均为夜间>日间、上午>下午。

A:春季; B:夏季; C:秋季; D:冬季。

2.3 典型天气条件下PM2.5浓度变化的个例分析

2.3.1 大风天气下PM2.5浓度的变化 选取2016年4月～翌年1月期间4次典型大风天气前后3 d内的PM2.5浓度数据进行分析,4次大风当天平均风速在4.42～6.17 m/s之间,而大风前后平均风速介于1.19～2.91 m/s之间。通过图3可以看出,大风天气对空气PM2.5质量浓度具有一定的消减作用,大风使白蜡林内、林外的空气PM2.5浓度分别下降了24.39%～60.98%和51.92%～72.04%,对林外空气PM2.5浓度的削减作用更为显著。总体来看,在风前1 d林内的空气PM2.5浓度普遍低于林外空地的,而风中与风后林内的PM2.5浓度高于林外空地的。

以11月28日～30日3 d内大风天气过程中PM2.5浓度的变化为例(图4),期间风速在0.29～6.80 m/s之间,平均风速为2.54 m/s；在大风天气下白蜡林内与林外空地2个监测点的PM2.5浓度随时间的变化较为一致,出现峰值和谷值的时间比较接近。从时间上看,在11月28日10:00左右开始出现1个峰值,林内、外的PM2.5浓度分别为193和137 μg/m3,此时风速为1.09 m/s；此后随着风速的增大,在17:00左右出现1个谷值,此时林内、外的PM2.5浓度分别为111和94 μg/m3,此时风速为2.35 m/s,林内、外PM2.5浓度分别较峰值降低了42.49%和31.39%;此后随着风速的降低,林内、外的PM2.5浓度有所增加。11月29日林内、外的PM2.5浓度峰值出现在早上8:00左右,浓度分别为154和147 μg/m3,此时风速为4.30 m/s；随着风速的增大,在15:00左右风速达到最大值,而林内、外PM2.5浓度则在17:00左右出现谷值,分别为36和42 μg/m3,此时风速为5.61 m/s,这时林内、外的PM2.5浓度分别降低了76.62%和71.43%。11月30日风速开始降低,PM2.5浓度略有升高的趋势,林内、外的PM2.5浓度分别从30、29 μg/m3增加到74和65 μg/m3,分别增加了146.67%和124.14%,而此期间风速介于0.59～2.78 m/s之间。从改善效果看，林内、外的PM2.5平均浓度从28日的126、112 μg/m3分别降低到30日的52和46 μg/m3。由此可见,大风对PM2.5具有一定的清除作用,且风力越强清除效果越明显。

图3 大风天气下PM2.5质量浓度的变化

图4 PM2.5质量浓度与风速的关系

2.3.2 降水天气下PM2.5浓度的变化 选取2016年4～12月期间4次降雨前后3 d内的PM2.5浓度数据进行分析,期间平均降水量在5.3～16.5 mm之间。从4次典型降雨过程中PM2.5浓度的变化情况(图5)可以看出,降雨后林内、外空气PM2.5浓度较降雨前均有不同程度的降低,说明降水过程对PM2.5起到了明显的消除效果。从降雨量上看,在4月16日第一次降雨前，林内、外PM2.5浓度均值分别为55和77 μg/m3,降雨后分别降至31和28 μg/m3,降雨对林内、外PM2.5的消除率分别为43.64%和63.64%,此次降雨量为15.4 mm;8月19日第二次降雨量为16.5 mm,降雨对林内、外PM2.5的消除率分别为58.33%和67.86%;11月7日第三次降雨量为8.0 mm,对林内、外PM2.5的消除率分别为30.65%和46.15%;12月20日第四次降雨量为5.3 mm,对林内、外PM2.5的消除率分别为29.46%和36.22%。说明林内、外PM2.5浓度的消除率均随着降雨量的增加而增加,且对林外PM2.5浓度的消除效果显著优于林内的。

根据气象监测数据,2016年3月～2017年2月期间有效降雪仅有1次,降雪量为7.1 mm。由图5可以看出,降雪前林内、外PM2.5浓度均值分别为78 和88 μg/m3,降雪后分别降至22和24 μg/m3,降雪对林内、外PM2.5的消除率分别为71.79%和72.72%,说明降雪对空气PM2.5浓度也起到了明显的消除作用。

图5 降水天气下PM2.5质量浓度的变化

2.4 空气PM2.5浓度与小气候因子的相关性

通过整理2016 年3月～翌年2月不同季度林内空气PM2.5浓度及其对应的环境因子数据(特殊天气除外)，得出表1,从表1可以看出：春季和冬季期间的PM2.5浓度与空气温度、湿度、风速呈极显著线性相关,方程的决定系数在0. 3151～ 0.7941之间；而夏季和秋季期间的PM2.5浓度与空气温度、湿度、风速的相关性不显著。其中,春季和冬季的PM2.5浓度与温度、风速呈显著负相关,与湿度呈显著正相关。

表1 空气PM2.5浓度与气象因子的关系

3 讨论与结论

3.1 空气PM2.5浓度的时间变化规律

空气环境质量存在着很明显的季节性,通常认为空气PM2.5质量浓度在夏季最低,在冬季最高。在本研究中,白蜡人工林内外空气PM2.5浓度均表现为夏季浓度最低,秋季次之,冬季最高。这与徐敬[12]、赵冰清[13]等的研究结果略有差异,这可能与森林植被类型及地区差异性有关：夏季森林植被茂盛,其树冠、叶片滞尘效果显著[14],且该区域夏季雨水较多,约占全年降水的60%,有利于空气净化;而在冬季降水少,植被处于落叶期,加之农村日常生活焚烧棉秆、燃煤取暖等加重了空气污染；同时,冬季为防止森林火灾,将枯草除尽,使得地表裸露,这也是导致空气PM2. 5质量浓度增加的一个重要原因。本研究还发现，四季空气PM2.5浓度的日变化在一天中波动较大,夜间PM2.5浓度高于日间,上午高于下午,日变化曲线整体上呈双峰型,两个峰值出现在夜晚和早上,两个谷值则出现在凌晨和中午前后,但峰值出现的具体时间尚不统一。这种日变化规律可能与当地的气象条件有很大的关系,这与王成[15]、魏玉香[16]等的观点相似。对比四季林内、外PM2.5浓度发现,除冬季外,一天24 h中林内浓度显著低于林外,说明白蜡人工林对于PM2.5的削减具有一定的促进作用。

3.2 特殊气象条件对PM2.5质量浓度的影响

影响大气颗粒物浓度高低的因素除了与颗粒物本身的性质和林分的滞尘能力有关外,还与气象因素有关,而特殊天气的影响更大。本研究发现,在大风、降雨和降雪等特殊天气的影响下,林内、外PM2.5浓度均有明显降低,这与李少宁[17]、陈波[18]等的研究结果相同。大风天气后PM2.5浓度表现为林内浓度高于林外空地,这可能与植被的阻挡作用有关,造成大风未能将林内部分PM2.5等颗粒物带走；其次森林植被对颗粒物的截留和吸附也是一个重要因素。风速大小对大气颗粒物的传输扩散有重要的影响[19]。本研究得出4次大风可使林内、外空气PM2.5浓度分别下降24.39%～60.98%和51.92%～72.04%,且风速越大,PM2.5浓度越低，说明风速越大,越有利于PM2.5的扩散。

降水(降雨、降雪)过程可以对大气PM2.5起到明显的去除效果。在本研究中,4次降雨对林内、外PM2.5的消除率分别介于29.46%～58.33%和36.22%～63.64%之间,且降雨量越大,对PM2.5的消除率越高;1次降雪对林内、外PM2.5的消除率分别为71.79%和72.72%。可见,降水(降雨、降雪)对于降低PM2.5质量浓度具有重要意义。不足之处在于该区数据采集期间有效降雪仅有一次,从而无法就降雪强度对PM2.5浓度的影响进行深入探讨。

3.3 空气PM2.5质量浓度的相关影响因子

气象因素是影响空气PM2.5浓度的重要因素,但由于研究区域及空间尺度的复杂性,PM2.5浓度与气象因子间的相关性很难得出统一定论。本研究发现,春季和冬季期间的PM2.5浓度与空气温度、湿度、风速呈极显著线性相关，其中,春季和冬季PM2.5浓度与温度、风速呈显著负相关,与湿度呈显著正相关,这与相关文献[19-20]的结论相同。而夏季和秋季期间的PM2.5浓度与空气温度、湿度、风速的相关性不显著,可见在不同季节气象因素对PM2.5浓度变化的影响也存在差异,这可能因为夏秋两季森林植被相对茂盛,导致林内小气候环境明显,从而影响了气象因素与PM2.5浓度的关系。本次试验监测时间长,采集数据量大,且对空气PM2.5浓度与气象因子进行了同步观测,更能准确地反映它们之间的相关性。不过,本研究仅对空气温度、相对湿度及风速与空气PM2.5的相关性进行了分析,而对于其它多种因素的影响,今后有待于进一步研究。