北京城市森林不同天氣狀況下PM2.5濃度變化

陳　波，魯紹偉，李少寧

北京市農林科學院林業果樹研究所，北京　100093

北京城市森林不同天氣狀況下PM2.5濃度變化

陳波，魯紹偉，李少寧*

北京市農林科學院林業果樹研究所，北京100093

摘要:基于北京市環境保護監測中心植物園空曠地和市區非植被區的PM2.5實時監測數據，結合植物園林內PM2.5監測站數據，分析了2013年3月—2014年2月不同天氣狀況下的PM2.5質量濃度變化。結果表明：①降雨天氣和大風天氣下PM2.5質量濃度變化無滯后性，雨前和雨中變動較大，雨后變化較小，雨后1天PM2.5質量濃度降低到最低值((14.88±7.34)μg/m3，下降了(89.36±4.78)%)，雪后第2天達到最低值((13.76±6.73)μg/m3，下降了(88.53±5.59)%)；②大風天氣下PM2.5質量濃度波動較小，在東北風和西南風影響下PM2.5質量濃度值較高(80.61μg/m3)，在東南風影響下PM2.5濃度值較低(54.22μg/m3)；③高溫高濕天氣下PM2.5質量濃度市區非植被區滯后1—2h到達峰值，植物園林內監測站和植物園空曠地高峰無滯后性，植物園林內監測站變動劇烈、消減作用強，市區非植被區和植物園空曠地較為平緩；④不同天氣下PM2.5質量濃度均表現為市區非植被區>植物園林內>植物園空曠地；⑤城市森林具有強大的凈化大氣污染物和吸滯PM2.5等顆粒物的功能，森林環境的空氣質量優于非植被區，森林空曠地的空氣質量優于森林內部。

關鍵詞：不同天氣；城市森林；PM2.5；動態變化；北京

大氣可吸入顆粒物由于其對全球氣候變化、大氣能見度以及人體健康的影響已經引起科學界的廣泛重視[1- 3]。北京隨著經濟的高速發展，城市規模的不斷擴大，人口及機動車輛急劇增多，空氣中粉塵煙霧有害氣體日趨增多，空氣中的細顆粒物(PM2.5)已逐漸成為首要空氣污染物[4- 5]。2012年1月12日23時，北京城區PM2.5值史無前例一度達到993μg/m3， 2013年1月，北京連續發生4次強霾污染，霧霾天達到29d，2014年2月優良天氣僅有6d，北京市大氣環境污染已達相當嚴重的程度[6]。近年來，圍繞北京市環境空氣中可吸入顆粒物的污染測試和研究越來越多，于淑秋[7]等人研究了北京市區大氣污染的時空特征，指出北京市區的污染物以可吸入顆粒物(PM10)為主；劉大錳[6]等人研究了北京春季大氣顆粒物的污染水平和影響因素，指出北京PM2.5和PM10污染比較嚴重；李令軍[8]等人研究了北京清潔區大氣顆粒物污染特征，指出北京清潔區大氣顆粒物總體呈下降趨勢；李雪[9]等人研究了2007 和 2008 年夏季北京奧運場館大氣 PM10與 PM2.5質量濃度變化特征，指出污染源減排措施的實施是奧運期間大氣顆粒物質量濃度降低的主要原因。上述研究集中在大氣顆粒物及其影響因素分析，對森林消減PM2.5等顆粒物研究較少。

隨著人們生態保健意識的提高和森林生態旅游的興起，在森林區開展PM2.5的相關研究顯得日益緊迫，森林可通過覆蓋地表減少PM2.5來源、葉面、枝條表面、莖干吸附或者氣孔、皮孔吸收直接捕獲 PM2.5(滯塵作用)、降低風速促進 PM2.5沉降(降塵作用)、改變風向阻攔PM2.5進入局部區域等途徑去除 PM2.5，從而發揮凈化大氣的功能[10- 11]。利用森林復雜冠層結構對顆粒物的吸收阻滯作用成為治理PM2.5的一項重要措施[12- 13]。但對于森林內部、森林空曠地和市區非植被區的PM2.5變化規律研究較少。為此，本文基于北京市環境保護監測中心植物園空曠地和市區非植被區監測點的PM2.5實時監測數據，結合植物園林內監測站PM2.5數據，從研究方法上對降雨等特殊天氣持續數天進行不同梯度的研究，研究城市森林與非植被區環境不同天氣下的PM2.5質量濃度變化特征，研究不同天氣因素對城市森林和非植被區環境大氣顆粒物濃度變化的影響，探尋不同天氣下城市森林與非植被區環境空氣質量濃度的差異和關系，可為了解城市大氣顆粒物在不同天氣狀況下的污染變化特征和污染防治措施的實施提供參考。

1研究地概況

植物園林內監測站位于北京西山腳下北京植物園東北部的紅松(PinuskoraiensisSieb)林內，全園總規劃面積400hm2,距市區18km。該園位于北緯39°48′，東經116°28′，海拔76m，屬溫帶大陸性氣候，園中栽培了6000多種植物。主要喬木樹種包括油松(Pinustabulaeformis)、側柏(Platycladusorientalis)等，主要灌木有女貞(Ligustrumlucidum)、小檗(Berberisthunbergii)等。北京市環境保護監測中心植物園空曠地監測站為整個植物園生態系統的站點，位于北京植物園空曠地，周圍樹木較少，開闊平坦；市區非植被區(海淀萬柳)監測站位于海淀區城區中心，四環以內，在海淀區萬柳繁華的商務、住宅和購物區，交通繁忙、車流量大，3個監測站概況如表1所示。

表1　3個監測站點概況

2研究方法2.1研究點設置

在北京市環境保護監測中心發布的35個PM2.5監測站中選取2個監測站，分別是植物園空曠地(海淀北京植物園)和市區非植被區(海淀萬柳)，均位于海淀區；植物園林內監測站是監測森林內部PM2.5質量濃度變化的站點，由中國林科院和北京市農林科學院于2013年2月共同建成。植物園空曠地監測站距離植物園林內監測站約200m；市區非植被區監測站位于城區中心，距離植物園林內監測站約6.2km，各監測站具體位置如圖1所示。

圖1　不同區域PM2.5監測站示意圖Fig. 1　The sketch Map of PM2.5 monitoring stations in different area

2.2數據獲取

2.2.1PM2.5數據

市區非植被區和植物園空曠地PM2.5的實時濃度值由北京市環境保護監測中心信息獲得， 林內PM2.5實時濃度值由植物園林內監測站獲得。3個監測站的PM2.5監測設備為美國賽默飛世爾科技公司(Thermo Fisher Scientific，USA)的TEOM-1405-D 雙通道顆粒物在線監測儀，監測時間一致，頻次均為1h一次的自動監測，全天24h不間斷采樣。

2.2.2氣象數據

植物園空曠地和植物園林內的氣象數據由林內氣象站(Weather Meter)的實時監測數據獲得，市區非植被區的氣象數據主要摘自中國天氣網(www.weather.com.cn)。主要包括氣溫(Ta(℃))、相對濕度(RH(%))、風速(W(m/s))、降水(P(mm))等氣象因子。

2.3不同天氣狀況選擇

通過分析對比2013年上述地區的氣象資料，總結不同時段出現頻率較多的天氣類型，從中選擇對大氣顆粒物集聚、擴散、消除等效應明顯的天氣類型，降雨天氣選擇夏季，降雪天氣選擇冬季，大風天氣選擇春季，高溫高濕的“桑拿天”選擇盛夏，經篩選后將具有相同天氣類型的監測數據作為不同天氣的有效代表數據。

3結果與分析

3.1降水對PM2.5的消減效應

2013年7月14日22:00—15日19:00全市范圍均出現降雨，選擇2013年7月14日—16日3天的數據進行降雨對PM2.5的消減效應分析。經圖2A分析表明，在降雨時段，降雨量位于1—16mm之間，在歷時22h的降雨時段累計降雨量為70mm。在典型降雨過程下PM2.5質量濃度均值表現為市區非植被區((66.58±54.67)μg/m3)>植物園林內((51.74±59.31)μg/m3)>植物園空曠地((46.63±53.16)μg/m3)；3d的72h中68.06%的時段是市區非植被區大于植物園林內，有94.44%的時段是市區非植被區大于植物園空曠地。降雨天氣下3個監測站PM2.5質量濃度變化規律具有同步性，7月14日早高峰均在9:00，64.08%的時段是三者均在相同時間PM2.5質量濃度變化一致。從變動大小來看，在降雨前和降雨時，三者變動較大，降雨停止之后變化較小，雨后的PM2.5質量濃度市區非植被區在5—64μg/m3之間，植物園林內在3—39μg/m3之間，京植物園空曠地在2—18μg/m3之間。可見，森林植被區PM2.5質量濃度變動小于非植被區。

降雨有助于消減PM2.5，選擇2013年7月13日—7月18日的數據進行完整的降雨過程分析，由圖2B可知，累計降雨量達70mm，在降雨前3個監測站PM2.5質量濃度均較高，降雨前48h市區非植被區、植物園空曠地和植物園林內PM2.5質量濃度分別為(147.33±39.49)μg/m3、(121.31±31.73)μg/m3、(146.67±51.57)μg/m3，降雨時3個監測站PM2.5質量濃度急劇降低，分別是(45.58±10.31)μg/m3、(16.04±3.80)μg/m3、(21.92±11.19)μg/m3，雨后24h PM2.5質量濃度降低到最低值，相比于雨前48h，分別降低了82.62%、92.34%和93.13%，森林植被區PM2.5濃度降低的效果更明顯；從雨后48h開始3個監測站PM2.5質量濃度開始上升并逐步增大，在雨后72h增大至和雨前48h相同的濃度。

選擇2014年2月6日—2月11日的數據進行完整的降雪過程分析(圖2C)，降雪量在2.0—3.9mm之間，降雪也表現出與降雨相同的效果，但是最低值出現在雪后48h，市區非植被區、植物園空曠地和植物園林內PM2.5質量濃度分別降低了93.24%、91.68%和80.68%，非植被區PM2.5濃度降低的效果優于森林植被區，從雪后72h開始PM2.5質量濃度逐步升高，在雪后120h達到和雪前相同的程度。

在典型降水過程下PM2.5質量濃度表現為森林植被區小于非植被區，降雨后和降雪后PM2.5質量濃度顯著降低，說明降水對PM2.5有明顯沖洗效果，可以有效的降低空氣中PM2.5質量濃度，降雨時森林植被區更明顯，降雪時非植被區更明顯些。這是因為降水對空氣污染物能起到清除和沖刷作用：在雨水作用下，大氣中的一些污染氣體能夠吸附和溶解在水中，降低空氣中污染氣體的濃度。

圖2　不同監測站降水天氣下PM2.5質量濃度變化Fig. 2　PM2.5 variation under typical rainy conditions of different monitoring stations

3.2PM2.5降低對風的依賴作用

2013年5月18日—20日全市出現了大風天氣，之前天氣為晴天。經圖3A分析表明，這3d風速在0.4—7.6 m/s之間，平均風速為(3.06±1.80)m/s；66.67%的時段風力均在2級以上。在大風天氣下PM2.5質量濃度均值表現為市區非植被區((82.78±50.51)μg/m3)>植物園林內((68.18±61.11)μg/m3)>植物園空曠地((66.13±54.01)μg/m3)。大風天氣3個監測站PM2.5質量濃度變化無滯后性，3個監測站在時間范圍變化上表現的較為一致，出現峰值和低值的時間比較接近。5月18日早高峰時市區非植被區、植物園林內和植物園空曠地均在10:00達到高峰，值分別為196、224μg/m3和211μg/m3，均在22:00出現全天的最低值，值分別為49、52μg/m3和39μg/m3；5月19日均在11:00達到早上峰值，值分別為125、131μg/m3和110μg/m3，最低值市區非植被區在22:00，值為19μg/m3，植物園林內和植物園空曠地均在23:00出現最低值，值分別為9μg/m3和7μg/m3。從變動大小來看，無論在風速>5 m/s，還是在0.4—5 m/s之間，這3個監測站之間PM2.5質量濃度變動范圍無明顯變化，波動較小。當風速增大時，3個監測站PM2.5質量濃度均明顯降低：5月18日7:00風速為最小的0.4m/s，19:00時風速為最大的5.1m/s時，市區非植被區、植物園林內和植物園空曠地PM2.5質量濃度分別由199、164μg/m3和162μg/m3迅速下降到89、83μg/m3和76μg/m3；5月19日15:00風速達到最大的7.6 m/s，3個監測站PM2.5質量濃度分別由8:00(風速1.2 m/s)的60、122μg/m3和74μg/m3迅速下降到57、22μg/m3和32μg/m3，分別下降了1.05倍、5.55倍和2.31倍。

除風速之外，風向也是影響PM2.5質量濃度高低的主要因子，將風向從0到360平均分成12等分，每30為一個等分，各風向對應時刻的PM2.5濃度平均值制成風向玫瑰圖(圖3B、C、D)，將風向對應的PM2.5質量濃度值平均在風向所對應的等分中，可知3d 3個監測站的PM2.5質量濃度值主要集中在60(東北風)和210—270(西南風)之間，而在120—210(東南風)之間3個監測站PM2.5質量濃度在40—80μg/m3之間，說明在西南風和東北風的影響下PM2.5質量濃度較高，平均濃度為80.61μg/m3，而在東南風的影響下PM2.5質量濃度較低，濃度值均為54.22μg/m3。原因是在西南污染氣團控制下，西南風將石家莊、太原、邯鄲和保定等地的污染物輸送到北京，東北風將內蒙古的東北部的沙塵輸送到北京，這使PM2.5質量濃度增大，另一方面北京的工業區也主要集中在西南面；而在東南風的影響下將東南暖濕氣流帶向北京，減少揚塵，故PM2.5質量濃度較小。

大風有助于驅散PM2.5，且這種變化在植被區更明顯，植被區PM2.5質量濃度相對非植被區無滯后性，變動范圍無明顯變化。風速越大，越有利于污染物的擴散，風速小甚至靜風時，明顯的逆溫層使低空大氣的垂直運動受限，導致大氣污染物被阻滯在低空和近地面，就很容易出現霧霾天氣，污染物難以擴散，不利于大氣污染物向外圍稀釋，易形成污染物局地積累，使空氣質量處于高濃度污染狀況。

圖3　不同監測站大風天氣下PM2.5質量濃度變化和風向玫瑰圖Fig. 3　PM2.5 variation and Wind rose diagram under typical rainy conditions of different monitoring stations

3.3“桑拿天”不同監測站PM2.5的變化

2013年7月28日—31日屬于典型的夏季高溫高濕靜風、悶熱的“桑拿天”，這4d溫度在20—37℃之間，69.79%的時段溫度在25℃以上，均溫為27.59℃；相對濕度在42%—100%之間，63.54%的時段相對濕度在70%以上，平均濕度為76.28%；風速在0.2—3.5 m/s之間，89.58%的時段風速均低于2 m/s，平均風速為1.13 m/s。由圖4可知，高溫高濕天氣下3個監測站PM2.5質量濃度變化表現為市區非植被區((72.81±42.88)μg/m3)>植物園林內((56.49±41.20)μg/m3)>植物園空曠地((47.24±28.98)μg/m3)。PM2.5質量濃度與相對濕度呈現較好的一致性，相對濕度較大PM2.5質量濃度也較高，在7月28日的1:00—7:00之間，相對濕度在97%—100%之間，市區非植被區、植物園林內和植物園空曠地的PM2.5質量濃度分別在65—160、55—124μg/m3和45—83μg/m3之間，當8:00相對濕度下降到88%時，3個監測站PM2.5質量濃度分別下降到44、35μg/m3和31μg/m3。在高溫時段7月28日10:00—21:00，氣溫在30—37℃之間，均溫為(33.25±2.01)℃，在溫度較低的7月28日0:00—8:00，氣溫在24℃以下，均溫為(22.56±0.65)℃，在溫度較高和較低時PM2.5質量濃度變化均表現為市區非植被區>植物園林內>植物園空曠地。

從滯后性來看，市區非植被區到達峰值滯后1—2h，7月28日植物園林內和植物園空曠地高峰值均在0:00，而市區非植被區在3:00；在PM2.5濃度最高的7月30日，全天最高值植物園林內和植物園空曠地均在9:00，值分別為170μg/m3和139μg/m3，而市區非植被區晚1h在10:00到達峰值，為180μg/m3。從變動大小來看，植物園林內更為劇烈，在市區非植被區和植物園空曠地較為平緩，7月30日，市區非植被區、植物園空曠地和植物園林內最高值與最低值之間分別相差3.33、3.97和56.66倍。

圖4　不同監測站高溫高濕天PM2.5質量濃度變化Fig. 4　PM2.5 variation under high temperature and wet of different monitoring stations

4討論

在自然生態系統中，顆粒物的沉降主要受氣象條件和下墊面層的粗糙度影響，就氣象條件來說，溫暖無風高濕性的環境最不利于顆粒物的沉降，而森林生態系統則有效的避免了該條件的形成[14]。氣象要素是制約污染物在大氣中稀釋、擴散、遷移和轉化的重要因素。與大氣污染有關的氣象要素很多，主要包括降水量、風、地面溫度、空氣濕度等[15- 16]。

4.1降水對PM2.5的消減作用

本研究顯示，隨著降雨量的增大，PM2.5逐漸變小。降水(降雨、降雪)對空氣污染物能起到清除和沖刷作用：在雨水作用下，大氣中的一些污染氣體能夠溶解在水中，降低空氣中污染氣體的濃度，較大的雨雪對空氣污染物粉塵顆粒也起著有效的清除作用，降水天氣下PM2.5質量濃度變化在不同區域無滯后性，雨前和雨中變動較大，雨后變化較小，雨后森林植被區PM2.5濃度降低的效果更明顯，而雪后非植被區PM2.5濃度降低的效果優于森林植被區，林內優于森林空曠地，降雨清除PM2.5的效果強于降雪。當有降水出現時，PM2.5濃度顯著降低，城市空氣質量往往達到非常清潔的水平，降雨的增加對所有的PM2.5組成成分有所削減[17- 18]，降水條件下PM2.5和PM10質量濃度降低[19- 20]，PM2.5值較小，空氣質量較好，這與本研究結果一致。另有學者發現雨水對粗粒子的沖刷效率明顯，雨后大顆粒迅速減少，而可吸入顆粒物比重可能會加大[21]，也有學者指出降雨的沖刷作用和雨后空氣濕潤使大氣顆粒物濃度減少，而且降雨首先沖刷減少粗顆粒物，所以雨后晴天小粒徑大氣顆粒物所占的比例會增加[22- 23]。郭二果等人[22]在春、夏、秋季均研究了降雨后的晴天城市森林內大氣顆粒物濃度的變化，發現降雨后大氣顆粒物濃度均有不同程度的降低，這與本研究結果一致。

4.2風對PM2.5的驅散作用

在大風天氣下PM2.5質量濃度表現為森林植被區小于非植被區，森林區又表現為林內大于森林空曠地的變化規律，其原因一方面在于林內不易透風，污染物不易擴散管，更主要的原因是森林吸收和積累污染物的作用，森林中大量樹木的存在，將周圍大氣中的污染物吸附在樹木葉片上，也使森林空曠地的污染物移向林內，故森林空曠地PM2.5濃度較低，也說明了森林強大的拉動污染物吸附于自身的能力。本研究顯示風速的大小直接影響著PM2.5的變化，風速越大，越有利于污染物的擴散，PM2.5就越小，風速小甚至靜風時，明顯的逆溫層使低空大氣的垂直運動受限，導致大氣污染物被阻滯在低空和近地面，就很容易出現霧霾天氣，污染物難以擴散，不利于大氣污染物向外圍稀釋，易形成污染物局地積累，使空氣質量處于高濃度污染狀況。究其原因，較小的風速不能帶走水汽，使濕度增大利于形成霧霾，風速的大小則決定污染物水平擴散速率[24]，本研究中風速由較低值增大到最大值時市區非植被區、植物園林內和植物園空曠地PM2.5質量濃度分別下降了1.05倍、5.55倍和2.31倍，很好的證明了這一點。而Kim[25]等人對2001年春天韓國漢城的4 個不同監測站的數據進行線性回歸分析后發現，風速的增加通常能促進顆粒物(PM10)濃度的增加，這與其研究結果不一致。風速越大，越有利于顆粒物的擴散，顆粒物的濃度就越低；如果風速較小，這種擴散能力就越低，容易造成污染物質在局部地區的堆積，從而使顆粒物富集污染加重[26]。Khan[27]等人研究表明風速顯著影響樹木吸收阻滯顆粒物的功能，樹木吸收阻滯顆粒物速率隨著風速升高而增大，達到峰值后略有下降；樹木吸收阻滯顆粒物速率和效率與風速之間的關系差異顯著[28]，本研究中5月19日15:00風速達到最大的7.6 m/s，處于森林監測站的植物園林內和植物園空曠地PM2.5質量濃度分別下降了5.55倍和2.31倍，在森林內部下降的更明顯，說明了樹木吸滯顆粒物的功能和阻滯效率。郭二果等人[22]研究了春季和秋季北京百望山森林公園大風天氣下PM2.5等顆粒物的變化情況，指出雨后空氣和地面濕潤時風能在一定程度上使大氣顆粒物擴散減少，而在天氣干燥時刮風會增加城市森林內大氣顆粒物的濃度，尤其是對地表相對裸露的林地，且多云會加重干燥天氣刮風后大氣顆粒物的污染程度。

4.3高溫高濕天氣對PM2.5的影響

在典型高溫高濕天氣下，不論是溫度較低的夜間還是溫度較高的白天，無論濕度高低，PM2.5質量濃度均表現為非植被區大于植被區，在森林生態系統又表現為林內大于森林空曠地。這是因為在熱力對流的作用下污染物向上擴散，地面污染物濃度降低，當高空中大氣溫度高于地面空氣溫度時，熱力對流減弱甚至消失，大氣狀況變得穩定，污染物的垂直擴散受到抑制，再加上較大的濕度使地面污染物易于累積，在污染源相同的前提下非植被區的污染物累積較多，森林植被區由于森林植被具有降溫的功能，溫度低于非植被區，PM2.5在這種高濕微風的“桑拿天”輸送和擴散相對困難，尤其對郁閉度較大的林內，而空曠地比較通透、開闊，污染物易于擴散，故森林內部的PM2.5質量濃度高于空曠地；另一方面林內由于大量樹木的存在，樹木枝葉和冠層可以持續的把周圍的污染物積聚、吸附于自身，拉動周圍污染物向林內蓄積，使森林空曠地的PM2.5濃度降低。

PM2.5與空氣相對濕度呈較好的一致性，在PM2.5處于較大值時，空氣相對濕度也較大，較大的空氣濕度使空中水分增加，顆粒物變潮濕，增大顆粒物的重量，這就降低了顆粒物擴散的高度；另外潮濕的空氣本身就不容易擴散，當顆粒物聚集到一定濃度時，空氣中的水分達到較高含量，就會導致霧霾發生。濕度的不斷增加及維持在較高的水平上，不僅造成空氣中小顆粒物吸水增長，進而使得隨著地面日平均風速的減小不利于擴散的氣象條件出現，空氣相對濕度的不斷增加導致顆粒物大量匯集，容易造成PM2.5的積累。溫度的高低影響著空氣質量的好壞，研究發現[29- 30]，污染天氣過程與近地層逆溫層的出現相對應。本研究顯示在“桑拿天”天氣下，PM2.5質量濃度表現為市區非植被區>植物園林內>植物園空曠地，即非植被區最大，其次是林內，森林空曠地最小。這是因為污染物在正常氣候條件下，從氣溫高的低空向氣溫低的高空擴散，逐漸循環排放到大氣中。但是逆溫現象下，低空的氣溫反而更低，導致污染物的停留，不能及時排放出去。在熱力對流的作用下污染物向上擴散，地面污染物濃度降低，當高空中大氣溫度高于地面空氣溫度時，熱力對流減弱甚至消失，大氣狀況變得穩定，污染物的垂直擴散受到抑制，地面污染物累積，故非植被區最高；高濕靜風、悶熱的“桑拿天”，能使郁閉度較大的林地內大氣顆粒物，特別是細顆粒物及其所占的比例顯著增加，這與郭二果等人[22]的研究結果一致，而森林空曠地開闊，污染物在風的作用下易于擴散。

5結論

(1)在降水過程、大風和典型高溫高濕天氣下，PM2.5質量濃度均表現為非植被區大于植被區，在森林生態系統又表現為林內大于森林空曠地，森林可以拉動周圍的污染物，將污染物吸收和積聚于其中。總體來說，森林環境的空氣質量優于非植被區，森林空曠地的空氣質量優于森林內部。

(2)降水和大風均有助于消減PM2.5，降水天氣下PM2.5質量濃度變化無滯后性，雨前和雨中變動較大，雨后變化較小；雨后1d(24h)PM2.5質量濃度降低到最低值，雪后48h達到最低值，雨后森林植被區PM2.5濃度降低的效果更明顯，雪后非植被區PM2.5濃度降低的效果優于森林植被區，林內優于森林空曠地，降雨清除PM2.5的效果強于降雪，并在雨后72h和雪后120h增大到降水前的相同程度。

(3)大風天氣下PM2.5質量濃度變化無滯后性，PM2.5質量濃度波動較小，北京海淀區在東北風和西南風影響下PM2.5質量濃度較高，在東南風影響下較低。

(4)高溫高濕天氣下市區植被區滯后1—2h到達峰值，植物園林內和植物園空曠地高峰無滯后性，植物園林內變動劇烈，市區非植被區和植物園空曠地較為平緩。

參考文獻(References):

[1]Dockery D W, Pope C A. Acute respiratory effects of particulate air pollution. Annual Review of Public Health, 1994, 15: 107- 132.

[2]Menon S, Hansen J E, Nazarenko L, Luo Y F. Climate effects of black carbon aerosols in China and India. Science, 2002, 297(5590): 2250- 2253.

[3]余曄, 夏敦勝, 陳雷華, 劉娜, 陳晉北, 高艷紅. 蘭州市PM10污染變化特征及其成因分析. 環境科學, 2010, 31(1): 22- 28.

[4]Wang X H, Bi X H, Sheng G Y, Fu J M. Chemical composition and sources of PM10and PM2.5aerosols in Guangzhou, China. Environmental monitoring and Assessment, 2006, 119(1/3): 425- 439.

[5]Dai W, Gao J Q, Cao G, Ouyang F. Chemical composition and source identification of PM2.5in the suburb of Shenzhen, China. Atmospheric Research, 2013, 122: 391- 400.

[6]劉大錳, 馬永勝, 高少鵬, 黃杰, 安祥華. 北京市區春季燃燒源大氣顆粒物的污染水平和影響因素. 現代地質, 2005, 19(4): 627- 633.

[7]于淑秋, 林學椿, 徐祥德. 北京市區大氣污染的時空特征. 應用氣象學報, 2002, 13(特刊): 92- 99.

[8]李令軍, 王英, 李金香. 北京清潔區大氣顆粒物污染特征及長期變化趨勢. 環境科學, 2011, 32(2): 319- 323.

[9]李雪, 劉子銳, 任希巖, 李昕, 王躍思. 2007和2008年夏季北京奧運館大氣PM10與PM2. 5質量濃度變化特征. 大氣科學學報, 2012, 35(2): 197- 204.

[10]王華, 魯紹偉, 李少寧, 潘青華, 張玉平. 可吸入顆粒物和細顆粒物基本特征、監測方法及森林調控功能. 應用生態學報, 2013, 24(3): 869- 877.

[11]劉旭輝, 余新曉, 張振明, 劉萌萌, 阮氏青草. 林帶內PM10、PM2. 5污染特征及其與氣象條件的關系. 生態學雜志, 2014, 33(7): 1715- 1721.

[12]王躍, 王莉莉, 趙廣娜, 王躍思, 安俊琳, 劉子銳, 唐貴謙. 北京冬季PM2. 5重污染時段不同尺度環流形勢及邊界層結構分析. 氣候與環境研究, 2014, 19(2): 173- 184.

[13]劉娜, 馮新斌, Matthew L, 陳卓, 仇廣樂. 貴陽市大氣顆粒物(PM2. 5)污染特征及氣象參數的影響. 地球與環境, 2014, 42(3): 311- 315.

[14]趙晨曦, 王玉杰, 王云琦, 張會蘭. 細顆粒物(PM2. 5)與植被關系的研究綜述. 生態學雜志, 2013, 32(8): 2203- 2210.

[15]梅鵬蔚. 穩定氣象條件對天津市環境空氣質量的影響. 城市環境與城市生態, 2006, 19(4): 37- 39.

[16]馮宏芳, 隋平, 邱麗葭. 福州市污染物濃度時空分布及影響因子分析. 氣象科技, 2003, 31(6): 356- 360.

[17]Dawson J P, Adams P J, Pandis S N. Sensitivity of PM2.5to climate in the Eastern US: A modeling case study. Atmospheric Chemistry and Physics, 2007, 7: 4295- 4309.

[18]顧凱華. 南京冬季霧天PM10、PM2.5中PAHs特征及其與氣象條件的關系. 南京: 南京信息工程大學, 2007: 26- 30.

[19]Chao C Y, Wong K K, Cheng E C. Size distribution of indoor particulate matter in 60 homes in Hong Kong. Indoor and Built Environment, 2002, 11(1): 18- 26.

[20]吳志萍, 王成, 侯曉靜, 楊偉偉. 6種城市綠地空氣PM2.5濃度變化規律的研究. 安徽農業大學學報, 2008, 35(4): 494- 498.

[21]沈恒華, 黃世鴻, 李如祥. TSP的來源與氣象因素對TSP測試的影響. 環境監測管理與技術, 1996, 8(4): 15- 18, 24- 24.

[22]郭二果, 王成, 郄光發, 蔡煜. 北方地區典型天氣對城市森林內大氣顆粒物的影響. 中國環境科學, 2013, 33(7): 185- 198.

[23]Ozaki N, Nitta K, Fukushima T. Dispersion and dry and wet deposition of PAHs in an atmospheric environment. Water Science & Technology, 2006, 53(2): 215- 224.

[24]吳兌, 鄧雪嬌. 環境氣象學與特種氣象預報. 北京: 氣象出版社, 2001: 255- 256.

[25]Kim K H, Kim M Y, Hong S M, Youn Y H, Hwang S J. The effects of wind speed on the relative relationships between different sized- fractions of airborne particles. Chemosphere, 2005, 59(7): 929- 937.

[26]伊麗米熱·阿布達力木, 迪麗努爾·塔力甫, 阿布力孜·伊米提, 買里克扎提·買合木提. 烏魯木齊市大氣可吸入顆粒物濃度與氣象因素的相關性研究. 新疆大學學報: 自然科學版, 2012, 29(1): 94- 99.

[27]Khan M F, Shirasuna Y, Hirano K, Masunaga S. Characterization of PM2.5, PM2.5-10and PM>10in ambient air, Yokohama, Japan. Atmospheric Research, 2010, 96(1): 159- 172.

[28]Beckett K P, Freer Smith P H, Taylor G. Particulate pollution capture by urban trees: effect of species and windspeed. Global Change Biology, 2000, 6(8): 995- 1003.

[29]劉新春, 鐘玉婷, 何清, 郭志忠. 烏魯木齊及周邊城市空氣質量變化特征及影響因素分析. 沙漠與綠洲氣象, 2010, 4(4): 12- 17.

[30]段宇輝, 景華. 河北省夏季空氣污染過程氣象條件. 氣象科技, 2010, 38(6): 715- 720.

Dynamic analysis of PM2.5concentrations in urban forests in beijing for various weather conditions

CHEN Bo, LU Shaowei, LI Shaoning*

ForestryandPomologyInstitute,BeijingAcademyofAgricultureandForestrySciences,Beijing100093,China

Abstract：On the basis of PM2.5real-time monitoring data that were collected in the forest and open space of the Beijing Botanical Garden (BBG) and an urban nonvegetative area, we analyzed the dynamics of concentration of small particulate matter (PM2.5) under various weather conditions (March 2013 to February 2014). The variation of PM2.5concentration did not show hysteresis under rainfall or windy conditions, with a significant change occurring before and during rain, but little variation after. The PM2.5concentration decreased to its lowest value on the first day after rain ((14.88±7.34) μg/m3, a decline of (89.36±4.78)%) and on the second day after snow ((13.76±6.73) μg/m3, a decline of (88.53±5.59)%). The PM2.5concentration was high (80.61 μg/m3) for northeast and southwest wind but low for southeast wind (54.22 μg/m3). The PM2.5concentration reached a peak after 1—2 h in the urban nonvegetative area at high temperature and humidity but did not show hysteresis in the BBG forest and open space. The variation of the PM2.5concentration was drastic in the BBG forest but mild in the open space of BBG and in the urban nonvegetative area. Irrespective of weather conditions, the PM2.5concentration was always maximal in the nonvegetative area, followed by the BBG forest, and was lowest in the open space of BBG. Our results indicate that the urban forest performs the gigantic task of purifying the atmosphere and absorbing particles (such as PM2.5).

Key Words:weather conditions; urban forest; PM2.5; dynamic variation; Beijing

基金項目:國家林業局林業公益性行業科研專項(20130430101)

收稿日期:2014- 08- 02; 網絡出版日期:2015- 07- 22

DOI:10.5846/stxb201408021543

*通訊作者Corresponding author.E-mail: lishaoning@126.com

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.生態學報,2016,36(5):1391- 1399.

Chen B, Lu S W, Li S N.Dynamic analysis of PM2.5concentrations in urban forests in beijing for various weather conditions.Acta Ecologica Sinica,2016,36(5):1391- 1399.