廣州帽峰山林區空氣負離子和氣象因素全年時尺度變化及關系

陳步峰，肖以華，王莘儀，吳巧花

中國林業科學研究院熱帶林業研究所，廣東 廣州 510520

空氣負離子（negative air ions-NAI）是空氣中帶負電荷的單分子或離子團；在陸地自然生態系統中，森林區是產生NAI的重要場所之一（吳楚才等，2001；曾曙才等，2006；王薇等，2013；李琳等，2017）；典型城市區、海濱與森林區NAI濃度的對比研究顯示，林區高出城市5—6倍（毛成忠等，2014；曹建新等，2017）；除大氣吸收宇宙射線與紫外線發生電離而產生較多NAI外，森林植被可通過光電效應增加NAI濃度（熊麗君等，2011）；植被的光合速率與NAI濃度日變化有較高的一致性且與太陽輻射的日變化密切關聯，而森林植被的高滯塵、粘附氣溶膠功能對NAI濃度有正向影響效應（黃向華等，2013；Sase et al.，2008）。不同的森林類型、群落結構、葉面積指數及光合效率的差異，使各森林類型的林內或垂直梯度上NAI濃度存在差異（Tammet et al.，2006；陶寶先等，2012；王軼浩等，2014）。NAI具有清潔空氣、降塵、抑菌、除臭等功效，利于人體保健等（邵海榮等，2000；熊麗君等，2011），體現在環境功能上主要為凈化空氣、人體保健、調節小氣候等。近年來，NAI濃度水平已被作為城市空氣質量及康養效應評價的重要指標之一（楊春艷等，2019）；因而，開展城市景觀區、森林公園、多森林區域的NAI分布特征及評價的研究愈以增多（蒙晉佳等，2004；王順利等，2010；張杰等，2007；王軼浩等，2014）；NAI濃度不僅與森林類型及結構密切相關、更與氣象因素密切相關，許多研究涉及到NAI濃度與氣溫、濕度等氣象因素間的關系；其中，NAI濃度與空氣濕度呈負相關認為，高空氣濕度使空氣中小離子濃度明顯減少（Reiter，1985；邵海榮等，2000；葉彩華等，2000）；而NAI濃度與空氣濕度呈正相關關系的則認為，空氣濕度的增加有利于空氣的電離效應（吳楚才等，2001；韋朝領等，2006；王薇，2014；司婷婷等，2014；王菲等，2016）；這些研究均揭示了NAI濃度在氣溫、空氣濕度等氣象因素在一定的測值范圍內的數量關系特征，推動了NAI與植被、環境相關特征與機理的研究。也有不少研究關注林區NAI的季節、年動態特征等（潘劍彬等，2012；徐猛等，2008）。

隨著NAI濃度監測儀器技術的不斷提升，使得高時頻連續測定得以實現，并且實現了NAI濃度及氣象要素如氣溫（AT）、空氣濕度（RH）、氣壓（P）、輻射（Ra）、雨量（R）、風速（W）等的同步高頻測定與采集，對于小時間尺度上連續性反映或解析NAI濃度及氣象因素的時序變化、相關特征等尤為重要；本研究便是基于此，旨在揭示城市林區的 NAI濃度的時尺度上變化及與氣象因素的關系特征。

1 研究區自然概況及研究方法

1.1 研究區自然概況

廣州帽峰山林區位于廣州市東北近郊（23.18N）、距廣州市中心25 km，林區面積6600 hm2，森林類型為常綠闊葉天然次生林，林分上層優勢喬木以潤楠（Machilus pingii）、黃樟（Cinnamomum porrectum）、中華椎（Castanopsis chinensis）、黃杞（Engelhardia roxburghiana）、羅浮柿（Diospyros morrisiana）、鴨腳木（Schefflera octophylla）、楓香（Liquidambar formosana）、山烏桕（Sapium discolor）等為主；下層主要以黃牛木（Cratoxylum cochinchinense）、木姜子（Litsea glutinosa）、銀柴（Aporosa dioica）、九節（Psychotria rubra）、降真香（Dalbergia odorifera）等為主，林分上層優勢喬木的平均胸徑達 31.3 cm、平均樹高為18.6 m；林分郁閉度達0.93。林區的年均氣溫20.3 ℃、降雨量1830.0 mm、相對濕度78.5%；土壤為黃紅壤，基巖母質為花崗巖。林區已成為廣州城市近郊的天然生態屏障，其生態環境承載效益愈以顯著。

1.2 研究方法

采用定位連續觀測方法、時序動態對比及多要素相關性分析法。

1.2.1 NAI觀測場及儀器設置

EPEX 100大氣負離子監測系統觀測實驗場建立在帽峰山天湖林區（海拔高178.0 m），觀測場面積為3×4 m2、四周設置高1.2 m的圍欄；觀測場一邊有0.13的樹冠遮陰度，四邊外6 m寬內均無阻擋。觀測場內設置空氣負離子儀和配套的氣象因素觀測儀器。觀測場周邊林分優勢喬木年齡 33 a。

EPEX 100儀工作原理為電容式吸入法；工作環境：?20.0—60.0 ℃、0.0—95.0% RH；小粒徑負離子濃度的測定范圍在0—105ion·cm?3間、分別率10 ion·cm?3、精度為±8%；設置 EPEX 100儀器進樣高度為1.50 m，儀器采樣頻率10 time·s?1、觀測頻率為 1 time·min?1。

1.2.2 同步配置的氣象觀測儀器及精度

配置HQWSD大氣溫濕度、氣壓一體傳感器系統；空氣溫度儀測定范圍在?40.0—110.0 ℃間、精度為±0.3 ℃、分辨率為0.1 ℃；空氣濕度儀（RH）的測定范圍在0.0—100.0%間、精度為±3.0%，分辨率為0.1%；氣壓（P）儀測定范圍在10.0—1100.0 hPa間、精度為±0.3 hPa、分辨率為0.1 hPa。三項氣象要素傳感器觀測高度1.55 m、觀測采存頻率均為1 time·min?1。

配置降雨量、總輻射觀測儀：降雨量（R）——HOBO自記雨量計、翻斗計量（0.2 mm）、精度為±0.2%，實時測定自動儲存、電腦采集數據，設置于觀測場；總輻射儀（Ra）——LI-200總輻射傳感器，數采CR1000自動存儲電腦采集；設置于觀測場內高10 m直立桿的頂部；連續觀測、瞬時和時均記錄。

1.2.3 數據處理

論文數據圖及模型統計采用 Excel電子表格處理。

2 結果與分析

2.1 林區全年候空氣負離子濃度的動態特征

2.1.1 林區髙濕環境NAI濃度的最小閾值確定

林區髙濕環境即 RH＞95%的 NAI濃度最小閾值的確定，則依據連續高空氣濕度（RH）維持下NAI濃度的測試結果（圖1）；圖1顯示出，在RH突然增加時、NAI濃度變化明顯，如在時段0:46—2:22較0:00—0:45的RH均值相對遞增10.1%、NAI濃度均值遞減 7.9%。重要的是在空氣濕度RH＞96.0%的連續115分鐘內（圖1：4:24—6:19）、NAI濃度變化在 400.0—969.3 ion·cm?3間、其最低的有效值為400.0 ion·cm?3；故取NAI濃度最低值再按5%下降計即NAI最小濃度380 ion·cm?3為林區髙空氣濕度的最小閾值。

2.1.2 林區全年時尺度NAI濃度連續變化特征

圖2 廣州帽峰山林區2018年連續時NAI平均濃度的變化Fig. 2 Consecutive hourly changes of NAI mean concentration in Maofeng Mountain forest areas of Guangzhou in 2018

廣州帽峰山林區2018年連續小時尺度NAI的平均濃度結果見圖2（數據量為6860）、其中NAI濃度≥4000 ion·cm?3結果列于圖3（全年去除：小于髙濕NAI最小濃度閾值數據565個，儀器故障缺失測定數據840個 (1、5、9、11月分別有9、13、8、5 d)，更換進樣配件后的存疑數據495個）。全年時尺度 NAI平均濃度變化在 380—14617 ion·cm?3、年均為 (1144.2±653) ion·cm?3。全年的 1—2月及 8—12月林區 NAI濃度較高、月均值在1135—1375 ion·cm?3間，而 3—7 月 NAI濃度則相對較低在795—911 ion·cm?3間；單月以10月NAI時均濃度最高為1375 ion·cm?3、是相應的最低月5月的1.73倍。林區4個季節NAI時平均濃度依次為：冬季 10—12 月 (1471±524 ion·cm?3)＞春季 1—3月 (1097±466 ion·cm?3)＞秋季7—9 月 (1032±710 ion·cm?3)＞夏季 4—6 月 (927±690 ion·cm?3)。旱季（1—3月和10—12月）NAI濃度相對較高、雨季（4—9月）濃度相對較低而瞬時極高值多；全年時均NAI 濃度≥1000 ion·cm?3占 52.5%、700 ion·cm?3≤時均 NAI濃度＜1000 ion·cm?3占 20.7%；林區白晝時的空氣質量屬清潔與較清潔占優，而雨季多雨高濕及強對流降雨尤是暴雨的影響，林區 NAI濃度分別出現相對多的偏低值和極少量的極高值特征明顯。

圖3 林區全年雨季9次強對流降雨過程中時均NAI濃度變化Fig. 3 Hourly mean changes of NAI concentration with nine heavy convective rainfalls in the forest areas for all-year

2.1.3 林區全年連續時均高 NAI濃度及氣象影響特征

林區全年時均 NAI濃度≥4000 ion·cm?3出現在雨季的9次降雨過程中（圖3），其中包含1次大暴雨（6月8日）、降雨量191.2 mm，3次短歷時的暴雨（5月8日、8月28日、8月29日）、降雨量分別達76.8、50.3、51.7 mm；強對流降雨尤其是暴雨過程伴有雷電，雷電的電離作用使空氣中負離子急速增加，圖3顯示出林區9次降雨過程中地表上NAI濃度出現急速增加的特點；其中：1小時內 NAI平均濃度達14618 ion·cm?3時出現 1 個小時時段、NAI濃度＞8000 ion·cm?3和 7000 ion·cm?3各出現 2 小時時段、NAI濃度＞6000、5000 ion·cm?3和 4000 ion·cm?3分別出現 6、4、8 個小時時段，表現出了降雨尤是暴雨過程伴有雷電對NAI濃度產生了極顯著的影響效應；而且9次降雨過程的最高NAI濃度均出現在最大雨強前的1小時內、最大雨強時的NAI濃度則驟然減小，計量最大雨強時相對其前1小時NAI濃度、前者較后者分別減小 48.3%、51.6%、61.0%、78.1%、84.9%、40.1%、47.6%、54.2%、80.2%；表明強對流降雨過程的雷雨云中正負電荷差極大時的放電（潛熱釋放）現象，在最大雨強前1小時內對NAI濃度影響最顯著；當潛熱釋放后水汽形成雨滴的速度加快、雨量更大即打雷后雨更大，出現最大降雨強度，此時段的雷電電離效應的相對減弱則表征在NAI濃度迅速降低；印證了雨季強對流性降雨伴有雷電時、對NAI濃度顯著影響在時序上的表現特點。

2.2 氣象因素對林區空氣負離子濃度的影響

2.2.1 林區太陽總輻射量對NAI濃度的影響

林區NAI濃度受太陽總輻射量（Ra）的顯著影響，圖 4a給出旱、雨季月典型天氣（晴及少云、多云）Ra及時均NAI濃度的白晝變化；旱、雨季除16:00 Ra相等外均表現出雨季大雨旱季、且Ra峰均在 14:00；雨季白晝 NAI濃度除了在 15:00—16:00和07:00、19:00大于相應的旱季外，其余時均小于雨季；旱、雨季白晝 NAI濃度峰值分別在13:00、15:00。NAI濃度與Ra間呈極顯著的二次關系且 Ra在 360—500 W·m?2間 NAI濃度出現大于1260 ion·cm?3區間（圖4b）。為此再統計旱季、雨季的晴、少云天白晝Ra與NAI濃度的時均值間關系發現，兩者間同樣均呈二次回歸關系（圖5），其 Ra 分別在 350—560 W·m?2和 310—550 W·m?2間NAI濃度均出現相對高的濃度，且隨著Ra＞600 W·m?2的增加NAI濃度則逐漸遞減。故綜合計量：林區除雨天外，其余天氣的白晝Ra值在310—530 W·m?2間NAI濃度出現相對較高值。

2.2.2 林區氣溫、空氣濕度及氣壓對NAI濃度的影響

圖4 林區旱、雨季典型天氣的總輻射量與NAI濃度平均值晝變化（a）及兩者間的關系（b）Fig. 4 Daytime variation (a) and relationship (b) for total radiation and NAI concentration in typical weather of the dry，rainy season in the forest areas

圖5 林區旱、雨季晴及少云天NAI濃度與總輻射量平均值間的關系Fig. 5 Relationship between the NAI and total radiation in the fine and few cloudy of dry，rainy season in the forest areas

林區空氣負離子濃度與氣象多要素密切相關，下式為時均NAI濃度與對應的氣壓（P/hPa）、氣溫（AT/℃）及空氣濕度（RH/%）的多元回歸統計結果（統計時剔除數據限：430 ion·cm?3＞NAI 濃度＞3300 ion·cm?3）：反映出NAI濃度與3項氣象因素間存在著極顯著的多元線性關系：

（R2=0.21，n=6160，F=440.3，P=4.3×10?254；且P、AT、RH的t檢驗P值分別為：3.78×10?5、5.23×10?31、3.02×10?55）。

回歸模式中各氣象因素的影響效應反映在t檢驗上均達到極顯著；氣壓的影響呈正向效應、空氣溫濕度均呈負向效應；氣溫愈高則空氣擴散速率愈大、林區近地表的NAI濃度則愈低；氣壓愈高即地表上空氣質量愈大、NAI濃度則愈大；而且氣壓又與氣溫、空氣濕度分別呈顯著的負相關關系（圖6），交互作用也映射在NAI濃度的影響屬性上（多元模式）。多元模式中空氣濕度與NAI濃度的負相關，主要在于林區的夜間和雨季較高的空氣濕度的占比較大；夜間短波總輻射缺乏、植被光合作用顯著減弱，對NAI濃度的正向效應顯著減??；而雨季林區空氣高濕度則有降雨淋洗空氣塵埃離子沉降、高濕空氣凝結減少空氣小離子等機制，均使空氣濕度與NAI濃度的關系呈負相關，表現在多元回歸式中RH的檢驗P值（3.02×10?55）達極顯著。

2.3 林區單氣象因素對空氣負離子濃度的影響

鑒于時均NAI濃度與相應的多氣象因素的關系存在交互影響、R2偏低等問題，從單氣象因素對NAI濃度的影響分析則可規避這些問題、且易于解析和應用；故對林區NAI與單氣象因素間關系進行了逐一的統計分析（統計時剔除數據如同多元回歸）。

圖6 林區每時平均氣壓與相應的氣溫（a）、空氣濕（b）間關系Fig. 6 Relationship between hourly mean of air pressure and air temperature (a)，air humidity (b) in the forest areas

2.3.1 氣溫對空氣負離子濃度的影響

林區 NAI濃度與氣溫（AT）間在時尺度上的統計關系顯示，兩者間存在有極顯著的負指數回歸關系（圖 7a）；但在氣溫的等值點上存在 NAI濃度離差大、回歸R2偏小、回歸模式精度偏低。因而將等氣溫點與對應的 NAI濃度值域一并平均后回歸統計，隨AT的增加NAI濃度逐漸遞減的線性關系、回歸決定系數R2相對提高了0.6（見圖7b），回歸模式精度顯著提高且適用于NAI濃度的估算。若將氣溫以小梯度遞增與對應 NAI濃度的值域一并平均處理后統計，圖 8結果則為將氣溫分別以0.3、0.6 ℃遞增后獲得的回歸結果，兩者間的線性回歸決定系數R2分別達到0.86、0.93，較圖7b的R2分別提高0.12、0.19；即增值處理后兩者的回歸點代表數據源的權重顯著增大而 NAI濃度的離差則顯著減?。槐阌诘亟馕鰵鉁貙AI濃度的影響效應，特別是圖8b的回歸模式極適于林區NAI濃度的估算。

2.3.2 空氣濕度對空氣負離子濃度的影響

林區的時均空氣濕度（RH）與NAI濃度的回歸統計顯示：林區的NAI濃度隨RH遞增呈負指數遞減關系（圖 9a），且在 RH＞78.0%對應較低的NAI濃度點占比較大；表現在空氣濕度的等值點上NAI濃度離差顯著而影響了回歸模式的精度。故而將相等的空氣濕度及對應 NAI濃度值域一并進行平均后回歸，兩者間呈極顯著的負對數關系（圖9b）、且R2相對提高了0.43；再將空氣濕度分別按2.0%、3.0%的遞增梯度和對應 NAI濃度值域一并進行平均處理后，得到兩者間的回歸結果如圖10；兩個遞增梯度的NAI濃度與RH間均呈極顯著的負指數回歸關系、回歸決定系數R2較圖9b的R2值分別提高了0.38、0.40，使得以RH單因素來估算NAI平均濃度更加精確可行。

圖7 林區氣溫（AT）與NAI濃度的時平均間關系（a）；等AT下，AT和NAI濃度的均值間關系（b）Fig. 7 Relationship (a) between hourly mean of NAI concentration and AT，and relationship (b) between the mean statistics of the two under equal AT in the forest areas

圖8 林區的氣溫（AT）分別以0.3、0.6 ℃遞增及對應NAI濃度的均值間的關系（a、b）Fig. 8 Relationship between the mean value for the NAI and AT when AT increased as 0.3 and 0.6 ℃ (a，b) for the forest areas

圖9 林區空氣濕度（RH）與NAI濃度時平均間的關系（a）、等RH下及對應NAI濃度的均值間關系（b）Fig. 9 Relationship (a) between hourly mean of NAI concentration and RH，and relationship (b) between the mean statistics of the two under equal RH in the forest areas

圖10 林區的空氣濕度（RH）分別以2.0%、3.0%遞增及對應NAI濃度的均值間的關系（a、b）Fig. 10 Relationship between the mean value for the NAI and RH when RH increased as 2.0% and 3.0% (a，b) for the forest areas

2.3.3 空氣壓力對負離子濃度的影響

林區空氣壓力（P）的大小即近地表上空氣質量大小，與NAI濃度的變化密切關聯；圖11a為兩者間的回歸結果，林區時尺度上NAI濃度與對應P間存在著極顯著二次回歸關系；只是回歸點的離差仍較大、回歸式精度偏低；依次按等氣壓和對應NAI濃度值域一并平均后回歸，兩者間的二次回歸關系精度顯著提高（R2達 0.85）、等氣壓點上的NAI離差被顯著縮?。▓D11b）；再將氣壓分別以0.4、1.0 hPa遞增與對應NAI濃度值域一并平均后再回歸，兩個遞增梯度下的NAI濃度與P間的回歸決定系數R2（圖12）分別達到0.91、0.95（樣本量n＞50、n＞30），這樣的回歸模式更適合于通過林區地表空氣壓力來估算NAI濃度。圖11、12結果中，在氣壓值965—972hPa間NAI濃度出現極小值的拐區，主要是高空氣濕度權重大影響而出現 NAI濃度的極低值區。

林區單氣象因素對NAI濃度的影響關系，實現了各氣象因素在等值、小梯度遞增區間NAI濃度高離散值的均值處理，加大了回歸點的信息權重、顯著地縮小了時尺度上NAI濃度離差、提高了回歸關系的精度，反映在氣象因素對NAI濃度的平均量上的影響效應，對于通過單氣象因素估算林區空氣負離子平均濃度是極其有益的。

3 討論及結論

3.1 討論

圖11 林區氣壓（P）與NAI濃度的時平均間關系（a）；等P下P和NAI濃度的均值間關系（b）Fig. 11 Relationship (a) between hourly mean of NAI concentration and P，and relationship (b) between the mean statistics of the two under equal P in the forest areas

圖12 林區的氣壓（P）分別以0.4、1.0 hPa（a、b）遞增及對應NAI濃度的均值間的關系Fig. 12 Relationship between the mean value for the NAI and P when P increased as 0.4 and 1.0 hPa (a，b) for the forest areas

圖13 林區夜間連續時的NAI濃度與空氣濕度（RH）變化Fig. 13 Hourly changes in NAI concentrations and air humidity during nighttime in the forest areas

（1）在空氣濕度與NAI濃度的關系研究方面，有不少研究報道，NAI濃度與空氣濕度呈正相關（吳楚才等，2001；王薇等，2014），認為高空氣濕度有利于空氣的電離作用，故空氣濕度愈大、NAI濃度愈高；也有不少研究結果報道，NAI濃度與空氣濕度呈負相關關系（Reiter，1985；邵海榮等，2000；葉彩華等，2000），認為空氣高濕度時的小離子濃度減小致NAI濃度降低，高空氣濕度時大氣宇宙形成放射線電離作用減小也導致NAI減小。本研究結果與后者相吻合；主要是時尺度的數據集有較大比例的髙濕度NAI濃度值，源于林區雨季多雨和夜間的高空氣濕度、低NAI濃度占比較大（如圖13），這種情況下的輻射及光合作用對NAI的正向影響顯著降低，而且多雨也直接使空氣小顆粒隨降雨沉降而降低NAI濃度。

（2）在觀測時間尺度及儀器手段上的差別，若觀測采用便攜式負離子儀、選定典型天氣的白晝，其觀測的氣象因素的范圍有限；若觀測包含了夜間、雨天，則獲得的數據信息量也存在局限；這樣計量的NAI濃度與氣象因素尤其是與空氣濕度的關系則是在限定范圍或小數據容量內的結果。而以小時間尺度上連續定位觀測則使NAI濃度及氣象因素的數據信息量極顯著增大，如本研究表征在小時尺度的高空氣濕度（RH在78.0%—95.0%間）區間 NAI濃度的高、低值均以多點出現（圖9a），反應在RH對NAI的正、負效應機制均存在，只因NAI低濃度值的權重偏大，故納入小時尺度的空氣濕度與NAI濃度的關系中呈負相關影響效應，即空氣濕度對NAI的負相關影響機制被顯著地體現。

3.2 結論

（1）廣州帽峰山林區2018年 NAI濃度的時尺度變化范圍在380—14617 ion·cm?3間、平均為(1144.2±653) ion·cm?3；年連續時 NAI 濃度的季節性差異較大、雨季NAI濃度偏低值占比較大；全年以10月NAI平均濃度最高達1375 ion·cm?3是最低月5月的 1.73倍；1—2月及8—12月的NAI平均濃度變化在 1135—1375 ion·cm?3間；全年時均 NAI濃度≥4000 ion·cm?3出現在 9次強對流降雨過程中，且NAI最高濃度均出現在每次降雨的最大雨強前1小時內，印證了強對流降雨尤是暴雨、大暴雨過程中NAI濃度受雷電電離顯著影響的時段特征。

（2）廣州帽峰山林區典型天（晴、少云及多云）NAI濃度與總輻射量平均值的晝變化一致性高、兩者間呈極顯著的二次回歸關系，且總輻射量在310—530 W·m?2間的NAI濃度較高；體現出林區總輻射能量節律以及驅動植被光合作用的節律均對NAI濃度的增減波動產生顯著影響。林區全年NAI時均濃度與對應的氣溫、空氣濕度、氣壓間存在著多元線性回歸關系且后者的影響效應及屬性均表現為極顯著。

（3）廣州帽峰山林區單氣象因素在等值點對應多NAI濃度的較大離差，其回歸統計顯示出標準偏差大、回歸決定系數偏低；對此采用以各氣象因素的等值點、小梯度遞增與對應的多NAI濃度值一并平均統計后回歸，顯著地提高了兩者間的關系精度，使其更適宜于對林區NAI平均濃度的估算應用。