桐花樹及其他植被群落對PM2.5的吸附能力對比研究

摘 要：桐花樹是廣西濱海地區主要的鄉土紅樹植物，具有重要的生態系統服務價值，但對其PM2.5吸附、消阻價值的認識仍不全面。為此，于2019年12月對廣西欽州桐花樹群落、校園混合林、鄉村混合林進行了PM2.5整月連續觀測。結果表明：（1）3種植被群落日均PM2.5濃度表現為林外大于林內，PM2.5消阻效果顯著；（2）鄉村混合林、桐花樹群落、鄉村混合林對PM2.5的平均吸附率分別為27.76%、12.27%和7.95%，且林外PM2.5濃度越高，植被對PM2.5吸附率越高；（3）氣象因子影響下的林外擴散條件變化是導致林外PM2.5濃度變化的主要因素，且植被的株高和株密度對植被群落對PM2.5的吸附和消阻具有重要影響。

關鍵詞：PM2.5；桐花樹；吸附能力；氣象因子

中圖分類號：Q948 文獻標志碼：B 文章編號：2095–3305（2024）11–00-04

PM2.5是指直徑≤2.5 μm的細顆粒物，主要由塵土、化石燃料燃燒產生的有機碳粒子和氣溶膠組成。PM2.5可攜帶有毒重金屬、酸性氧化物、有機污染物、細菌和病毒等，對人體健康構成威脅[1]。植被已被證明能有效吸附空氣中的PM2.5，從而提高空氣質量。紅樹林是一類生長在熱帶和亞熱帶海岸潮間帶特有的植物群落，具有重要的生態服務功能和顯著的經濟價值。盡管紅樹林在生態環境修復中扮演著重要角色，但關于其吸附PM2.5能力的研究相對較少。

廣西北部灣沿岸是中國亞熱帶區域重要的紅樹林分布區之一，紅樹林總面積占全國的32.7%，達

9 330.34 hm2。廣西北部灣共有真紅樹植物12種（其中外來樹種2種），半紅樹植物8種，其中桐花樹群系是分布面積僅次于白骨壤的群系類型[2]。而在廣西欽州地區，桐花樹群落面積占比最大。與廣西北部灣其他沿海城市相比，欽州的空氣質量相對較差，PM2.5污染問題尤為嚴重。鑒于此，以欽州的鄉土紅樹桐花樹群落、鄉村混合林和校園混合林為對象，基于PM2.5現場連續觀測數據，探討不同植被群落對PM2.5的吸附能力和時空變化趨勢差異及其影響因素，旨在為北部灣城市群的PM2.5污染防控提供科學參考。

1 材料與方法

1.1 實驗地概況

監測樣地位于北部灣大學濱海校區內和校園周邊地區。監測的位置具體見圖1。

（1）校園混合林：北部灣大學東區操場旁邊的情人坡和東區操場作為一組對照觀測點。該觀測點以草地為主，10 m×10 m樣地內零星種植有芒果樹、木棉苗木，平均樹高約1.3 m，平均胸徑5.3 cm，株密度為

0.6株/m2。

（2）桐花樹群落：北部灣大學東門外欽江支流旁的桐花樹群落及其周邊的空地作為一組對照觀測點。該觀測點主要為桐花樹群落，5 m×5 m樣地內共有桐花樹平均樹高約1.9 m，平均基徑13.2 cm，株密度為1.2株/m2。

（3）鄉村混合林：欽州敏昌大街橫山頭鄉村混合林內及林外空地作為一組對照觀測點。該觀測點以樟樹、桉樹、馬尾松、毛竹等樹種為主，10 m × 10 m樣地內平均樹高約為6.1 m，平均胸徑8.2 cm，株密度為1.9株/m2。

1.2 研究方法

選用美國樂控PM2.5檢測儀（P-600）、邁斯泰克（MESTEK）AM600手持式風速儀作為試驗器材。采樣時間為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）于校園混合林、鄉村混合林監測點進行監測。考慮到桐花樹群落受潮汐的影響，根據每日潮位，于低潮位（1個時段）、中潮位（2個時間，約為低潮前后4 h）進行監測，并在每個監測地點隨機選擇3個位置進行數據采樣。PM2.5測定的時間分辨率為2 s，測量PM2.5濃度時測量者應站立靜止，減少人為對采樣數據的影響。等待儀器數據穩定后進行數據記錄，每個采樣站點的耗時約為5 min，每個監測樣點的采樣總時間為0.5 h。采樣高度以成人平均呼吸高度為準，即距林地地面1.5 m。

1.3 數據處理

不同植被群落對PM2.5的吸附能力（吸附率）公式如下：

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

監測獲得的數據均在SPSS 26（IBM，USA）軟件進行統計分析。其中，PM2.5數據及吸附率均不符合正態分布；不同時段、植被群落的PM2.5濃度、吸附率數據均采用Wilcoxon檢驗其差異性；不同群落類型間PM2.5濃度采用Kruskal-Wallis檢驗；PM2.5濃度、吸附率及各群落林內、外氣象因子之間的相關性采用Spearman相關分析法。

2 結果與分析

2.1 不同植被群落內外PM2.5的污染水平及日變化規律

2.1.1 校園混合林

監測時間內，校園混合林內的全時段PM2.5的平均濃度為53.64 μg/m3，PM2.5的平均空氣質量分指數（Index of Air Quality，IAQI）為73.30，整體處于良好水平，但有20個時段的PM2.5的瞬時濃度達到輕度至重度污染水平。校園混合林外的全時段PM2.5的平均濃度為59.85 μg/m3，PM2.5的IAQI為81.07，整體處于良好水平，但23個時段的PM2.5的瞬時濃度達到輕度至重度污染水平。由圖2可知，校園混合林內的PM2.5濃度顯著低于林外（P＜0.001），PM2.5濃度在06：30～14：30呈現下降趨勢，在14：30～18：30呈現上升趨勢。

2.1.2 鄉村混合林

監測時間內，鄉村混合林內的全時段PM2.5的平均濃度為49.35 μg/m3 ，PM2.5的IAQI為67.94，整體處于良好水平，但有17個時段的PM2.5的瞬時濃度達輕度污染水平。鄉村混合林外的全時段PM2.5的平均濃度為63.25 μg/m3，PM2.5的IAQI為85.31，整體處于良好水平，

但有46個時段的PM2.5的瞬時濃度達到輕度至重度污染水平。由圖3可知，鄉村混合林內與林外PM2.5濃度差異顯著（P＜0.001），PM2.5濃度在06：30～10：30呈現上升趨勢，在10：30～18：30呈現下降趨勢。

2.1.3 桐花樹群落林

監測時間內，桐花樹群落林內的全時段PM2.5的平均濃度為48.09 μg/m3，PM2.5的IAQI為66.36，整體處于良好水平，僅有6個時段的PM2.5的瞬時濃度達到輕度至中度污染水平。桐花樹群落林外的全時段PM2.5的平均濃度為58.60 μg/m3，PM2.5的IAQI為79.50，整體處于良好水平，有14個時段的PM2.5的瞬時濃度達到輕度至重度污染水平。由圖4可知，桐花樹群落林內與林外PM2.5濃度差異顯著（P＜0.000），且桐花樹群落內外的PM2.5濃度在白天至夜間均呈現上升趨勢。

2.2 不同植被群落對PM2.5的吸附能力

對不同植被群落林內、林外日均PM2.5濃度及其吸附率統計見表1。由表中可以看出，3種植被群落日均PM2.5濃度表現為林外＞林內。從吸附率來看，3種植被群落日均PM2.5吸附率差異極顯著（P＜0.001），平均吸附率最高的為鄉村混合林群落（27.76%），其次為桐花樹群落（12.27%），最低為校園混合林群落（7.95%）。相對而言，鄉村混合林對PM2.5的吸附能力最強且最穩定，校園混合林對PM2.5的吸附能力最低。

3 討論

3.1 植被群落特征對PM2.5吸附能力的影響

鄉村混合林、桐花樹群落、校園混合林3種植被群落林內、外PM2.5濃度的顯著性差異表明，植被群落具有明顯的PM2.5吸附、消阻功能，但植被對PM2.5的吸附能力與植被群落類型關系密切。以本研究為例，鄉村混合林表現出較強的PM2.5的吸附能力，其原因在于鄉村混合林中植物種類、數量較多，可形成不同層次、高低不同的混合復合林層。相對而言，桐花樹群落樹種單一，林分簡單，對PM2.5的吸附效果不如鄉村混合林。而校園混合林雖然樹種較桐花樹群落多，但植被最稀疏，對PM2.5的吸附效果最低。

葉片是植被吸附、消阻PM2.5最重要的組織，不同植物葉片對細微顆粒去除機制存在差異。空氣中顆粒物與植物葉片的接觸面積和接觸程度也是影響植被吸附滯塵能力的主要因素。通常，具有大量溝壑、凹凸不平的植被，其葉片粗糙度較大，對于PM2.5的滯納和吸附能力更強。此外，葉片光合或呼吸作用能力不同也會影響其對PM2.5吸附能力，而葉面氣孔大小和密度、絨毛密度及葉片是否產生分泌物也是影響植被吸附或滯塵能力的重要原因。桐花樹作為一種濱海鹽生植物，樹皮平滑，葉片明顯泌鹽現象會使得葉片表面粗糙，從而對空氣中顆粒物的吸附能力更強，進而產生明顯的PM2.5吸附效能。

研究發現，植被群落PM2.5沉降速率與植被高度有關。在研究中，鄉村混合林植被種類多且平均株高最高，桐花樹群落次之，校園混合林平均株高最低，各群落PM2.5的吸附能力差異印證了這一現象，但PM2.5沉降速率與植被高度間的關系還有待進一步量化研究。

3.2 氣象因子對植被PM2.5吸附能力的影響

影響植被群落對PM2.5的吸附率的主要因素有溫度、濕度、風速等氣象因子[3]。相關性分析結果顯示，此研究中影響校園混合林對PM2.5吸附率的主要因素為林內風速和林外PM2.5濃度（P＜0.01）（表2），鄉村混合林為林內外PM2.5濃度、林內外風速及風速差（P＜0.01）（表3），桐花樹群落則為林內外溫度、林外PM2.5濃度（P＜0.01）（表4）。這表明氣象條件，尤其是風速對植被群落PM2.5吸附率影響的極大，同時，相對茂密的植被因其具有較高的風速削減能力，可有效地消阻較多的PM2.5。在廣西沿海地區，12月常有大風天氣，在氣象因子影響下林外擴散條件產生變化會導致林外PM2.5濃度發生較大變化，并影響植被群落PM2.5吸附效果。

此研究發現林外PM2.5濃度與PM2.5的吸附率呈顯著正相關（P＜0.01），表明林外PM2.5濃度越高，植被群落對PM2.5的吸附能力則越強。其原因可能在于顆粒物質量濃度越大，植被葉片、表皮與顆粒物的接觸當量則更高，使得吸附作用更強。

一些研究還發現，植物群落對PM2.5的吸附能力具有一定的季節性、時效性，如水杉林、松樹林、混合林在早晨吸附能力最強、晚上最弱[4-8]。這與本研究中鄉村混合林、校園混合林對PM2.5的日吸附特征相似，但與桐花樹群落不同。在本研究中，桐花樹在傍晚、夜間相比日間對PM2.5的吸附效果更強。

桐花樹群落生長在趕潮河段潮間帶，與鄉村混合林、校園混合林生境特征差異巨大，尤其是溫度、濕度的日變化規律差異較大。桐花樹對PM2.5吸附率與林內、林外溫度存在極顯著負相關關系（P＜0.05），表明溫度的降低有利于桐花樹對PM2.5吸附功能的恢復，其原因可能與桐花樹樹葉的結構及其生理因素有關，但其影響機制仍有待研究。

4 結論

（1）2019年12月的3種植被群落內、外PM2.5的日均濃度均處于良好水平，但個別時段PM2.5瞬時濃度達到輕度污染至重度污染水平。

（2）校園混合林PM2.5濃度的日變化規律為先下降后上升，鄉村混合林為先升后降，桐花樹群落則呈上升趨勢。

（3）3種植被群落對PM2.5的吸附率差異極顯著，鄉村混合林、桐花樹群落均能起到較好的PM2.5消阻、吸附效果，且風速、濕度和溫度均會影響植被群落對PM2.5的吸附率。

參考文獻

[1] 陳熙勐，張皓旻，顧萬清，等.我國PM2.5主要成分及對人體健康危害研究進展[J].中華保健醫學雜志，2019，21（1）：83-85.

[2] 潘良浩，史小芳，曾聰，等.廣西紅樹林的植物類型[J].廣西科學，2018，25（4）：352-362.

[3] 孟昭偉，雷佩玉，張同軍，等.2015—2018年西安市兩城區PM2.5質量濃度變化特征及氣象影響因素[J].衛生研究， 2020，49（1）：75-79，85.

[4] 俞琳琳，胡海波，余偉.城市綠地類型對大氣PM2.5濃度的影響[J].南京林業大學學報（自然科學版），2020，44（3）：179-184.

[5] 劉浩棟，陳亞靜，李清殿，等.城市道路林對細顆粒物PM2.5的阻滯作用解析[J].浙江農林大學學報，2020，37（3）：397-406.

[6] 黃偉偉，楊勇，陳豐農.杭州校園中不同植被對PM2.5的吸附能力[J].環境科學研究，2018，31（7）：1233-1240.

[7] 王志東，燕世忠，張成福，等.影響城市綠化植物PM2.5吸附能力的主要因素研究綜述[J].內蒙古林業科技，2020，46（1）： 52-56.

[8] 付寶春，秦國杰，暢平，等.太原地區常用地被植物及植被結構吸附PM2.5等細顆粒物能力研究[J].安徽農業科學， 2018，46（9）：66-69.