上海環城林帶夏季大氣污染凈化作用及其與林帶寬度的關系

王小玲, 宋 坤, 樂 鶯, 陳 靜, 姜 昊, 張涌嘉,宮鶴憶, 王子斐, 丁 一, 施天慧, 達良俊

（1. 華東師范大學 生態與環境科學學院, 上海 200241; 2. 上海市公共綠地建設事務中心, 上海 201199）

0 引 言

隨著城市化的推進, 城市空氣污染已成為一個嚴重的環境問題, 它影響著人類健康、城市生活質量以及城市生態系統的可持續性. 城市空氣污染現象在發展中國家尤為顯著, 快速的城市化、工業化和農村城市人口遷移導致中國空氣質量不斷下降[1?2]. 在北京[3]、上海[1]和廣州[4]等大城市, 空氣污染現象已經普遍存在, 如果當前快速城市化的趨勢繼續下去, 將會對城市環境造成嚴重影響[5]. 城市空氣質量管理必然是一個多維度的問題, 除了在預防和改良方面應用先進技術以外, 利用自然機制進行生態治理偶爾會被采用且通常是有效的[6?8]. 在這方面, 城市森林的空氣凈化作用為決策者提供了一種新方法來促進城市生態系統的可持續性管理[9?11].

城市帶狀綠地或林帶不僅為市民提供游憩的機會, 同時也起到阻隔污染、凈化污染的作用[12?14]. 歐洲和北美一些國家對開闊道路機動車污染物的擴散規律開展了大量研究工作[15?17], Truscott等[17]發現NO2濃度與距離道路的遠近呈負相關關系; Yin等[18]研究表明100 m林地較50 m林地對總懸浮顆粒物（TSP）和NO2的凈化效益更高. 沈沉沉[14]的研究表明100 m林地滯塵率較400 m林地滯塵率高. 可見, 林帶污染物凈化作用隨林帶寬度的變化規律尚未有統一認識. 大氣污染本底的成分和濃度會影響到植物的滯塵功能, 一般情況下, 污染源附近的植被表現出更大的凈化作用[6]. 另外, 氣象條件如溫度、濕度和風速也是影響污染物濃度的主要因子[19?20]. 以往影響林帶凈化效益因素的研究通常基于非連續性監測方式, 如被動式采樣器等[18,21], 隨著污染物監測技術和互聯網的發展, 基于連續監測的林帶凈化效益因素研究具有一定意義.

上海環城綠帶是上海市最大的跨世紀生態工程. 目前關于上海環城綠帶的研究多集中在群落結構、生態效益、景觀美學、小氣候效應、土壤重金屬污染等方面[13?14,22], 關于環城綠帶中凈化大氣污染的方面未有報道. 本研究選取上海環城綠帶內具有代表性的林帶, 監測了林帶近地面處大氣污染物(PM2.5、PM10、CO、NO2)的濃度變化, 與我國環境空氣質量標準進行比對, 分析了林帶內外大氣污染物濃度的日均變化格局, 評估了林帶不同寬度大氣污染物的月均凈化效益, 并進一步解析了環境本底、大氣溫濕度對300 m林帶寬度處大氣污染物凈化效益的影響. 本研究豐富了城市森林凈化空氣污染的影響因素, 為環城綠帶主要大氣污染物綜合治理提供參考依據.

1 研究方法

1.1 研究區域概況

上海市位于中國東部沿海地區中部(30°40′N ～ 31°53′N, 120°51′E ～ 122°12′E), 也是長三角大都市圈的中心. 截至2017年, 上海人口超過2 400萬, 人口密度為3 822人/km2[23]. 上海屬于北亞熱帶季風氣候類型, 氣候溫和濕潤, 年均氣溫15.8 ℃, 年均降水量1 145.1 mm, 自然植被稀少, 地帶性植被主要為含有落葉成分的常綠闊葉林[24].

上海環城綠帶環繞整個上海市區, 全長98 km, 規劃面積6 208 hm2, 自1998年建設以來, 經歷了100 m綠帶一期、二期、400 m綠帶、生態專項這4個建設階段, 截至2018年年底建成面積近4 000 hm2[14,25].此外, 上海環城綠帶植物群落可分為7種植被類型, 出現頻率較高的為落葉闊葉林(51.4%)、常綠闊葉林(20.9%)和落葉針葉林(9.5%)這3種植被類型[22].

1.2 監測布點

選 取 上 海 環 城 綠 帶 寶 山 盛 宅 段(121o23′54″E, 31o21′0″N)和 浦 東 康 橋 段(121o36′52″E,31o8′42″N)厚度超過500 m的林帶為研究樣區(見圖1). 其中康橋段車流量較少, 周邊以其他建設用地和公共設施用地為主, 盛宅段車流量較大, 周邊以城鎮居住用地和公共設施用地為主. 樣區內植被群落組成和結構基本一致, 康橋段植被種類以落羽杉(Taxodium distichum)、香樟(Cinnamomum camphora)、桂花(Osmanthus fragrans)和桃樹(Amygdalusspp)為主, 盛宅段植被主要有香樟、女貞(Ligustrum lucidum)、烏桕(Triadica sebifera)、無患子(Sapindus saponaria)、欒樹(Koelreuteria paniculata)、櫸樹(Zelkova serrata)、苦楝(Melia azedarach)和櫻花(Cerasus×yedoensis). 林帶附近有開闊空間作為平行對照區, 在樣區和對照區內, 垂直于外環公路400 m, 每隔100 m設置1處監測樣點, 分別設置了4處監測點.

圖 1 監測點位置示意圖Fig. 1 Location of the sampling sites

考慮到夏季為植物生長旺季, 本研究于2019年夏季進行污染物實時監測[26], 其中浦東康橋段于7月1日14:45至7月31日23:57進行晝夜監測, 寶山盛宅段于8月5日14:45至8月31日23:57進行晝夜監測, 同時記錄天氣狀況(溫度、相對濕度、風速等).

1.3 測定方法

利用連續在線生態監測設備(中國上海復凌科技有限公司)定點長期監測大氣污染物, 監測高度為1.5 m, 位于人感高度, 數據采集頻率為3 min/次, 并輔以復凌云平臺App進行數據在線傳輸、觀測與分析, 平臺后端提取數據進一步分析.

各臺監測設備均用校準儀參照《環境空氣質量自動監測技術規范》(HJ/T193–2005)進行定期濃度校準, 校準時選擇晴朗、靜風天氣. 本研究中使用的監測數據為分鐘數據, 保證數據可靠性與準確性.

表2從精確度和時延兩方面進一步評估了算法的性能。作為比較,我們測試了其他深度學習模型的性能,比較模型包括一個兩層的卷積神經網絡(CNN),一個兩層的循環神經網絡(RNN)以及一個CNN-LSTM混合網絡。其中RNN和CNN-LSTM中的LSTM部分的參數設置與表1所列相同;CNN和CNN-LSTM中的CNN部分采用了維度為[1,50]的一維卷積核,其余參數與表1一致。

1.4 數據分析

基于各監測點污染物濃度的日均值, 與《環境空氣質量標準》(GB3095–2012)[27]進行比較, 評價各監測點的大氣環境質量.

為表征林帶對主要大氣污染物的凈化作用, 以同一距離林外平行對照組監測點為參照[21], 計算出林內各監測點空氣污染物濃度的降低幅度, 以此作為凈化效益[8,28], 其公式為

式中:P為凈化百分率,C0為林外平行對照組污染物濃度,Cm為林帶內污染物濃度.

為表征氣象條件和環境本底對林帶最大凈化效益的影響, 在R3.5.3的集成開發環境R?Studio (R,Boston, USA)中采用多元線性回歸方法建立模型、回歸參數估計和模型顯著性檢驗, 并在已得模型的基礎上通過逐步回歸的方法, 依據AIC值剔除不顯著的變量進行模型優化. 通過模型預測, 驗證所得回歸模型的準確性和實用性. 經多次改進, 最終確定模型. 其中, 模型回歸系數的相對重要性通過relaimpo函數包計算得到.

2 結果與分析

2.1 監測期間氣象條件

監測期間上海市以東南風為主, 7月近地面平均風速為0.24 m/s, 最小風速0 m/s, 最大風速1.7 m/s;8月近地面平均風速為0.12 m/s, 最小風速0 m/s, 最大風速2.5 m/s, 風力等級低. 寶山盛宅段溫度為20.3 ～ 34.1 ℃, 濕度為48% ～ 83.9%; 浦東康橋段溫度為18.1 ～ 36.9 ℃, 濕度為29.8% ～ 84.1%.

2.2 林帶內外大氣污染物濃度變化

2.2.1 寶山盛宅段的變化

2.2.2 浦東康橋段的變化

監測期間, 結果詳見圖3. 浦東康橋段污染物PM2.5和PM10日均濃度波動幅度較大, 變化范圍分別為0 ～ 75 μg/m3和0 ～ 85 μg/m3, 最高值出現在7月26日; NO2和CO最高值分別出現在7月14日和7月7日, 分別為110 μg/m3和0.35 mg/m3. 與《環境空氣質量標準》(GB 3095–2012)相比,PM2.5、PM10的日均濃度高于一級濃度限值(分別為35 μg/m3和50 μg/m3)的日期有27 d, 約占87%,主要集中在7月2日至7月12日、 7月14日至7月16日、 7月19日至7月31日; NO2日均濃度在部分日期超過標準限值(80 μg/m3), 主要集中在7月8日至7月10日、 7月13日, 約占13%; CO日均濃度均低于其標準限值(4 mg/m3).

圖 2 環城林帶寶山盛宅段夏季主要大氣污染物監測點(林內)與平行對照點(林外)日均濃度Fig. 2 Daily mean concentration of air pollutants at each monitoring site of open area and forest area at the Shengzhai transect in the summer season

圖 3 環城林帶浦東康橋段夏季主要大氣污染物監測點(林內)與平行對照點(林外)日均濃度Fig. 3 Daily mean concentration of air pollutants at each monitoring site of open area and forest area at the Kangqiao transect in the summer season

2.3 林帶不同寬度大氣污染物月均凈化效益

在浦東康橋段, 距離外環高速300 m的林帶處對PM2.5、PM10兩種主要大氣污染物的凈化效益均達到最大, 為19.12%、17.67%, 對NO2的凈化作用在200 m左右達到最大, 為31.05%(見表1).

表 1 環城林帶夏季不同寬度主要污染物月均凈化效益Tab. 1 Monthly mean pollutant removal percentage among sites with different distances to the road for both transects in the summer season

在寶山盛宅段, 距離外環高速300 m處林帶對PM2.5、PM10、NO2和CO這4種污染物的凈化效益均達到最大, 分別為9.96%、7.22%、29.82%和23.53%(見表1). 然而, 在兩個研究地, CO在林帶內整體均為負凈化效率, 呈現蓄積效應, 最大蓄積效應達116.36%.

2.4 氣象條件和環境本底與林帶凈化效益的相關性

以林帶300 m寬度處的日均污染物凈化效益為因變量, 以污染源濃度(林帶外側、近污染源處點位濃度)、林內外大氣溫度差和濕度差（林外減去林內）分別為自變量, 建立一元線性回歸模型(見圖4), 探究污染物濃度、林內外溫度差值和濕度差分別對林帶最大凈化效益的影響. 同時, 建立做多元線性回歸模型, 反映污染物濃度、溫度和濕度對林帶最大凈化效益的共同影響作用, 得到回歸系數(見表2).

由一元線性回歸模型發現, 林帶PM2.5和PM10的最大凈化效益與各影響因子相關性不顯著(p＞0.05), 林帶NO2和 CO 的最大凈化效益與林內外溫度差值相關性最高(p＜ 0.001). 由表2可知, 綜合考慮各影響因素的相互作用時, 對林帶PM2.5和PM10最大凈化效益的影響程度由大至小依次為濕度差(p＜0.001)、溫度差(p＜ 0.001), 對林帶NO2最大凈化效益的影響程度由大至小依次為溫度差(p＜ 0.05)、污染物濃度(p＜ 0.01), 對林帶CO最大凈化效益的影響程度最大的是濕度差(p＜ 0.005). 其中, 林內外溫度差和濕度差（林外值減去林內值）對林帶PM2.5和PM10的最大凈化效益均起到負向作用, 林內外溫度差對林帶NO2的最大凈化效益起到負向影響, 污染物濃度和濕度差對林帶NO2的最大凈化效益均起到正向作用, 林內外溫度差對林帶CO最大凈化效益起到正向作用.

3 討 論

3.1 主要大氣污染物濃度變化

與我國環境空氣質量標準相比, 上海環城林帶夏季寶山盛宅段的PM2.5、PM10日均濃度高于一級標準限值的日期占56%, NO2日均濃度高于標準限值的日期占61%. 浦東康橋段的PM2.5、PM10日均濃度高于一級標準限值的日期占87%, NO2日均濃度高于標準限值的日期占13%. PM2.5、PM10日均濃度均低于二級標準限值, CO日均濃度均低于標準限值[25]. 說明上海環城林帶主要大氣污染物濃度除NO2外均符合我國二類環境空氣功能區質量要求. 由于上海環城林帶寶山盛宅段車流量較浦東康橋大, 而NO2是汽車尾氣的主要污染物之一, 因此寶山盛宅段林帶NO2的污染情況更嚴重.

圖 4 環城林帶主要大氣污染物最大凈化效益與各影響因子的一元線性回歸模型結果Fig. 4 Univariate linear regression results of various predictor variable and maximum removal percentage of air pollutants

表 2 環城林帶主要大氣污染物最大凈化效益多元線性回歸模型中各預測變量檢驗結果Tab. 2 Multiple regression results of the effects of various predictor variables on maximum removal percentage of air pollutants

已有研究在上海環城林帶對主要大氣污染物NOx、CO、SO2、PM10等分時間段采樣, 取平均值作為林帶內污染物含量或污染指數[12,29], 或對植物葉片進行采樣, 取清洗前后質量變化作為滯塵量[14]. 張凱旋等[12]在2010年調查環城林帶空氣質量, 發現環城林帶CO和PM10污染程度要超過NOx, 與本研究結果存在差異, 可能是由于近幾年上海對汽車尾氣管制力度加強[30]. 本研究首次對環城林帶進行長時間序列的污染物濃度監測, 不僅有助于獲取近地面空氣污染的變化規律, 還有助于進行影響因子的相關性分析與預測主要大氣污染物未來變化情況[31?32].

3.2 林帶不同寬度大氣污染物凈化效益

由于污染物濃度與距離道路的遠近呈負相關關系, 并且林帶對污染物的凈化作用與大氣污染濃度存在相互關系[33], 因此不少研究發現林帶對污染物的凈化效益會隨著林帶寬度發生改變. Yin等[18]研究表明城市樹木距離污染源距離會影響凈化效益, 上海城市公園100 m林地較50 m林地對TSP和NO2的凈化效益更高. 沈沉沉[14]研究表明上海環城林帶100 m純林帶滯塵率為17.30%, 400 m綠帶滯塵率為14.67%. 吳海萍[29]研究發現上海浦東道路綠帶寬度從15 m增大到30 m, 粉塵降幅由16.67%增大到30.77%.

本研究發現上海林帶300 m寬度對污染物PM2.5、PM10的凈化效益達到最大. 其中, 上海環城林帶浦東康橋段林帶300 m處對PM2.5、PM10的凈化效益達到最大, 為19.12%和17.67%, 林帶200 m對NO2的凈化效益達到最大, 為31.05%. 寶山盛宅段林帶300 m處對PM2.5、PM10、NO2和CO這4種污染物凈化效益均達到最大, 分別為9.96%、7.22%、29.82%和23.53%. 本研究結果與沈沉沉[14]研究結果一致.

Yli?Pelkonen等[21,34]曾對屬于北溫帶大陸性氣候區的林帶與氣體污染物NO2之間的關系展開研究, 指出林帶沒有顯著凈化作用. 由于其研究的林帶最大寬度為54 m, 林帶寬度不足可能是造成這種結果的主要原因. 因此, 本文認為在林帶200 ～ 300 m處凈化效益隨林帶寬度變化規律值得進一步探究.

3.3 影響林帶凈化效益的因素

林內外溫度差和濕度差（非絕對值）對上海環城林帶顆粒物PM2.5和PM10的最大凈化效益具有顯著負向作用. 其中, 當林內外溫度差（絕對值）越大, 林內顆粒物PM2.5和PM10的最大凈化效益越弱;當林內外濕度差（絕對值）越大, 林帶顆粒物的最大凈化效益越強. 已有研究表明, 夏季森林內的氣溫明顯低于林外, 且這種降溫作用隨著林分郁閉度的增加而增強[35]; 然而林帶郁閉度較高時, 林內通透性下降、大氣交換速率下降, 致使顆粒物滯留在林地中[8]. 因此, 當林內外溫差（絕對值）越大即林內溫度越低時, 往往表明林帶郁閉度越高, 林帶PM2.5和PM10濃度偏高, 表現為較弱的凈化作用。研究表明, 城市森林內顆粒物濃度與濕度呈現顯著負相關[36?38], 主要是因為濕度增加會增加顆粒物的黏性、加快沉降[7]. 由于森林在夏季具有明顯的増濕效應, 因此, 當林內外濕度差（絕對值）越大即林內濕度越高時, 林帶PM2.5和PM10濃度越低, 對顆粒物的凈化效益表現越強.

污染物濃度對上海環城林帶NO2的最大凈化效益起到顯著正向作用. 已有研究表明, 隨著環境污染物濃度升高, 植物凈化污染物的能力先升高后下降, 這是由于低濃度污染物促進植物生長, 高濃度污染物使植物受到慢性傷害直到受到急性傷害[33]. 林內外溫度差（非絕對值）對CO的最大凈化效益起到顯著正向作用. 林帶降溫作用隨著林分郁閉度的增加而增強, 然而當林帶郁閉度較高時, 林帶生物量隨之增大、呼吸作用增強. 由于植物通過葉片氣孔有效吸收CO從而起到凈化作用[9], 當林帶呼吸作用增強時, 吸收CO的能力越強. 因此, 當林內外溫差（絕對值）越大即林內溫度越低時, 通常表明林帶郁閉度越高, 林帶CO含量較低, 表現為較強的CO凈化作用.