气溶胶颗粒物(PM)是空气中的主要污染物，严重危害人体健康[1]。尤其是在人口密集、交通繁忙的城市区域，汽车尾气或工业排放的颗粒物会增加心肺疾病发病率和死亡率[2]。植被的空气动力学粗糙表面扰动空气层流而形成湍流，促进颗粒物沉降[3]，并拦截、吸附及转移颗粒物，是空气污染物的汇[4]，能有效减少环境空气颗粒物浓度，发挥净化大气功能[5]。与其他土地类型相比，森林有更大的颗粒物沉降速率和截留面积，能更有效地净化空气[6-8]。SCHAUBROECK等[9]测量发现，2010年比利时的欧洲赤松林PM2.5干沉降量达31 kg。张维康等[10]估算北京市森林冠层每年可清除833.02万kg总空气颗粒物。NOWAK等[11]模拟估算美国城市树木每年可清除PM2.5为4.7(雪城)~64.5 t(亚特兰大)。叶是植被吸滞PM的主要器官，叶表面形态特征是影响其对PM吸滞的主要因素[12]。叶表面特征不同导致树种间PM吸滞能力存在巨大差异[13]。大量研究结果表明，植物叶片对颗粒物的吸滞能力与叶片形态结构、粗糙度、湿润性、蜡质、被毛、气孔等特征有关[14-17]，但这些特征因子间的相互关系复杂[18]，对于叶面PM滞尘量关键影响因子的判断，出现了众多不同的研究结果。有必要在定量分析的基础上，区分各个因子对叶面滞尘能力的影响程度，提出关键影响因子，以便于选择高效滞尘树种。
贵阳市森林覆盖率达46.5%，长304 km、宽5~13 km的森林构成环城林带，在净化城市空气、维持城市生态环境方面发挥重要作用。贵阳环城林带的森林类型主要有马尾松(Pinus massoniana)、杉木(Cunninghamia lanceolata)、柏木(Cupressus funebris)人工林及人为干扰下逐渐演替形成的针阔混交林和次生阔叶林。已有研究中，针对北京、广州、上海、南京等城市开展的空气PM浓度及森林或绿地对空气PM的吸滞效应报道较多，主要针对园林树种PM吸滞特征，但对造林、乡土树种滞尘能力的研究较少，针对贵阳等典型森林城市开展的PM吸滞特征研究也鲜见报道。开展贵阳主要造林和乡土树种叶面PM吸滞特征分析，比较滞尘能力的种间差异，定量研究叶形态结构特征与其PM吸滞能力的关系，可为城市森林经营管理、城市造林绿化树种选择提供理论依据，为探索增强城市森林净化大气能力的途径奠定基础。
1 材料与方法 1.1 研究区概况研究区位于贵州省贵阳市图云关森林公园内，地理位置为26°29′45″~26°30′17″ N，106°44′14″~106°44′37″ E。贵阳市地处云贵高原中部，属亚热带季风气候区。森林公园内的主要森林类型为马尾松、杉木、柏木、华山松(Pinus armandii)人工林以及针阔混交林、次生阔叶林等。主要树种为马尾松、杉木、柏木、华山松、香樟(Cinnamomum camphora)等造林树种和朴树(Celtis sinensis)、枫香(Liquidambar formosana)等乡土树种。为比较城市森林主要树种叶片滞尘能力，在处于环城林带的图云关森林公园内选择主要树种样树。研究树种包括马尾松、华山松、柳杉(Cryptomeria japonica)、杉木、柏木、香樟、女贞(Ligustrum lucidum)、朴树、枫香、喜树(Camptotheca acuminata)、光皮桦(Betula luminifera)和银杏(Ginkgo biloba)。研究及采样点位于森林公园内的西南坡向中坡位置，海拔为1 140 ~1 180 m，土壤为黄壤，林龄为30~40 a。
1.2 样树选择及叶样采集在研究区林内各树种中选择3株生长良好，无病害、虫害的树木进行编号，标记作为样树。由于贵阳市降雨事件频繁，为保证各季所采样品的累积滞尘日数一致，同时避免因滞尘日数太短而导致累积滞尘量过低，或遭遇降雨事件，选择春、夏、秋、冬季雨后3 d采集叶样，分析各树种叶面PM吸滞特征。为分析树木叶面滞尘能力的时间动态过程，分别在夏季降雨后1、2、5、6和7 d采集叶样。在3株样树树冠外部的东、南、西、北方位分别采集等量叶样，装入样品袋密封，带回实验室测定叶面PM吸滞量。每次每个树种采集3份叶样作为重复。
|
表 1 试验样树类型与名称 Table 1 Species of trees in the experiment |
应用气溶胶再发生器测定并计算叶面颗粒物吸滞量。气溶胶再发生系统利用风蚀原理，将放入测定箱内样品盒中叶面上的颗粒物连续吹5 min，结束后立即将手持粉尘仪(DUSTMATE，Turnkey Instruments Ltd.，英国)与仪器箱内以通气管连接，并测定箱内吹起叶面颗粒物的浓度，同时测定实验室内环境空气颗粒物浓度，然后用系统自带程序计算叶面颗粒物吸滞质量。对于测完滞尘量的叶样，用扫描仪扫描叶面积，计算单位叶面积滞尘量。该方法是基于风蚀原理的物理方法，实验持续时间短，可认为再悬浮的颗粒物与叶面颗粒物原始状态一致。与质量浓度法相比，该方法具有经济、快速、高效等特点。
1.4 叶形态及显微结构特征(MF)测量及量化 1.4.1 叶形态特征选择测定和分析单片叶面积(Al)、叶缘周长(Cl)、叶缘周长与面积比(Cl/Al)3项叶形态指标。用扫描仪扫描各树种30片重复叶片图像，用Digimizer图像分析软件(Digimizer Version 4.5, 比利时)测量叶片Al、Cl并计算Cl/Al。
1.4.2 MF测量及量化叶面气孔、表皮毛、疣状突起、沟槽、蜡质覆盖等特征指标测定与计算：用Digimizer图像分析软件的测量工具测量叶片电镜扫描照片，计算照片中气孔、表皮毛、疣状突起的数量，计算相应的气孔密度(Dst)、表皮毛密度(Dh)、叶面突起物密度(Dp)，测量表皮毛长度(Lh)、气孔口纵径(Lso)和横径(Wso)、气孔口面积(Sso)。
叶表面细沟槽、皱褶起伏等粗糙程度指标测定与计算：(1)因表皮细胞、角质层突起、蜡质纹饰等结构形成较小的沟槽结构，它们可能为较细的颗粒物提供小容纳空间，测量这些细沟槽的宽度(Wg)。(2)叶面叶脉凸起，尤其是一些双子叶植物叶面为网状脉结构，可将叶表面分为多个凹陷小室，形成大的容纳空间，有利于颗粒物吸存和减少降水冲刷和风吹，笔者用单位叶表面积的叶脉长度，即叶脉密度(Dv)反映该层次叶面粗糙程度的指标；(3)因叶表面的褶皱和起伏不平形成了一些较宽的沟槽或凹陷结构，这些结构在叶片电镜扫描影像上呈现为灰度值不等的明暗相间斑块。Digimizer软件可将影像进行二值化处理，以灰度值中值为界，将影像区分为灰度值小于中值的亮(凸)斑块和大于中值的暗(凹)斑块，并计算代表较大沟槽或凹陷的暗斑块(面积大于300 μm2)投影面积及其占叶表面投影面积的比例(Ag/Al)，将所有种的Ag/Al标准化处理，作为表征叶面粗糙程度(中等水平)的指标Rg(表 2)。
|
|
表 2 叶表面微形态结构特征指标 Table 2 Micro-morphological and structure characteristic indicators of leaf surface |
叶面蜡质覆盖指数测定与计算：通常蜡质或角质等附属物在叶表面形成粒状、条状等突起的纹理，并因覆盖厚度不同影响电镜扫描影像的清晰度和表皮细胞的可见度。通过分析叶表面电镜扫描照片，可观测叶表面的明暗程度、表皮蜡质纹理、表皮细胞是否清晰可见等特征，间接反映蜡质/角质覆盖状况；以叶表面蜡质覆盖指数(Iw)量化该特征：Iw=1，叶表面暗，整体覆盖厚的蜡质层，表皮细胞不可见；Iw=0.75，叶表面较暗，蜡质覆盖较厚，蜡质纹饰隐约可见，表皮细胞不可见；Iw=0.5，叶表面较亮，蜡质纹饰较清晰，但表皮细胞不可见；Iw=0.25，叶表面明亮，蜡质纹饰清晰，叶表皮细胞不可见；Iw=0，叶表面明亮，无蜡质颗粒，叶表皮细胞可见。
1.5 数据分析 1.5.1 叶面滞尘能力计算以单位叶面积吸滞的颗粒物质量表征叶片滞尘能力，简称为叶面累积滞尘量(M)；为增强树种间滞尘能力的可比性，以单位时段(1 d)的叶面滞尘量(日滞尘量，Md)进行种间比较。计算公式分别为
| $ M=m / A, $ | (1) |
| $ M_{\mathrm{d}}=M / t。$ | (2) |
式(1)~(2)中，m为叶面吸滞的颗粒物质量，μg；A为各个叶样品的叶面积，cm2；t为叶面滞尘日数，d，指采样前最后一次降雨日至采样日的天数。
1.5.2 MF对滞尘能力影响的通径分析通径分析可分析多个自变量与因变量之间的线性关系，适用于自变量数目较多，且自变量间相互关系较复杂，或某些自变量通过其他自变量间接影响因变量的情况。在相关分析、多元线性回归分析基础上，以各MF为自变量，Md为因变量，计算得到MF与Md间的相关系数(r)、MF对Md作用的直接通径系数(Pd)和间接通径系数(Pi)，计算各MF对Md综合影响的决定系数(R2)，根据R2排序，确定各MF对Md的影响程度。r、Pd、Pi及R2的计算过程详见文献[19]。
应用Excel软件进行数据计算和处理，应用SPSS 19.0软件进行方差分析和回归分析。
2 结果与分析 2.1 树木叶面滞尘量的时间变化过程图 1为以柏木和香樟为例的叶面日滞尘量(Md)随滞尘日数延长的变化过程。针叶树和阔叶树的Md均随着滞尘日数延长呈非线性下降，Md与滞尘日数间呈幂函数关系。前3 d的Md下降速度最快，降幅最大，之后下降速度减缓，6 d后滞尘能力趋于平缓。
|
图 1 树木叶面日滞尘量随雨后时间的变化过程 Fig. 1 The variation of daily PM retention of trees with rising time after rainfall event |
分别对各树种进行日滞尘量(Md)与滞尘日数的非线性回归，各树种幂函数方程式的系数(a、b)拟合结果及决定系数(R2)见表 3。由表 3可知，各树种Md与滞尘日数的关系可用幂函数表达。拟合方程的系数a可反映变化曲线的初始(首日)Md大小；系数b反映曲线Md的下降速度，b值越大，Md下降越快，滞尘能力下降越快，反之下降越慢。比较各树种回归方程系数，柏木的初始滞尘量(a)最大(4.085)，其余依次为华山松、马尾松、香樟、柳杉、喜树等。初始滞尘量较小的树种为杉木、枫香、朴树、女贞等，最小的树种是银杏。尽管柏木初始滞尘量较大，但其下降速度也较快(b=1.227)，仅次于香樟。其余依次为华山松、喜树、银杏、朴树、柳杉等。马尾松、杉木和女贞滞尘量下降较慢。
|
|
表 3 参试树种日滞尘量(y)随时间(x)变化的拟合方程 Table 3 Fitted equations describing the temporal variation of daily PM retention of tree leaves with time |
为比较不同树种是否对不同粒径颗粒物的吸滞有一定的趋向性，分析各树种叶面吸滞颗粒物的特征(表 4)。树木叶面吸滞的PM主要以大颗粒(PM>10~100)为主，平均占PM总量的58.75%，不同树种叶面吸滞大颗粒占PM总量的比例范围为47.74%~61.62 %；粗颗粒(PM>2.5~10)平均占叶面吸滞PM总量的38.98%，范围为36.38%~49.56%；细颗粒(PM>1~2.5)平均仅占PM总量的2.16%，范围为1.78%~2.75%；超细颗粒(PM≤1)均在PM总量的0.2%以下。树木叶面对较大粒径颗粒物的吸滞效率较高，对粒径越小的颗粒物吸滞效率越低。
|
|
表 4 树木叶面吸滞颗粒物的粒径分布 Table 4 The size distribution of particulate matter absorbed on leaf surface |
针叶树种与阔叶树种间的叶面颗粒物吸滞能力差异明显。对参试的针叶树种(柏木、华山松、马尾松、柳杉和杉木)和阔叶树种(枫香、光皮桦、女贞、朴树、喜树、香樟和银杏)的叶面PM吸滞能力进行比较，为排除冬季落叶或叶片活力低对滞尘能力的干扰，比较2类树种春、夏、秋3季的平均Md(表 5)。针叶树种平均总悬浮颗粒物(TSP)、PM10、PM2.5和PM1的Md分别为(1.34±0.26)、(0.56±0.12)、(0.03±0.12)和(2.16±1.10)×10-3μg·cm-2·d-1，均高于阔叶树种相应颗粒物的Md〔(0.64±0.25)、(0.25±0.09)、(0.01±0.01)和(0.69±0.30)×10-3 μg·cm-2·d-1〕。2个类型树种间TSP、PM10、PM2.5和PM1的Md差异均达极显著水平(P值分别为0.001、0.001、0.000 1和0.008)。
|
|
表 5 针叶树与阔叶树的叶面滞尘能力(Md)比较 Table 5 The comparison of daily PM retention between coniferous and broad-leaved tree species |
不同树种春季至秋季叶面对TSP、PM10、PM2.5和PM1的平均Md见图 2。
|
图 2 不同树种叶面滞尘能力(Md)比较 Fig. 2 The comparison of daily PM retention among the tree species studied |
叶面对各类PM的吸滞能力表现出相似的强弱顺序，各树种对TSP、PM10和PM2.5的平均Md依次为柏木>马尾松>杉木>华山松>光皮桦>柳杉>枫香>喜树>香樟>朴树>女贞>银杏。各树种对PM1的平均Md依次为马尾松>柏木>华山松>杉木>光皮桦>柳杉>枫香>香樟>喜树>银杏>女贞>朴树(0.36)。参试树种平均Md为0.37~1.59 μg·cm-2·d-1，针叶树种高于除光皮桦外的其他阔叶树种，针叶树种中柏木叶面的PM吸滞能力最强，柳杉最弱；阔叶树种中光皮桦叶面的吸滞能力最强，银杏最弱。柏木的PM吸滞量高达银杏的4.3倍。
2.4 叶形态结构特征及其对叶面PM吸滞能力的影响从各参试树种叶表面电镜扫描照片(图 3)看，不同树种叶表面显微形态结构差异明显。香樟、女贞、杉木叶表面有较厚的蜡质/角质覆盖。朴树叶下表面有密集的表皮毛分布，马尾松叶表面有刺状毛分布。光皮桦、朴树、枫香的网脉将叶表面分隔为小室。马尾松、华山松气孔呈带状分布。各树种的叶形态特征及显微形态结构特征量化分析结果见表 6。朴树和枫香的Dst(592.09和593.26个·mm-2)远高于其他树种，银杏和马尾松的Dst(62.23和51.98个·mm-2)最小。各种的Dv为434.49~4 724.50 μm·mm-2。针叶树种气孔口(Aso为177.16~576.94 μm2)普遍大于除银杏外的阔叶树种(25.61~158.13 μm2)，且气孔口有相对更大的横纵径比(0.51~0.78)。柏木、杉木叶表面的蜡质层较其他树种厚，银杏和枫香叶表面的蜡质层薄。朴树叶面表皮毛最多，达108.1根·mm-2，但香樟叶面的表皮毛长度最长(452.8 μm)，银杏、女贞、柏木、杉木、柳杉及枫香叶面无表皮毛。银杏、女贞、柏木、柳杉、朴树和枫香叶表面细沟槽宽度大于3 μm，但均小于10 μm。针叶树种叶面积(0.01~1.45 cm2)远小于阔叶树种(17.18~50.90 cm2)，但针叶树种的Cl/Al(8.1~37.01)远大于阔叶树种(0.63~1.13)。
|
a为叶片上表面/近轴面；b为下表面/远轴面。 图 3 叶表面电镜扫描照片 Fig. 3 Scanned photos of the leaf surface by electron microscopy |
|
|
表 6 不同树种的叶形态结构特征 Table 6 Micro-morphological and structural characteristics of leaves of the tree species studied |
从表 7可知，PM>10~100吸滞能力的主要影响因子为Cl/Al和Wg，R2分别为0.671和0.134，其他因子的综合影响较弱。影响PM>2.5~10吸滞能力的因子依次为Cl/Al、Wg和Os；影响PM>1.0~2.5吸滞能力的因子依次为Cl/Al、Os和Aso；影响PM1吸滞能力的因子依次为Cl/Al、Wg和Sso。各粒径颗粒物的吸滞能力均很大程度受Cl/Al影响，对细颗粒物和超细颗粒物的吸滞能力还受气孔口相关因子(Os、Aso和Sso)的影响，参试树种气孔开口尺寸(Wso为1.53~19.65 μm，Lso为6.89~32.82 μm)也说明PM10、PM2.5和PM1可通过多数参试树种的气孔口。叶面的PM1吸滞量还受Wg(2.56~9.05 μm)影响，表明叶面小沟槽是超细颗粒的吸滞空间。
|
|
表 7 叶形态结构特征对叶面滞尘能力影响的通径分析结果 Table 7 The path analysis parameters to analyze the impact of micro-morphological and structural characteristics of leaves on the daily PM retention |
关于植物叶面的PM吸滞时间过程，部分研究者已从叶面滞尘的日变化、月变化及季节变化过程分析了叶面滞尘的时间变化规律[12, 20-22]。高金晖等[23]也发现1 d内植物叶片累积滞尘过程与时间不成线性关系。笔者研究也发现叶面滞尘量并非随时间增长呈线性增加，10个树种的拟合结果表明，所有树种叶面滞尘量随滞尘日数延长呈幂函数下降趋势，且下降的速度表现出种间差异。该种间差异可能源于不同树种叶表面结构特征的差异，叶表面的表皮毛、气孔、皱褶、蜡质等不同结构可能在吸附颗粒物过程中有着贡献时间和贡献大小上的差异。
不同树种叶面吸滞的PM组成比例相似，所有树种均以PM>10~100和PM>2.5~10组分为主。尽管有研究发现不同树种对不同粒径颗粒物的吸附有一定的趋向性。刘玲等[24]基于激光颗粒分布测量仪的测定结果反映桂花、香樟和红叶李主要吸附超细颗粒(PM≤1), 广玉兰主要吸附1.0~10 μm粒径的颗粒物，悬铃木趋向于吸附粗颗粒；冷杉对PM10的吸附能力较弱，对PM1的吸附能力较强[25]。
也有研究认为叶面对颗粒物的吸滞量由大到小依次为大颗粒、粗颗粒和细颗粒[26-29]。笔者研究结果与之相似，表现为大颗粒和粗颗粒分别占叶面颗粒物总量的58.75%和38.98%，细颗粒比例不到3%，超细颗粒物不到颗粒物总量的0.2%。
与高国军等[30]所测的道路和校园树木叶面吸滞大颗粒和粗颗粒占PM总量的比例(分别为75.4%和15.8%)及SONG等[31]所测北京5种常绿树种相应颗粒物比例(79.09%和18.88%)相比，笔者研究中叶面所吸滞的大颗粒比例相对较低，而粗颗粒比例相对较高，可能是由于不同背景污染条件下空气颗粒物的构成不同所致。10~100 μm粒径大颗粒在空气中不利于传播，离道路近的树木积累的粗颗粒量较距离远的树木更多[32-33]。与污染源附近的区域(道路等)相比，林区空气颗粒物中的大颗粒占比相对较少[26]。
针叶和阔叶树2种类型间的PM吸滞能力表现出显著差异。树种间的TSP、PM10和PM2.5吸滞能力差异极显著，但对PM1的吸滞能力无明显差异。针叶树的PM吸滞能力高于阔叶树。这与多数研究得出的针叶树PM吸滞能力高于阔叶树的结果相一致[26-27, 34]。参试树种中柏木的颗粒物吸滞能力最强，其春季至秋季平均Md是滞尘能力最弱的针叶树种柳杉的1.57倍。参试的阔叶树种以光皮桦的滞尘能力最强(Md为1.13 μg·cm-2·d-1)，银杏滞尘能力(Md为0.37 μg·cm-2·d-1)最弱，光皮桦叶面PM吸滞能力达银杏的3.05倍，阔叶树叶面滞尘能力的种间差异大于针叶树。
叶周长面积比是影响叶面吸滞PM能力最主要的因子。叶周长面积比与Md呈极显著正相关性，更大的叶周长面积比意味着更小的单叶面积和更复杂的叶形状。越小、形状越复杂的叶片会有更长的叶缘周长。此类叶面PM吸滞能力更强，这是由于叶缘的边缘效应更易形成湍流所致[35]。有研究证实较小且较复杂的叶面有较高的PM吸滞能力[36-37]。此外，Wg是影响叶面大颗粒和粗颗粒吸滞能力的主要因子。该研究中各树种的Wg均小于10 μm，尽管有研究提出沟槽宽度小于或等于颗粒物粒径时不会增加叶面颗粒物的吸滞量[38]，沟槽、小室等结构仍可能通过增加叶面空气动力学粗糙度而增强湍流，提高PM吸滞能力。关于气孔是否可吸收并滞留颗粒物，有不同的研究结果。刘一超等[39]的研究表明，气孔较多且开度较大的植物具有较强的PM吸滞能力；SONG等[31]认为粒径小于2 μm的颗粒物可进入气孔腔；ERISMAN等[40]则认为颗粒物几乎不能通过气孔。笔者研究结果显示，Os、Aso和Sso等气孔口相关因子对叶面吸滞细颗粒和超细颗粒的能力有较大影响。
植物叶面对颗粒物的吸滞是动态过程，此过程受环境因子(如颗粒物浓度、风力、湿度、温度)的影响，是叶面颗粒物沉降、吸附、再悬浮、降水洗脱共同作用的结果，另外还与叶面沟槽、褶皱、气孔、表皮毛、蜡质等微观结构及分泌物等对颗粒物的吸滞过程机理有直接关系，因此对于树木叶面的颗粒物吸附过程还需进一步的深入研究，如在控制实验条件下，比较不同树种饱和滞尘量，研究叶面滞尘在风、降水影响下的滞尘“可塑性”，探讨叶面各种微观结构在颗粒物吸滞过程中的作用机理等，可为净化城市空气环境的树种选择提供科学依据。
4 结论(1) 叶面PM吸滞呈非线性过程，随时间的增加呈幂函数下降，且下降速度表现出种间差异。
(2) 不同树种叶面吸滞PM组成比例相似，均以PM>10~100和PM>2.5~10组分为主。大颗粒和粗颗粒分别占叶面颗粒物总量的58.75%和38.98%，细颗粒比例不到3%，超细颗粒物不到总量的0.2%。
(3) 针叶树和阔叶树2种类型间的PM吸滞能力表现出显著差异。树种间的TSP、PM10和PM2.5吸滞能力差异极显著，但对PM1的吸滞能力无明显差异。针叶树的PM吸滞能力高于阔叶树。
(4) 叶周长面积比是影响叶面吸滞PM能力最主要的因子。其次，气孔开度(Os)、气孔口面积(Aso)和单位叶面积气孔口面积(Sso)等气孔口相关因子对叶面吸滞细颗粒和超细颗粒的能力有较大影响。
| [1] |
VALAVANIDIS A, FIOTAKIS K, VLACHOGIANNI T. Airborne Particulate Matter and Human Health: Toxicological Assessment and Importance of Size and Composition of Particles for Oxidative Damage and Carcinogenic Mechanisms[J]. Journal of Environmental Scienceand Health:Part C, 2008, 26(4): 339-362. DOI:10.1080/10590500802494538 (  0) |
| [2] |
THOMSON E M, WILLIAMS A, YAUK C L, et al. Toxicogenomic Analysis of Susceptibility to Inhaled Urban Particulate Matter in Mice With Chronic Lung Inflammation[J]. Particle and Fibre Toxicology, 2009, 6(1): 6. DOI:10.1186/1743-8977-6-6 ( 0) |
| [3] |
BECKETT K P, FREER-SMITH P H, TAYLOR G. The Capture of Particulate Pollution by Trees at Five Contrasting Urban Sites[J]. Arboricultural Journal, 2000, 24(2/3): 209-230. ( 0) |
| [4] |
DECKER E H, ELLIOTT S, SMITH F A, et al. Energy and Material Flow Through the Urban Ecosystem[J]. Annual Review of Energy and the Environment, 2000, 25(1): 685-740. DOI:10.1146/annurev.energy.25.1.685 ( 0) |
| [5] |
ESCOBEDO F J, NOWAK D J. Spatial Heterogeneity and Air Pollution Removal by an Urban Forest[J]. Landscape and Urban Planning, 2009, 90(3/4): 102-110. ( 0) |
| [6] |
MCDONALD A G, BEALEY W J, FOWLER D, et al. Quantifying the Effect of Urban Tree Planting on Concentrations and Depositions of PM10 in Two UK Conurbations[J]. Atmospheric Environment, 2007, 41(38): 8455-8467. DOI:10.1016/j.atmosenv.2007.07.025 ( 0) |
| [7] |
LIU J K, ZHU L J, WANG H H, et al. Dry Deposition of Particulate Matter at an Urban Forest, Wetland and Lake Surface in Beijing[J]. Atmospheric Environment, 2016, 125: 178-187. DOI:10.1016/j.atmosenv.2015.11.023 ( 0) |
| [8] |
ZHANG Z M, LIU J K, WU Y N, et al. Multi-Scale Comparison of the Fine Particle Removal Capacity of Urban Forests and Wetlands[J]. Scientific Reports, 2017, 7: 46214. DOI:10.1038/srep46214 ( 0) |
| [9] |
SCHAUBROECK T, DECKMYN G, NEIRYNCK J, et al. Multilayered Modeling of Particulate Matter Removal by a Growing Forest Over Time, From Plant Surface Deposition to Washoff via Rainfall[J]. Environmental Science & Technology, 2014, 48(18): 10785-10794. ( 0) |
| [10] |
张维康, 王兵, 牛香. 北京市森林植被冠层对空气颗粒物的调控功能[J]. 应用与环境生物学报, 2018, 24(2): 254-259. [ ZHANG Wei-kang, WANG Bing, NIU Xiang. Estimating the Removal of Atmospheric Particulate Pollution by the Urban Tree Canopy in Beijing[J]. Chinese Journal of Applied and Environmental Biology, 2018, 24(2): 254-259.] ( 0) |
| [11] |
NOWAK D J, HIRABAYASHI S, BODINE A, et al. Modeled PM2.5 Removal by Trees in Ten US Cities and Associated Health Effects[J]. Environmental Pollution, 2013, 178: 395-402. DOI:10.1016/j.envpol.2013.03.050 ( 0) |
| [12] |
MITCHELL R, MAHER B A, KINNERSLEY R. Rates of Particulate Pollution Deposition Onto Leaf Surfaces:Temporal and Inter-Species Magnetic Analyses[J]. Environmental Pollution, 2010, 158(5): 1472-1478. DOI:10.1016/j.envpol.2009.12.029 ( 0) |
| [13] |
方颖, 张金池. 南京市主要绿化树种对大气固体悬浮物净化能力及规律研究[J]. 生态与农村环境学报, 2007, 23(2): 36-40. [ FANG Ying, ZHANG Jin-chi. Dustfall Adsorbing Capacity of Major Species of Greening Trees in Nanjing and Its Law[J]. Journal of Ecology and Rural Environment, 2007, 23(2): 36-40. DOI:10.3969/j.issn.1673-4831.2007.02.008] ( 0) |
| [14] |
XU Y S, XU W, MO L, et al. Quantifying Particulate Matter Accumulated on Leaves by 17 Species of Urban Trees in Beijing, China[J]. Environmental Science and Pollution Research, 2018, 25(13): 12545-12556. DOI:10.1007/s11356-018-1478-4 ( 0) |
| [15] |
BARIMA Y S S, ANGAMAN D M, N′GOURAN K P, et al. Involvement of Leaf Characteristics and Wettability in Retaining Air Particulate Matter From Tropical Plant Species[J]. Environmental Engineering Research, 2016, 21(2): 121-131. DOI:10.4491/eer.2015.120 ( 0) |
| [16] |
SAEBØ A, POPEK R, NAWROT B, et al. Plant Species Differences in Particulate Matter Accumulation on Leaf Surfaces[J]. Science of the Total Environment, 2012, 427/428: 347-354. DOI:10.1016/j.scitotenv.2012.03.084 ( 0) |
| [17] |
TREBY D L, CASTLEY J G. Distribution and Abundance of Hollow-Bearing Trees in Urban Forest Fragments[J]. Urban Forestry & Urban Greening, 2015, 14(3): 655-663. ( 0) |
| [18] |
张维康, 王兵, 牛香. 不同树种叶片微观结构对其滞纳空气颗粒物功能的影响[J]. 生态学杂志, 2017, 36(9): 2507-2513. [ ZHANG Wei-kang, WANG Bing, NIU Xiang. The Leaf Microstructure of Different Trees and Its Impact on Air Particles-Capturing Ability[J]. Chinese Journal of Ecology, 2017, 36(9): 2507-2513.] ( 0) |
| [19] |
袁志发, 周静芋, 郭满才, 等. 决策系数:通径分析中的决策指标[J]. 西北农林科技大学学报(自然科学版), 2001, 29(5): 131-133. [ YUAN Zhi-fa, ZHOU Jing-yu, GUO Man-cai, et al. Decision Coefficient:The Decision Index of Path Analysis[J]. Journal of Northwest A & F University (Natural Science Edition), 2001, 29(5): 131-133. DOI:10.3321/j.issn:1671-9387.2001.05.033] ( 0) |
| [20] |
张维康, 王兵, 牛香. 北京市常见树种叶片吸滞颗粒物能力时间动态研究[J]. 环境科学学报, 2016, 36(10): 3840-3847. [ ZHANG Wei-kang, WANG Bing, NIU Xiang. Dynamic Research on Particulates-Absorbing Capacities of Common Tree Species Leaves in Beijing Over Time[J]. Acta Scientiae Circumstantiae, 2016, 36(10): 3840-3847.] ( 0) |
| [21] |
WANG H X, SHI H, LI Y Y, et al. Seasonal Variations in Leaf Capturing of Particulate Matter, Surface Wettability and Micromorphology in Urban Tree Species[J]. Frontiers of Environmental Science & Engineering, 2013, 7(4): 579-588. ( 0) |
| [22] |
PRAJAPATI S K, TRIPATHI B D. Seasonal Variation of Leaf Dust Accumulation and Pigment Content in Plant Species Exposed to Urban Particulates Pollution[J]. Journal of Environmental Quality, 2008, 37(3): 865-870. DOI:10.2134/jeq2006.0511 ( 0) |
| [23] |
高金晖, 王冬梅, 赵亮, 等. 植物叶片滞尘规律研究:以北京市为例[J]. 北京林业大学学报, 2007, 29(2): 94-99. [ GAO Jin-hui, WANG Dong-mei, ZHAO Liang, et al. Airborne Dust Detainment by Different Plant Leaves:Taking Beijing as an Example[J]. Journal of Beijing Forestry University, 2007, 29(2): 94-99. DOI:10.3321/j.issn:1000-1522.2007.02.016] ( 0) |
| [24] |
刘玲, 方炎明, 王顺昌, 等. 7种树木的叶片微形态与空气悬浮颗粒吸附及重金属累积特征[J]. 环境科学, 2013, 34(6): 2361-2367. [ LIU Ling, FANG Yan-ming, WANG Shun-chang, et al. Leaf Micro-Morphology and Features in Adsorbing Air Suspended Particulate Matter and Accumulating Heavy Metals in Seven Trees Species[J]. Environmental Science, 2013, 34(6): 2361-2367.] ( 0) |
| [25] |
王兵, 张维康, 牛香, 等. 北京10个常绿树种颗粒物吸附能力研究[J]. 环境科学, 2015, 36(2): 408-414. [ WANG Bing, ZHANG Wei-kang, NIU Xiang, et al. Particulate Matter Adsorption Capacity of 10 Evergreen Species in Beijing[J]. Environmental Science, 2015, 36(2): 408-414.] ( 0) |
| [26] |
BECKETT K P, FREER-SMITH P H, TAYLOR G. Effective Tree Species for Local Air-Quality Management[J]. Journal of Arboriculture, 2000, 26(1): 12-19. ( 0) |
| [27] |
FREER-SMITH P H, EL-KHATIB A A, TAYLOR G. Capture of Particulate Pollution by Trees:A Comparison of Species Typical of Semi-Arid Areas (Ficus nitida and Eucalyptus globulus) With European and North American Species[J]. Water, Air, & Soil Pollution, 2004, 155(1/2/3/4): 173-187. ( 0) |
| [28] |
DZIERŹANOWSKI K, POPEK R, GAWROŃSKA H, et al. Deposition of Particulate Matter of Different Size Fractions on Leaf Surfaces and in Waxes of Urban Forest Species[J]. International Journal of Phytoremediation, 2011, 13(10): 1037-1046. DOI:10.1080/15226514.2011.552929 ( 0) |
| [29] |
XU Y S, XU W, MO L, et al. Quantifying Particulate Matter Accumulated on Leaves by 17 Species of Urban Trees in Beijing, China[J]. Environmental Science and Pollution Research, 2018, 25(13): 12545-12556. DOI:10.1007/s11356-018-1478-4 ( 0) |
| [30] |
高国军, 徐彦森, 莫莉, 等. 植物叶片对不同粒径颗粒物的吸附效果研究[J]. 生态环境学报, 2016, 25(2): 260-265. [ GAO Guo-jun, XU Yan-sen, MO Li, et al. The Ability of Plant Leaves on Depositing Size-Fractionated Particles[J]. Ecology and Environmnetal Sciences, 2016, 25(2): 260-265.] ( 0) |
| [31] |
SONG Y S, MAHER B A, LI F, et al. Particulate Matter Deposited on Leaf of Five Evergreen Species in Beijing, China:Source Identification and Size Distribution[J]. Atmospheric Environment, 2015, 105: 53-60. DOI:10.1016/j.atmosenv.2015.01.032 ( 0) |
| [32] |
MORI J, HANSLIN H M, BURCHI G, et al. Particulate Matter and Element Accumulation on Coniferous Trees at Different Distances from a Highway[J]. Urban Forestry & Urban Greening, 2015, 14(1): 170-177. ( 0) |
| [33] |
CHEN J G, YU X X, SUN F B, et al. The Concentrations and Reduction of Airborne Particulate Matter (PM10, PM2.5, PM1) at Shelterbelt Site in Beijing[J]. Atmosphere, 2015, 6(5): 650-676. DOI:10.3390/atmos6050650 ( 0) |
| [34] |
赵云阁, 鲁笑颖, 鲁绍伟, 等. 北京市常见绿化树种叶片秋季滞纳不同粒径颗粒物能力[J]. 生态学杂志, 2017, 36(1): 35-42. [ ZHAO Yun-ge, LU Xiao-ying, LU Shao-wei, et al. Capability of Capturing Different Sized Particles of Common Greening Tree Species in Beijing in Autumn[J]. Chinese Journal of Ecology, 2017, 36(1): 35-42.] ( 0) |
| [35] |
WEERAKKODY U, DOVER J W, MITCHELL P, et al. Evaluating the Impact of Individual Leaf Traits on Atmospheric Particulate Matter Accumulation Using Natural and Synthetic Leaves[J]. Urban Forestry & Urban Greening, 2018, 30: 98-107. ( 0) |
| [36] |
DAVIDSON C I, WU Y L. Dry Deposition of Particles and Vapors[M]. New York, USA: Springer, 1990: 103-216. DOI:10.1007/978-1-4612-4454-7_5
( 0) |
| [37] |
RÄSÄNEN J V, HOLOPAINEN T, JOUTSENSAARI J, et al. Effects of Species-Specific Leaf Characteristics and Reduced Water Availability on Fine Particle Capture Efficiency of Trees[J]. Environmental Pollution, 2013, 183: 64-70. DOI:10.1016/j.envpol.2013.05.015 ( 0) |
| [38] |
贾彦, 吴超, 董春芳, 等. 7种绿化植物滞尘的微观测定[J]. 中南大学学报(自然科学版), 2012, 43(11): 4547-4553. [ JIA Yan, WU Chao, DONG Chun-fang, et al. Measurement on Ability of Dust Removal of Seven Green Plants at Micro-Conditions[J]. Journal of Central South University(Science and Technology), 2012, 43(11): 4547-4553.] ( 0) |
| [39] |
刘一超, 王萌, 梁琼, 等. 北京通州不同树种滞纳大气颗粒物的能力[J]. 北京农学院学报, 2018, 33(1): 84-88. [ LIU Yi-chao, WANG Meng, LIANG Qiong, et al. Study on the Atmospheric Particulate Matter Adsorption Capacity of Different Tree Species in Tongzhou District of Beijing[J]. Journal of Beijing University of Agriculture, 2018, 33(1): 84-88.] ( 0) |
| [40] |
ERISMAN J W, DRAAIJERS G. Deposition to Forests in Europe:Most Important Factors Influencing Dry Deposition and Models Used for Generalisation[J]. Environmental Pollution, 2003, 124(3): 379-388. DOI:10.1016/S0269-7491(03)00049-6 ( 0) |