冬季公园绿地消减颗粒物的植物群落结构与空间差异

Plant community structures and spatial differences in reduction of particulate matter in winter park green space

摘要

为了研究呼和浩特城市公园不同植物群落结构对6种粒径颗粒物（PM_0.3、PM_0.5、PM_1.0、PM_2.5、PM_5.0、PM₁₀）的消减，以呼和浩特市赛罕区敕勒川公园为研究区域，选择9种植物群落结构，利用实地测试法，探究冬季各结构对颗粒物的消减差异。结果表明，9种植物群落中6种粒径颗粒物浓度变化趋势为上午和下午高，中午低，呈S型变化；6种粒径颗粒物浓度之间均呈正相关性，其中大、小粒径颗粒物浓度各自之间相关性较强，小粒径与大粒径颗粒物浓度相关性相对较弱；温度、湿度与PM_0.3、PM_0.5、PM_1.0和PM_2.5浓度分别呈负相关和正相关（P＜0.01），与PM_5.0和PM₁₀均无相关性；风速与各种粒径颗粒物浓度均无相关性；各样地对不同粒径颗粒物浓度的平均消减率存在显著差异（P＜0.05），针叶混交林和乔灌草结构对PM_0.3、PM_0.5、PM_1.0和PM_2.5消减能力较强，各样地对PM_5.0和PM₁₀颗粒物消减能力均较弱；各植物群落结构内不同空间位置对颗粒物消减显著差异（P＜0.05），且因颗粒物粒径不同消减能力有所差异。

Abstract

To study the abatement of particulate matters of six particle sizes (PM_0.3, PM_0.5, PM_1.0, PM_2.5, PM_5.0 and PM₁₀) in Hohhot city parks, nine plant community structures were selected in Chilechuan park, Saihan district, Hohhot city as the study areas, and the differences in the abatement by each structure in winter were investigated using the field test method. The results showed that: the concentrations of the particulate matter of six particle sizes in the nine plant community structures were high in the morning and afternoon and low at noon, with an S-shaped variation trend; there was a positive correlation among the six kinds of particle concentrations, and large-size particles and small-size particles concentrations have a strong correlation respectively, and the correlation between the concentration of small particle size and large particle size was relatively weak; temperature and humidity were negatively and positively correlated with the concentrations of PM_0.3, PM_0.5, PM_1.0 and PM_2.5 respectively (P<0.01), and were not correlated with the concentrations of PM_5.0 and PM₁₀; there was no correlation between wind speed and the concentration of various particle size particles.The mean abatement rates of the structures for different particle size particulate concentrations were significantly different (P<0.05), the coniferous mixed forest and arbor-shrub-grass structure has a strong ability to reduce PM_0.3, PM_0.5, PM_1.0 and PM_2.5 and each plot has a weaker ability to reduce PM_5.0 and PM₁₀._{There were significant differences in the reduction of particulate matter in different spatial positions within the structure of each plant community (P<0.05), and the reduction ability of particulate matter is different due to different particle diameters.}

Graphical abstract

关键词

呼和浩特市 / 植物群落结构 / 颗粒物 / 消减效应

Key words

Hohhot / plant community structure / particulate matter / reducing effect

随着社会的发展与进步，人们日益关注城市环境污染问题，由于多种污染源排放的大气污染物相互叠加以及大气理化过程与地区气候环境的相互影响，空气颗粒物污染严重，特别是区域性复合型空气污染问题更加突出^[1]。呼和浩特市地处西北寒冷区，是风沙、机动车尾气及燃煤等混合型大气颗粒物污染较为严重的城市之一，冬季取暖会使得该地区空气污染更加严重，公园绿地的吸尘，滞尘效能成为关注的热点，多位学者已经证实绿地植物群落^[2]、树木器官^[3]、叶表面^[4]均可吸滞空气污染物。可吸入颗粒物通常是指空气动力学当量直径在10 μm以下的颗粒物^[5]，而工农业生产、燃煤、机动车排放、生物质燃烧等均能产生颗粒物^[6]，不同粒径颗粒物对人体造成不同危害，且粒径越小，对人体伤害越大^[7]。目前我国对颗粒物消减研究区域集中于湿润区、半湿润区和干旱区，研究对象为城市空间及城市街区绿地^[8]、道路绿带、道路防护林的净化作用及植物群落对颗粒物的消减^[9]和城市公园，并且对城市公园中不同功能分区^[10]、植被类型和结构、树冠形态^[11]、景观因素^[12]、环境因素^[13]对颗粒物的影响进行了多方面的研究。

大气颗粒物污染受气候影响较大，呈区域性、复杂性特征^[14]，呼和浩特市地处于半干旱区，PM_2.5对不同水平的AQI有正向影响^[15]，其他城市的研究对内蒙古草原城市并不具有针对性，大气污染物中不同粒径颗粒物的分布、传输及与植物的作用机理各异，需要对多种粒径颗粒物进行比较、分析和评估。以往研究更多地关注于城市绿地对PM_2.5、PM₁₀的消减作用，而对内蒙古地区细颗粒物的研究有待深入，研究将从地域气候特点出发，分析内蒙古呼和浩特市冬季重污染期公园内9种常见植物群落结构对PM₁₀、PM_5.0及更小粒径颗粒物的消减效应，探究不同树种组成结构和垂直结构对6种粒径颗粒物的滞减效果，旨在筛选出消减颗粒物能力较强的城市公园植物群落结构，为今后呼和浩特公园植物群落的选择提供科学依据。

1 材料与方法

1.1 研究区概况

内蒙古呼和浩特市赛罕区(40°40′~40°50′N，111°40′~111°68′E)，属典型的温带半干旱大陆性气候，春季干旱多风，夏季短而温热降水集中，秋季日光充足凉爽而短促，冬季漫长而寒冷少雪。气温早晚温差较大，冷暖变化剧烈，无霜期较短，降水少且集中，气候干燥。赛罕区是呼和浩特市环境保护示范区，敕勒川公园位于该区小黑河景观带东北处，总面积为33 hm²，是一座大型城市综合公园（图1）。

1.2 研究方法

1.2.1 试验设计

城市森林结构指森林的成分构成和分布，包括森林组成结构、森林空间结构、森林营养结构等^[16]，依据此分类，研究仅涉及组成结构和空间结构中的垂直结构，故在敕勒川公园选取树种组成结构（1-1针叶纯林、1-2阔叶纯林、1-3针叶混交林、1-4阔叶混交林、1-5针阔混交林）与森林垂直结构（2-1乔灌草、2-2乔草、2-3灌草、2-4草）（表1），每种城市森林结构面积约为40 m×40 m的两块相似区域，在每块区域的中心位置选择10 m×10 m范围作为测试样地，样地内设置13个监测点（A林外：样地外侧2 m，B林缘：样地内2 m，C林间：样地内5 m，D林中：样地中心，对角线平均分布）（见图1），监测点颗粒物的主要来源是样地周围道路（敕勒川大街、腾飞南路、鄂尔多斯东街、滨河路）的交通尾气，每个类型的空间位置距离道路粉尘源为50~70 m，选择两处公园入口的广场空地作为参照点(CK)，乔木选择大小基本一致的树种，比较不同样地及其内部不同位置对颗粒物影响的差异。样地植被基本情况见表1。

1.2.2 测定方法

于2019年12月到次年2月选择晴朗的天气对各样地6种粒径颗粒物浓度(PM_0.3、PM_0.5、PM_1.0、PM_2.5、PM_5.0、PM₁₀)及气象因子（空气温度、相对湿度、风速）进行测试，在2019年12月中上旬、2020年1月中下旬、2020年2月中旬选择两周内未出现极端温度、无降水、风速较低且相对平稳无大幅度气象变化的天气（风速：0.7~1.4 m/s，湿度：19%~24%），考虑到人为活动对植物群落的实际影响，测量时间选择在每天人流量大的9:00—18:00进行，在各样地成人呼吸平均高度1.5 m处（树下）进行数据采集，每隔1 h测量一次，每个监测点重复测量2次，求取平均值，各样地测量用时控制在30 min内，日动态数据使用两块重复样地各时间点的平均数据，使用GrayWolf 6通道PC-GW3016-A大气颗粒物测试仪（GrayWolf Sensing Solution 美国）测量各种粒径颗粒物浓度（重复误差：5%，单位μg/m³），使用Testo-405-v1风速仪（Testo SE & Co. KGaA 德国）测量风速（精度(0.1±5%) m/s，量程0~10 m/s），Testo625温湿度仪（Testo SE & Co. KGaA 德国）测量温度和湿度（精度±0.5 ℃、±2.5 ℃RH，量程-10 ℃~60 ℃、0~100 ℃ RH）。

1.2.3 消减能力计算

不同样地间颗粒物的消减能力以及林地内不同位置对颗粒物的消减能力按公式(1)和(2)^[9]计算：

P=\frac{C_S-C_M}{C_S}\times \mathrm{100}\mathrm{\%}(1)

P^{\upsilon }=\frac{{\left(C_S\right)}^{\upsilon }-{\left(C_M\right)}^{\upsilon }}{{\left(C_S\right)}^{\upsilon }}\times \mathrm{100}\mathrm{\%}（2）

各样地颗粒物消减率计算式中P为消减率，C_S 为各参照点的大气颗粒物平均质量浓度，C_M 为同一类型样地的大气颗粒物平均质量浓度(μg/m³)。各样地不同空间位置颗粒物消减率计算式中P^v 为消减率，(C_S ) ^v 为同一类型样地林外的大气颗粒物平均质量浓度，(C_M ) ^v 为样地内不同位置大气颗粒物平均质量浓度(μg/m³)。

1.3 数据分析

采用Microsoft Excel 2010进行数据处理和绘制表格，用SPSS 19.0软件进行数据分析，使用Adobe Photoshop CS6和Origin 2019b软件进行绘图。

2 结果与分析

2.1 公园植物群落6种粒径颗粒物浓度变化分析

各树种组成结构样地内的PM_0.3、PM_0.5、PM_1.0和PM_2.5的浓度日变化规律基本一致，总体表现为下降-上升-下降的趋势，9:00和15:00—17:00颗粒物浓度较大，12:00—14:00和18:00浓度较小。样地1-4颗粒物浓度相对较高，样地1-1和样地1-3颗粒物浓度相对较低。PM_5.0和PM₁₀浓度日变化规律相似，9:00开始下降，在13:00取得最小值，14:00—18:00各样地颗粒物浓度差异和波动幅度均较大，样地1-4和CK颗粒物浓度较高，样地1-1次之，样地1-3和样地1-5浓度最低。下午CK（参照点）、样地1-1和样地1-4颗粒物浓度变化波动较大，峰值出现在15:00—17:00（见图2）。

不同垂直结构内PM_0.3、PM_0.5、PM_1.0、PM_2.5和PM_5.0的浓度日变化规律总体一致，呈倒“S”趋势，9:00—11:00先上升后下降，在11:00—14:00相对平稳，在14:00—17:00波动式上升，18:00浓度值较低。PM₁₀的浓度日变化为9:00—10:00下降，10:00—14:00相对平稳，14:00—18:00先上升后下降，在15:00和16:00取得浓度最大值。CK（参照点）和样地2-3颗粒物浓度较高，样地2-2浓度值较低（见图3）。

2.2 六种粒径颗粒物浓度之间及其与气象因子间的相关性分析

表2显示了公园植物群落结构中6种粒径颗粒物浓度相互之间以及与气象因子间的相关性分析，不同粒径颗粒物相互之间均具有正相关性(P<0.01)，其中PM_0.3、PM_0.5、PM_1.0、PM_2.5四种颗粒物相互之间具有显著正相关性(0.854~0.982)，PM_0.3、PM_0.5、PM_1.0和PM_2.5分别于与PM_5.0和PM₁₀呈正相关(0.439~0.632)，PM_5.0和PM₁₀呈显著正相关性。温度与PM_0.3、PM_0.5、PM_1.0、PM_2.5呈负相关(P<0.01)，与PM_5.0和PM₁₀无显著相关性。湿度与≤2.5 μm粒径颗粒物呈正相关(P<0.01)，与PM_5.0和PM₁₀无显著相关性。风速与各种粒径颗粒物均无显著相关性。

2.3 公园植物群落对6种粒径颗粒物平均消减率分析

由表3可知，各植物群落对6种颗粒物的消减能力因结构不同而差异显著(P<0.05)。冬季乔灌草结构对颗粒物的消减能力最大，其中PM_0.3为(12.71±0.22%)，PM_0.5为(12.68±0.25%)，PM_1.0为(9.61±0.20%)，PM_2.5消减率最大为(16.82±0.16%)，且随着颗粒物粒径的增大，消减率相对减小，对PM_5.0和PM₁₀浓度消减能力较弱。各树种组成结构中仅针叶混交林(1-3)对PM_5.0和PM₁₀有消减作用，阔叶混交林(1-4)对PM_2.5有消减作用，针叶混交林(1-3)对PM_0.3、PM_0.5和PM_1.0浓度平均消减率均最大，分别为(13.4±0.32%)、(10.12±0.31%)和(7.94±0.13%)。随着颗粒物粒径的逐渐增大，绿地对颗粒物的消减能力逐渐降低。

2.4 公园植物群落不同空间位置对6种粒径颗粒物消减率分析

2.4.1 各树种组成样地内不同位置对6种粒径颗粒物平均消减率分析

如图4可知，各树种组成在样地内不同位置对6种颗粒物的消减率因距离和颗粒物的不同而呈显著差异(P<0.05)。冬季样地1-1（针叶纯林）对PM_5.0及更小粒径颗粒物均有不同程度的消减作用，对PM_2.5和PM_5.0消减效果最好，其中对PM_0.3的平均消减率为林间(1.58±0.06%)最大，而PM_0.5、PM_1.0、PM_2.5、PM_5.0和PM₁₀的平均消减率均以林中为最大，分别是(5.06±0.13%)、(13.05±0.11%)、(17.28±0.16%)、(16.34±0.21%)和(1.24±0.08%)。

样地1-2（阔叶纯林）对PM_5.0消减作用最好，对小于或等于5.0 μm粒径颗粒物的平均消减率从林缘向内递减。样地1-3（针叶混交林）对PM_2.5和PM_5.0没有消减作用，PM_0.3的消减率为林间(3.74±0.10%)最大，林缘(1.43±0.06%)最小，对PM_0.5和PM_1.0的消减率分别以林中和林缘最大，对PM₁₀的消减率以林中(11.49±0.13%)最大，林缘(1.76±0.03%)次之，林间（0.45±0.06%）最小。样地1-4（阔叶混交林）对细颗粒物有消减作用，PM_0.3的消减率以林间最大，为(2.41±0.08%)，林缘最小为(0.12±0.02%)，对其他粒径颗粒物的消减率均以林中最大，林缘最小。样地1-5（针阔混交林）对PM_0.3、PM_0.5和PM₁₀无消减作用，对PM_1.0的消减以林中(0.21±0.03%)最大，对PM_2.5和PM_5.0的消减率均以林缘最大，分别为(3.45±0.10%)和(8.36±0.13%)。

2.4.2 各垂直结构样地不同位置对6种粒径颗粒物平均消减率分析

如图5可知，各垂直结构样地不同位置对6种颗粒物的消减能力随距离的变化和颗粒物的不同而差异显著(P<0.05)，样地2-1（乔灌草）仅对PM_0.3、PM_0.5和PM_1.0的消减作用较好，对PM_2.5和PM₁₀无消减作用，而PM_5.0仅林缘有消减作用；PM_0.3和PM_1.0仅以B（林间）有消减作用，PM_0.5以林中最大，为(1.07±0.06%)。样地2-2（乔草）对细颗粒物消减作用微弱，仅PM_0.3、PM_0.5在林缘有较小消减率；PM_5.0以林间(3.43±0.07%)最大，林缘(0.63±0.05%)次之，林中无消减，PM₁₀以林间(4.05±0.13%)最大，林缘与林中无消减。样地2-3（灌草）对细颗粒物有一定消减能力，PM_0.3的消减率为林缘(3.14±0.06%)＞林间(2.61±0.09%)＞林中(0.38±0.05%)，其他均以林间消减作用明显。样地2-4（草）中不同位置对各种粒径颗粒物的消减率规律不明显。

3 讨论

在测量颗粒物浓度期间天气稳定，排除外界气象因素的影响下，9种植物群落结构中6种粒径颗粒物浓度均呈上午和下午高、中午低的趋势。空气颗粒物浓度变化受瞬时交通流量、污染物排放量等因素的影响^[17]，与早晚上下班车流量大^[18]、气压、气体流速等因素有关^[19]。各样地所处的空间位置与道路粉尘源距离均在50~70 m范围内，对各样地的污染影响大体一致。

温度较低时，大气对流层内垂直对流运动减弱，导致大气结构稳定，空气颗粒物浓度不易扩散，因此颗粒物浓度较高，反之，颗粒物浓度较低。湿度大时，颗粒物可以通过吸湿作用与水蒸气凝结，加大自身的体积和质量，并在植被群落中聚集，不利于扩散，从而导致颗粒物浓度有所增加，反之，颗粒物浓度较低^[18]。风速与各种粒径颗粒物均无显著相关性，风速较大时，颗粒物的扩散能力较大^[20]，测量期间气象因素相对稳定，风速稳定或者风速较小时，对颗粒物浓度的影响较小。温湿度与PM_0.3、PM_0.5、PM_1.0、PM_2.5和PM_5.0、PM₁₀浓度相关性不同，主要是大粒径颗粒物质量相对较大，易受重力作用或与其他物体碰撞沉降于地表，与地表层结合后受环境影响较小，而小粒径颗粒物漂浮在空气中，不易扩散或碰撞去除，更容易受到环境的影响。由于不同粒径颗粒物模态中集聚模与粗粒模之间一般不会相互转换，因此细粒与粗粒之间的相关性低于细粒间的相关性。

各植物群落结构对颗粒物的消减均存在显著差异(P<0.05)。其中针叶纯林(1-1)、针叶混交林(1-3)对6种粒径的消减能力较强，乔灌草结构(2-1)对PM_0.3、PM_0.5、PM_1.0和PM_2.5的消减能力相对最强。冬季针叶林相较于落叶阔叶林消减大气颗粒物的作用明显，常绿树种消减颗粒物能力受季节影响小，吸附作用较强，且针叶树种多样性增加，会提高植物群落结构的消减效率^[21]。油松和云杉常绿树种，冬季不落叶，且树冠大而枝叶茂密，此外，这两树种表面粗糙，具有蜡质、气孔等结构，针状叶片对颗粒物的捕获能力较强^[22]，对冬季的污染物降解作用明显。研究显示，阔叶林对各种粒径颗粒物也有一定的消减作用，内蒙古冬季草地枯萎，阔叶树种叶落，但树皮和干燥的植物组织可以吸附污染物，且林地的消减能力与颗粒物粒径、作用机理及树种特性有关^[23]。丰富的植被结构有助于颗粒物的消减^[24]，其具有良好的降风功能和立体化滞尘效果^[17]，但是对大粒径颗粒物消减效果不佳，与空气的污染程度、大粒径颗粒物的自身性质及传输特性有关^[23]。

前人相关研究显示，植物群落结构对空气颗粒物的消减能力与颗粒物粒径大小及样地距离^[25]均有关系。各树种组成结构中针叶纯林(1-1)和阔叶纯林(1-2)对PM_0.3、PM_0.5、PM_1.0、PM_2.5和PM_5.0有消减作用，其他树木组成结构对PM_0.3、PM_0.5、PM_1.0有消减作用，且样在地内不同位置对6种颗粒物的消减能力存在一定差异，针叶纯林(1-1)对10 μm以下的颗粒物、针叶混交林(1-3)和阔叶混交林(1-4)对细颗粒物均以林中、林间消减作用较好。在垂直结构中，仅乔灌草、灌草结构对PM_0.3、PM_0.5和PM_1.0的颗粒物消减作用较好，粒径较小的颗粒物更容易被吸附在绒毛和深浅不一的沟槽处，起到消减颗粒物的作用^[26]。在城市公园绿地规划设计时，可根据不同区域颗粒物种类、数量及特点，将市民活动区设置在合理的绿地范围内。

4 结论

对呼和浩特市公园绿地消减颗粒物时空变化特征进行了分析，得出以下结论：

1）呼和浩特市公园植物群落结构9:00—10:00和15:00—17:00颗粒物浓度较高，11:00—14:00和18:00颗粒物浓度较低。

2）不同粒径颗粒物浓度相互均呈正相关，大、小粒径颗粒物浓度各自之间相关性较强，小粒径与大粒径颗粒物浓度相关性相对较弱。不同粒径颗粒物浓度与气象因素相关性差异明显，温度、湿度与PM_0.3、PM_0.5、PM_1.0和PM_2.5浓度分别呈负相关和正相关(P<0.01)，与PM_5.0和PM₁₀浓度均无相关性。风速与各种粒径颗粒物浓度均无相关性。

3）不同植物群落结构消减颗粒物差异显著(P<0.05)，且随着颗粒物粒径的逐渐增大，植物群落结构的消减能力逐渐降低，其中针叶混交林和乔灌草结构对小粒径颗粒物消减能力较强，各样地对大粒径颗粒物消减能力均较弱。

4）各植物群落结构内不同空间位置对颗粒物消减差异显著(P<0.05)，且因颗粒物粒径不同消减能力有所差异。5种树种组成结构对细颗粒物消减效果明显，对PM_2.5、PM_5.0、PM₁₀的颗粒物消减效果不佳，从林缘至林中，对6种颗粒物则以针叶纯林和针叶混交林消减范围和幅度最大。4种垂直结构中，仅乔灌草结构对PM_0.3、PM_0.5、PM_1.0、PM_2.5的颗粒物有消减作用，从林缘至林中，则以乔灌草、灌草结构对细颗粒物PM_1.0、PM_0.5、PM_0.3消减作用明显，且以灌草最优。在该地区城市公园的建设中，可适当提高常绿植物及灌木的种植比例，以期达到降减冬季空气颗粒物污染的目的。

参考文献

[1] 贾佳, 丛怡, 高清敏, 等. 中原城市冬季两次重污染形成机制及来源[J]. 环境科学, 2020, 41(12):5256-5266.

[2] 段敏杰, 李新宇, 赵松婷, 等. 不同滞尘环境下植物叶片高光谱特征变化研究[J]. 西南林业大学学报, 2020, 40(3):88-94.

[3] 王爱霞, 方炎明. 二球悬铃木不同器官对空气中Cu、Ni、Pb和Zn的累积作用[J]. 植物资源与环境学报, 2015, 24(2):67-72.

[4] 王琴, 冯晶红, 黄奕, 等. 武汉市15种阔叶乔木滞尘能力与叶表微形态特征[J]. 生态学报, 2020, 40(1):213-222.

[5] SHAUGHNESSY W J, VENIGALLA M M, TRUMP D. Health effects of ambient levels of respirable particulate matter(PM)on healthy, young-adult population[J]. Atmospheric Environment, 2015, 123 Part A:102-111.

[6] 谢永明, 王迎. 抓住主要矛盾解决大气污染现状[J]. 前进论坛, 2019(1):48-49.

[7] 汪旭, 卓俊玲, 隆重, 等. 以空气和废气中颗粒物和SO2监测为例分析便携式监测设备进行环境执法的认证体系及方法支撑[J]. 中国环境监测, 2020, 36(3):144-152.

[8] 戴菲, 陈明, 傅凡, 等. 基于城市空间规划设计视角的颗粒物空气污染控制策略研究综述[J]. 中国园林, 2019, 35(2):75-80.

[9] 顾康康, 钱兆, 方云皓, 等. 基于ENVI-met的城市道路绿地植物配置对PM_2.5的影响研究[J]. 生态学报, 2020, 40(13):4340-4350.

[10] 韩静波, 张智, 张维康, 等. 沈阳东陵公园不同功能分区空气颗粒物与负离子变化[J]. 生态学杂志, 2020, 39(9):3099-3107.

[11] HOFMAN J, BARTHOLOMEUS H, JANSSEN S, et al. Influence of tree crown characteristics on the local PM10 distribution inside an urban street canyon in Antwerp(Belgium):a model and experimental approach[J]. Urban Forestry & Urban Greening, 2016, 20:265-276.

[12] 高瑶瑶, 潘勇军, 张华. 石门国家森林公园空气颗粒物动态变化及评价[J]. 广东园林, 2020, 42(3):32-37.

[13] 张进, 陈健. 高交通密度道路周边乔灌草型绿地对大气颗粒物的影响[J]. 环境污染与防治, 2019, 41(9):1094-1097.

[14] RADULESCU C, STIHI C, ION R M, et al. Seasonal variability in the composition of particulate matter and the microclimate in cultural heritage areas[J]. Atmosphere, 2019, 10(10):595.

[15] 何智英, 洪志敏. 呼和浩特市空气质量状况及影响因素分析[J]. 内蒙古工业大学学报(自然科学版), 2021, 40(3):190-198.

[16] 龚岚. 北京城区典型城市森林结构特点分析[D]. 北京:北京林业大学, 2015.

[17] 刘浩栋, 陈亚静, 李清殿, 等. 城市道路林对细颗粒物(PM2.5)的阻滞作用解析[J]. 浙江农林大学学报, 2020, 37(3):397-406.

[18] CAVANAGH J A E, ZAWAR-REZA P, WILSON J G. Spatial attenuation of ambient particulate matter air pollution within an urbanised native forest patch[J]. Urban Forestry & Urban Greening, 2009, 8(1):21-30.

[19] 刘印桢, 赵萌, 侯卜瑛, 等. 不同湍流度下Ahmed模型的流场及气动特性分析[J]. 内蒙古工业大学学报(自然科学版), 2022, 41(4):358-366.

[20] 李军, 孙春宝, 刘咸德, 等. 气象因素对北京市大气颗粒物浓度影响的非参数分析[J]. 环境科学研究, 2009, 22(6):663-669.

[21] BOTTALICO F, TRAVAGLINI D, CHIRICI G, et al. A spatially-explicit method to assess the dry deposition of air pollution by urban forests in the city of Florence, Italy[J]. Urban Forestry & Urban Greening, 2017, 27:221-234.

[22] CHEN L X, LIU C M, ZHANG L, et al. Variation in tree species ability to capture and retain airborne fine particulate matter (PM2.5)[J]. Scientific Reports, 2017, 7(1):3206.

[23] KWAK M J, LEE J, KIM H, et al. The removal efficiencies of several temperate tree species at adsorbing airborne particulate matter in urban forests and roadsides[J]. Forests, 2019, 10(11):960.

[24] 万好, 王琴, 余刘思, 等. 武汉市典型道旁绿地消减空气细微颗粒物的作用研究[J]. 西北林学院学报, 2020, 35(3):237-242.

[25] 查燕, 马华升, 俞祥群, 等. 城市绿化植物对不同粒径大气颗粒物的吸附特征研究[J]. 环境污染与防治, 2020, 42(7):807-811, 819.

[26] 孙华江, 黄玉洁, 江波, 等. 杭州植物园典型城市森林内PM_2.5和PM₁₀水平梯度动态变化特征[J]. 浙江林业科技, 2020, 40(1):41-48.

基金资助

国家自然科学基金项目(31860232)

国家自然科学基金项目(32160402)

内蒙古自治区自然科学基金项目(2021LHMS03002)

内蒙古自治区自然科学基金项目(2020LH05004)