校园内绿地植物滞尘效应及影响因子研究

张启尧，杨振德

（广西大学林学院，广西南宁 530004）

校园内绿地植物滞尘效应及影响因子研究

张启尧，杨振德

（广西大学林学院，广西南宁 530004）

随着城市经济的发展和人民生活水平的提高，越来越多的空气污染问题也随之暴露出来。汽车尾气的排放、工厂中的废气未经处理和化石燃料等的燃烧，致使CO、SO2等有毒气体和大气固体颗粒物向空气中排放，而绿地植物可以有效地对空气中的降尘和飘尘进行截留和沉降。由于外界环境因素的多变性和复杂性，不同绿地植物在滞尘效应方面具有显著性的差异。本文通过对吕梁学院新校区中的6种不同绿地植物（毛白杨、国槐、垂柳、紫叶小檗、白丁香和黄刺玫）的滞尘量于雨后1、3、5d分别测定，同时分别以土壤温度、空气温度、空气湿度、叶面积指数和风速为自变量，单位时间单位叶面积的滞尘量为因变量进行逐步回归，剔除次要因子，对各主要影响因子对于滞尘效应的响应进行通径分析，阐明主要因素空气温度、空气湿度和风速对滞尘效应的影响过程，为校园绿地植物的种类选择、空间配置和绿化带的合理规划提供有效的数学模型和理论指导。

绿地植物；滞尘效应；影响因素；多元线性回归；通径分析

吕梁市离市区地处吕梁山脉中段西侧，地理坐标北纬 37°21′～37°42′，东经 110°55′～111°35′，属于温带大陆性气候，冬寒夏暑，四季分明[1]。近年来随着城市经济的飞速发展和人口密度的增加，城市环境质量日趋下降。而空气当中所悬浮的固体颗粒物中可能含有重金属、致癌物质、细菌病毒等，对人类健康造成极大威胁。吕梁学院位于吕梁市的郊区地段，环境条件比较恶劣，经常有风沙扬尘等天气的出现，给人们的学习工作和健康生活带来了诸多不利影响。而植物因其叶片表面具有像沟状组织、茸毛、蜡质表皮等结构，有些还能分泌具有粘黏性的物质，可以对大气尘埃进行沉降和固定，从而成为空气污染物等有害颗粒物质的重要过滤体[2,3]。过去的研究往往局限于某一种生态因子对于园林植物滞尘效应影响的研究，对于不同生态因子对绿地植物滞尘效应的影响及重要程度的研究资料较少。因此，在前人研究成果的基础上，综合分析植物滞尘效应以及与各影响因子的关系，以土壤温度、空气温度、空气湿度、叶面积指数和风速作为自变量，单位时间单位叶面积（或生物量）的滞尘量为因变量进行多元逐步回归，通过回归方程和通径分析得出不同环境因素对滞尘效应的影响，为认识和改造校园园林设计提供一定的科学依据和理论指导。

1 材料与方法

1.1 植被材料

依据选点随机性的原则，在吕梁市离市区吕梁学院新校区校园内进行观测点位置的设置。分别选取M1～M4 4个功能区中的6种树种作为观测植被。这6种校园绿地植被分别为毛白杨、垂柳、国槐、紫叶小檗、白丁香、黄刺玫。

1.2 样品的采集与测定

选择雨后（降雨量≥15mm）的1、3、5d进行样品采集。于各采样点选取生长态势良好的上述6种校园绿地树种，尽量保持生长状况的一致性。在采集样叶时，要围绕样点位置外围多个方向进行收集，且要注意结合树冠的各个层次进行搜集。采集样叶时用剪刀轻轻剪掉，然后将样品放置于密封袋中。其中阔叶树种采集样叶10～20片；常绿针叶树种采集50～100g的针叶。样叶用蒸馏水浸泡1h后，用镊子将叶片小心夹出，将浸洗液用烘干称重的滤纸（G1）过滤。将滤纸放置于105℃烘箱中烘8h，将烘干后的滤纸于0.01%精度的分析天平上称重，并把质量读数记为（G2）；G1与G2的差值则为样叶附着物的质量。将上述步骤重复3次，并取得平均值。叶面积用LI-3000C便携式叶面积仪测定并记为S。那么单位叶面积的滞尘量W=（G2-G1）/S，单叶滞尘量=待测某一植被所采集样叶滞尘量/样叶总数。使用土壤温度用曲管地温计采集；使用TES温湿度计（TES-1360A）对空气温度和大气的相对湿度进行测定；测定位置分别为地表上15cm、50cm、100cm；风速通过风速仪来测得。上述各项数据分雨后1、3、5d依次进行。

1.3 数据处理

试验数据采用Microsoft office Excel 2010、SAS8.0软件进行处理，并完成对数据的分析整理加工及图表制作。利用通径分析对滞尘量与诸多因子进行标准化的多元线性回归：y=bo+b1X1+b2X2+…+bkXk+e，该式中b1，b2，…bk表示 y 对 X1，X2，…，Xk的偏回归系数，e 表示随机误差，通过对土壤温度、空气温度、空气湿度、叶面积指数、风速与滞尘量间的通径分析得出哪些因子对滞尘效应的影响起主导作用。

2 结果与分析

2.1 不同树种间滞尘能力的比较

校园绿地植物叶片上的滞尘量不是随着时间的推移呈线性增加的趋势，反而是逐渐达到饱和状态，这时滞尘量的增加幅度将变小，直到下次降雨后雨水将枝叶表面的降尘和飘尘冲洗干净后开始重新滞尘。因此单位叶片的滞尘量呈现为动态的变化趋势。我们对雨后1、3、5d 6种不同树种叶片的滞尘能力进行测量，并绘制表格。如表1所示。

由表1得出，6种不同树种的滞尘能力具有较为明显的差异。其中紫叶小檗在雨后1、3、5d单位叶面积的 滞 尘 量 最 大 ， 为 5.3597mg/cm2、6.9035mg/cm2、9.5323mg/cm2。毛白杨和国槐的滞尘能力次之，垂柳同黄刺玫的滞尘能力较差，白丁香的最差，仅为0.6173mg/cm2、0.8668mg/cm2和 1.1294mg/cm2。且随着时间的增加，滞尘量呈现出递增的趋势。且滞尘量的累积速率各有差异，其中紫叶小檗的叶片上大气中的固体颗粒物累积的速率最快，为2.0863mg/d，毛白杨和国槐的累积速率次之，分别为0.7637mg/d和0.4358mg/d，白丁香较为慢，为0.2561mg/d，垂柳和黄刺玫的最差，速率为0.0474mg/d和0.0793mg/d。紫叶小檗单位叶面积的滞尘量最大，可能是由于其栽植的场所附近多为校园内的停车点。大气中悬浮的颗粒物加上由于车辆来往时带来的二次扬尘，导致紫叶小檗的单位叶片的滞尘量最高。毛白杨的滞尘量仅次于紫叶小檗，可能是毛白杨的叶片表面的气孔密度大、密布有白色的绒毛所致。垂柳和黄刺玫的最差，可能是叶片表面较为光滑，枝叶密度和叶片的倾角较小的缘故[5,12]。对这6种不同校园绿地植物的总的滞尘量进行分析表明：毛白杨单片叶的滞尘量明显比其他几种绿地植物大，紫叶小檗、白丁香和国槐次之，垂柳较差，黄刺玫最差。这可能是由于各树种树冠和枝叶密度、叶面的倾角、植物本身叶片表面的特性和外界复杂多变的环境等因素综合作用的结果。

表1树种 每片叶滞尘量（m g） 滞尘能力（m g/c m2）1 d 3 d 5 d 1 d 3 d 5 d毛白杨 1 1 0.6 8 3 2 1 4 5.7 4 2 2 2 1 0.7 5 2 3 1.6 8 9 3 2.2 2 4 4 3.2 1 6 6国槐 9.2 7 4 7 1 1.3 6 1 1 1 4.7 3 1 9 1.4 8 1 6 1.8 1 4 9 2.3 5 3 3垂柳 7.6 8 6 1 8.1 3 8 3 8.5 2 8 3 0.8 6 4 6 0.9 1 5 4 0.9 5 9 3紫叶小檗 9.7 5 4 6 1 2.5 6 4 3 1 7.3 4 8 7 5.3 5 9 7 6.9 0 3 5 9.5 3 2 3黄刺玫 0.8 3 2 1 0.8 9 6 6 0.9 6 5 4 0.9 9 0 6 1.0 6 7 4 1.1 4 9 3白丁香 1 2.4 9 3 5 1 7.5 4 4 3 2 2.8 5 8 2 0.6 1 7 3 0.8 6 6 8 1.1 2 9 4

注：*表示在0.05水平上差异显著。**表示在0.01水平上差异显著。

2.2 多元逐步回归和通径分析

2.2.1 变量分析。以校园内不同绿化树种的单位叶面积的滞尘量为因变量y，土壤温度为自变量X1，空气温度为自变量X2，空气湿度为自变量X3，叶面积指数为自变量X4，风速为自变量X5，利用SAS8.0分析软件对自变量同因变量进行拟合并求出多元线性回归方程。再通过对偏回归系数的标准化求出各个因变量对自变量的直接通径系数，然后对根据相关系数和直接通径系数计算各间接通径系数[8]。最后通过对通径分析所得出的结果进行详细的分析解释。

对采集的数据进行回归分析和参数估计，得到表2和3，从表中的参数估计部分可以看出截距和各自变量的偏回归系数、标准误差、t值和p值（显著性检验结果）。

2.2.2 参数估计及显著性检验。观察表2可知，回归方程显著水平＜0.001,说明各自变量综合对应因变量y有真实回归关系，复相关系数为0.9197，调整后复相关系数为0.8888，从偏相关系数假设检验来看，变量X2的偏回归系数达到显著水平（p=0.0113＜0.05）。表3表明：变量X3的偏回归系数达到显著水平（p=0.0341＜0.05）,变量X5的偏回归系数达到极显著水平（p=0.0008＜0.01）,变量X1和X4的偏回归系数检验（p=0.1878，p=0.9676）未达到显著水平，应当从回归方程中剔除。次要因子剔除后，并对新的数据重新进行多元线性回归，得出最优多元线性回归方程y=1.99755+0.40055X2+0.05772X3-17.07052X5。

2.2.3 方差分析。为了检验所求得的多重线性回归方程是否显著，要对它进行方差分析。通过计算得出，F=20.66，p＜0.0001，多元决定系数 R2=0.8157，校正后的多元决定系数R2=0.7762，上述数据表明，所求得的线性回归方程非常显著。

2.2.4 通径系数的计算和显著性检验。由于直接通径系数等于标准化的偏回归系数，而标准化的偏回归系数=（自变量的标准差/因变量的标准差）×自变量的偏回归系数。利用SAS 8.0软件将数据代入后整理得到各自变量x关于因变量y的直接通径系数分别为：空气温度（X2）对滞尘量(y)的直接通径系数为0.3272，空气湿度（X3）对滞尘量(y)的直接通径系数为0.1159，风速（X5）对滞尘量（y）的直接通径系数为-0.8364。各通径系数的显著性检验结果见表3。根据上述数据求得的线性回归方程的多元决定系数R2=0.8157。说明因变量变异中81.57%的成分可有多元线性回归方程进行解释，且误差约占18.43%。

2.2.5 对相关系数的分解和通径分析结果的说明。线性回归方程中自变量的变化除了由于任意因变量通过本身的直接作用导致外（其大小以直接通径系数表示），还包括各自变量通过对其它自变量因素的影响间接导致因变量的变化（大小以间接通径系数表示）。某单一自变量通过另一自变量间接作用于因变量的间接通径系数等于另一自变量本身的直接通径系数乘以两自变量间的相关系数。例如空气温度（X2）通过风速（X5）间接作用于滞尘量的间接通径系数为-0.17659×（-0.8364）=0.1477。其余自变量的间接通径系数的算法同此相同。其结果如表4和表5所示。根据通径分析的理论表明，任何一个自变量同因变量间的简单相关系数，即为该自变量同因变量的直接通径系数和其余所有间接通径系数的代数和。如空气温度（X2）同滞尘量（y）间的相关系数=0.3272-0.0598+0.1477=0.4150。其余影响因素与滞尘量之间的相关系数也可以用上述方法进行分解。

观察表5可以看到，各影响因素对校园绿地植物滞尘量的作用由大到小依次是：风速＞空气温度＞空气湿度。

表3变量 自由度 参数估计 标准参数估计标准误差 t值 p值X1 1 -0.53697 -2.17208 0.38626 -1.39 0.1878 X2 1 0.78085 3.71485 0.26500 2.95 0.0113*X3 1 0.09673 1.31370 0.04085 2.37 0.0341*X4 1 -0.17230 -0.03052 4.15764 -0.04 0.9676 X5 1 -14.00207 2.14903 3.21549 -4.35 0.0008**

表4 X2 X3 X5 Y X2 1.0 0 0 0 0 -0.5 1 6 5 4* -0.1 7 6 5 9 0.4 1 5 0 2 X3 1.0 0 0 0 0 0.3 1 8 7 8 -0.3 1 9 7 3 X5 1.0 0 0 0 0 -0.8 5 7 2 2**Y 1.0 0 0 0 0

表5环境因子 直接效应 间接效应→X2 →X3 →X5X2 0.3 2 7 2 - -0.0 5 9 8 0.1 4 7 7 X3 0.1 1 5 9 -0.1 6 9 0 - -0.2 6 6 6 X5 -0.8 3 6 4 -0.0 5 7 8 0.0 3 6 9 -

（1）空气温度与滞尘量间的相关系数最大，R=0.41502，直接通径系数也是最大为0.3272。其中空气温度通过风速对滞尘量的间接效应较明显为0.1477，空气温度通过空气湿度的间接效应为负值-0.0598，说明空气温度的增高致使湿度降低，从而导致滞尘量的下降。每当空气温度增加一个标准差单位，可使植物的滞尘量增加0.41502个标准差单位。

（2）空气湿度与滞尘量间的相关系数为负值-0.31973，直接通径系数为0.1159，直接通径系数接近显著水平，空气湿度增加会使得植物的滞尘量同步增加。空气湿度通过空气温度和风速对滞尘量的间接效应皆为负值，因此使得空气湿度对滞尘量的相关系数成为-0.31973。这说明在考虑空气湿度对滞尘效应的影响的同时，还应该兼顾其它外界因素如空气温度和风速的影响。

（3）风速与滞尘量间呈很强的负相关性R=-0.85722，达到极显著水平，直接通径系数亦为最小-0.8364，且不显著。风速通过空气温度和空气湿度对滞尘量的相关作用相对较小，分别为-0.0578和0.0369。表明风速对植物滞尘量的影响非常明显，风速每增加一个标准差单位，叶片的滞尘量将减少0.85722个标准差单位。

3 结论与讨论

通过对校园内6种不同树种的单位叶面积滞尘量调查表明，其滞尘量由大到小排列：紫叶小檗＞毛白杨＞国槐＞垂柳＞黄刺玫＞白丁香。不同树种间的滞尘能力均存在较大差异，柴一新等[4]对哈尔滨市的主要绿化树种的滞尘量进行观测，结果发现：各树种间的滞尘能力差异明显，其间相差可达到2～3倍。郭伟等[5]研究表明：除了植物本身冠幅、株高、枝叶密度和叶面倾角等因素造成不同树种对大气颗粒物截留能力的差异外，若植物具有叶片表面粗糙多褶皱、多绒毛，分泌多等特征，则该种植物的滞尘能力较强。不同树种的滞尘量呈现出随时间推移而递增的趋势。且随着雨水的冲刷，叶片开始重新累积，循环往复的动态变化过程。Schnabel等[6]研究表明：绿地植物对大气颗粒物的截留和吸附只是暂时性的，枝叶上的粉尘会被雨水的冲刷掉，具有一定的“可塑性”。利用多元线性回归对影响滞尘量的5个因素进行综合评价，表明空气温度、空气湿度和风速这3个因子对滞尘量的影响最大。通过对这3个因子对滞尘量的影响进行通径分析计算得出，风速对滞尘量的直接影响最大并且为负作用，在风和重力的共同作用下，枝叶上滞留的粉尘会重新回到大气中或着被植物别的枝叶部分所吸附。与上述试验结论相符。空气温度对滞尘量直接影响较大，为0.3272。空气湿度对滞尘量的直接影响最小，为0.1159。且空气温度、空气湿度和风速这3种影响因子通过自身的直接作用和其他因子对滞尘量的间接作用，表明影响绿地植物滞尘量的因素由大到小排列依次为：风速＞空气温度＞空气湿度。不同树种的滞尘量具有时间和空间上的变化规律[7,8]。武小钢等[9]的研究表明，园林植物的滞尘能力与所处的季节及植物的生长发育期有关，夏季植物的代谢旺盛，生长迅速，此时的滞尘能力几乎是最强的。此外，大树和小树时期的单位叶面积滞尘量也存在差异。大树时期的叶片总数虽然较多，但叶片光滑，所以单位滞尘量相对较少[10]。不同地段空气污染程度的差异性对滞尘总量具有很大的效应。周述明等[11]的研究发现：处于重度污染区的同一树种滞尘量比轻度污染区的要小得多。园林植物群落结构的不同也会对绿地植物的滞尘量产生影响。周志翔等[12]研究发现，结构较单一的草坪滞尘量明显比具有乔——灌——草立体结构的滞尘能力要弱。通过对6种不同校园绿地植物滞尘能力和各影响因素间进行了比较，初步明确不同类型植物间滞尘能力的差异和各影响因子对滞尘量的影响，为校园内园林植物种群的合理配置、绿化带的科学布局提供一定思路和依据。同时就关于滞尘量影响因子及各因子间的作用机制方面的深入研究提供一定的基础。

（收稿：2017-05-15）

[1]张文光.吕梁市离石区城市绿化现状及发展对策[D].山西农业大学,2016.

[2]刘霞,李海梅.园林植物滞尘效应的研究 [J].北方园艺,2007(8):73-76.

[3]康博文,王得祥,刘建军,等.城市不同绿地类型降温增湿效应的研究[J].西北林学院学报,2005,20(2):54－56．

[4]柴一新,祝宁,韩焕金.城市绿化树种的滞尘效应——以哈尔滨市为例[J].应用生态学报,2002,13(9):1121-1126.

[5]郭伟,申屠雅瑾,郑述强,等.城市绿地滞尘作用机理和规律的研究进展[J].生态环境学报,2010(6):1465-1470.

[6]Schnabel H G.Urban forestry in Germany(德国城市林业)[J].Arbor,1980,6(11):281-286.

[7]陈强.通径分析及其在林业试验统计分析中的应用[J].西部林业科学,1996(1):54-61.

[8]郝旺林,梁林丽,吴兴,等.不同前茬冬小麦土壤呼吸特征及影响因子分析[J].环境科学,2011(11):3167-3173.

[9]武小钢,蔺银鼎,闫海冰,等.城市绿地降温增湿效应与其结构特征相关性研究[J].中国生态农业学报,2008,16(6):1469-1473．

[10]李荫堂,李志勇,方飞,等.湿地降温增湿效应的数值模拟研究[J].西安交通大学学报,2007,41(7):825-829．

[11]周述明.成都市城市街道绿化景观评价及其环境效益研究[D].雅安:四川农业大学,2003.

[12]周志翔,邵天一,唐万鹏,等.城市绿地空间格局及其环境效应——以宜昌市中心城区为例[J].生态学报,2004,(02):186-192.