九龙山林缘地区空气负离子浓度变化特征及与气象因素关系

余海, 辛学兵, 裴顺祥, 吴迪, 吴莎, 法蕾, 马淑敏, 郭慧



九龙山林缘地区空气负离子浓度变化特征及与气象因素关系

余海, 辛学兵, 裴顺祥, 吴迪, 吴莎, 法蕾, 马淑敏, 郭慧*

中国林业科学研究院华北林业实验中心, 北京 102300

文章以九龙山林缘地区空气负离子浓度变化特征为研究对象, 通过观测9月和10月北京九龙山林缘地区空气负离子浓度, 研究空气负离子浓度日变化和林缘、林内海拔梯度变化。通过观测空气温度、湿度、风速、饱和水汽压、净辐射、光合有效辐射等指标的平均值、极大值和极小值, 采用通径分析方法定量化研究气象因素和空气负离子浓度的关系。结果表明：(1)九龙山林缘地区10月空气负离子浓度平均值比9月的空气负离子浓度高80%; 9月的空气负离子浓度日变化整体呈下降趋势, 10月上旬日变化呈单峰曲线型上升趋势, 10月中旬和下旬空气负离子浓度日变化为幂函数曲线型, 整体为下降趋势; (2)林缘地区空气负离子浓度比林内空气负离子浓度高4%, 林缘地区空气负离子浓度随海拔变化成波浪形, 对应林内空气负离子浓度随着海拔梯度变化成显著单峰型, 变化趋势与林缘地区相反; (3)在所有气象因素指标中, 通过逐步回归分析提取空气湿度最低值, 饱和水汽压最低值和空气温度最低值进行通径分析, 其直接通径系数分别为1.064, -0.817和0.468。因此空气湿度最低值是影响空气负离子浓度的最大直接因素。空气温度最低值通过空气湿度最低值和饱和水汽压的作用, 成为空气负离子浓度的最大间接影响因素。通过研究林缘地区空气负离子情况并与林内进行对比, 揭示了林缘地区在森林康养规划中的重要性。

林缘; 空气负离子; 通径分析; 相关性

1 前言

空气负离子(Negative air ion, NAI)浓度是环境空气质量监测、评价的重要指标[1–2], 具有广泛的生理生化效应。大量研究表明, 空气负离子对人体健康的维持及某些疾病的恢复具有明显的功效[3], 而森林植物可以显著的增加空气中负离子的含量[4]。因此, 负离子资源成为森林康养的一个重要研究内容。除了植被外, 气象因素是影响空气负离子浓度最重要的因素[5], 如：风速、温度、湿度、辐射等对空气负离子浓度的影响和相关关系, 但是各自观点差别较大[6–11]。目前针对空气负离子浓度与气象因素相关性的研究多采用多元回归的方法, 并不能定量评价多个气象要素对空气负离子浓度的综合影响。通径分析是研究变量间相互关系、自变量对因变量作用方式和程度的多元统计分析方法, 可用于深入分析指标间相互影响程度。该方法在针对空气负离子浓度和气象因素之间关系上的研究应用较少。目前, 针对森林和城市内部环境空气负离子浓度变化特征已有大量研究[12–14], 但城市森林与城市交错带——林缘地区空气负离子浓度的变化特征研究较少。林缘指森林与空旷地、农田、湖等非森林地段相连接的地段, 作为典型的生态过渡区, 高生物多样性和迅速变化的光环境是该区域的显著特征。林缘与林内和其他生态环境的生态因子差距较大[15], 这些差异是引起空气负离子浓度变化的重要驱动力。实际生活中, 林缘地区是城市森林周边居民日常活动健身、郊游、旅行最密集的地区, 此处的空气质量对游人影响最大, 针对该地区的负离子浓度变化情况研究较少, 急需展开相关研究。因此, 本文以京西九龙山林缘地区空气负离子浓度变化为研究对象, 研究林缘地区空气负离子浓度的日变化和海拔变化情况, 并与林内空气负离子浓度的变化进行对比分析, 结合相同地点气象站的气象因素探索不同气象因素与负离子浓度的相关关系, 采用通径分析方法定量化研究林缘地区气象因素对空气负离子浓度的影响, 为更好的开发空气负离子资源, 为森林生态建设中的森林康养基地的规划建设等提供参考依据。

2 材料与方法

2.1 研究区域

九龙山位于北京市门头沟区(39°54′-39°59′N, 115°59′-116°07′E), 属太行山脉, 最高海拔997 m, 为暖温带大陆东岸季风气候, 年均气温11.8 ℃, 年均降水量623 mm, 年均蒸发量1870 mm。区内山地土层普遍较薄, 含石量高, 是典型的华北石质山地。区内森林覆盖率74.3%分布植被以油松(Carr)、侧柏((L.) Franco)、栓皮栎(Bl.)为主。观测点选择在九龙山保护站林缘(海拔300-700 m), 下垫面为柏油马路, 固定气象站(39°56′13.26" N, 116°02′ 49.42" E)位于海拔300 m处, 周围灌木在5 m以外, 乔木多为油松(Pinus tabulaeformis Carr)、侧柏((L.) Franco)和五角枫((Pax)E.Murr.)。北京九龙山位于门头沟区永定河西岸, 区内山水相依, 人文景观众多, 进入秋季后, 山上的五角枫逐渐呈现黄色和红色, 极具观赏价值, 9月和10月是北京市旅游气候最佳时间[16], 因此本研究选择9月和10月对京西九龙山林缘地区进行空气负离子浓度日变化和海拔梯度变化进行监测研究。

2.2 研究方法

2.2.1 实验数据来源

本研究选取九龙山保护站附近林缘地区(阳坡)气象站附近进行空气负离子浓度和气象要素的同步观测。负离子的采样集中在2017年9月和10月进行, 共采样34天, 每个月上、中、下旬保证不少于3天, 测量时间为8:00—16:00, 采样高度为1.5 m, 每隔2h在东、南、西、北四个方向采样, 取平均值作为该时间最终的负离子浓度测定结果。由于该林缘为条带状, 有明显的海拔梯度, 海拔每升高100 m, 在距离林缘线5 m处, 设置一处林内(多为侧柏((L.) Franco))、林外对照的空气负离子浓度采样点, 在9月和10月选取连续晴天(3 d)取平均值(采样方法和频率同气象站附近监测点)。负离子浓度的监测设备采用的是日本KEC-900负离子检测仪, 检测方式为平行电极, 可检测空气正/负离子, 检测范围10—20000000 ions∙cm-3, 检测时灵敏度设置在H段(10 个∙cm-3—19990 个∙cm-3), 该设备精度≤15%, 分辨率为10/100 个∙cm-3。针对气象要素的采集主要通过附近固定气象站, 具体数据和采集设备见表1。

2.2.2 数据处理

将观测的空气负离子数据进行汇总, 研究空气负离子浓度的日变化情况, 通过Shapiro-Wilk方法对空气负离子浓度数据进行正态分布检验, 采用Pearson相关分析研究空气负离子浓度和气象要素的简单相关性。但是简单相关分析并不能揭示气象因素对空气负离子浓度的影响程度。多元回归分析在一定程度上可以真实表现自变量与因变量的关系, 并广泛应用于气象统计研究方向[17–18], 但是多元线性回归系数间不能直接比较各变量对因变量的效应。通径分析方法能有效的表示自变量间对因变量的直接影响或间接影响的效应, 从而区分自变量的相对重要性及其关系, 有效的克服多元回归分析方法的不足, 在资源、环境等领域得到广泛应用[19–21]。利用SPSS18将上述观测设备测得的空气负离子浓度与气象因素做通径分析, 得到直接通径系数、间接通径系数, 揭示影响空气负离子浓度的直接效应与间接效应。通径分析的基本模型如下：

假设在k个自变量1,2, …,x中, 每两个变量之间与因变量之间的简单相关系数可以构成方程用于求解通径系数：

3 结果与分析

3.1 空气负离子浓度的日变化特征

据观测, 9月的空气负离子浓度日平均值为0.493个·cm-3·1000, 10月的平均负离子浓度日平均值为0.882个∙cm-3×1000。对林缘9-10月空气负离子浓度(–)日变化特征分析结果如图1。9月所有时间段的空气负离子浓度均小于10月。9月上旬, 10:00空气负离子浓度出现一个小峰值, 其中–(10点)>–(12点)>–(14点)>–(16点)>–(8点); 9月中旬大部分时间段的空气负离子浓度都高于9月上旬和下旬,–(16点)下降较多外, 其他时间段均较为平缓,–(8点)>–(12点)>–(10点)>–(14点)>–(16点); 九月下旬, 空气负离子浓度日变化较小,–(14点)为该时间段空气负离子浓度日变化的低谷,–(16点)>–(12点)>–(10点)>–(14点)>–(8点); 10月上旬, 空气负离子浓度日变化呈上升趋势,–(12点)为一个小峰值–(16点)>–(12点)>–(14点) >–(8点)>–(10点); 10月中旬和10月下旬,–(8点) 达到日空气负离子浓度最高值, 其他时间段负离子浓度均显著下降,–(8点)>–(10点)>–(12点)>–(14点)>–(16点)。

表1 气象因素数据采集

图1 空气负离子浓度日变化

3.2 空气负离子浓度的空间变化特征

根据观测, 林内空气负离子浓度不同海拔平均值为0.264个·cm-3·1000, 林缘地区空气负离子浓度不同海拔平均值为0.274 个·cm-3·1000, 林缘地区略高于林内。不同的海拔梯度, 两者差异较大。海拔500 m的位置, 林内空气负离子浓度远大于林缘地区, 300 m、400 m、600 m和700 m处, 林缘地区空气负离子浓度都高于林内空气负离子浓度。对林缘和林内9—10月空气负离子浓度海拔变化特征对比分析具体结果如图2。林缘地区随着海拔梯度的升高变化较为平缓, 呈现波浪型, 而林内空气负离子浓度的变化随着海拔梯度的升高变化较大, 呈现显著单峰型。林缘地区空气负离子浓度的变化与林内空气负离子浓度变化正好相反。林缘地区空气负离子浓度峰值出现在海拔400 m和600 m处, 分别为0.335 个·cm-3·1000和0.271 个·cm-3·1000, 低谷出现在海拔500 m处, 为0.235 个·cm-3·1000; 林内空气负离子浓度峰值出现在海拔500 m处, 为0.532 个·cm-3·1000。

3.3 气象要素与空气负离子浓度的相关分析

图2 林缘和林内空气负离子浓度海拔变化对比

由表2可以看出各变量和因变量之间的显著性及相关关系。本文通过Pearson相关系数的方法衡量气象要素和负离子浓度间的简单相关关系。各气象要素与空气负离子浓度的相关分析结果如表2所示。可见, 林缘地区, 光合有效辐射的最低值和平均值、净辐射的最低值、2 min风速、10 min风速最大值和平均值、饱和水汽压的最低值和最高值、pm2.5均与空气负离子浓度相关性不显著; 光合有效辐射最大值、净辐射最大值、空气湿度最低值、最高值和平均值、空气温度最低值、最高值和平均值均与空气负离子浓度在0.01水平上显著相关; 光合有效辐射平均值、净辐射平均值均与空气负离子浓度在0.05水平上显著相关。其中空气负离子浓度与光合有效辐射最大值、光合有效辐射平均值、净辐射最大值、净辐射平均值和空气温度最大值、最小值和平均值均为负相关, 空气湿度最大值、最小值和平均值与空气负离子浓度为正相关。由表2可知, 各个自变量之间有较强的相关性, 相互影响较大。因此, 单纯的Pearson相关系数不能明确的表达气象因素对空气负离子浓度的影响。本研究采用通径分析方法定量评价自变量对因变量直接和间接影响。将x,x, ……,x与进行自变量逐步加入方法的回归分析, 通过F检验发现线性回归方程的显著性, 通过t检验寻找回归方程系数的显著性。去除<0.05水平上显著性差的变量, 结果表明饱和水汽压最低值(x),空气湿度最低值(x)和空气温度最低值(x)满足要求, 具体内容见表3。

表2 各变量之间的相关系数

注：表中未标注时间均为该时间点1小时内的平均值。*表示在置信度(双侧)为0.05水平上相关性显著; **表示在置信度(双侧)为0.01水平上相关性显著; -表示负相关。

表3 回归系数输出结果

3.4 气象因素对空气负离子浓度的通径分析

应用通径分析方法分析林缘地区空气负离子浓度与空气湿度最低值(x)、饱和水汽压最低值(x)和空气温度最低值(x)的真实关系, 具体结果见表4。由表4可知, 3个自变量对空气负离子浓度的直接作用中, 空气湿度最低值(x)对空气负离子浓度的作用最大, 饱和水汽压最低值(x)次之, 空气温度最低值(x)的直接作用最小。通过分析各个自变量的间接通径系数可发现, 饱和水汽压最低值(x)通过空气湿度最低值(x)对空气负离子浓度的影响最大, 为正效应; 其次为空气湿度最低值(x)通过饱和水汽压最低值(x)对空气负离子浓度有显著的负向效应。空气温度最低值的间接通径系数合计值最高, 说明空气温度最低值(x)通过空气湿度最低值(x)和饱和水汽压最低值(x)对空气负离子浓度的产生了最大的影响。其次为饱和水汽压最低值(x), 该自变量的直接通径系数最低, 但其间接通径系数较大, 说明该因素对空气负离子浓度的间接影响更显著。

4 讨论

前人对空气负离子浓度变化规律及其与气象因子相互关系进行了大量的研究, 但并没有得到一致的结论。针对负离子浓度的时间变化, 大部分研究成果认为夏季负离子浓度最高, 逐渐进入冬季后, 负离子浓度应呈现下降的趋势, 9月至10月期间, 负离子浓度也为下降的趋势[22–23], 与本研究结果相反。针对空气负离子浓度的日变化, 很多研究认为空气负离子浓度有明显的日变化趋势, 如12:00和14:00时负离子浓度达到峰值[24], 但是本研究中, 空气负离子浓度的变化虽然体现一定的规律性, 但是其最高值并不集中在某一个时间段, 空气负离子浓度最高的时间多集中在上午8:00和10:00, 中午12:00空气负离子浓度随着时间的变化有极大差异。海拔对林缘空气负离子浓度的影响与林内空气负离子浓度不同。已有研究针对海拔对空气负离子浓度的影响已有较多研究, 但是结果有较大差异[25–27]。已有研究中, 空气负离子浓度多随着海拔变化呈单独升高或者下降的趋势, 但是本研究中, 林缘地区空气负离子浓度成波浪型变化, 林内空气负离子浓度则呈现显著单峰型, 其整体变化趋势与林缘地区相反。已有的大分部研究都认为林内负离子浓度高于林外[28], 本研究中, 林内空气负离子浓度小于林缘地区, 可见林缘地区有着与有林地, 城市绿地, 无林地等完全不同的环境特性。

表4 气象因素与空气负离子浓度的通径系数

针对空气负离子浓度和气象因素相关性的研究开展较多, 大部分研究仅采用常规的线性回归分析, 无法评价各个气象因素之间的相互影响给空气负离子浓度带来的不同效应。例如, 空气负离子浓度与空气温度和空气湿度的相关性不同, 大部分研究结论认为空气负离子浓度与空气温度负相关[23], 与空气湿度正相关, 本研究结果也证明了该结论, 但也有研究得出不同的结果[6, 22, 29]。黄世成等[1]首次通过通径分析的方法对影响空气负离子浓度的气象因素进行分析, 认为日平均水汽压是空气负离子浓度的最大直接和间接影响因素。本研究采用的小时空气负离子浓度和气象因素数据, 除了气象因素的平均值, 也考虑了最高值和最低值。空气湿度最低值是对空气负离子浓度直接影响最大的气象因素; 空气温度最低值通过空气湿度最低值和饱和水汽压最低值形成对空气负离子浓度间接影响最大的气象因子组合, 该结果指标与其他研究人员的研究结果不完全相同, 但都说明了空气水分情况是影响空气负离子浓度的最大影响因素。

对于以上研究存在的差异, 可能由于以下3个方面的原因造成的：第一, 空气负离子浓度虽然与有限的气象因素表现出相关性, 但实际上受更多的气象因素影响, 因此会在不同的地区, 不同的气候条件下表现出不同的规律; 第二, 研究地点的下垫面差异较大, 林缘地区与林内具有完全不同的环境特征, 不仅从非生物角度影响空气负离子的生成和消亡, 也会通过影响生物生理特性来影响空气负离子浓度; 第三, 上述研究尺度从年到季到月均不相同, 负离子浓度对气象因素敏感, 研究尺度极大的影响研究结果。

5 结论

通过分析九龙山林缘地区空气负离子浓度并对其与气象因素之间的关系进行研究, 可以得出以下结论：10月的空气负离子浓度大于9月。9月空气负离子浓度的日变化较小, 10月上旬空气负离子浓度日变化呈单峰型, 10月中旬和下旬的空气负离子浓度日变化呈幂函数曲线型。光合有效辐射的最大值和平均值、净辐射的最大值和平均值、空气温度和空气湿度的最大值、最小值和平均值均与空气负离子浓度显著相关。对海拔300 m到700 m的林缘样带和相应的林内对照点观测研究表明, 林缘地区的空气负离子浓度平均值大于林内空气负离子浓度平均值。林缘地区空气负离子浓度的变化呈波浪型, 林内的空气负离子浓度变化则呈现显著的单峰型, 峰值位于海拔500 m处。对气象要素与空气负离子浓度的通径分析表明, 空气湿度最低值是空气负离子浓度的最大直接影响因素, 其次为空气温度最低值。空气温度最低值和饱和水汽压最低值是影响空气负离子浓度的主要间接因子。

空气负离子受多重因素综合作用, 这些因素在受生物和非生物环境影响下表现出极大的差异。本研究中空气负离子浓度的日变化规律和海拔变化规律均与以往研究有较大差异。气象因素对空气负离子浓度的影响与以往的研究也存在不同。本文定量研究了林缘地区空气负离子浓度的变化趋势和气象因素对空气负离子浓度影响, 该研究区域在以往的研究中并不多见, 补充了现有空气负离子研究区域的空白, 为构建森林康养基地建设规划提供数据基础。选择固定气象站的位置进行空气负离子浓度的监测, 保证了空气负离子浓度和气象要素观测时间和地点的一致性, 进而增加了其相关性研究的可靠性。但是由于气象因素之间相关性较高, 以及负离子对环境的敏感性导致单监测点的研究在具体的因子分析结果上仍存在极大的不确定性, 如何从负离子在不同的环境中生成及损耗机理的角度探明环境因子与空气负离子的关系, 需要在今后的观测实验中增加相关要素的控制实验, 并做进一步研究, 以便更好的为空气负离子资源的生态旅游开发和环境保护提供理论依据和数据支持。

[1] 黄世成, 徐春阳, 周嘉陵. 城市和森林空气负离子浓度与气象环境关系的通径分析[J].气象, 2012, 38 (11): 1417–1422.

[2] JOVANIĆ, B. R., JOVANIĆ, S. B. The Effect of high concentration of negative ions in the air on the chlorophyll content in Plant Leaves[J].Water Air & Soil Pollution, 2001, 129 (1-4): 259–265.

[3] 何平, 常顺利, 张毓涛, 等. 新疆森林游憩区空气负离子浓度时空分布特征及其影响因素[J].资源科学, 2015, 37 (3): 629–635.

[4] 蒙晋佳, 张燕. 地面上的空气负离子主要来源于植物的尖端放电[J].环境科学与技术, 2005, 28 (1): 112–113.

[5] 陈欢, 章家恩. 空气负离子浓度分布的影响因素研究综述[J].生态科学, 2010, 29 (2): 181–185.

[6] 王非, 李冰, 周蕴薇. 城市森林公园空气负离子浓度与气象因子的相关性[J].东北林业大学学报, 2016, 44 (2): 18–20.

[7] 司婷婷, 罗艳菊, 赵志忠, 等. 吊罗山热带雨林空气负离子浓度与气象要素的关系[J].资源科学, 2014, 36 (4): 788–792.

[8] 袁相洋, 孙迎雪, 田媛, 等. 北京市不同功能区空气负氧离子及影响因素研究[J].环境科学与技术, 2014, 37 (6): 97–102.

[9] 王晓磊, 李传荣, 许景伟, 等. 济南市南部山区不同模式庭院林空气负离子浓度[J].应用生态学报, 2013, 24 (2): 373–378.

[10] 唐春燕, 蔡哲, 肖安, 等. 井冈山空气负离子浓度特征及其与气象条件关系[J].安徽农业科学, 2011, 39 (1): 495– 496.

[11] 曹建新, 张宝贵, 张友杰, 等. 海滨、森林环境中空气负离子分布特征及其与环境因子的关系[J].生态环境学报, 2017(8): 1375–1383.

[12] 潘剑彬, 董丽, 晏海. 北京奥林匹克森林公园绿地空气负离子密度季节和年度变化特征[J].东北林业大学学报, 2012, 40 (9): 44–50.

[13] 李少宁, 鲁绍伟, 赵云阁, 等. 北京市7种经济林空气负离子特征研究[J].西南林业大学学报(自然科学), 2018(1): 85–90.

[14] 陶宝先, 张金池. 南京地区主要森林类型空气负离子变化特征[J].南京林业大学学报(自然科学版), 2012, 36 (2): 147–150.

[15] 郭志华, 张旭东, 黄玲玲, 等. 落叶阔叶树种蒙古栎()对林缘不同光环境光能和水分的利用[J].生态学报, 2006, 26 (4): 1047–1056.

[16] 马丽君, 孙根年, 康国栋, 等. 北京旅游气候舒适度与客流量年内变化相关分析[J].干旱区资源与环境, 2009, 23 (2): 97–102.

[17] 王海军. 两种湿球温度估计方法比较及误差分析[J].气象, 2011, 37 (4): 497–502.

[18] 李蕊, 牛生杰, 汪玲玲, 等. 三种下垫面温度对比观测及结冰气象条件分析[J].气象, 2011, 37 (3): 325–333.

[19] 鲁春阳, 文枫, 杨庆媛. 城市土地利用结构影响因素的通径分析——以重庆市为例[J].地理科学, 2012, 32 (8): 936–943.

[20] 蔡甲冰, 许迪, 刘钰, 等. 冬小麦返青后腾发量时空尺度效应的通径分析[J].农业工程学报, 2011, 27 (8): 69–76.

[21] 孙书存, 钱能斌. 刺旋花种群形态参数的通径分析与亚灌木个体生物量建模[J].应用生态学报, 1999, 10 (2): 155–158.

[22] 张建国, 徐文俊, 崔会平, 等. 衢州大橘海森林公园空气负离子浓度变化[J].浙江农林大学学报, 2016, 33 (1): 26–32.

[23] 孙晓梅, 付圣东, 黄彦青, 等. 栎林内空气负离子变化特征与气象因子关系研究[J].沈阳农业大学学报, 2014, 45 (5): 548–551.

[24] 单晟烨, 齐超, 张冬有. 漠河针叶林空气负离子浓度日变化特征研究[J].中国农学通报, 2015, 31 (25): 13–18.

[25] 曾曙才, 苏志尧, 陈北光. 广州绿地空气负离子水平及其影响因子[J].生态学杂志, 2007, 26 (7): 1049–1053.

[26] 姚成胜, 吴甫成, 陈咏淑, 等. 岳麓山及其周围地区空气负离子变化初探[J].云南地理环境研究, 2004, 16 (3): 23–26.

[27] 邵海荣, 贺庆棠. 森林与空气负离子[J].世界林业研究, 2000, 13 (5): 19–23.

[28] 邵海荣, 贺庆棠, 阎海平, 等. 北京地区空气负离子浓度时空变化特征的研究[J].北京林业大学学报, 2005, 27 (3): 35–39.

[29] 任晓旭, 陈勤娟, 董建华, 等. 杭州城区空气负离子特征及其与气象因子的关系[J].环境保护科学, 2016, 42 (3): 109–112.

Characteristics of air anion change and its relationship with meteorological factors in forest margin area of Jiulong Mountain

YU Hai, XIN Xuebing, PEI Shunxiang, WU Di, WU Sha, FA Lei, MA Shumin, GUO Hui*

Forestry Experimental Center of North China, Chinese Academy of Forestry, Beijing 102300, China

In this paper, the characteristics of changes in negative air ion concentration were investigated at forest edge of Jiulong mountain. We monitored the diurnal dynamic of negative air ion concentration and its variations along with the altitudinal gradient at forest edge and in the forest interior in September and October, 2017. Meantime, the mean, maximum, and minimum values of air temperature, air humidity, wind speed, saturated vapor pressure, net radiation, and effective radiation of photosynthesis were concurrently measured, and a path analysis was applied to quantitatively explore the relationships between meteorological factors and negative air ion concentration. The results showed that: (1) The average concentration of negative air ions in October was 80% higher than that in September. The diurnal variation of negative air ions concentration presented a trendency of decrease in September. The diurnal change showed a single peak curve in the early October, but it presented a curve of power function and had a downward trend in the mid and late October. (2) The concentration of negative air ions was 4% higher at forest edge than that in the forest interior. The concentration of negative air ions showed a wave shape along with the altitudinal gradient at forest edge; in contrast, it presented a clear single peak type along with the elevation gradient in the forest interior. (3) By using stepwise regression analysis, the minimum air humidity, saturated vapor pressure, and air temperature were extracted from all the meteorological factors to conduct the path analysis. The direct path coefficients of these three selected meteorological factors were 1.064, -0.817, and 0.468, respectively. Therefore, the lowest air humidity was the dominantly direct factor that affected the concentration of negative air ions. The minimum air temperature was the main indirect factor via influencing the minimum air humidity and saturated vapor pressure. We highlight the importance of forest edge area in forest health planning by contrasting the concentration of negative air ions at forest edge and in the forest interior.

forest edge; negative air ions; path analysis; correlation and dependence

10.14108/j.cnki.1008-8873.2018.06.025

S716.1

A

1008-8873(2018)06-191-08

2018-06-06;

2018-07-31

中国林科院基本科研业务费专项资金(CAFYBB2014MA017)

余海(1979—), 男, 四川成都人, 硕士研究生, 工程师, 主要从事森林生态学, E-mail: 20376522@qq.com

郭慧, 女, 博士, 工程师, 主要从事3S技术在森林生态学中应用研究, E-mail: guohuistz@126.com

余海, 辛学兵, 裴顺祥, 等. 九龙山林缘地区空气负离子浓度变化特征及与气象因素关系[J]. 生态科学, 2018, 37(6): 191-198.

YU Hai, XIN Xuebing, PEI Shunxiang, et al. Characteristics of air anion change and its relationship with meteorological factors in forest margin area of Jiulong Mountain[J]. Ecological Science, 2018, 37(6): 191-198.