不同模式防护林内PM2.5浓度变化及其影响因子分析

摘要：【目的】探究不同模式防护林内直径≤2.5μm的是浮颗粒物（PM2.5）浓度变化及其影响因子，为优化防护林植物配置，建设宜居城市环境提供理论参考依据。【方法】以6种植物配置模式（榉树+桃树混交林、落羽杉纯林、落羽杉+石楠混交林、女贞+落羽杉混交林、女贞纯林和榉树+樱花混交林）且林龄均在10年左右的防护林为研究对象，空旷地作为对照（CK），测定防护林和CK的空气温度、空气湿度、气压、风向、PM2.5浓度、光照强度6种环境因子及9种土壤理化因子，并分析不同防护林模式下气候和土壤因子之间相关性；通过建立随机森林模型分析不同种植模式的重要性得分。【结果】落羽杉纯林、落羽杉+石楠混交林、女贞+落羽杉混交林模式下PM2.5浓度低于榉树+桃树混交林、女贞纯林和榉树+樱花混交林3种防护林模式和CK。7个监测点的土壤pH均呈弱碱性，女贞+落羽杉混交林和女贞纯林模式的有机质含量显著高于其他防护林模式和CK（Plt;0.05），落羽杉纯林模式下有效磷含量为最高值，为14.53 mg/kg。相关分析结果表明，PM2.5浓度与空气湿度、土壤微生物碳和土壤微生物氮含量之间呈极显著正相关（Plt;0.01，下同），与空气温度呈极显著负相关，铵态氮与PM2.5浓度相关性不显著（Pgt;0.05）。随机森林模型结果显示，空气温度、空气湿度、气压、风向、光照强度、土壤微生物碳、土壤微生物氮和含水量对PM2.5浓度影响的重要性得分较高。【结论】不同防护林模式下的风向和PM2.5浓度有差异，空气温度、空气湿度、土壤微生物碳和土壤微生物氮含量是影响大气PM2.5浓度变化的重要因子，防护林配置落羽杉能有效降低大气PM2.5浓度。

关键词：防护林；环境因子；PM2.5；土壤微生物碳；土壤微生物氮

中图分类号：S727.2文献标志码：A文章编号：2095-1191（2024）09-2689-12

Variation of PM2.5 concentration and its influencing factors in protective forests under different patterns

LI Li-wen1，2，3，ZHOU Run-yang3，WAN Xin1，2*，XING Wei1，2

（1Jiangsu Academy of Forestry Sciences，Nanjing，Jiangsu 211153，China；2Jiangsu Yangzhou Urban Forest EcosystemNational Observation and Research Station，Yangzhou，Jiangsu 225000，China；3College of Horticulture andLandscape Architecture，Yangzhou University，Yangzhou，Jiangsu 225009，China）

Abstract：【Objective】To explore the variations in（PM2.5）concentrations in different protective forest patterns and their influencing factors，which could provide theoretical basis for optimizing plant arrangements in protective forests and for the development of livable urban environments.【Method】This study focused on 6 plant configuration patterns within protective forests，including mixed forests of Zelkova serrata and Prunus persica，pure stands of Taxodium distichum，mixed forests of Taxodium distichum and Photinia serratifolia，mixed forests of Ligustrum lucidum and Taxodium disti-chum，pure stands of Ligustrum lucidum，and mixed forests of Zelkova serrata and Prunus serrulata，all with an approxi-mate stand age of 10 years.An open space served as the control（CK）.The 6 environmental factors（air temperature，air humidity，atmospheric pressure，wind direction，PM2.5 concentration and light intensity）and 9 soil physicochemical pro-perties were measured in both the protective forests and the control site.Correlations between climatic and soil factorsacross different protective forest patterns were analyzed.A random forest model was employed to assess the importance scores of different planting patterns.【Result】PM2.5 concentrations under pure stands of Taxodium distichum，mixed forests of Taxodium distichum and Photinia serratifolia and mixed forests of Ligustrum lucidum and Taxodium distichum were lower than those in mixed forests of Zelkova serrata and Prunus persica，pure stands of Ligustrum lucidum，mixed forests of Zelkova serrata and Prunus serrulata，as well as the CK site.Soil pH at all 7 monitoring points was slightly alkaline.Organic matter content in mixed forests of Ligustrum lucidum and Taxodium distichum and pure stands of Ligustrum lucidum was significantly higher than in other protective forest patterns and the CK（Plt;0.05）.The highest available phos-phorus content（14.53 mg/kg）was found in pure stands of Taxodium distichum.Correlation analysis indicated that PM2.5 concentration was extremely significantly positively correlated with air humidity，soil microbial carbon content and soil microbial nitrogen content（Plt;0.01，the same below），and extremely significantly negatively correlated with air tempera-ture.There was no significant correlation with ammonium nitrogen（Pgt;0.05）.Additionally，the random forest model revealed that air temperature，air humidity，atmospheric pressure，wind direction，light intensity，soil microbial carbon，soil microbial nitrogen and moisture content had high importance scores in influencing PM2.5 concentration.【Conclusion】There are differences in wind direction and PM2.5 concentrations under various protective forest patterns.Air temperature，air humidity，soil microbial carbon，and soil microbial nitrogen content are important factors affecting atmospheric PM2.5 concentration variations.The inclusion of Taxodium distichum in protective forest configurations can effectively reduce atmospheric PM2.5 concentrations.

Key words：protective forest；environmental factor；PM2.5；soil microbial carbon；soil microbial nitrogen

Foundation items：Jiangsu Forestry Science and Technology Innovation and Promotion Project（LYKJ〔2021〕38）

0引言

【研究意义】有关大气颗粒物的来源及组成已开展诸多相关研究（Aller etal.，2005；Shah etal.，2006；车瑞俊等，2007）。大气颗粒物是大气中存在的各种固态和液态颗粒状物质的总称。各种颗粒状物质均匀地分散在空气中构成一个相对稳定庞大的悬浮体系，即气溶胶体系，因此大气颗粒物也被称为大气气溶胶。颗粒物成分与其来源有关，可根据污染物组分与颗粒物组分对比判断颗粒来源（Aller et al.，2005；Luo et al.，2005）。大气颗粒物是评价空气质量的重要标准，且会对人类身体健康造成影响。颗粒物对儿童、孕妇和老人的危害尤为严重（Lippmann et al.，2003）。小颗粒物对儿童的心肺功能有显著影响（Pekkanen etal.，1997）。粒径在2.5μm以下的颗粒物可避开上呼吸道组织直接进入肺泡，且存留时间较长（周忠凯等，2022）。PM2.5又称为细颗粒物，是指大气中直径≤2.5μm的悬浮颗粒物（杨复沫等，2000；王冰和张承中，2009；傅敏宁等，2011）。相较于较大的悬浮颗粒物，PM2.5粒径小，比表面积大，活性强，易携带有毒物质，且在大气中停留时间较长（Chan et al.，1999；Pope et al.，2002）。随着现代化进程加快，大气中PM2.5不断积累，导致发生雾霾天气的次数不断增加。人们长期暴露于大气颗粒物中会增加死亡风险（Strand et al.，2012）。因此，探究不同模式的防护林内PM2.5浓度变化及其影响因子，对优化防护林植物配置，建设宜居城市环境具有重要意义。【前人研究进展】诸多研究表明，森林在吸收大气污染物及改善空气质量方面效果显著（Yang et al.，2005；Nowak etal.，2006）。植被可通过叶片气孔、分泌物及蜡质层吸附大气颗粒物，从而达到净化空气、降低大气中PM2.5浓度的作用。植物表面能有效滞留大气颗粒物，可降低空气中PM2.5等颗粒物浓度，这是植物茎、叶等器官与大气中颗粒物相互作用的结果（Becker et al.，2000）。植物叶片是滞留大气污染物的重要器官，叶片表面的特殊形态，如气孔和毛状体均能有效吸附大气颗粒物（Kaupp etal.，2000；Jouraeva et al.，2002）。大量树木组成森林对削减大气颗粒物浓度的作用会更强（Yang et al.，2005）。此外，PM2.5浓度还受多种因素共同作用。彭金龙等（2017）通过多元回归分析发现，降雨量、风速、平均气温等对PM2.5浓度均有较大影响，降雨能依靠冲刷沉降作用消减PM2.5浓度，风速则影响大气颗粒物流动和扩散，温度影响大气层结构的稳定（蒋燕等，2016）。曹军等（2023）研究发现土壤中的无机盐，尤其是硝酸盐，是导致大气PM2.5浓度升高的重要因素，硝酸盐等无机盐的存在还会影响颗粒物的理化性质，如吸湿性、密度等，进而影响PM2.5的生成和分布。空气污染程度不同会造成防护林对PM2.5离子的吸附能力不同（牛庆花，2019），并影响消减PM2.5等空气悬浮颗粒物的能力（包红光等，2016）。此外，诸多学者已开展了在不同配置模式下城市绿地对PM2.5的阻滞作用以及小气候因子与林带减尘率关系等方面研究（刘旭辉等，2014；王会霞等，2015；张淑平等，2016；邱玲等，2018）。包红光等（2016）研究发现，阔叶乔木林、阔叶乔草林在距道路165m以上宽度处出现正消减作用，针阔混交林在45m以上宽度处出现正消减作用，并能维持正消减作用；刘浩栋等（2020）研究发现，不同的防护林模式对PM2.5浓度影响存在季节性变化，例如，春夏季节对PM2.5阻滞能力最强的是乔灌草结构，其次是针阔混交乔木结构、单排乔木结构；而秋冬季节，只有针阔混交乔木单排乔木和乔灌草阻滞效果较好。随机森林是Breiman于2001年提出的一种机器学习方法，是一种以决策树为基分类器的Bagging集成算法，目前已广泛应用于回归和分类（Breiman，2001）。该方法通过组合多个决策树完成分类和回归。首先，从样本数据中利用自助抽样形成N个样本；其次，对每个样本分别建立回归树模型构成相应决策树，最后以N个回归树模型结果的平均值获得最终结果。与其他模型相比，随机森林模型具有提高预测精度、减少过拟合、对缺失数据和多元共线性不敏感，且具有简单处理大量的定量和定性数据能力的优点（李欣海，2013）。【本研究切入点】当前城市污染严重，防护林种植模式较为单一，不能满足居民生活对环境的需求，除此之外，有关不同模式防护林内PM2.5浓度变化及其影响因子的研究鲜有报道。【拟解决的关键问题】基于观测站点收集的PM2.5浓度数据，辅以同期气象观测资料及土壤理化性质指标的测定结果，探讨不同植物配置模式下防护林中大气PM2.5浓度变化，分析PM2.5浓度与其他环境因子的相关性，为优化防护林配置，建设宜居城市环境提供参考依据。

1材料与方法

1.1试验地概况

于江苏省泰州市姜堰区三水街道小杨村（32°32′N～32°34′N，120°5′E～120°6′E）开展试验，选择较为常见的6种不同植物配置模式且林龄均在10年左右的防护林作为研究对象，分别是榉树（Zelkova serrata）+桃树（Prunus persica）混交林、落羽杉（Taxodium distichum）纯林、落羽杉+石楠（Photinia serratifolia）混交林、女贞（Ligustrum lucidum）+落羽杉混交林、女贞纯林、榉树+樱花（Prunus serrulata）混交林。另选1处空旷地作为空白对照（CK），已布设7个监测点的地理位置示意图见图1。经实地调研，6种植物配置模式的防护林均栽植2行，株行距为3 m×4m，带宽4m。具体情况如表1所示。

1.2测量方法及数据收集

采用长期固定观测与人工辅助观测相结合的方法，对不同种植模式防护林下的环境因子进行实时监测与评价。7个观测地分别安装自动观测设备，测定环境因子传感器信息见表2所示。为保证7个观测地的同步监测，试验前对监测仪器进行同步测量和统一校正。长期固定观测主要通过布设的小型自动气象站，对气压、风向、PM2.5浓度和光照强度进行实时监测（每间隔1h记录1次），共收集65520组数据。人工辅助观测使用土钻从0～20 cm深处采集各防护林下的根际土壤，在每个防护林观测点内，采集3个不同地点土壤作为代表性样品。去除样品中所有凋落物、细根、小石头和其他杂质，将样本彻底混合。将每个样品包装在无菌塑料袋中，密封，使用冰盒带回实验室，用于测定7个观测点基础土壤理化性质。

1.3土壤理化性质及微生物碳、氮含量指标测定方法

将新鲜土样分成两份，保留一半土样，另一半土样经自然风干后，去除杂物后，经研磨，过筛、装袋、称重后待测。

土壤基本理化性质参照鲍士旦（2000）的方法测定。pH采用pH计测定；电导率采用电导率计测定；含水量采用重量法测定；有机质含量用重铬酸钾滴定法测定；硝态氮和铵态氮含量采用紫外分光光度法测定；有效磷含量测定采用碳酸氢钠法和氟化铵—盐酸法测定。

土壤微生物碳和土壤微生物氮含量采用氯仿熏蒸-K2SO4浸提法测定（Vance et al.，1987；Joergensen，1996），称取新鲜土壤10 g放入干燥器中，干燥至氯仿沸腾并保持至少2 min。干燥结束后将土样于黑暗中静置24h，用反复抽真空方法除去残存氯仿，同时，称同样质量的新鲜土壤1份，不进行熏蒸处理，使用K2SO4溶液浸提、振荡和过滤。过滤后滤液中的土壤微生物碳含量采用重铬酸钾氧化法测定，土壤微生物氮含量采用凯氏定氮法测定。

1.4统计分析

1.4.1环境因子比较分析采用RStudio 4.4.1分析环境因子在不同防护林模式下差异。

1.4.2相关分析矩阵采用Pearson相关分析，从整体上探讨6种防护林模式下环境因子间的相关性。采用Excel 2019进行数据处理，使用R语言读取，利用rstatix函数和psych函数对环境因子进行相关性分析，并通过Ggally函数与ggplot2函数制图。1.4.3随机森林分析随机森林模型构建利用R语言randomForest包。计算公式参考施光耀等（2021），如下：

式中：R2表示预测方法的决定系数。pi和oi为预测值和观测值，oi是观测值的平均值。VIn（Xj）表示变量Xj在第n株树的重要性。NooB为袋外样本数；f（Xi）为袋外数据第i次观测值；fn（Xi）是袋外数据在随机替换变量Xi的观测值之前的第n棵树上的第i个观测值的结果。对应的预测值fn（Xi'）是随机替换变量Xi的观测值后，第n棵树上袋外数据的第i个观测值对应的预测值；I［f（Xi）=fn（Xi）］和I［f（Xi）=fn（Xi'）］是判别函数，当f（Xi）=fn（Xi）或f（Xi）=fn（Xi'）时，值为1；当f（Xi）≠fn（Xi）或f（Xi）≠fn（Xi'）时，值为0。

本研究采用随机森林模型计算的具体步骤如下：

（1）将数据样本在Excel 2019表格中进行预处理。

（2）采用RStudio 4.4.1读取预处理的样本数据，并设置对应7个样地的种子，利用importance函数计算出每个变量对PM2.5浓度的重要性得分，构成对应决策树。

（3）利用cor函数计算环境因子与PM2.5浓度之间的相关性。通过回归树模型计算获得最终结果。

（4）利用ggplot函数得到随机森林重要性得分及相关性热图。

2结果与分析

2.1不同防护林模式下环境因子差异分析结果

由图2可知，通过对不同防护林模式和CK的风向、气压、光照强度、PM2.5浓度、空气温度和空气湿度环境因子进行检测分析发现，7个监测点的风向有差异，榉树+桃树混交林与榉树+樱花混交林模式的风向相似，落羽杉+石楠混交林与CK的风向相似，6种防护林模式与CK的气压和光照强度较为相似，女贞+落羽杉混交林与其他5种防护林模式和CK的湿度有较大差异，榉树+樱花混交林与CK的空气温度较为相似。PM2.5浓度变化结果表明，落羽杉纯林、落羽杉+石楠混交林、女贞+落羽杉混交林模式下PM2.5浓度低于榉树+桃树混交林、女贞纯林和榉树+樱花混交林3种防护林模式和CK，说明不同防护林模式的风向和PM2.5浓度有所区别。

2.2不同防护林模式下土壤理化性质分析结果

由图3可知，7个监测点的土壤pH均呈弱碱性，榉树+桃树混交林、落羽杉纯林、榉树+樱花混交林模式下的pH显著高于CK（rlt;0.05，下同）。女贞纯林模式下电导率、铵态氮和硝态氮含量均为最高值，且该模式下电导率和硝态氮含量均显著高于CK。落羽杉纯林和女贞+落羽杉混交林模式下含水量最高，显著高于其他防护林模式和CK。女贞+落羽杉混交林和女贞纯林模式下有机质含量显著高于其他防护林和CK。落羽杉纯林模式下有效磷含量为最高值，为14.53 mg/kg，显著高于除落羽杉+石楠混交林外的其他防护林模式和CK。此外，通过对土壤微生物碳和土壤微生物氮含量进行测定，结果（图4）显示，落羽杉纯林、落羽杉+石楠混交林和榉树+樱花混交林模式下的土壤微生物碳和土壤微生物氮含量均显著高于其他防护林模式和CK。

2.3不同防护林模式下环境因子的相关分析结果

对与防护林有关的15个环境因子进行相关分析，结果（图5）显示，PM2.5浓度与空气湿度、土壤微生物碳和土壤微生物氮含量之间呈极显著正相关（rlt;0.01，下同），与空气温度呈极显著负相关，说明空气温度、湿度和土壤微生物碳、土壤微生物氮含量对于调节大气中PM2.5浓度具有重要作用。铵态氮与PM2.5浓度相关性不显著（rgt;0.05，下同）。

通过随机森林模型研究能揭示影响PM2.5浓度的环境因素在不同种植模式下的重要性得分，结果如图6所示。除女贞+落羽杉混交林模式外，其他5种防护林模式和CK的空气温度、空气湿度的重要性得分均较高。除女贞+落羽杉混交林模式下空气温度与PM2.5浓度均呈正相关外，其他5种防护林和CK下的空气温度与PM2.5浓度均呈负相关，而空气湿度正好相反，除女贞+落羽杉混交林空气湿度与PM2.5浓度均呈负相关外，其他5种种植模式和CK下的空气湿度均与PM2.5浓度均呈正相关。在落羽杉纯林、榉树+樱花混交林模式及CK的气压重要性得分较高，其中在女贞纯林模式下的重要性得分较低，此外，在CK下，各指标与PM2.5浓度间的相关性整体较小；除女贞纯林模式外，其他种植模式和CK下风向的重要性得分均较高；仅CK下光照有较小的重要性得分，防护林模式下光照均无重要性得分，说明在防护林种植模式下光照对PM2.5浓度的影响不明显；仅在女贞纯林和榉树+樱花混交林模式下有机质有较小的重要性得分。

从随机森林结果所有这一列指标可以看出，6种防护林种植模式和CK的空气温度、空气湿度、气压、风向、光照强度、土壤微生物碳和土壤微生物氮含量及含水量对PM2.5浓度的影响重要性得分较高，其中光照的重要性得分最小。

3讨论

森林在吸收大气污染物，改善空气质量方面效果显著（Yang et al.，2005；Nowak etal.，2006；Esco-bedo and Nowak，2009）。植被可通过叶片气孔、分泌物及蜡质层吸附大气颗粒物，从而达到净化空气、降低大气中PM2.5浓度的作用。森林对大气颗粒物的阻滞吸附作用主要通过减尘作用实现（王赞红和李纪标，2006；杨进怀，2012）。本研究发现，落羽杉纯林、女贞+落羽杉混交林和落羽杉+石楠混交林模式PM2.5浓度低于其他3种防护林模式和CK，说明这3种防护林模式能有效减少大气中的PM2.5浓度，说明不同防护林模式的风向和PM2.5浓度有所区别，与刘萌萌（2014）研究发现防护林对PM2.5离子的吸附能力在不同空气污染程度上表现存在差异的结果一致。

本研究结果表明，空气温度是影响PM2.5浓度的重要因子，其与PM2.5浓度呈极负相关，除女贞+落羽杉混交林外，其他5种防护林模式和CK的空气温度重要性得分均较高，与前人的研究结果（Aldrin andHaff，2005；车瑞俊等，2007；刘萌萌，2014）一致。不同模式的防护林在不同程度上降低了空气温度，从而影响大气对流层内垂直对流运动，该运动随着温度降低而减弱，进而让PM2.5难以扩散，导致PM2.5浓度增加（刘萌萌，2014）。此外，有部分学者却认为气温升高会促进光化学反应，产生更多的PM前驱体2.5等二次污染物，从而增加大气中PM2.5的含量（Zhang et al.，2015a；Zhang et al.，2015b；Zhang et al.，2015c；Zhang et al.，2015d）。不同地区空气温度对PM2.5浓度的影响会通过不同作用机制造成不同效果（Chen et al.，2020），可能是地理环境、社会环境等因素不同导致，因此，有关空气温度和PM2.5浓度之间的关系有待进一步分析更多环境因素指标进行深入研究。

本研究结果表明，空气湿度也是影响PM2.5浓度的重要因子之一，而且空气湿度与PM2.5浓度呈极显著正相关，且空气湿度影响PM2.5浓度的重要性得分较高。前人研究表明，PM2.5浓度随着蒸汽浓度增加而增加，而较高湿度会造成PM2.5附着更多的蒸汽（Wang and Ogawa，2015；Liao et al.，2017），本研究结果与之一致，也与王淑英和张小玲（2002）研究发现的湿度接近饱和时的天气不利于颗粒物扩散，导致颗粒物浓度增加的研究结果一致，但与刘娜等（2014）研究发现PM2.5会发生湿沉降，当空气湿度增大到一定程度时，PM2.5浓度会降低的结果有差异。因此，有关空气湿度对雾霾天气下PM2.5浓度的影响还有待进一步研究。

不同树种的形态特征各异，滞留颗粒物的能力也不同。前人研究通过风洞模拟试验证明针叶树对颗粒物的沉积速率和捕获效率均大于阔叶树，针叶树滞留颗粒物的能力更强（Beckett et al.，2000；Freer-Smith et al.，2004）。本研究发现，7个监测点的风向有差异，榉树+桃树混交林与榉树+樱花混交林的风向相似，落羽杉+石楠混交林与CK的风向相似，说明防护林能改变风向，与王珍（2010）研究发现木麻黄防护林树干高大，枝叶繁茂，对空气的流动起阻碍作用，能够控制气团的移动，降低风速，改变风向，使风力变小的结果相似。本研究还发现，榉树+桃树混交林、女贞纯林和榉树+樱花混交林3种模式下PM2.5浓度较高，而落羽杉纯林、女贞+落羽杉混交林和落羽杉+石楠混交林模式下PM2.5浓度较低，表明落羽杉能有效降低大气PM2.5浓度。

研究表明土壤铵态氮含量对大气PM2.5浓度有重要作用，氮氧化物是PM2.5的重要前体物质（Gu et al.，2012）。本研究结果显示铵态氮与PM2.5浓度无显著相关性，与前人研究结果不一致。此外，防护林会对土壤的pH产生影响（Wu et al.，2023）。本研究发现7个监测点的土壤pH均呈弱碱性，但6种防护林模式下pH均略高于CK，说明防护林模式对土壤都有一定的碱化，与防护林会对土壤有一定程度酸化的研究结果（牛庆花，2019；Nguyen et al.，2023）不一致。

4结论

落羽杉纯林、女贞+落羽杉混交林和落羽杉+石楠混交林均能有效降低大气PM2.5浓度。不同防护林模式下的风向和PM2.5浓度有差异，空气温度、空气湿度、土壤微生物量碳和土壤微生物量氮含量是影响大气PM2.5浓度变化的重要因子，防护林配置落羽杉能有效降低大气PM2.5浓度。

参考文献（References）：

包红光，王成，郄光发，杜万光，孙丽.2016.城市公园外侧防护林结构对外源PM2.5的消减作用［J］.生态环境学报，25（6）：987-993.［Bao H G，Wang C，Qie G F，Du W G，Sun L.2016.The effect of forest shelter belt on subduction of PM2.5 in urban parks［J］.Ecology and Environmental Scien-ces，25（6）：987-993.］doi：10.16258/j.cnki.1674-5906.2016.06.011.

鲍士旦.2000.土壤农化分析［M］.第3版.北京：中国农业出版社.［Bao S D.2000.Soil agrochemical analysis［M］.The 3rd Edition.Beijing：China Agriculture Press.］

曹军，谢佳丽，孙娟，李锦雯，徐政，华陈杰，张雨生，宋柏颖，刘永春.2023.硫酸铵和硝酸铵对镇江市大气PM2.5理化性质的影响［J］.环境科学，44（10）：5356-5369.［Cao J，Xie J L，Sun J，Li J W，Xu Z，Hua C J，Zhang Y S，Song B Y，Liu Y C.2023.Influence of ammonium sulfate and ammonium nitrate on the properties of ambient PM2.5 in Zhenjiang［J］.Environmental Science，44（10）：5356-5369.］doi：10.13227/j.hjkx.202210270.

车瑞俊，刘大锰，袁杨森.2007.北京冬季大气颗粒物污染水平和影响因素研究［J］.中国科学院大学学报，24（5）：556-563.［Che R J，Liu D M，Yuan Y S.2007.Research on the pollution level and affecting factors of atmospheric par-ticulates in Beijing City during winter［J］.Journal of Uni-versity of Chinese Academy of Sciences，24（5）：556-563.］doi：10.3969/j.issn.1002-1175.2007.05.002.

傅敏宁，郑有飞，徐星生，牛鲁燕.2011.PM2.5监测及评价研究进展［J］.气象与减灾研究，34（4）：1-6.［Fu M N，Zheng Y F，Xu X S，Niu L Y.2011.Advances of study on moni-toring and evaluation of PM2.5［J］.Meteorology and Disas-ter Reduction Research，34（4）：1-6.］doi：10.3969/j.issn.1007-9033.2011.04.001.

蒋燕，陈波，鲁绍伟，李少宁.2016.北京城市森林PM2.5质量浓度特征及影响因素分析［J］.生态环境学报，25（3）：447-457.［Jiang Y，Chen B，Lu S W，Li S N.2016.Analy-sis on characteristics and influential factors of PM2.5 mass concentration in Beijing’s urban forest［J］.Ecology and Environmental Sciences，25（3）：447-457.］doi：10.16258/j.cnki.1674-5906.2016.03.012.

李欣海.2013.随机森林模型在分类与回归分析中的应用［J］.应用昆虫学报，50（4）：1190-1197.［Li X H.2013.Using“random forest”for classification and regression［J］.Chi-nese Journal of Applied Entomology，50（4）：1190-1197.］

刘浩栋，陈亚静，李清殿，肖茂，郭慧玲，申卫星，谭亚军，李传荣.2020.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，37（3）：397-406.［Liu H D，Chen Y J，Li Q D，Xiao M，Guo H L，Shen W X，Tan Y J，Li C R.2020.Analysis of blocking effects of urban road-side forests on PM2.5［J］.Journal of Zhejiang Aamp;F Uni-versity，37（3）：397-406.］doi：10.11833/j.issn.2095-0756.20190335.

刘萌萌.2014.林带对阻滞吸附PM2.5等颗粒物的影响研究［D］.北京：北京林业大学.［Liu M M.2014.Studies oninfluence of the forest belt to intercept and adsorb particu-late matter［D］.Beijing：Beijing Forestry University.］

刘娜，冯新斌，Landis Matthcw，陈卓，仇广乐.2014.贵阳市大气颗粒物（PM2.5）污染特征及气象参数的影响［J］.地球与环境学报，42（3）：311-315.［Liu N，Feng X B，Landis M，Chen Z，Qiu G L.2014.Pollution characteristics of PM2.5 in Guiyang and its influence on meteorological parameters［J］.Earth and Environment，42（3）：311-315.］doi：10.14050/j.cnki.1672-9250.2014.03.016.

刘旭辉，余新晓，张振明，刘萌萌，阮氏青草.2014.林带内PM2.5，PM2.5污染特征及其与气象条件的关系［J］.生态学杂志，33（7）：1715-1721.［Liu X H，Yu X X，Zhang Z M，Liu M M，Ruanshi Q C.2014.Pollution characteristics of atmospheric particulates in forest belts and their relation-ship with meteorological conditions［J］.Chinese Journal of Ecology，33（7）：1715-1721.］doi：10.13292/j.1000-4890.20140422.016.

牛庆花.2019.御道口地区主要林分类型防护效益分析［D］.保定：河北农业大学.［Niu Q H.2019.Analysis on protec-tion benefit of main forest types in Yudaokou area［D］.Baoding：Hebei Agricultural University.］doi：10.27109/d.cnki.ghbnu.2019.000392.

彭金龙，关欣，杨思培，王广，李巧云.2017.气象因素对长沙颗粒物浓度影响的季节性差异分析［J］.四川环境，36（4）：103-108.［Peng J L，Guan X，Yang S P，Wang G，Li Q Y.2017.The differential effects of meteorological fac-tors on the particulate concentration among seasons in Changsha［J］.Sichuan Environment，36（4）：103-108.］doi：10.14034/j.cnki.schj.2017.04.019.

邱玲，刘芳，张祥，高天.2018.城市公园不同植被结构绿地削减空气颗粒物浓度研究［J］.环境科学研究，31（10），1685-1694.［Qiu L，Liu F，Zhang X，Gao T.2018.Redu-cing effect of air particulate matter concentration by green spaces with different vegetation structure in city parks［J］.Research of Environmental Sciences，31（10）：1685-1694.］doi：10.13198/j.issn.10016929.2018.06.29.

施光耀，周宇，桑玉强，张劲松，孟平，蔡露露，裴松义，王尧.2021.基于随机森林方法分析环境因子对空气负离子的影响［J］.中国农业气象，42（5）：390-401.［Shi G Y，Zhou Y，Sang Y Q，Zhang J S，Meng P，Cai L L，Pei S Y，Wang Y.2021.Influence of environmental factors on negative air ion using random forest algorithm［J］.Chinese Journal of Agrometeorology，42（5）：390-401.］doi：10.3969/j.issn.1000-6362.2021.05.004.

王冰，张承中.2009.大气可吸入颗粒物PM2.5研究进展［J］.中国科技信息，（8）：25-26.［Wang B，Zhang C Z.2009.Research progress on atmospheric inhalable particulate matter PM2.5［J］.China Science and Technology Informa-tion，（8）：25-26.］doi：10.3969/j.issn.1001-8972.2009.08.008.

王会霞，石辉，王彦辉.2015.典型天气下植物叶面滞尘动态变化［J］.生态学报，35（6）：1696-1705.［Wang H X，Shi H，Wang Y H.2015.Dynamics of the captured quantity of particulate matter by plant leaves under typical weather conditions［J］.Acta Ecologica Sinica，35（6）：1696-1705.］doi：10.5846/stxb201306051356.

王淑英，张小玲.2002.北京地区PM10污染的气象特征［J］.应用气象学报.13（S1）：177-184.［Wang S Y，Zhang X L.2002.Meteorological features of PM10 pollution in Beijing［J］.Journal of Applied Meteorological Science，13（S1）：177-184.］doi：10.3969/j.issn.1001-7313.2002.z 1.020.

王赞红，李纪标.2006.城市街道常绿灌木植物叶片滞尘能力及滞尘颗粒物形态［J］.生态环境，15（2）：327-330.［Wang Z H，Li J B.2006.Capacity of dust uptake by leaf surface of Euonymus Japonicus Thunb.and the morphology of captured particle in air polluted city.Ecology and Environ-mental Sciences，15（2）：327-330.］doi：10.3969/j.issn.1674-5906.2006.02.027.

王珍.2010.福建省沿海木麻黄防护林生态系统服务功能及其评价［D］.福州：福建农林大学.［Wang Z.2010.Evalu-ation on the ecological service value of the coastal protec-tion forest of Casuarina equisetifolia in Fujian Province［D］.Fuzhou：Fujian Agriculture and Forestry University.］doi：10.7666/d.y1748058.

杨复沫，马永亮，贺克斌.2000.细微大气颗粒物PM2.5及其研究概况［J］.世界环境，（4）：32-34.［Yang F M，Ma Y L，He K B.2000.A brief introduction to PM2.5 and related research［J］.World Environment，（4），32-34.］

杨进怀.2012.水土保持在治理北京空气可吸入颗粒物PM2.5工作中的作用及思考［J］.中国水利，（2）：21-22.［Yang J H.2012.Functions of soil and water conservation in improvement of air quality in Beijing［J］.China Water Resources，（2）：21-22.］doi：10.3969/j.issn.1000-1123.2012.02.007.

张淑平，韩立建，周伟奇，郑晓欣.2016.冬季PM2.5的气象影响因素解析［J］.生态学报，36（24）：7897-7907.［Zhang S P，Han L J，Zhou W Q，Zheng X X.2016.Relationships between fine particulate matter（PM2.5）and meteorological factors in winter at typical Chinese cities［J］.Acta Ecolo-gica Sinica，36（24）：7897-7907.］doi：10.5846/stxb201505 020901.

周忠凯，霍连飞，王慧鑫，汤赤，孟力力，柏宗春.2022.畜禽舍颗粒物排放特征及控制技术与装备［J］.江苏农业学报，38（5）：1421-1431.［Zhou Z K，Huo L F，Wang H X，Tang C，Meng L L，Bai Z C.2022.Emission characteristics and control technology and equipment of particulate matter inlivestock and poultry houses［J］.Jiangsu Journal of Agri-cultural Sciences，38（5）：1421-1431.］doi：10.3969/j.issn.1000-4440.2022.05.030.

Aldrin M，Haff I H.2005.Generalised additive modelling of air pollution，traffic volume and meteorology［J］.Atmospheric Environment，39（11）：2145-2155.doi：10.1016/j.atmosenv.2004.12.020.

Aller J Y，Kuznetsova M R，Jahns C J，Kemp P F.2005.The sea surface microlayer as a source of viral and bacterial enrichment in marine aerosols［J］.Journal of Aerosol Scien-ce，36（5-6）：801-812.doi：10.1016/j.jaerosci.2004.10.012.

Becker J S，Bellis D，Staton I，McLeod C W，Dombovari J，Becker J S.2000.Determination of trace elements inclu-ding platinum in tree bark by ICP mass spectrometry［J］.Fresenius’Journal of Analytical Chemistry，368：490-495.doi：10.1007/s002160000539.

Beckett K P，Freer Smith P，Taylor G.2000.Effective tree spe-cies for local air quality management［J］.Arboricultural Journal，26（1）：12-19.

Breiman L.2001.Random forests［J］.Machine Learning，45：5-32.doi：10.1023/A：1010933404324.

Chan Y C，Simpson R W，Mctainsh G H，Vowles P D，Cohen D D，Bailey G M.1999.Source apportionment of visibility degradation problems in Brisbane（Australia）using the multiple linear regression techniques［J］.Atmospheric En-vironment，33（19）：3237-3250.doi：10.1016/S1352-2310（99）00091-6.

Chen Z Y，Chen D L，Zhao C F，Kwan M P，Cai J，Zhuang Y，Zhao B，Wang X Y，Chen B，Yang J，Li R Y，He B，Gao B B，Wang K C，Xu Bing.2020.Influence of meteorological conditions on PM2.5 concentrations across China：A review of methodology and mechanism［J］.Environment Interna-tional，139：105558.doi：10.1016/j.envint.2020.105558.

Escobedo F J，Nowak D J.2009.Spatial heterogeneity and air pollution removal by an urban forest［J］.Landscape Urban Planning，90（3-4）：102-110.doi：10.1016/j.landurbplan.2008.10.021.

Freer-Smith P H，El-Khatib A A，Taylor G.2004.Capture of particulate pollution by trees：A comparison of species typi-cal of semi-arid areas（Ficus nitida and Eucalyptus globu-lus）with European and North American species［J］.Water，Air，amp;Soil Pollution，155：173-187.doi：10.1023/B：WATE.0000026521.99552.fd.

Gu B J，Zhang L，Van Dingenen R，Vieno M，Van Grinsven H J M，Zhang X M，Zhang S H，Chen Y F，Wang S T，Ren C C，Ren C C，Rao S，Holland M，Winiwarter W，Chen D，

Xu J M，Jian L，Zhao Y，Zhu Y P，Zhang M B，Bertolatti D.2012.An application of ARIMA model to predict sub-micron particle concentrations from meteorological factors at a busy roadside in Hangzhou，China［J］.Science of the Total Environment，426：336-345.doi：10.1016/j.scitotenv.2012.03.025.

Joergensen R G.1996.The fumigation-extraction method toestimatesoil microbial biomass：calibration of the kEC value［J］.Soil Biology and Biochemistry，28（1）：25-31.doi：10.1016/0038-0717（95）00102-6.

Jouraeva VA，Johnson D L，HassettJ P，Nowak D J.2002.Dif‐ferences in accumulation of PAHs and metals on the leaves of Tilia×euchlora and Pyrus calleryana［J］.Environmental Pollution，120（2）：331-338.doi：10.1016/S0269-7491（02）00121-5.

Kaupp H，Blumenstock M，McLachlan M S.2000.Retention and mobility of atmospheric particle‐associated organic pollutant PCDD/Fs and PAHs in maize leaves［J］.New Phytologist，148（3）：473-480.doi：10.1046/J.1469-8137.2000.00770.X.

Liao T T，Wang S，Ai J，Gui K，Duan B L，Zhao Q，Zhang X，Jiang W T，Sun Y.2017.Heavy pollution episodes，trans‐port pathways and potential sources of PM2.5 during the winter of 2013 in Chengdu（China）［J］.Science of the Total Environment，584-585：1056-1065.doi：10.1016/j.scitotenv.2017.01.160.

Lippmann M，Frampton M，Schwartz J，Dockery D，Schlesinger R，Koutrakis P，Froines J，Nel A，Finkelstein J，Godleski J，Kaufman J，Koenig J，Larson T，Luchtel D，Liu L J S，Oberdorster C，Peters A，Sarnat J，Sioutas C，Suh H，Jeff S，Utell M，Wichmann E，Zelikoffeff J.2003.The U.S.environmental protection agency particulate matter health effects research centers program：A midcourse report of status，progress，and plans［J］.Environmental Health Per‐spectives，111（8）：1074-1092.doi：10.1289/ehp.5750.

Luo Q Q，Xian X F，Chen G C，Yang Q L.2005.Water soluble components of PM10 in Chongqing，China［J］.Chinese Jour‐nal of Geochemistry，24：155-157.doi：10.1007/BF0284 1159.

Nguyen T B A，Henao L A，Li Z L，Cheng L，Hu H W.2023.Impacts of shelterbelt systems on pasture production andsoil bacterial and fungal communities in agricultural fields［J］.Journal of Sustainable Agriculture and Environment，2（3）：301-313.doi：10.1002/SAE2.12059.

Nowak D J，Crane D E，Stevens J C.2006.Air pollution removal by urban trees and shrubs in the United States［J］.Urban Forestryamp;Urban Greening，4（3-4）：115-123.doi：10.1016/j.ufug.2006.01.007.

Pekkanen J，Timonen K L，Ruuskanen J，Reponen A，Mirme A.1997.Effects of ultrafine and fine particles in urban air on peak expiratory flow among children with asthmatic symp‐toms［J］.Environmental Research，74（1）：24-33.doi：10.1006/enrs.1997.3750.

Pope CA，Burnett R T，Thun M J，Calle E E，Krewski D，Ito K，Thurston G D.2002.Lung cancer，cardiopulmonary mor‐tality，and long-term exposure to fine particulate air pollu‐tion［J］.Jama，287（9）：1132-1141.doi：10.1001/jama.287.9.1132.

Shah M H，Shahee N，Jaffar M，Khalique A.Tariq S R，Man‐zoor S.2006.Spatial variations in selected metal contents and particle size distribution in an urban and rural atmo‐sphere of Islamabad，Pakistan［J］.Journal of Environmen‐tal Management，78（2）：128-137.doi：10.1016/j.jenvman.2005.04.011.

Strand L B，Barnett A G，Tong S.2012.Maternal exposure to ambient temperature and the risks of preterm birth and still‐birth in Brisbane，Australia［J］.American Journal of Epide‐miology，175（2）：99-107.doi：10.1093/aje/kwr404.

Vance E D，Brookes P C，Jenkinson D S.1987.An extraction method for measuring soil microbial biomass C［J］.Soil Biology and Biochemistry，19（6）：703-707.doi：10.1016/0038-0717（87）90052-6.

Wang J H，Ogawa S.2015.Effects of meteorological conditions on PM2.5 concentrations in Nagasaki，Japan［J］.Internatio-nal Journal of Environmental Research and Public Health，12（8）：9089-9101.doi：10.3390/ijerph 120809089.

Wu Y，Wang W J，Wang Q，Zhong Z L，Wang H M，Yang Y B.2023.Farmland shelterbelt changes in soil properties：Soil depth-location dependency and general pattern in songnen plain，northeastern China［J］.Forests，14（3）：584.doi：10.3390/F14030584.

Yang J，McBride J，Zhou J X，Sun Z Y.2005.The urban forest in Beijing and its role in air pollution reduction［J］.Urban Forestryamp;Urban Greening，3（2）：65-78.doi：10.1016/j.ufug.2004.09.001.

Zhang C，Ni Z W，Ni L P.2015a.Multifractal detrended cross-correlation analysis between PM2.5 and meteorological fac‐tors［J］.Physica A：Statistical Mechanics and its Applica‐tions，438：114-123.doi：10.1016/j.physa.2015.06.039.

Zhang H L，Wang Y G，Hu J L，Ying Q，Hu X M.2015b.Rela‐tionships between meteorological parameters and criteria air pollutants in three megacities in China［J］.Environmen‐tal Research，140：242-254.doi：10.1016/j.envres.2015.04.004.

Zhang Q，Quan J N，Tie X X，Li X，Liu Q，Gao Y，Zhao D L.2015c.Effects of meteorology and secondary particle for‐mation on visibility during heavy haze events in Beijing，China［J］.Science of the Total Environment，502：578-584.doi：10.1016/j.scitotenv.2014.09.079.

Zhang Z Y，Zhang X L，Gong D Y，Quan W J，Zhao X J，Ma Z Q，Kim S J.2015d.Evolution of surface O3 and PM2.5 con‐centrations and their relationships with meteorological con‐ditions over the last decade in Beijing［J］.Atmospheric Environment，108：67-75.doi：10.1016/j.atmosenv.2015.02.071.

（责任编辑 李洪艳）