城市规模下的PM2.5清除作用：通过城市树木实现——i-Tree生态模型与生物监测方法在PM2.5及其所吸附微量元素监测中的应用验证

《Ecological Indicators》：City-scale PM 2.5 removal by urban trees: validation of i-Tree eco and biomonitoring of PM 2.5-bound trace elements

多物种时空验证表明i-Tree Eco模型对PM?.?干沉积估算误差仅7%，揭示叶面粗糙度（如厚叶的B. javanica）和微环境（如Wufeng低风速高沉积）对模型精度的影响，并证实城市树木可同步监测PM?.?-Fe、Cu、Zn等重金属的空间异质性和季节波动，提出需结合叶面化学指纹和本地化监测数据优化模型参数。

　　城市树木在减少细颗粒物（PM?.?）污染方面发挥着关键作用，主要通过干沉积过程实现。然而，尽管i-Tree Eco作为广泛使用的模型被应用于评估城市森林的污染物去除能力，其在不同树种和时空尺度上的验证仍然存在不足。本研究首次对i-Tree Eco模型进行了多树种、多时间点和多地点的实证验证，基于台湾地区五种阔叶树种在三个城市区域和五个时间点的叶片表面PM?.?干沉积测量数据。研究发现，i-Tree Eco模型在整体表现上较为稳健，但其对PM?.?去除能力的估算平均低估了实际测量值约7%。这表明，尽管该模型在大范围、多树种和时空应用中具有良好的适用性，但在某些特定条件下仍需进一步优化。

在低风速和稳定的环境条件下，模型与实际测量之间的差异主要源于空气质量监测数据对树木微环境的代表性不足。这提示我们，为了提高模型的准确性，有必要在城市环境中开展本地化的空气质量监测。此外，不同树种的干沉积通量也存在显著差异，其中以厚实革质叶片为特征的Bischofia javanica（Bl.）的沉积值最接近树种平均水平，表明其在PM?.?去除方面的有效性。研究还发现，PM?.?的干沉积存在饱和阈值，约为442小时，这一发现有助于更全面地理解沉积动力学，也为i-Tree Eco模型的改进提供了重要线索。

研究中对PM?.?相关的重金属元素进行了分析，结果显示，城市区域的叶片沉积物中Fe、Cu、Zn、Pb、Cr和Ni的浓度显著高于城郊地区，尽管PM?.?的质量浓度相似。这一现象突显了城市树木作为大气中重金属污染的生物监测器的潜力。城市植被不仅能够有效去除PM?.?，还能反映污染物的时空分布特征，为长期环境监测和城市规划提供有价值的信息。这种整合方法有助于更全面地评估城市树木在改善空气质量方面的生态效益，并揭示其在环境信息提供上的双重作用。

研究采用了叶面清洗和过滤的方法，对PM?.?进行采集。这一方法通过收集叶片并利用水洗和真空过滤技术提取表面沉积的颗粒物，能够直接反映实际的干沉积情况。尽管这种方法在时间分辨率和操作成本上存在一定的局限性，但它允许对不同树种进行比较，并揭示了叶片表面特性对沉积过程的影响。例如，叶片表面的粗糙度、蜡质含量、湿润性等特征显著影响PM?.?的沉积能力。研究还发现，PM?.?的沉积距离在长时间沉积过程中逐渐趋于稳定，随后出现下降趋势，表明沉积过程存在饱和现象。这一发现对于理解PM?.?的沉积动态具有重要意义，并且有助于改进i-Tree Eco模型对长期沉积的估算。

通过三因素方差分析，研究揭示了采样时间、地点和树种对PM?.?干沉积通量的显著影响。在采样时间与地点的交互作用下，某些树种表现出更高的沉积能力，尤其是在高污染季节和特定区域。同时，研究发现，沉积通量与环境因素如风速和PM?.?浓度之间存在复杂的相互作用。在低风速条件下，尽管PM?.?浓度较高，但沉积通量的增加并不显著，这可能与沉积效率的降低有关。在高风速条件下，沉积通量与PM?.?浓度之间的正相关关系更加明显，表明风速对沉积过程有重要影响。

研究还通过主成分分析（PCA）揭示了PM?.?中重金属元素的组成特征。结果表明，第一主成分主要与Fe、Cu、Zn、Pb和Cr相关，这些元素主要来源于交通和工业排放。第二主成分则与Mn和Al相关，这些元素可能来自地壳风化或土壤尘埃。第三主成分主要与Ni相关，其作为重油燃烧的标志物，可能与城市中的工业活动和商业区域的小型锅炉有关。这些发现不仅有助于识别污染物的来源，还为城市污染源的管理提供了依据。

本研究的结果表明，城市树木在评估PM?.?及其相关污染物的去除能力和空间分布方面具有重要价值。通过结合实地测量和生物监测方法，可以更准确地评估城市森林在空气净化中的作用，并为城市环境管理提供科学支持。尽管i-Tree Eco模型在城市尺度上表现良好，但在更精细的时空尺度上仍需进行本地化校准。此外，研究强调了在城市环境中进行多树种、多时间点和多地点的监测的重要性，以全面评估不同条件下的沉积动态和污染物来源。

研究还指出，PM?.?的沉积不仅受到环境因素的影响，还与树种的生理特征密切相关。例如，叶片的表面粗糙度、蜡质含量和湿润性等特征显著影响沉积能力。因此，为了提高模型的准确性，需要对不同树种的沉积参数进行细化和标准化。此外，研究还发现，沉积过程可能受到短期风事件和人类活动的影响，导致沉积通量的波动。这表明，在模型中应考虑沉积饱和和再悬浮等动态过程，以更真实地反映城市环境中PM?.?的去除能力。

总体而言，本研究为i-Tree Eco模型的校准和应用提供了重要的实证依据，并强调了城市树木在监测大气污染物中的潜力。通过多树种、多地点和多时间点的综合分析，研究不仅揭示了PM?.?的沉积动态，还为城市空气质量管理和生态服务评估提供了新的视角。未来的研究应进一步整合主动空气采样方法，以提高对PM?.?及其相关污染物的准确性和代表性。这些发现对于推动城市环境监测和管理策略具有重要意义，同时也为城市森林生态服务的量化提供了科学支持。