从叶片到屏障尺度：对一种自发形成的植被屏障的多源数据评估——该屏障旨在防止潜在有毒元素的扩散

《Ecological Engineering》：From leaf to barrier scale: A multisource data evaluation of a spontaneous vegetative barrier to prevent potentially toxic element dispersal

本研究通过整合现场测量、实验室分析和空中LiDAR点云数据，评估了地中海常绿植物（P. halepensis和P. lentiscus）作为植被屏障对重金属（As、Cd、Cu、Pb、Sb、Zn）的捕获效率。结果显示，LiDAR体积估算与植物生物量模型高度相关（R2=0.82-0.93），Pb和Sb在叶子上的沉积占比达22%和44%，且两种植物捕获效率相似。该方法为污染场地植被屏障的综合评估提供了新思路。

　　这项研究探讨了潜在有毒元素（PTEs）在植被屏障中的滞留能力，旨在评估自然解决方案在控制污染扩散中的有效性。PTEs是一类难以降解且具有持久性的化学元素，它们可能通过风力和水力侵蚀广泛扩散，从而对环境和人类健康构成威胁。尽管植物修复技术在土壤污染治理中已有广泛应用，但植被屏障在减少空气传播的PTEs方面的潜力仍被低估。本研究通过结合实地测量、实验室分析以及空中激光雷达（LiDAR）点云数据，构建了一种几乎非破坏性的方法，用于评估植被屏障对PTEs的滞留能力。这一方法从单叶尺度扩展到整个植被屏障，为理解和应用自然解决方案提供了新的视角。

研究团队在法国马赛市的蒙特龙（Montredon）棕地周围选取了自然生长的灌木和乔木植被作为研究对象。这些棕地曾是冶金和化工工业的所在地，留下大量污染痕迹。为了更全面地评估PTEs的滞留能力，研究人员在植被屏障中选取了17个个体进行采样，并结合了参考地点的数据进行对比。参考地点位于2400米以外，且未受到风力传播污染的影响，因此能够代表当地背景污染水平。研究结果表明，植被屏障在特定环境下能够有效限制受污染颗粒的扩散，特别是在Pb和Sb的滞留方面表现突出，分别占叶片污染的22%和44%。这一发现强调了植被在污染控制中的重要作用，尤其是在空气污染治理方面。

为了更准确地评估植被的滞留能力，研究人员利用了所有ometric方程来估算植被的地上生物量（AGB）以及从LiDAR点云数据推导出的体积。这种方法不仅减少了对植被的破坏，还提高了数据的可靠性和可扩展性。通过比较LiDAR体积估计与AGB之间的相关性，研究人员发现对于 Aleppo松（P. halepensis）和 lentisk（P. lentiscus）这两种主要植被类型，相关系数分别达到了0.93和0.82，显示出该方法在植被屏障评估中的可行性。尽管在某些情况下，如P. halepensis个体由于其高胸径和低高度导致AGB估计偏低，但总体而言，LiDAR点云数据提供了可靠的体积信息，能够支持更精确的AGB估算。

此外，研究还探讨了植被对PTEs的滞留能力与叶面积、叶表面结构以及植物种类之间的关系。在叶尺度上，PTEs的浓度较低，但通过对比未清洗和清洗后的叶片，研究人员能够区分出沉积在叶片上的PTEs含量。结果表明，叶片的PTEs沉积量主要来源于大气沉积，而不仅仅是土壤中的迁移。这种沉积在不同植物种类中表现出一定的差异，但总体上，P. halepensis和P. lentiscus的滞留能力相似，且其叶片具有较高的滞留潜力。这种结果表明，尽管不同植物种类可能在形态和结构上存在差异，但它们在控制PTEs扩散方面具有相似的效果。

研究还发现，PTEs在土壤中的分布呈现出明显的异质性，特别是在风蚀性土壤颗粒中，某些元素如As、Cu、Pb、Sb和Zn的浓度显著高于总土壤样本。这表明，风蚀性颗粒是PTEs传播的重要途径，而植被屏障在这一过程中可能起到关键的过滤作用。然而，由于植被的自然分布和复杂结构，精确评估其滞留能力仍然面临挑战。例如，LiDAR点云数据在处理密集且重叠的植被时，可能无法完全捕捉到所有个体的细节，特别是在地下层植被的识别方面。因此，未来的研究需要进一步优化LiDAR数据采集技术，以提高点密度和植被结构的分辨率。

研究还强调了将不同数据来源结合起来的重要性，这不仅有助于更全面地理解植被屏障的滞留能力，还能为污染治理提供更可靠的基础。例如，通过结合LiDAR点云数据、生物量估算和叶片PTEs浓度，研究人员能够更准确地评估植被屏障在不同尺度上的污染控制效果。此外，研究还指出，尽管植被在污染控制中表现出色，但其滞留能力可能受到多种因素的影响，如降雨量、季节变化以及植被本身的生长周期。因此，为了更全面地评估植被屏障的效果，未来的研究应包括季节性监测，以了解PTEs滞留能力随时间的变化情况。

总体而言，这项研究为植被屏障在污染控制中的应用提供了新的思路和方法。通过结合多种数据来源，研究人员不仅能够评估植被屏障在单叶尺度上的滞留能力，还能将其扩展到整个植被屏障的尺度，从而更全面地理解其在减少污染扩散方面的潜力。这一方法的应用不仅有助于提高污染治理的效率，还能够为其他类似的研究提供参考，尤其是在城市环境中。此外，研究还指出了未来研究的方向，包括提高LiDAR点云数据的分辨率、结合机器学习算法以增强植被分析的准确性，以及进一步探索不同植物种类在PTEs滞留中的作用。这些发现不仅对环境科学领域具有重要意义，也为政策制定者和环保组织提供了重要的决策依据。