2019, Vol. 40
2. 宝鸡文理学院陕西省灾害监测与机理模拟重点实验室, 宝鸡 721013
2. Shaanxi Key Laboratory of Disasters Monitoring and Mechanism Simulation, Baoji University of Arts and Sciences, Baoji 721013, China
城市环境污染目前已成为严重的问题, 引起广泛关注[1].其中重金属污染是城市环境污染的重要组成部分, 主要包括Pb、Cu、Cr和Zn等, 这些重金属元素过多或过少的含量都会引起植物或人体一系列病症[2], 且较难降解, 所以它们具有较严重的环境危害和环境指示意义[3~5].有研究表明, 城市绿地具有净化空气, 减滞粉尘的生态效应, 而这种滞尘效应主要缘于植物对于空气粉尘颗粒物的吸收、阻滞和过滤作用[6~11].因此, 利用自然生长的叶子研究大气重金属污染有很多优势条件, 首先, 叶子可以通过它的蜡质层(具亲脂性)直接吸收大气环境中的粉尘、悬浮颗粒物、沉降物和不完全挥发有机物, 特别是对粒径小于1 μm的细颗粒物更为敏感, 这些颗粒可通过扩散方式从表皮进入内层[12]; 其次, 植物叶子样品分布广泛并采集容易, 可以方便快速地获取大范围、高分辨率的重金属污染信息[13].对草本植物的研究发现:草本植物对叶子中部分重金属具有超富集作用, 但是其富集重金属种类单一、生物量小且对环境要求较为苛刻[14~17].通过分析南京化工厂(污染区)和江苏省林科院(对照区)不同绿化树种叶子重金属元素(Pb、Cd和Cu)的含量, 发现城市绿化树种对大气重金属污染物具有一定的吸收净化能力, 且随着重金属种类不同和树种的差异, 对污染的净化能力也有明显的不同, 同种植物对不同重金属的累积量也有很大差别[18].也有学者以北京地区常见绿化树种为研究对象, 分析得出对Cr、Pb富集能力较强的是国槐和侧柏, 且重金属元素含量与叶子中重金属污染程度相关性较强[19].除此之外, 王亚宇[20]和薛皎亮等[21]也发现道路绿化带植被叶子对重金属(Cu、Cr、Pb、Zn)具有一定吸滞作用.城市绿化带植被重金属的含量与道路的距离有一定的关系, Pagotto[22]通过分析认为在公路附近叶子中有Pb、Zn和Cd的积累, 且随着距离的增大和叶子深度的增加而降低, 交通对环境的影响主要在公路两侧范围内. Pouyat等[23]对纽约市140 km长的“城区-郊区-农区”森林生态样带研究发现, 叶子中的Cu、Ni和Pb含量随着该区与市中心距离的增加而降低; Albasel等[24]也认为叶子中Cu、Pb、Zn的含量在逐渐远离公路时而迅速降低.此外, 仍有许多利用工业区或交通道路沿线植被叶子的重金属含量, 揭示出绿化植被叶子中重金属的含量表现出随着与污染源距离的增大而减小的变化规律[25~27].关于植物叶子对环境污染的重金属响应研究主要集中在北京、上海等大都市或者重点工业区[28~32], 侧重于对区域范围内同一植被记录的环境污染进行分析, 缺乏植物叶子对重金属富集能力的空间变化、树种差异性, 以及不同重金属污染强度下树种对重金属元素吸滞能力变化的生态风险评价等综合性研究.
本文选择交通繁忙、车流量大, 植被种类相对较多, 具有一定代表性的宝鸡市渭滨区滨河路不同植被的叶子研究对象, 测定了其中的重金属含量, 运用单因子污染指数和内梅罗综合污染指数对该区域的重金属污染进行比较和评价, 利用Hakanson潜在生态风险评价法对滨河路植被的重金属的潜在危害进行评估, 试图了解该区域植被最新的重金属污染状况, 帮助城市选择既能美化和净化环境又降低绿化成本的道路绿化植被提供新的科学依据, 对改善城市居民生活环境具有重要意义.
1 材料与方法 1.1 样品收集选取宝鸡市渭滨区滨河路作为研究区域, 该路段道路绿化植被种类多样, 乔木如:塔松、悬铃木、大叶女贞、侧柏; 灌木如:紫荆、红叶李、金叶女贞.采样时间为2015年11月初, 基本为生长将近一年的叶子, 同时选择了连续7 d晴朗的天气后采样.以4个不同高度(1、1.5、3、4 m)分别对不同绿化植被一年生成熟健康叶子进行采集.其中灌木植被紫荆、金叶女贞、红叶李采样高度分为Ⅰ、Ⅱ层(1 m、1.5 m), 大叶女贞、塔松、白杨等乔木较高, 采样高度分为Ⅲ、Ⅳ层(3 m、4 m).由于道路交通产生的污染物主要影响靠近道路一侧的植物, 为了避免误差干扰, 其中每一分层的叶子采集东、西、南和北四个方向, 采集后均匀混合.同时采集不同植被样点所对应的街道粉尘样品以及校园中采集人为干扰相对较小区域的白皮松、杨树、悬铃木作为背景参照样品.共采集样品161个(图 1).
|
图 1 宝鸡市滨河路植被叶子采样位置示意 Fig. 1 Sampling location distribution diagram of vegetation leaves in Binhe Road of Baoji City |
样品采集后迅速带回实验室进行前处理:在40℃下烘干至恒重, 用研钵研磨成粉末状, 取回的水样经0.45 μm醋酸纤维微孔滤膜过滤、酸化处理后备用; 经0.45 μm滤膜过滤, 滤液进行酸化处理后用于测定重金属含量; 植物和叶子中重金属总量测定样品的前处理:称取经冷冻干燥、过100目筛的植物样品0.100 g置于消解管中, 加入HNO3+HClO4(10:3), 将消解管置于180℃电热板上消解.消解结束后定容将消解液转移至50 mL比色管中, 4℃下保存待测.利用ICP-MS法(仪器为日本Agilent公司生产的电感耦合等离子体质谱仪Agilent 7700x)测定Cr、Cu、Ni、Mn、Pb、Cd、As这7种重金属的含量.精确称取风干土样0.5g, 放入聚四氟乙烯消解罐中, 依次加入浓HNO3+HF+HClO4(5:2:1), 摇匀后置于180℃电热板上加热预处理约15min, 盖好放入密闭式微波消解装置中消解.消解完毕后, 定容转入50 mL容量瓶, 取上清液, 利用微波消解法(仪器为美国热电仪器公司生产的电感耦合等离子发射光谱仪Thermo 6300)测定土壤中重金属(Cr、Cu、Ni、Mn、Pb、Cd、As)含量.以上实验在宝鸡文理学院陕西省灾害监测与机理模拟重点实验室完成.
1.3 污染程度评价方法单因子污染指数和内梅罗指数法是当前国内外进行综合污染指数计算中最常用的方法之一[14].计算公式为:
|
式中, (Ci/Si)max2为污染样品中的污染指数最大值, (Ci/Si)ave2为污染样品中污染指数的平均值, Ci为重金属的实测值, Si为重金属的国际标准值.
1.4 潜在生态风险评估法Hakanson潜在生态风险指数法是目前国际广泛用于评价叶子重金属污染的潜在风险的方法之一, 该方法结合重金属的生态效应、环境效应和毒理学效应, 以数值的形式评价重金属的潜在风险程度[16].计算公式如下:
|
式中, RI为潜在生态风险系数; Eri为金属元素i的潜在生态风险单项系数; Tri为金属元素i的毒性响应系数; Cfi金属元素i的单项污染系数; Ci为重金属元素的实测浓度; Cni为参比值, 有关参比值, Hakanson提出应参照现代化工业前沉积物重金属的最高值[17], 但也有一些学者, 采用了当地叶子背景值[18], 本实验中采用污染相对较轻的校园植被叶子作为背景值参考.
2 结果与分析 2.1 不同植被叶子重金属元素含量特征植被叶子样品中重金属含量见表 1.从中可知, 滨河路植被叶子Cr、Cu、Ni、Mn、Pb、Cd和As等重金属值均远远高于作为背景值的校园植被叶子重金属含量.植被叶子不同种类(灌木、乔木)不同高度(灌木采样高度分别为1 m、1.5 m, 乔木采样高度分别为3 m、4 m)的重金属含量差异较大, 随着距离地面高度的增加所有植被叶子重金属含量出现明显下降趋势, Cr、Cu、Ni和Mn含量的最高值均出现在金叶女贞的植被叶子中, 约为校园背景值的7、3、3.6和5.6倍.大叶女贞叶子中Pb含量明显高于其它植被叶子, 塔松所含Cd值最高, 且远高于其它植被叶子, 而红叶李中As的含量最高, 表明7种重金属在滨河路植被叶子中均有一定程度的累积, 其中Cr、Mn、Pb累积得最多, 远高于其它4种重金属, 为该地区植被叶子中的主要重金属污染物.所测定的7种重金属元素中, 部分植被叶子的As低于背景值, 可能是污染较为轻微的元素.由滨河路植被叶子重金属等值线分布图也可以看出(图 2), 在污染较严重的滨河路西段十字路口地区附近, 除了Cd与Ni的重金属值变化不明显之外, 其余5种重金属均表现出明显的一个峰值, 特别是Pb的峰值尤为高.这可能是由于重金属Pb的高值很大部分源于汽车尾气、轮胎摩擦产生的, 而在其周围区域植被叶子的重金属含量呈现出递减的特征, 这指示了距离交通污染源距离增大, 重金属含量也随之降低的变化规律[33, 34].
|
表 1 植被不同部位重金属的含量/mg·kg-1 Table 1 Heavy metals content in different positions of vegetation/mg·kg-1 |
|
黑点表示样品点位置, 单位:mg·kg-1 图 2 植被叶子重金属等值线分布 Fig. 2 Isoline map of heavy metals in vegetation leaves |
为了深入探讨滨河路植被叶子重金属的相关关系, 更形象地反映指标之间的相似性, 对滨河路植被叶子重金属含量进行指标标准化后, 运用SPSS软件进行指标聚类分析(图 3). 图 3中横坐标代表指标间的距离, 距离越近, 两者的相关性越高.可以看出, 元素Cu与Cr之间的距离均小于5, 表明两者之间的相关性很高, Mn和Pb距离也小于5, 两者的相关性也较高.同时根据Pearson相关系数也可以看出这一点(表 2), 元素Cu与Cr的相关系数为0.767, 呈显著相关, Mn与Pb相关性也很强, 反映了元素Cu和Cr, Mn与Pb在来源上的本质联系.元素Cr、Cu、Mn、Pb与Ni、Cd、As重金属基本不存在相关关系.
|
图 3 重金属元素的指标聚类树状图 Fig. 3 Indicator cluster tree of the parameters of the heavy metal elements |
|
|
表 2 滨河路植被叶子Pearson相关系数1) Table 2 Pearson correlation coefficient of vegetation leaves in Binhe Road |
3 讨论 3.1 不同种类植被叶子重金属污染程度评价
采用单因子污染指数和内梅罗指数法评价滨河路植被叶子重金属污染结果(表 3).不同种类植被叶子中重金属污染程度分别为塔松(A): Cd>Ni>Cr>As>Pb>Mn>Cu; 侧柏(B): Cd>Ni>Cr>As>Cu>Mn>Pb; 金叶女贞(F): Cd>Ni>Cr>Pb>As>Mn>Cu; 大叶女贞(G): Cd>Ni>Cr>Pb>As>Mn>Cu.分别计算出滨河路7种不同植被叶子重金属元素的单项污染指数Pi(指每种植被叶子分别对7种重金属的污染程度)和综合污染指数P综(指每种植被叶子对7种重金属的综合污染程度), 以校园植被叶子重金属污染等级作为背景值, 并将滨河路植被叶子重金属污染分级.其中, 红叶李(D)、悬铃木(E)单项污染指数均小于1, 表明这2种植被叶子基本未受到污染; 紫荆(C)单项污染指数除Cr、Ni的污染指数大于1之外, 其余重金属的污染指数均小于1, 表明这种植被受Cr、Ni污染严重, 但总体来看为轻度污染; 而塔松、侧柏、金叶女贞、大叶女贞这4种植被叶子重金属的污染指数远远大于1, 为重度污染.从综合污染指数来看, 塔松、侧柏、金叶女贞、大叶女贞3种植被叶子重金属P综均远远大于3, 表明重金属污染物严重超标, 属重度污染植被.紫荆、红叶李、悬铃木P综小于3, 重金属含量轻度超标, 植被叶子属轻度污染.从7种植被叶子重金属元素的评价数据来看:紫荆、红叶李、悬铃木叶子中7种重金属基本呈现无污染状态, 总样点中98.72%为无污染, 1.28%为轻污染; Cr、Ni、Cd是研究样点污染水平相对较高的元素, 三者在所有样点内42.85%的样点为安全状态, 有重度污染的样点占57.14%, 说明有些样点Cr、Ni和Cd污染严重超标, 需要加以重视; As安全、轻度、中度、重度污染水平的样点占所有样点的比例分别为42.85%、28.57%、14.28%、14.28%; Pb在总样点内有14.28%比例的污染水平为重度污染, 轻度污染和安全状态各占42.85%; Mn在不同污染程度上的样点比例分配与Pb较为相似, 14.28%的样点达到重度污染, 其余样点的Mn均为无污染和轻污染; Cu的污染程度较轻, 基本为无污染, 轻度污染样点有85.71%, 重度污染有14.28%.
|
|
表 3 滨河路植被叶子重金属污染指数 Table 3 Heavy metal pollution index of vegetation leaves in Binhe Road |
不同种类植被叶子对Cr累积能力普遍较强, 而Cu累积能力较强的依次有金叶女贞、侧柏、塔松.同一高度不同种类植被叶子对某一元素的累积能力存在这种显著差异是因为植物叶子重金属累积量的不同可能受生长季节、雨水径流[25]、所处环境风向[26]以及叶子的外部结构、内部生理生化特征和基因的差异[27]等内外因素影响. 7种不同重金属在不同种类植被叶子中累积量不同, 同种重金属在不同采样点的空间分布也有差异:宝鸡市滨河路悬铃木叶子累积Cr、Cu、Pb和Ni的平均值范围分别是57.57~172.51、14.97~41.31、20.08~324.48和20.25~33.12 mg·kg-1, 而Sawidis等[35]2011年研究了欧洲3个地区悬铃木叶子累积Cr、Cu和Pb的平均值分别是0.23~0.62、2.57~25.20和2.41~13.75mg·kg-1.与前人研究相比, 滨河路悬铃木叶子累积的Pb与前人研究最接近, Cr和Cu的含量较高, 对于Ni元素, 本研究浓度范围(20.25~33.12 mg·kg-1), 略低于先前研究范围(42~56 mg·kg-1)[36], 而与Bargagli等[37]利用橡树作为研究材料的研究结果相似, 说明宝鸡市滨河路植被叶子重金属污染程度与国外一些城市有不同之处, 但是数据变化范围基本一致.其中滨河路植被叶子中的Cr、Cu和Pb这3种重金属的含量远远大于其它道路植被叶子的研究结果, 进一步表明宝鸡市滨河路繁忙的交通运行造成了严重的重金属污染, 其原因可能主要是汽车排放尾气易产生细颗粒, 吸附较多的Cr和Pb元素[34, 35].本研究中, 硬叶革质、枝叶密度大, 拥有较大叶量的金叶女贞因所处空间位置容易受到道路二次扬尘影响, 对重金属的吸附程度排最前, 而红叶李叶子柔弱, 紫荆叶子狭小光滑, 极易受到降水与大风干扰, 导致所滞粉尘脱落, 因此它们的叶子吸附重金属能力一般[19], 塔松与侧柏因株型紧密, 叶量充足, 植株滞尘能力有所提升, Nowak等[10]的研究也表明植物滞尘能力与植物叶子特征、株型叶量等关联较大.因此, 植物所处空间位置含尘量, 植株自身滞尘机理及株型、枝叶特征特性等方面的差异将导致不同植物类型间吸附重金属能力明显不同[24~28].
宝鸡市滨河路植被叶子的重金属污染程度的空间分布表明(图 4), 宝鸡市滨河路植被叶子普遍存在污染现象, 仅有个别样点重金属污染为安全状态, 绝大多数样点的重金属污染均有重度污染的现象, 说明重金属元素对该区域植被叶子环境安全起到严重威胁, 这有可能是由于近年随着城市化进程加剧, 区域内的工业活动和人类活动对植被叶子重金属含量产生直接影响[21].自西向东数值明显增大, 并且处于滨河路东部以及中部十字路口的植被叶子重金属含量较高, 这可能由于受到东部地段正处于施工期间, 而十字路口车流量大, 受到交通污染影响较大, 因此滨河路十字路口区域今后应是宝鸡市重点防治的重金属污染区域.综上所述, 金叶女贞对重金属的吸附可能更具优势, 对改善空气质量的效果更佳, 它可能更适合公路边清除颗粒物, 减少重金属污染的一种优良绿化树种.
|
图 4 宝鸡市滨河路植被叶子重金属单项污染指数(Pi) Fig. 4 Single pollution index (Pi) for foliar heavy metals in Binhe Road of Baoji City |
潜在生态危害指数法是根据重金属性质及环境行为特点, 将重金属的生态效应、环境效应与毒理学联系在一起的一种对叶子或沉积物中重金属污染进行评价的方法, 采取具有可比性的等价属性指数对潜在生态危害程度进行分级[20].宝鸡市滨河路植物叶子重金属元素的潜在生态危害系数(Eri)和综合危害指数(RI)如表 4.根据叶子重金属的潜在风险分级标准(表 5)可知, A、B、F、G样品中Cd的潜在生态危害系数Eri远远大于320, 具有极强的潜在生态危害性, 同时也表明, Cd的潜在生态危害系数远远大于其它重金属, Cd为该地区最具潜在危害性的重金属; 其次是Ni、Cr和As, 尤其是在B样品中的Ni潜在生态危害系数Eri达到了383.5, Cr在B样品中潜在生态危害系数为122.79, 表明在B样品中Ni、Cr具有较强的潜在生态危害性.剩余3种元素在A、B、F、G样品中的潜在生态危害系数Eri均小于40, 尚属于轻度生态风险重金属. A、B、F、G样品中叶子的重金属综合危害指数RI均超过300, 表明4种叶子均具有较强的生态危害性.其中B、F、G样品中叶子的RI分别为6 089.91、4 020.29、1 597.61, 表明该叶子重金属具有极强潜在生态风险, A样品中叶子RI=743.63, 定性为很强潜在生态风险, C、D、E样品叶子中潜在生态危害相对轻, 也达到较强程度.
|
|
表 4 叶子重金属元素的潜在生态危害系数与综合危害指数 Table 4 Potential ecological hazard coefficient and comprehensive hazard index of foliar heavy metal elements |
|
|
表 5 叶子重金属的潜在风险分级标准 Table 5 Potential risk classification standard of foliar heavy metal elements |
依据全国叶子重金属背景值, 按照公式计算研究区7种植被叶子重金属的潜在生态风险系数(Eri)和综合生态风险指数(RI), 对其潜在生态危害性进行说明. Cd和As是7种重金属元素中最主要的生态风险贡献因子, 平均贡献分别为22.84%和21.62%, 其它5种元素贡献相对较低, 合计为55.54%(表 4).研究区7种重金属元素潜在风险评价结果, 由综合生态风险指数可以看出整体表现为低等级风险, 14.28%为中等级生态风险, 57.14%的取样点的Cd元素具有极强等级生态风险.根据采样点重金属的平均潜在生态风险系数值, 宝鸡市滨河路植被叶子7种重金属平均潜在生态风险程度大小顺序为:Cd>Ni>Cr>As>Pb>Cu>Mn. Cu、Mn和Pb其所取样点潜在生态风险系数(Eri)均小于40, 表现为低生态风险, 说明这3种元素对研究区的生态环境有较小的潜在危害. As的取样点中85.71%的潜在生态风险系数(Eri)小于40, 只有14.3%的取样点潜在生态风险系数(Eri)达到中等生态风险, 说明它的潜在危害处于轻微水平. Cd元素有57.14%的潜在生态风险系数(Eri)为极强生态风险, 说明Cd是该研究区域最应引起注意的重金属元素.就整体而言, 滨河路植被叶子中7种重金属的RI值在19.04~4 020.29, 除个别样品外, 其余值均远高于150, 处于高风险, 其中仅2%的样品处于低风险.
通过之前Cr、Cd、Mn、Pb和Cu的累积结果显示, 交通主干道有非常高的累积值, 这主要可能源于车辆运行过程中产生的金属物质.先前的研究表明[21~24, 33, 34], 交通源是Cr、Mn、Pb、Cd和Cu等多种重金属的重要来源, 比如橡胶轮胎磨损、润滑油的耗损、刹车皮的磨损及汽车金属部件的碰撞会产生Cr、Cd和Cu, 以及含铅汽油的使用会产生Pb等.滨河路不同植被叶子重金属元素累积量的差异性水平可能与植物本身有关, 也与采样区大气重金属污染程度、重金属种类、植被叶子空间变化等密切相关[19], 这与许多学者的研究结果趋同.通过对滨河路植被叶子重金属含量及污染程度较高的Cr和Mn做等值线空间分布表明(图 5), 不同种类植被叶子其重金属值随着树种的高度增加而呈现减小的趋势, 重金属Cr和Mn含量均表现为距离地面1 m处浓度最高, 浓度随距离的增加而减小, 原因可能是在距离地面1 m的高度范围内, 污染源既包括了来自地面交通污染, 又包括了大气降尘污染, 在第1.5 m、3 m处的不同树种中, 由于不同植被类型对重金属的吸收程度也不同, 可能远离交通等污染源, 植被叶子中重金属浓度有所下降, 也跟空气中大气降尘中的污染物质有关.另外, 图中3 m处植被叶子重金属含量最低, 可能由于此处高度, 既远离地面交通带来的污染, 也未达到高空大气污染的范围, 因此出现重金属含量的低峰期.而4 m处的重金属含量呈现出整体值明显低于1 m、1.5 m处的值, 原因可能是距离地面高度较高, 远离了交通污染源, 主要受大气降尘污染有关.
|
图 5 滨河路植被叶子重金属Cr和Mn含量的空间变化特征 Fig. 5 Spatial variation characteristics of heavy metal Cr and Mn content in vegetation leaves in Binhe Road |
(1) 宝鸡市滨河路植物叶子中重金属元素的含量富集最多为Cr、Mn和Pb, Cr、Cu、Ni和Mn含量的最高值均出现在金叶女贞的植被叶子中, 对Pb富集最多的是大叶女贞, Cd富集最多的是塔松, As富集最多的是红叶李.不同种类植被叶子中, 金叶女贞对重金属表现出较强的吸附作用, 并在体内积累.植被叶子中重金属含量随着距离地面高度, 车辆尾气等污染源距离的增大而减小, 污染范围为离地面大约1 m高的区域.
(2) 滨河路不同种类植被叶子中重金属污染程度分别为塔松(A): Cd>Ni>Cr>As>Pb>Mn>Cu; 侧柏(B): Cd>Ni>Cr>As>Cu>Mn>Pb; 金叶女贞(F): Cd>Ni>Cr>Pb>As>Mn>Cu; 大叶女贞(G): Cd>Ni>Cr>Pb>As>Mn>Cu.塔松、柏树、金叶女贞、大叶女贞4种植被叶子重金属污染物严重超标, 属重度污染植被; 紫荆、红叶李、悬铃木重金属含量轻度超标, 植被叶子属轻度污染.
(3) 植被叶子中Cr、Cu、Ni、Mn、Pb、Cd和As等7种重金属的平均潜在生态风险程度大小顺序为: Cd>Ni>Cr>As>Pb>Cu>Mn, RI值变化范围为19.04~4020.29, 绝大部分数值均远高于150, 表明处于高风险, 其中仅2%的样品处于低风险.
致谢: 张瑞、王海洋、周雄辉、曹宁宁、张洋、张臻参加野外采样, 在此深表感谢.| [1] | Wu X L, Chen S Z, Qian Y. Study on the automatic generation of emergency monitoring Scheme of atmospheric pollution based on GIS[J]. Meteorological and Environmental Research, 2010, 1(4): 7-10. |
| [2] |
万欣, 关庆伟, 邱靖, 等. 3种垂直绿化植物叶片对Zn、Cu、Pb的富集能力[J]. 城市环境与城市生态, 2010, 23(2): 33-35. Wan X, Guan Q W, Qiu J, et al. Accumulation ability of three vertical plants' leaves to Zn, Cu, Pb[J]. Urban Environment & Urban Ecology, 2010, 23(2): 33-35. |
| [3] | Alhassan A J, Sule M S, Atiku M K, et al. Study of correlation between heavy metal concentration, street dust and level of traffic in major roads of Kano Metropolis, Nigeria[J]. Nigerian Journal of Basic and Applied Sciences, 2012, 20(2): 161-168. |
| [4] | Christoforidis A, Stamatis N. Heavy metal contamination in street dust and roadside soil along the major national road in Kavala's region, Greece[J]. Geoderma, 2009, 151(3-4): 257-263. DOI:10.1016/j.geoderma.2009.04.016 |
| [5] | Wei X, Gao B, Wang P, et al. Pollution characteristics and health risk assessment of heavy metals in street dusts from different functional areas in Beijing, China[J]. Ecotoxicology and Environmental Safety, 2015, 112: 186-192. DOI:10.1016/j.ecoenv.2014.11.005 |
| [6] | Beckett K P, Freer-Smith P H, Taylor G. Urban woodlands:their role in reducing the effects of particulate pollution[J]. Environmental Pollution, 1998, 99(3): 347-360. DOI:10.1016/S0269-7491(98)00016-5 |
| [7] |
余海龙, 黄菊莹. 城市绿地滞尘机理及其效应研究进展[J]. 西北林学院学报, 2012, 27(6): 238-241, 247. Yu H L, Huang J Y. Research advances in mechanism and effect of dust retention of urban green areas[J]. Journal of Northwest Forestry University, 2012, 27(6): 238-241, 247. DOI:10.3969/j.issn.1001-7461.2012.06.47 |
| [8] |
赵晨曦, 王玉杰, 王云琦, 等. 细颗粒物(PM2.5)与植被关系的研究综述[J]. 生态学杂志, 2013, 32(8): 2203-2210. Zhao C X, Wang Y J, Wang Y Q, et al. Interactions between fine particulate matter (PM2.5) and vegetation:a review[J]. Chinese Journal of Ecology, 2013, 32(8): 2203-2210. |
| [9] | Escobedo F J, Nowak D J. Spatial heterogeneity and air pollution removal by an urban forest[J]. Landscape and Urban Planning, 2009, 90(3-4): 102-110. DOI:10.1016/j.landurbplan.2008.10.021 |
| [10] | Nowak D J, Crane D E, Stevens J C. Air pollution removal by urban trees and shrubs in the United States[J]. Urban Forestry & Urban Greening, 2006, 4(3-4): 115-123. |
| [11] | Givoni B. Impact of planted areas on urban environmental quality:a review[J]. Atmospheric Environment. Part B. Urban Atmosphere, 1991, 25(3): 289-299. DOI:10.1016/0957-1272(91)90001-U |
| [12] | Dzier Dz·anowski K, Popek R, Gawrońska H, et al. Deposition of particulate matter of different size fractions on leaf surfaces and in waxes of urban forest species[J]. International Journal of Phytoremediation, 2011, 13(10): 1037-1046. DOI:10.1080/15226514.2011.552929 |
| [13] |
胡守云, 段雪梅, 沈明洁, 等. 北京首钢工业区大气重金属污染树叶的磁学响应[J]. 科学通报, 2008, 53(4): 437-445. Hu S Y, Duan X M, Shen M J, et al. Magnetic response to atmospheric heavy metal pollution recorded by dust-loaded leaves in Shougang industrial area, western Beijing[J]. Chinese Science Bulletin, 2008, 53(10): 1555-1564. |
| [14] | Baker A J M, McGrath S P, Sidoli C M D, et al. The possibility of in situ heavy metal decontamination of polluted soils using crops of metal-accumulating plants[J]. Resources, Conservation and Recycling, 1994, 11(1-4): 41-49. DOI:10.1016/0921-3449(94)90077-9 |
| [15] | Kumar P B A N, Dushenkov V, Motto H, et al. Phytoextraction:the use of plants to remove heavy metals from soils[J]. Environmental Science & Technology, 1995, 29(5): 1232-1238. |
| [16] |
苏德纯, 黄焕忠. 油菜作为超累积植物修复镉污染土壤的潜力[J]. 中国环境科学, 2002, 22(1): 48-51. Su D C, Huang H Z. The phytoremediation potential of oilseed rape (B. juncea) as a hyperaccumulator for cadmium contaminated soil[J]. China Environmental Science, 2002, 22(1): 48-51. DOI:10.3321/j.issn:1000-6923.2002.01.012 |
| [17] |
刘和, 陈英旭. 环境生物修复中高效基因工程菌的构建策略[J]. 浙江大学学报(农业与生命科学版), 2002, 28(2): 208-212. Liu H, Chen Y X. Construction strategies of genetically engineered bacteria for environment bioremediation[J]. Journal of Zhejiang University (Agriculture & Life Science), 2002, 28(2): 208-212. DOI:10.3321/j.issn:1008-9209.2002.02.021 |
| [18] |
王爱霞, 张敏, 黄丽斌, 等. 南京市14种绿化树种对空气中重金属的累积能力[J]. 植物研究, 2009, 29(3): 368-374. Wang A X, Zhang M, Huang L B, et al. Accumulation capacity of Nanjing 14 virescence tree species to heavy metal pollutants of the atmosphere[J]. Bulletin of Botanical Research, 2009, 29(3): 368-374. |
| [19] |
李少宁, 孔令伟, 鲁邵伟, 等. 北京常见绿化树种叶片富集重金属能力研究[J]. 环境科学, 2014, 35(5): 1891-1900. Li S N, Kong L W, Lu S W, et al. Beijing common green tree leaves' accumulation capacity for heavy metals[J]. Environmental Science, 2014, 35(5): 1891-1900. |
| [20] | 王亚宇.乌鲁木齐市土壤重金属空间分布及行道树对重金属的富集特征[D].乌鲁木齐: 新疆农业大学, 2008. http://www.wanfangdata.com.cn/details/detail.do?_type=degree&id=Y1256697 |
| [21] |
薛皎亮, 刘红霞, 谢映平. 城市空气中铅在国槐树体内的积累[J]. 中国环境科学, 2000, 20(6): 536-539. Xue J L, Liu H X, Xie Y P. Lead in city air accumulated by the green tree, Sophora japonica[J]. China Environmental Science, 2000, 20(6): 536-539. DOI:10.3321/j.issn:1000-6923.2000.06.013 |
| [22] | Pagotto C, Rémy N, Legret M, et al. Heavy metal pollution of road dust and roadside soil near a major rural highway[J]. Environmental Technology, 2001, 22(3): 307-319. DOI:10.1080/09593332208618280 |
| [23] | Pouyat R V, McDonnell M J. Heavy metal accumulations in forest soils along an urban-rural gradient in southeastern New York, USA[J]. Water, Air, and Soil Pollution, 1991, 57(1): 797-807. |
| [24] | Albasel N, Cottenie A. Heavy metal contamination near major highways, industrial and urban areas in Belgian grassland[J]. Water, Air, and soil Pollution, 1985, 24(1): 103-109. |
| [25] |
范舒欣, 蔡妤, 董丽. 北京市8种常绿阔叶树种滞尘能力[J]. 应用生态学报, 2017, 28(2): 408-414. Fan S X, Cai Y, Dong L. Dust absorption capacities of eight evergreen broad-leaved plants in Beijing, China[J]. Chinese Journal of Applied Ecology, 2017, 28(2): 408-414. |
| [26] |
段海静, 蔡晓强, 阮心玲, 等. 开封市公园地表灰尘重金属污染及健康风险[J]. 环境科学, 2015, 36(8): 2972-2980. Duan H J, Cai X Q, Ruan X L, et al. Assessment of heavy metal pollution and its health risk of surface dusts from parks of Kaifeng, China[J]. Environmental Science, 2015, 36(8): 2972-2980. |
| [27] |
陈锐章, 彭桂英. 植物根系环境氯、硫含量对叶片氯、硫含量和抗性的影响[J]. 环境科学, 1983, 4(3): 45-48. Chen Y Z, Peng G Y. Effects of chlorine, sulphur content in plant root environment to chlorine, sulphur content in leaf content and resistance[J]. Environmental Science, 1983, 4(3): 45-48. |
| [28] | Wang H, Long H L, Li X B, et al. Evaluation of changes in ecological security in China's Qinghai Lake Basin from 2000 to 2013 and the relationship to land use and climate change[J]. Environmental Earth Sciences, 2014, 72(2): 341-354. DOI:10.1007/s12665-013-2955-1 |
| [29] | An Z S, Wang P, Shen J, et al. Geophysical survey on the tectonic and sediment distribution of Qinghai Lake Basin[J]. Science in China Series D:Earth Sciences, 2006, 49(8): 851-861. DOI:10.1007/s11430-006-0851-1 |
| [30] |
刘飞, 褚慧敏, 郑祥民. 上海市公园绿地树叶对大气重金属污染的磁学响应[J]. 环境科学, 2015, 36(12): 4374-4380. Liu F, Chu H M, Zheng X M. Magnetic response of dust-loaded leaves in parks of Shanghai to atmospheric heavy metal pollution[J]. Environmental Science, 2015, 36(12): 4374-4380. |
| [31] | Gautam P, Blaha U, Appel E. Magnetic susceptibility of dust-loaded leaves as a proxy of traffic-related heavy metal pollution in Kathmandu city, Nepal[J]. Atmospheric Environment, 2005, 39(12): 2201-2211. DOI:10.1016/j.atmosenv.2005.01.006 |
| [32] | Bryan G W, Langston W J. Bioavailability, accumulation and effects of heavy metals in sediments with special reference to United Kingdom estuaries:a review[J]. Environmental Pollution, 1992, 76(2): 89-131. |
| [33] | Dankers P. Relationship between median destructive field and remanent coercive forces for dispersed natural magnetite, titanomagnetite and hematite[J]. Geophysical Journal International, 1981, 64(2): 447-461. DOI:10.1111/j.1365-246X.1981.tb02676.x |
| [34] |
郭广慧, 雷梅, 陈同斌, 等. 交通活动对公路两侧土壤和灰尘中重金属含量的影响[J]. 环境科学学报, 2008, 28(10): 1937-1945. Guo G H, Lei M, Chen T B, et al. Effect of road traffic on heavy metals in road dusts and roadside soils[J]. Acta Scientiae Circumstantiae, 2008, 28(10): 1937-1945. DOI:10.3321/j.issn:0253-2468.2008.10.001 |
| [35] | Sawidis T, Breuste J, Mitrovic M, et al. Trees as bioindicator of heavy metal pollution in three European cities[J]. Environmental Pollution, 2011, 159(12): 3560-3570. DOI:10.1016/j.envpol.2011.08.008 |
| [36] | Madejón P, Marañón T, Murillo J M. Biomonitoring of trace elements in the leaves and fruits of wild olive and holm Oak trees[J]. Science of the Total Environment, 2006, 355(1-3): 187-203. DOI:10.1016/j.scitotenv.2005.02.028 |
| [37] | Bargagli R, Monaci F, Agnorelli C. Oak leaves as accumulators of airborne elements in an area with geochemical and geothermal anomalies[J]. Environmental Pollution, 2003, 124(2): 321-329. DOI:10.1016/S0269-7491(02)00465-7 |