2019, Vol. 40
2. 青岛海洋科学与技术国家实验室海洋生态与环境科学功能实验室, 青岛 266071
2. Laboratory for Marine Ecology and Environmental Science, Qingdao National Laboratory for Marine Science and Technology, Qingdao 266071, China
生物气溶胶指大气中粒径在0.1~100 μm含有或附着有微生物或生物大分子等具有生命活性物质的气溶胶粒子, 包括细菌、真菌、病毒、尘螨、花粉、细胞碎片和生物膜等[1~3].生物气溶胶是大气气溶胶的重要组成部分, 数浓度约占大气气溶胶的25%, 而且数浓度的变动范围很大, 9 d内其占比可从16%变化到50%[3, 4].生物气溶胶中的微生物能够在大气中形成休眠体, 从而可以在大气中存活较长时间, 并能够借助空气介质进行扩散和传输, 从而引发人类各种急、慢性疾病以及动植物疾病[5].除了人体健康效应外, 生物气溶胶中的微生物可以通过吸收和反射太阳光来影响全球气候系统[6], 还能作为云凝结核(CCN)[7]和冰核(IN)[8], 导致云滴和冰晶的形成, 从而间接影响全球气候变化.因此, 研究生物气溶胶中的微生物, 对了解生物气溶胶的气候和健康效应是非常必要的, 其相关研究也逐渐成为大气科学领域研究的热点.
微生物是生物气溶胶中的重要一类, 包括真菌、细菌和放线菌等.许多研究集中于生物气溶胶中的微生物, 目前在微生物的季节和粒径分布研究方面取得了一定的进展.根据文献报道, 大气生物气溶胶中的总微生物浓度值在104~106 cells·m-3[9~12], 但不同地区和时间总微生物浓度变化较大, 即便在同一地区不同年份也存在较大差异, 比如青岛2009年6月~2010年6月总微生物浓度为8.50×104~1.66×105 cells·m-3[11], 2013年10月~2014年8月的总微生物浓度在8.49×104~2.11×106 cells·m-3之间[12]; 而西安2016年4月~2017年2月总微生物浓度在7.70×104~1.42×106 cells·m-3之间[13].已有研究显示, 大部分地区生物气溶胶中微生物浓度在秋季较高, 如青岛[11]、科罗拉多州北部[14]、台湾省[15]和北京[16].然而, 微生物浓度的季节变化在不同地区也有显着差异. Zhen等[17]发现北京细菌的浓度在春季和秋季浓度较高, 而西安冬秋季微生物的浓度最高[13]. Genitsaris等[18]发现希腊塞萨洛尼基夏季空气中的细菌达到最高值4.1×105 cells·m-3.可见, 微生物浓度受到许多生物和非生物因素的影响, 包括微生物来源、人为活动和环境条件, 具有明显的时空差异, 需要在不同地区长期监测.
生物气溶胶中的微生物浓度在不同粒径段上的分布往往是不均匀的, 且粒径分布受到研究区域、时间及空气中微生物种类的影响.青岛总微生物粒径呈两种分布模态：峰值在3.3~4.7 μm粒径上的单峰分布[11]和峰值分别在1.1~2.1 μm和4.7~7.0 μm粒径上的双峰分布[12].西安[19]、广州[20]和青岛[11]生物气溶胶中可培养真菌主要分布在3.3~4.7 μm, 然而北京[21]和新加坡[22]可培养真菌分别主要分布在2.1~3.3 μm和1.1~3.3 μm.莫高窟中可培养细菌主要分布在2.1~3.3 μm[15]; 在从台湾省中坜市到板桥的火车车厢空气中的细菌浓度主要分布在1.1~2.1 μm[23]; 希腊哈尼亚的大气中异养细菌呈现双峰分布, 峰值出现在1.1~2.1 μm和>7.0 μm两个粒径段[24].但总体来说, 微生物浓度集中分布在粗颗粒物上, 已有报道的范围在68.0%~80.0%[12, 19, 20, 25, 26].
有研究发现微生物浓度及粒径的季节变化和地域差异主要是受气候和地理环境的影响[11, 27], 特别是气象和环境因素, 例如温度、湿度和风速及PM10和PM2.5浓度等的影响[28, 29].生物气溶胶中微生物生存和繁殖的最适温度在20.0~30.0℃之间[11, 30, 31], 适宜的温度会加速水体、污泥和土壤中的微生物的释放[29].相对湿度对生物气溶胶中微生物浓度的影响较复杂, 一方面相对湿度在40%~60%之间时适宜植物向空气中释放真菌孢子[32], 另一方面当相对湿度超过70%, 生物气溶胶中革兰氏阴性细菌的死亡率随着相对湿度的增加而增加, 如黏质沙雷氏菌(Serratia marcescens)、大肠杆菌(Escherichia coli)和鸡白痢沙门氏菌(Salmonella pullorum)[33].而生物气溶胶中革兰氏阳性细菌的死亡率在50%~70%的相对湿度下较高, 如白色葡萄球菌(Staphylococcus albus)、溶血性链球菌(Streptococcus haemolyticus)和枯草芽孢杆菌(Bacillus subtilis)[34].大气中的细菌等微生物附着在大气环境中的颗粒物上, 颗粒物的增加也会导致微生物浓度增加[35], 并且粗颗粒比细颗粒上微生物更丰富[36].总体来看, 气象和环境因素对生物气溶胶中总微生物浓度的影响研究较少, 有待进一步研究.
综上, 目前对生物气溶胶中微生物浓度的季节和粒径分布研究已经取得了一定进展, 且主要集中于可培养菌, 对沿海地区生物气溶胶中总微生物浓度的时间分布及粒径分布特征的研究很有限.而沿海地区生物气溶胶因受海陆相互作用的影响具有相对独特的性质, 对于了解生物气溶胶在陆海传输及海洋对生物气溶胶的影响具有重要意义.本文以位于黄海之滨的青岛作为研究区域, 于2016年9月~2017年7月连续采集了生物气溶胶分级样品, 系统分析了生物气溶胶中总微生物浓度的日月季变化特征及粒径分布特征, 初步探讨了气象和环境空气质量因子对总微生物浓度及粒径的影响.
1 材料与方法 1.1 采样地点大气生物气溶胶样品采集于中国青岛, 采样点如图 1所示.采样器安装于中国海洋大学教学楼楼顶(36°10′N, 120°30′E, 离地面9.0 m), 采样器距楼顶1.5 m, 距离海边约7.0 km.采样点周围的树木和草地面积约占总面积的50%, 附近无工业排放源.
|
图 1 生物气溶胶采样点示意 Fig. 1 Location of the sampling site for bioaerosols |
运用FA-1撞击式生物采样器(辽阳康洁仪器研究所)采集生物气溶胶样品, 将生物气溶胶采集在直径80 mm、孔径0.2 μm并灭菌的聚碳酸酯滤膜上, 采样流量为28.3 L·min-1, 每个样品采样30 min. 2016年9月~2017年7月于每月5、10、15、20和25日08:00采集生物气溶胶样品. FA-1采样器分六级, 切割粒径范围分别为：>7.0、4.7~7.0、3.3~4.7、2.1~3.3、1.1~2.1和0.65~1.1 μm.由于采样器的切割范围限制, 本文讨论中将>2.1 μm的粒子定义为粗颗粒.采样期间用北京师范大学光学仪器厂产紫外辐射计UV-B[UV-254(230~290 nm)、UV-297(250~350 nm)]和UV-A[UV-365(320~400 nm)和UV-420(380~460 nm)]测定紫外辐射强度.
为了解青岛生物气溶胶中微生物浓度在1 d内的变化情况, 于2015~2017年秋冬季进行了生物气溶胶中总微生物浓度日变化的观测. 2015和2016年样品分别采集于每天的08:00、12:00、15:00和19:00; 2017年样品分别采集于每天的08:00、11:00、14:00和17:00.
1.3 样品处理采样前, 将采样所用的所有实验材料[采样膜、离心管、枪头(10 mL、1 mL)、超纯水和生理盐水(0.85%~0.9%)等], 在灭菌锅中进行高温高压灭菌(121℃, 15 min), 灭菌完成后将采样膜等放入烘箱于60.0℃烘干.微生物采样器用75%的酒精擦拭, 然后放入无菌操作台中紫外灭菌15 min, 灭菌后将烘干的滤膜放入采样器中.采样完成后, 将样品膜转入内含20 mL 0.85%~0.9%生理盐水的50 mL离心管中, 置恒温振荡培养箱于37.0℃在150r·min-1下振荡30 min, 制成菌悬液.振荡完成后, 用Whatman黑色核孔滤膜过滤5 mL菌悬液, 在样品溶液中加入600 μL 4′, 6-二脒基-2-苯基吲哚(4′, 6-diamidino-2-phenylindole, DAPI)染色剂, 避光染色8 min, 在负压条件下, 抽滤至滤膜刚好呈湿润状态, 再将滤膜贴在经过紫外灭菌过的载玻片上, 立即在荧光显微镜下蓝光道油镜条件下观察, 记录具有细菌形态呈亮蓝色的菌个数并计算大气中总微生物浓度[11, 12, 37].
1.4 气象数据和空气质量数据来源气象参数[温度(temperature, T)、相对湿度(relative humidity, RH)、风向和风速(wind velocity, WV)]来源于青岛市气象局(http://qdqx.qingdao.gov.cn/).空气质量指数(AQI)和主要污染物PM2.5、PM10、SO2、NO2、CO和O3浓度下载于青岛市环境保护局(http://www.qepb.gov.cn/m2/).使用Spearman相关性分析生物气溶胶与气象参数和空气环境质量指数之间的相关性. P>0.05被认为无显著相关性, 而P < 0.05被认为是统计学上显著相关.并采用多元线性回归分析来预测气象和环境因素对大气微生物浓度的影响, 该线性回归模型方程见式(1)[38]：
|
(1) |
式中, Y为总微生物浓度(cells·m-3); X1~Xi分别为T(℃)、RH(%)和WV(m·s-1)等气象因子及AQI、PM10(μg·m-3)和PM2.5(μg·m-3)等环境因素; β0为描述不考虑气象和环境因素影响的微生物一般水平的常数; β1~βi分别为T、RH和WV等气象因子及AQI、PM10和PM2.5等环境因素的回归系数; ε为不可观测的随机误差.
2 结果与讨论 2.1 青岛近海生物气溶胶中总微生物浓度月季分布特征2016年9月~2017年7月期间, 本研究测得青岛大气生物气溶胶中总微生物浓度范围在1.86×105~2.54×106 cells·m-3之间, 平均值为(6.84±4.83)×105 cells·m-3, 中位值为5.77×105 cells·m-3.与Dong等[12]报道的2013年10月~2014年8月青岛的平均值7.20×105 cells·m-3和西安总微生物浓度平均值4.03×105 cells·m-3[13]接近, 略高于2009年6月~2010年6月青岛总微生物浓度的平均值1.31×105 cells·m-3[11].这是由于在不同地区微生物的源和环境条件不同, 使得微生物浓度随着研究时间和地点的不同而变化[14].
2.1.1 青岛近海生物气溶胶中总微生物浓度的季节变化青岛生物气溶胶中总微生物浓度在春季和冬季较高, 浓度分别为(8.68±1.21)×105 cells·m-3和(7.43±6.94)×105 cells·m-3, 夏季较低, 秋季最低, 浓度分别为(7.40±2.16)×105 cells·m-3和(3.93±9.51)×105 cells·m-3(图 2).统计性分析显示, 秋季和春季、夏季生物气溶胶中总微生物浓度具有明显的季节变化差异(P < 0.05), 春季、夏季和冬季之间没有明显的季节变化差异(P>0.05). Dong等[12]同样发现青岛生物气溶胶中总微生物浓度冬季较高, 夏季最低, 但Li等[11]发现青岛2009年7月~2010年6月生物气溶胶中总微生物浓度秋季最高, 冬季最低.这表明, 即便在同一研究区域, 生物气溶胶浓度的季节差异也有较大变化.生物气溶胶浓度的季节差异是微生物来源、种类、气象条件和大气中污染物浓度等环境因素的季节差异造成的.
|
图 2 2016年9月~2017年7月青岛生物气溶胶中总微生物浓度变化 Fig. 2 Concentration variation of total microbes in bioaerosols samples in Qingdao from Sep. 2016 to Jul. 2017 |
首先, 大气中微生物浓度受到局地源的影响, 如土壤和植被等[27, 39].有研究表明, 局地源(植被和土壤)影响大气生物气溶胶中微生物丰富度[40, 41], 并影响大气中微生物浓度的季节性变化.春季耕作, 使得土壤中的微生物更易进入空气中, 导致空气中微生物浓度增加.采样点区域的主要植被类型是针叶林、落叶阔叶林和灌草丛[42, 43], 其叶片指数随生长季的到来而呈现增长的趋势, 也会使植物释放的微生物增加.同时, 春季万物复苏, 植物生长、开花等生命活动释放的微生物也较多, 如采样期间, 5月13日周围大气漂浮的柳絮较多, 测得的总微生物浓度也较高.已有研究显示, 夏季大气中来自植被的假单胞菌科(Pseudomonadaceae), 鞘脂杆菌科(Sphingobacteriaceae)和鞘脂单胞菌科(Sphingomonadaceae)的浓度会增加[44], 表明夏季植被茂盛的叶片表面作为细菌来源环境的重要性.秋季随着叶片衰老, 大气中源于植物叶片上的细菌浓度降低, 但作为土壤源细菌指标的芽孢杆菌目(Bacillales)浓度相对增加, 表明土壤作为大气中微生物来源的相对重要性的增加[40].冬季, 落叶阔叶林叶子脱落, 大气中来源植被的微生物浓度很低.从微生物的土壤和植被源分析, 春季、夏季大气中微生物源较多, 秋季和冬季较少.
其次, 气象条件的季节差异影响着生物气溶胶浓度的变化.春季逐渐变暖, 温度在1.0~15.0℃的范围内, 平均温度为(12.2±5.8)℃, 温度逐渐适宜微生物的生存繁殖[39].方治国等[31]发现最适宜微生物生长繁殖的温度范围为20.0~30.0℃.但是, 夏季温度范围在19.0~31.0℃之间, 温度的平均值为(24.8±3.6)℃, 气温适宜微生物生长繁殖.秋季平均温度为(14.4±8.2)℃, 与春季接近, 较为适宜微生物生长繁殖; 而冬季温度较低, 不利于空气中微生物存活.除温度外, 风速对微生物浓度也有着复杂影响, 一方面有利于地表微生物悬浮进入空气中, 另一方面有利于微生物在空气中扩散. Xu等[45]发现当风速超过2.0 m·s-1真菌浓度在西风的影响下逐渐增加.本研究中冬季盛行西北风, 平均风速为(4.7±2.9) m·s-1, 在4个季节中最高, 这可能是本文观测到冬季大气生物气溶胶中总微生物浓度高于夏季和秋季的原因. Dong等[12]和Xie等[13]的研究同样发现冬季微生物浓度较高, 并认为这与大气颗粒物浓度较高有关.另外, 湿润的环境适宜大气中微生物的生长繁殖[30], 但相对湿度的季节变化不明显(表 1), 不是影响研究区域微生物浓度季节差异的主要因素.可见, 微生物受到气温、风速和紫外辐射等不同气象因素的综合影响, 变化复杂.
|
表 1 2016年9月~2017年7月青岛大气生物气溶胶中总微生物浓度、微生物负荷及相关参数季节变化 Table 1 Seasonal average of total microbe concentrations, microbial loading, and related parameters in atmospheric bioaerosols in Qingdao from Sep. 2016 to Jul. 2017 |
再次, 大气中的颗粒物浓度也会影响微生物的浓度, 因为微生物可以附着在大气环境中的颗粒物上[35].生物气溶胶中微生物浓度与PM浓度的相关性分析显示, 总微生物浓度与PM10浓度呈显著正相关性(P < 0.01), Alghamdi等[46]也发现微生物浓度与PM2.5和PM10浓度呈正相关关系(P < 0.05).这可能是由于颗粒物能保护附着的微生物, 抵抗紫外辐射等不利的大气环境因素, 并为其生存繁殖提供碳源和氮源等能量源[36].如表 1所示, 冬季PM10浓度在4个季节中最高, 平均为(95±56) μg·m-3, 其次为春季和夏季.秋季颗粒物浓度最低, 除9月6日的样品外其余样品采集日的AQI值均低于100.从颗粒物浓度的影响来看, 冬季微生物浓度受到颗粒物浓度的影响较高, 秋季较低.为进一步理解颗粒物浓度对微生物浓度的影响, 本研究计算了单位质量PM10颗粒上的微生物负荷.春季微生物负荷平均值为(12 042±6 567)cells·μg-1, 为4个季节中最高, 其次是夏季, 说明这2个季节有较强的微生物源, 而冬季微生物负荷均值较低, 为(9 237±4 064)cells·μg-1, 秋季低至(8 501±5 025)cells·μg-1, 说明这2个季节微生物来源较弱, 与前述的土壤植被源分析一致.
综上, 大气生物气溶胶中的微生物浓度受到排放源、气象条件和颗粒物浓度的综合影响.春季微生物来源丰富、温度适宜微生物的生长繁殖, 适宜的温度也会加速水体、污泥和土壤中的微生物的释放[29], 而且颗粒物浓度较高, 三方面的有利条件使得大气中微生物的浓度在四季最高.冬季虽然颗粒物浓度最高, 但是温度较低, 微生物源少, 因此浓度低于春季.而夏季微生物源丰富、温度适宜, 但由于紫外辐射等其他气象条件以及低颗粒物浓度的影响, 微生物浓度低于春季.秋季低颗粒物浓度和微生物来源导致微生物浓度最低.这也解释了已有研究观测到微生物浓度的季节变化特征存在地域和年度差异性的原因, 四季的气象条件本就存在地域差别, 加上颗粒物浓度和微生物来源的差异性使得不同研究者得出不同的季节变化特征, 而即便气象条件不存在较大年变化, 但是微生物来源和颗粒物浓度随年份不同而有差异, 这些因素的综合影响导致同一地域的微生物浓度季节变化也存在一定的差异.为了进一步探究三类因素对微生物浓度的影响, 本研究比较了大气中微生物浓度与颗粒物浓度及气象条件的相关性, 微生物浓度与空气中PM2.5和PM10浓度呈显著正相关关系(P < 0.05), 而与温度、湿度和风速的相关性较弱, 初步说明大气中颗粒物浓度对空气中微生物浓度的影响强于气象因素的影响.由于缺乏微生物源排放的数值, 目前尚无法准确评估源对微生物浓度的影响, 需要进一步研究.
2.1.2 青岛近海生物气溶胶中总微生物浓度的月变化2016年9月~2017年7月, 青岛生物气溶胶中总微生物浓度及对应的温度、相对湿度、风速等相关参数示于图 3.总微生物月平均浓度变化范围为2.65×105~1.12×106 cells·m-3, 最高值出现在2017年2月, 最低值出现在2016年9月[图 3(d)]. 2016年9~11月, 总微生物逐渐增加, 到12月总微生物浓度略有下降, 随后逐渐增加, 到2017年2月达到最高值. 3月进入春季, 总微生物浓度开始下降, 4~7月总微生物浓度相差不大, 在6.65×105~8.00×105 cells·m-3范围内波动.
|
(a)温度的月变化, (b)相对湿度的月变化, (c)风速的月变化, (d)总微生物浓度及PM2.5和PM10浓度的月变化 图 3 2016年9月~2017年7月青岛生物气溶胶中总微生物浓度及相关参数的月变化 Fig. 3 Monthly average concentrations of total microbes and related parameters in bioaerosol samples in Qingdao from Sep. 2016 to Jul. 2017 |
对比图 3(d)中总微生物浓度与PM2.5和PM10浓度的变化, 可以发现, 总微生物浓度的月变化与颗粒物浓度的变化非常一致.相关性分析显示, 总微生物浓度与PM10浓度呈显著正相关(P < 0.01), 颗粒物浓度的增加会导致总微生物浓度的增加[25]. 2016年9月空气中颗粒物浓度最低, 仅(50±37) μg·m-3, 总微生物月平均浓度也最低, 随着颗粒物浓度的增加, 生物气溶胶中总微生物浓度月平均值逐渐增加, 到11月浓度达到较高值, 这与交通和燃煤供暖导致的颗粒物浓度增加[24]有关. Dong等[12]也发现开始供暖时, 大气中总微生物浓度明显增加, 增加到1.15×106 cells·m-3. 2016年12月虽然PM10浓度也较高, 但相对湿度较高[图 3(b)], 达到75%, 而当相对湿度高于70%, 生物气溶胶中革兰氏阴性细菌的死亡率增加[33], 以及温度接近0℃[图 3(a)]且风速[图 3(c)]较大等环境条件均不适合微生物的生存, 因此总微生物浓度有所降低.而2017年1月开始, 温度增加、风速降低, 颗粒物浓度增加, 相应总微生物浓度逐渐上升, 并在2月达到最高值.进入春季, 微生物来源增多, 温度逐月增加, 越来越适宜微生物的生长繁殖, 但大气中颗粒物浓度逐渐减少, 大气中微生物的载体减少, 暴露空气中的微生物直接接触大气中不利于存活的环境因素, 从而浓度出现逐月下降, 3月>4月>5月. 6~7月温度增高、紫外辐射加强, 一方面温度在19.0~31.0℃范围, 适宜于微生物生长, 另一方面紫外辐射加强会不利于微生物生存, 因此出现总微生物浓度的小幅波动.
2.1.3 青岛近海生物气溶胶中总微生物浓度的日变化图 4为2015~2017年秋冬季节1 d内4个时间段总微生物浓度变化, 每日的浓度变化存在一定差异.如表 2所示, 2015~2017年秋冬季节1 d内4个时间段总微生物平均浓度随时间的变化均呈现先下降后上升的趋势.总的来看, 青岛总微生物浓度1 d内最高值较多出现在早上(08:00~9:00)或下午(17:00~19:00), 中午(11:00~15:00)相对较低.虽然秋冬季微生物的土壤植被源的影响减弱, 但微生物还受到日光辐射、大气稳定度等气象条件和颗粒物浓度的影响.总微生物浓度与风速呈显著负相关(P < 0.01), 研究期间大部分样品采样时早上风速较小, 在1.7~5.5 m·s-1之间, 湍流较弱, 不利于微生物的稀释扩散.另外08:00为上班高峰期, 机动车辆较多, 汽车排放的颗粒使得大气中颗粒物浓度增加[24], 从而微生物浓度较高.中午光照相对较强, 混合层厚度大大增加, 风速增大到1.9~7.0 m·s-1, 大气对微生物的稀释扩散和水平运输加强[47]; 同时日光辐射较早上增加会使得生物气溶胶中微生物的浓度降低[48].下午风速下降到1.1~5.9 m·s-1之间, 紫外辐射及风速减弱后总微生物浓度又有所回升.但这些样品的微生物浓度无显著日变化(P>0.05), 由于本文样本有限, 总微生物浓度的日变化还有待进一步研究.
|
图 4 2015~2017年青岛秋冬季生物气溶胶中总微生物浓度的日变化 Fig. 4 Diurnal variation of total microbe concentrations in bioaerosols samples in fall and winter from 2015 to 2017 |
|
|
表 2 2015年~2017年不同时段总微生物平均浓度×105/cells·m-3 Table 2 Average concentrations of total microbes during different sampling periods in 2015, 2016 and 2017 ×105/cells·m-3 |
2.2 青岛近海生物气溶胶中总微生物粒径分布变化
2016年9月~2017年7月期间, 青岛沿海地区生物气溶胶中微生物浓度的粒径分布特征如图 5(a)所示.除个别样品外, 总微生物浓度呈现随着粒径增加而增加的偏态分布, 即微生物浓度在>7.0 μm粒径上最高, 平均占总微生物浓度的24.0%, 在0.65~1.1 μm粒径上最低, 平均占总微生物浓度的10.4%.
|
图 5 2016年9月~2017年7月青岛生物气溶胶中总微生物的粒径分布 Fig. 5 Size distributions of total microbes in bioaerosols samples in Qingdao from Sep. 2016 to Jul. 2017 |
为了研究粒径分布的季节变化, 将2016年9月~2017年7月期间采集的样品按季节计算了平均粒径分布比例[图 5(b)].青岛沿海地区生物气溶胶中总微生物浓度粒径分布的季节差异不大, 基本呈现在粗粒子所占比例较大的偏态分布, 只是不同季节各粒径上的总微生物浓度占比有所差异.春季, 0.65~1.1 μm粒径上的浓度比例为11.9%, 1.1~4.7 μm范围内各粒径段的比例相差不大, 在15.9%~18.5%之间, >7.0 μm粒子上占比最高, 为20.5%.夏季, 细颗粒物上总微生物占比下降, 0.65~1.1 μm粒径段上的浓度比例降至9.9%, 粗颗粒上总微生物占比增加, 4.7~7.0 μm和>7.0 μm粒子上所占比例较高, 分别为23.3%和23.8%.秋季, 细粒径段上总微生物占比与夏季接近, 2.1~4.7 μm粒径段的比例有所增加, 在15.6%~18.5%, >7.0 μm粒子上占比仍然最高, 为27.3%.冬季, 总微生物浓度最高比例24.9%也分布在>7.0 μm粒径, 最低比例9.9%在1.1~2.1 μm粒径段.总的来看, 青岛4个季节大气生物气溶胶中总微生物浓度在>7.0 μm粒子上占比最高.总微生物浓度主要分布在粗粒子上, 春、夏、秋和冬季分别为72.0%、75.7%、78.6%和80.0%, 秋冬季略高于春夏季.这是因为粗颗粒物能为微生物提供庇护, 并为微生物生命活动提供碳源、氮源等能量源[36], 这也与青岛沿海地区秋冬季PM10浓度较高的结果一致.
2.2.2 青岛近海生物气溶胶中总微生物粒径分布的月变化图 6为2016年9月~2017年7月期间, 青岛沿海地区生物气溶胶中微生物浓度粒径分布的月变化.虽然总微生物主要分布在粗粒子上, 但不同月份微生物浓度粒径分布存在一定差异.研究期间, 总微生物月粒径分布可分为两类：一类样品的月均粒径分布呈现偏态分布[图 6(a)], 如2016年10~12月、2017年1~3和6月, 最高浓度分布在>7.0 μm粒径, 比例在22.3%~29.3%;另一类样品的总微生物粒径呈双峰分布[图 6(b)], 如2016年9月、2017年4、5和7月, 但每月粒径分布的峰值存在差异. 9和5月的峰值分别在2.1~3.3 μm和>7.0 μm, 4月的峰值分别在1.1~2.1 μm和3.3~4.7 μm, 7月峰值分别在1.1~2.1 μm和>7.0 μm, 且峰值范围在15.6%~30.2%.相关性分析发现, 2.1~3.3、3.3~4.7和>7.0 μm粒径上总微生物浓度与PM的浓度呈显著正相关关系(P < 0.01或P < 0.05).这表明附着在不同粒径段上的总微生物浓度会由于空气中颗粒物粒径分布的不同而有所不同.
|
图 6 2016年9月~2017年7月青岛生物气溶胶中总微生物月均粒径分布 Fig. 6 Monthly averaged size distributions of total microbes in bioaerosols samples in Qingdao from Sep. 2016 to Jul. 2017 |
2015~2017年生物气溶胶中总微生物浓度在不同时段内的粒径分布如图 7所示.总微生物粒径分布的日变化随年份和时段不同而有较大变化. 2015年08:00和15:00的样品呈现峰值在2.1~3.3 μm和4.7~7.0 μm的双峰分布[图 7(a)], 12:00和19:00的样品呈现峰值分别在4.7~7.0 μm和3.3~4.7 μm的单峰分布. 2016年08:00和15:00的样品呈现峰值在3.3~4.7 μm和>7.0 μm的双峰分布[图 7(b)], 而12:00和19:00的样品也呈双峰分布, 但峰值分布与其不同, 分别在2.1~3.3 μm和>7.0 μm. 2017年11:00的样品呈峰值在2.1~3.3 μm和4.7~7.0 μm的双峰分布[图 7(c)], 其余时段均呈现高值在>7.0 μm的偏态分布.这可能是由于不同时段微生物的源排放、大气中颗粒物浓度以及气象因素的变化导致不同粒径上微生物浓度变化.统计分析显示, 每级粒径上总微生物浓度没有明显的日变化差异(P>0.05).总的来看, 在4个时间段总微生物主要分布在粗粒径上.但粗粒径上总微生物所占比在不同时间段不同, 2015~2017年中午(11:00~15:00)总微生物在粗粒径上所占比例最低, 为56.1%~74.8%.相关性分析显示, 细粒径上总微生物浓度与温度呈显著正相关(P < 0.05), 而粗细粒径上总微生物浓度与相对湿度和风速均呈显著负相关(P < 0.05或P < 0.01).研究期间, 中午温度较高(3.4~18.2℃), 湿度较低(23%~82%), 风速较大(1.9~7.0 m·s-1), 因此出现中午粗粒径上总微生物占比最低的现象.
|
图 7 2015~2017年青岛秋冬季生物气溶胶中总微生物粒径分布日变化 Fig. 7 Diurnal size distributions of total microbes in bioaerosols samples in fall and winter from 2015 to 2017 |
为了解气象和环境因子对总微生物浓度和粒径的影响, 分析2016年9月~2017年7月青岛不同粒径生物气溶胶中总微生物浓度与气象因素、颗粒物质量浓度(PM10和PM2.5)、气体污染物质量浓度(SO2、NO2、O3和CO)的Spearman's相关性(表 3).
|
|
表 3 青岛生物气溶胶中总微生物浓度及每级粒子上的浓度与环境因素之间的Spearman's相关系数1) Table 3 Spearman's correlation coefficient between the concentrations of total microbes, concentrations at each particle size and environmental factors |
结果显示, 研究期间温度、风速和风向与总微生物浓度无显著相关(P>0.05)(见表 3), 这与Dong等[12]的研究相一致.这可能是由于采样期间的温度和风速变化幅度较小, 采样期间风速平均值为(3.4±2.2) m·s-1, 有37 d风速≤4 m·s-1, 这说明研究期间气温和风速风向不是影响微生物浓度变化的主要因素, 但气温和风速对2015~2017年秋冬季粗细粒径上总微生物浓度有一定影响.
相对湿度与不同粒径的总微生物浓度呈负相关, 尤其是对1.1~2.1 μm粒径段总微生物浓度影响更显著(P < 0.05), 这与之前的研究[49, 50]相一致.有研究发现枝孢菌属在青岛生物气溶胶中占绝对优势, 主要集中在0.65~4.7 μm粒径上[49], 而且枝孢菌属与相对湿度呈负相关[51].研究期间, 2017年3~5月相对湿度范围在41%~100%, 有9 d样品的相对湿度低于70%, 相应观测到1.1~2.1 μm粒径上总微生物浓度均较高, 在2.63×104~4.01×105 cells·m-3之间.
如前所述, 大气中的微生物可以附着在大气环境中的颗粒物上, 生物气溶胶中微生物浓度会因颗粒物排放的增加而增加[35].相关性分析显示, 总微生物浓度与PM2.5和PM10浓度呈显著正相关(P < 0.05), 与Jeon等[35]的研究相一致. 2月25日PM2.5和PM10浓度明显增加, 分别为133 μg·m-3和199 μg·m-3, 总微生物浓度增加到2.54×106 cells·m-3, 并且粗颗粒物(>2.1 μm)上的浓度明显高于细颗粒物(< 2.1 μm).
CO、SO2、NO2和O3是大气中重要的气体污染物, 相关性分析显示总微生物浓度与SO2、NO2和O3不相关, 只有0.65~1.1 μm、2.1~3.3 μm和3.3~4.7 μm粒径段中总微生物浓度与CO质量浓度呈显著正相关(P < 0.05).在青岛[12]和西安[13]同样发现总微生物浓度与CO呈正相关, 可能是CO可以被某些微生物转变并利用.
紫外光按照波长范围可分为UV-A(315~400 nm)、UV-B(280~315 nm)和UV-C(100~280 nm). UV-A和UV-B能够透过臭氧保护层和云层到达到地球, 而UV-C被臭氧层吸收, 只有微量到达地球表面.闫岩等[52]发现UV-C可以在数秒内通过破坏微生物的脱氧核糖核酸结构杀死细菌和病毒; 而UV-A和UV-B杀灭微生物的速度较慢.分析结果显示, 除了1.1~2.1 μm粒径段上的总微生物浓度与UV-420(380~460 nm)呈显著正相关(P < 0.05), 总微生物浓度与紫外辐射强度没有显著的相关性.这可能与大气中存在具有色素的细菌有关, 空气中大约有65%具有色素的细菌, 主要包括葡萄球菌属(Staphylococcus)、李斯特菌属(Listeria)和微球菌属(Micrococcus)[53], 这些色素能保护细菌减少紫外辐射的影响[54, 55].
2.3.2 多元线性回归分析根据生物气溶胶中总微生物浓度与气象和环境因素之间的相关性分析结果, 本文通过逐步多元线性回归进一步鉴定和量化影响大气中总微生物浓度的主要因素.模拟出的多元线性回归模型方程见式(2)：
|
(2) |
式中, R2是确定系数, N是样品数, P是显著概率水平.
多元线性回归分析结果表明, 相对湿度和PM2.5是影响生物气溶胶中总微生物浓度的主要因素.生物气溶胶中总微生物浓度与相对湿度呈显著负相关(P < 0.01), 与PM2.5呈显著正相关(P < 0.01). Gao等[21]的研究运用多元线性回归模型也发现北京冬季生物气溶胶中真菌浓度与PM2.5呈显著正相关.由公式(2)看出, 相对湿度每下降1%, 总微生物浓度下降2273 cells·m-3; PM2.5浓度每增加1 μg·m-3, 总微生物浓度增加7323 cells·m-3.生物气溶胶中总微生物浓度中20.6%的变化与相对湿度和PM2.5相关.
3 结论(1) 青岛近海生物气溶胶中总微生物浓度的季节变化趋势为春季和冬季较高, 夏季次之, 秋季最低.统计性分析结果表明春季、夏季和秋季空气中总微生物浓度具有明显的季节变化差异.这主要是与生物气溶胶中微生物来源、气象条件和空气中颗粒物浓度等环境因素的季节差异有关.
(2) 在研究期间, 生物气溶胶中总微生物浓度不存在日变化差异, 但本研究样本有限, 有待进一步研究.
(3) 生物气溶胶中总微生物粒径分布主要呈现双峰分布和偏态分布两类, 随月份不同而有所变化, 总微生物主要分布在粗粒径上.
(4) 相关性分析结果表明, 青岛近海生物气溶胶中总微生物浓度与温度、风速和风向等气象因素以及NO2、SO2和O3等因子无显著相关, 与AQI、CO、PM2.5和PM10等因子呈显著正相关.多元线性回归分析结果进一步表明相对湿度和PM2.5是影响生物气溶胶中总微生物浓度的主要因素.
| [1] | Ariya P A, Amyot M. New directions:the role of bioaerosols in atmospheric chemistry and physics[J]. Atmospheric Environment, 2004, 38(8): 1231-1232. DOI:10.1016/j.atmosenv.2003.12.006 |
| [2] | Urbano R, Palenik B, Gaston C J, et al. Detection and phylogenetic analysis of coastal bioaerosols using culture dependent and independent techniques[J]. Biogeosciences, 2011, 8(2): 301-309. |
| [3] | Matthias-Maser S, Jaenicke R. The size distribution of primary biological aerosol particles with radii>0.2μm in an urban/rural influenced region[J]. Atmospheric Research, 1995, 39(4): 279-286. DOI:10.1016/0169-8095(95)00017-8 |
| [4] | White C C, Kenny C M, Jennings S G. A study of marine and continental bioaerosol in the west of Ireland[J]. Journal of Aerosol Science, 1999, 30(1): S809-S810. |
| [5] | Ho J, Duncan S. Estimating aerosol hazards from an anthrax letter[J]. Journal of Aerosol Science, 2005, 36(5-6): 701-719. DOI:10.1016/j.jaerosci.2004.11.019 |
| [6] | Möhler O, DeMott P J, Vali G, et al. Microbiology and atmospheric processes:the role of biological particles in cloud physics[J]. Biogeosciences Discussions, 2007, 4(4): 2559-2591. DOI:10.5194/bgd-4-2559-2007 |
| [7] | Bauer H, Giebl H, Hitzenberger R, et al. Airborne bacteria as cloud condensation nuclei[J]. Journal of Geophysical Research:Atmospheres, 2003, 108(D21): 4658. |
| [8] | Pratt K A, DeMott P J, French J R, et al. In situ detection of biological particles in cloud ice-crystals[J]. Nature Geoscience, 2009, 2(6): 398-401. DOI:10.1038/ngeo521 |
| [9] | Hara K, Zhang D Z. Bacterial abundance and viability in long-range transported dust[J]. Atmospheric Environment, 2012, 47: 20-25. DOI:10.1016/j.atmosenv.2011.11.050 |
| [10] | Murata K, Zhang D Z. Transport of bacterial cells toward the Pacific in Northern Hemisphere westerly winds[J]. Atmospheric Environment, 2014, 87: 138-145. DOI:10.1016/j.atmosenv.2013.12.038 |
| [11] | Li M F, Qi J H, Zhang H D, et al. Concentration and size distribution of bioaerosols in an outdoor environment in the Qingdao coastal region[J]. Science of the Total Environment, 2011, 409(19): 3812-3819. DOI:10.1016/j.scitotenv.2011.06.001 |
| [12] | Dong L J, Qi J H, Shao C C, et al. Concentration and size distribution of total airborne microbes in hazy and foggy weather[J]. Science of the Total Environment, 2016, 541: 1011-1018. DOI:10.1016/j.scitotenv.2015.10.001 |
| [13] | Xie Z S, Li Y P, Lu R, et al. Characteristics of total airborne microbes at various air quality levels[J]. Journal of Aerosol Science, 2018, 116: 57-65. DOI:10.1016/j.jaerosci.2017.11.001 |
| [14] | Bowers R M, McCubbin I B, Hallar A G, et al. Seasonal variability in airborne bacterial communities at a high-elevation site[J]. Atmospheric Environment, 2012, 50: 41-49. DOI:10.1016/j.atmosenv.2012.01.005 |
| [15] | Wang Y F, Wang C H, Hsu K L. Size and seasonal distributions of airborne bioaerosols in commuting trains[J]. Atmospheric Environment, 2010, 44(35): 4331-4338. DOI:10.1016/j.atmosenv.2010.08.029 |
| [16] | Fang Z G, Ouyang Z Y, Zheng H, et al. Culturable airborne bacteria in outdoor environments in Beijing, China[J]. Microbial Ecology, 2007, 54(3): 487-496. DOI:10.1007/s00248-007-9216-3 |
| [17] | Zhen Q, Deng Y, Wang Y Q, et al. Meteorological factors had more impact on airborne bacterial communities than air pollutants[J]. Science of the Total Environment, 2017, 601-602: 703-712. DOI:10.1016/j.scitotenv.2017.05.049 |
| [18] | Genitsaris S, Stefanidou N, Katsiapi M, et al. Variability of airborne bacteria in an urban Mediterranean area (Thessaloniki, Greece)[J]. Atmospheric Environment, 2017, 157: 101-110. DOI:10.1016/j.atmosenv.2017.03.018 |
| [19] | Li Y P, Fu H L, Wang W, et al. Characteristics of bacterial and fungal aerosols during the autumn haze days in Xi'an, China[J]. Atmospheric Environment, 2015, 122: 439-447. DOI:10.1016/j.atmosenv.2015.09.070 |
| [20] | Chen X Y, Ran P X, Ho K, et al. Concentrations and size distributions of airborne microorganisms in Guangzhou during summer[J]. Aerosol and Air Quality Research, 2012, 12(6): 1336-1344. DOI:10.4209/aaqr.2012.03.0066 |
| [21] | Gao M, Qiu T L, Jia R Z, et al. Concentration and size distribution of viable bioaerosols during non-haze and haze days in Beijing[J]. Environmental Science and Pollution Research, 2015, 22(6): 4359-4368. DOI:10.1007/s11356-014-3675-0 |
| [22] | Zuraimi M S, Fang L, Tan T K, et al. Airborne fungi in low and high allergic prevalence child care centers[J]. Atmospheric Environment, 2009, 43(15): 2391-2400. DOI:10.1016/j.atmosenv.2009.02.004 |
| [23] | Wang W F, Ma Y T, Ma X, et al. Seasonal variations of airborne bacteria in the Mogao Grottoes, Dunhuang, China[J]. International Biodeterioration & Biodegradation, 2010, 64(4): 309-315. |
| [24] | Raisi L, Aleksandropoulou V, Lazaridis M, et al. Size distribution of viable, cultivable, airborne microbes and their relationship to particulate matter concentrations and meteorological conditions in a Mediterranean site[J]. Aerobiologia, 2013, 29(2): 233-248. DOI:10.1007/s10453-012-9276-9 |
| [25] | Cao C, Jiang W J, Wang B Y, et al. Inhalable microorganisms in Beijing's PM2.5 and PM10 pollutants during a severe smog event[J]. Environmental Science & Technology, 2014, 48(3): 1499-1507. |
| [26] | Li Y P, Lu R, Li W X, et al. Concentrations and size distributions of viable bioaerosols under various weather conditions in a typical semi-arid city of Northwest China[J]. Journal of Aerosol Science, 2017, 106: 83-92. DOI:10.1016/j.jaerosci.2017.01.007 |
| [27] | Lighthart B, Shaffer B T. Bacterial flux from chaparral into the atmosphere in mid-summer at a high desert location[J]. Atmospheric Environment, 1994, 28(7): 1267-1274. DOI:10.1016/1352-2310(94)90273-9 |
| [28] | Burrows S M, Elbert W, Lawrence M G, et al. Bacteria in the global atmosphere-Part 1:review and synthesis of literature data for different ecosystems[J]. Atmospheric Chemistry and Physics, 2009, 9(23): 9263-9280. DOI:10.5194/acp-9-9263-2009 |
| [29] | Jones A M, Harrison R M. The effects of meteorological factors on atmospheric bioaerosol concentrations-a review[J]. Science of the Total Environment, 2004, 326(1-3): 151-180. DOI:10.1016/j.scitotenv.2003.11.021 |
| [30] | Heo K J, Kim H B, Lee B U. Concentration of environmental fungal and bacterial bioaerosols during the monsoon season[J]. Journal of Aerosol Science, 2014, 77: 31-37. DOI:10.1016/j.jaerosci.2014.07.001 |
| [31] |
方治国, 欧阳志云, 胡利锋, 等. 城市生态系统空气微生物群落研究进展[J]. 生态学报, 2004, 24(2): 315-322. Fang Z G, Ouyang Z Y, Hu L F, et al. Progresses of airborne microbial communities in urban ecosystem[J]. Acta Ecologica Sinica, 2004, 24(2): 315-322. DOI:10.3321/j.issn:1000-0933.2004.02.023 |
| [32] | Leach C M, Hildebrand P D, Sutton J C. Sporangium discharge by Peronospora destructor:influence of humidity, red-infrared radiation, and vibration[J]. Phytopathology, 1982, 72(8): 1052-1056. DOI:10.1094/Phyto-72-1052 |
| [33] | Webb S J. Factors affecting the viability of air-borne bacteria:I. Bacteria aerosolized from distilled water[J]. Canadian Journal of Microbiology, 1959, 5(6): 649-669. DOI:10.1139/m59-079 |
| [34] | Won W D, Ross H. Effect of diluent and relative humidity on apparent viability of airborne Pasteurella pestis[J]. American Society for Microbiology, 1966, 14(5): 742-745. |
| [35] | Jeon E M, Kim H J, Jung K, et al. Impact of Asian dust events on airborne bacterial community assessed by molecular analyses[J]. Atmospheric Environment, 2011, 45(25): 4313-4321. DOI:10.1016/j.atmosenv.2010.11.054 |
| [36] | Bowers R M, Clements N, Emerson J B, et al. Seasonal variability in bacterial and fungal diversity of the near-surface atmosphere[J]. Environmental Science & Technology, 2013, 47(21): 12097-12106. |
| [37] |
李鸿涛, 祁建华, 董立杰, 等. 沙尘天气对生物气溶胶中总微生物浓度及粒径分布的影响[J]. 环境科学, 2017, 38(8): 3169-3177. Li H T, Qi J H, Dong L J, et al. Influence of dust events on the concentration and size distribution of microorganisms in bioaerosols[J]. Environmental Science, 2017, 38(8): 3169-3177. |
| [38] | Mouli P C, Mohan S V, Reddy S J. Assessment of microbial (bacteria) concentrations of ambient air at semi-arid urban region:influence of meteorological factors[J]. Applied Ecology and Environmental Research, 2005, 3(2): 139-149. DOI:10.15666/aeer |
| [39] | Smets W, Moretti S, Denys S, et al. Airborne bacteria in the atmosphere:presence, purpose, and potential[J]. Atmospheric Environment, 2016, 139: 214-221. DOI:10.1016/j.atmosenv.2016.05.038 |
| [40] | Bowers R M, McLetchie S, Knight R, et al. Spatial variability in airborne bacterial communities across land-use types and their relationship to the bacterial communities of potential source environments[J]. The ISME Journal, 2011, 5(4): 601-612. DOI:10.1038/ismej.2010.167 |
| [41] | Gandolfi I, Bertolini V, Bestetti G, et al. Spatio-temporal variability of airborne bacterial communities and their correlation with particulate matter chemical composition across two urban areas[J]. Applied Microbiology and Biotechnology, 2015, 99(11): 4867-4877. DOI:10.1007/s00253-014-6348-5 |
| [42] | 李宝华. 青岛崂山植被调查报告[J]. 防护林科技, 2004(S1): 138-140. |
| [43] |
孔祥安, 李广海, 郑锋先, 等. 青岛崂山主要植被类型及物种丰富度研究[J]. 中国农学通报, 2009, 25(10): 241-245. Kong X A, Li G H, Zheng F X, et al. Study on the main vegetation types and species abundance of Laoshan mountain in Qingdao[J]. Chinese Agricultural Science Bulletin, 2009, 25(10): 241-245. |
| [44] | Yashiro E, Spear R N, McManus P S. Culture-dependent and culture-independent assessment of bacteria in the apple phyllosphere[J]. Journal of Applied Microbiology, 2011, 110(5): 1284-1296. DOI:10.1111/jam.2011.110.issue-5 |
| [45] | Xu C H, Wei M, Chen J M, et al. Fungi diversity in PM2.5 and PM1 at the summit of Mt. Tai:abundance, size distribution, and seasonal variation[J]. Atmospheric Chemistry and Physics, 2017, 17(18): 11247-11260. DOI:10.5194/acp-17-11247-2017 |
| [46] | Alghamdi M A, Shamy M, Redal M A, et al. Microorganisms associated particulate matter:a preliminary study[J]. Science of the Total Environment, 2014, 479-480: 109-116. DOI:10.1016/j.scitotenv.2014.02.006 |
| [47] | 赵德山, 洪钟祥. 北京地区气溶胶及其化学元素浓度和气象条件的关系[J]. 大气科学, 1983, 7(2): 153-161. DOI:10.3878/j.issn.1006-9895.1983.02.05 |
| [48] | Chi M C, Li C S. Fluorochrome in monitoring atmospheric bioaerosols and correlations with meteorological factors and air pollutants[J]. Aerosol Science and Technology, 2007, 41(7): 672-678. DOI:10.1080/02786820701383181 |
| [49] |
韩晨, 谢绵测, 祁建华, 等. 青岛市不同空气质量下可培养生物气溶胶分布特征及影响因素[J]. 环境科学研究, 2016, 29(9): 1264-1271. Han C, Xie M C, Qi J H, et al. Size distribution characteristics of culturable bioaerosols in relation to air quality levels in Qingdao[J]. Research of Environmental Sciences, 2016, 29(9): 1264-1271. |
| [50] | Tong Y Y, Lighthart B. The annual bacterial particle concentration and size distribution in the ambient atmosphere in a rural area of the Willamette Valley, Oregon[J]. Aerosol Science and Technology, 2000, 32(5): 393-403. DOI:10.1080/027868200303533 |
| [51] | Ballero M, de Gioannis N, Lombardini S, et al. Comparative study about airborne spores in Cagliari and Perugia[J]. Aerobiologia, 1992, 8(1): 141-147. DOI:10.1007/BF02291342 |
| [52] |
闫岩, 郦和生, 任志峰. 紫外杀菌技术的研究现状[J]. 石化技术, 2011, 18(4): 60-63. Yan Y, Li H S, Ren Z F. Progress of research in UV sterilization technology[J]. Petrochemical Industry Technology, 2011, 18(4): 60-63. |
| [53] | Tong Y Y, Che F X, Xu X Z, et al. Population study of atmospheric bacteria at the Fengtai district of Beijing on two representative days[J]. Aerobiologia, 1993, 9(1): 69-74. DOI:10.1007/BF02311372 |
| [54] | Tong Y Y, Lighthart B. Solar radiation is shown to select for pigmented bacteria in the ambient outdoor atmosphere[J]. Photochemistry and Photobiology, 1997, 65(1): 103-106. |
| [55] | Tuveson R W, Larson R A, Kagan J. Role of cloned carotenoid genes expressed in Escherichia coli in protecting against inactivation by near-UV light and specific phototoxic molecules[J]. Journal of Bacteriology, 1988, 170(10): 4675-4680. DOI:10.1128/jb.170.10.4675-4680.1988 |