2020, Vol. 39
目前，大气污染是当今世界面临的主要环境污染之一，据统计，2016年全球有420万未成年人因大气污染引发的疾病而死亡[1]。在各种大气污染物中，大气颗粒物已成为很多地区的首要污染物[2]。大气细颗粒物(PM2.5)能够进入人体呼吸道，通过血液循环进入各组织器官，与呼吸系统和心血管系统疾病密切相关，对人类危害尤其严重[3-4]。因此，围绕PM2.5的组成来源、质量浓度变化规律、浓度限值、去除途径、监测等已经开展了大量研究工作[2, 5]。
有研究表明，农作物更容易受大气污染危害，导致产量降低。因为农作物种类较为单一、种植面积广，有较大的叶面积同空气接触并进行活跃的气体交换，不易缓冲外界的影响[6]。因此，对农村地区大气颗粒物的组成来源、污染状况等进行监测非常必要。但是，目前大气污染监测常用的物理或化学方法需要专门的仪器，花费昂贵，不太适合于农村地区，特别是发展中国家的农村地区。而农村地区拥有大量的农作物资源，如果能直接利用当地农作物对大气污染进行监测，既易于取样，又不需特定的仪器设备以及经过专门培训的技术人员，将会特别适合于农村地区。
禾本科植物玉米是我国种植面积和产量最大的一类农作物[7]。玉米须是玉米的雌花序(包含花柱和柱头)，是玉米收获过程中的主要副产物之一。尽管玉米须具有一定的药用价值，但其用量少，绝大多数玉米须仍然被作为农业废弃物而随意丢弃[8]。作为接受玉米花粉的雌性生殖器官，玉米须表面粗糙、呈黏性[9]，且直接暴露于外界空气中。很多研究已表明，表面粗糙的植物材料更有利于黏附大气颗粒状物质[10-12]。因此，本研究以我国主要玉米产地山东省为研究区域，在山东省17个地市进行布点，以玉米须为材料，玉米叶片为对照，测定叶片表面和玉米须上吸附颗粒物PM2.5的含量，并与环境空气中相应污染物浓度进行相关性分析，探讨玉米须可否有效滞留PM2.5，并分析其监测潜能。
1 材料与方法 1.1 采样采样地点为山东省。山东地处中国东部沿海，位于东经114°19′~122°43′、北纬34°22′~38°23′。西部为黄淮海平原，连接中原；中部为鲁中山区，地势高突，泰山是全境最高点；东部为山东半岛，伸入黄海、渤海(图 1)。小麦、玉米、红薯是山东的三大主要粮食作物。
|
图 1 玉米叶和玉米须采样点 Figure 1 Sample sites of corn leaf and corn silk in Shandong Province |
采样时间为2017年9月，此时玉米已接近成熟，玉米叶和玉米须已充分生长。根据山东省环境空气质量常规监测点位所在位置(http://58.56.98.78:8801/airdeploy.web/AirQuality/MapMain.aspx)，17个地级市中每一地级市均选择3个监测点位附近农田进行采样(图 1)，记录采样点位与大气监测点位距离(表 1)。考虑到玉米须生长周期约为1个月，而降雨对颗粒物在植物上的滞留有着显著影响[13]，故记录各地采样时雨后时间(表 1)，并统计分析采样前各监测点位1个月时间内以及雨后时间内PM2.5的浓度变化。
|
表 1 玉米样品采样点与空气质量常规监测点的距离及雨后间隔时间 Table 1 The distance between the sample site of corn and the conventional monitoring site of atmosphere quality and time after the last rain |
每块农田按梅花形布点法进行采样，选取5个采样点，每个采样点上选取3个玉米植株。统一采集玉米基部往上第10片叶(玉米共20片叶左右)和玉米须。小心移动以避免叶片和玉米须上颗粒物滑落，将叶片和玉米须分别放于防尘盒中，带回实验室进行分析。
1.2 玉米叶片表面和玉米须上PM2.5含量测定参考张志丹等[14]的方法，将叶片和玉米须分别用去离子水浸泡2h，并用刷子刷洗，使其上的附着物充分浸洗下来，之后用孔径为2.5 μm的玻璃纤维滤膜进行抽滤，滤液移至已烘干称质量的干燥离心管中(W1)，在转速为9 000 r·min-1的条件下离心45 min，弃掉上清液，并用干净滤纸包裹管口以防灰尘污染。然后放入50 ℃烘箱中烘至恒质量，取出，盖上盖子，再用万分之一天平称量(W2)，即得吸滞PM2.5的质量：W0=W2-W1。
以单位面积滞留量表示玉米叶片的滞尘能力。叶面积数据基于扫描仪获取，将叶片平整铺在扫描台板上，利用扫描仪扫描为一张背景为纯白色的图片。利用Photoshop对图片中叶片的像素点自动识别计算像素总量，再与背景图片的整体像素大小进行比较，计算出叶片的面积S(cm2)。叶片单位面积PM2.5滞留量(μg·cm-2)=W0/S
玉米须无法计算面积，故以单位质量颗粒物滞留量来表示其滞尘能力。将玉米须烘干，万分之一天平测其干质量D(g)。玉米须单位质量PM2.5滞留量(μg· g-1)=W0/D
1.3 统计分析利用SPSS 19.0对所得数据进行统计分析。用One way ANOVA分析大气中PM2.5浓度在不同地区间的差异，以及叶片、玉米须上PM2.5浓度的地区差异，并对各地大气中PM2.5浓度与叶片、玉米须上PM2.5含量的相关性进行分析，以Spearman相关性系数表示。对相关性强的指标，利用SPSS 19.0进一步进行多元回归分析，构建回归方程，探讨PM2.5月平均浓度与雨后平均浓度对植物上颗粒物滞留的贡献率。
2 结果 2.1 大气PM2.5质量浓度分析PM2.5月平均浓度在17.02~45.85 μg·m-3间变动(图 2)，滨州市最高，威海市最低，各地区间差异显著(P < 0.05)。浓度在30 μg·m-3以下的有5个地区，即威海、青岛、烟台、日照和泰安，除泰安外，全部为沿海地区。PM2.5最后一次雨后平均浓度威海也是最低，为16.92±1.84 μg·m-3，滨州最高，为55.61±10.18 μg·m-3 (图 3)，各地区间也有显著差异(P < 0.05)。浓度低的也是威海、青岛、烟台和日照4个沿海地区。
|
图 2 各地区大气PM2.5月平均浓度 Figure 2 PM2.5 average concentrations of a month in different districts |
|
图 3 不同地区大气PM2.5雨后平均浓度 Figure 3 PM2.5 average concentrations after the last rain in different districts |
PM2.5玉米须滞留量最高的是莱芜，为71.05±7.48 μg·g-1，含量最低的是威海，为17.73±2.74 μg·g-1，各地区间差异也非常显著(P < 0.05)。浓度低的威海、烟台、泰安、枣庄和青岛5个地区中大部分也是沿海地区(图 4)。
|
图 4 不同地区玉米须对PM2.5的滞留 Figure 4 PM2.5 contents on the corn silk in different districts |
PM2.5玉米叶片滞留量在26.91~53.38 μg·cm-2间变化，含量在30 μg·cm-2以下的有威海、莱芜、枣庄、淄博、烟台等5个地区，其中既包括沿海地区，也包括内陆地区，且以内陆地区为主(图 5)。
|
图 5 不同地区玉米叶片对PM2.5的滞留 Figure 5 PM2.5 contents on the corn leaves in different districts |
相关性分析表明，玉米叶片上PM2.5浓度与PM2.5月平均浓度无相关性(R2=0.121，P=0.397)，与雨后PM2.5浓度正相关性稍高，但在0.05水平上也无显著相关性(R2=0.243，P=0.086)。
2.5 玉米须上PM2.5量与大气PM2.5浓度的相关性分析玉米须上PM2.5浓度与环境空气中PM2.5浓度呈显著正相关，与月平均浓度的R2为0.425(P=0.002)，与雨后PM2.5浓度的R2更高，达到0.472(P < 0.001)。
对玉米须上PM2.5量与环境空气中PM2.5浓度进行回归分析，其回归方程为：Y=9.947+0.773X1+0.134X2 (F=6.759，P=0.003)。其中Y为玉米须上PM2.5浓度，X1为PM2.5雨后平均浓度，X2为PM2.5月浓度。说明雨后大气PM2.5浓度对最终玉米须上PM2.5黏附量有着更大的贡献率。
3 讨论植物叶片因其表面性能(如绒毛、鳞片、蜡质表层、黏性和粗糙性等)可以通过截取和固定大气颗粒物而成为削减城市大气污染的重要过滤体[15]。从24种乔木、11种灌木的分析中得出，叶面PM2.5平均滞留量为4.15 μg·cm-2 [16]。尽管植物种类不同、采样时间和地点不同，但玉米叶片滞留PM2.5的量远大于此(图 5)，说明玉米叶片对PM2.5有较强的滞留能力。这可能与玉米叶片表面粗糙且有许多绒毛有关。已有很多研究表明，叶片光滑无绒毛的植物滞尘能力相对较弱，叶片表面粗糙不平、多绒毛、能分泌黏液和油脂的植物滞尘能力强[10-12]。
玉米须无法计算面积，因而其滞尘能力无法与以单位叶面积滞尘量表示的其他植物进行比较。但是，相关性分析表明，玉米叶片上PM2.5浓度与PM2.5月平均浓度和雨后浓度均无显著相关性(P>0.05)。而与玉米叶相比，不论是对月平均浓度还是雨后平均浓度，玉米须上PM2.5滞留量都与大气中PM2.5的浓度有显著正相关性。另外，常规大气颗粒物监测结果表明，山东沿海地区PM2.5浓度明显低于内陆地区(图 2)。与之对应的是，利用玉米须进行的生物监测也表明，PM2.5浓度低的大部分地区也是沿海地区，而利用玉米叶的监测结果却无此规律。这说明与玉米叶片相比，玉米须能更有效地、较长时间地滞留细颗粒物。尽管降雨对颗粒物在植物表面的滞留有明显影响[13]，本实验数据的回归分析也表明了这一点，但玉米须表面并没有因为风、雨等外界因素而大量丢失PM2.5。玉米须上颗粒物滞留量更能反映PM2.5的污染程度，更适合作为监测大气中PM2.5浓度和分布的指示物。
玉米须能有效吸附PM2.5的原因可能在于小粒径颗粒物更易吸附于玉米须表面。已有研究表明，玉米须可有效吸附废水中铅、铜、砷等重金属离子[7, 17-18]。因为玉米须的表面布满了墙形褶皱，而且玉米须中间是中空构造，同时也密布着墙形褶皱，这些小孔径褶皱在增加玉米须比表面积的同时，也更有利于促进小孔径物质的吸附[19]。除此之外，玉米须中含有大量的α-生育醌，该物质含有1个羟基和2个醛基；除此外还含有多糖类，主要是葡萄糖、戊聚糖和半乳聚糖；构成玉米须脂肪油的主要是软脂酸、亚油酸、硬脂酸、山箭酸、油酸[20]。也就是说，玉米须中含有大量-OH、-COOH、C=O等。这些负电性基团可以与重金属离子产生静电吸附和螯合作用，非常有利于对重金属离子的吸附，而大气颗粒物中含有大量的重金属成分[21]。另外，也有研究表明，玉米须可有效吸附废水中的油类成分[22]。而大气颗粒物也有很多有机成分，按照“相似相溶”原理，推测能吸附油类成分的玉米须也能吸附大气颗粒物中的其他有机物质，这还需要进一步的实验来证实。
总之，尽管我们所采集玉米材料的地点与常规大气监测点位有一定的距离(表 1)，但从山东17个地区的监测结果来看，玉米须对PM2.5的监测具有更好的效果，不但能反映大气PM2.5的污染程度，还能反映PM2.5的污染分布，追溯PM2.5的污染来源。因此，利用玉米须来监测大气PM2.5的污染状况具有很大的应用潜力。
4 结论(1) 玉米叶片和玉米须对PM2.5均有较强的滞留能力，与玉米叶片相比，玉米须能更有效地、较长时间地滞留细颗粒物。
(2) 常规大气监测和利用玉米须进行的生物监测均表明，山东沿海地区PM2.5浓度明显低于内陆地区，而利用玉米叶的监测却无此结果。说明玉米须上颗粒物滞留量更能反映PM2.5的污染程度，更适合作为监测大气中PM2.5浓度和分布的指示物。
(3) 相关性分析和回归分析均表明，玉米须上PM2.5浓度与环境空气中PM2.5的月平均浓度呈显著正相关，与雨后PM2.5浓度的相关系数更高。说明雨后大气PM2.5浓度对最终玉米须上PM2.5黏附量有更大的贡献率，降雨对颗粒物在植物表面的滞留有明显影响。
| [1] |
World Health Organization(WHO). Ambient(outdoor)air quality and health[R/OL].(2018-05-02)[2020-02-09]. http://www.who.int/en/news-room/fact-sheets/detail/ambient-(outdoor)-air-quality-and-health.
|
| [2] |
Li Y J, Sun Y, Zhang Q, et al. Real-time chemical characterization of atmospheric particulate matter in China:A review[J]. Atmospheric Environment, 2017, 158: 270-304. DOI:10.1016/j.atmosenv.2017.02.027 |
| [3] |
Dias D, Tchepel O, Carvalho A, et al. Particulate matter and health risk under a changing climate:Assessment for Portugal[J]. Science World Journal, 2012, 2: 1-10. |
| [4] |
张文丽, 徐东群, 崔九思. 空气细颗粒物(PM2.5)污染特征及其毒性机制的研究进展[J]. 中国环境监测, 2002, 19(1): 59-63. DOI:10.3969/j.issn.1002-6002.2002.01.020 |
| [5] |
Bianchi F, Trostl J, Junninen H, et al. New particle formation in the free troposphere:A question of chemistry and timing[J]. Science, 2016, 352: 1109-1112. DOI:10.1126/science.aad5456 |
| [6] |
Gupta R, Somanathan E, Dey S. Global warming and local air pollution have reduced wheat yields in India[J]. Climatic Change, 2017, 140(3): 1-12. |
| [7] |
Petrović M, Šoštarić T, Stojanović M, et al. Mechanism of adsorption of Cu2+ and Zn2+ on the corn silk(Zea mays L.)[J]. Ecological Engineering, 2017, 99: 83-90. DOI:10.1016/j.ecoleng.2016.11.057 |
| [8] |
Zhang L, Jiang W X, Yue J J. Research progress of corn silk[J]. Food Research and Development, 2016, 37(22): 218-221. |
| [9] |
张海波.玉米须的生药学研究[D].开封: 河南大学, 2007. ZHANG Hai-bo. Pharmacognosy of corn silks[D]. Kaifeng: Henan University, 2007. |
| [10] |
Rai A, Kulshreshtha K, Srivastava P K, et al. Leaf surface structure alterations due to particulate pollution in some common plants[J]. Environmentalist, 2010, 30(1): 18-23. DOI:10.1007/s10669-009-9238-0 |
| [11] |
Leonard R J, Mcarthur C, Hochuli D F. Particulate matter deposition on roadside plants and the importance of leaf trait combinations[J]. Urban Forestry and Urban Green, 2016, 20: 249-253. DOI:10.1016/j.ufug.2016.09.008 |
| [12] |
Sun X, Li H M, Guo X, et al. Capacity of six shrub species to retain atmospheric particulates with different diameters[J]. Environmental Science and Pollution Research, 2018, 25: 2643-2650. DOI:10.1007/s11356-017-0549-2 |
| [13] |
Zhang X, Ahmadi G, Qian J, et al. Particle detachment, resuspension and transport due to human walking in indoor environments[J]. Journal of Adhesion Science and Technology, 2008, 22(5/6): 591-621. |
| [14] |
ZHANG Zhi-dan, XI Ben-ye, CAO Zhi-guo, et al. Exploration of a quantitative methodology to characterize the retention of PM2.5 and other atmospheric particulate matter by plant leaves:Taking Populus tomentosa as an example[J]. Chinese Journal of Applied Ecology, 2014, 25(8): 2238-2242. |
| [15] |
王华, 鲁绍伟, 李少宁, 等. 可吸入颗粒物和细颗粒物基本特征、监测方法及森林调控功能[J]. 应用生态学报, 2013, 24(3): 869-877. WANG Hua, LU Shao-wei, LI Shao-ning, et al. Inhalable particulate matter and fine particulate matter:Their basic characteristics, monitoring methods, and forest regulation functions[J]. Chinese Journal of Applied Ecology, 2013, 24(3): 869-877. |
| [16] |
Mo L, Ma Z, Xu Y, et al. Assessing the capacity of plant species to accumulate particulate matter in Beijing, China[J]. PLoS One, 2015, 10(10): 1-18. |
| [17] |
尹珊珊, 赵晓祥. 玉米须吸附剂去除水溶液中Pb2+的研究[J]. 材料导报, 2014, 28(24): 37-42. YIN Shan-shan, ZHAO Xiao-xiang. Study on the absorption of heavy metal Pb2+ in wastewater with corn silk[J]. Material Report, 2014, 28(24): 37-42. |
| [18] |
周璇, 赵馀, 鞠双桥, 等. 改性玉米须纤维及其对土碱中砷(Ⅲ)的吸附[J]. 材料科学与工程学报, 2015, 33(5): 748-753. ZHOU Xuan, ZHAO Yu, JU Shuang-qiao, et al. Modified corn silk fiber and its arsenic adsorption in soil alkali[J]. Journal of Materials Science and Engineering, 2015, 33(5): 748-753. |
| [19] |
Zhu X, Yu H, Jia H, et al. Solid phase extraction of trace copper in water samples via modified corn silk as a novel biosorbent with detection by flame atomic absorption spectrometry[J]. Analytic Methods, 2013, 5(17): 4460-4466. DOI:10.1039/c3ay40416a |
| [20] |
Hasanudin K, Hashim P, Mustafa S. Corn silk(Stigma maydis)in healthcare:A phytochemical and pharmacological review[J]. Molecules, 2012, 17(8): 9697-9715. DOI:10.3390/molecules17089697 |
| [21] |
Yadav S, Rajamani V. Air quality and trace metal chemistry of different size fractions of aerosols in N-NW India-implications for source diversity[J]. Atmospheric Environment, 2006, 40: 698-712. DOI:10.1016/j.atmosenv.2005.10.005 |
| [22] |
Asadpour R, Sapari N B, Isa M H, et al. Acetylation of corn silk and its application for oil sorption[J]. Fiber Polymer, 2015, 16(9): 1830-1835. DOI:10.1007/s12221-015-4745-8 |