道路大氣顆粒物擴(kuò)散的綠地響應(yīng)模擬

本文以福建省福州市西三環(huán)快速路為實(shí)驗(yàn)靶區(qū)，收集顆粒物濃度(PM2.5、BC)、交通量、氣象等數(shù)據(jù)，解析路側(cè)綠化帶前后顆粒物濃度的變化特征及原因，進(jìn)而提出能夠最大化減少路側(cè)慢行道大氣顆粒污染的綠地配置方案。研究結(jié)果為：(1)路側(cè)大氣顆粒物隨著遠(yuǎn)離主干道總體呈現(xiàn)衰減趨勢；交通早高峰時(shí)段的顆粒物濃度普遍高于晚高峰時(shí)段；相較于其他風(fēng)向(風(fēng)平行于道路以及風(fēng)由干道吹向綠化帶)，風(fēng)由干道吹向綠化帶時(shí)，綠化帶后顆粒物濃度水平更低。(2)道路綠化帶稠密區(qū)前后的顆粒物濃度相較于稀疏區(qū)的降幅更大；在慢行道上，植被后顆粒物濃度隨著垂直高度增加而減少。(3)基于ENVI-met數(shù)值模擬分析得出，路側(cè)首層綠化帶為行道樹+樹籬、第二層綠化帶為單一行道樹的植物配置方案能最大化減少慢行道顆粒物濃度；隨著行道樹間距的增加，散步道PM2.5濃度先降低后增加，6m為理想行道樹間距。為了最大化減少慢行道出行者的污染風(fēng)險(xiǎn)，慢行者應(yīng)盡量避免在繁忙的高峰時(shí)段出行，同時(shí)靠右行走，減少與機(jī)動(dòng)車排放源的距離。此外，道路綠化設(shè)施的布設(shè)應(yīng)綜合考慮當(dāng)?shù)刂鲗?dǎo)風(fēng)向、植被物種配置、植被間距以及綠化設(shè)施間的橫向距離。1、數(shù)據(jù)與方法1.1實(shí)驗(yàn)方案本研究以福建省福州市西三環(huán)快速路為實(shí)驗(yàn)靶區(qū)，選取福建農(nóng)林大學(xué)西門至洪塘新城沿江側(cè)部分路段開展定點(diǎn)測量。綠地植物主要為香樟樹、株櫻花、灰莉、石楠、杜鵑五種類型。綠化類型、尺寸見表1。監(jiān)測點(diǎn)設(shè)置在上述的實(shí)驗(yàn)區(qū)域內(nèi)，測量對(duì)象分為PM2.5、BC、交通量和氣象數(shù)據(jù)。根據(jù)道路綠化帶的植被豐度將實(shí)驗(yàn)路段劃分為兩個(gè)區(qū)域，即植被豐度相對(duì)較高的測量區(qū)和植被豐度相對(duì)較低的參照區(qū)，兩處相距102m，測量區(qū)和參照區(qū)各布置7個(gè)監(jiān)測點(diǎn)（圖1左），共14個(gè)監(jiān)測點(diǎn)（A、B、C1、C2、D1、D2、D3及a、b、c1、c2、d1、d2、d3），監(jiān)測點(diǎn)周圍無高大建筑物。各監(jiān)測點(diǎn)位的測量高度設(shè)置如下：A(a）、B(b）、C1(c1）測量高度接近于路側(cè)綠化帶高度的2/3處，即0.8m；C2(c2）和人行道D1(d1）監(jiān)測點(diǎn)高度設(shè)定為人均呼吸高度1.5m，D2(d2）和D3(d3）則是在原有位置D1(d1）上增加垂直測量高度，分別為2m和3m。在測量區(qū)旁的過街天橋上布設(shè)攝像機(jī)及氣象儀收集路段交通量和氣象參數(shù)。圖1研究區(qū)域及實(shí)驗(yàn)點(diǎn)位表1綠化類型、尺寸、種植區(qū)域?qū)嶒?yàn)利用兩臺(tái)TSISidePakAM510顆粒物檢測儀同步記錄測量區(qū)和參照區(qū)PM2.5質(zhì)量濃度，采用microAethModelAE51黑碳儀監(jiān)測測量區(qū)BC質(zhì)量濃度，并同步使用KESTREL5500氣象儀收集路段風(fēng)向、風(fēng)速、氣溫、相對(duì)濕度、大氣壓強(qiáng)等氣象數(shù)據(jù)并同步架設(shè)大疆云臺(tái)相機(jī)，記錄三環(huán)快速路干道和輔道的交通流量。以測量區(qū)為例，每個(gè)時(shí)段測量方法如下：首先將TSISidePakAM510和microAethModelAE51啟動(dòng)并擺放在A點(diǎn)位，實(shí)驗(yàn)人員按照實(shí)驗(yàn)方案用三腳架固定各個(gè)點(diǎn)位高度，每個(gè)點(diǎn)位測量5分鐘，按A→B→C1→C2→D1→D2→D3→D2→D1→C2→C1→B順序進(jìn)行測量。在顆粒物測量期間，同步在附近的人行天橋上架設(shè)KESTREL5500氣象儀測量氣象數(shù)據(jù)以及大疆云臺(tái)相機(jī)記錄實(shí)時(shí)交通量數(shù)據(jù)。實(shí)驗(yàn)共覆蓋2021年7月15日—7月17日、7月19日—7月21日共5天半，每天含早（6:00—9:00）、晚（17:30—20:30）兩個(gè)交通高峰時(shí)段，其中15日晚高峰實(shí)驗(yàn)因故缺失。1.2分析方法1.2.1數(shù)據(jù)預(yù)處理王占永等對(duì)SidePakPM2.5/PM1.0的檢測校準(zhǔn)研究中得出，該設(shè)備是根據(jù)光散射原理的激光光度計(jì)，盡管高污染天氣及測量位置對(duì)SidePak測量顆粒物濃度產(chǎn)生不同程度的影響，但是相對(duì)濕度對(duì)其影響更大。常規(guī)的濕度校準(zhǔn)公式為：式中，CF表示濕度校準(zhǔn)因子，RH表示相對(duì)濕度（取值為0～1)，a和b分別為經(jīng)驗(yàn)參數(shù)。根據(jù)擬合，本文使用a=1和b=025進(jìn)行濕度校準(zhǔn)。對(duì)于BC的結(jié)果處理，大多研究也將AE51測量噪聲歸因于高時(shí)間分辨率或低濃度樣本的影響。本文采用Hagler等提出的BC濃度樣本的降噪方法（OptimizedNoise-reductionAveraging,ONA）對(duì)AE51測量樣本去噪處理。ONA是用于剔除AE51測量BC污染物濃度時(shí)頻繁出現(xiàn)的負(fù)值樣本。本文選取Virkkula等基于戶外測量發(fā)展而來的一種簡易方法，表達(dá)式如下：式中，BCcorreced和BCmeasured分別表示剔除LC影響后BC的校正值和原始測量值（μg/m3)，ANT0表示每次實(shí)驗(yàn)AE51檢測儀的初始ANT(ANT?ANT0)，k表示校正因子，即AE51檢測儀的BC濃度測量值與參照值（在此以AE31設(shè)備的BC濃度測量值為參照）的比值與AE51檢測儀所記錄ANT值的回歸斜率的絕對(duì)值。本文采用該方法對(duì)采集的BC原始數(shù)據(jù)進(jìn)行平滑處理，從而減少儀器帶來的誤差。1.2.2模型參數(shù)與評(píng)價(jià)利用EMVI-met模擬不同植被類型、行道樹間距下PM2.5分布情況以期得到最大化減少慢行道顆粒物污染的綠地配置模式，模型構(gòu)建流程圖見圖2。首先輸入地理坐標(biāo)、模擬時(shí)間等對(duì)網(wǎng)格進(jìn)行設(shè)置并輸入氣象數(shù)據(jù)、污染源特征數(shù)據(jù)（表2），隨后在首層綠化帶結(jié)構(gòu)配置不變的基礎(chǔ)上，對(duì)第二層綠化帶進(jìn)行植被類型、行道樹間距的設(shè)置并以此構(gòu)建7種模型（表3）并輸出人行道PM2.5濃度的空間分布情況。圖2ENVI-met模型構(gòu)建流程圖將實(shí)測的數(shù)據(jù)與模擬的數(shù)據(jù)進(jìn)行對(duì)比，選取測量點(diǎn)A、B、C1、C2、D1共5個(gè)測量點(diǎn)數(shù)據(jù)進(jìn)行分析。由于模型的精度限制，將模擬高度取為0.9m，提取A(22,13,0.9)、B(17,13,0.9)、C1(6,13,0.9)、C2(6,13,1.5)、D1(0,13,1.5)坐標(biāo)數(shù)據(jù)，計(jì)算實(shí)測和模擬數(shù)據(jù)的相關(guān)性系數(shù)為0.86，相關(guān)系數(shù)在0.8～1.0是極其相關(guān)的，模型模擬可信度較高。表2ENVI-met模擬參數(shù)表3ENVI-met模型構(gòu)建方案2、結(jié)果與討論2.1實(shí)驗(yàn)期間氣象與交通狀況實(shí)驗(yàn)期間每日氣象數(shù)據(jù)見表4，實(shí)驗(yàn)期間氣溫及風(fēng)向較為穩(wěn)定，風(fēng)向多為南風(fēng)，風(fēng)速較小。實(shí)驗(yàn)期間多有小雨。早、晚高峰時(shí)段日均小時(shí)交通量見表5，實(shí)驗(yàn)期間，早高峰汽油車日均小時(shí)交通流量較晚高峰高16.3%，但柴油車較晚高峰低86.2%。表4實(shí)驗(yàn)期間氣象數(shù)據(jù)表5實(shí)驗(yàn)期間早、晚高峰時(shí)段日均小時(shí)交通量2.2路邊大氣顆粒物濃度時(shí)空變化特征圖3展示了測量區(qū)和參照區(qū)各點(diǎn)位PM2.5濃度變化情況。水平方向上來看，PM2.5與BC濃度隨著與道路排放源距離的增大而減小。測量區(qū)A、B兩點(diǎn)PM2.5變幅為-7.56%，較參照區(qū)a、b兩點(diǎn)的-5.61%高出2.05%，而BC濃度變幅為-21.52%，證明了綠地對(duì)PM2.5及BC濃度的削減作用，尤其BC濃度降幅更為明顯。垂直方向上，C1、C2兩點(diǎn)PM2.5濃度變幅為-10.77%，較c1、c2兩點(diǎn)變幅的-1.13%高出9.64%，再次證實(shí)植被對(duì)PM2.5濃度的削減作用，且植被越密，削減幅度越大。對(duì)于PM2.5濃度，C1(c1)>C2(c2)，D3(d3)>D1(d1)>D2(d2），在慢行道綠化帶后，PM2.5濃度與高度并非呈簡單的線性關(guān)系，在植被附近可能存在一流場使得植被后的PM2.5濃度高于其上方。而在無植被的慢行道，PM2.5濃度呈現(xiàn)3m>1.5m>2m高度的趨勢。BC濃度呈現(xiàn)2m>3m>1.5m高度的趨勢。圖3測量區(qū)和參照區(qū)各點(diǎn)位PM2.5濃度分布圖4測量區(qū)BC濃度各點(diǎn)位分布表6各點(diǎn)位顆粒物濃度統(tǒng)計(jì)早高峰（7:00—9:00）及晚高峰（18:00—20:00）兩個(gè)時(shí)段各點(diǎn)位PM2.5、BC濃度分布見圖5、圖6。各點(diǎn)位早高峰PM2.5濃度均高于晚高峰，而BC濃度分布卻與之相反，這與早高峰總交通量大于晚高峰，而柴油車低于晚高峰有直接的關(guān)系。對(duì)于PM2.5，首層綠化帶在晚高峰時(shí)段的降幅效果為2.51%，接近于早高峰時(shí)段的2.58%。早高峰A點(diǎn)PM2.5濃度較D1點(diǎn)高12.2%，晚高峰則為15.3%，早高峰PM2.5濃度隨與排放源距離增大而衰減的效果要小于晚高峰。對(duì)于BC，首層綠化帶在晚高峰時(shí)段的降幅效果為15.25%，較早高峰時(shí)段的10.87%高出4.38%。早高峰A點(diǎn)PM2.5濃度較D1點(diǎn)高62.2%，晚高峰則為86%，早高峰BC濃度隨與排放源距離增大而衰減的效果要小于晚高峰。圖5早晚高峰時(shí)段PM2.5濃度箱體圖圖6早晚高峰時(shí)段BC濃度箱體圖風(fēng)向是影響大氣污染物傳輸擴(kuò)散的重要因素，比較解析頻率較高的三種風(fēng)向情景下各點(diǎn)位PM2.5和BC濃度分布情況（圖7下）?？傮w來看，三種風(fēng)向情景下，各點(diǎn)位PM2.5平均濃度呈現(xiàn)風(fēng)平行于干道>風(fēng)由干道吹向綠化帶>風(fēng)由綠化帶吹向干道的趨勢。在水平方向上，風(fēng)平行于干道，風(fēng)由干道吹向綠化帶，風(fēng)由綠化帶吹向干道三種情景下B點(diǎn)較A點(diǎn)的PM2.5濃度降幅分別為12.93%、4%、5.2%，BC濃度降幅為21.2%、27.8%、20.2%，b點(diǎn)較a點(diǎn)PM2.5濃度降幅為11.5%、3%、3%。三種情景下都呈現(xiàn)高密度植被對(duì)顆粒物濃度的削減效果要高于低密度植被的趨勢。此外，風(fēng)平行于干道情景下綠化帶對(duì)PM2.5濃度的削減效果最好，而風(fēng)由干道吹向綠化帶情景下綠化帶對(duì)BC濃度的削減效果最好。值得注意的是，無論何種情景下，A點(diǎn)顆粒物濃度總大于B點(diǎn)，這是因?yàn)锳點(diǎn)臨近主干道，交通顆粒物沉降于綠化帶，同時(shí)綠化帶阻隔B點(diǎn)與主干道，且B點(diǎn)臨近交通流量低的輔道，從而導(dǎo)致B點(diǎn)顆粒物濃度總低于A點(diǎn)。在垂直方向上，風(fēng)平行于干道情景下慢行道綠化帶高處（1.5m）PM2.5濃度大于低處（0.8m），風(fēng)由綠化帶吹向干道則相反，可能是在風(fēng)作用下綠化帶沉降顆粒物導(dǎo)致。圖7不同風(fēng)向情景下各點(diǎn)位顆粒物濃度變化2.3綠化帶結(jié)構(gòu)變化對(duì)道路大氣顆粒物分布的影響為研究綠化帶結(jié)構(gòu)變化對(duì)道路大氣顆粒物分布的影響并得出最大化減少慢行道顆粒物污染的綠地配置方案，利用ENVI-met對(duì)實(shí)驗(yàn)中綠化帶物種配置、行道樹間距進(jìn)行參數(shù)調(diào)整得到各模型PM2.5濃度分布情況。在首層綠化帶（A、B兩點(diǎn)間綠化帶）不變的基礎(chǔ)上對(duì)第二層綠化帶（C點(diǎn)綠化帶）進(jìn)行植被種類的調(diào)整。模型b為第二層綠化帶僅有行道樹，樹間距為3m，模型c為第二層無植被。模型a、b、c模擬后PM2.5濃度平面分布情況見圖8。比較區(qū)域PM2.5的濃度平均值，模型b、c的PM2.5濃度與模型a的PM2.5濃度相比，分別低出35.70%、34.94%，這暗示著選擇適當(dāng)?shù)闹脖婚g距以及綠化帶間橫向距離對(duì)綠化帶的降污效果有積極的作用。圖8不同植被配置下PM2.5濃度平面分布表7不同植被配置方案下人行道PM2.5平均濃度變幅為進(jìn)一步解析不同植被間距對(duì)綠化帶降污能力的影響，進(jìn)而提出最優(yōu)的植物配置方案。在首層綠化帶（行道樹+樹籬），第二層綠化帶（行道樹）的綠地植物配置方案基礎(chǔ)上，調(diào)整第二層綠化帶行道樹間距，模擬PM2