道路大气颗粒物扩散的绿地响应模拟

本文以福建省福州市西三环快速路为实验靶区，收集颗粒物浓度(PM2.5、BC)、交通量、气象等数据，解析路侧绿化带前后颗粒物浓度的变化特征及原因，进而提出能够最大化减少路侧慢行道大气颗粒污染的绿地配置方案。研究结果为：(1)路侧大气颗粒物随着远离主干道总体呈现衰减趋势；交通早高峰时段的颗粒物浓度普遍高于晚高峰时段；相较于其他风向(风平行于道路以及风由干道吹向绿化带)，风由干道吹向绿化带时，绿化带后颗粒物浓度水平更低。(2)道路绿化带稠密区前后的颗粒物浓度相较于稀疏区的降幅更大；在慢行道上，植被后颗粒物浓度随着垂直高度增加而减少。(3)基于ENVI-met数值模拟分析得出，路侧首层绿化带为行道树+树篱、第二层绿化带为单一行道树的植物配置方案能最大化减少慢行道颗粒物浓度；随着行道树间距的增加，散步道PM2.5浓度先降低后增加，6m为理想行道树间距。为了最大化减少慢行道出行者的污染风险，慢行者应尽量避免在繁忙的高峰时段出行，同时靠右行走，减少与机动车排放源的距离。此外，道路绿化设施的布设应综合考虑当地主导风向、植被物种配置、植被间距以及绿化设施间的横向距离。1、数据与方法1.1实验方案本研究以福建省福州市西三环快速路为实验靶区，选取福建农林大学西门至洪塘新城沿江侧部分路段开展定点测量。绿地植物主要为香樟树、株樱花、灰莉、石楠、杜鹃五种类型。绿化类型、尺寸见表1。监测点设置在上述的实验区域内，测量对象分为PM2.5、BC、交通量和气象数据。根据道路绿化带的植被丰度将实验路段划分为两个区域，即植被丰度相对较高的测量区和植被丰度相对较低的参照区，两处相距102m，测量区和参照区各布置7个监测点（图1左），共14个监测点（A、B、C1、C2、D1、D2、D3及a、b、c1、c2、d1、d2、d3），监测点周围无高大建筑物。各监测点位的测量高度设置如下：A(a）、B(b）、C1(c1）测量高度接近于路侧绿化带高度的2/3处，即0.8m；C2(c2）和人行道D1(d1）监测点高度设定为人均呼吸高度1.5m，D2(d2）和D3(d3）则是在原有位置D1(d1）上增加垂直测量高度，分别为2m和3m。在测量区旁的过街天桥上布设摄像机及气象仪收集路段交通量和气象参数。图1研究区域及实验点位表1绿化类型、尺寸、种植区域实验利用两台TSISidePakAM510颗粒物检测仪同步记录测量区和参照区PM2.5质量浓度，采用microAethModelAE51黑碳仪监测测量区BC质量浓度，并同步使用KESTREL5500气象仪收集路段风向、风速、气温、相对湿度、大气压强等气象数据并同步架设大疆云台相机，记录三环快速路干道和辅道的交通流量。以测量区为例，每个时段测量方法如下：首先将TSISidePakAM510和microAethModelAE51启动并摆放在A点位，实验人员按照实验方案用三脚架固定各个点位高度，每个点位测量5分钟，按A→B→C1→C2→D1→D2→D3→D2→D1→C2→C1→B顺序进行测量。在颗粒物测量期间，同步在附近的人行天桥上架设KESTREL5500气象仪测量气象数据以及大疆云台相机记录实时交通量数据。实验共覆盖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）两个交通高峰时段，其中15日晚高峰实验因故缺失。1.2分析方法1.2.1数据预处理王占永等对SidePakPM2.5/PM1.0的检测校准研究中得出，该设备是根据光散射原理的激光光度计，尽管高污染天气及测量位置对SidePak测量颗粒物浓度产生不同程度的影响，但是相对湿度对其影响更大。常规的湿度校准公式为：式中，CF表示湿度校准因子，RH表示相对湿度（取值为0～1)，a和b分别为经验参数。根据拟合，本文使用a=1和b=025进行湿度校准。对于BC的结果处理，大多研究也将AE51测量噪声归因于高时间分辨率或低浓度样本的影响。本文采用Hagler等提出的BC浓度样本的降噪方法（OptimizedNoise-reductionAveraging,ONA）对AE51测量样本去噪处理。ONA是用于剔除AE51测量BC污染物浓度时频繁出现的负值样本。本文选取Virkkula等基于户外测量发展而来的一种简易方法，表达式如下：式中，BCcorreced和BCmeasured分别表示剔除LC影响后BC的校正值和原始测量值（µg/m3)，ANT0表示每次实验AE51检测仪的初始ANT(ANT⩾ANT0)，k表示校正因子，即AE51检测仪的BC浓度测量值与参照值（在此以AE31设备的BC浓度测量值为参照）的比值与AE51检测仪所记录ANT值的回归斜率的绝对值。本文采用该方法对采集的BC原始数据进行平滑处理，从而减少仪器带来的误差。1.2.2模型参数与评价利用EMVI-met模拟不同植被类型、行道树间距下PM2.5分布情况以期得到最大化减少慢行道颗粒物污染的绿地配置模式，模型构建流程图见图2。首先输入地理坐标、模拟时间等对网格进行设置并输入气象数据、污染源特征数据（表2），随后在首层绿化带结构配置不变的基础上，对第二层绿化带进行植被类型、行道树间距的设置并以此构建7种模型（表3）并输出人行道PM2.5浓度的空间分布情况。图2ENVI-met模型构建流程图将实测的数据与模拟的数据进行对比，选取测量点A、B、C1、C2、D1共5个测量点数据进行分析。由于模型的精度限制，将模拟高度取为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)坐标数据，计算实测和模拟数据的相关性系数为0.86，相关系数在0.8～1.0是极其相关的，模型模拟可信度较高。表2ENVI-met模拟参数表3ENVI-met模型构建方案2、结果与讨论2.1实验期间气象与交通状况实验期间每日气象数据见表4，实验期间气温及风向较为稳定，风向多为南风，风速较小。实验期间多有小雨。早、晚高峰时段日均小时交通量见表5，实验期间，早高峰汽油车日均小时交通流量较晚高峰高16.3%，但柴油车较晚高峰低86.2%。表4实验期间气象数据表5实验期间早、晚高峰时段日均小时交通量2.2路边大气颗粒物浓度时空变化特征图3展示了测量区和参照区各点位PM2.5浓度变化情况。水平方向上来看，PM2.5与BC浓度随着与道路排放源距离的增大而减小。测量区A、B两点PM2.5变幅为-7.56%，较参照区a、b两点的-5.61%高出2.05%，而BC浓度变幅为-21.52%，证明了绿地对PM2.5及BC浓度的削减作用，尤其BC浓度降幅更为明显。垂直方向上，C1、C2两点PM2.5浓度变幅为-10.77%，较c1、c2两点变幅的-1.13%高出9.64%，再次证实植被对PM2.5浓度的削减作用，且植被越密，削减幅度越大。对于PM2.5浓度，C1(c1)>C2(c2)，D3(d3)>D1(d1)>D2(d2），在慢行道绿化带后，PM2.5浓度与高度并非呈简单的线性关系，在植被附近可能存在一流场使得植被后的PM2.5浓度高于其上方。而在无植被的慢行道，PM2.5浓度呈现3m>1.5m>2m高度的趋势。BC浓度呈现2m>3m>1.5m高度的趋势。图3测量区和参照区各点位PM2.5浓度分布图4测量区BC浓度各点位分布表6各点位颗粒物浓度统计早高峰（7:00—9:00）及晚高峰（18:00—20:00）两个时段各点位PM2.5、BC浓度分布见图5、图6。各点位早高峰PM2.5浓度均高于晚高峰，而BC浓度分布却与之相反，这与早高峰总交通量大于晚高峰，而柴油车低于晚高峰有直接的关系。对于PM2.5，首层绿化带在晚高峰时段的降幅效果为2.51%，接近于早高峰时段的2.58%。早高峰A点PM2.5浓度较D1点高12.2%，晚高峰则为15.3%，早高峰PM2.5浓度随与排放源距离增大而衰减的效果要小于晚高峰。对于BC，首层绿化带在晚高峰时段的降幅效果为15.25%，较早高峰时段的10.87%高出4.38%。早高峰A点PM2.5浓度较D1点高62.2%，晚高峰则为86%，早高峰BC浓度随与排放源距离增大而衰减的效果要小于晚高峰。图5早晚高峰时段PM2.5浓度箱体图图6早晚高峰时段BC浓度箱体图风向是影响大气污染物传输扩散的重要因素，比较解析频率较高的三种风向情景下各点位PM2.5和BC浓度分布情况（图7下）。总体来看，三种风向情景下，各点位PM2.5平均浓度呈现风平行于干道>风由干道吹向绿化带>风由绿化带吹向干道的趋势。在水平方向上，风平行于干道，风由干道吹向绿化带，风由绿化带吹向干道三种情景下B点较A点的PM2.5浓度降幅分别为12.93%、4%、5.2%，BC浓度降幅为21.2%、27.8%、20.2%，b点较a点PM2.5浓度降幅为11.5%、3%、3%。三种情景下都呈现高密度植被对颗粒物浓度的削减效果要高于低密度植被的趋势。此外，风平行于干道情景下绿化带对PM2.5浓度的削减效果最好，而风由干道吹向绿化带情景下绿化带对BC浓度的削减效果最好。值得注意的是，无论何种情景下，A点颗粒物浓度总大于B点，这是因为A点临近主干道，交通颗粒物沉降于绿化带，同时绿化带阻隔B点与主干道，且B点临近交通流量低的辅道，从而导致B点颗粒物浓度总低于A点。在垂直方向上，风平行于干道情景下慢行道绿化带高处（1.5m）PM2.5浓度大于低处（0.8m），风由绿化带吹向干道则相反，可能是在风作用下绿化带沉降颗粒物导致。图7不同风向情景下各点位颗粒物浓度变化2.3绿化带结构变化对道路大气颗粒物分布的影响为研究绿化带结构变化对道路大气颗粒物分布的影响并得出最大化减少慢行道颗粒物污染的绿地配置方案，利用ENVI-met对实验中绿化带物种配置、行道树间距进行参数调整得到各模型PM2.5浓度分布情况。在首层绿化带（A、B两点间绿化带）不变的基础上对第二层绿化带（C点绿化带）进行植被种类的调整。模型b为第二层绿化带仅有行道树，树间距为3m，模型c为第二层无植被。模型a、b、c模拟后PM2.5浓度平面分布情况见图8。比较区域PM2.5的浓度平均值，模型b、c的PM2.5浓度与模型a的PM2.5浓度相比，分别低出35.70%、34.94%，这暗示着选择适当的植被间距以及绿化带间横向距离对绿化带的降污效果有积极的作用。图8不同植被配置下PM2.5浓度平面分布表7不同植被配置方案下人行道PM2.5平均浓度变幅为进一步解析不同植被间距对绿化带降污能力的影响，进而提出最优的植物配置方案。在首层绿化带（行道树+树篱），第二层绿化带（行道树）的绿地植物配置方案基础上，调整第二层绿化带行道树间距，模拟PM2