成都PM2.5與氣象條件的關系及城市空間形態的影響

黃 巍,龍恩深

四川大學建筑與環境學院,四川 成都 610000

大氣顆粒物是中國目前主要的大氣污染物,空氣動力學直徑大于或等于10 μm的粗顆粒物由于重力作用通過干沉降在數小時內就能進行去除并且擴散的距離短。空氣動力學直徑小于或等于2.5 μm(PM2.5)的細顆粒物在大氣中滯留的時間長達數天,傳輸距離更遠，影響更大[1]。

城市中化石燃料燃燒、機動車排放、施工作業、輪胎及剎車磨損等人為源顆粒物對PM2.5的貢獻最大[2]。PM2.5對于城市中人的健康[3]、材料及氣候均有很大影響。對于健康的影響,在國外相關研究中發現PM10與PM2.5的濃度每增加10 μg/m3,死亡率分別增加10%與14%[4]。對于各種材料的影響主要為腐蝕作用與美觀損害(如污垢和褪色)[5]。對光的吸收和散射會使其對能見度產生影響,導致城市及周邊區域霾的頻繁發生[6]以及更大范圍的氣候變化[7]。

國外對大氣細顆粒物的相關研究起步較早,美國環保局(USEPA)于1997年就制定了PM2.5的年度標準限值和24 h標準限值,國內于2012年依據國情制定了PM2.5的平均濃度限值。國內目前的研究針對北京、上海、廣州等平原及沿海城市較多[8-10],研究的主要內容為PM2.5的物化性質以及時空分布變化情況等。對于盆地城市且將PM2.5與城市真實環境的空間形態相結合的研究相對偏少[11-12]。

成都市作為西部重要的大城市,位于亞熱帶濕潤季風氣候區,屬于典型的盆地氣候。由于特殊的地理環境,全年靜風頻率超過30%,年平均風速1.3m/s,造成大氣顆粒污染物聚集嚴重,無法及時通過干沉降進行稀釋與消散。尤其是在冬季降水少,無風日比例高,造成PM2.5的平均濃度比夏季高出1～2倍[13]。成都市PM2.5的主要貢獻源為汽車尾氣直接排放的一次顆粒物及其在大氣中經物理化學變化產生的二次顆粒物[14]。

鑒于PM2.5對于城市的各種影響,為能更好地通過城市設計手段對城市尺度的大氣環境進行改善,該研究通過對成都不同監測時間的PM2.5質量濃度與典型氣象進行相關性分析,歸納出主要的氣象影響因素,運用計算流體力學(CFD)軟件對城市現狀建成區三維模型進行分析,提出有利于減少城市中大氣細顆粒物影響的空間形態,為城市設計研究提供信息和依據。

1 實驗部分

1.1 質量濃度監測

監測點位于成都市中心的成都市人民公園距離地面高度為15 m的建筑樓頂,監測點北側緊鄰城市東西向交通主干道蜀都大道，周邊辦公及住宅較為集中。監測時間為2013年2月1日至3月20日、2013年7月10日至8月10日2個時間段,分別代表冬季及夏季。使用美國TSI公司生產的DUSTTRAKⅡ8530臺式粉塵檢測儀,進行24 h連續監測。粒徑撞擊器選擇PM2.5,入口流量設置為3 L/min。

1.2 氣象數據

主要的氣象數據包括溫度、濕度、降水量、風速、能見度,數據采用小型氣象站以及成都市同期地面觀測數據。

1.3 CFD模擬

采用CFD軟件WINAIR4.0對成都市一處密集的建成區進行模擬。該軟件能嵌入本地氣象數據，且針對大尺度環境的模擬計算速度相對較快,因而具有一定的優勢[15]。模擬的結果使用圖形處理軟件進行量化統計,結合現狀城市空間形態進行研究,并對代表點位進行分析。

2 結果與討論

2.1 PM2.5質量濃度的動態變化

2013年2月1日至3月20日監測期間獲得有效數據48個(圖1)。PM2.5質量濃度均較高,且大氣首要污染物均為PM2.5，質量濃度為34～317 μg/m3,平均為147.38 μg/m3。其中超過國家《環境空氣質量標準》(GB 3095—2012)中PM2.5二級標準日均濃度限值75 μg/m3的天數為40 d,超標率為83.33%。超過USEPA指定的國家環境空氣質量標準(NAAQS)中PM2.5的24 h濃度限值35 μg/m3的天數為47 d。3月5—16日成都市出現灰霾天氣,PM2.5質量濃度為118～317 μg/m3,平均為185.83 μg/m3,質量濃度最大值317 μg/m3出現于3月11日，表明成都市冬季PM2.5的質量濃度超標嚴重,主要由于進入冬季后成都市逆溫層現象增加,監測期間降水少、風速低且靜風頻率高，不利于顆粒物的稀釋和擴散[16]。成都市籌辦財富全球論壇同期大量基礎設施項目施工也是導致PM2.5的質量濃度超標的一個因素。通過對成都市PM2.5化學元素的研究也表明，施工揚塵是成都市PM2.5的主要來源之一[17]。

2013年7月10日至8月10日監測期間獲得有效數據32個(圖2)。PM2.5質量濃度為16～86 μg/m3,平均值為50.19 μg/m3。超過國家PM2.5二級標準的天數為3 d,超標率為9.37%。有利的氣象條件是大氣細顆粒物濃度低的主要原因,同時由于6月中旬成都市集中建設的基礎設施項目大部分已完工,建筑活動對PM2.5質量濃度的影響很小。

圖1 冬季PM2.5質量濃度變化

圖2 夏季PM2.5質量濃度變化

2.2 PM2.5質量濃度與氣象

監測期間通過收集氣象數據,分析各種氣象要素對PM2.5質量濃度的影響。不同城市由于形態與結構不同會導致城市尺度氣象要素的獨特性,溫度、相對濕度、風速、氣壓、能見度等數據與其他城市乃至與城市周邊都不同,各氣象要素對大氣細顆粒物濃度的影響在不同城市及不同時間段也不同[18-20]。

成都市2013年2月1日至3月20日監測期間平均溫度13.6°，相對濕度68%，風速1.3 m/s，氣壓953.7 hPa，能見度5.2 km,降水9 d,平均降水量0.43 mm。2013年7月10日至8月10日監測期間平均溫度27.5°，相對濕度83%，風速1.5 m/s，氣壓940.8 hPa，能見度7 km,降水23 d,平均降水量25.57 mm。

通過對各氣象要素與PM2.5質量濃度的簡單相關性分析(表1)可知,監測期間 PM2.5質量濃度與能見度呈現明顯的負相關(P﹤0.01),大氣細顆粒物是影響能見度的重要因素[21]。監測期間風速均未超過6m/s,風速與PM2.5質量濃度呈現明顯的負相關[22],風速對于大氣顆粒污染物的稀釋和消散都起到重要作用[23-24]。氣壓、溫度及相對濕度等與PM2.5質量濃度相關性較差。

表1 PM2.5質量濃度與氣象參數相關性分析

降水也是影響大氣細顆粒物濃度的一個重要因素[25],冬季監測期降水日PM2.5質量濃度平均值為85.4 μg/m3,為本監測期平均值的57.94%水平。夏季監測期降水日PM2.5質量濃度平均值為43.85 μg/m3,為本監測期平均值的87.37%水平。2個監測期濃度最低值34 μg /m3、16 μg /m3分別出現在降水量最大的2月19日、8月8日。

通過對監測期間成都市氣象要素與PM2.5質量濃度的相關性分析可知,通風與降水對于減少PM2.5對城市的影響最為有效。由于除人工降雨外的人為手段對于城市尺度范圍進行降水較難實現,因此通過對城市空間形態的優化以改善城市通風環境，從而達到減少PM2.5對城市的影響。

2.3 CFD模擬

2.3.1 建立模型

運用CFD軟件對城市現狀建成區三維模型進行數值模擬，以優化城市通風與污染物消散，在城市規劃及設計中運用較為廣泛。針對建筑單體的模擬以及針對作為城市空間形態代表的街谷進行模擬分析結果表明[26-28],建筑的幾何形式以及風向、風速是影響城市大氣污染物消散的主要因素[29]。隨著計算機計算能力的不斷發展,對于城市更大范圍及真實城市環境進行數值模擬被用于更為準確的描述城市通風環境[30-31]。由于城市結構自身的復雜性,以及城市中風速、風向等氣象要素的隨時變化,對城市中大氣細顆粒污染物的稀釋與消散產生明顯的影響,因此對城市中等尺度及大尺度范圍進行模擬分析的結果也較為復雜[32]。

該研究對成都市一環內現狀建成區域進行三維建模,進行中等尺度城市通風的模擬分析。模擬區域所在范圍為104.074 6～104.085 2°E,30.643 3～30.652 2°N(圖3),與PM2.5質量濃度監測點位直線距離1.6 km。該區域為典型的成都市城市空間形態,圖4顯示區域中低層及多層建筑多為居住建筑，大多位于該區域中部,建筑基底面積占總建筑基底投影面積的比例為63.2%,高度為3～21 m,高層及超高層建筑多沿主要道路布置,建筑基底面積所占比例為36.8%,高度為50～150 m。CFD模型按照1∶1比例三維模型(圖5),尺寸為X方向900 m,Y方向800 m,Z方向300 m。網格數量為X方向90個,Y方向80個,Z方向 200個。由于溫度差會引起局部氣流,模型中將區域溫度設置為等溫,氣流為等溫擾動流。成都市冬季PM2.5質量濃度較高,且冬季成都市城區多處于靜風或無風狀態，大氣污染物受背景風影響很小[33],因此模型中風速數值采用冬季監測期間較大值3 m/s,風向為成都市冬季主導風向NNE,考慮PM2.5對行人的影響，采用行人呼吸帶高度1.5 m對模擬結果進行分析。

圖3 模擬范圍

圖4 建筑區域高度分布

圖5 3D模型

2.3.2 模擬結果分析

圖6顯示了風速為3 m/s時1.5 m高度上,模擬范圍的建筑區域內(圖4中虛線范圍)最大的幾處風速都出現在高層周邊和與風向平行的街道內,而多層建筑圍合的區域內風速則普遍較低,通過對代表不同風速的顏色區域面積進行量化分析,整個建筑區域內風速為0～1 m/s的區域面積占總建筑區域面積的59.2%, 1～2 m/s的占27.5%,2～3 m/s的占11.3%,3m/s以上的占2%。在這個高度的大部分區域風速均未達到設置的風速數值,表明建筑群對風速有明顯的阻擋和減緩作用。當風速較大時，與風向平行的街道由于氣流在進入街道時受擠壓作用,風速高于設置風速。位于北側的道路兩側基本為高層建筑，風速較大的區域較多,道路雖然與風向垂直,但道路紅線較寬(40 m),且都在一定距離(30～80 m)斷開形成開敞空間而未連接成一個整體封閉的空間,有利于空氣從斷開處流動,避免了連續高層街道下風向空氣流通不利的影響。同時與主導風向平行的街道,能夠將氣流引入街道建筑群中形成管道流,因此風速均比多層密集的區域大,且相對較寬的街道以及開敞空間較大建筑周邊區域風速相對較大。

圖6 1.5 m高度風速分布圖

選取平面幾何形式為圓弧形的高層住宅A(圖6中標注)作為代表建筑,由于其位于多層集中的居住區內，且位于道路邊,在其周邊風速較大的區域相對較多,其朝向與主導風向垂直。圖7(a)為A建筑在y-z方向上的流場矢量圖,表明氣流在向A建筑迎風面下部流動時迎風面的下部產生了一個相對較小的渦旋。而在氣流通過A建筑頂部時,較強的剪切力層出現在建筑頂部,在其背風面產生了一個大的循環渦流。 圖7(b)為A建筑在x-y方向的風流矢量圖,模擬的結果顯示由于A建筑和位于其南側的多層導致空氣流過時在其背風面形成了2個反向旋轉的渦流[34],由于X建筑為圓弧形,且與其南側的多層建筑非平行布局導致形成的2個反向旋轉的渦流非對稱。A建筑的東側出現了明顯的管道流,氣流在入口處區域收斂并加強[35]。A建筑的西側為學校的操場,較為開闊的區域減少建筑物對氣流的干擾,該處風速也相對較大。

圖7 A建筑模擬流場矢量圖

圖7中顯示的A建筑模擬結果表明，位于多層建筑群中的高層建筑在自身周邊風速相對較大,有利于PM2.5的消散與稀釋,A建筑的模擬結果與單獨高層建筑的模擬結果很相似,建筑背面平面方向出現雙渦環流,建筑背面垂直方向出現單循環渦流,但由于A建筑周邊被各種高度及形態的建筑包圍,建筑空間環境復雜,因此對于中等尺度或者大尺度范圍中單體建筑的模擬結果僅適用于其所在環境。并且在實際環境中A建筑被各種植物包圍,在1.5 m高度處的風速實際情況也與模擬結果有所差異,只有當地面除建筑外無任何覆蓋物時，模擬結果才能成立。

圖8為1.5 m高度處的風速分布圖，風速設置為成都市冬季平均風速1.3 m/s。模擬范圍的建筑區域內風速較大的幾處區域與圖6中所示位置相似,但是沒有出現風速超過設置風速的區域,且較高風速區域所占的比例明顯低于風速為3 m/s時。整個建筑區域內風速為0～0.3 m/s的區域面積占總建筑區域面積的75.3%, 0.3～0.6 m/s的占13.6%,0.6～0.9 m/s的占8%,0.9～1 m/s的占3.1%。由于設置的風速較低，在這個高度的建筑區域內風速均未達到設置的風速數值,不利于城市內部通風,會導致PM2.5不易消散。Xie等[36]研究也表明，城市中污染物濃度與背景風速、風向有很好的相關性。

圖8 1.5 m高度風速分布圖

3 結論

1)2013年2月1日至3月20日監測期間成都市PM2.5質量濃度為34～317 μg/m3,平均為147.38 μg/m3,超過國家環境空氣質量標準二級標準日均濃度限值的天數為40 d,超標率為83.33%。2013年7月10日至8月10日監測期間PM2.5質量濃度為16～86 μg/m3,平均為50.19 μg/m3，超過國家PM2.5二級標準的天數為3 d,超標率為9.37%。成都市冬季PM2.5污染嚴重。

2)PM2.5質量濃度與能見度及風速呈現明顯的負相關,氣壓、溫度及相對濕度等與PM2.5質量濃度相關性較弱,降水對PM2.5質量濃度影響也很大。通過對成都市建成區通風環境的改善，有利于減少PM2.5對城市的影響。

3)在等溫情況下3D模型模擬的成都市密集建成區中,行人呼吸帶高度處多層集中的區域對城市通風影響很小,而風速較大的區域都出現在高層建筑周圍,在多層建筑中布置高層建筑,能將上部冷空氣從垂直方向上引到下部，從而改善通風環境。

4)與風向平行的街道能形成管道流,有利于將風引街道入,從而形成通風走廊。當平行于風向的街道沿線布置高層建筑時,對通風的改善更為明顯。與風向垂直布置連續多層建筑的狹窄街道風速低于同等條件下較寬街道的風速。由高層及超高層形成的街道，由于要退控制線形成斷開的開敞空間，雖然街道與風向垂直，但風速較大的區域較多。密集的區域中布置開敞的空間能減少建筑對風速的減緩作用，對城市通風換氣有利。

5)環境風速較大時城市整體通風環境有利于大氣細顆粒污染物的消散,而當環境風速較低時城市整體通風環境較差,此時若要減少PM2.5對城市影響應考慮人工降雨、減少建筑活動及限制交通等方式。

[1] Jaffe D,Mckendry I,Anderson T,et al.Six ‘new’ episodes of trans-Pacific transport of air pollutants [J].Atmospheric Environment,2003,37(3):391-404.

[2] Tsigaridis K,Krol M,Dentener F J,et al.Change in global aerosol composition since preindustrial times [J].Atmos.Chem.Phys,2006,6:5 143-5 162.

[3] Pope C A, Dockery D W.Health effects of fine particulate air pollution:line that connect [J].Air Waste Manag Assoc,2006,56:709-742.

[4] Dockery D W,Pope C A,Xu X.An association between air pollution and mortality in six US cities [J].New England Journal of Medicine,1993,329:1 753-1 759.

[5] Fassina v,Favaro M,Crivellari f,et al.The stone decay of monuments in relation to atmospheric environment [J].Ann Chim,2001,91:767-774.

[6] Pitchford,Malm W,Schichtel,B,et al.Algorithm for estimating light extinction from IMPROVE particle speciation data [J].Air Waste Manag Assoc,2007,57:1 326-1 336.

[7] Jacob D J,Winner D A.Effect of climate change on air quality [J].Atmospheric Environment,2009,43:51-63.

[8] Yang F,Tan J,Zhao Q,et al.Characteristics of PM2.5speciation in representative megacities and across China [J].Atmos Chem Phys,2011,11:5 207-5 219.

[9] Kebin H,Fumo Y,Yongliang M,et al.The characteristics of PM2.5in Beijing,China [J].Atmospheric Environment,2001,35:4 959-4 970.

[10] Xiao L L,Yuanxun Z,Mingguang T,et al.Atmospheric lead pollution in fine particulate matter in ShangHai,China [J].Journal of Environmental Sciences,2009,21:1 118-1 124.

[11] Jun t,Tiantao C,Renjian Z,et al.Chemical composition of PM2.5at an urban aite of Chengdu in Southwestern China [J].Advances in Atmospheric Sciences,2013,30:1 070-1 084.

[12] 唐信英,羅磊,曹軍驥,等.成都市春節期間大氣PM2.5化學元素的特征[J].環境科學與技術,2013,36(5):151-155.

[13] Jun T,Leiming Z,Guenter E,et al.Chemical composition of PM2.5in an urban environment in Chengdu, China: Importance of springtime duststorms and biomass burning [J].Atmospheric Research,2013,122:270-283.

[14] Tian Y Z,Wu J H,Shi G L,et al.Long-term variation of the levels,compositions and sources of size-resolved particulate matter in a megacity in China [J].Science of the Total Environment,2013,463-464:462-468.

[15] Stelios C.Z, Christos A.T, Anastasios M.K,et al.The role of building form in energy consumption: The case of a prismatic building in Athens[J].Energy and Buildings,2012,48:97-102.

[16] 楊書申,邵龍義,肖正輝,等.中國典型城市2004年大氣質量及顆粒物濃度與氣象條件關系分析 [J].中原工學院學報,2005,16(5):5-9.

[17] 王啟元, 曹軍驥,郭旭,等.成都市春季PM2.5中化學元素組成特征及來源解析 [C]. 第十屆全國氣溶膠會議暨第六屆海峽兩岸氣溶膠技術研討會摘要集,2009.

[18] 張菊,歐陽志云,苗紅,等.奧運前期與奧運期間北京市大氣細顆粒物特征比較分析 [J].環境科學,2013,34(7):2 512-2 518.

[19] 鄧利群,錢駿,廖瑞雪,等.2009年8—9月成都市顆粒物污染及其與氣象條件的關系 [J].中國環境科學,2012,32(8):1 433-1 438.

[20] 伊麗米熱·阿布達力木,迪麗努爾·塔力甫,阿布力孜·伊米提,等.烏魯木齊市大氣可吸入顆粒物濃度與氣象因素的相關性研究 [J].新疆大學學報,29(1):94-99.

[21] Junjun D,Ke D,Kai W,et al.Long-term atmospheric visibility trend in Southeast China,1973—2010 [J].Atmospheric Environment,2012, 59: 11-21.

[22] Cuhadaroglu B,Demiric E.Influence of some meteorological factors on air pollution in Trabzon city [J].Energy and Buildings,1997,25:179-184

[23] Nicole A H janssen,Patricia H N van Vliet,Francee Aarts,et al.Assement of exposure to traffic related air pollution of children attending schools near motorways [J].Atmospheric Environment,2001,35:3 875-3 884.

[24] Chan L Y,Kwok W S.Vertical dispersion of suspended particulates in urban area of HongKong [J].Atmospheric Environment,2000,34:4 403-4 412.

[25] 韓燕,徐虹,畢曉輝,等.降水對顆粒物的沖刷作用及其對雨水化學的影響 [J].中國環境科學,2013,33(2):193-200.

[26] Gao Y,Chao W K.Numerical studies on air flow around a cube [J].J Wind Eng Ind Aerodyn,2005,93:115-135.

[27] Xie X M,Wang J S,Huang Z,et al.Traffic Emission Transportation in Street Canyons [J].Journal of Hydrodynamics,2009,21(1)：108-117.

[28] Modelling dispersion of traffic pollution in a deep street canyon: Application of CFD and operational models [J].Atmospheric Environment,2009,43:2 303-2 311.

[29] Mohamed F Y.Numerical modeling on air quality in an urban environment with changes of the aspect ratio and wind direction [J].Environ Sci Pollut Res,2013,20：3 975-3 988.

[30] Donald A B,Eric A H,Steve R D,et al.Modeling turbulent flow in an urban central business district [J].Journal of Applied Meteorology and Climatology,2007,46：2 147-2 164.

[31] Yasunobu A,Takaaki K.Urban-scale CFD analysis in support of a climate-sensitive design for the Tokyo Bay area [J]. International Journal of Climatology,2011,31：174-188.

[32] Baik J J, Park S B.Urban Flow and Dispersion Simulation Using a CFD Model Coupled to a Mesoscale Model[J].Journal of Applied Meteorology and Climatology,2009,48:1 667-1 681.

[33] Coppalle A.A street canyon model for low wind-speed conditions [J].International Journal of Environment and Pollution,2001,16(1/2):1 373-1 394.

[34] Liu H Z,Sang J G,Zhang B Y,et al.Influences of Structures on Urban Ventilation:A Numerrical Experiment [J].Advances in Atmospheric Sciences,2002,19(6):1 045-1 054.

[35] Julia E.Flaherty.Computional Fluid Dynamic Simulations of Plume Dispersion in Urban Oklahoma City [J].Journal of appled meteorology and climatology,2007,46：2 110-2 126.

[36] Xie X M,Wang J S,Huang Z,et al.Traffic emission transportation in street canyon [J].Journal of Hydrodynamics B,2009,21(1):108-117.