山地城市平坡路段污染物濃度分布特性實測

曾 粵， 李 強， 向 健， 徐 進,*

(1.重慶交通大學交通運輸學院，重慶 400074；2.山區復雜道路環境“人-車-路”協同與安全重慶市重點實驗室2，重慶 400074)

大氣環境是人類賴以生存的基礎，PM2.5是衡量大氣環境優劣的重要指標之一。PM2.5在空氣中濃度越高，就代表空氣污染越嚴重。近年來隨著經濟的快速發展，大氣環境迅速惡化，細顆粒物污染呈現逐年增加的趨勢。PM2.5不僅能夠引起霧霾天氣，降低行車安全，并且可直接通過呼吸系統進入氣管和肺部，影響人的呼吸系統，對人體健康產生嚴重危害[1-4]。揮發性有機物(volatile organic compounds,VOCs)作為大氣中主要污染物之一，是O3和二次有機氣溶膠(secondary organic aerosol, SOA)的重要前體物。VOCs排放源包括人為源和自然源，其中人為源的貢獻值大大超過自然源。目前，交通運輸是全球最大的VOCs人為排放源。一些VOCs可通過呼吸道、皮膚等途徑滲入人體，對人體健康產生直接影響[5-7]。隨著城市化進程的加快，機動車保有量不斷增加，機動車尾氣已逐漸成為揮發性有機物(VOC)，顆粒物(particulate matter,PM)等城市大氣污染的主要來源之一[8-10]。許多學者對輕型汽油車的尾氣排放因子進行了研究。Pang等[11]研究了輕型汽油車的VOCs排放趨勢，Zhang等[12]、Huo等[13]對機動車不同排放標準的尾氣排放因子進行了研究。

中國現有的對汽車尾氣排放的研究分析主要集中在平原及沿海城市等地區，對內陸山地城市的汽車尾氣排放研究較少，而山地面積占整個國土面積的60%以上[14]，山地城市的數量眾多，對山地城市汽車尾氣排放的實測和分析有重要意義。重慶是地形起伏山水相間的山地城市，重慶的城市道路為了契合溝谷交錯的起伏地形，為自由式路網格局，汽車的行駛狀態與道路線形之間的關系非常密切。為此，以重慶為研究對象，在重慶市主城區范圍內選取8條典型道路，對路段的汽車排放污染物濃度進行采集，分析汽車排放污染物濃度的橫向分布特性，為汽車尾氣排放控制以及改善山地城市空氣質量提供參考。

1 實驗方案

1.1 實驗道路

綜合考慮交通量、技術等級、道路全長和所屬區域等因素，在重慶市選取8條典型道路作為實驗對象。實驗道路名稱以及相關參數如表1所示，實驗道路環境如圖1所示。

表1 實驗道路及相關參數

圖1 實驗道路環境Fig.1 The environment of test roads

1.2 實驗儀器

圖2 實驗儀器Fig.2 Experiment apparatus

實驗共用到3種儀器，分別是HT-305激光測距儀、BR-SMART126空氣質量測試儀和GM8901數字風速計，如圖2所示。HT-305被用來測量路側橫向距離；BR-SMART126被用來測試空氣中PM2.5和VOCs污染物的濃度；GM8901數字風速計被用來測量風速。

1.3 采集方法和觀測斷面

PM2.5、VOCs污染物濃度的采集方法是實測法。實驗選取的觀測點位于被測路段的中間位置，并且距離路側有20 m左右的寬度(為了保證每個斷面的數據采集量)，相鄰觀測點間距保持一致(分別取2、3或5 m，具體取值依據道路實際情況確定)，每個斷面采集8、9個數據，如圖3所示。數據采集時，為確保數據的真實性，需要在每個觀測點停留一定時間，待測量數據趨于穩定后，再連續讀取5組數據。為減少實驗誤差，主要是基于對每個觀測點連續測量的5組數據取算術均值來進行分析。

圖3 測量點的選擇Fig.3 The selection of test points

1.4 觀測時間

實驗時間為2017年4月下旬。由于雨水對空氣中的細粒污染物有凈化作用，為減少雨天對實驗的影響，選取晴天或多云天氣進行實驗；由于早晚高峰期車輛車流量不同可能會對被測路段車輛排放污染物濃度造成影響，因此在實驗中每天主要分兩個時間段進行數據采集，一是平峰時段(15:30—17:10、10:48—11:48)，二是高峰時段(11:40—12:42、17:30—18:40)；同時為保證樣本變量的多樣性，以及排除特殊原因造成的實驗誤差，準確反映不同情況下排放污染物的橫向變化規律并證明實驗結果的通用性，在數據采集時，每個路段都進行兩天試驗。

2 PM2.5和VOCs的橫向整體分布特征

2.1 PM2.5和VOCs的散點分布特征

利用SPSS統計學軟件對8條典型路段的PM2.5和VOCs數據進行描述性統計分析，得到表2所示的PM2.5和VOCs統計量，以及圖4所示的PM2.5和VOCs的散點分布特征箱型圖。

從表2中，通過對比各實驗路段的PM2.5和VOCs的濃度極大值可發現，楊家坪西郊的PM2.5濃度最高可達到180.00 μg/m3，排名第一，南坪上海城的PM2.5濃度最高可達到101.60 μg/m3，排名最后；解放碑民族路的VOCs濃度最高可達到98.60 μg/m3，排名第一，南坪珊瑚路的VOCs最高可達到43.60 μg/m3，排名最后。通過對比各實驗路段PM2.5和VOCs的濃度均值可發現，楊家坪天寶廣場的PM2.5整體濃度均值最大，為100.09 μg/m3，南坪上海城的PM2.5整體濃度均值最小，為83.86 μg/m3；解放碑民族路的VOCs整體濃度均值最大，為50.73 μg/m3，解放碑國泰廣場的VOCs整體濃度均值最小，為31.18 μg/m3。

標準差、方差和全距均可反映數據整體的離散性，因此通過對比各實驗路段PM2.5和VOCs的濃度標準差、方差和全距發現，楊家坪西郊的PM2.5濃度橫向分布最為分散，標準差和全距分別為36.98和131.80 μg/m3，南城大道的PM2.5濃度橫向分布最為集中，標準差和全距分別為7.38和26 μg/m3；解放碑民族路的VOCs濃度橫向分布最為分散，標準差和全距分別為20.39和82 μg/m3，南坪珊瑚路的VOCs濃度橫向分布最為集中，標準差和全距分別為5.29和19.40 μg/m3。

箱型圖是一種用作顯示一組數據分散情況資料的統計圖，它可以更好地反映出各實驗路段的PM2.5和VOCs濃度橫向分布整體特征。圖4的各分圖中各實驗路段從左到右的排列次序是按照它們的PM2.5或VOCs濃度均值由小到大依次進行排列，圖中虛線為各實驗路段的PM2.5或VOCs的濃度50%分位值連接線。通過對比可發現，各實驗路段PM2.5和VOCs的濃度均值分布與50%分位值分布呈不同分布形態，反映出各實驗路段的PM2.5和VOCs濃度橫向分布的不均勻性；另外通過對比子圖中箱子的大小，也可明顯看出各實驗路段PM2.5和VOCs濃度橫向整體分布特征。

2.2 PM2.5和VOCs的階段性分布特征

為研究路側PM2.5和VOCs濃度的橫向階段性分布特征，在數據處理時將每個斷面采集的每組PM2.5和VOCs濃度的算術均值再按照相對于路側由近及遠的方式進行均勻分組(每3個觀測點分為一組，若最后一組不夠3個觀測點，則將最后2個觀測點視為一組)，均分為3個小組，每個小組代表該測點處PM2.5和VOCs的一個整體橫向變化階段，分別將其稱為第1階段、第2階段、第3階段，并將每個階段的PM2.5和VOCs的濃度值取二次均值，得到圖5所示的PM2.5/VOCs的橫向整體分布特征圖，圖中陰影部分代表PM2.5和VOCs在平/高峰時期的整體分布區域。

表2 PM2.5和VOCs統計量

圖4 PM2.5和VOCs的散點分布特征Fig.4 Scatter distribution characteristics of PM2.5 and VOCs

圖5 PM2.5和VOCs濃度的橫向階段分布特征Fig.5 Lateral phase distribution characteristics of PM2.5 and VOCs

從圖5(a)中可看出，實驗路段PM2.5的整體階段性分布情況：第1階段PM2.5濃度均值主要分布在82.51～107.08 μg/m3，第2階段PM2.5濃度均值主要分布在85.38～95.67 μg/m3，第3階段PM2.5濃度均值主要分布在81.90～96.25 μg/m3；整體階段性分布先呈明顯下降，接著緩慢下降趨勢，其中從第1階段到第2階段的過程中PM2.5衰減最大，衰減均值為3.83 μg/m3，第2階段到第3階段的過程中PM2.5維持平穩趨勢，衰減均值僅為0.59 μg/m3。從圖5(b)中可看出，實驗路段VOCs的整體階段性分布情況：第1階段VOCs濃度均值主要分布在34.22～55.35 μg/m3，第2階段VOCs濃度均值主要分布在29.67～46.20 μg/m3，第3階段VOCs濃度均值主要分布在26.77～50.63 μg/m3。整體階段性分布特征呈先明顯下降，接著緩慢下降的趨勢，其中從第1階段到第2階段的過程中VOCs衰減最大，衰減均值為9.13 μg/m3，第2階段到第3階段的過程中PM2.5維持平穩趨勢，衰減均值僅為0.92 μg/m3；通過對比PM2.5和VOCs的橫向階段性變化特征，可知VOCs的橫向階段性衰減力度相對于PM2.5更大，分析原因主要是因為VOCs的整體濃度低于PM2.5，濃度的大小直接影響其橫向分布。

3 PM2.5和VOCs的橫向連續分布特征

3.1 PM2.5的橫向連續分布特征

圖6 PM2.5的橫向連續分布特征Fig.6 Lateral continuous distribution characteristics of PM2.5

經整理得到8條典型實驗路段的PM2.5橫向連續分布特征圖，如圖6所示。圖6的分圖中4條不同黑色線條各代表一次PM2.5的橫向連續變化曲線，其中系列1為第1天試驗平峰時段的PM2.5值，系列2為第1天試驗高峰時段的PM2.5值，系列3為第2天試驗平峰時段的PM2.5值，系列4為第2天試驗高峰時段的PM2.5值。灰色粗線條是4條黑色線條連續變化的二次均值曲線，用以反映該路段PM2.5的橫向整體變化趨勢。從各子圖中橫向連續性變化曲線波動范圍來看，其中波動范圍在10 μg/m3以內的橫向連續性變化曲線有1條，在10～20 μg/m3以內的18條(占全部數量的56%)，20～30 μg/m3以內的有7條(占比22%)，30～40 μg/m3以內的有4條，40～50 μg/m3以內的有2條，平均波動范圍為21.51 μg/m3，由此可推出PM2.5的橫向連續性波動范圍主要集中在10～30 μg/m3，占比78%。

從各分圖中PM2.5的橫向連續性變化曲線的形狀來看，各實驗路段的PM2.5橫向連續性變化并不是只呈現衰減或者上升的線性變化趨勢，而是呈現多種高低起伏的變化趨勢，總的來講，可以將其變化分為3種類型。

第1種變化類型如圖6(b)、圖6(e)所示。變化特點：變化曲線比較平緩，而且其變化幅度比較小。這一類道路的特點是車速較慢且穩定，并且周圍空間較開闊，利于PM2.5濃度的擴散。

第2種變化類型如圖6(a)、圖6(d)、圖6(h)所示。變化特點：呈現先降低后趨于平穩的趨勢，且其下降幅度非常之大，在離路側15 m左右PM2.5濃度變化曲線逐漸平緩，趨于穩定。南坪上海城、楊家坪西郊和解放碑民族路，這3條路段的車流量都非常大，道路通常非常擁堵，車輛經常處于怠速狀態，因此這些路段的路側的PM2.5濃度一般相對較高。其中，解放碑民族路PM2.5的系列4橫向連續變化曲線出現異常升高的原因是因為在測量時，道路旁有一個燒烤攤，對測量結果造成了很大的誤差，因此，這條曲線不具備參考意義，可以去掉。

第3種變化類型如圖6(c)、圖6(g)、圖6(f)所示。變化特點：呈現先降低后趨于平穩的趨勢，且其下降幅度比較小，整體的PM2.5濃度變化曲線很平緩。南城大道、楊家坪天寶廣場和解放碑國泰廣場的車流量都不是很大，且測試地點周圍非常開闊，非常利于PM2.5的擴散。

另外從PM2.5的橫向連續性變化曲線及二次均值線可以看出，路側距離與PM2.5濃度具有一定相關性，也就是隨著路側橫向距離的增加，PM2.5的波動越小，越趨于穩定。

3.2 VOCs的橫向連續分布特征

圖7 VOCs的橫向連續分布特征Fig.7 Lateral continuous distribution characteristics of VOCs

經整理得到8條典型實驗路段的VOCs橫向連續分布特征圖，如圖7所示。分圖中4條不同黑色線條各代表一次VOCs的橫向連續變化曲線，其中系列1為第1天試驗平峰時段的VOCS值，系列2為第1天試驗高峰時段的VOCS值，系列3為第2天試驗平峰時段的VOCS值，系列4為第2天試驗高峰時段的VOCS值?；疑志€條是4條黑色線條連續變化的二次均值曲線，用以反映該路段VOCs的橫向整體變化趨勢。

從圖7的分圖中橫向連續性變化曲線波動范圍來看，其中波動范圍在10 μg/m3以內的橫向連續性變化曲線有2條，在10～20 μg/m3以內的11條(占全部數量的34%)，20～30 μg/m3以內的有10條(占比31%)，30～40 μg/m3以內的有6條，40～50 μg/m3以內的有3條，平均波動范圍為24.80 μg/m3，由此可推出PM2.5的橫向連續性波動范圍主要集中在10～30 μg/m3，占比65%。

從各分圖中VOCs的橫向連續性變化曲線的形狀來看，各實驗路段VOCs的橫向連續性變化并不是一味地呈現衰減或者上升的線性變化趨勢，而是呈現多種高低起伏的變化趨勢，總的來講，可以將其變化分為3種類型。

第1種變化類型如圖7(g)、圖7(f)、圖7(e)所示。變化特點：隨著路側橫向距離的增加，VOCs濃度先衰減，然后趨于穩定，而且大概在距離路側9 m左右，VOCs濃度大致趨于穩定。

第2種變化類型如圖7(b)、圖7(c)所示。變化特點：隨著路側橫向距離的增加，VOCs濃度雖有衰減，但衰減現象并不明顯，而且VOCs濃度上下波動非常不穩定。分析原因可能與這兩段路上車速較慢，且紅綠燈較多有關。另外這兩個測試地點周圍環境也比較封閉，不利于VOCs的擴散。

第3種變化類型如圖7(a)、圖7(d)、圖7(h)所示。變化特點：在一定距離內，路側VOCs濃度呈一直衰減的特征，而且衰減現象非常明顯。南坪上海城、楊家坪西郊和解放碑民族路的車流量都比較大，在高峰期時幾乎都處于擁堵狀態。這類衰減特征很好地證實了汽車尾氣排放對路側VOCs濃度的影響。

從南坪珊瑚路、楊家坪西城天街VOCs的橫向連續性分布能看出，VOCs濃度的衰減過程中波動十分明顯，但總體趨勢保持不變，從而可以推測出VOCs的分布還受到其他很多因素的影響，從而導致下降過程中又有一定程度的回升，最后再次形成下降的趨勢。但所有圖形最后都會有再次下降的趨勢，整體形成震蕩下降然后保持穩定的結果。

4 不同時段排放污染物濃度的差異

為研究不同時段的車輛排放污染物濃度分布規律，在高峰時段和平峰時段分別采集平坡路段車輛排放污染物濃度數據，并對采集的實驗數據進行整體分析，得到圖8所示的平/高峰時段的PM2.5和VOCs濃度分布圖。

圖8 不同時段PM2.5和VOCs的濃度分布Fig.8 The concentration distribution of PM2.5 and VOCs in different period

圖9 不同測量日PM2.5和VOCs的濃度分布Fig.9 The concentration distribution of PM2.5 and VOCs on different test days

從圖8(a)中可明顯看出：所有實驗路段平峰時期的PM2.5濃度均小于高峰時期的PM2.5濃度；其中楊家坪西郊路段的PM2.5相差最大，差值為25.60 μg/m3；南城大道路段的PM2.5相差最小，差值為1.87 μg/m3；平均每條路段高峰時期的PM2.5值要比平峰值高12.46 μg/m3；分析楊家坪西郊路段PM2.5濃度值相差最大的原因，一是因為在該路段采集數據時，平峰時期和高峰時期的車流量相差很大造成的，平峰時期該路段交通狀況整體較為通暢，但是到了高峰時期該路段交通狀況就變得整體很擁堵，二是因為該路段處于輕軌站下方，空氣流通性相對較差，因為在此基礎上拉大了平峰時期和高峰時期的PM2.5差；分析南城大道路段PM2.5濃度值相差最小的原因，主要是因為南城大道路段是南坪商圈內的主干道，在被測的時間段里車流量非常大，車速也普遍較低，因此在平峰時段和高峰時段的PM2.5濃度差不大。

從圖8(b)中也可明顯看出：被測路段高峰期的VOCs濃度整體高于平峰期的VOCs濃度，其中解放碑民族路路段的VOCs相差最大，差值為21 μg/m3；楊家坪西城天街和解放碑國泰廣場的VOCs均相差最小，差值均為3 μg/m3；平均每條路段高峰時期要比平峰時期高28 μg/m3；楊家坪西郊路段和南城大道路段高峰期的VOCs濃度卻低于平峰期的VOCs濃度，分析原因可能是因為外界某種因素對該路段VOCs值造成了影響，具體外界環境對VOCs的影響因素在后續研究中再展開；另外從圖8中可看出同一路段的PM2.5的濃度高，并不意味著VOCs濃度也高，由此可推斷出PM2.5和VOCs在同樣的環境下所受到的影響并不一致，在加上其自身的原因，共同導致兩者呈現不同的分布特征。

5 PM2.5與VOCs濃度對于環境的敏感度

前文分析中發現，排放污染物濃度的橫向分布除了受道路擁堵情況的影響之外，還受當時環境的影響。因此本節將會具體分析環境對于PM2.5與VOCs濃度的影響。首先對PM2.5和VOCs濃度進行整理，并根據不同測量日進行分類，得到不同測量日PM2.5和VOCs的濃度分布，如圖9所示。

從圖9中可明顯看出：在20日時，南坪上海城、南坪珊瑚路所測得的PM2.5濃度均值明顯小于21日的濃度均值；在24日時，楊家坪西郊、楊家坪西城天街、楊家坪天寶廣場的PM2.5濃度均值明顯大于25日的濃度均值；在26日時，解放碑國泰廣場、解放碑民族路的PM2.5濃度均值明顯大于27日。由此可知，在不同測量日同一地點的PM2.5濃度有很大區別；另外從不同測量日PM2.5濃度分布呈現的這種分布特征來看，排除地點及車輛排放對其的影響，得到影響PM2.5濃度的差異是其他環境的污染引起的，是重慶市整體的PM2.5濃度變化的結果。但是在南城大道規律并不明顯，說明具體的地形對于PM2.5的濃度也有一定的影響。

不同測量日VOCs的濃度雖然存在一定的差異，但是其數據分布并非由于不同天測量的原因導致其濃度呈現規律性變化，從而說明環境中VOCs濃度對實驗測量結果的影響很小，難以產生明顯的規律性變化。

另外從圖9中也可明顯看出，同一測量時間同一地點，PM2.5的整體濃度遠大于VOCs濃度。統計分析可知，PM2.5的整體濃度均值為91.85 μg/m3，VOCs的整體濃度均值為39.27 μg/m3，相差52.58 μg/m3；PM2.5整體濃度分布的標準差為24.35，而VOCs整體濃度分布的標準差僅為9.75，對比可知PM2.5的橫向整體分布較VOCs更為分散一些，環境對PM2.5的橫向分布影響較于VOCs相比更大。

6 結論

在重慶選取8條代表山地城市特殊地貌的道路作為試驗路段，采集不同時段和不同測量日的 PM2.5和VOCs值，得出如下結論。

(1)PM2.5和VOCS濃度隨著路側橫向距離的改變而發生變化，將觀測點按離路側遠近分為3個階段，PM2.5和VOCs均是從第1階段到第2階段衰減最大，第2階段到第3階段保持平穩趨勢，其中PM2.5的衰減均值為3.83 μg/m3，VOCs的衰減均值為9.13 μg/m3，VOCs的橫向階段性衰減力度大于PM2.5。

(2)楊家坪西郊的PM2.5分布最分散，南城大道的PM2.5最集中，解放碑民族路的VOCs分布最分散，南坪珊瑚路的VOCs最集中。路側距離與PM2.5和VOCS的濃度具有一定相關性，PM2.5和VOCs在路段上的橫向濃度分布都很不均勻，但PM2.5的橫向整體分布比VOCs更為分散。

(3)PM2.5和VOCs在同樣的環境下所受到的影響并不一致，導致兩者呈現不同的分布特征。同一測量時間同一地點，PM2.5的整體濃度遠大于VOCs濃度。隨著路側橫向距離的增加，PM2.5的波動越小，越趨于穩定。而VOCs濃度隨著路側距離的增加，衰減過程中波動十分明顯，但總體趨勢保持不變，即VOCs的分布還受到其他很多因素的影響。PM2.5和VOCs的橫向連續性波動范圍主要集中在10～30 μg/m3。

(4)PM2.5對于環境的敏感度較強，VOCS對于環境的敏感度較差，即環境對PM2.5的橫向分布影響較于VOCs相比更大。