春節期間北京地區交通出行對城市熱島和大氣污染的影響

姜 江，郭文利，王春玲

（北京市氣象服務中心，北京 100089）

城市熱島效應和大氣污染物的濃度對城市環境和居民生活的影響是非常顯著的。研究指出在影響熱島效應和大氣污染物的原因中，既包含自然因素，如風速、相對濕度、降雨量等[1-6]，也包含人為因素，主要涉及城市化和工業化的快速發展。北京作為中國超大城市之一，截至2016年底常住人口數量已經達到2 172.9萬人，機動車保有量達到了548萬輛，城區集中了全市50%以上的人口和80%以上的建筑物。未來隨著城市內人口和車輛的持續增加，人類活動對城市熱島效應和大氣污染的影響范圍和程度必然會持續擴大和增加。

當前就人類活動對城市環境影響的研究已有很多[7-9]，結果均指出了制造業、交通、工業發展和能源利用的增長對城市大氣環境組成成分（大氣顆粒物、氮氧化物、硫化物、二氧化碳等）造成了一定的影響[10-12]。同時，就超大城市而言，人類活動在區域和時間上都表現出明顯的特點，這些特點自然會對城市大氣環境造成相比于其他區域和時段更顯著的影響。其中，在區域上，表現為地表溫度和氣溶膠光學厚度高值區分布于城區人口密集、交通和商業活動頻繁的區域[13-16]；在時間上，具體表現為早晚高峰期間，大量車輛、人口涌入城區。早晚高峰的大規模交通出行已經成為超大城市中人們的一種生活規律。這樣的活動特點不僅僅表現在北京，在中國其他超大城市也都存在類似的現象。

雖然以往的研究已經證實了超大城市中的大規模人口活動對城市熱島效應、城市氣候特點等方面的影響[17-19]，但是針對早晚高峰出行對城市環境的影響研究仍需要進一步關注。目前，北京市氣象局自動站觀測時間間隔已經發展至小時級別，因此本文基于前人的研究[20]，關注2006—2015年春節及春節前后各3周，分別來代表早晚高峰期人類出行活動頻率較低和較高的時段，從而解釋人類出行對城市環境所造成的具體影響。

1 資料與方法

1.1 數據來源

本文所有數據均來自北京市氣象局自動氣象要素觀測站，所涉站點有大興站（39°48'N，116°28'E，海拔高度32 m）、密云站（40°23'N，116°52'E，海拔高度73 m）、寶聯站（39°57'N，116°16'E，海拔高度37 m）、上甸子站（40°39'N，117°07'E，海拔高度287 m），涉及2006—2015年2 m氣溫、降水量、風速、風向等逐時氣象要素數據。大氣污染成分主要來自城區寶聯站和郊區密云上甸子站的逐時大氣污染數據，涉及PM2.5、NOx濃度，文中所采用的觀測數據均經過質量控制和均一性檢驗。

1.2 研究方法

每年的春節假期期間，北京會有接近一半的城市人口返回家鄉，如2017年春節假期期間北京人口減少了約4成，近848萬人離開北京返鄉過年[19]。春節長假的特點為：人口大量返鄉，行駛車輛大幅減少。這恰巧能夠作為大規模人口早晚高峰出行活動頻率降低的背景值。另外，春節長假處于冬季，冬季既是北京地區城市熱島效應最為明顯的時期，也是平均污染物濃度相對較高的時期。鑒于此，為更加準確地分析早晚高峰交通出行對城市環境的影響，參考前人的實驗方案[20]：選用2006—2015年10 a春節及春節前后各3周，即每年共7周（49 d），之后在文中稱其為ALL時段。為下文便于說明，按順序將所涉及到的7周分別稱為第-3周、第-2周、第-1周、第0周、第+1周、第+2周、第+3周。其中，定義第0周為春節周（以下稱為“CNY時段”，來自Chinese New Year的縮寫），第-1、+1周被總稱為過渡時段（稱之為過渡周，因為部分人群在此期間處于返鄉離京的時期），第-3、-2、+2、+3周被總稱為背景時段（以下稱為“BG時段”，來自Background的縮寫，也是大部分人群穩定在京的時段）。同時，為了突出識別城區人口出行對城市環境的影響，在背景周計算時去除了周末2 d的數據，每年具體時間見表1。

表1 2006—2015年所選研究時段

文中城市熱島效應的計算方法為同時間同高度下，城市熱島中心氣溫與郊區的氣溫差值[21-22]。考慮到不同代表站點的數據對于熱島效應還是有一定的影響，選取位于北京平原城區內最高級別大興站為城市代表站，同時綜合考慮到城市化的擴張以及站點所在海拔高度的差異等因素，選取密云站為郊區代表站，熱島效應以兩站同時間的2 m氣溫差值來表示。在對數據進行質量控制后，剔除共同或單一站點數據中的缺測值和異常值，對PM2.5、NOx觀測的寶聯站與上甸子站全要素樣本量分別為9 096、9 136份。考慮到降水對城市熱島效應的減弱影響[19、23-25]，將大興站與密云站中的有降水樣本（92個）剔除，剩余為無降水樣本（11 411個），城市熱島效應具體計算公式為：

式中，Tu代表城市站氣溫，Tr代表參考站氣溫。為保證NOx、PM2.5與熱島效應的研究時段一致、站點位置穩定，選用北京市氣象局僅有的兩個長時間序列的大氣成分觀測站點。其中，城區寶聯站位于北京西三環和西四環之間，周邊沒有大的污染源，主要為居民區。郊區的上甸子站位于北京市東北部密云區上甸子村，距密云縣城55 km，距北京市區150 km。寶聯站在2016年初進行了遷站工作，為了保障數據連續和數據質量，在本文中統一研究時段為2006—2015年。城、郊站間NOx濃度差異和城、郊站間PM2.5濃度差異計算公式如下：

城、郊站間NOx濃度差異：

城、郊站間PM2.5濃度差異：

式（2）中，NOxu代表城區站NOx濃度，NOxr代表郊區站NOx濃度；式（3）中，PM2.5u代表城區站PM2.5濃度，PM2.5r代表郊區站PM2.5濃度。

考慮到降水、大風對城市熱島效應和污染物的影響，定義降雨天氣為：小時累積降水＞0.1 mm；定義大風天氣為：風速＞5.4 m/s時，相當于三級風力以上。文中所涉及t檢驗，主要用于樣本含量較小，總體標準差σ未知的正態分布，常用于比較兩組數據的差異是否顯著。t檢驗公式如下：

2 結果

2.1 城市熱島效應

從ALL時段內的熱島效應日變化趨勢（圖1a）可以看出，熱島效應在00—06時基本處在同一水平（平均為3.02℃），07時達到最高值3.26℃，之后熱島效應隨著近地面氣溫的升高和湍流交換加強而迅速減弱，直至15時達到最低值0.35℃，17時前后隨著近地面氣溫的降低和湍流交換減弱，熱島效應又迅速增強，至22時再次達到峰值3.04℃，隨后變化幅度趨于平緩。就平均狀態而言，城市熱島的日變化主要受熱力因素和湍流活動的日變化規律影響，因而與氣象條件的日變化是非常一致的[26-27]。

BG時段內分析城市熱島的日變化特征（圖1b）。多年平均熱島效應最大值同樣出現在07時，為3.42℃，相比于ALL時段的平均值偏高0.16℃。夜間并沒有出現明顯的熱島效應高峰值，22時達到3.14℃，相比于ALL時段同時間偏高0.10℃。CNY時段（圖1c）城市熱島效應的兩次高峰值，第一次仍然出現在07時，為3.08℃，相比于BG時段同時間偏低0.34℃，夜間22時城市熱島效應再次達到高峰，為3.04℃，相比于BG時段同時間偏低0.10℃。

為了更清楚地了解早晚高峰的城市人口出行對熱島效應的影響，利用城市熱島效應在CNY時段與BG時段的差異進行分析（圖1d）。結果表明，BG時段與CNY時段之間的城市熱島效應差異在早高峰期間平均為0.30℃，在晚高峰期間平均為0.43℃，在其他時段平均為0.26℃。BG時段與CNY時段城市熱島效應差異的最大值和次大值分別為19時的0.75℃和08時的0.57℃。對BG時段與CNY時段之間的城市熱島效應的差異利用t檢驗方法進行檢驗，兩階段的差異通過了0.01的顯著性檢驗。結果說明，不同規模下的人口出行規律的確對城市熱島效應產生了影響。尤其是在傍晚之后，由于近地面氣溫的降低和湍流交換減弱，再疊加大規模人口晚高峰出行的影響作用，使得大規模人口出行對于城市熱島影響的程度還要高于早高峰期間。

圖1 2006—2015年不同研究時段內的熱島效應日變化

2.2 氮氧化物（NOx）城郊濃度差異

氮氧化物（NOx）目前已經成為大氣污染中的主要污染物之一，其主要成分包括NO、N2O、NO3、N2O3、N2O4和N2O5等[28]，是光化學煙霧污染、城市灰霾天氣、大氣酸沉降等一系列環境問題的重要根源，也是生成臭氧光化學反應的主要前體物。由于NOx可以在大氣層中長距離輸送，其引起的全球性或區域性污染問題也日益凸顯。研究指出NOx可以經過一系列的光化學反應生成硝酸鹽氣溶膠，導致城市能見度下降，出現灰霾現象[29]。而NOx也是汽車尾氣中的主要污染物之一，由于早晚高峰期有大量的車輛行駛，因而對城市大氣環境造成相比于其他時段更顯著的影響。因此，以NOx的城區、郊區站間的濃度差異來判斷大規模人群出行規律對城郊大氣污染物的影響是具有一定代表性的。

從圖2a可知，郊區上甸子站的NOx濃度在一天當中呈現波動性的變化，并在10—16時期間有一個低谷存在，但整體而言并無特別明顯的波峰與波谷存在，多年日平均值為15.92 μg/L。城區寶聯站則表現出明顯的日變化特征（圖2b），就平均值而言，第一個波峰出現在08時，NOx濃度為91.58 μg/L。隨著白天擴散條件轉好后明顯下降至16時的40.41 μg/L。隨后伴隨著晚高峰污染的積累與擴散條件轉差的共同作用，NOx濃度再次上升至23時的78.67 μg/L。由于郊區站的NOx濃度日變化特征微弱，因此圖2c中ALL時段城、郊兩站NOx濃度差異類似于寶聯站的日變化特征，其中10 a平均值的日間最大差異出現在08時，為76.11 μg/L，最小值出現在16時，為26.86 μg/L。

圖2 2006—2015年ALL時段城、郊兩站NOx日變化及兩站NOx濃度差異的日變化

由圖3可以看出，在CNY時段NOx的濃度城、郊差異整體上均明顯低于BG時段。其中，BG時段與CNY時段城、郊NOx濃度差的最大差異在08時，達54.95 μg/L。在早高峰期間平均差異為48.55 μg/L，也是一天當中差異BG時段與CNY時段差異最大的時期。晚高峰期間平均差異為23.44 μg/L，其他時間段平均為27.97 μg/L。對BG時段與CNY時段城、郊兩站NOx的濃度差異的差值利用t檢驗方法進行檢驗，結果表明兩階段的差異通過了0.01的顯著性檢驗。相比于CNY時段，BG時段城市晚高峰出行活動對城、郊NOx濃度差異的貢獻量隨著夜間的不利擴散條件而延遲出現峰值，城市早高峰出行對城、郊NOx濃度差異的增大作用更為突出。此外，考慮到不同天氣過程對結論的影響，嘗試剔除大風、降雨天氣過程之后，對城、郊兩站NOx的濃度用相同方法進行計算，所得結果并無明顯差別（圖3）。

圖3 不同天氣情況下多年平均CNY時段、BG時段內寶聯站與上甸子站間的NOx濃度差異

2.3 PM2.5濃度城郊差異

PM2.5是懸浮在空氣中的空氣動力學當量直徑≤2.5 μm的顆粒物的統稱，主要來源是工業生產、汽車尾氣排放、火力發電等過程中經過燃燒而排放的殘留物，大多含有重金屬等有毒物質[30-34]。從結果來看PM2.5濃度在城、郊兩站間的差異，相較于NOx的濃度在城、郊兩站間的差異，兩者既有共性又存在著明顯的不同。原因在于PM2.5濃度的日變化不僅受到污染物的累積和擴散條件兩方面的影響，同時還存在著化學反應以及顆粒物吸濕增長的影響，PM2.5濃度比NOx的濃度的日變化情況和規律要更復雜。

圖4a中ALL時段內郊區站PM2.5濃度并沒有表現出非常明顯的日變化特征，但是也仍然存在著一定的變化規律，ALL時段內郊區站PM2.5濃度最高峰出現在23時前后，次高峰出現在14時前后。相比之下，ALL時段內城區站則存在著更明顯的日變化特征（圖4b），類似于同站點的NOx的濃度日變化特征，只是峰谷出現的時間存在差異。

圖4 2006—2015年ALL時段內的城、郊兩站PM2.5日變化及兩站PM2.5濃度差異的日變化

就平均值而言，07時城區站PM2.5濃度出現第一個波谷，為73.87 μg/m3，隨后增加至14時達到第一個波峰，為91.51 μg/m3；第二個波谷出現在16時，為78.08 μg/m3，隨后再次增加直至23時達到第二個波峰（也是最高峰），為107.82 μg/m3。簡言之，ALL時段內城區PM2.5濃度的日變化呈明顯的雙峰現象，一個峰出現在夜間，另一個峰出現在中午，這既與污染物排放有關，又與氣象條件有關[35-37]。

一般而言，中午到下午是一天當中擴散條件最好的時候，也是多數污染物都呈現較低值的階段。夜間，多數污染物都有高值出現，原因在于夜間易發生逆溫，相對濕度通常最高，擴散條件最差，使得地面產生的顆粒物不易擴散而逐漸累積。ALL時段內城區PM2.5濃度卻在14時出現波峰，說明城市早高峰出行對PM2.5濃度的影響是有一定的滯后作用的。夜間23時出現另一個波峰，證明疊加因素（不利擴散條件、晚高峰影響）對夜間PM2.5濃度的影響相比白天更明顯，這一點在分析NOx的濃度日變化特征時也得到了類似的結論。午夜到凌晨的時段PM2.5濃度的變化則很平緩，PM2.5濃度分布也比較均勻，與前人的結論一致[35-38]。研究指出，雖然單純機動車直接排放的顆粒物對PM2.5濃度的貢獻并不高，但是汽車尾氣中的超細粒子和污染氣體，可以在空氣中發生化學反應或者吸濕增長變成PM2.5。這也解釋了PM2.5濃度的快速增長階段沒有完全對應于早晚高峰出行的時間，而是有所延遲。相對而言，NOx的日變化能更加直接地反映出機動車高峰等人類活動對大氣的影響[39-40]。

根據2006—2015年ALL時段內的城、郊PM2.5濃度差異的日變化趨勢來看（圖4c），夜間擴散條件差，00—06時城郊PM2.5濃度差異持續減小，至07時達到最低（28.78 μg/m3），07時以后擴散條件逐漸改善，但位于山區的上甸子站海拔較高，擴散條件恢復更快，且城區站在07—10時顆粒物濃度變化略有上升，因此兩者間的差異反而隨著熱力條件的改善而增加，至13時達到最高（41.02 μg/m3）；13時以后顆粒物濃度隨著擴散條件逐漸轉差而上升，但位于山區的上甸子站擴散條件轉差得更快，因此兩者間的差異隨著熱力條件的轉差再次減小，至18時達到最低（27.81 μg/m3）。而后擴散條件失去作用，污染物累積占據主導作用，而城區站的顆粒物增長速度快于郊區，使得顆粒物效應再次增加，至次日23時達到48.89 μg/m3。

圖5顯示BG時段PM2.5濃度城、郊差異日變化的峰、谷并不十分明顯，差異最大的時間點出現在13時，為47.48 μg/m3；次高峰出現在00時，為44.30 μg/m3。CNY時段PM2.5濃度城、郊差異與ALL時段、BG時段相比，在峰值的數值、最高峰出現的時間上則存在著很大的不同。CNY時段內PM2.5濃度城、郊差異在01時出現最高峰，為103.46 μg/m3，而次高峰出現在11時，為27.10 μg/m3，且兩個峰值間差值更大。

從BG時段PM2.5濃度城、郊差異與CNY時段PM2.5濃度城、郊差異間的差別來看，PM2.5濃度城、郊差異在兩個時段的表現特征完全不同于NOx濃度相應的結果。PM2.5濃度城、郊差異在BG時段內的05—19時高于CNY時段，而其余時間均低于CNY時段。其中，在01時出現了最大差值為-62.42 μg/m3，早高峰期間平均差值為12.82 μg/m3，晚高峰期間平均差值為8.22 μg/m3，其它時間段平均差值為-7.35 μg/m3。BG時段與CNY時段城、郊兩站PM2.5濃度差異的差值利用t檢驗方法進行檢驗，結果未通過0.01的顯著性檢驗，這一結果與前文得到的熱島效應、NOx濃度差異的結果存在著明顯不同，說明PM2.5的變化規律更復雜，除了大規模交通出行以外，PM2.5的局地源排放（煙花爆竹燃放等）、相對濕度、氣粒轉化以及遠程輸送等綜合作用都會影響PM2.5的日變化規律[41-43]，具體原因有待進一步深入研究。

大規模的人口早高峰出行活動在CNY時段內大幅減少，PM2.5濃度來源減輕，結合前文ALL時段得到的研究結論，即城市早高峰出行對PM2.5濃度的影響是有一定的滯后作用，導致了圖5中表現出來的CNY時段內PM2.5濃度城郊差異自早高峰起至晚高峰之前低于BG時段。

此外，從CNY時段內20時起，雖然大規模人口出行活動減少，交通來源上的PM2.5濃度減輕，但是在CNY時段內夜間由于北京本地煙花爆竹的燃放，疊加夜間相對靜穩的大氣條件，往往會使PM2.5的最大小時平均質量濃度在短短的幾個小時內濃度增加數倍[4、35]，因而導致了圖5中夜間至凌晨期間城區站的顆粒物增長速度快于郊區，且遠高于BG時段。考慮到不同天氣過程對結論的影響，嘗試剔除大風、降雨天氣過程之后，對城、郊兩站PM2.5的濃度進行相同方法的計算，所得結果并無明顯差別（圖5）。

圖5 多年平均下CNY與BG時段寶聯站與上甸子站間的PM2.5濃度差異

3 結論與討論

城市熱島效應、PM2.5濃度、NOx濃度在城、郊站間的差異與局地天氣條件、大氣污染物濃度、城市下墊面性質、人口密度及城市化程度均有一定程度的關系。本文以北京地區為例，試圖剝離出超大城市人類出行規律的影響，得到的主要結論如下：

（1）城市熱島效應在CNY時段與BG時段的差異最大值和次大值為別為19時的0.75℃和08時的0.57℃，說明早晚高峰期間的人群出行活動的確對城市熱島效應造成影響，而且晚高峰時期的影響程度還要超過早高峰期間。CNY時段與BG時段的城市熱島效應差異在早高峰期間平均為0.30℃，在晚高峰期間平均為0.43℃，在其它時段平均為0.26℃。

（2）郊區站NOx濃度無明顯的日變化特征，而城區站則出現了08時的最高峰和23時的次高峰。CNY時段NOx的濃度城郊站之間的差異明顯低于BG時段，差異最大的時間點出現在08時。城市內晚高峰出行活動對NOx濃度的貢獻量隨著夜間的不利擴散條件而延遲出現峰值，早高峰出行對NOx濃度的增大作用更明顯。

（3）郊區站PM2.5濃度最高峰出現在23時前后，次高峰平均出現在14時前后。城區站的次高峰、最高峰出現時間點與郊區站相同，只是日變化特征更加明顯。PM2.5的快速增長階段沒有完全對應于早晚高峰的出行規律，是因為PM2.5來源復雜，除了工業、揚塵等一次排放，二次轉化也非常重要。PM2.5濃度受到局地源排放（煙花爆竹燃放等）、相對濕度、氣粒轉化以及遠程輸送等因素的綜合作用，其日變化規律表現得較不規則，但是早晚高峰這樣的人口大規模出行對于PM2.5的延遲影響作用仍然是不可忽視的。

本文通過分析城市熱島效應和城、郊兩站NOx濃度在春節期間（CNY時段）和背景期間（BG時段）的差異，證實了大規模的人口活動的確對城市環境產生了一定的影響。但由于PM2.5濃度的變化規律非常復雜，將在下一步研究工作中，繼續收集人為活動的具體數據，客觀地解釋采暖、機動車、煙花爆竹燃放等其他源在一天中不同時刻對PM2.5的貢獻，同時結合顆粒物的成分進行更深入的分析。