潘玉瑾,李媛,陳軍輝?,石嘉誠,田紅,張季,周敬,陳霞,劉政,錢駿
(1.四川省生態環境科學研究院,成都 610041;2.四川省環境保護移動源污染與控制研究實驗室,成都 610000;3.成都市機動車排氣污染防治技術保障中心,成都 610000)
隨著經濟社會的快速發展,我國大中城市機動車保有量迅速增加,機動車尾氣污染引起了廣泛關注。我國重點城市大氣顆粒物PM2.5源解析結果顯示,北京、杭州、廣州、深圳等地機動車排放均是PM2.5的首要來源[1],機動車源對PM2.5濃度的貢獻占比為24.5%~45.0%[2-3]。有研究表明,機動車尾氣對人體的呼吸、免疫系統及心腦血管有害,并會提高患癌風險[4-6],車流量越密集對人體健康影響越大[7]。機動車污染主要來自汽車,按車型分類,貨車排放的NOx和顆粒物明顯高于客車,其中重型貨車是主要貢獻者[8];按燃料分類,柴油車排放的NOx占比接近70%,PM 則超過90%[9]。目前,我國運輸結構不合理、過度依賴公路運輸的問題極為突出,公路承擔了大量大宗物資長距離運輸任務,柴油貨車發展規模大,機動車尤其是柴油貨車污染愈發受到關注。
建立準確、合理的機動車污染物排放清單,研究其擴散特征,定量評估一定區域范圍內的污染物濃度分布,對于提出區域機動車污染防控對策,改善城市環境空氣質量具有重要意義。高斯模型是應用最多的大氣污染擴散模型,較為常見的還有CALINE 系列模型、ADMS 模型、AERMOD 模型以及我國自主開發的EIAA 模型等。其中,AERMOD 模型于1998 年由美國環境保護局和美國氣象學會聯合開發,適用于城市街區尺度的擴散模擬[10],與其他高斯模型如ISC3、CALINE4、EIAA 相比具有接口豐富、模擬結果更接近觀測值的優點[11-13],在城市區域表現更好[14]。AERMOD 模型于2008 年被原環境保護部列為我國環境質量評價的法規模型[15],國內開展了大量運用AERMOD 模型模擬機動車源污染物擴散濃度的研究工作。嚴晗等[16]對道路邊黑碳排放進行了擴散模擬,發現應用AERMOD 模型能夠較好體現晝夜差異,與空氣質量監測結果更加吻合;王珮瑋等[17]對北京市六環內區域進行線源擴散模擬,能夠較好評估交通管制措施對空氣質量的影響,識別熱點區域和重點路段;厲斌等[18]對一鄉鎮道路線源進行大氣污染預測,用于評估源強計算方法合理性;魯鳳杰[19]對西安市熱點區域污染物擴散濃度進行研究,可以有效模擬街區尺度下空氣污染物濃度水平。
物流園區是柴油貨車重要集散地,具有貨物聚集、堆存、倉儲、分運等功能[20],環境空氣質量受柴油貨車影響巨大[21]。近年來,互聯網、物聯網、大數據與云計算等技術迅猛發展,各種互聯網物流平臺快速興起[22],“互聯網+”模式與傳統物流的結合,一方面解決了物流信息不對稱問題[23],另一方面提高了資源整體配置效率,降低物流成本,對傳統物流行業的交易方式產生了巨大影響,推動物流交易大量由“線下”向“線上”轉移[24],園區停駐車輛減少,車輛空駛率下降,有效緩解物流園區機動車污染問題。目前針對城市和道路尺度機動車污染排放清單及擴散模擬研究較多,但鮮見面向物流園區及相似尺度機動車污染的研究。因此,建立準確、合理的機動車污染排放清單,研究其擴散特征,對于弄清物流園區大氣污染變化并明確防控對策具有重要意義,也可為評估類似尺度區域機動車污染提供借鑒。
本研究以成都市新都物流中心為例,建立百米級高分辨率機動車排放清單,測算物流交易模式轉變對物流園區機動車污染物排放的削減,采用AERMOD 小尺度空氣質量模型獲得NO2擴散濃度,評估物流交易模式向“線上”轉變對區域空氣質量改善的貢獻,從生態環境角度明確推動物流園區信息化建設的方向。
本研究通過道路視頻監控監測、人工計數和分區域統計分析等方法獲得新都物流中心全路網交通流模型,采用動態交通流模塊耦合本地化排放因子模塊計算獲得高分辨率機動車排放清單[25],反映實際道路交通流特征下的機動車污染排放強度。
據調研,物流交易向“線上”轉移促使每日進出新都物流園區的貨車流量下降30%左右。基于2019 年5 月份工作日車流量監測數據(交易模式轉變后),按照柴油貨車流量削減30%的比例建立交易模式轉變前后的交通流模型,以道路車隊中每一種細分車型作為基本計算單元,對機動車污染物排放量進行計算,建立100m×100m 網格化的排放清單。
清單模型采用Python 語言編寫,計算結果應用ArcGIS 地理信息系統進行可視化分析。機動車行駛里程計算公式如下:

式中,VKTj,k為第j條路段,k類型機動車行駛里程(km/h);Wj為第j條路段,k類型機動車流量(輛/h);Lj為第j條路段長度(km)。
排放量計算公式如下:

式中,Ej,k為第j條路段,k類型機動車污染物排放量(t/h);EFk為k類型機動車單位距離所排放的污染物的量(g/km)。

式中,E為區域機動車污染物排放量(t/h)。
其中,排放因子采用國家道路機動車大氣污染物排放清單編制技術指南推薦綜合基準排放系數并進行環境及劣化修正[26],按照平均行駛速度80km/h 對高速公路行駛車輛排放系數進行速度修正,其他類型道路行駛車輛排放系數未進行速度修正。
AERMOD 模型以擴散統計理論為出發點,假設污染物的濃度分布在一定程度上服從高斯分布。模型系統可用于多種排放源(包括點源、線源、面源和體源)的排放,也適用于鄉村環境和城市環境、平坦地形和復雜地形、地面源和高架源等多種排放擴散情形的模擬和預測。AERMOD具有以下特點[27-28]:(1)以行星邊界層(PBL,planetary boundary layer)湍流結構及理論為基礎,湍流擴散由參數化方程給出,穩定度用連續參數表示;(2)中等浮力通量對流條件采用非正態的PDF 模式;(3)考慮了對流條件下浮力煙羽和混合層頂的相互作用;(4)對簡單地形和復雜地形進行了一體化的處理;(5)包括處理夜間城市邊界層的算法。
AERMOD 系統包括AERMOD 擴散模式、AERMET 氣象預處理和AERMAP 地形預處理模塊,AERMET 的邊界層參數和廓線數據由現場觀測數據或國家氣象局常規氣象資料生成,AERMAP 是簡化并標準化的AERMOD 地形預處理器。本研究采用5 月份氣象條件進行機動車NO2擴散濃度模擬,運行流程如圖1 所示。

圖1 AERMOD 模型運行流程
從圖2 可以看出,新都物流園區道路車隊結構中柴油車占比明顯高于成都市。交易方式向“線上”轉變促使柴油車占比從8.22%降低到6.45%,但仍然明顯高于成都市的4.05%,因為物流園區主要功能之一為貨物周轉,貨運車輛又主要由柴油車構成,柴油車占比必然高于其他區域。從車輛類型來看也是如此,物流園區中重型柴油車和輕型柴油車占比均高于成都市。從排放標準來看,新都物流園區國Ⅲ及以下排放標準車輛占比略高于成都市,可能在老舊車輛淘汰方面與市區還存在一定差距。

圖2 道路車隊結構
將新都物流園區及周邊劃分為1640 個100m×100m 網格,圖3 對物流交易模式轉變前后機動車NOx的排放強度進行對比。隨著大量交易信息轉移至“線上”,進入物流園區停車場等待配貨的貨車大幅減少,機動車污染排放強度大幅度下降,尤其是在物流園區的中心區域和貨運大道周邊,高排放強度網格明顯減少。從圖5(a)網格NOx排放強度箱線圖可以看出,交易模式轉變前,新都物流中心區域平均排放強度約為120kg/(km2·d),交易模式轉變后平均排放強度約為100kg/(km2·d),降低約17%;交易模式轉變前排放強度最大的區域達1451 個,交易模式轉變后為1143 個,下降約27%。由此可見,新都物流中心區域機動車污染受柴油貨車影響較大,物流交易模式轉變對區域機動車污染排放削減有較大作用。


圖3 交易模式轉變前后機動車NOx 排放強度分布(100m×100m)
交易模式轉變前后NO2擴散濃度分布:從圖4 可以看出物流交易模式的轉變使新都物流中心區域機動車NO2擴散濃度高于80μg/m3的面積大幅減少,擴散濃度高于100μg/m3的面積基本為零,從圖5(b)受體點NO2擴散濃度箱線圖來看,物流交易模式轉變后機動車NO2擴散濃度最大為103μg/m3,該受體點位位于繞城高速與京昆高速交叉口附近,相比轉變前的最高擴散濃度156μg/m3,降低了53μg/m3,下降幅度達52%,平均擴散濃度由61μg/m3降低到38μg/m3,下降了23μg/m3,降低61%。


圖4 交易模式轉變前后NO2 擴散濃度分布
對圖5(a)網格NOx排放強度和圖5(b)受體點NO2擴散濃度的統計分布情況進行對比,無論是物流交易模式轉變前還是轉變后,網格排放強度平均數均遠大于中位數,整體向右偏移,說明區域排放強度受少數排放強度極大的網格影響大,這是由于道路機動車源為線源排放,高排放強度網格集中在交通繁忙路段的周圍,其他大部分區域排放強度較低[29]。受體點位NO2擴散濃度平均數和中位數則相當接近且平均數略低于中位數,尤其是在交易模式轉變之后,說明NO2擴散濃度比較均勻且高濃度擴散范圍較小,主要由于選取5 月份氣候場開展模擬,近地層擴散條件較好,沿道路高濃度NO2衰減梯度較大[30]],若選擇冬季氣象場開展模擬工作則可能出現局部高濃度擴散區域。因研究條件所限,本研究未對其他季節氣象條件下機動車源污染物擴散進行模擬,下一步研究中將針對物流園區不同季節、不同污染物的擴散情況進行分析探討。

圖5 網格排放強度及受體點擴散濃度箱線圖
(1)新都物流中心機動車污染受柴油貨車影響較大,物流交易模式轉變對區域機動車NOx排放有較大削減作用,平均排放強度降低20kg/(km2·d),降幅17%。
(2)交易模式轉變促使新都物流中心機動車NO2擴散濃度及高濃度擴散面積大幅度降低,園區平均擴散濃度下降23μg/m3,降幅61%,基本消除了擴散濃度大于100μg/m3的區域。
(3)夏季氣象條件有利于機動車源污染物質擴散,NO2擴散濃度分布均勻,尤其在交易模式轉變后,高濃度擴散范圍更小。
(4)下一步將建立并完善“交通流—排放清單—擴散濃度—健康評估”多級響應關系,開展較小尺度區域空氣質量改善決策的生態和健康效益的快速與科學的評估。