城市街道峽谷PM2.5時空分布特征與空氣質量評價
——以合肥市長淮街道為例

王薇 ，程歆玥，胡春 ，夏斯涵，王甜

1. 安徽建筑大學建筑與規劃學院，安徽 合肥 230022；2. 安徽建筑大學建成環境與健康重點實驗室，安徽 合肥 230022

2019年末中國常住人口城鎮化率達到 60.60%（中央人民政府，2020），高城鎮化率在提高居民生活質量的同時，也帶來了城市大氣污染、交通擁堵、熱島效應等一系列問題。其中，機動車尾氣排放及其形成的二次污染，是城市大氣污染的主要來源。常見的大氣污染物有SO2、NO2、CO、O3和顆粒物，但現階段國內最為關注的是PM2.5。2018年，PM2.5導致過早死亡人數有 1368200人，據預測，大氣PM2.5質量濃度 2025 年需降至 40 μg·m-3以下，其導致的過早死亡人數才能與 2018年接近（郭云等，2021）。

城市街道峽谷是城市居民生活的主要場所之一，街道峽谷在城市建成環境中占比高達三成（于洋等，2020）。街道峽谷是指兩側具有連續高大建筑物的狹長街道（Nicholson，1975）。1993年，街道峽谷這一概念被引入中國，后被進一步擴展，即使街道兩旁的建筑物高低不平、不連續甚至有一定的缺口，也可稱作街道峽谷（周洪昌等，1994；王寶民等，2005）。街道峽谷內污染物的擴散主要受交通量、氣象條件、天空開闊度、街道峽谷高寬比和朝向等影響（鄧寄豫等，2017；葛曉燕，2018）。由于兩側建筑的阻擋，傳輸的污染物難以擴散，進而產生累積效應；同時由于街道峽谷附近人口較多，街道峽谷內的污染物不僅影響室外環境質量，又會作為置換源影響室內空氣質量，進而影響城市居民的身體健康。

2020年合肥市全市 PM2.5質量濃度年均值為36 μg·m-3，未達到國家二級標準，超標3%（合肥市生態環境局，2021）。目前相關研究大多集中在省市的宏觀層面研究，對與人體接觸緊密的街道峽谷PM2.5質量濃度的探討較少。因此，本研究以城市內典型街道峽谷為例，采用固定式監測點的方式實測街道峽谷內PM2.5質量濃度，分析PM2.5在街道峽谷的時空分布規律，對于改善城市街道峽谷的空氣質量具有積極意義，同時為街道峽谷空氣污染防治提供對策。

1 研究概況與方法

1.1 研究對象概況

合肥市地處中緯度地帶，31°52′N，117°17′E，是季風氣候最明顯的區域之一，屬于典型的夏熱冬冷氣候區城市，全年氣溫夏熱冬冷，春秋溫和，年平均氣溫在 15—16 ℃之間，夏季平均氣溫為27.5—28.5 ℃，冬季平均氣溫為1.5—5.0 ℃，相對濕度與溫度的年變化相一致，夏季最大，冬季最小。城市主導風向為東南風，其中夏季東南風，冬季東北風，年平均風速在1.6—3.3 m·s-1之間。

合肥市作為安徽省會城市，人口城鎮化率高。合肥全市人口密度為1.0萬人/平方千米，建筑密度為41.2%（李小東等，2018）。合肥市規劃類型始于“風扇式”布局，城市街道以東北—西南走向為主。瑤海區位于合肥市東部，總面積為64.4 km2，是合肥四大老城區之一且是國字號老工業基地。據統計，瑤海區已開發建設用地面積超過可開發用地面積的90%以上，呈現出建設用地人口密度和建筑密度“雙高”的局面。瑤海區長淮街道位于北一環內，其建設用地人口密度達到3.5萬人/平方千米，建筑密度達到52.6%（黃慧芬，2019）。

研究表明（王飛等，2014），合肥市區空氣首要污染物主要為 PM2.5，其來源與汽車尾氣排放有很大關系；其次，合肥市冬季霧霾情況較其他季節嚴重。因此，以合肥市環境保護局網站提供的全市10個監測點空氣質量指數為依據（http://sthjj.hefei.gov.cn/index.html），確定合肥市區空氣污染較嚴重區域，并在此基礎上，研究合肥市瑤海區長淮街道冬季街道峽谷 PM2.5質量濃度的時空演化特征，旨在為改善合肥市街道峽谷空氣質量提供科學依據。

1.2 選點依據與測點分布

本研究根據建筑布局、建筑高寬比、街道長寬度、植物綠化、風向風速、下墊面等特征指標綜合選取并確定實測樣點，分析城市街道峽谷 PM2.5質量濃度的時空分布特征，最終確定7個樣點進行實地觀測，并以三里街國控點（H點）進行對照評價，如圖1所示。

街道峽谷主要有 3種分類標準（Hu et al.，2020）：（1）基于高寬比的分類標準，根據建筑物高度與道路寬度比值來計算高寬比；（2）基于對稱性的分類標準，根據道路兩旁建筑物的高度確定，如對稱式、非對稱式（上升型、下降型）等；（3）基于復雜幾何形態的分類標準，如一般街道峽谷、道路交叉口、公園綠地、高架橋上下等。而對于現實中的街道峽谷，可能涵蓋多個分類標準，上述方法不能很好地反映街道峽谷 PM2.5質量濃度的空間分布效果。因此，引入街道峽谷封閉比（SCER）的概念（Wei et al.，2021），定義SCER為背風面建筑高度（LB）、道路寬度、迎風面建筑高度（WB）三者之比。SCER數值由現場實測所得，背風面建筑和迎風面建筑根據監測時的主要風向確定，如圖2所示。

圖1 測試樣點分布Fig. 1 Distribution of test samples

圖2 街道峽谷封閉比Fig. 2 Street Canyon Enclosure Ratios

1.3 監測儀器

根據街道峽谷測點的分布，配置7臺ONETEST 500粉塵濃度監測儀和7臺KESTREL 5500手持式風速儀進行測試。粉塵濃度監測儀測試PM2.5質量濃度及溫濕度，其中 PM2.5質量濃度的測量范圍為0—1000 μg·m-3，測量精度為±10% FS，分辨率為 0.1 μg·m-3；溫度的測量范圍為-20—60 ℃，測量精度為±0.5%，分辨率為0.1 ℃；相對濕度的測量范圍為0—100%，測量精度為±3%，分辨率為0.1%。監測過程中每2秒鐘記錄1次數據。監測高度與一般人體呼吸高度一致，距離地面1.5 m，如圖1所示。

1.4 監測時間

實測選擇在2021年1月22—24日進行，每天08:00—17:00，監測街道峽谷內的PM2.5質量濃度、溫濕度和風速，監測期間天氣晴朗，天氣狀況較一致。

1.5 空氣質量評價標準

根據生態環境部 2018年發布的《環境空氣質量標準》（GB 3095—2012）修改單（生態環境部，2018），空氣質量指數（air quality index，AQI）是一個用來定量描述空氣質量水平的數值，其等級劃分為：優（AQI≤50）、良（50＜AQI≤100）、輕度污染（100＜AQI≤150）、中度污染（150＜AQI≤200）、重度污染（200＜AQI≤300）、嚴重污染（AQI＞300）。目前，中國尚無正式的空氣質量指數標準，但此修訂單中PM2.5質量濃度值可用來評價不同街道峽谷的空氣質量水平。空氣質量指數的計算公式如下：

式中：

I——空氣質量指數，即AQI，輸出值；

C——PM2.5日均值質量濃度，輸入值；

Ilow——對應于Clow的指數限值，常量；

Ihigh——對應于Chigh的指數限值，常量；

Clow——小于或等于C的質量濃度限值，常量；

Chigh——大于或等于C的質量濃度限值，常量。

其中，指數限值和質量濃度限值的常量如表1所示。

表1 空氣污染物的指數限值和質量濃度限值Table 1 Index limits and mass concentration limits of air pollutants

2 結果與分析

根據不同日期和選點位置，對各個實測樣點位置和每天各時間段的 PM2.5質量濃度隨時間和選點位置變化的趨勢進行統計分析。為保證分析數據的精確性，首先在 Excle中對各監測樣點的 PM2.5質量濃度、溫度和相對濕度等數據進行統一，再進行篩選得到 3天 7個實測樣點的有效數據共 48600條，對每天、每小時、每點分各天和3天整體的數據取平均值。

2.1 城市街道峽谷的PM2.5時間分布特征

時間序列指的是描述現象指標隨時間變化的直觀圖形，利用它觀察現象演變的狀況（閆秀婧，2009），最終結果如圖2所示，PM2.5日均質量濃度均呈現出“W”型變化特征。

圖3可以看出3 d內不同測點PM2.5質量濃度隨時間變化的規律，街道峽谷 PM2.5質量濃度平均值為 125.54 μg·m-3。PM2.5質量濃度在 12:00—13:00區間最高，為 135.96 μg·m-3；在 09:00—10:00 區間最低，為 122.15 μg·m-3；在 13:00—14:00 區間次之，為122.71 μg·m-3。因此建議長淮街道的市民可選擇避開工作日午高峰時期出行，以降低城市街區PM2.5質量濃度。

圖3 PM2.5日均質量濃度Fig. 3 Daily average mass concentration of PM2.5

2.2 城市街道峽谷的PM2.5空間分布特征

空間分布指的是描述現象指標隨空間變化的直觀圖形，利用它觀察現象演變的狀況（王薇等，2014）。由于各個實測樣點所處的街道峽谷形態特征不同，其環境的 PM2.5質量濃度也不盡相同，最終結果如圖3所示。

2.2.1 總體分布特征

3天內D點在1月22日PM2.5平均質量濃度最高，為 260.52 μg·m-3；F 點在 1 月 23 日 PM2.5平均質量濃度最低，為 63.17 μg·m-3。同一天內D點 1月 22 日 PM2.5平均質量濃度最高，為 260.52 μg·m-3，F點1月22日PM2.5平均質量濃度最低，為170.80 μg·m-3，兩點 PM2.5平均質量濃度相差 89.72 μg·m-3。其中，1月22日PM2.5背景質量濃度較高。

由圖4可知，合肥市城市街道峽谷PM2.5質量濃度的空間分布排序為：D 點 (151.90 μg·m-3)＞A 點(132.26 μg·m-3)＞C 點 (128.14 μg·m-3)＞E 點 (127.62 μg·m-3)＞B 點 (123.90 μg·m-3)＞G 點 (111.42 μg·m-3)＞F 點 (104.36 μg·m-3)。因此，在城市設計中，建議使用F點和G點的街道峽谷空間形態，而避免使用A點和D點的街道峽谷空間形態，進而降低街道峽谷內的PM2.5質量濃度。

圖4 各監測點PM2.5質量濃度Fig. 4 PM2.5 mass concentration at each monitoring point

2.2.2 各監測點環境特征

如圖 2所示，A點位于對稱街道峽谷，SCER=1∶1∶1，即標準型街道峽谷。測點A位于道路交叉口迎風面建筑側，周邊為高層建筑，沒有植物綠化，靠近汽車尾氣污染源排放位置，且人流量和車流量大，汽車停留時間長，街道峽谷的 PM2.5質量濃度為 132.26 μg·m-3。

B 點位于非對稱街道峽谷，SCER=2∶1∶0，即下降型街道峽谷。測點B位于小區公園綠地，周邊喬木、灌木和草地較多，對 PM2.5質量濃度起到一定的降解作用。而且測點B位于高層商住樓后塑膠運動場上，即高層建筑背風處，對PM2.5的傳輸起到一定的阻擋作用，PM2.5質量濃度為123.90 μg·m-3。

C點位于非對稱街道峽谷，SCER=2∶2∶1，即下降型街道峽谷。測點C位于主干道旁迎風面建筑側，周邊為高層和多層建筑，雖人流量和車流量較大，但停留時間短，且測點周邊有灌木綠化帶，對PM2.5質量濃度起到一定的降解作用，PM2.5質量濃度為128.14 μg·m-3。對比測點A、C可知，其他條件不變，降低迎風面建筑高度，能降低街道峽谷內部的PM2.5質量濃度。

D點位于非對稱街道峽谷，SCER=1∶1∶2，即上升型街道峽谷。測點D位于主次干道交叉口多層建筑側，沒有植物綠化，靠近汽車尾氣污染源排放位置，且人流量和車流量大，汽車停留時間長，因此PM2.5的質量濃度高，為 151.90 μg·m-3。上升型街道峽谷的背風側易造成高質量濃度 PM2.5堆積。因此建議在城市設計中，應避免設計上升型街道峽谷的背風側建筑，同時也建議在上升型街道峽谷的背風側增設垂直綠化以減少空氣污染。

E點位于對稱街道峽谷，SCER=1∶1∶1，即標準型街道峽谷。測點E點位于次干道旁，周邊為多層建筑，人流量和車流量較大，停留時間短，且測點周邊有灌木綠化帶，對 PM2.5質量濃度起到一定的降解作用，PM2.5質量濃度為 127.62 μg·m-3。

F點位于對稱街道峽谷，SCER=1∶2∶1，即寬闊型街道峽谷。測點F位于主干道旁人行道一側，雖人流量和車流量較大，但停留時間短，且靠近1 m寬的喬木與灌木組成的綠化帶，對PM2.5的降解作用很大，因此 PM2.5的質量濃度很低，為 104.36 μg·m-3。對比測點E、F可知，其他條件不變，增加街道寬度，能降低街道峽谷內部的PM2.5質量濃度。

G點位于對稱街道峽谷，SCER=2∶1∶2，即狹窄型街道峽谷。測點G位于一般街道峽谷內，人流量和車流量很小，且街道峽谷內風速較大（圖 5），對PM2.5的擴散作用很大，因此PM2.5的質量濃度很低，為111.42 μg·m-3。建議在城市設計中考慮主導風向，利用城市通風廊道減輕街道峽谷內的 PM2.5質量濃度。

圖5 街道峽谷內風速的日變化Fig. 5 Diurnal variation of wind speed in the street canyon

H點位于非對稱街道峽谷，SCER=1∶1∶0，即下降型街道峽谷。測點H為國控點，PM2.5質量濃度為127.62 μg·m-3。比國控點PM2.5質量濃度更低的街道峽谷有B、F、G三點，說明公園綠地、寬闊型街道峽谷、較大的風速都能降低街道峽谷內部的PM2.5質量濃度。

2.3 環境影響因素分析

相關研究（Wei et al.，2021）表明，建筑環境因子如氣象條件、風向風速、車流量、下墊面材料、植物綠化等，都不同程度地影響街道峽谷內 PM2.5每小時質量濃度分布效果。

2.3.1 溫濕度的影響

如表2所示，運用SPSS對PM2.5質量濃度和溫濕度的每小時平均值進行回歸分析，其中常數項遠大于溫濕度的系數，說明合肥市長淮街道峽谷內PM2.5的背景質量濃度較高，除機動車尾氣排放外，生活源和工業源的影響較大。

表2 溫濕度與PM2.5每小時質量濃度的回歸分析Table 2 Regression analysis of temperature, humidity and PM2.5 hourly mass concentration

在Origin中對PM2.5質量濃度和溫濕度的每小時平均值進行線性擬合，如圖6所示，溫度和相對濕度兩個建筑環境因子對PM2.5每小時質量濃度作多元線性回歸，得到方程有：

圖6 PM2.5質量濃度和溫濕度的回歸方程Fig. 6 Regression equation of PM2.5 mass concentration and temperature and humidity

式中：

ρ(PM2.5)——PM2.5每小時質量濃度值；

t——溫度值；

H——濕度值。

式中R2=0.53，說明溫濕度兩個要素變量共同解釋了PM2.5變化的53%。溫度對PM2.5的貢獻度達54.7%，濕度對PM2.5的貢獻度達80.5%，說明與溫度相比，濕度對街道峽谷的PM2.5質量濃度貢獻度比溫度更大。

引起街道峽谷PM2.5每小時質量濃度周期性變化的主要原因是晝夜溫差造成（張云偉等，2016），白天隨著氣溫的升高，大氣邊界層開始膨脹，導致街道峽谷PM2.5質量濃度降低。由圖6可知，濕度與 PM2.5每小時質量濃度呈現顯著正相關，根據有關研究結論（臧振峰等，2021），溫度與PM2.5每小時質量濃度應該呈現顯著負相關，而本研究中溫度與 PM2.5每小時質量濃度呈現微小的正相關，可能是白天背景質量濃度過大造成的。

2.3.2 風速的影響

風速與 PM2.5的擴散速率有關，對街道峽谷內的 PM2.5質量濃度有顯著的輸送、稀釋和擴散作用（邱巧玲，2007）。本研究風速的測量結果以每 10分鐘作平均處理，如圖5所示，顯示了1月22—24日3 d內長淮街道峽谷風速的日變化，街道峽谷下午風速基本高于上午風速，說明早上街道峽谷風速較低，易發生PM2.5的滯留。因而建議在長淮街道峽谷，高峰期非必要通勤市民避免選擇下午出行，以免行車擁堵造成城市空氣污染。合肥市城市街道峽谷風速的空間分布排序為：G點 (2.43 m·s-1)＞F點(1.16 m·s-1)＞A 點 (1.01 m·s-1)＞C 點 (0.66 m·s-1)＞D點 (0.59 m·s-1)＞B點 (0.46 m·s-1)=E點 (0.46 m·s-1)。其中，風速越大，PM2.5質量濃度越低，G點街道峽谷的風速明顯高于其他監測點，有利于降低街道峽谷內的PM2.5質量濃度。

2.3.3 車流量的影響

機動車的尾氣排放主要集中在城市街道峽谷，由于街道峽谷的特殊結構，PM2.5難以擴散并不斷聚集，導致居民長期暴露于汽車尾氣中，對人體健康產生了極大的危害。因此，街道峽谷內的車流量與PM2.5每小時質量濃度的相關性已經成為重要的研究課題之一（柴晉鵬等，2021）。本研究的街道峽谷勝利路位于合肥市瑤海區交通主干道上，以每小時記錄 10 min的車流量來估算街道峽谷每小時內車流量的大致情況。如圖7所示，1月22—24日對應周五至周日，工作日的車流量基本大于周末的車流量。街道峽谷車流量的日變化折點圖基本呈現“W”型分布，即有明顯的早高峰、午高峰和晚高峰分布。根據3 d平均值可以看出，長淮街道峽谷的車流量早高峰＞晚高峰＞午高峰，其中15:00—16:00時間段內的車流量最小。因而建議在長淮街道，非必要通勤市民可以選擇15:00—16:00出行，以免行車擁堵造成街道峽谷環境污染。

圖7 街道峽谷內車流量的日變化Fig. 7 The daily change of traffic flow in the street canyon

3 城市街道峽谷空氣質量評價

對各實測樣點的48600條PM2.5質量濃度有效值進行統計，運用AQI對其數據進行計算分析，得到表 3。合肥市長淮街道峽谷 PM2.5空氣質量水平以中度污染為主，空氣質量級別多分布在四級。根據實測數據計算得出AQI值為165，三里街國控點（H點）的AQI值為166，誤差值為0.01，空氣質量水平都為中度污染，空氣質量級別都為四級，兩者差距不大。說明采用AQI能較好地評價街道峽谷的空氣質量。

表3 街道峽谷空氣質量評價Table 3 Air Quality Evaluation of Street Canyon

4 結論與展望

4.1 結論

（1）街道峽谷內 PM2.5日均質量濃度均呈現出“W”型變化特征。街道峽谷內非必要通勤市民應避免在工作日午高峰出行，可以選擇在 15:00—16:00出行，此時風速較大、車流量較小，能減少PM2.5對空氣質量的影響。

（2）對不同街道峽谷空間分布而言，PM2.5質量濃度由大到小的趨勢為：道路交叉口＞道路旁＞小區公園綠地＞一般街道峽谷。風速越大，距離排放污染源越近，距離綠化植物越近，PM2.5質量濃度越低。

（3）公園綠地，寬闊型街道峽谷，降低迎風面建筑高度和增加街道寬度都能降低街道峽谷內部的PM2.5質量濃度。上升型街道峽谷的背風側易造成高質量濃度PM2.5堆積。

（4）對合肥市長淮街道冬季而言，PM2.5的空氣質量水平為中度污染，空氣質量級別為四級。溫濕度共同解釋了PM2.5變化的53%，濕度對街道峽谷的 PM2.5質量濃度貢獻度比溫度更大，濕度和溫度對街道峽谷的 PM2.5質量濃度貢獻度分別為 80.5%和54.7%。

4.2 展望

（1）在道路旁不同樹種植物、街道峽谷空間形態和環境影響因素對PM2.5濃度的協同降解作用有待進一步研究。

（2）風速風向對不同類型的街道峽谷 PM2.5濃度的擴散作用有待深入研究。