沈陽城區交通監測點大氣污染特征研究

王佳音

（遼寧省沈陽生態環境監測中心，遼寧 沈陽 110000）

1 引言

隨著城市工業現代化高速發展，我國機動車保有量日益增長，大氣環境污染已呈煤煙型與機動車尾氣復合污染的特征［1］。截至2022 年3 月底，我國機動車保有量達到4.02 億輛，機動車尾氣排放源作為目前城市大氣污染的主要排放源之一，在較大程度上影響著環境空氣質量的持續改善。交通相關空氣污染物在與其他因素的共同作用下將對健康人群產生不良影響［2］。不同區域的監測研究結果表明，移動源污染作為我國大中城市空氣污染的重要來源，是細顆粒物、光化學煙霧污染的重要原因，因此，移動源污染防治的緊迫性日益凸顯［3］。

研究發現，北方地區冬季采暖季燃煤排放源顯著增加，機動車排放對應的貢獻率有所下降；但在重污染期間，機動車排放源在以本地污染為主的污染過程中所占貢獻比例明顯增加［4］。上海市的相關研究表明，交通空氣污染物濃度總體高于環境點位，常規污染物及特征因子濃度均為夏高冬低；但路邊環境空氣中污染物濃度在周一至周日期間并無明顯差異［5-6］。北京市在重大活動期間減排措施啟動后，NO2濃度高值中心明顯消失，PM2.5濃度分布梯度減小，減排效果明顯［7］。楚芳婕等［3］認為北京市交通點位監測的污染物濃度存在“周末效應”。與此同時，氣象因素對交通環境下的污染氣體有著重要影響，如大氣擴散條件、相對濕度、風速等［8-10］。唐智億等［11］研究發現降水對污染物稀釋沉降效果明顯，對NOX作用不明顯；但在靜風或小風大氣環境下，通過水霧“高射炮式”播撒方式增加低層濕度并非是沉降稀釋顆粒物的有效方法。在探究NO2來源研究中，工業及機動車尾氣排放源是除了化石燃料燃燒源外的主要來源［12］，已逐漸成為部分大城市PM2.5的首要貢獻源［6，13］。因此，在當前大氣環境背景下，有針對性的交通環境污染特征分析研究，對大氣污染防治工作具有重要的現實意義。

為掌握沈陽市城區交通環境污染特征，本研究基于沈陽市交通污染監測點位2021 年監測的PM2.5，PM10，NO2，CO 濃度數據，針對不同典型時段展開分析，探究城區交通污染監測點位周邊大氣污染物的污染特征及與機動車流量的關系，以期為城市交通排放污染治理提供科學依據。

2 材料與方法

2.1 研究區域概況

2021 年，沈陽市交通污染專項監測點位為滄海路點位，主要監測沈陽市西部交通主干路。圖1 為交通監測點周邊交通干路情況，該交通監測點位距滄海路僅50 m，滄海路為雙向6 車道；從周圍的交通主干路看，交通監測點西距四環路0.7 km，東距燕塞湖街0.9 km，南距沈遼路0.7 km，北距沈新路1.3 km。

圖1 交通監測點周邊交通干路情況示意

2.2 數據來源與監測方法

本研究所使用的污染物監測數據為遼寧省沈陽生態環境監測中心提供，包括沈陽市11 個國控環境空氣自動監測點位（森林路、沈遼西路、渾南東路、小河沿、陵東街、新秀街、裕農路、太原街、東陵路、文化路、京沈街）及沈陽市交通污染專項監測點位（滄海路點位），監測數據包括2021 年PM2.5，PM10，NO2，CO濃度資料。監測頻次為24 h 連續自動監測。為確保監測數據的準確有效，監測設備均按國家規范要求完成相關質量控制與質量保證。車流量數據采用人工計數觀測，在每日07:00—08:00，12：00，17：00—18：00，通過記錄當前小時任意20 min 的車輛數目以估算每小時的車流量數目，監測時長為一周。

3 結果與討論

3.1 交通站點污染物濃度時間變化特征

3.1.1 年度概況

圖2 為2021 年交通監測點主要監測項目濃度年均值情況。

圖2 2021 年交通監測點與沈陽市主要監測項目濃度年均值

從2021 年交通污染主要監測項目濃度看，交通監測點的PM2.5，PM10，NO2，CO 濃度均高于全市年均值，且僅CO 濃度達到國家環境空氣質量二級標準，PM2.5，PM10，NO2均超過國家環境空氣質量二級標準。具體來看，各監測項目濃度均值分別高出全市均值23.7%，29.2%，36.4%，6.7%；其中，交通監測點NO2年均濃度超過全市均值幅度最大，CO 超過幅度最小，表明在一定程度上交通尾氣排放是各主要監測污染物的主要來源，且對NO2的污染貢獻相對較大。

3.1.2 季節變化特征

圖3 為2021 年交通監測點主要監測項目濃度季節變化情況。

圖3 2021 年交通監測點主要監測項目濃度季節變化

圖3 顯示，PM2.5，CO 季節濃度變化特征表現為冬季最高，夏季最低，春秋次之，與大氣邊界層垂直方向擴散條件的季節性變化特征較為一致。PM10濃度表現為春季最高，夏季最低，考慮春季主要受西部強低壓影響，西南風速較大導致出現沙塵天氣。NO2季節濃度表現為夏季最低，為36 μg/m3，秋冬最高，濃度均為48 μg/m3，春季僅略有降低，為47 μg/m3，秋冬春三季NO2濃度整體差異不大。整體來看，夏季各監測項目濃度均為最低，冬季相對最高；對比冬夏季各監測項目濃度看，PM2.5冬季濃度是夏季的1.8 倍、PM10冬季濃度是夏季的1.7 倍、NO2冬季濃度是夏季的1.3 倍、CO 冬季濃度是夏季的1.9 倍。

3.1.3 早晚高峰時段污染特征

圖4 為2021 年交通監測點主要監測項目濃度日變化曲線。

圖4 2021 年交通監測點與沈陽市監測項目濃度日變化曲線

2021 年，交通監測點PM2.5，PM10，NO2濃度日變化小時數據均高于全市均值，CO 小時濃度部分時段與全市相差不大。從2021 年交通監測點日變化數據看，PM2.5，PM10濃度日變化表現為早晚高峰時段較高，具體為每日06：00 左右開始升高，09：00—10：00達到上午峰值，16：00 降至最低后再次出現明顯上升趨勢，并于22：00—23：00 達到晚間峰值。整體變化趨勢與交通污染早晚高峰較為一致。NO2濃度受交通出行早晚高峰時段的影響更為明顯，呈現出明顯的早晚高峰變化趨勢，具體表現為每日05：00 開始升高，08：00 達到上午峰值，13：00 降至最低，17：00開始出現明顯上升趨勢，并于20：00 達到全天峰值。從變化趨勢看，NO2晚間峰值明顯高于早高峰時段，夜間濃度值的升高考慮主要是由于大型貨車一般錯開白天車流量高峰，在夜晚時段出行較多。CO 濃度24 h 均值與全市差距不大，整體表現為09：00 達到上午峰值，16：00 降至最低，17：00 開始緩慢上升，21：00 達到晚間較高值。

3.2 周末與工作日監測項目濃度對比分析

為了解工作日與周末時段交通污染對交通監測點產生的影響，對2021 年相關時段進行分析，見圖5。

圖5 2021 年交通監測點周末與工作日監測項目濃度對比

結果顯示，交通監測點各監測項目存在顯著的“周末效應”，即各監測項目濃度均表現出周末大于工作日，與丁一匯、邱曉暖等［14-15］研究結果一致。其中，周末時段的PM2.5濃度在00：00—02：00，08：00—09：00，20：00—23：00 均出現污染時段，空氣質量達到輕度污染級別。PM10日變化濃度工作日與周末變化趨勢較為一致，但周末11：00 出現突高情況。

NO2日變化濃度為雙峰型曲線，且表現為周末高于工作日，周末NO2日變化濃度分別于07：00，19：00達到早晚峰值，工作日NO2日變化濃度分別于08：00，20：00 達到早晚峰值，比周末時段延后1 h 出現峰值。CO 日變化濃度表現為雙峰曲線，周末峰值分別出現在07:00，20：00，比工作日濃度峰值提前1 h。

交通監測點各監測項目存在顯著的“周末效應”，考慮主要由于周末人為活動頻繁，出行較為集中，與其他時段相比車流量有所增多，表明監測項目濃度變化與人類活動緊密相關。

3.3 污染物濃度與機動車流量的關系

2021 年3 月7—13 日，對交通監測點早高峰時段、中午時段及晚高峰時段機動車流量數據進行統計，并與PM2.5，PM10，NO2，CO 對應小時濃度進行對比分析，結果見圖6。

圖6 交通監測點主要污染物濃度與機動車流量的關系

由圖6 可知，機動車流量數據表現為早晚高峰明顯高于中午時段，且早高峰車流量數據略高于晚高峰數據，早晚高峰時段車流量數據與中午時段相比偏大40%。從空氣質量主要污染物濃度數據看，PM2.5與PM10整體變化趨勢較為一致，表現為早高峰時段開始上升，10：00 達到峰值，隨后開始下降，晚高峰時段出現小幅升高趨勢。NO2，CO 小時濃度變化趨勢表現出與機動車流量較為一致的變化趨勢，總體呈“U”型分布，即早晚高峰時段濃度較高，中午最低。整體來看，本研究中PM10濃度數據略滯后于車流量數據，主要原因與尾氣排放后發生二次轉化進而對顆粒物數據造成影響有關；NO2，CO 與機動車流量變化趨勢較為一致，與賈智海的［16］研究結果一致。

4 結論

（1）交通監測點的PM2.5，PM10，NO2，CO 等污染物濃度均高于全市年均值，NO2年均濃度超過全市均值幅度最大，高出36.4%，CO 超過幅度最小。PM2.5，CO 濃度季節變化特征夏季均是最低，冬季最高，PM10濃度受沙塵天氣影響，表現為春季最高；NO2濃度秋冬春三季整體差異不大。

（2）NO2日變化濃度呈明顯的早晚高峰變化趨勢，且晚間峰值明顯高于早高峰時段峰值，考慮主要由于大型貨車一般錯開白天車流量高峰，在夜晚時段出行較多；PM2.5，PM10濃度在09:00—10：00 達到上午峰值，22：00—23：00 達到晚間峰值；CO 濃度24 h 均值與全市差距不大。

（3）交通監測點各監測項目存在顯著的“周末效應”，表現為周末污染物濃度大于工作日，考慮主要由于周末人為活動頻繁，出行較為集中。

（4）交通監測點NO2，CO 與機動車流量變化趨勢較為一致，呈“U”型分布；PM10濃度數據略滯后于車流量數據。