城市街道峽谷PM2.5 時空分布特征與空氣質量評價

■ 潘 輝 PAN Hui 王 薇 WANG Wei 胡 春 HU Chun

0 引言

隨著社會經濟的發展，我國城市化進程不斷加快。截止2020 年，我國城鎮化率已達到63.89%，城市數量687 個[1]。一方面，城市的高速發展使得交通環境問題愈發突出，機動車輛排放的尾氣污染物不僅已成為城市大氣污染的重要來源之一[2]，也是導致各種呼吸系統疾病頻發的重要原因；另一方面，城市化進程的加快使得城市建筑傾向于高密度發展，臨街建筑大量增高、增多，形成了特殊的街道峽谷[3]。街道峽谷作為城市重要構成部分之一，是城市居民頻繁活動的場所。高大密集的建筑使得街道峽谷內的風速流動顯著降低，影響了機動車輛尾氣污染物的擴散稀釋，危及沿街居民及過往行人的健康。相關研究表明，街谷空間形態會對大氣污染物濃度造成一定影響，主要原因是街谷的三維形態會影響街谷內大氣流場，進而影響大氣污染物的擴散[4]。一些學者通過街谷高寬比等設計指標來表征街谷空間形態，發現街谷兩側建筑物高度的增加會導致污染物濃度上升，街谷寬度的增加則可降低大氣污染物濃度，即PM2.5質量濃度隨著街谷高寬比的增大而增加[5-6]；王薇等[7]通過實際監測得出，不同功能區街道峽谷PM2.5質量濃度由高到低依次為辦公型、商業型和居住型。此外，氣象因素、植物綠化等環境特征也會影響PM2.5質量濃度高低。研究表明，PM2.5質量濃度與相對濕度呈顯著正相關，且相關性隨粒徑降低而增高[8]。

現階段，針對街道峽谷的研究方法主要以實際監測、風洞實驗及數值模擬為主。但風洞試驗或數值模擬不能全面、真實地反映污染物影響因素及空氣質量環境，故本研究采用實際監測方式分析PM2.5在街道峽谷的時空分布特征，以科學客觀地反映城市環境質量，為城市居民出行提供建議；同時，為城市大氣污染防控工作提供科學依據，對于提高居民生活質量具有積極意義。

1 研究概況與方法

1.1 研究區域與測點

安徽省合肥市地處中緯度地帶（北緯31°52′、東經117°17′），季風氣候明顯，是典型的夏熱冬冷氣候區城市。其年平均氣溫在15～16℃之間，屬溫和型氣候，其中夏季平均氣溫為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一致，夏季最大、冬季最??；城市主導風向為東南風，年平均風速在1.6～3.3 m/s 之間。

研究區域選取合肥市廬陽區亳州路街道，周邊多為辦公樓，高層建筑密集。該段道路寬42 m，雙向8 車道，兩側有4 m 寬的非機動車道；在非機動車道、機動車道與人行道間均設置有1 m 的綠化隔離帶。根據街道兩側建筑空間形態特征，確定本研究的4 個監測樣點（圖1）。

圖1 研究區域概況及監測樣點分布

1.2 監測儀器及時間

采用粉塵濃度監測儀與風速氣象儀各4 臺，對街道峽谷內的PM2.5質量濃度、溫濕度和風速進行同步監測。監測時間選擇在2022-02-28—2022-03-02 的08:00—18:00，期間天氣狀況較一致，均為晴穩天氣。監測儀器分布于街道峽谷各監測樣點，安裝高度距離地面1.5 m，與一般人體呼吸高度保持一致，每隔2s 記錄1 次數據，詳細技術參數見表1。

表1 監測儀器技術參數

1.3 空氣質量評價標準

AQI（Air Quality Index）即空氣質量指數是定量描述空氣質量狀況的無量綱指數，是一種反映和評價空氣質量狀況的方法[9]。它將常規監測的幾種污染物濃度簡化成單一的概念性數值形式，并分級表征空氣質量狀況與空氣污染程度，結果簡明直觀，便于理解和使用[10]。其等級劃分為：優（≤50）、良（＞50～100）、輕度污染（＞100～150）、中度污染（＞150～200）、重度污染（＞200～300）、嚴重污染（＞300），具體計算公式如下：

式中，IAQ表示空氣質量指數（AQI）；C表示污染物日均質量濃度；C1表示污染物質量濃度低位限值，C1≤C；Ch表示污染物質量濃度高位限值，Ch≥C；I1、Ih分別表示對應于C1、Ch的空氣質量指數限值。

2 城市街道峽谷PM2.5 質量濃度時空分布特征

2.1 時間分布特征

通過對3 d 內各個時間段的數據進行平均處理，得到不同測點PM2.5質量濃度隨時間的變化規律（圖2）?？梢钥闯?，該街道峽谷內的PM2.5質量濃度整體呈現出隨時間先上升后下降的趨勢，并于10:00—11:00 達到峰值。PM2.5在3 d 內的平均質量濃度 為81.96 μg/m3，其 中：10:00—11:00 區間濃度最高（105.71 μg/m3），17:00—18:00 區間濃度最低（49.04 μg/m3）。因此，建議廬陽區亳州路街道的居民及過往行人在非必要出行的情況下，盡量避開上午高峰時期，以降低PM2.5對身體健康的危害；這也可以在一定程度上緩解堵車造成的PM2.5排放。

2.2 空間分布特征

2.2.1 總體分布特征

對各監測樣點3 d 的數據進行平均處理，得到PM2.5質量濃度的分布情況（圖3）?？傮w而言，街道峽谷內各監測樣點的PM2.5質量濃度由高到低依次為D 點（88.13 μg/m3）、C 點（83.84 μg/m3）、B 點（80.66 μg/m3）、A 點（75.2 μg/m3），濃度最高的D 點與最低的A點之間相差約12.93 μg/m3。其中：2 月28 日，PM2.5質量濃度D 點最高（91.84 μg/m3）、B 點最低（76.45 μg/m3）；3 月1 日，PM2.5質量濃度D 點最高（111.07 μg/m3）、A 點最低（91.68 μg/m3）；3 月2 日，PM2.5質量濃度D 點最高（61.47 μg/m3）、A 點最低（54.26 μg/m3）。各監測樣點的PM2.5質量濃度存在差異，這與街道峽谷內的溫濕度、風環境、車流量等均有一定關系。

圖3 各監測樣點PM2.5 質量濃度

2.2.2 各監測樣點環境特征

根據各監測樣點的PM2.5平均質量濃度，可以看出街道峽谷內PM2.5質量濃度在空間上呈現出以下特征：①距離機動車污染源越近，PM2.5質量濃度越高；②綠化層次越豐富，PM2.5質量濃度越低。各監測樣點環境特征如圖4 所示。

圖4 各監測樣點環境特征

（1）A 點PM2.5平均質量濃度最低，約為75.2 μg/m3。街道兩側均為高層建筑，街谷高寬比h/b＞2，為深街谷[11]，本不利于污染物擴散。但由于A 點位于背風面高層建筑側，周邊植物綠化較多且層次豐富，對PM2.5具有較好的沉降、阻滯、吸附作用[12]，故PM2.5平均質量濃度偏低。

（2）B 點PM2.5平均質量濃度約為80.66 μg/m3。其背風面為高層建筑，迎風面為多層建筑，街谷高寬比h/b＜0.5，為寬街谷，較利于污染物的快速擴散。然而，由于測點B位于人行天橋附近，無道路交叉口，主干道機動車輛行駛速度較快，揚塵易引起PM2.5質量濃度的上升[13]。

（3）C 點PM2.5平均質量濃度約為83.84 μg/m3。其背風面為高層建筑，迎風面為多層建筑，街谷高寬比h/b＝1，即理想街谷。測點C 位于背風面高層建筑旁側，周邊綠化帶以喬、灌木為主，綠化層次相對豐富，但附近有主次干道交叉口，車流量大且汽車停留時間長，故PM2.5質量濃度也相對較高。

（4）D 點PM2.5平均質量濃度最高，約為88.17 μg/m3。街道兩側均為高層建筑，街谷高寬比為1 ＜h/b＜2，對污染物的擴散稀釋較為不利[14]。測點D 位于背風面高層建筑旁側，靠近地上停車場，離尾氣污染源較近，因此PM2.5質量濃度相對較高；且測點周邊綠化帶以灌木為主，綠化種類較少，對PM2.5的消減作用也相對較小。

2.3 PM2.5 質量濃度與環境因素相關性分析

相關研究表明[15-18]，環境因素如氣象條件、植物綠化、風向風速、車流量等，都對街谷內的PM2.5質量濃度及其時空分布具有不同程度影響。

2.3.1 PM2.5 質量濃度與溫濕度的相關性

為研究PM2.5質量濃度與溫濕度的相關性及影響程度，對監測數據中的PM2.5質量濃度和溫濕度按時間段進行平均處理，并運用SPSS 軟件進行回歸分析。如表2 所示，溫度的標準化回歸系數為-0.125，濕度的標準化回歸系數為0.577。由此可知，濕度對PM2.5質量濃度的貢獻度最大，為57.7%。通過溫度和相對濕度兩個氣象因子，對PM2.5每小時質量濃度作多元線性回歸，得到方程如下：

式中，ρ表示PM2.5質量濃度值；t表示空氣溫度；HR表示相對濕度。

表2 中，顯著性R2=0.631，說明溫濕度兩個氣象環境因素共同解釋了PM2.5質量濃度變化的63.1%，剩下的36.9%則受其它因素影響，包括且不限于風速、綠化、車流量等[19]。

表2 PM2.5 質量濃度與溫濕度的回歸分析

對PM2.5質量濃度和溫濕度的每小時平均值進行線性擬合（圖5），發現溫度與PM2.5質量濃度呈現顯著負相關，而濕度與PM2.5質量濃度呈現顯著正相關，符合相關研究結論[20]。

圖5 PM2.5 質量濃度與溫濕度的相關性

2.3.2 PM2.5 質量濃度與風速的相關性

相關研究得知，街道峽谷內的風速會影響PM2.5的擴散速率，進而影響街道峽谷中PM2.5質量濃度。運用SPSS 軟件對每小時的PM2.5質量濃度及平均風速進行相關性分析，可得到PM2.5質量濃度與風速相關系數為-0.391，且呈顯著性相關。如圖6所示，該街道峽谷細顆粒物濃度與風速呈反向變化趨勢，各監測樣點的平均風速由高到低依次為：C 點（1.22 m/s）、B 點（0.74 m/s）、D 點（0.4 m/s）、A 點（0.29 m/s）。其中，A點雖受綠化樹木遮擋而風速最小，但PM2.5質量濃度也在綠化樹木的沉降吸附作用下呈現較低的趨勢；D 點風速較小，PM2.5質量濃度也最高。

圖6 街道峽谷風速日變化

2.3.3 PM2.5 質量濃度與車流量的相關性

機動車輛的尾氣排放是城市街谷中PM2.5的主要來源之一。研究表明，由機動車怠速引起的擁堵、交叉口擁堵和上坡都會引起街谷內大氣污染物濃度的升高[21]，使沿街居民及路人的身體健康受到一定威脅。對該街道的車流量進行統計，可得到車流量的日變化（圖7），發現車流量與街谷內PM2.5質量濃度呈現近似的變化趨勢。運用SPSS 軟件進行相關性分析可知，車流量與PM2.5質量濃度相關系數為0.916，且呈顯著正相關；街道峽谷車流量總體上呈現出先上升后下降的趨勢，并于11:00 左右達到峰值。因此，建議亳州路街道的沿街居民在非必要通勤的情況下，盡量避開11:00 這一時間段出行，以避免行車擁堵產生的高濃度PM2.5對人體健康造成危害。

圖7 街道峽谷車流量日變化

3 城市街道峽谷空氣質量評價

根據《環境空氣質量指數（AQI）技術規定（試行）》（HJ 633—2012），對該街道4 個監測樣點的有效數據進行統計分析（表3）。該街道峽谷的AQI 均值為109.25，PM2.5空氣質量級別為三級，達輕度污染。

表3 街道峽谷空氣質量評價

4 結語

研究城市不同空間形態下的PM2.5質量濃度差異，對于將健康干預理念融入到城市可持續發展當中，可起到推動作用；而街道峽谷作為城市結構的基本單元，其研究具有代表性與必要性。通過研究可知，氣象因素、車流量等環境因素與PM2.5質量濃度具有一定關聯性，對未來城市空氣質量預測及優化起到一定的輔助作用。從污染物的排放根源解決是最簡單有效的策略，但在城市建設中，還應考慮區域環境特征，即氣象因素、建筑形態、道路綠化等都應作為改善空氣質量的研究方向。

（1）氣象因素中，風速和風向是影響空氣污染物擴散的主要因素。通過對城市常年主導風向的觀測，建立城市通風廊道，從宏觀層面加快城市污染物的輸送，優化城市內部空氣質量。

（2）建筑空間形態對城市空氣質量也具有一定的影響。因此，可通過對建筑高度比、街谷高寬比、建筑密度等設計指標的控制，優化街道兩側建筑空間形態，可在一定程度上改善街道峽谷風環境，從而在微觀層面減少污染物的聚集。

（3）道路綠化對PM2.5的沉降具有重要影響。可選擇葉片密集、粗糙度較高的樹種，加快細顆粒物的沉降。在不同的區域環境中，可以選擇不同植物的組合方式，建立植被屏障，進而有效消減污染物。