成都PM2.5与气象条件的关系及城市空间形态的影响

黄 巍,龙恩深

四川大学建筑与环境学院,四川 成都 610000

大气颗粒物是中国目前主要的大气污染物,空气动力学直径大于或等于10 μm的粗颗粒物由于重力作用通过干沉降在数小时内就能进行去除并且扩散的距离短。空气动力学直径小于或等于2.5 μm(PM2.5)的细颗粒物在大气中滞留的时间长达数天,传输距离更远，影响更大[1]。

城市中化石燃料燃烧、机动车排放、施工作业、轮胎及刹车磨损等人为源颗粒物对PM2.5的贡献最大[2]。PM2.5对于城市中人的健康[3]、材料及气候均有很大影响。对于健康的影响,在国外相关研究中发现PM10与PM2.5的浓度每增加10 μg/m3,死亡率分别增加10%与14%[4]。对于各种材料的影响主要为腐蚀作用与美观损害(如污垢和褪色)[5]。对光的吸收和散射会使其对能见度产生影响,导致城市及周边区域霾的频繁发生[6]以及更大范围的气候变化[7]。

国外对大气细颗粒物的相关研究起步较早,美国环保局(USEPA)于1997年就制定了PM2.5的年度标准限值和24 h标准限值,国内于2012年依据国情制定了PM2.5的平均浓度限值。国内目前的研究针对北京、上海、广州等平原及沿海城市较多[8-10],研究的主要内容为PM2.5的物化性质以及时空分布变化情况等。对于盆地城市且将PM2.5与城市真实环境的空间形态相结合的研究相对偏少[11-12]。

成都市作为西部重要的大城市,位于亚热带湿润季风气候区,属于典型的盆地气候。由于特殊的地理环境,全年静风频率超过30%,年平均风速1.3m/s,造成大气颗粒污染物聚集严重,无法及时通过干沉降进行稀释与消散。尤其是在冬季降水少,无风日比例高,造成PM2.5的平均浓度比夏季高出1～2倍[13]。成都市PM2.5的主要贡献源为汽车尾气直接排放的一次颗粒物及其在大气中经物理化学变化产生的二次颗粒物[14]。

鉴于PM2.5对于城市的各种影响,为能更好地通过城市设计手段对城市尺度的大气环境进行改善,该研究通过对成都不同监测时间的PM2.5质量浓度与典型气象进行相关性分析,归纳出主要的气象影响因素,运用计算流体力学(CFD)软件对城市现状建成区三维模型进行分析,提出有利于减少城市中大气细颗粒物影响的空间形态,为城市设计研究提供信息和依据。

1 实验部分

1.1 质量浓度监测

监测点位于成都市中心的成都市人民公园距离地面高度为15 m的建筑楼顶,监测点北侧紧邻城市东西向交通主干道蜀都大道，周边办公及住宅较为集中。监测时间为2013年2月1日至3月20日、2013年7月10日至8月10日2个时间段,分别代表冬季及夏季。使用美国TSI公司生产的DUSTTRAKⅡ8530台式粉尘检测仪,进行24 h连续监测。粒径撞击器选择PM2.5,入口流量设置为3 L/min。

1.2 气象数据

主要的气象数据包括温度、湿度、降水量、风速、能见度,数据采用小型气象站以及成都市同期地面观测数据。

1.3 CFD模拟

采用CFD软件WINAIR4.0对成都市一处密集的建成区进行模拟。该软件能嵌入本地气象数据，且针对大尺度环境的模拟计算速度相对较快,因而具有一定的优势[15]。模拟的结果使用图形处理软件进行量化统计,结合现状城市空间形态进行研究,并对代表点位进行分析。

2 结果与讨论

2.1 PM2.5质量浓度的动态变化

2013年2月1日至3月20日监测期间获得有效数据48个(图1)。PM2.5质量浓度均较高,且大气首要污染物均为PM2.5，质量浓度为34～317 μg/m3,平均为147.38 μg/m3。其中超过国家《环境空气质量标准》(GB 3095—2012)中PM2.5二级标准日均浓度限值75 μg/m3的天数为40 d,超标率为83.33%。超过USEPA指定的国家环境空气质量标准(NAAQS)中PM2.5的24 h浓度限值35 μg/m3的天数为47 d。3月5—16日成都市出现灰霾天气,PM2.5质量浓度为118～317 μg/m3,平均为185.83 μg/m3,质量浓度最大值317 μg/m3出现于3月11日，表明成都市冬季PM2.5的质量浓度超标严重,主要由于进入冬季后成都市逆温层现象增加,监测期间降水少、风速低且静风频率高，不利于颗粒物的稀释和扩散[16]。成都市筹办财富全球论坛同期大量基础设施项目施工也是导致PM2.5的质量浓度超标的一个因素。通过对成都市PM2.5化学元素的研究也表明，施工扬尘是成都市PM2.5的主要来源之一[17]。

2013年7月10日至8月10日监测期间获得有效数据32个(图2)。PM2.5质量浓度为16～86 μg/m3,平均值为50.19 μg/m3。超过国家PM2.5二级标准的天数为3 d,超标率为9.37%。有利的气象条件是大气细颗粒物浓度低的主要原因,同时由于6月中旬成都市集中建设的基础设施项目大部分已完工,建筑活动对PM2.5质量浓度的影响很小。

图1 冬季PM2.5质量浓度变化

图2 夏季PM2.5质量浓度变化

2.2 PM2.5质量浓度与气象

监测期间通过收集气象数据,分析各种气象要素对PM2.5质量浓度的影响。不同城市由于形态与结构不同会导致城市尺度气象要素的独特性,温度、相对湿度、风速、气压、能见度等数据与其他城市乃至与城市周边都不同,各气象要素对大气细颗粒物浓度的影响在不同城市及不同时间段也不同[18-20]。

成都市2013年2月1日至3月20日监测期间平均温度13.6°，相对湿度68%，风速1.3 m/s，气压953.7 hPa，能见度5.2 km,降水9 d,平均降水量0.43 mm。2013年7月10日至8月10日监测期间平均温度27.5°，相对湿度83%，风速1.5 m/s，气压940.8 hPa，能见度7 km,降水23 d,平均降水量25.57 mm。

通过对各气象要素与PM2.5质量浓度的简单相关性分析(表1)可知,监测期间 PM2.5质量浓度与能见度呈现明显的负相关(P﹤0.01),大气细颗粒物是影响能见度的重要因素[21]。监测期间风速均未超过6m/s,风速与PM2.5质量浓度呈现明显的负相关[22],风速对于大气颗粒污染物的稀释和消散都起到重要作用[23-24]。气压、温度及相对湿度等与PM2.5质量浓度相关性较差。

表1 PM2.5质量浓度与气象参数相关性分析

降水也是影响大气细颗粒物浓度的一个重要因素[25],冬季监测期降水日PM2.5质量浓度平均值为85.4 μg/m3,为本监测期平均值的57.94%水平。夏季监测期降水日PM2.5质量浓度平均值为43.85 μg/m3,为本监测期平均值的87.37%水平。2个监测期浓度最低值34 μg /m3、16 μg /m3分别出现在降水量最大的2月19日、8月8日。

通过对监测期间成都市气象要素与PM2.5质量浓度的相关性分析可知,通风与降水对于减少PM2.5对城市的影响最为有效。由于除人工降雨外的人为手段对于城市尺度范围进行降水较难实现,因此通过对城市空间形态的优化以改善城市通风环境，从而达到减少PM2.5对城市的影响。

2.3 CFD模拟

2.3.1 建立模型

运用CFD软件对城市现状建成区三维模型进行数值模拟，以优化城市通风与污染物消散，在城市规划及设计中运用较为广泛。针对建筑单体的模拟以及针对作为城市空间形态代表的街谷进行模拟分析结果表明[26-28],建筑的几何形式以及风向、风速是影响城市大气污染物消散的主要因素[29]。随着计算机计算能力的不断发展,对于城市更大范围及真实城市环境进行数值模拟被用于更为准确的描述城市通风环境[30-31]。由于城市结构自身的复杂性,以及城市中风速、风向等气象要素的随时变化,对城市中大气细颗粒污染物的稀释与消散产生明显的影响,因此对城市中等尺度及大尺度范围进行模拟分析的结果也较为复杂[32]。

该研究对成都市一环内现状建成区域进行三维建模,进行中等尺度城市通风的模拟分析。模拟区域所在范围为104.074 6～104.085 2°E,30.643 3～30.652 2°N(图3),与PM2.5质量浓度监测点位直线距离1.6 km。该区域为典型的成都市城市空间形态,图4显示区域中低层及多层建筑多为居住建筑，大多位于该区域中部,建筑基底面积占总建筑基底投影面积的比例为63.2%,高度为3～21 m,高层及超高层建筑多沿主要道路布置,建筑基底面积所占比例为36.8%,高度为50～150 m。CFD模型按照1∶1比例三维模型(图5),尺寸为X方向900 m,Y方向800 m,Z方向300 m。网格数量为X方向90个,Y方向80个,Z方向 200个。由于温度差会引起局部气流,模型中将区域温度设置为等温,气流为等温扰动流。成都市冬季PM2.5质量浓度较高,且冬季成都市城区多处于静风或无风状态，大气污染物受背景风影响很小[33],因此模型中风速数值采用冬季监测期间较大值3 m/s,风向为成都市冬季主导风向NNE,考虑PM2.5对行人的影响，采用行人呼吸带高度1.5 m对模拟结果进行分析。

图3 模拟范围

图4 建筑区域高度分布

图5 3D模型

2.3.2 模拟结果分析

图6显示了风速为3 m/s时1.5 m高度上,模拟范围的建筑区域内(图4中虚线范围)最大的几处风速都出现在高层周边和与风向平行的街道内,而多层建筑围合的区域内风速则普遍较低,通过对代表不同风速的颜色区域面积进行量化分析,整个建筑区域内风速为0～1 m/s的区域面积占总建筑区域面积的59.2%, 1～2 m/s的占27.5%,2～3 m/s的占11.3%,3m/s以上的占2%。在这个高度的大部分区域风速均未达到设置的风速数值,表明建筑群对风速有明显的阻挡和减缓作用。当风速较大时，与风向平行的街道由于气流在进入街道时受挤压作用,风速高于设置风速。位于北侧的道路两侧基本为高层建筑，风速较大的区域较多,道路虽然与风向垂直,但道路红线较宽(40 m),且都在一定距离(30～80 m)断开形成开敞空间而未连接成一个整体封闭的空间,有利于空气从断开处流动,避免了连续高层街道下风向空气流通不利的影响。同时与主导风向平行的街道,能够将气流引入街道建筑群中形成管道流,因此风速均比多层密集的区域大,且相对较宽的街道以及开敞空间较大建筑周边区域风速相对较大。

图6 1.5 m高度风速分布图

选取平面几何形式为圆弧形的高层住宅A(图6中标注)作为代表建筑,由于其位于多层集中的居住区内，且位于道路边,在其周边风速较大的区域相对较多,其朝向与主导风向垂直。图7(a)为A建筑在y-z方向上的流场矢量图,表明气流在向A建筑迎风面下部流动时迎风面的下部产生了一个相对较小的涡旋。而在气流通过A建筑顶部时,较强的剪切力层出现在建筑顶部,在其背风面产生了一个大的循环涡流。 图7(b)为A建筑在x-y方向的风流矢量图,模拟的结果显示由于A建筑和位于其南侧的多层导致空气流过时在其背风面形成了2个反向旋转的涡流[34],由于X建筑为圆弧形,且与其南侧的多层建筑非平行布局导致形成的2个反向旋转的涡流非对称。A建筑的东侧出现了明显的管道流,气流在入口处区域收敛并加强[35]。A建筑的西侧为学校的操场,较为开阔的区域减少建筑物对气流的干扰,该处风速也相对较大。

图7 A建筑模拟流场矢量图

图7中显示的A建筑模拟结果表明，位于多层建筑群中的高层建筑在自身周边风速相对较大,有利于PM2.5的消散与稀释,A建筑的模拟结果与单独高层建筑的模拟结果很相似,建筑背面平面方向出现双涡环流,建筑背面垂直方向出现单循环涡流,但由于A建筑周边被各种高度及形态的建筑包围,建筑空间环境复杂,因此对于中等尺度或者大尺度范围中单体建筑的模拟结果仅适用于其所在环境。并且在实际环境中A建筑被各种植物包围,在1.5 m高度处的风速实际情况也与模拟结果有所差异,只有当地面除建筑外无任何覆盖物时，模拟结果才能成立。

图8为1.5 m高度处的风速分布图，风速设置为成都市冬季平均风速1.3 m/s。模拟范围的建筑区域内风速较大的几处区域与图6中所示位置相似,但是没有出现风速超过设置风速的区域,且较高风速区域所占的比例明显低于风速为3 m/s时。整个建筑区域内风速为0～0.3 m/s的区域面积占总建筑区域面积的75.3%, 0.3～0.6 m/s的占13.6%,0.6～0.9 m/s的占8%,0.9～1 m/s的占3.1%。由于设置的风速较低，在这个高度的建筑区域内风速均未达到设置的风速数值,不利于城市内部通风,会导致PM2.5不易消散。Xie等[36]研究也表明，城市中污染物浓度与背景风速、风向有很好的相关性。

图8 1.5 m高度风速分布图

3 结论

1)2013年2月1日至3月20日监测期间成都市PM2.5质量浓度为34～317 μg/m3,平均为147.38 μg/m3,超过国家环境空气质量标准二级标准日均浓度限值的天数为40 d,超标率为83.33%。2013年7月10日至8月10日监测期间PM2.5质量浓度为16～86 μg/m3,平均为50.19 μg/m3，超过国家PM2.5二级标准的天数为3 d,超标率为9.37%。成都市冬季PM2.5污染严重。

2)PM2.5质量浓度与能见度及风速呈现明显的负相关,气压、温度及相对湿度等与PM2.5质量浓度相关性较弱,降水对PM2.5质量浓度影响也很大。通过对成都市建成区通风环境的改善，有利于减少PM2.5对城市的影响。

3)在等温情况下3D模型模拟的成都市密集建成区中,行人呼吸带高度处多层集中的区域对城市通风影响很小,而风速较大的区域都出现在高层建筑周围,在多层建筑中布置高层建筑,能将上部冷空气从垂直方向上引到下部，从而改善通风环境。

4)与风向平行的街道能形成管道流,有利于将风引街道入,从而形成通风走廊。当平行于风向的街道沿线布置高层建筑时,对通风的改善更为明显。与风向垂直布置连续多层建筑的狭窄街道风速低于同等条件下较宽街道的风速。由高层及超高层形成的街道，由于要退控制线形成断开的开敞空间，虽然街道与风向垂直，但风速较大的区域较多。密集的区域中布置开敞的空间能减少建筑对风速的减缓作用，对城市通风换气有利。

5)环境风速较大时城市整体通风环境有利于大气细颗粒污染物的消散,而当环境风速较低时城市整体通风环境较差,此时若要减少PM2.5对城市影响应考虑人工降雨、减少建筑活动及限制交通等方式。

[1] Jaffe D,Mckendry I,Anderson T,et al.Six ‘new’ episodes of trans-Pacific transport of air pollutants [J].Atmospheric Environment,2003,37(3):391-404.

[2] Tsigaridis K,Krol M,Dentener F J,et al.Change in global aerosol composition since preindustrial times [J].Atmos.Chem.Phys,2006,6:5 143-5 162.

[3] Pope C A, Dockery D W.Health effects of fine particulate air pollution:line that connect [J].Air Waste Manag Assoc,2006,56:709-742.

[4] Dockery D W,Pope C A,Xu X.An association between air pollution and mortality in six US cities [J].New England Journal of Medicine,1993,329:1 753-1 759.

[5] Fassina v,Favaro M,Crivellari f,et al.The stone decay of monuments in relation to atmospheric environment [J].Ann Chim,2001,91:767-774.

[6] Pitchford,Malm W,Schichtel,B,et al.Algorithm for estimating light extinction from IMPROVE particle speciation data [J].Air Waste Manag Assoc,2007,57:1 326-1 336.

[7] Jacob D J,Winner D A.Effect of climate change on air quality [J].Atmospheric Environment,2009,43:51-63.

[8] Yang F,Tan J,Zhao Q,et al.Characteristics of PM2.5speciation in representative megacities and across China [J].Atmos Chem Phys,2011,11:5 207-5 219.

[9] Kebin H,Fumo Y,Yongliang M,et al.The characteristics of PM2.5in Beijing,China [J].Atmospheric Environment,2001,35:4 959-4 970.

[10] Xiao L L,Yuanxun Z,Mingguang T,et al.Atmospheric lead pollution in fine particulate matter in ShangHai,China [J].Journal of Environmental Sciences,2009,21:1 118-1 124.

[11] Jun t,Tiantao C,Renjian Z,et al.Chemical composition of PM2.5at an urban aite of Chengdu in Southwestern China [J].Advances in Atmospheric Sciences,2013,30:1 070-1 084.

[12] 唐信英,罗磊,曹军骥,等.成都市春节期间大气PM2.5化学元素的特征[J].环境科学与技术,2013,36(5):151-155.

[13] Jun T,Leiming Z,Guenter E,et al.Chemical composition of PM2.5in an urban environment in Chengdu, China: Importance of springtime duststorms and biomass burning [J].Atmospheric Research,2013,122:270-283.

[14] Tian Y Z,Wu J H,Shi G L,et al.Long-term variation of the levels,compositions and sources of size-resolved particulate matter in a megacity in China [J].Science of the Total Environment,2013,463-464:462-468.

[15] Stelios C.Z, Christos A.T, Anastasios M.K,et al.The role of building form in energy consumption: The case of a prismatic building in Athens[J].Energy and Buildings,2012,48:97-102.

[16] 杨书申,邵龙义,肖正辉,等.中国典型城市2004年大气质量及颗粒物浓度与气象条件关系分析 [J].中原工学院学报,2005,16(5):5-9.

[17] 王启元, 曹军骥,郭旭,等.成都市春季PM2.5中化学元素组成特征及来源解析 [C]. 第十届全国气溶胶会议暨第六届海峡两岸气溶胶技术研讨会摘要集,2009.

[18] 张菊,欧阳志云,苗红,等.奥运前期与奥运期间北京市大气细颗粒物特征比较分析 [J].环境科学,2013,34(7):2 512-2 518.

[19] 邓利群,钱骏,廖瑞雪,等.2009年8—9月成都市颗粒物污染及其与气象条件的关系 [J].中国环境科学,2012,32(8):1 433-1 438.

[20] 伊丽米热·阿布达力木,迪丽努尔·塔力甫,阿布力孜·伊米提,等.乌鲁木齐市大气可吸入颗粒物浓度与气象因素的相关性研究 [J].新疆大学学报,29(1):94-99.

[21] Junjun D,Ke D,Kai W,et al.Long-term atmospheric visibility trend in Southeast China,1973—2010 [J].Atmospheric Environment,2012, 59: 11-21.

[22] Cuhadaroglu B,Demiric E.Influence of some meteorological factors on air pollution in Trabzon city [J].Energy and Buildings,1997,25:179-184

[23] Nicole A H janssen,Patricia H N van Vliet,Francee Aarts,et al.Assement of exposure to traffic related air pollution of children attending schools near motorways [J].Atmospheric Environment,2001,35:3 875-3 884.

[24] Chan L Y,Kwok W S.Vertical dispersion of suspended particulates in urban area of HongKong [J].Atmospheric Environment,2000,34:4 403-4 412.

[25] 韩燕,徐虹,毕晓辉,等.降水对颗粒物的冲刷作用及其对雨水化学的影响 [J].中国环境科学,2013,33(2):193-200.

[26] Gao Y,Chao W K.Numerical studies on air flow around a cube [J].J Wind Eng Ind Aerodyn,2005,93:115-135.

[27] Xie X M,Wang J S,Huang Z,et al.Traffic Emission Transportation in Street Canyons [J].Journal of Hydrodynamics,2009,21(1)：108-117.

[28] Modelling dispersion of traffic pollution in a deep street canyon: Application of CFD and operational models [J].Atmospheric Environment,2009,43:2 303-2 311.

[29] Mohamed F Y.Numerical modeling on air quality in an urban environment with changes of the aspect ratio and wind direction [J].Environ Sci Pollut Res,2013,20：3 975-3 988.

[30] Donald A B,Eric A H,Steve R D,et al.Modeling turbulent flow in an urban central business district [J].Journal of Applied Meteorology and Climatology,2007,46：2 147-2 164.

[31] Yasunobu A,Takaaki K.Urban-scale CFD analysis in support of a climate-sensitive design for the Tokyo Bay area [J]. International Journal of Climatology,2011,31：174-188.

[32] Baik J J, Park S B.Urban Flow and Dispersion Simulation Using a CFD Model Coupled to a Mesoscale Model[J].Journal of Applied Meteorology and Climatology,2009,48:1 667-1 681.

[33] Coppalle A.A street canyon model for low wind-speed conditions [J].International Journal of Environment and Pollution,2001,16(1/2):1 373-1 394.

[34] Liu H Z,Sang J G,Zhang B Y,et al.Influences of Structures on Urban Ventilation:A Numerrical Experiment [J].Advances in Atmospheric Sciences,2002,19(6):1 045-1 054.

[35] Julia E.Flaherty.Computional Fluid Dynamic Simulations of Plume Dispersion in Urban Oklahoma City [J].Journal of appled meteorology and climatology,2007,46：2 110-2 126.

[36] Xie X M,Wang J S,Huang Z,et al.Traffic emission transportation in street canyon [J].Journal of Hydrodynamics B,2009,21(1):108-117.