城市街谷内PM2.5浓度时空变化及影响因素分析

张云伟，王晴茹，陈 嘉，刘随心，胡塔峰，顾兆林（.西安交通大学人居环境与建筑工程学院，陕西 西安 70049；.中国科学院地球环境研究所，陕西 西安 70077）

城市街谷内PM2.5浓度时空变化及影响因素分析

张云伟1*，王晴茹1，陈 嘉1，刘随心2，胡塔峰2，顾兆林1（1.西安交通大学人居环境与建筑工程学院，陕西 西安 710049；2.中国科学院地球环境研究所，陕西 西安 710077）

通过现场观测研究西安市和平路街谷内的P M2.5浓度时空变化特征及其影响因素.在2015年4月8～10日进行了街谷内PM2.5浓度、车流量、风速、温湿度等参数的日变化规律和PM2.5浓度空间分布规律的观测实验.观测结果显示西安市和平路街谷内PM2.5浓度值较高，日间PM2.5浓度呈“凹”字形变化，早晚PM2.5浓度相对较高，在16:00前后PM2.5浓度到达一天当中的最低值. PM2.5浓度与温度、湿度有良好的相关性，对应R2值分别达到0.75和0.81.静风天气条件下，由温度变化引起的大气边界层伸缩运动被发现是影响街谷内污染物扩散的主要因素.

PM2.5浓度；街谷；气象因子；相关性

机动车尾气对大中型城市路边污染物浓度贡献较大，且排放源离地面很近、两侧都有连续建筑，空气流动较差，不利于污染物扩散，因此城市街谷内常观测到较高的污染物浓度［1-2］.

在行人、自行车和机动车混行的交通方式中，机动车尾气仍是大气污染物的主要来源［3-4］.路边PM2.5浓度与源排放和当地的气象条件、地形规律有关，空气质量监测分析研究发现，以城市交通主干道为中心的区域的PM2.5浓度要高于距离主干道较远的下风处的PM2.5浓度［5-6］.李龙凤等［7］和于建华等［8］分别观测了广州市街道和北京地区PM10和PM2.5浓度的日变化规律，结果显示广州市上午浓度较低，而北京地区观测结果显示下午浓度较低.白春霞［9］和Pearlmutter等［10］进行了更为详细的街谷内现场观测实验，观测实验内容主要包括街谷的几何结构、叶面积指数、太阳长短波辐射和地表墙面温度及街谷内风向风速等气象因子.也有文献研究建筑结构及布局对街谷内风场和污染物扩散的影响［11-12］.总体而言，对城市街谷内污染物浓度及气象条件的综合观测仍然较少.

本文选择西安市市区典型街道，进行街谷内大气环境综合观测，并分析了PM2.5浓度与车流量、风速、温湿度等参数的关系.本文研究成果对深入理解城市冠层内空气的污染的形成机制及向相关部门制定空气污染防治策略有重要参考意义.

1 城市街谷环境综合观测

1.1 观测地点

本文观测实验选择了西安市城墙内南北走向的一条主干道，和平路. 如图1（a）所示，和平路连接大差市和南城墙，是西安市区重要的交通干道之一.和平路街道的宽度在40m左右，观测点道路两侧建筑物的高度参差不齐，路两侧有很繁茂的绿化树木，在和平路的顶部形成一个顶盖，为绿化街谷.观测点距离城墙约100m.

图1 和平路街谷内观测点及空间分布示意Fig. 1 Diagram of the observation points and spatial distribution

如图1（b）所示，路边污染物空间分布规律实验则选择了3组共8个观测点，包括水平方向2组及竖直方向1组，其中a1、a2、a3为一组，体现横跨街道的空间分布，b1和b2为一组，体现沿街道的分布，c1、c2、c3为一组，体现垂直分布.

1.2 观测仪器和方法

实验采样仪器主要有：PM2.5浓度的测量仪器为一台Dust Trak空气监测器（Model 8520，TSⅠⅠnc.，US）；街谷内空气温湿度的测量使用一台温湿度记录仪TR-72wf，其分辨率为0.1℃，测量时间间隔为1min；地面温度及墙面温度使用一台红外测温仪，测量范围-32～380℃，分辨率为0.1℃，精度为±1℃；车流量数据由人工使用手机录视频记录；观测点风速风向使用超声波风速仪测量，风速分辨率为0.1m/s，风向分辨率1°.

路边污染物及其影响因素日变化规律研究的观测实验的采样时间为2015年4月8日至4月10日8：00到20：00的连续采样.路边污染物空间分布规律的观测实验的采样时间为5月15日17：00到19：50的虚拟同步采样［13］.

2 实验结果与分析

2.1 街谷内污染物的日间变化规律

2015年4月8～10日在西安市和平路进行了每天12h的连续观测，结果显示，PM2.5浓度最低值为0.027mg/m³，最高值为0.212mg/m³，总平均值为0.093mg/m³，PM2.5浓度的平均值超过空气环境质量国家标准的二级标准.由于Dust Trak直接测量的PM2.5浓度数据随时间变化剧烈，所以进行1h平均，从而得到4月8～10日每小时平均PM2.5浓度日变化规律（图2）.总体而言，西安市和平路的路边污染物浓度在一天中呈现先减少再增加的变化趋势，街谷内PM2.5浓度在上午较高，之后呈现减小趋势，16：00前后达到最小值，之后PM2.5浓度开始增加.本文PM2.5浓度的变化规律与顾兆林和张云伟［14］对西安市街谷内的污染物浓度变化规律的观测结果以及于建华等［8］对北京和徐森荣［15］对扬州市污染物浓度的观测结果一致，而与李龙凤等［7］在广州市街道观测的上午浓度较低的规律不同.引起街谷内污染物浓度周期性变化的主要原因是街谷内空气在夜间受大气边界层强烈收缩作用影响［16-18］，造成PM2.5浓度积累达到一个很高的水平，并一直延续到第二天早晨；而在白天随着气温的升高，大气边界层开始膨胀，导致城市街谷内污染物浓度降低.

图2 街谷内PM2.5浓度日间变化Fig.2 Diurnal variation of PM2.5concentrations in the street canyon

4月9日对西安市和平路街谷内污染物浓度的测量结果略有不同，当天PM2.5浓度在16：00后没有增加，而是以较缓和的速率继续减少，这种变化趋势与当日的温度变化有关.由图3（a）可以看出，4月9日的空气温度在下午时段没有出现日落时的急度降温，大气边界层由于受温度影响没有获得强烈的收缩作用.温度的变化同样影响到4月10日早晨污染物浓度变化规律，使得4月10日上午PM2.5浓度处于相对较低的水平.

2.2 街谷内温湿度的日变化规律

温湿度测量数据同样采用1h平均处理.图3（a）和图3（b）分别显示了4月8～10日西安市和平路街谷内空气、地面的温度和大气相对湿度的日变化.由图3（a）可以看出，空气与地面的温度变化趋势基本一致，大致遵从一天中太阳的日出日落规律.这种变化趋势主要和太阳辐射有关，当然和城市街谷的空气热量扩散也有关系.同样由图3（b）看出相对湿度的变化趋势基本与温度的变化趋势大致相反.

图3 街谷地面和空气的温度与大气相对湿度的日变化Fig.3 Diurnal variations of road surface and air temperatures and relative humidity in the street canyon

2.3 街谷内风速日变化规律

图4 街谷内风速的日变化Fig.4 Diurnal variations of wind speeds in the street canyon

风速风向的测量结果采用每10min平均处理.图4显示了4月9～10日两天和平路风速的日变化.由于观测点位于和平路西侧，因此观测显示街谷内风向主要表现为北风，东北风，反映了行驶车辆对观测点风向的影响.4月9日和平路风速在清晨相对较低，到14：00之后风速出现较强波动，并达到最高风速，14：00之后整体风速一直呈现下降的趋势.

2.4 街谷内车流量的日变化规律

本文使用手机录像功能，每小时录15min，代表这一小时内和平路街谷内车流量的大致情况.值得注意的是，西安市和平路段属于西安市城内交通主干道，4月8～10日对应周三～周五.如图5所示，4月8日和4月9日的观测呈现2个典型的车流量高峰期，由于观测点距离正南方向十字路口红绿灯约150m，在这两个上下班高峰期时段，街谷内拥堵严重，所以在单位时间内车流量并不大，所以图5中并没有体现出2个高峰期的车流量数据.

图5 街谷内车流量的日变化Fig.5 Diurnal variations of the traffic flux in the street canyon

2.5 路边污染物浓度的空间分布规律观测实验

路边污染物浓度的空间分布规律的观测采用虚拟同步采样，本文对每10minPM2.5浓度的数据统计出一个平均值，将8个采样点的平均PM2.5浓度、平均空气温度、平均空气相对湿度统计在表1中.从表1可以看出在竖直方向上PM2.5浓度是由下到上减小的趋势.水平分布观测结果可以看出，东十一道巷这个交叉口所观测到的PM2.5浓度值较低，而在东西方向的3个观测点表现出道路中央处的PM2.5浓度最高.

表1 PM2.5浓度空间分布采样结果Table 1 Results of measured spatial distribution of PM2.5concentrations

2.6 街谷内污染物浓度变化影响因素分析

本文使用一元线性回归方程来确定PM2.5浓度与空气温度、相对湿度等因素的相关性，分析气象因素对城市街谷内空气污染的影响.图6为PM2.5浓度与空气温度、相对湿度的相关性.从图6可以看出，街谷内空气温度和PM2.5浓度之间有着显著的线性相关关系，R2约等于0.75，线性回归方程为y=-0.0094x+0.246.街谷内空气相对湿度和PM2.5浓度之间也有着显著的线性相关关系，R2约等于0.81，线性回归方程为y=0.0027x-0.034.

如上文所述，PM2.5浓度的日变化主要受大气边界层的影响，而大气边界层的收缩变化主要受大气温度的影响，从而体现出由于温度变化导致大气边界层收缩从而对街谷内PM2.5浓度的影响.

本文街谷内PM2.5浓度与风速的负相关性很小，这与以往研究的结论不完全一致，通过与相关研究的文献［17］进行对比分析，可以发现文献中的风速范围在1.6～2.7m/s之间，而本文观测期间的风速数据平均值为0.7m/s.本文研究得出的风速和PM2.5浓度相关性相对较弱的原因可能是城市街谷内风速相对较小以及采样点较为封闭.

对PM2.5浓度和空气温度、空气相对湿度两个气象因子的作多元线性回归得到模型为y=-0.003x1+0.002x2+0.061，R2等于0.83，常数项为0.061，远大于2个变量的系数，也说明了和平路街谷内PM2.5的背景浓度较高（表2）.

图6 街谷内PM2.5浓度与空气温度及相对湿度的线性回归结果Fig.6 The linear regression analysis between PM2.5concentration and air temperature and/or air relative humidity in the street canyon

表2 街谷内气象因子对PM2.5浓度的线性回归模型Table 2 The linear regression model between PM2.5concentration and two meteorological factors

如图7所示，本文分析了路边观测点污染物浓度随时间的相对变化率（RV）.此处的相对变化率由公式（1）计算：

式中：Ci和RVi分别为时间i内PM2.5的平均浓度和相对变化率.

图7 街谷内PM2.5浓度相对变化率Fig.7 The relative variation rate of PM2.5concentration in the street canyon

当采样点的PM2.5浓度的相对变化率比背景点PM2.5浓度相对变化率高时，说明采样点的PM2.5浓度处于相对积累的状态.在12：00之前，背景点PM2.5浓度相对变化率与街谷内采样点PM2.5浓度相对变化率相比，有高有低，一方面是因为背景点PM2.5浓度受排放源影响小，另一方面是受到上午边界层膨胀（主要受温度变化影响）的影响.

3 结论

3.1 实验发现西安市和平路街谷内PM2.5浓度值较高，超过了环境空气质量标准二类区的PM2.5浓度限值，在一天12h的观测时间中，PM2.5浓度日变化呈“凹”形分布，两头即早上和晚上的PM2.5浓度相对较高，在16：00前后PM2.5浓度到达一天当中的最低值.

3.2 街谷内PM2.5浓度在垂直方向上表现为随着高度的增加而减小，交叉口处的PM2.5浓度相对较低，而街谷内道路中央受机动车的影响PM2.5浓度相对较大.3.3 PM2.5浓度与空气温度和空气相对湿度呈现较强的相关性，其中PM2.5浓度与空气温度表现为负相关性，而与大气湿度表现为正相关性，同时PM2.5浓度与风速表现为负相关性.

［1］ Wang Q， Wang Y， Zhao J Y， et al. Diffusion factors of street canyon pollutants in the cold winter of Xi'an city based on back propagation neural network analysis ［J］. Ⅰndoor and Built Environment， 2015，24（8）:1082-1094.

［2］ 邓顺熙，曹申存，成 平.西安城市交通干道汽车污染物排放因子 ［J］. 交通环保， 1999，20（4）:7-10.

［3］ Charron A， Harrison R M. Fine （P M2.5） and Coarse （PM2.5~10）particulate matter on a heavily trafficked london highway: Sources and processes ［J］. Environmental Science & Technology，2005，39（20）:7768-7776.

［4］ Cheng Y， Lee S C， Ho K F， et al. Chemically-speciated on-road PM2.5motor vehicle emission factors in Hong Kong ［J］. Science of the Total Environment， 2010，408（7）:1621-1627.

［5］ Bai S， Eisinger D， Russell A， et al. 路边空气污染隐形的健康“破坏者”［J］. 交通建设与管理， 2014，（4）:60-63.

［6］ 王翠萍，陈 洋，钟 珂，等.城市街道空气质量与道路绿化形式的关系 ［J］. 城市环境与城市生态， 2003，16（6）:7-9.

［7］ 李龙凤，王新明，赵利荣，等.广州市街道环境PM10和PM2.5质量浓度的变化规律 ［J］. 地球与环境， 2005，33（2）:57-60.

［8］ 于建华，虞 统，魏 强，等.北京地区PM10和PM2.5质量浓度的变化特征 ［J］. 环境科学研究， 2004，17（1）:45-47.

［9］ 白春霞.城市交通峡谷污染物浓度相关影响因素测试研究 ［D］.西安:长安大学， 2012.

［10］ Pearlmutter D， Bitan R， Berliner P. Microclimatic analysis of“compact” urban canyons in an arid zone ［J］. Atmospheric Environment， 1999，33（24）:4143-4150.

［11］ 杨 方，钟 珂，亢燕铭.街道峡谷对称性对污染物扩散的影响［J］. 中国环境科学， 2015，35（3）:706-713.

［12］ 朱 强，亢燕铭，杨 方，等.上游建筑对街道峡谷内流场和污染物分布特征的影响 ［J］. 中国环境科学， 2015，35（1）:45-54.

［13］ Kumar P， Fennell P， Langley D， et al. Pseudo-simultaneous measurements for the vertical variation of coarse， fine and ultrafine particles in an urban street canyon ［J］. Atmospheric Environment， 2008，42（18）:4304-4319.

［14］ 顾兆林，张云伟.城市与建筑风环境大涡模拟方法及其应用［M］. 北京:科学出版社， 2014.

［15］ 徐森荣，汤品琪，王语嫣，等.扬州市空气PM2.5浓度时空分异研究［J］. 地理教学， 2012，20:62-64.

［16］ Rotach M W， Fisher B， Piringer M. Cost 715 workshop on urban boundary layer parameterizations ［J］. Bulletin of the American Meteorological Society， 2002，83（10）:1501-1504.

［17］ Raupach M R， Antonia R A， Rajagopalan S. Rough-wall turbulent boundary layers ［J］. Applied Mechanics Reviews，1991，44（1）:1-16.

［18］ Tennekes H， Lumley J L. A first course in turbulence ［J］. MⅠT Press， 2014，86（10）:1153-1176.

Temporal and spatial characteristics of PM2.5 concentration in urban street canyons and analysis on the affecting factors.

ZHANG Yun-wei1*， WANG Qing-ru1， CHEN Jia1， LIU Sui-xin2， HU Ta-feng2， GU Zhao-lin1（1.School of Human Settlements and Civil Engineering， Xi'an Jiaotong University， Xi'an 710049， China；2.Institute of Earth Environment，Chinese Academy of Sciences， Xi'an 710077， China）. China Environmental Science， 2016，36（10）：2944～2949

In the current work， temporal variations of PM2.5concentration， traffic flux， wind speed， air temperature and humidity was measured on Heping Road， which well represents an urban the street canyon， during April 8～10， 2015， in Xi'an. Based on these measurements， diurnal and spatial variations of PM2.5in the urban street canyon and the affecting factors were investigated. Generally， PM2.5concentrations were found very high in the street canyon， especially in the morning and evening. The lowest PM2.5concentrations were observed at 16:00 in the daytime. Good correlations were found between PM2.5concentration and air temperature and/or humidity， with R2values of 0.75 and 0.81， respectively. Under weak wind conditions， the temperature variation induced expansion and contraction was found to be the main influencing factor on pollutant dispersion in urban street canyons.

PM2.5concentration；street canyon；meteorological factors；correlation

X169

A

1000-6923（2016）10-2944-06

张云伟（1980-），男，河南开封人，副教授，博士，主要从事城市大气环境方向研究.发表论文30余篇.

2016-02-12

国家自然科学基金（51508458，11572242）；中央高校基本科研专项项目（xjj2014054）

* 责任作者， 副教授， zhangyunwei@xjtu.edu.cn