道路植被结构对大气可吸入颗粒物扩散影响的模拟与验证

王 佳，吕春东，牛利伟，张芳菲



道路植被结构对大气可吸入颗粒物扩散影响的模拟与验证

王 佳，吕春东，牛利伟，张芳菲

（1. 北京林业大学北京市精准林业重点实验室，北京 100083； 2. 北京林业大学林学院，北京 100083）

为了研究道路植被结构对城市内可吸入颗粒物（简称PM10）扩散的影响，该文设计不同道路绿化布局模式，在夏季和冬季不同的风向条件下，利用三维微气候模型（ENVI-met模型）模拟大气颗粒物扩散的规律；另外，该文选择百子湾路、林大北路、交道口东大街、东直门北小街、农展馆南路6条不同绿化布局的道路作为北京市街区道路的典型案例，监测夏季和冬季不同绿化布局道路的可吸入颗粒物浓度，并与ENVI-met模型模拟结果进行对比。结果表明：在高宽比一定的情况下，乔灌草的布局方式对PM10浓度降低作用最明显，其次是乔灌组合方式，乔木对降低PM10浓度的作用较弱，灌木对降低PM10浓度的作用最弱；在植被布局相同的情况下，街道高宽比值越小，PM10浓度降低的越明显。实测和模拟结果对比发现：两者相对误差分布在10%以下的占全部的71%，相对误差分布在10%至20%占全部的22%，相对误差分布在20%以上的仅占全部的7%；模拟值和实测值拟合的决定系数2为0.9894，RMSE为8.399g/m3，说明模拟结果精度较高，因此ENVI-met模型能够合理模拟道路植被结构对大气颗粒物扩散的影响，对PM10浓度降低作用角度考虑乔灌草的布局方式最优。

植被；PM10；模型；道路绿化布局；扩散；ENVI-met；高宽比

0 引 言

随着中国城市化的快速发展，以首都北京为代表的中国特大城市逐步向着国际化大都市迈进。但是在发展的同时，城市的生态环境问题也越来越不容忽视。研究城市街区内大气可吸入颗粒物的扩散规律与道路植被之间的相互关系，对于科学规划城市道路，改良城市的空气质量，提高城市居民的生活环境，具有非常重要的意义[1]。

国内外对城市机动车排放的大气颗粒物扩散的研究方法主要分为现场观测和数值模拟计算。近年来，在汽车排放的颗粒物的浓度扩散规律方面，国内外学者开展了大量研究工作，也取得了较大的进展。例如Morawska等[2-3]得到颗粒物粒径越小，颗粒物的浓度与高度方向越不相关。Chan等[4-5]得出随着高度的增加颗粒物的浓度逐渐降低。Le Bhand等[6]采用单点观测法观察了颗粒物浓度随时间的变化规律。Ariel[7]在阿根廷Cordoba市部分道路实地测量了颗粒物的浓度，得到其分布规律。赵晓红[8]测量了兰州市区空气中的TSP污染物浓度，发现在市中心的TSP浓度高于郊区的浓度。刘大猛等[9]采集了北京市道路PM2.5和PM10颗粒物浓度数据，研究分析得到颗粒物的浓度与车流量、温度、湿度以及风速有关。虽然在大气颗粒物扩散的研究方面，现场实测是最准确和可靠的方法，但是该方法需要耗费大量的人力和物力，同时观测的时间和周期也较长，并且在观测点的位置、数量、高度等的选取方面也有较为严格的限制，所以近年来数值模型技术在大气颗粒物扩散方面的研究开展越来越多。在大气颗粒物扩散数值模拟方面，Lee等[10]利用二维非定常模型对街道峡谷内颗粒物的流场和浓度场分布进行了模拟，得出不同几何结构的街道峡谷颗粒物的扩散也不同。Assimakopoulos等[11]利用MIMO软件通过对2个不同街道峡谷进行对比，研究固壁边界条件参数对街道峡谷内的流场和污染物分布扩散的影响。何泽能等[12]利用雷诺应力湍流模型模拟了不同结构的城市街道峡谷的颗粒物分布情况。张颖慧[13]利用标准-湍流模型和离散相模型，研究了典型高速路结构对道路两侧行人及居民区的影响情况。朱蕾[14]对街区颗粒物扩散的水平及垂直规律进行了模拟，提出通过控制颗粒物扩散的方式优化城市空间布局的方法。很多学者在不同类型的植物的滞尘能力方面做了大量研究工作，郭伟[15]研究发现，不同植物的滞尘能力有很大差别，可总体概括为，乔木植物优于灌木植物优于草本植物；但对于单位叶面积来说，滞尘能力草本植物>灌木植物>乔木植物>藤本植物。虽然国内外对大气颗粒物扩散的数值模拟方法方面已有较广泛的研究，但主要的研究方向是计算方法的选择、影响颗粒物扩散的气象因素分析以及影响颗粒物扩散的街道结构和建筑物屋顶结构。而对于综合考虑城市街区峡谷区域内地表-大气-植被之间的相互关系，及对区域内微气候及颗粒物分布的影响方面研究很少。

本研究针对由机动车引起的大气颗粒物扩散问题，在不同的风向条件下，利用微气候数值模拟方法，设计不同道路绿化布局模式，模拟道路植被结构对于PM10扩散的影响。另一方面，本文选取北京市典型的道路绿化模式，实测道路宽度、建筑物高度、观测日环境因子，大气颗粒物浓度随时间变化，与模拟结果进行对比，评价该模型对于实际大气颗粒物扩散情况反映的真实性和可靠性，以期为道路绿化设计提供参考。

1 研究区概况

为了能够保证试验选取道路的代表性，本研究利用谷歌高分辨率遥感图像配合街景视图，初步选择了北京的花园北路、交通大学路等36条道路，并于2016年8月底至9月末进行野外样地勘测，同时参考其他相关研究，编制了野外道路信息采集表[16]，最终选择代表不同绿化模式、植被类型、高宽比的东直门北小街、交道口东大街、农展馆南路、林大北路、百子湾路、交通大学路6条道路作为本项目的研究样地。

选择道路详细情况如下表1所示，道路实际绿化类型如图1所示。

表1 道路情况表

图1 研究样地实景图

2 数据与方法

2.1 三维微气候模型参数设定

本文室内模拟试验采用三维微气候模型ENVI-met进行模拟，ENVI-met模型由Bruse和Fleer于1998年建立[17]，软件基于流体和热力学（计算基本定律流体动力学模型），主要用来模拟城市小尺度空间内地面、植被、建筑和大气之间的相互作用过程[18-20]。模型的空间分辨率≤10 m，时间分辨率≤10 s，该模型由3个独立的子模型以及嵌套网格组成，子模型分别为三维主模型、土壤模型和一维边界模型。三维主模型由水平坐标、坐标和垂直的坐标三部分构成。嵌套网格是带状网格，分布在三维模拟区域周边，其设置的尺寸越大，代表距离中心区边界越远。嵌套网格的目的是让模型的边界远离模拟中心，从而使风速等一维初始条件在进入中心前能充分发展，从而形成三维的梯度风。在三维主模型区域内设置研究区域的主要特征参数如建筑、绿化和下垫面构造等。主模型通过调用气象预测子程序解析控制方程实现地表-植物-空气相关作用的计算[21-22]。图2为ENVI-met模型结构图。表2为需要输入的主要参数。

图2 ENVI-met模型结构

2.2 现场观测试验设计

为了对数值模拟计算进行验证，在选择的6条道路开展现场观测试验。试验方法：在道路边和树后分别设置监测点，监测点的布置原则为：每条试验街道设置一个监测断面，每个监测断面设置2个采样点，监测点高度均为1.5 m高（行人的呼吸高度一般为1.5 m），以接近人的呼吸带为基准。监测点示意图如下图3所示。

表2 ENVI-met模拟的主要参数

注：为传热系数；LAD为叶面积密度；为反射率；为导热系数；为密度。

Note:is heat transfer coefficient; LAD is leaf area density;is reflectivity;is coefficient of thermal conductivity;is density.

图3 监测点分布示意图

监测点1位于机动车道路边缘位置。（后简称“路边”），收集的数据是城市道路中大气颗粒物浓度变化情况，即道路源强部分。

监测点2介于建筑物至机动车道路边缘的中点位置，一般位于通过树之后的人行道。（后简称“树后”）收集的数据是人行道区域，是人们室外主要活动区域之一，直接影响行人的呼吸质量。

由于现场观测受当地气象条件影响较大，所以通常选择在晴天、能见度较好的气象条件下进行监测，选用的大气颗粒物采集仪器型号为Dustmate（英国，Turnkey公司），在测定PM10浓度时，采用手持气象观测仪Kestrel4500（美国，NK公司），同步测定监测点的风速、湿度和温度等气象条件。为了保证测定数据的准确性，在冬季（1－3月）和夏季（7－9月），每个季节选取1天典型气象日，从08:00－18:00，每2 h测量1次，1次采样10 min，然后取平均作为该时刻的测定数据。道路的交通流量和车辆的行驶速度采用同一时段内交通监测器记录数据的平均值[23]。经查阅在北京地区，冬季盛行风为西北风，所以模拟研究时设置风向为315°风向，夏季盛行风东南风，风向设置为135°风向。

3 结果与分析

3.1 无植被情况下PM10扩散情况

图4模拟了在无植被的情况下，风速为1 m/s时，北京地区冬夏两季的盛行风向下的PM10扩散情况。从图4可以看出，PM10浓度以污染源为中心逐渐向外扩散。从图4可以看出，PM10浓度以污染源为圆心逐渐向外扩散。以下以垂直直径为基准线对PM10浓度扩散进行分析：在街道宽高比为0.5，风向为135°情况下PM10浓度在高度2 m以下为30～50g/m3，2 m以上为0～15g/m3；风向为315°情况下6 m高度以下PM10浓度为30～50g/m3，高度6~8m之间为15～30g/m3，8 m以上为15～30g/m3。在街道宽高比为0.9，风向为135°情况下PM10浓度在高度3 m以下为30～50g/m3，3 m以上为0～15g/m3；风向为315°情况下PM10浓度在高度4 m以下为30～50g/m3，4～6 m之间为15～30g/m3，6 m以上为15～30g/m3。在街道宽高比为1.2，风向为135°情况下PM10浓度在高度2 m以下为30～50g/m3，2m以上为0～15g/m3；风向为315°情况下PM10浓度在高度6 m以下为30～50g/m3，6～10 m间为15～30g/m3，10 m以上为15～30g/m3。

通过对比图4中的3种不同高宽比及2种不同风向模拟结果得出：PM10浓度在靠近污染源地方为最高值，而距离污染源越远，浓度降低越多。对于同一种高宽比内的2种不同风向：在冬季盛行的315°风向时PM10浓度范围相对于夏季盛行的135°风向时浓度范围发生了明显的变化，均是315°风向时PM10扩散范围大于135°风向时扩散范围。对比不同高宽比发现，随着街道逐渐狭窄，即高宽比数值逐渐增大，PM10浓度值也随之逐渐增大，这种情况在风向为315°时表现较为明显，说明高宽比较大时，街道布局较为紧凑，与外界的通风减少，使颗粒物难以扩散，从而造成街区内的颗粒物浓度值较高。同时经过查阅相关文献分析[24-26]，在风向为135°风向时风将颗粒物吹散，下游积聚的颗粒物明显减少，所以在图4中135°风向时没有出现类似于315°风向时，局部地区颗粒物浓度过大的现象；而315°时街道内主要是向下的气流，颗粒物在下游积聚，导致颗粒物在街区道路中难以扩散，使街区内的颗粒物浓度值比较高；出现这样现象的原因可能是北京地区冬季气候干燥，煤炭使用量增加，扬尘严重，导致整体颗粒物浓度较高。而夏季湿度较高，导致大气中的颗粒物较容易沉降，所以浓度相对较低，这也和目前其他研究结果类似[24-26]。

图4 在风向135°和315°无植被情况下PM10扩散模拟

3.2 不同植被结构对PM10扩散的影响

为了评价不同道路植被布局对街区道路中可吸入颗粒物扩散的影响，本文参考了Wania等[27]提出的方法，首先风速和风向一致的情况下，将无植被条件下大气颗粒物扩散情况作为背景值，将本研究设定的其余4种植被布局模拟的大气颗粒物扩散图与无植被情况扩散图叠加，即相同位置处的颗粒物浓度=某一植被布局颗粒物浓度（如乔木）-无植被颗粒物浓度。模型参数设置见表2。图5为模拟了风向为135°、风速为1 m/s的大气颗粒物浓度经过上述叠加处理后的情况，并且设置网格单元为1.5 m，来体现人体呼吸吸收的颗粒物浓度[28]。

在风速和风向相同的情况下，分别对街道背风面的PM10变化浓度和迎风面的PM10变化浓度作对比，从图5中可以看出，灌木类型迎风PM10浓度变化范围Δ<−5g/m3，而背风面7g/m3<Δ<9g/m3，乔木类型和乔灌组合类型与灌木情况一样，只有乔灌草组合形式稍好，迎风PM10浓度变化范围Δ<−5g/m3，而背风面−3g/m3<ΔC<−1g/m3。而对于同一种植被结构类型，不同高宽比，迎风面和背风面同一位置观测点，同一高度浓度变化呈现类似规律，即迎风面PM10浓度变化要高于背风面浓度变化，产生的原因为气流的运动导致污染物在街区背风面产生堆积，并在气流上升的过程中，污染物随流向街道上空扩散，因而在背风面的街道处污染物浓度最大，然后随着建筑物高度的增加浓度慢慢降低，这和其他学者的研究成果一致[29-32]。

注：风向为135°、风速为1 m·s-1。

在高宽比一定的情况下（以高宽比0.5为例），对于4种不同的植被布局结构，在迎风面上，灌木、乔木和乔灌组合类型变化浓度范围，−5g/m3<Δ<11g/m3，而乔灌草的布局变化浓度范围为−5g/m3<Δ<−1g/m3，而背风面上，灌木、乔木和乔灌组合类型浓度变化范围，1g/m3<Δ<11g/m3，而乔灌草的布局浓度变化范围为−5g/m3<Δ<7g/m3，不论迎风面还是背风面都可以看出乔灌草组合方式对PM10浓度降低作用最明显，其他3种布局结构，从Δ变化面积可以看出，乔灌组合方式对于降低PM10浓度作用仅此于乔灌草组合，再次是乔木，灌木对降低PM10浓度的作用最弱。其他高宽比的情况与0.5类似，对于PM10浓度的降低作用均是乔灌草>乔灌>乔木>灌木，但在高宽比0.9和1.2的条件下，从图5中对比可以发现乔木、乔灌组合及乔灌草组合3种类型对于PM10的降低作用影响作用没有0.5时显著，从中可以分析街道高宽比也是影响PM10扩散的一个重要参数。另外在植被布局结构相同的情况下，可以看出，随着高度的增加，建筑物高度对可吸入颗粒物的空间扩散阻力减小，可吸入颗粒物逐渐向两侧扩散，PM10浓度随高度的增加逐渐降低；高宽比越小，即街道越宽阔，PM10浓度下降得越明显，宽阔的街道利于街道内气流的交换，利于通风，污染物浓度越低；反之越高。

3.3 模型验证

为了验证微气候模拟的准确性，本文研究对将外业实测道路在ENVI-met中还原，分别于夏季与冬季，输入观测日采集的风速、湿度和温度等气象数据，模拟大气颗粒物浓度，同时将监测点的实测数据与数值模拟结果进行对比，结果如图6所示。

图6 PM10浓度实测值与模拟值对比

从图6可知，现场试验观测和模拟值数值相差不大，走势基本一致。根据实测值与模拟值计算相对误差，得出相对误差分布在10%以下的占全部的71%，相对误差分布在10%至20%占全部的22%，相对误差分布在20%以上的仅占全部的7%。图7是浓度实测值与模拟值线性关系图，从图中可以看出，模拟值和实测值的决定系数2=0.9894，RMSE=8.399g/m3，说明模拟值与实测值相关性较高，误差较小，本文选取的道路颗粒物对流扩散模型可以合理模拟污染物扩散规律。

图7 PM10浓度实测值与模拟值线性关系图

对于城市道路汽车尾气颗粒物的对流扩散模拟的研究目前还并不成熟，本文只对其中行道树布局与大气颗粒物扩散方面进行了研究分析。想要全面分析研究，还应增加更多不同植被结构类型道路进行实测，同时也应增加更多的观测日，增加不同气象条件，因为城市颗粒物的浓度与环境因子的关系较复杂，室外的天气的瞬息万变也有可能引起浓度变化。所以本文分析的植被结构对PM10颗粒物的影响，环境因子只作为辅助因子参考。关于环境因子对大气颗粒物的浓度影响，还有待日后进一步的研究。本文在利用三维气候模型模拟颗粒物扩散时对模型进行了简化，以处于街道中央的连续的体积源作为颗粒物的形态，而没有考虑到街道内的车辆的外形、运动情况以及颗粒物随车的扩散情况，而是将其视为固定的体积源，这与实际情况有一定的不符，在之后的研究中应对这些因素也进行一定的分析，建立更加完善的模型，提高模拟的结果的准确性。

4 结 论

本文通过三维微气候模型模拟城市街区内道路颗粒物的扩散规律，根据扩散模型进行多次模拟计算，得到在不同风速以及不同风向的情况下道路上颗粒物对流扩散的规律和颗粒物的浓度分布，并利用现场观测结果验证模拟结果。结论如下：

在高宽比一定的情况下，乔灌草的布局方式对PM10浓度降低作用最明显，其次是乔灌组合方式，乔木对降低PM10浓度的作用较弱，灌木对降低PM10浓度的作用最弱；在植被布局结构相同的情况下，高宽比越小，即街道越宽阔，PM10浓度下降的越明显；反之越高。通过模拟值和实测值对比发现：模拟值和实测值拟合决定系数2=0.9894，RMSE=8.399g/m3。说明本文所应用的ENVI-met模型对城市街区内道路颗粒物的扩散规律模拟精度较高。

[1] 陈仁杰，陈秉衡，阚海东. 我国113个城市大气颗粒物污染的健康经济学评价[J]. 中国环境科学，2010，30(3)：410－415.

Chen Renjie, Chen Bingheng, Kan Haidong.A health-based economic assessment of particulate air pollution in 113 Chinese cities[J]. China Environmental Science, 2010, 30(3): 410－415. (in Chinese with English abstract)

[2] Morawska L, Thomas S, Gilbert D, et al. A study of the horizontal and vertical profile of sub micrometer particles in relation to a busy road[J]. Atmospheric Environment, 1999, 33: 1261－1274.

[3] Tripath R. Mi, Vinod Kumar A, Manikandan S.T, et al. Vertical distribution of atmospheric tracemetals and their sources at Mumbai, India[J]. Atmospheric Environment, 2004, 38: 135－146.

[4] Chan L Y, Kwok W S. Vertical dispersion of suspended particulates in urban area of Hong Kong[J]. Atmospheric

Environment, 2000, 34: 4403－4412.

[5] Micallef A, Colls J J. Measuring and modeling the airborne particulate mailer environment: model overview and evaluation[J]. Science of the Total Environment, 1999, 235(1/2/3): 199－210.

[6] Le Bhand O. Application of dispersion modeling for analysis of particle pollution sources in a street canyon[J]. Water Air & Soil Pollution Focus, 2002, 2(5/6): 395－404.

[7] Ariel F. Street level air pollution in Cordoba city[J]. Atmospheric Environment, 1996, 30(20): 3491－3495.

[8] 赵晓红. 兰州市交通要道颗粒物污染状况及其致突变活性的研究[J]. 环境科学学报，2001(4)：444－447.

Zhao Xiaohong.Pollution status and mutagenicity of particles in heavy traffic road of Lanzhou[J]. Acta Scientiae Circumstantiae, 2001(4): 444－447. (in Chinese with English abstract)

[9] 刘大锰，黄杰，高少鹏，等. 北京市区春季交通源大气颗粒物污染水平及其影响因素[J]. 地学前缘，2006(2)：228－233.

Liu Dameng, Huang Jie, Gao Shaopeng, et al. The pollution level and influencing factors of atmospheric particulates from traffic in Beijing city during spring[J]. Earth Science Frontiers, 2006(2): 228－233. (in Chinese with English abstract)

[10] Lee I Y, Park H M. Parameterization of the pollutant transport and dispersion in urban street canyons[J]. Atmos Environ, 1994, 28(17): 2343－2349.

[11] Assimakopoulos V, Ehrhard J, Theodoridis G, et al. Assessing the influence of near wall treatment on the wind and dispersion characteristics in urban areas[J]. Sixth International Conference on Harmonisation within Atmospheric Dispersion Modelling for Regulatory Purposes, France, 1999.

[12] 何泽能，高阳华，李永华，等. 城市街道峡谷对称性对内部气流场的影响研究[J]. 气象与环境学报，2008(2)：62－67. He Zeneng, Gao Yanghua, Li Yonghua, et al. Effects of symmetry of urban street canyons on their inner airflow fields[J]. Journal of Meteorology and Environment, 2008(2): 62－67. (in Chinese with English abstract)

[13] 张颖慧. 有高架的城市街道峡谷内颗粒物扩散的数值模拟研究[D]. 济南：山东大学，2016.

Zhang Yinghui. Numerical Simulation of Particle Dispersion in Urban Street Canyon with Elevated Road[D]. Jinan: Shandong University, 2016. (in Chinese with English abstract)

[14] 朱蕾. 城市商业街区可吸入颗粒物扩散模拟与街区空间布局优化研究[D]. 沈阳：沈阳建筑大学，2015.

Zhu Lei. The Study of Respirable Particulate Matter Dispersion Modeling of City Commercial Street and Neighborhood Space Layout Optimization[D]. Shengyang: Shenyang Jianzhu University, 2015. (in Chinese with English abstract)

[15] 郭伟. 城市绿地滞尘作用机理和规律的研究进展[J]. 生态环境学报，2010，19(6)：1465－1470.

Guo Wei. Research progress of city mechanisms and rules of dust retention[J]. Ecology and Environmental Sciences, 2010, 19(6): 1465－1470. (in Chinese with English abstract)

[16] 郭振宇. 城市街道峡谷内机动车尾气排放的PM2.5的对流扩散规律研究[D]. 济南：山东建筑大学，2013.

Guo Zhenyu. Numerical Simulation on PM2.5 Dispersion in Street Canyons[D]. Jinan: Shandong Jianzhu University, 2013. (in Chinese with English abstract)

[17] Bruse M, Fleer H. Simulating surface-plant-air interactions inside urban environments with a three dimensional numerical mode[J]. Environmental Modelling and Software, 1998, 13: 373－384.

[18] 桑建国，刘辉志，王保民，等. 街谷环流和热力结构的数值模拟[J]. 应用气象学报，2002(S1)：69－81.

Sang Jianguo, Liu Huizhi, Wang Baomin, et al. Numerical simulation of the flow field and thermal structure over a street canyon[J]. Journal of Applied Meteorological Science 2002(S1): 69－81. (in Chinese with English abstract)

[19] 杨小山. 室外微气候对建筑空调能耗影响的模拟方法研究[D]. 广州：华南理工大学，2012.

Yang Xiaoshan. A Simulation Method for the Effects of Urban Microclimate on Building Cooling Energy Use[D]. Guangzhou: South China University of Technology, 2012. (in Chinese with English abstract)

[20] 赵丹平. 城市街道峡谷内的气流运动与污染扩散研究[D].上海：东华大学，2010.

Zhao Danping. Numerical Simulation of the Flow Field and Pollution on centration Field in Street Canyon[D]. Shanghai: Donghua University, 2010. (in Chinese with English abstract)

[21] 赵静. 基于多孔介质方法的城市街区汽车污染物对流扩散数值模拟研究[D]. 济南：山东建筑大学，2012. Zhao Jing.Numerical Analysis of Pollutant Dispersion in Street Canyon Based on Porous Medium Model[D]. Jinan: Shandong Jianzhu University, 2012. (in Chinese with English abstract)

[22] 詹慧娟. 应用ENVI-met模型模拟三维植被场景温度分布[J]. 北京林业大学学报，2014，36(4)：64－74.

Zhan Huijuan. Simulated three-dimensional application of ENVI-met scene vegetation temperature distribution model[J]. Journal of Beijing Forestry University, 2014, 36(4): 64－74. (in Chinese with English abstract)

[23] 齐飞艳. 道路大气颗粒物的分布特征及绿化带的滞留作用[D]. 郑州：河南农业大学，2009.

Qi Feiyan. Distribution Characteristics of Atmospheric Particles from Highways and the Retaining Effect of Greenbelts[D]. Zhengzhou: Henan Agricultural University, 2009. (in Chinese with English abstract)

[24] 刘宝章. 澳门荷兰园街汽车尾气扩散规律实验研究[J]. 环境科学学报，2000(S1)：27－33.

Liu Baozhang. Experimental study on the diffusion law of automobile flux at the street rua de campos in Macau[J]. Acta Scientiae Circumstantiae, 2000(S1): 27－33. (in Chinese with English abstract)

[25] 穆珍珍. 西安市雁塔区冬季可吸入颗粒物时空变化研究[J]. 环境科学学报，2011，31(7)：1509－1516.

Mu Zhenzhen. Vertical and temporal variation of PM10 in Yanta District, Xi’an during winter[J]. Acta Scientiae Circumstantiae, 2011, 31(7): 1509－1516. (in Chinese with English abstract)

[26] 赵晴. 北京及周边地区夏季大气颗粒物区域污染特征[J].环境科学，2009，30(7)：1873－1880.

Zhao Qing. Regional PM pollution in Beijing and surrounding area during summertime[J]. Environmental Science, 2009, 30(7): 1873－1880. (in Chinese with English abstract)

[27] Wania A, Bruse M, Blond N, et al. Analysing the influence of different street vegetation on traffic-induced particle dispersion using microscale simulations[J].Journal of Environmental Management, 2012 , 94 (1) :91-101

[28] 王宇. 北京市典型道路空气中挥发性有机物污染特征与模拟[D]. 北京：北京林业大学，2014.

Wang Yu. Beijing Typically Volatile Organic Compounds in Air Pollution Road Characteristics and Simulation[D]. Beijing: Beijing Forestry University, 2014. (in Chinese with English abstract)

[29] 崔健. 江苏省能见度时空分布特征及其影响因子分析[D].南京：南京信息工程大学，2015.

Cui Jian. Temporal-spatial Variations of Visibility in Jiansu and Influencing Factors[D]. Nanjing: Nanjing University of Information Science & Technology, 2015. (in Chinese with English abstract)

[30] 张新献，古润泽，陈自新，等. 北京城市居住区绿地的滞尘效益[J]. 北京林业大学学报，1997(4)：14－19.

Zhang Xinxian, Gu Runze, Chen Zixin, et al. Dust removal by green areas in the residential quarters of Beijing[J]. Journal of Beijing Forestry University, 1997(4): 14－19. (in Chinese with English abstract)

[31] 汤天然，袁马强，曹芳. 太湖及与湖岸城市间大气颗粒物分布特征分析[J]. 气象科学，2016，36(6)：819－825.

Tang Tianran, Yuan Maqiang, Cao Fang. Characteristics analysis on distribution of particulate matters between lake shore cities and Taihu Lake[J]. Scientia Meteorologica Sinica, 2016, 36(6): 819－825. (in Chinese with English abstract)

[32] 冯朝阳，高吉喜，田美荣，等. 京西门头沟区自然植被滞尘能力及效益研究[J]. 环境科学研究，2007，20(5)：155－159.

Feng Chaoyang, Gao Jixi, Tian Meirong, et al. Research on dust absorption ability and efficiency of natural vegetation in Mentougou District, Beijing[J]. Research of Environmental Sciences, 2007, 20(5): 155－159. (in Chinese with English abstract)

Simulation and verification of influence of different street vegetation structure on diffusion of atmosphere particulates

Wang Jia, Lü Chundong, Niu Liwei, Zhang Fangfei

(1.100083,; 2.,100083,)

As the city is developing continuously recently, frequently occurred haze has increasingly raised residents’ concerns about the urban ecological problems. Motor vehicle exhaust gas is one of the major sources of atmospheric particulates. The road green system, an important ecological measurement, which plays a significant role in preventing the motor vehicle exhaust gas diffusion, is of great significance to improve urban air quality and residents’ life quality and the living environment. For the purpose of urban road greening plan, we used high resolution remote sensing images and street views to compile the road information tables so as to select six roads (Baiziwan Road, Linda North Road, Jiaodaokou East Avenue, Dongzhimen North Street, and Nongzhanguan South Road) in Beijing city as the sample set which represent different road green systems, green configurations and street aspect ratios. For the simulation experiment in this paper, we used three-dimensional microclimate software ENVI-met, which was based on fluid and thermodynamics (the calculation of the basic law of the fluid dynamics model), to simulate the interaction processes among ground, vegetation, building and atmosphere in a small-scale urban space. We constructed three-dimensional main model area and set main characteristic parameters of the sample places, such as building, greening and underlying surface structure, and achieved the numerical simulation of interactions among ground, vegetation, building and atmosphere by using the weather prediction subprogram to analyze governing equation. We conducted field experiment in order to compare it with the numerical simulation results. The monitoring points were set on the roadside and behind the tree respectively. Each experiment street was set with one monitoring section which has two monitoring points at the height of 1.5 meters. We selected PM10 as the monitoring item and measure meteorological factors such as wind speed, wind direction and temperature at the same time. We set the results of the non-vegetation particulate matter as background value and superposed it with the diffusion of that under different green configurations to analyze the law of particulate matter diffusion of different green configurations. The simulation results showed that, under the same condition of wind speed and wind direction, the changes of PM10 concentration on the leeward side of monitoring point were higher than that on its windward side, which proved that the motion of airflow caused the particulate matter accumulation on the leeward side and the spreading of particulate matter over the road as air flow rising, so the concentration of particles on the leeward side was the largest, and then gradually decreased as the building height increasing. Under the same condition of aspect ratio, the effect of arbor--shrub-grass configuration on reducing PM10 concentration was the most obvious, followed by the arbor--shrub configuration. The effect of arbor on reducing PM10 concentration was weak and the effect of shrub on that was the weakest. Under the same condition of green configurations, the smaller the street’s aspect ratio (the wider the street) was, the greater decrease in the concentration of PM10, which indicated that the wider street was favorable for ventilation and had the lower the concentration of pollutants and vice versa. Comparing the measured data with the numerical simulation data, the coefficient between the measured value and the simulated value was 0.9894, and the correlation between the simulated results and the field observation results was pretty high, so it could be proved that the convection-diffusion model that ENVI-met used was available for simulating the diffusion of atmosphere particulate matter and can give reasonable calculation results of the law of the diffusion of atmosphere particles.

vegetation; PM10; models; road greening layout; diffusion; ENVI-met; aspect ratio

10.11975/j.issn.1002-6819.2018.20.029

X173

A

1002-6819(2018)-20-0225-08

2018-04-07

2018-08-27

北京市自然科学基金（8182038）；中央高校基本科研业务经费项目（2015ZCQ-LX-01）；国家自然科学基金（41401650）

王 佳，副教授，博士。研究方向：3S技术在资源与生态环境中的应用。Email：Wangjia2002_0@163.com

王 佳，吕春东，牛利伟，张芳菲.道路植被结构对大气可吸入颗粒物扩散影响的模拟与验证[J]. 农业工程学报，2018，34(20)：225－232. doi：10.11975/j.issn.1002-6819.2018.20.029 http://www.tcsae.org

Wang Jia, Lü Chundong, Niu Liwei, Zhang Fangfei. Simulation and verification of influence of different street vegetation structure on diffusion of atmosphere particulates[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(20): 225－232. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2018.20.029 http://www.tcsae.org