城市机动车PM1污染浓度影响模型及应用

鲁凤杰，罗亚萍



城市机动车PM1污染浓度影响模型及应用

鲁凤杰1，罗亚萍2

（1.长安大学汽车学院，陕西 西安 710064；2.兰州工业学院汽车工程学院，甘肃 兰州 730050）

交通产生的细小入肺颗粒物PM1给人们的生活环境及长期健康带来不利影响，有必要分析城市环境中颗粒物浓度情况。文章在西安市小范围内对PM1进行了浓度监测并建立了多元回归模型，并对结果进行了可视化。模型指出相对湿度、风速与绿地面积为主要影响变量，结果显示出研究区域内的颗粒物浓度热点集中在建筑密集区域,以及植被少、设施陈旧的小区。

机动车污染；PM2.5；PM1；污染物浓度分布

前言

空气质量在很大程度上影响着城市居民的生活环境，而交通产生的空气污染已成为城市大气污染的主要原因之一。可吸入颗粒物(PM2.5)为汽车尾气污染物中的重要成分，会增加呼吸系统等疾病的发病率。粒径1~5μm的PM主要影响气管和支气管，而动力学直径小于或等于1μm的PM1则更具危害，可进入血液系统，沉积在血管内壁，损害循环系统进而影响身体其他部分[1]。因此，本文研究城市生活环境在交通影响下PM1的浓度分布水平，以期对提升城市大气环境，改善居民健康提供参考和建议。

1 浓度监测实验

1.1 实验目的

本实验通过实地测量获得城市道路上的浓度数据，再由PM1浓度影响模型的建立获得区域内任意点浓度值。

1.2 监测实验设计

研究区域选取西安小寨东路以北、友谊东路以南约3.5 km2方形面积。该区域人口密集，土地类型具有明显多样性（包含生活小区、商业中心、公共设施、露天市场等），是居民活动频繁的区域。

浓度监测方式为移动监测，实验在春季进行，共10天，检测时间为每天早晚高峰，按固定路径采集多个采样点PM质量浓度，温度、湿度等数据。并获取各路径交通量与试验期间风速数据。

1.3 监测结果

经筛选整理和初步统计，试验期间各采样点PM1平均浓度值为18.52μg/m3，标准差7.53；试验期间平均温度20.10℃；相对湿度均值55.21%；平均风速为0.96m/s。

2 浓度模型建立及分析

2.1 浓度影响因子

本文选取风速、气温、相对湿度、交通量、植被面积、建筑面积为自变量，以测得的PM1浓度的对数作为因变量进行多元线性回归。其中，由于精度较大，两种土地类型的面积由地图分析软件获得。

2.2 模型结果及分析

回归结果中，相对湿度标准化系数（β）0.75；风速的β值为-0.49，测点周围直径300米范围内的绿地面积β值为-0.168。三者均在0.05水平上与PM1浓度显著相关。模型R2为0.49。

其中，湿度大时空气中水分可以附着在微粒上使质量浓度增加；风速的增大会加速颗粒物扩散进而减小PM1浓度；绿色植被也对减小颗粒物浓度起到积极作用；由于机动车排放源强在小范围内差异不大，交通量并未成为主要影响因素。虽然最终模型的R2较低，但对比同类研究[2,3]，也较为合理。

3 PM1浓度影响模型应用

3.1 研究区域PM1浓度分布

在研究区域地图上生成加密网格，应用湿度45%，风速1m/s条件下PM1浓度模型获得网格中心点浓度，结合已知采样点浓度进行插值，得到PM1质量浓度在研究范围内的分布情况如图1。

图1 研究区域内PM1质量浓度c的分布

由图可知，北部尤其是西北方向浓度偏高，这一区域多为密集分布的老旧小区，南二环路及两侧植被覆盖率高处，PM1明显偏低。与实际情况较为符合。

4 结论

本研究指出在城市生活环境中的PM1浓度强度情况，通过建立回归模型得到其主要影响因素，即湿度、风速与植被面积，最终模型解释了49%的浓度差异。应用结果对于减少人群污染物暴露，改善规划和管理具有参考价值。

[1] 邱兆文. 汽车节能减排技术.北京:化学工业出版社;2015.5.

[2] Farrell W, Weichenthal S, Goldberg M, Valois MF, Shekarrizfard M, Hatzopoulou MJEP. Near roadway air pollution across a spatially extensive road and cycling network [J]. 2016;212:498-507.

[3] Kerckhoffs J, Hoek G, Vlaanderen J, Van NE, Messier K, Brunekreef B,et al. Robustness of intra urban land-use regression models for ultrafine particles and black carbon based on mobile monitoring [J]. 2017;159:500-8.

Analysis on the concentration distribution of vehicle caused particulate pollution

Lu Fengjie1, Luo Yaping2

（1.School of Automobile, Chang’an University, Shaanxi Xi’an 710064; 2.College of Automotive Engineering, Lanzhou Institute of Technology, Gansu Lanzhou 730050 )

Traffic caused fine particulate matter (PM) pollution are adversely affecting our living environment and long-term health. It is necessary to analyze the particulate concentration distribution in urban environment. We monitored the concentra -tions and built multiple regression models for PM1in a small area in Xi’an, than visualized the results. The models demons -trate that wind speed, green land area and relative humidity are some of the main influential factors, and the result shows that the hot spots of PM concentration are focused on places with dense buildings, or old neighborhood with poor facilities and less vegetation.

vehicle pollution; PM2.5; PM1; pollutant concentration distribution

B

1671-7988(2019)05-86-02

U462

B

1671-7988(2019)05-86-02

U462

鲁凤杰，长安大学，硕士研究生，研究方向：交通环境；罗亚萍，兰州工业学院，助教，汽车排放控制，研究方向：无人车智能控制方向。

10.16638/j.cnki.1671-7988.2019.05.025