基于ENVI-met的城市道路绿地植物配置对PM2.5的影响研究

2020-08-19顾康康方云皓

生态学报 2020年13期

顾康康,钱兆,方云皓,孙圳,温红

1 安徽建筑大学建筑与规划学院,合肥 230022 2 安徽省城镇化发展研究中心,合肥 230022

随着我国城镇化的快速发展,大气污染已成为制约城市环境的重要因素,并对城市人群健康带来重大危害。相关研究已经表明道路交通是城市大气污染尤其细颗粒物(PM2.5)的重要来源[1- 2],同时道路交通相关的大气污染已严重影响城市人群健康[3- 4]。如何缓解道路交通相关的大气污染已成为学术界研究的热点[5]。绿地植物在大部分情况下被认为是能够有效减少来自道路的污染物,Pugh等表明,即使在街道峡谷中,街道植物也能将PM10浓度降低60%；Al-Dabbous等表明,植物屏障能够减轻约11%—37%的PNC浓度；Chen等表明,3种绿化带都能够减轻步道上的PM10浓度(7%—15%)；Abhijith等表明,在开放空间中,不同的植物群落对不同的污染物(PNC,BC,PM10,PM2.5,PM1)有着不同的消减作用,同时作用受到外界环境如风速、风向等的影响[6- 9]。但在一些特殊条件下会加重污染物的浓度,Tong等表明,在高速道路周边仅种植树木会导致部分环境的污染物浓度上升；Abhijith等表明,街道峡谷环境中,较高的植物会导致空气质量恶化,而较低矮的植物会改善空气质量,在开阔的道路条件下,低孔隙度且具有足够的长宽的植物导致可以使污染物浓度降低,而高孔隙度植物可能导致空气质量没有得到改善甚至恶化；Deshmukh等表明,在顺风环境下高叶面指数且具有一定高度的植物可以将污染物浓度降低50%,但高孔隙度的植物会使污染物浓度上升[10- 13]。相关学者的研究表明植被对污染物有着一定的影响,这些影响和作用与周边环境和植物群落本身存在着一定的关系,如受到绿地宽度、绿地高度、植被孔隙率以及周边环境中的建筑、风等的影响,这些影响有正面的也有负面的影响。如何科学评估城市道路绿地植物降低空气污染物的效果,以及城市道路绿地植物群落组成的差异是如何影响道路周边大气污染物浓度,这些问题需要我们深入研究和探讨。

ENVI-met是一种用于小尺度和中尺度的城市微气候模拟软件,通过基于计算流体动力学(Computational Fluid Dynamics,CFD)和热力学的计算达到模拟城市微气候的效果,相较于其他城市气候模拟软件(如：Phoenicis,CFD,Star-CCM+等),ENVI-met更加侧重于构筑物表面、植被和大气环境的交互作用上,这在针对植物群落的研究中有着十分重要的意义[14- 15]。该软件已经在城市居住区、街道峡谷空间、校园、道路、公园等领域的研究中得到应用,2018年软件更新了植物和大气颗粒物模拟插件,但相关应用研究却很少[16- 21]。

因此,综合运用场地观测和ENVI-met模拟的方法分析城市道路绿地植物群落对PM2.5的影响,相关成果可为城市道路绿地设计提供依据,对改善城市大气环境质量具有重大意义。

1 研究区域与方法

1.1 研究区域及实验点简介

1.1.1研究区域

合肥位于中国华东地区,长三角西端,江淮之间。合肥是安徽省省会城市,2018年末常驻总人口808.7万人,GDP达到7822.9亿元。研究区域位于合肥南二环道路(图1),南二环是城市主干道,道路交通量高,道路断面为双向四车道,道路宽度约为40 m,道路中部有一条宽约3 m的绿带,道路东西两向各15 m的车道,两侧有3 m的人行道。道路周边的植物群落丰富,栽种杨树,红叶石楠,冬青和梧桐。

图1 实验点所处位置Fig.1 Location and distribution of experimental points

1.1.2实验点设计

实验点分布在南二环路与金寨路交叉口到南二环路与宿松路交叉口1000 m范围内(图1)。3个实验点和一个对照点同处于同一段道路上,周边环境(除植物)较为相似,建筑为中低层建筑,建筑对风的影响较小,属于较为开放的道路环境。其中,一号点周边为二层的商业居住空间,二号点周边为四层的居住空间,三号点周边为开放空间,四号点周边为二层的商业居住空间,建筑高度较为低矮,同时绿地距离建筑距离较远(30—40 m),对绿地周边环境影响小。4个点处于同一段道路,交通流量差异很小,可重点考虑道路植物群落差异对PM2.5浓度的影响。实验点植物群落分别为乔木(一号点)、乔木+树篱(二号点)、乔木+树篱+灌木(三号点)和没有植物的对照点(四号点),监测点位置和实验点的道路断面形式见图2,实验点的植物群落配置见表1。

图2 实验点道路断面Fig.2 Experimental point road section

表1 实验点植物分布

1.2 数据收集

监测时间为2019年4月12日—4月14日,天气晴朗。使用ETEST- 100大气颗粒物检测仪监测PM2.5、温度、湿度数据,监测前统一调试仪器,确保记录的数据为同一时间,数据频率为每5 min一次。每天具体监测时间是8:00—18:00,每天收集9—10 h的数据,共产生28 h的数据。风向,风速数据来自附近的气象站(位于包河区洛岗机场附近)。

1.3 统计分析方法

使用SPSS 24进行数据分析,Origin 2018绘图。ENVI-met 4.4进行建模和模拟分析。

根据消解率的公式：P=(Cs-Cm)/Cs,P是消解率,Cs是对照点的平均浓度,Cm是实验点的平均浓度,计算颗粒物的消减率。

将绿地长度、宽度、高度和消减率导入SPSS软件进行回归分析,得出作用方程。

为更加清晰的了解绿地对道路污染物消减的工作机制,使用ENVI-met建立理想模型,采用控制变量的方法对绿地的各要素进行建模模拟研究。模型的风环境的模拟结果由ENVI-met的Atmosphere模块中导出。

1.4 ENVI-met模拟参数

ENVI-met模型构建的地理坐标、模型、大气环境、污染源的参数如表2中所示,分别建立5个模型,其中b、c、d、e 4个模型分别代表着4种(绿地的长度、宽度、高度、LAI)不同的要素,以及a模型作为对照用的常量(表3),对模拟的结果进行对比研究。模拟计算时间为10 h。其中污染物的放置,由于道路较宽(40 m)且为双向四车道,将污染源分别在两个车道上放置。

表2 ENVI-met模拟参数

表3 植物模型参数

2 结果与分析

2.1 监测点风环境

实验点的风向以北风和东北风为主,4月12日和13日风速较弱以0—4 m/s为主,14日风速较强可达8 m/s,三天的风向基本以垂直和倾斜于道路为主,三日的风环境中12日主风向为倾斜于道路,各监测点之间有一定的上下风关系,但12日处于微风环境(0—4 m/s)上下风向对颗粒物的影响较低,13、14日主风向为垂直于道路,各监测点之间无明显的上下风关系,图3了风速和风向的日变化。

图3 风玫瑰图Fig.3 Wind rose

2.2 不同道路监测点PM2.5浓度分布特征

如图4所示,实验点三日的PM2.5浓度基本随时间的推移呈现下凹式分布,最高值出现在早晨,最低值出现在中午及下午。其中：4月12日最高值出现在8:00的四号点(141 μg/m3),最低值出现在12:17的一号点(61 μg/m3),相差131%；4月13日最高值出现在8:40的四号点(228 μg/m3),最低值出现在16:40的三号点(29 μg/m3),相差686%；4月14日最高值出现在8:35的三号点(117 μg/m3),最低值出现在14:10的二号点(33 μg/m3),相差254%。

图4 实验点PM2.5浓度日变化图Fig.4 Experimental point PM2.5 concentration change chart

如图5所示,4月12日和4月13日四号点的PM2.5浓度总体高于其他3个实验点,三号点的PM2.5浓度最低。4月14日4个实验点PM2.5浓度差异性较低,三号点浓度高于其他点。

图5 实验点PM2.5浓度时空特征Fig.5 Experimental point PM2.5 concentration spatiotemporal characteristics

根据消解率的公式,计算得出总体消解率三号点>二号点>一号点(14.2%>12.9%>9.2%)。

2.3 不同道路绿地植物群落对 PM2.5浓度的影响

回归分析得出绿地长度,宽度,高度和消减作用有着相关性,得出函数p=-0.237x+13.167y+0.522z,x是绿地长度,y是绿地宽度,z是绿地高度,p是消解率。

2.3.1绿地植物种类的影响

实验结果表明,随着绿地植物物种丰富度的增加而消解率逐步加强,相较于从无到有植物而增加的9.2%的消减作用而言,进一步增加树篱和灌木带来的消减作用逐步减弱(分别增加了3.7%和1.3%)。随着植物种类的增加,各种影响因素之间共同作用,加强了对PM2.5的消减作用。

2.3.2绿地长度的影响

回归分析表明,绿地长度的增加会导致消解率的降低。绿地长度的增加会导致受到绿地影响的PM2.5的总量的增加,同时也使得PM2.5浓度的稳定和均质化,导致PM2.5向绿地两侧扩散的量与总量相比减少。

2.3.3绿地宽度的影响

实验结果表明,绿地宽度的增加将加强消解率。绿地宽度的增加将增加颗粒物在绿地的通过时间,加强绿地中的植物叶面对颗粒物的吸收和迟滞作用的时间和距离,加强了绿地对PM2.5的消减作用。同时绿地宽度的影响也受到植物的植物叶面指数的影响。

2.3.4绿地高度的影响

实验的结果表明随着植物高度的增加,消减作用有加强的趋势。有关研究表明高度达到4—5m或更高的树木可以起到对颗粒物的消减的目的,实验验证该结论的同时也表明树木的度的增加可能会加强消减作用。

2.3.5植物叶面积指数(LAI)的影响

实验点的LAI呈现从一号点到三号点递增的趋势。组成绿地的植物的叶面积密度决定了颗粒物通过绿地的运动,实验表明,绿地的消减作用与叶面指数呈正比,较高的叶面指数增加了颗粒物在绿地内部运动的阻力,同时也降低了风速,使得颗粒物得以沉降。

2.4 ENVI-met模拟结果

选取模型坐标为(X:5 m,Y:30 m,Z:1.4 m)的点作为观测点,利用12:00的监测数据进行可视化分析,分别生成PM2.5浓度剖面(图6)和平面(图7)分布图。图6表明,绿地长度和叶面积指数的减少在近地空间的表现出对PM2.5浓度较强的影响,绿地高度的增加会促使PM2.5在通过绿地时向更高的空中运动。

图6 PM2.5剖面分布图Fig.6 PM2.5 profile map

如图7的PM2.5浓度平面图所示,模型b、c、d、e的PM2.5浓度与模型a的PM2.5浓度相比增加了分别减少了2.89%、0.55%、-2.85%、-3.14%。表明绿地长度和高度的增加对PM2.5消减作用起负面作用,绿地宽度和叶面积指数的增加对PM2.5起消减作用起正面作用。与实验结果不同的是绿地高度在模拟分析中表现出了负面的作用。

图7 PM2.5平面分布图Fig.7 PM2.5 plane distribution map

虽然绿地后面的PM2.5浓度降低,但在没有绿地直接暴露在道路环境中的空间的浓度较其他空间快速上升。提取a,b两个模型绿地后方的PM2.5浓度数据,PM2.5浓度降低的空间是绿地后方宽度约为绿地长度80%的空间,同时PM2.5浓度降低空间的宽度随着与绿地的距离的增加而递减,这个空间的跨度在至距离绿地10m处衰减为约为绿地长度的50%。结果表明,绿地的长度的一定量的减少可以在绿地后方形成一个宽度约为绿地长度80%的、随着与绿地的距离的增加而宽度递减的较绿地长度更长的PM2.5浓度低谷区。图8显示了模型a、b的风环境模拟结果,绿地长度的降低带来绿地周边的风环境的改变,使得绿地周边的风速增加,导致颗粒物向没有阻碍且风速较高的空间运动。

图8 模型a、b风环境Fig.8 Model a b wind environment

3 讨论

3.1 不同绿地植物配置对PM2.5消减作用的影响

无论是监测结果还是ENVI-met模拟都表明绿地对PM2.5有着一定的消减作用,而绿地对PM2.5的消减作用强弱与绿地中植物的配置丰富度有关,这与孙晓丹等的研究相一致[22],植被丰富度的增加和物种的改变导致多种因素的改变,如植物的郁闭度、疏透度以及植物微结构等。前人的研究已经表明绿地对大气颗粒物的消减作用同植物群落的郁闭度成正相关,同疏透度成负相关关系[23-24],同时也受到植物叶面微结构的影响[25],这些因素综合导致对PM2.5的消减作用强弱的改变。

3.2 绿地形态对PM2.5的消减作用的影响

模拟实验表明绿地的长度的一定量的减少可以在绿地后方形成一个宽度约为绿地长度80%的、随着与绿地的距离的增加而宽度递减的较绿地长度更长环境PM2.5浓度更低的低谷区,但其他没有绿地的空间的PM2.5浓度会加重。究其原因,较短的绿地影响道路的风环境,使没有绿地的空间风速增加,导致PM2.5向没有阻碍且风速较高的空间运动。前人的研究更多的着重于绿地长度达到一定的规模后可以有效的消减大气颗粒物[23,26],而对于长度的变化对大气颗粒物的分布等的影响的研究较少。

绿地宽度的增加将加强绿地对PM2.5的消减作用,绿地宽度的增加了颗粒物在绿地的通过时间,加强绿地中的植物叶面对颗粒物的吸收和迟滞作用的时间和距离,这与王国玉、蔺银鼎等的研究相一致[26- 27],这也证明了绿地宽度的增加能够有效的加强对大气颗粒物消减作用。

绿地高度的变化的影响在场地观测和模拟实验中产生了矛盾。模拟实验中,绿地高度的增加,会迫使一部分颗粒物向更高的空间运动,在通过绿地之后由于动能的消耗而沉积,导致消减作用的建少。但蔺银鼎等在通过增减遮阳网的方式得出高度的曾加能够加强对颗粒物的消减作用[27],这与场地观测的结果相一致,说明在实际条件下绿地高度的增加能够加强对颗粒物的消减作用。

3.3 绿地对PM2.5的消减作用的不确定性

实验过程中绿地对PM2.5的消减作用表现出了强烈的不确定性,三日中各实验点的消解率的大小表现出了剧烈的波动。这表明绿地植物对PM2.5的消减作用不仅仅受到植物群落的因素影响,同时也受到其他方面因素的影响,杨貌等、Abhijith等的研究都已经表明绿地植物对PM2.5的消减作用受到风速、风向的影响[11,24],说明了绿地对PM2.5的影响不是单一的不变的简单过程,而是多方面共同作用的复杂过程。