交易模式转变对新都物流园区机动车NO2污染的影响研究

2021-10-05潘玉瑾李媛陈军辉石嘉诚田红张季周敬陈霞刘政钱骏

环境与可持续发展 2021年4期

潘玉瑾，李媛，陈军辉∗，石嘉诚，田红，张季，周敬，陈霞，刘政，钱骏

(1.四川省生态环境科学研究院，成都 610041；2.四川省环境保护移动源污染与控制研究实验室，成都 610000；3.成都市机动车排气污染防治技术保障中心，成都 610000)

随着经济社会的快速发展，我国大中城市机动车保有量迅速增加，机动车尾气污染引起了广泛关注。我国重点城市大气颗粒物PM2.5源解析结果显示，北京、杭州、广州、深圳等地机动车排放均是PM2.5的首要来源[1]，机动车源对PM2.5浓度的贡献占比为24.5%～45.0%[2－3]。有研究表明，机动车尾气对人体的呼吸、免疫系统及心脑血管有害，并会提高患癌风险[4－6]，车流量越密集对人体健康影响越大[7]。机动车污染主要来自汽车，按车型分类，货车排放的NOx和颗粒物明显高于客车，其中重型货车是主要贡献者[8]；按燃料分类，柴油车排放的NOx占比接近70%，PM 则超过90%[9]。目前，我国运输结构不合理、过度依赖公路运输的问题极为突出，公路承担了大量大宗物资长距离运输任务，柴油货车发展规模大，机动车尤其是柴油货车污染愈发受到关注。

建立准确、合理的机动车污染物排放清单，研究其扩散特征，定量评估一定区域范围内的污染物浓度分布，对于提出区域机动车污染防控对策，改善城市环境空气质量具有重要意义。高斯模型是应用最多的大气污染扩散模型，较为常见的还有CALINE 系列模型、ADMS 模型、AERMOD 模型以及我国自主开发的EIAA 模型等。其中，AERMOD 模型于1998 年由美国环境保护局和美国气象学会联合开发，适用于城市街区尺度的扩散模拟[10]，与其他高斯模型如ISC3、CALINE4、EIAA 相比具有接口丰富、模拟结果更接近观测值的优点[11－13]，在城市区域表现更好[14]。AERMOD 模型于2008 年被原环境保护部列为我国环境质量评价的法规模型[15]，国内开展了大量运用AERMOD 模型模拟机动车源污染物扩散浓度的研究工作。严晗等[16]对道路边黑碳排放进行了扩散模拟，发现应用AERMOD 模型能够较好体现昼夜差异，与空气质量监测结果更加吻合；王珮玮等[17]对北京市六环内区域进行线源扩散模拟，能够较好评估交通管制措施对空气质量的影响，识别热点区域和重点路段；厉斌等[18]对一乡镇道路线源进行大气污染预测，用于评估源强计算方法合理性；鲁凤杰[19]对西安市热点区域污染物扩散浓度进行研究，可以有效模拟街区尺度下空气污染物浓度水平。

物流园区是柴油货车重要集散地，具有货物聚集、堆存、仓储、分运等功能[20]，环境空气质量受柴油货车影响巨大[21]。近年来，互联网、物联网、大数据与云计算等技术迅猛发展，各种互联网物流平台快速兴起[22]，“互联网＋”模式与传统物流的结合，一方面解决了物流信息不对称问题[23]，另一方面提高了资源整体配置效率，降低物流成本，对传统物流行业的交易方式产生了巨大影响，推动物流交易大量由“线下”向“线上”转移[24]，园区停驻车辆减少，车辆空驶率下降，有效缓解物流园区机动车污染问题。目前针对城市和道路尺度机动车污染排放清单及扩散模拟研究较多，但鲜见面向物流园区及相似尺度机动车污染的研究。因此，建立准确、合理的机动车污染排放清单，研究其扩散特征，对于弄清物流园区大气污染变化并明确防控对策具有重要意义，也可为评估类似尺度区域机动车污染提供借鉴。

本研究以成都市新都物流中心为例，建立百米级高分辨率机动车排放清单，测算物流交易模式转变对物流园区机动车污染物排放的削减，采用AERMOD 小尺度空气质量模型获得NO2扩散浓度，评估物流交易模式向“线上”转变对区域空气质量改善的贡献，从生态环境角度明确推动物流园区信息化建设的方向。

1 材料与方法

1.1 清单计算

本研究通过道路视频监控监测、人工计数和分区域统计分析等方法获得新都物流中心全路网交通流模型，采用动态交通流模块耦合本地化排放因子模块计算获得高分辨率机动车排放清单[25]，反映实际道路交通流特征下的机动车污染排放强度。

据调研，物流交易向“线上”转移促使每日进出新都物流园区的货车流量下降30%左右。基于2019 年5 月份工作日车流量监测数据(交易模式转变后)，按照柴油货车流量削减30%的比例建立交易模式转变前后的交通流模型，以道路车队中每一种细分车型作为基本计算单元，对机动车污染物排放量进行计算，建立100m×100m 网格化的排放清单。

清单模型采用Python 语言编写，计算结果应用ArcGIS 地理信息系统进行可视化分析。机动车行驶里程计算公式如下:

式中，VKTj，k为第j条路段，k类型机动车行驶里程(km/h)；Wj为第j条路段，k类型机动车流量(辆/h)；Lj为第j条路段长度(km)。

排放量计算公式如下:

式中，Ej，k为第j条路段，k类型机动车污染物排放量(t/h)；EFk为k类型机动车单位距离所排放的污染物的量(g/km)。

式中，E为区域机动车污染物排放量(t/h)。

其中，排放因子采用国家道路机动车大气污染物排放清单编制技术指南推荐综合基准排放系数并进行环境及劣化修正[26]，按照平均行驶速度80km/h 对高速公路行驶车辆排放系数进行速度修正，其他类型道路行驶车辆排放系数未进行速度修正。

1.2 模拟方法

AERMOD 模型以扩散统计理论为出发点，假设污染物的浓度分布在一定程度上服从高斯分布。模型系统可用于多种排放源(包括点源、线源、面源和体源)的排放，也适用于乡村环境和城市环境、平坦地形和复杂地形、地面源和高架源等多种排放扩散情形的模拟和预测。AERMOD具有以下特点[27－28]:(1)以行星边界层(PBL，planetary boundary layer)湍流结构及理论为基础，湍流扩散由参数化方程给出，稳定度用连续参数表示；(2)中等浮力通量对流条件采用非正态的PDF 模式；(3)考虑了对流条件下浮力烟羽和混合层顶的相互作用；(4)对简单地形和复杂地形进行了一体化的处理；(5)包括处理夜间城市边界层的算法。

AERMOD 系统包括AERMOD 扩散模式、AERMET 气象预处理和AERMAP 地形预处理模块，AERMET 的边界层参数和廓线数据由现场观测数据或国家气象局常规气象资料生成，AERMAP 是简化并标准化的AERMOD 地形预处理器。本研究采用5 月份气象条件进行机动车NO2扩散浓度模拟，运行流程如图1 所示。

图1 AERMOD 模型运行流程

2 结果与讨论

2.1 道路车队结构分析

从图2 可以看出，新都物流园区道路车队结构中柴油车占比明显高于成都市。交易方式向“线上”转变促使柴油车占比从8.22%降低到6.45%，但仍然明显高于成都市的4.05%，因为物流园区主要功能之一为货物周转，货运车辆又主要由柴油车构成，柴油车占比必然高于其他区域。从车辆类型来看也是如此，物流园区中重型柴油车和轻型柴油车占比均高于成都市。从排放标准来看，新都物流园区国Ⅲ及以下排放标准车辆占比略高于成都市，可能在老旧车辆淘汰方面与市区还存在一定差距。

图2 道路车队结构

2.2 机动车排放清单分析

将新都物流园区及周边划分为1640 个100m×100m 网格，图3 对物流交易模式转变前后机动车NOx的排放强度进行对比。随着大量交易信息转移至“线上”，进入物流园区停车场等待配货的货车大幅减少，机动车污染排放强度大幅度下降，尤其是在物流园区的中心区域和货运大道周边，高排放强度网格明显减少。从图5(a)网格NOx排放强度箱线图可以看出，交易模式转变前，新都物流中心区域平均排放强度约为120kg/(km2·d)，交易模式转变后平均排放强度约为100kg/(km2·d)，降低约17%；交易模式转变前排放强度最大的区域达1451 个，交易模式转变后为1143 个，下降约27%。由此可见，新都物流中心区域机动车污染受柴油货车影响较大，物流交易模式转变对区域机动车污染排放削减有较大作用。

图3 交易模式转变前后机动车NOx 排放强度分布(100m×100m)

2.3 机动车NO2 扩散浓度分析

交易模式转变前后NO2扩散浓度分布:从图4 可以看出物流交易模式的转变使新都物流中心区域机动车NO2扩散浓度高于80μg/m3的面积大幅减少，扩散浓度高于100μg/m3的面积基本为零，从图5(b)受体点NO2扩散浓度箱线图来看，物流交易模式转变后机动车NO2扩散浓度最大为103μg/m3，该受体点位位于绕城高速与京昆高速交叉口附近，相比转变前的最高扩散浓度156μg/m3，降低了53μg/m3，下降幅度达52%，平均扩散浓度由61μg/m3降低到38μg/m3，下降了23μg/m3，降低61%。

图4 交易模式转变前后NO2 扩散浓度分布

对图5(a)网格NOx排放强度和图5(b)受体点NO2扩散浓度的统计分布情况进行对比，无论是物流交易模式转变前还是转变后，网格排放强度平均数均远大于中位数，整体向右偏移，说明区域排放强度受少数排放强度极大的网格影响大，这是由于道路机动车源为线源排放，高排放强度网格集中在交通繁忙路段的周围，其他大部分区域排放强度较低[29]。受体点位NO2扩散浓度平均数和中位数则相当接近且平均数略低于中位数，尤其是在交易模式转变之后，说明NO2扩散浓度比较均匀且高浓度扩散范围较小，主要由于选取5 月份气候场开展模拟，近地层扩散条件较好，沿道路高浓度NO2衰减梯度较大[30]]，若选择冬季气象场开展模拟工作则可能出现局部高浓度扩散区域。因研究条件所限，本研究未对其他季节气象条件下机动车源污染物扩散进行模拟，下一步研究中将针对物流园区不同季节、不同污染物的扩散情况进行分析探讨。