城市街道峡谷PM2.5时空分布特征与空气质量评价<br/>——以合肥市长淮街道为例

城市街道峡谷PM2.5时空分布特征与空气质量评价
——以合肥市长淮街道为例

2022-01-06王薇程歆玥胡春夏斯涵王甜

生态环境学报 2021年11期

王薇，程歆玥，胡春，夏斯涵，王甜

1. 安徽建筑大学建筑与规划学院，安徽合肥 230022；2. 安徽建筑大学建成环境与健康重点实验室，安徽合肥 230022

2019年末中国常住人口城镇化率达到 60.60%（中央人民政府，2020），高城镇化率在提高居民生活质量的同时，也带来了城市大气污染、交通拥堵、热岛效应等一系列问题。其中，机动车尾气排放及其形成的二次污染，是城市大气污染的主要来源。常见的大气污染物有SO2、NO2、CO、O3和颗粒物，但现阶段国内最为关注的是PM2.5。2018年，PM2.5导致过早死亡人数有 1368200人，据预测，大气PM2.5质量浓度 2025 年需降至 40 μg·m-3以下，其导致的过早死亡人数才能与 2018年接近（郭云等，2021）。

城市街道峡谷是城市居民生活的主要场所之一，街道峡谷在城市建成环境中占比高达三成（于洋等，2020）。街道峡谷是指两侧具有连续高大建筑物的狭长街道（Nicholson，1975）。1993年，街道峡谷这一概念被引入中国，后被进一步扩展，即使街道两旁的建筑物高低不平、不连续甚至有一定的缺口，也可称作街道峡谷（周洪昌等，1994；王宝民等，2005）。街道峡谷内污染物的扩散主要受交通量、气象条件、天空开阔度、街道峡谷高宽比和朝向等影响（邓寄豫等，2017；葛晓燕，2018）。由于两侧建筑的阻挡，传输的污染物难以扩散，进而产生累积效应；同时由于街道峡谷附近人口较多，街道峡谷内的污染物不仅影响室外环境质量，又会作为置换源影响室内空气质量，进而影响城市居民的身体健康。

2020年合肥市全市 PM2.5质量浓度年均值为36 μg·m-3，未达到国家二级标准，超标3%（合肥市生态环境局，2021）。目前相关研究大多集中在省市的宏观层面研究，对与人体接触紧密的街道峡谷PM2.5质量浓度的探讨较少。因此，本研究以城市内典型街道峡谷为例，采用固定式监测点的方式实测街道峡谷内PM2.5质量浓度，分析PM2.5在街道峡谷的时空分布规律，对于改善城市街道峡谷的空气质量具有积极意义，同时为街道峡谷空气污染防治提供对策。

1 研究概况与方法

1.1 研究对象概况

合肥市地处中纬度地带，31°52′N，117°17′E，是季风气候最明显的区域之一，属于典型的夏热冬冷气候区城市，全年气温夏热冬冷，春秋温和，年平均气温在 15—16 ℃之间，夏季平均气温为27.5—28.5 ℃，冬季平均气温为1.5—5.0 ℃，相对湿度与温度的年变化相一致，夏季最大，冬季最小。城市主导风向为东南风，其中夏季东南风，冬季东北风，年平均风速在1.6—3.3 m·s-1之间。

合肥市作为安徽省会城市，人口城镇化率高。合肥全市人口密度为1.0万人/平方千米，建筑密度为41.2%（李小东等，2018）。合肥市规划类型始于“风扇式”布局，城市街道以东北—西南走向为主。瑶海区位于合肥市东部，总面积为64.4 km2，是合肥四大老城区之一且是国字号老工业基地。据统计，瑶海区已开发建设用地面积超过可开发用地面积的90%以上，呈现出建设用地人口密度和建筑密度“双高”的局面。瑶海区长淮街道位于北一环内，其建设用地人口密度达到3.5万人/平方千米，建筑密度达到52.6%（黄慧芬，2019）。

研究表明（王飞等，2014），合肥市区空气首要污染物主要为 PM2.5，其来源与汽车尾气排放有很大关系；其次，合肥市冬季雾霾情况较其他季节严重。因此，以合肥市环境保护局网站提供的全市10个监测点空气质量指数为依据（http://sthjj.hefei.gov.cn/index.html），确定合肥市区空气污染较严重区域，并在此基础上，研究合肥市瑶海区长淮街道冬季街道峡谷 PM2.5质量浓度的时空演化特征，旨在为改善合肥市街道峡谷空气质量提供科学依据。

1.2 选点依据与测点分布

本研究根据建筑布局、建筑高宽比、街道长宽度、植物绿化、风向风速、下垫面等特征指标综合选取并确定实测样点，分析城市街道峡谷 PM2.5质量浓度的时空分布特征，最终确定7个样点进行实地观测，并以三里街国控点（H点）进行对照评价，如图1所示。

街道峡谷主要有 3种分类标准（Hu et al.，2020）：（1）基于高宽比的分类标准，根据建筑物高度与道路宽度比值来计算高宽比；（2）基于对称性的分类标准，根据道路两旁建筑物的高度确定，如对称式、非对称式（上升型、下降型）等；（3）基于复杂几何形态的分类标准，如一般街道峡谷、道路交叉口、公园绿地、高架桥上下等。而对于现实中的街道峡谷，可能涵盖多个分类标准，上述方法不能很好地反映街道峡谷 PM2.5质量浓度的空间分布效果。因此，引入街道峡谷封闭比（SCER）的概念（Wei et al.，2021），定义SCER为背风面建筑高度（LB）、道路宽度、迎风面建筑高度（WB）三者之比。SCER数值由现场实测所得，背风面建筑和迎风面建筑根据监测时的主要风向确定，如图2所示。

图1 测试样点分布Fig. 1 Distribution of test samples

图2 街道峡谷封闭比Fig. 2 Street Canyon Enclosure Ratios

1.3 监测仪器

根据街道峡谷测点的分布，配置7台ONETEST 500粉尘浓度监测仪和7台KESTREL 5500手持式风速仪进行测试。粉尘浓度监测仪测试PM2.5质量浓度及温湿度，其中 PM2.5质量浓度的测量范围为0—1000 μg·m-3，测量精度为±10% FS，分辨率为 0.1 μg·m-3；温度的测量范围为-20—60 ℃，测量精度为±0.5%，分辨率为0.1 ℃；相对湿度的测量范围为0—100%，测量精度为±3%，分辨率为0.1%。监测过程中每2秒钟记录1次数据。监测高度与一般人体呼吸高度一致，距离地面1.5 m，如图1所示。

1.4 监测时间

实测选择在2021年1月22—24日进行，每天08:00—17:00，监测街道峡谷内的PM2.5质量浓度、温湿度和风速，监测期间天气晴朗，天气状况较一致。

1.5 空气质量评价标准

根据生态环境部 2018年发布的《环境空气质量标准》（GB 3095—2012）修改单（生态环境部，2018），空气质量指数（air quality index，AQI）是一个用来定量描述空气质量水平的数值，其等级划分为：优（AQI≤50）、良（50＜AQI≤100）、轻度污染（100＜AQI≤150）、中度污染（150＜AQI≤200）、重度污染（200＜AQI≤300）、严重污染（AQI＞300）。目前，中国尚无正式的空气质量指数标准，但此修订单中PM2.5质量浓度值可用来评价不同街道峡谷的空气质量水平。空气质量指数的计算公式如下：

式中：

I——空气质量指数，即AQI，输出值；

C——PM2.5日均值质量浓度，输入值；

Ilow——对应于Clow的指数限值，常量；

Ihigh——对应于Chigh的指数限值，常量；

Clow——小于或等于C的质量浓度限值，常量；

Chigh——大于或等于C的质量浓度限值，常量。

其中，指数限值和质量浓度限值的常量如表1所示。

表1 空气污染物的指数限值和质量浓度限值Table 1 Index limits and mass concentration limits of air pollutants

2 结果与分析

根据不同日期和选点位置，对各个实测样点位置和每天各时间段的 PM2.5质量浓度随时间和选点位置变化的趋势进行统计分析。为保证分析数据的精确性，首先在 Excle中对各监测样点的 PM2.5质量浓度、温度和相对湿度等数据进行统一，再进行筛选得到 3天 7个实测样点的有效数据共 48600条，对每天、每小时、每点分各天和3天整体的数据取平均值。

2.1 城市街道峡谷的PM2.5时间分布特征

时间序列指的是描述现象指标随时间变化的直观图形，利用它观察现象演变的状况（闫秀婧，2009），最终结果如图2所示，PM2.5日均质量浓度均呈现出“W”型变化特征。

图3可以看出3 d内不同测点PM2.5质量浓度随时间变化的规律，街道峡谷 PM2.5质量浓度平均值为 125.54 μg·m-3。PM2.5质量浓度在 12:00—13:00区间最高，为 135.96 μg·m-3；在 09:00—10:00 区间最低，为 122.15 μg·m-3；在 13:00—14:00 区间次之，为122.71 μg·m-3。因此建议长淮街道的市民可选择避开工作日午高峰时期出行，以降低城市街区PM2.5质量浓度。

图3 PM2.5日均质量浓度Fig. 3 Daily average mass concentration of PM2.5

2.2 城市街道峡谷的PM2.5空间分布特征

空间分布指的是描述现象指标随空间变化的直观图形，利用它观察现象演变的状况（王薇等，2014）。由于各个实测样点所处的街道峡谷形态特征不同，其环境的 PM2.5质量浓度也不尽相同，最终结果如图3所示。

2.2.1 总体分布特征

3天内D点在1月22日PM2.5平均质量浓度最高，为 260.52 μg·m-3；F 点在 1 月 23 日 PM2.5平均质量浓度最低，为 63.17 μg·m-3。同一天内D点 1月 22 日 PM2.5平均质量浓度最高，为 260.52 μg·m-3，F点1月22日PM2.5平均质量浓度最低，为170.80 μg·m-3，两点 PM2.5平均质量浓度相差 89.72 μg·m-3。其中，1月22日PM2.5背景质量浓度较高。

由图4可知，合肥市城市街道峡谷PM2.5质量浓度的空间分布排序为：D 点 (151.90 μg·m-3)＞A 点(132.26 μg·m-3)＞C 点 (128.14 μg·m-3)＞E 点 (127.62 μg·m-3)＞B 点 (123.90 μg·m-3)＞G 点 (111.42 μg·m-3)＞F 点 (104.36 μg·m-3)。因此，在城市设计中，建议使用F点和G点的街道峡谷空间形态，而避免使用A点和D点的街道峡谷空间形态，进而降低街道峡谷内的PM2.5质量浓度。

图4 各监测点PM2.5质量浓度Fig. 4 PM2.5 mass concentration at each monitoring point

2.2.2 各监测点环境特征

如图 2所示，A点位于对称街道峡谷，SCER=1∶1∶1，即标准型街道峡谷。测点A位于道路交叉口迎风面建筑侧，周边为高层建筑，没有植物绿化，靠近汽车尾气污染源排放位置，且人流量和车流量大，汽车停留时间长，街道峡谷的 PM2.5质量浓度为 132.26 μg·m-3。

B 点位于非对称街道峡谷，SCER=2∶1∶0，即下降型街道峡谷。测点B位于小区公园绿地，周边乔木、灌木和草地较多，对 PM2.5质量浓度起到一定的降解作用。而且测点B位于高层商住楼后塑胶运动场上，即高层建筑背风处，对PM2.5的传输起到一定的阻挡作用，PM2.5质量浓度为123.90 μg·m-3。

C点位于非对称街道峡谷，SCER=2∶2∶1，即下降型街道峡谷。测点C位于主干道旁迎风面建筑侧，周边为高层和多层建筑，虽人流量和车流量较大，但停留时间短，且测点周边有灌木绿化带，对PM2.5质量浓度起到一定的降解作用，PM2.5质量浓度为128.14 μg·m-3。对比测点A、C可知，其他条件不变，降低迎风面建筑高度，能降低街道峡谷内部的PM2.5质量浓度。

D点位于非对称街道峡谷，SCER=1∶1∶2，即上升型街道峡谷。测点D位于主次干道交叉口多层建筑侧，没有植物绿化，靠近汽车尾气污染源排放位置，且人流量和车流量大，汽车停留时间长，因此PM2.5的质量浓度高，为 151.90 μg·m-3。上升型街道峡谷的背风侧易造成高质量浓度 PM2.5堆积。因此建议在城市设计中，应避免设计上升型街道峡谷的背风侧建筑，同时也建议在上升型街道峡谷的背风侧增设垂直绿化以减少空气污染。

E点位于对称街道峡谷，SCER=1∶1∶1，即标准型街道峡谷。测点E点位于次干道旁，周边为多层建筑，人流量和车流量较大，停留时间短，且测点周边有灌木绿化带，对 PM2.5质量浓度起到一定的降解作用，PM2.5质量浓度为 127.62 μg·m-3。

F点位于对称街道峡谷，SCER=1∶2∶1，即宽阔型街道峡谷。测点F位于主干道旁人行道一侧，虽人流量和车流量较大，但停留时间短，且靠近1 m宽的乔木与灌木组成的绿化带，对PM2.5的降解作用很大，因此 PM2.5的质量浓度很低，为 104.36 μg·m-3。对比测点E、F可知，其他条件不变，增加街道宽度，能降低街道峡谷内部的PM2.5质量浓度。

G点位于对称街道峡谷，SCER=2∶1∶2，即狭窄型街道峡谷。测点G位于一般街道峡谷内，人流量和车流量很小，且街道峡谷内风速较大（图 5），对PM2.5的扩散作用很大，因此PM2.5的质量浓度很低，为111.42 μg·m-3。建议在城市设计中考虑主导风向，利用城市通风廊道减轻街道峡谷内的 PM2.5质量浓度。

图5 街道峡谷内风速的日变化Fig. 5 Diurnal variation of wind speed in the street canyon

H点位于非对称街道峡谷，SCER=1∶1∶0，即下降型街道峡谷。测点H为国控点，PM2.5质量浓度为127.62 μg·m-3。比国控点PM2.5质量浓度更低的街道峡谷有B、F、G三点，说明公园绿地、宽阔型街道峡谷、较大的风速都能降低街道峡谷内部的PM2.5质量浓度。

2.3 环境影响因素分析

相关研究（Wei et al.，2021）表明，建筑环境因子如气象条件、风向风速、车流量、下垫面材料、植物绿化等，都不同程度地影响街道峡谷内 PM2.5每小时质量浓度分布效果。

2.3.1 温湿度的影响

如表2所示，运用SPSS对PM2.5质量浓度和温湿度的每小时平均值进行回归分析，其中常数项远大于温湿度的系数，说明合肥市长淮街道峡谷内PM2.5的背景质量浓度较高，除机动车尾气排放外，生活源和工业源的影响较大。

表2 温湿度与PM2.5每小时质量浓度的回归分析Table 2 Regression analysis of temperature, humidity and PM2.5 hourly mass concentration

在Origin中对PM2.5质量浓度和温湿度的每小时平均值进行线性拟合，如图6所示，温度和相对湿度两个建筑环境因子对PM2.5每小时质量浓度作多元线性回归，得到方程有：

图6 PM2.5质量浓度和温湿度的回归方程Fig. 6 Regression equation of PM2.5 mass concentration and temperature and humidity

式中：

ρ(PM2.5)——PM2.5每小时质量浓度值；

t——温度值；

H——湿度值。

式中R2=0.53，说明温湿度两个要素变量共同解释了PM2.5变化的53%。温度对PM2.5的贡献度达54.7%，湿度对PM2.5的贡献度达80.5%，说明与温度相比，湿度对街道峡谷的PM2.5质量浓度贡献度比温度更大。

引起街道峡谷PM2.5每小时质量浓度周期性变化的主要原因是昼夜温差造成（张云伟等，2016），白天随着气温的升高，大气边界层开始膨胀，导致街道峡谷PM2.5质量浓度降低。由图6可知，湿度与 PM2.5每小时质量浓度呈现显著正相关，根据有关研究结论（臧振峰等，2021），温度与PM2.5每小时质量浓度应该呈现显著负相关，而本研究中温度与 PM2.5每小时质量浓度呈现微小的正相关，可能是白天背景质量浓度过大造成的。

2.3.2 风速的影响

风速与 PM2.5的扩散速率有关，对街道峡谷内的 PM2.5质量浓度有显著的输送、稀释和扩散作用（邱巧玲，2007）。本研究风速的测量结果以每 10分钟作平均处理，如图5所示，显示了1月22—24日3 d内长淮街道峡谷风速的日变化，街道峡谷下午风速基本高于上午风速，说明早上街道峡谷风速较低，易发生PM2.5的滞留。因而建议在长淮街道峡谷，高峰期非必要通勤市民避免选择下午出行，以免行车拥堵造成城市空气污染。合肥市城市街道峡谷风速的空间分布排序为：G点 (2.43 m·s-1)＞F点(1.16 m·s-1)＞A 点 (1.01 m·s-1)＞C 点 (0.66 m·s-1)＞D点 (0.59 m·s-1)＞B点 (0.46 m·s-1)=E点 (0.46 m·s-1)。其中，风速越大，PM2.5质量浓度越低，G点街道峡谷的风速明显高于其他监测点，有利于降低街道峡谷内的PM2.5质量浓度。

2.3.3 车流量的影响

机动车的尾气排放主要集中在城市街道峡谷，由于街道峡谷的特殊结构，PM2.5难以扩散并不断聚集，导致居民长期暴露于汽车尾气中，对人体健康产生了极大的危害。因此，街道峡谷内的车流量与PM2.5每小时质量浓度的相关性已经成为重要的研究课题之一（柴晋鹏等，2021）。本研究的街道峡谷胜利路位于合肥市瑶海区交通主干道上，以每小时记录 10 min的车流量来估算街道峡谷每小时内车流量的大致情况。如图7所示，1月22—24日对应周五至周日，工作日的车流量基本大于周末的车流量。街道峡谷车流量的日变化折点图基本呈现“W”型分布，即有明显的早高峰、午高峰和晚高峰分布。根据3 d平均值可以看出，长淮街道峡谷的车流量早高峰＞晚高峰＞午高峰，其中15:00—16:00时间段内的车流量最小。因而建议在长淮街道，非必要通勤市民可以选择15:00—16:00出行，以免行车拥堵造成街道峡谷环境污染。

图7 街道峡谷内车流量的日变化Fig. 7 The daily change of traffic flow in the street canyon

3 城市街道峡谷空气质量评价

对各实测样点的48600条PM2.5质量浓度有效值进行统计，运用AQI对其数据进行计算分析，得到表 3。合肥市长淮街道峡谷 PM2.5空气质量水平以中度污染为主，空气质量级别多分布在四级。根据实测数据计算得出AQI值为165，三里街国控点（H点）的AQI值为166，误差值为0.01，空气质量水平都为中度污染，空气质量级别都为四级，两者差距不大。说明采用AQI能较好地评价街道峡谷的空气质量。