城市街道峡谷PM2.5 时空分布特征与空气质量评价

■ 潘 辉 PAN Hui 王 薇 WANG Wei 胡 春 HU Chun

0 引言

随着社会经济的发展，我国城市化进程不断加快。截止2020 年，我国城镇化率已达到63.89%，城市数量687 个[1]。一方面，城市的高速发展使得交通环境问题愈发突出，机动车辆排放的尾气污染物不仅已成为城市大气污染的重要来源之一[2]，也是导致各种呼吸系统疾病频发的重要原因；另一方面，城市化进程的加快使得城市建筑倾向于高密度发展，临街建筑大量增高、增多，形成了特殊的街道峡谷[3]。街道峡谷作为城市重要构成部分之一，是城市居民频繁活动的场所。高大密集的建筑使得街道峡谷内的风速流动显著降低，影响了机动车辆尾气污染物的扩散稀释，危及沿街居民及过往行人的健康。相关研究表明，街谷空间形态会对大气污染物浓度造成一定影响，主要原因是街谷的三维形态会影响街谷内大气流场，进而影响大气污染物的扩散[4]。一些学者通过街谷高宽比等设计指标来表征街谷空间形态，发现街谷两侧建筑物高度的增加会导致污染物浓度上升，街谷宽度的增加则可降低大气污染物浓度，即PM2.5质量浓度随着街谷高宽比的增大而增加[5-6]；王薇等[7]通过实际监测得出，不同功能区街道峡谷PM2.5质量浓度由高到低依次为办公型、商业型和居住型。此外，气象因素、植物绿化等环境特征也会影响PM2.5质量浓度高低。研究表明，PM2.5质量浓度与相对湿度呈显著正相关，且相关性随粒径降低而增高[8]。

现阶段，针对街道峡谷的研究方法主要以实际监测、风洞实验及数值模拟为主。但风洞试验或数值模拟不能全面、真实地反映污染物影响因素及空气质量环境，故本研究采用实际监测方式分析PM2.5在街道峡谷的时空分布特征，以科学客观地反映城市环境质量，为城市居民出行提供建议；同时，为城市大气污染防控工作提供科学依据，对于提高居民生活质量具有积极意义。

1 研究概况与方法

1.1 研究区域与测点

安徽省合肥市地处中纬度地带（北纬31°52′、东经117°17′），季风气候明显，是典型的夏热冬冷气候区城市。其年平均气温在15～16℃之间，属温和型气候，其中夏季平均气温为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一致，夏季最大、冬季最小；城市主导风向为东南风，年平均风速在1.6～3.3 m/s 之间。

研究区域选取合肥市庐阳区亳州路街道，周边多为办公楼，高层建筑密集。该段道路宽42 m，双向8 车道，两侧有4 m 宽的非机动车道；在非机动车道、机动车道与人行道间均设置有1 m 的绿化隔离带。根据街道两侧建筑空间形态特征，确定本研究的4 个监测样点（图1）。

图1 研究区域概况及监测样点分布

1.2 监测仪器及时间

采用粉尘浓度监测仪与风速气象仪各4 台，对街道峡谷内的PM2.5质量浓度、温湿度和风速进行同步监测。监测时间选择在2022-02-28—2022-03-02 的08:00—18:00，期间天气状况较一致，均为晴稳天气。监测仪器分布于街道峡谷各监测样点，安装高度距离地面1.5 m，与一般人体呼吸高度保持一致，每隔2s 记录1 次数据，详细技术参数见表1。

表1 监测仪器技术参数

1.3 空气质量评价标准

AQI（Air Quality Index）即空气质量指数是定量描述空气质量状况的无量纲指数，是一种反映和评价空气质量状况的方法[9]。它将常规监测的几种污染物浓度简化成单一的概念性数值形式，并分级表征空气质量状况与空气污染程度，结果简明直观，便于理解和使用[10]。其等级划分为：优（≤50）、良（＞50～100）、轻度污染（＞100～150）、中度污染（＞150～200）、重度污染（＞200～300）、严重污染（＞300），具体计算公式如下：

式中，IAQ表示空气质量指数（AQI）；C表示污染物日均质量浓度；C1表示污染物质量浓度低位限值，C1≤C；Ch表示污染物质量浓度高位限值，Ch≥C；I1、Ih分别表示对应于C1、Ch的空气质量指数限值。

2 城市街道峡谷PM2.5 质量浓度时空分布特征

2.1 时间分布特征

通过对3 d 内各个时间段的数据进行平均处理，得到不同测点PM2.5质量浓度随时间的变化规律（图2）。可以看出，该街道峡谷内的PM2.5质量浓度整体呈现出随时间先上升后下降的趋势，并于10:00—11:00 达到峰值。PM2.5在3 d 内的平均质量浓度 为81.96 μg/m3，其 中：10:00—11:00 区间浓度最高（105.71 μg/m3），17:00—18:00 区间浓度最低（49.04 μg/m3）。因此，建议庐阳区亳州路街道的居民及过往行人在非必要出行的情况下，尽量避开上午高峰时期，以降低PM2.5对身体健康的危害；这也可以在一定程度上缓解堵车造成的PM2.5排放。

2.2 空间分布特征

2.2.1 总体分布特征

对各监测样点3 d 的数据进行平均处理，得到PM2.5质量浓度的分布情况（图3）。总体而言，街道峡谷内各监测样点的PM2.5质量浓度由高到低依次为D 点（88.13 μg/m3）、C 点（83.84 μg/m3）、B 点（80.66 μg/m3）、A 点（75.2 μg/m3），浓度最高的D 点与最低的A点之间相差约12.93 μg/m3。其中：2 月28 日，PM2.5质量浓度D 点最高（91.84 μg/m3）、B 点最低（76.45 μg/m3）；3 月1 日，PM2.5质量浓度D 点最高（111.07 μg/m3）、A 点最低（91.68 μg/m3）；3 月2 日，PM2.5质量浓度D 点最高（61.47 μg/m3）、A 点最低（54.26 μg/m3）。各监测样点的PM2.5质量浓度存在差异，这与街道峡谷内的温湿度、风环境、车流量等均有一定关系。

图3 各监测样点PM2.5 质量浓度

2.2.2 各监测样点环境特征

根据各监测样点的PM2.5平均质量浓度，可以看出街道峡谷内PM2.5质量浓度在空间上呈现出以下特征：①距离机动车污染源越近，PM2.5质量浓度越高；②绿化层次越丰富，PM2.5质量浓度越低。各监测样点环境特征如图4 所示。

图4 各监测样点环境特征

（1）A 点PM2.5平均质量浓度最低，约为75.2 μg/m3。街道两侧均为高层建筑，街谷高宽比h/b＞2，为深街谷[11]，本不利于污染物扩散。但由于A 点位于背风面高层建筑侧，周边植物绿化较多且层次丰富，对PM2.5具有较好的沉降、阻滞、吸附作用[12]，故PM2.5平均质量浓度偏低。

（2）B 点PM2.5平均质量浓度约为80.66 μg/m3。其背风面为高层建筑，迎风面为多层建筑，街谷高宽比h/b＜0.5，为宽街谷，较利于污染物的快速扩散。然而，由于测点B位于人行天桥附近，无道路交叉口，主干道机动车辆行驶速度较快，扬尘易引起PM2.5质量浓度的上升[13]。

（3）C 点PM2.5平均质量浓度约为83.84 μg/m3。其背风面为高层建筑，迎风面为多层建筑，街谷高宽比h/b＝1，即理想街谷。测点C 位于背风面高层建筑旁侧，周边绿化带以乔、灌木为主，绿化层次相对丰富，但附近有主次干道交叉口，车流量大且汽车停留时间长，故PM2.5质量浓度也相对较高。

（4）D 点PM2.5平均质量浓度最高，约为88.17 μg/m3。街道两侧均为高层建筑，街谷高宽比为1 ＜h/b＜2，对污染物的扩散稀释较为不利[14]。测点D 位于背风面高层建筑旁侧，靠近地上停车场，离尾气污染源较近，因此PM2.5质量浓度相对较高；且测点周边绿化带以灌木为主，绿化种类较少，对PM2.5的消减作用也相对较小。

2.3 PM2.5 质量浓度与环境因素相关性分析

相关研究表明[15-18]，环境因素如气象条件、植物绿化、风向风速、车流量等，都对街谷内的PM2.5质量浓度及其时空分布具有不同程度影响。

2.3.1 PM2.5 质量浓度与温湿度的相关性

为研究PM2.5质量浓度与温湿度的相关性及影响程度，对监测数据中的PM2.5质量浓度和温湿度按时间段进行平均处理，并运用SPSS 软件进行回归分析。如表2 所示，温度的标准化回归系数为-0.125，湿度的标准化回归系数为0.577。由此可知，湿度对PM2.5质量浓度的贡献度最大，为57.7%。通过温度和相对湿度两个气象因子，对PM2.5每小时质量浓度作多元线性回归，得到方程如下：

式中，ρ表示PM2.5质量浓度值；t表示空气温度；HR表示相对湿度。

表2 中，显著性R2=0.631，说明温湿度两个气象环境因素共同解释了PM2.5质量浓度变化的63.1%，剩下的36.9%则受其它因素影响，包括且不限于风速、绿化、车流量等[19]。

表2 PM2.5 质量浓度与温湿度的回归分析

对PM2.5质量浓度和温湿度的每小时平均值进行线性拟合（图5），发现温度与PM2.5质量浓度呈现显著负相关，而湿度与PM2.5质量浓度呈现显著正相关，符合相关研究结论[20]。

图5 PM2.5 质量浓度与温湿度的相关性

2.3.2 PM2.5 质量浓度与风速的相关性

相关研究得知，街道峡谷内的风速会影响PM2.5的扩散速率，进而影响街道峡谷中PM2.5质量浓度。运用SPSS 软件对每小时的PM2.5质量浓度及平均风速进行相关性分析，可得到PM2.5质量浓度与风速相关系数为-0.391，且呈显著性相关。如图6所示，该街道峡谷细颗粒物浓度与风速呈反向变化趋势，各监测样点的平均风速由高到低依次为：C 点（1.22 m/s）、B 点（0.74 m/s）、D 点（0.4 m/s）、A 点（0.29 m/s）。其中，A点虽受绿化树木遮挡而风速最小，但PM2.5质量浓度也在绿化树木的沉降吸附作用下呈现较低的趋势；D 点风速较小，PM2.5质量浓度也最高。

图6 街道峡谷风速日变化

2.3.3 PM2.5 质量浓度与车流量的相关性

机动车辆的尾气排放是城市街谷中PM2.5的主要来源之一。研究表明，由机动车怠速引起的拥堵、交叉口拥堵和上坡都会引起街谷内大气污染物浓度的升高[21]，使沿街居民及路人的身体健康受到一定威胁。对该街道的车流量进行统计，可得到车流量的日变化（图7），发现车流量与街谷内PM2.5质量浓度呈现近似的变化趋势。运用SPSS 软件进行相关性分析可知，车流量与PM2.5质量浓度相关系数为0.916，且呈显著正相关；街道峡谷车流量总体上呈现出先上升后下降的趋势，并于11:00 左右达到峰值。因此，建议亳州路街道的沿街居民在非必要通勤的情况下，尽量避开11:00 这一时间段出行，以避免行车拥堵产生的高浓度PM2.5对人体健康造成危害。

图7 街道峡谷车流量日变化

3 城市街道峡谷空气质量评价

根据《环境空气质量指数（AQI）技术规定（试行）》（HJ 633—2012），对该街道4 个监测样点的有效数据进行统计分析（表3）。该街道峡谷的AQI 均值为109.25，PM2.5空气质量级别为三级，达轻度污染。

表3 街道峡谷空气质量评价

4 结语

研究城市不同空间形态下的PM2.5质量浓度差异，对于将健康干预理念融入到城市可持续发展当中，可起到推动作用；而街道峡谷作为城市结构的基本单元，其研究具有代表性与必要性。通过研究可知，气象因素、车流量等环境因素与PM2.5质量浓度具有一定关联性，对未来城市空气质量预测及优化起到一定的辅助作用。从污染物的排放根源解决是最简单有效的策略，但在城市建设中，还应考虑区域环境特征，即气象因素、建筑形态、道路绿化等都应作为改善空气质量的研究方向。

（1）气象因素中，风速和风向是影响空气污染物扩散的主要因素。通过对城市常年主导风向的观测，建立城市通风廊道，从宏观层面加快城市污染物的输送，优化城市内部空气质量。

（2）建筑空间形态对城市空气质量也具有一定的影响。因此，可通过对建筑高度比、街谷高宽比、建筑密度等设计指标的控制，优化街道两侧建筑空间形态，可在一定程度上改善街道峡谷风环境，从而在微观层面减少污染物的聚集。

（3）道路绿化对PM2.5的沉降具有重要影响。可选择叶片密集、粗糙度较高的树种，加快细颗粒物的沉降。在不同的区域环境中，可以选择不同植物的组合方式，建立植被屏障，进而有效消减污染物。