山地城市道路平坡路段PM2.5及VOCs浓度实证分析

2018-10-25向健

智能城市 2018年18期

向健

重庆交通大学交通运输学院，重庆 400074

近年来，我国空气污染问题愈发突出，2012年，中国的华北等地在当年属全球PM2.5数值最高的地区[1]。2013年，对北京市10个空气质量观测点的资料数据进行分析，得到北京市PM2.5浓度最高可达500µg/m3，平均值超过200µg/m3，污染程度十分严重[2]。而机动车尾气主要污染物有氮氧化物（NOx）、一氧化碳（CO）、碳氢化合物（HC）及可吸入颗粒物[3]。

山地城市车辆产生的污染由于受到地形限制，并不能快速有效地扩散开，但山区城市植被相对丰富，这也与平原城市有一定差异。2014年，重庆的环境污染源研究中表明，PM2.5来源最多来自二次粒子、移动源及扬尘，其中移动源占全部来源的28%左右[4]。而移动源主要来源是燃烧天然气、柴油及汽油的车辆。这说明山地城市受到车辆排放的影响也不容忽视。而早在2012年，重庆主城区污染研究中就表明，PM1.0、PM2.5和PM10日浓度均值可达0.057、0.075和0.120mg/m3，PM2.5的浓度是《美国环境空气质量标准》中PM2.5年均浓度标准的5倍，而PM10的浓度也超过了国家二级年均值标准（0.100mg/m3）[5]。2016年以来，虽重庆汽车保有量低于北京等城市，但城市交通对于VOCs浓度如芳香烃排放一样有显著的影响[6]。至今，在山地城市的污染排放研究中，还没有系统研究PM2.5及VOCs浓度在道路两侧直接的分布规律。所以本文针对山地城市的特点，分析PM2.5及VOCs浓度随路侧横向衰退规律的方式，以研究山地城市PM2.5及VOCs浓度在道路两侧的分布规律，并分析影响其分布特性及浓度大小的因素。

1 实验方案

1.1 试验道路

在重庆市主城区内选取了有代表性的3段路段，作为测量道路。分别为杨家坪西城天街、杨家坪西郊和杨家坪直港大道。

1.2 实验仪器

实验所用仪器分别为HT-305激光测距仪，用于测量横向距离、博朗通BR-SMART126空气质量测试仪，用于测量PM2.5、VOCs浓度。

1.3 采集的方法和断面观测

本文所运用的研究方法是实测数据法。根据实验的要求，我们主要测量PM2.5浓度随道路横向距离的分布规律，因此要求尽量选取离路边有较宽距离的地点测量，并且尽量使该地点在所选路段的中间段。测量间的横向距离的确定也是根据公路外路面的宽度而决定的。一般选择离路边有20m左右宽度的地点进行测量，相邻两次测量间的横向距离一般为2、3m或5m，每个断面采集8个或者9个数据做统计。

1.4 观测时间及采集的数据

此次试验的测量主要在四月下半旬采集的数据，数据采集物无刻意避开阴雨天气，每天分高峰期及平峰期各测一组数据。排出单一数据的特殊性。

2 PM2.5与VOCs浓度的分布特征

2.1 PM2.5浓度的横向分布特征

先整理测量的数据，在整体上对数据进行分析，可以很容易看出PM2.5与VOCs浓度与路侧横向距离有着密切的联系，选择如下的数据。杨家坪西城天街PM2.5浓度如图1所示。

图1 杨家坪西城天街PM2.5浓度

从图1各组折线中总体趋势可以看到，PM.25浓度一直在30mg/m3的范围内不停的波动，有时波动十分明显，有的波动相对较小。整体来看，PM2.5浓度是在测量范围内，随着路侧横向距离的增加有轻微衰减现象。

2.2 VOCs浓度的横向分布特点

同样选取杨家坪西郊为实验地，如图2所示。

图2 杨家坪西郊支路VOCs浓度

从总体的趋势可以看到，VOCs的浓度随着路侧横向距离的增加而呈现出下降的趋势并在一定距离之后基本保持恒定，且测量结果显示在9m之后基本保持稳定。从杨家坪西郊支路，杨家坪直港大道天宝广场中可以明显的看出VOCs随着路侧距离的增加而明显下降的趋势，而且越靠近行驶道路下降速率越快，然后逐渐趋于稳定。从PM2.5及VOCs浓度的不停波动可以分析，导致其波动性的可能是风速、车速及行人导致的测量时空气不停快速流动引起的。或者另一方面由于车辆在行驶过程中不停的变动，引起排放不规律的变化导致的数据的波动。

3 交通平峰期与高峰期对PM2.5与VOCs浓度的影响

3.1 交通拥平峰期与高峰期对PM2.5浓度的影响

根据图1、2中各个地方所测数据可以清楚地看出，同一个地方不同时间测量的数据，无论是PM2.5的浓度还是VOCs的浓度都有着很大的差异，得到PM2.5与VOCs浓度大小非单独的只受到路侧横向距离的影响，还会直接受到道路的拥堵情况的影响，所以本次实验主要选择了车辆流量高峰期及平峰期所测数据，从而可以进一步探讨交通拥挤程度对PM2.5与VOCs的浓度的影响。由表1可以看出，交通拥堵程度对于PM2.5与VOCs浓度存在很明显的影响。在同一天的测量数据中，PM2.5的浓度很大程度上受到了道路拥堵程度的影响，整体来看PM2.5浓度在道路拥堵的时刻比道路通畅的时候要高。从上海城20日、西郊支路24日及天宝广场24日数据可以清楚看到，高峰期PM2.5浓度高于平峰期浓度超过20mg/m3，其余大多数地区高峰期的PM2.5浓度明显高于平峰期时的数据。图中还可以看出除了交通量对PM2.5的影响，还有其他因素对其产生影响。但总体来说交通高峰期时PM2.5浓度比平峰期时PM2.5浓度高出约12.3%。

表1 实验路段平峰期及高峰期PM2.5及VOCs浓度分布情况

3.2 交通平峰期与高峰期对VOCs浓度的影响

同理，选择同一地方同一天的交通高峰期与交通平峰期VOCs浓度数据进行分析（表1），交通拥堵程度对于VOCs浓度有一定影响，但程度没有PM2.5那么明显。在同一天的测量数据中，VOCs浓度同样受到道路的拥堵程度的影响，整体来看VOCs浓度在道路拥堵时比道路通畅的情况下高，但不及对PM2.5的影响明显，从此可以猜测出其他因素对其产生的影响很大。从总体来看，交通高峰期时VOCs浓度比交通平峰期的VOCs浓度高出约8.9%。