歐陽，趙文吉*，鄭曉霞，熊秋林，孫春媛

1. 首都師范大學資源環(huán)境與地理信息系統(tǒng)北京市重點實驗，北京 100048

機動車排放對PM2.5空間分布的影響研究

歐陽1，趙文吉1*，鄭曉霞1，熊秋林1，孫春媛1

1. 首都師范大學資源環(huán)境與地理信息系統(tǒng)北京市重點實驗，北京 100048

PM2.5的大量存在已對人類生活和大氣環(huán)境產生了重大影響，而機動車作為城市 PM2.5的主要污染源，已越來越受到人們的廣泛關注。文章旨在研究機動車對道路兩旁PM2.5數(shù)濃度時空分布和影響情況。選取北京市西三環(huán)主干道旁校園、居民區(qū)、公園3類典型區(qū)域，分別在水平及垂直方向進行PM2.5濃度連續(xù)監(jiān)測，分析其分布規(guī)律，并采用相關分析方法討論了交通主干道兩旁車流量、車速與 PM2.5濃度分布之間的相關關系。結果表明，空間上，PM2.5濃度在水平和垂直方向上的分布均呈現(xiàn)一定規(guī)律性。水平方向上，PM2.5濃度變化整體的下降趨勢明顯。距離道路0～200 m之間平均下降幅度為5%，但0～50 m出現(xiàn)反常增大的現(xiàn)象，增大幅度高達8%，隨著水平距離的繼續(xù)增加，均勻下降，平均下降幅度為6.5%。垂直方向上，由于大氣垂直結構復雜，不同垂直距離的 PM2.5濃度隨高度遞增變化不顯著，呈波動趨勢，其中 1～10 m下降幅度為10%～11%，10～20 m的增大幅度為7%～11%，20～35 m的下降幅度不明顯，PM2.5濃度趨于穩(wěn)定。時間上，PM2.5濃度在7:00─9:00時間段受機動車流量影響大幅度上升，午間11:00─13:00 PM2.5濃度變化不明顯，13:00─15:00逐漸下降至白天的谷值點，19:00后受交通環(huán)境和逆溫等大氣條件兩方面因素影響，PM2.5又開始大幅度上升，達到峰值，約為白天最低濃度的2倍。數(shù)據顯示，車流量與PM2.5濃度在150 m處的相關性最好，0 m處相關性最弱；車流量變化與垂直高度上的PM2.5濃度之間的相關性在10 m高處相關性最好，0 m處相關性最差。通過本文實驗結果可知，水平方向50 m處的PM2.5濃度值最高，垂直方向10 m處的PM2.5濃度值最低，并且車流量的大小是影響道路兩旁PM2.5濃度高低的重要因素，尤其是在水平方向上相關關系更為明顯，而車速的快慢與道路兩旁PM2.5濃度高低并無明顯關系。

PM2.5；車流量；車速；相關分析法；空間分布

OU Yang, ZHAO Wenji, ZHENG Xiaoxia, XIONG Qiulin, SUN Chunyuan. Effect of Vehicles on the Temporal and Spatial Distribution of PM2.5[J]. Ecology and Environmental Sciences, 2015, 24(12): 2009-2016.

PM2.5指空氣動力學直徑小于或等于2.5 μm的顆粒物，又稱為入肺顆粒物，它是城市空氣環(huán)境中的一種重要污染物，對人體健康和人類日?；顒佣加泻艽蟮挠绊懀ㄓ诮ㄈA等，2004）。作為一種可吸入顆粒物，它能夠直接進入人體，融入血液，通過呼吸作用進入人體的上下呼吸道，嚴重損害人體健康，致使心肺功能紊亂，直接或間接地導致各種疾病，尤其對生長發(fā)育尚未健全的少年、兒童危害更為嚴重（常樂，2011）。PM2.5來源廣泛，包括各種日常發(fā)電、工業(yè)生產、汽車尾氣等（尹洧，2012）。隨著社會的快速發(fā)展和進步，PM2.5排放源不斷增加并急劇擴散，城市空氣污染日益嚴重。研究表明，在城市中汽車尾氣的排放是 PM2.5產生的一項非常重要的來源。近年來，隨著北京市私家小汽車數(shù)量的急劇上升，機動車逐漸成為城市空氣中 PM2.5濃度增大的一項重要原因。根據北京市大氣源解析中機動車排放貢獻率結果，北京市約有30%的PM2.5來源于汽車排放（2014年北京市環(huán)保局環(huán)境狀況公告，http://www.bjepb.gov.cn/）。機動車除了直接排放可吸入顆粒物對大氣造成污染外，在行駛過程中帶動周圍空氣流動對路面降塵產生真空抽吸作用也會導致路面降塵的二次飛揚，形成揚塵污染（陽紅等，2002），因此交通環(huán)境中道路兩旁PM2.5的污染比城市的平均水平更加嚴重，同時影響了整個城市的空氣質量及能見度。

國外針對交通源附近顆粒物的研究相對于我國來說開始得較早。Kendrick et al.（2015）和Pongpiachan et al.（2015）在城市交通量對空氣中PM2.5含量的影響中改進了可吸入顆粒物暴露評估方法。研究發(fā)現(xiàn)隨著汽車行駛量的增加，交通環(huán)境內 PM2.5濃度明顯高于周邊環(huán)境，因此對汽車尾氣中PM2.5的控制和研究具有一定的現(xiàn)實意義。Gillies et al.（2005）通過對垂直方向上PM2.5質量濃度的計算，分析不同車輛類型和 PM10排放量之間的關系，研究垂直方向上尾氣排放的特性。研究表明，汽車 PM10排放量與車速和車輛的重量有很強的線性關系，車速和車型是影響揚塵量的重要影響因素。國內許多學者針對 PM2.5的時空分布特性及PM2.5與機動車的相關性分析等方面進行了深入研究。Lv et al.（2016）在對北京市2000─2012年PM2.5的變化研究中發(fā)現(xiàn)，PM2.5濃度逐年漲幅明顯，且隨季節(jié)性變化較大，加之城市快速發(fā)展，工業(yè)進程加速，城市機動車保有量增加，一次污染氣體經空氣二次轉化，致使PM2.5中含有大量的硫酸鹽、硝酸鹽等成分，嚴重危害人體健康。吳燁等（2002）在對澳門半島主要道路路況的調查中建立道路機動車污染物排放的排放清單，并基本模擬了機動車排放對大氣污染的貢獻和顆粒物的排放系數(shù)，結果顯示機動車尾氣排放 PM2.5高達總污染物排放量的84.5%。魯興等（2004）于2003年采暖期對大氣懸浮顆粒物污染狀況進行了詳細的監(jiān)測，發(fā)現(xiàn) PM2.5和PM10質量濃度均呈周期性變化。趙晨曦等（2014）選取了覆蓋北京所有區(qū)縣的30個監(jiān)測點，對PM2.5污染分布進行分析，得到了空間差異特征和時間性變化特征，總結了PM2.5月變化規(guī)律。楊龍等（2005）在秋冬兩季進行PM2.5監(jiān)測，為擬合PM2.5垂直廓線方程對北京地區(qū)近地層 PM2.5垂直分布和相關因素進行研究，最終確定秋冬兩季PM2.5的垂直分布隨高度增加而呈對數(shù)減少的規(guī)律，并綜合考慮了逆溫和非逆溫條件下PM2.5質量濃度垂直分布與相關因素之間的關系。潘純珍等（2004）采用多種監(jiān)測方法針對重慶市道路PM2.5的濃度分布結合車流量調查結果討論了兩者之間的相關關系，對距離主干道路不同水平距離上的 PM2.5濃度也做了相應的研究，結果得到重慶市主干道 PM2.5質量濃度平均值及其水平分布和垂直分布上的明顯規(guī)律。李新宇等（2014）通過對北京四環(huán)主干道不同植被類型不同寬度綠化帶下的PM2.5濃度分布與變化進行監(jiān)測，得到 PM2.5日變化與車流量的日變化特征一致，且成雙峰型特征，同時得出植被對 PM2.5有一定的消減作用的結論。

顆粒物濃度空間分布特征是研究機動車道路周圍PM2.5擴散和移動規(guī)律的一項基本內容（孟健等，2006）。國內外學者主要通過PM2.5在近地層不同高度的垂直分布狀況和底層大氣細顆粒物的水平分布特征兩方面進行分析，多側重PM2.5受氣候變化、時間變化影響的空間分布規(guī)律。而針對局部交通，在非典型性氣候的穩(wěn)定條件下結合機動車流量、車速兩類因素研究機動車對PM2.5濃度的影響仍是少數(shù)。本研究是對目前國內外研究的進一步分析與補充，對處于短期穩(wěn)定氣候條件的北京市西三環(huán)主路兩旁典型人口密集地區(qū)的PM2.5濃度檢測，得到水平距離和垂直高度上PM2.5濃度隨時間的變化情況，結合車流量、車速兩個因素進行相關分析，總結PM2.5濃度在道路兩旁的時空變化規(guī)律及機動車對 PM2.5濃度變化的影響，以期為解決城市空氣環(huán)境污染提供數(shù)據參數(shù)，為改善城市空氣質量提供意見。

1　材料與方法

1.1數(shù)據采集

研究選取以南北向、雙向六車道的西三環(huán)道路的周圍典型人口密集區(qū)為監(jiān)測點進行數(shù)據采集。雙向車道中間有隔離帶，車流量大。監(jiān)測點分別位于北京市西三環(huán)北路首都師范大學校園、居民區(qū)及位于中央電視塔東側的玉淵潭公園，如圖1所示。實驗點周邊空氣環(huán)境除機動車道路外無其他工業(yè)源的影響，測試路段從06:00—23:00期間不允許大貨車通行。研究區(qū)內監(jiān)測點的選取遵循盡量避開人為PM2.5污染源的原則。

圖1　監(jiān)測點位置分布圖Fig. 1 Location of air quality monitoring stations

本研究采用的數(shù)據主要包括以下3個方面。

1.1.1激光顆粒物檢測儀（Dylos DC1700）監(jiān)測數(shù)據

實驗采用產自美國的激光顆粒物檢測儀（Dylos DC1700），晝夜連續(xù)監(jiān)測PM2.5的數(shù)量濃度。Dylos DC1700檢測儀是具有美國專利（專利號8009290）和中國專利ZL 2008（專利號80017554.5）的產品，鄭曉霞等（2014）、羅娜娜等（2013）均應用該儀器對北京市 PM2.5空間分布進行研究，并得到了較好的結果。采樣時間為2015年3月14日─2015年3月21日。該儀器是一款輕便型激光顆粒物監(jiān)測儀。儀器LCD動態(tài)條形圖上顯示的讀數(shù)為每6秒鐘的粒子濃度平均值，記錄頻率為每分鐘1次，即每小時共 60組數(shù)據。本研究的時間尺度為小時，因此對1 h內的60組監(jiān)測數(shù)據求平均值，以小時濃度的平均值代表該小時的顆粒物濃度大小。采樣點設置在道路的水平垂直線和豎直垂直線上。水平方向共設置5臺儀器，水平間距為50 m，即距離道路分別為0、50、100、150和200 m。距地面高度1.70 m（以中國人平均身高為參考）。豎直方向采樣點布置在臨近并垂直于道路的首都師范大學實驗樓1、4、8、11不同樓層的窗戶外，每層高3 m，每個監(jiān)測點間隔約10 m，即距地面分別為1、10、20和35 m。儀器安放位置如圖2。

圖2　水平、豎直方向上分布監(jiān)測點儀器分布示意圖Fig. 2 Horizontal and vertical distribution of monitoring points

1.1.2環(huán)境保護監(jiān)測中心數(shù)據

獲取北京市環(huán)境保護監(jiān)測中心網站（http://www.bjmemc.com.cn）每日實時發(fā)布的空氣質量數(shù)據AQI作為對實驗數(shù)據的檢驗依據?？諝赓|量指數(shù)（Air Quality Index，簡稱AQI）是定量描述空氣質量狀況的無量綱指數(shù)。2012年上半年國家出臺規(guī)定將用空氣質量指數(shù)代替原有空氣污染指數(shù)，參評主要污染物為細顆粒物、可吸入顆粒物PM2.5，并且指數(shù)越大，空氣污染情況越嚴重。同步選取中國氣象局公布的同步氣象資料作為參考（http://www.cma.gov.cn/2011qxfw/2011qtqyb），保證數(shù)據采集過程中氣候條件的穩(wěn)定。

1.1.3車流量數(shù)據

車流量數(shù)據主要采用車流量計數(shù)儀所獲取的數(shù)據進行精確測量。并通過測量兩個天橋間的固定距離來獲取車速。使用車流量計數(shù)儀分別在每小時的時段內選取先后各15 min進行均勻抽樣計數(shù)，所得數(shù)值除以2得該時段內15 min通過的車流量的平均值，進而乘以4得到該時段測試道路車流量的總數(shù)。

1.2相關性分析方法

相關性分析（高惠璇，2005）是對研究對象之間的依存關系的一種研究方法，旨在討論兩種或多種現(xiàn)象之間的相關程度和并存關系，是一種非確定性的隨機變量之間相關性的統(tǒng)計方法。其中，線性相關性分析作為一種最為常用的變量分析方法，用相關系數(shù)r來對多種因素進行描述。若y隨著x變化而變化的方向一致，則兩者存在正相關關系，相關系數(shù)r>0；相反，若y隨著x變化而變化的方向相反，則兩者的相關關系為負相關，并且相關系數(shù)r＜0。其中當|r|＜0.3時認為兩者的相關關系極弱，r=0不相關。數(shù)學定義為：

其中，n為樣本數(shù)，xl和yt分別為兩變量的變量值。由式（1）可進一步得知簡單相關系數(shù)為：

相關系數(shù)可以反映自變量之間的線性相關的程度，但相關系數(shù)是根據樣本進行計算而得出的，帶有一定的隨機性，會有誤差存在。因此進行相關分析時，需要對所得相關系數(shù)r進行顯著性檢驗，顯著性水平取ɑ=0.05，通過找到對應的最低臨界值來確定在顯著性水平下變量間的相關性是否顯著，同時可以判斷線性關系是否成立。

圖3　2015年3月14日─2015年3月21日空氣質量變化Fig. 3 14/03/2015─21/03/2015 air quality change

1.3監(jiān)測儀器精度驗證

為論證本研究的事實性、科學性，研究通過收集由國家空氣質量標準制定、北京市環(huán)境保護監(jiān)測中心網站每日實時發(fā)布的空氣質量數(shù)據AQI（如圖3）與實驗檢測結果的平均值對比，精度驗證結果顯著。在2015年3月14日——2015年3月21日所監(jiān)測的PM2.5濃度變化趨勢與北京市環(huán)境保護監(jiān)測中心網站每日實時發(fā)布的空氣質量數(shù)據 AQI變化趨勢相一致，兩者的相關系數(shù)高達0.94?？傮w上來看2015年3月14日—2015年3月21日連續(xù)7 d AQI呈現(xiàn)先增大后減小的趨勢，并且在16、17日兩天霧霾現(xiàn)象嚴重，PM2.5濃度偏高；21日空氣質量為7 d內最佳。

2　結果與分析

2.1空間分布特征

2.1.1PM2.5水平距離分布規(guī)律

從圖4中可以看出連續(xù)7 d不同水平距離上的PM2.5濃度的變化情況，無論是不同時間還是不同日期，PM2.5濃度變化整體的下降趨勢非常明顯。以代表一周內 PM2.5濃度變化情況的均值黑色虛曲線為例進行分析，結果發(fā)現(xiàn)，距離道路0～200 m之間 PM2.5濃度隨水平距離的延伸呈顯著下降趨勢，平均下降幅度為5%，但0～50 m出現(xiàn)反常增大的現(xiàn)象，增大幅度高達8%。隨著水平距離的繼續(xù)增加，在50～200 m之間，每間隔50 m PM2.5濃度以6.5%的速率遞減，200 m處的PM2.5濃度為50 m處的81%，是0 m處的87%。這種在50 m處PM2.5濃度達到峰值的現(xiàn)象在空氣質量較差的時候表現(xiàn)得更為明顯（如3月16日和3月17日），這兩日AQI也高達420、400。

圖4　不同水平距離PM2.5濃度Fig. 4 Different levels of PM2.5concentration

數(shù)據顯示道路兩旁PM2.5濃度變化呈現(xiàn)一定規(guī)律性，即距離公路越近，顆粒物濃度值越大。這是因為隨著距離增大，PM2.5濃度擴散力逐漸減弱，影響范圍和程度均有限，而0～50 m反?，F(xiàn)象主要由于空氣動力學原理（王曉磊等，2014；穆珍珍等，2011），如圖5所示，由流體壓強與流速的關系分析可知，當汽車行駛時，道路中間的空氣流速較大，空氣壓強較小，道路兩邊的空氣流速小，空氣壓強大，所以兩邊的氣壓將道路兩旁的細顆粒物帶向道路中間，導致距離道路最近的點PM2.5值偏?。ǜ盗⒚?，2001；陳正江，2005；宋明等，2013）。此外道路旁的綠化帶對PM2.5有一定的吸附作用，也能起到降低PM2.5濃度的效果（王錦平，2013；李新宇等，2014；曹玲等，2013）。因此從水平垂直于道路的方向上來看，整體呈現(xiàn)先增大再減小的規(guī)律。另外從數(shù)據中可以看到在距離道路150～200 m之間PM2.5濃度值有時會存在反常變化，這可能是由于周圍環(huán)境200 m外的另外一條道路所帶來的影響。

圖5　空氣流體運動示意圖Fig. 5 Schematic diagram of air fluid motion

圖6　不同監(jiān)測點水平垂直于道路不同距離PM2.5濃度Fig. 6 The level of different monitoring points is perpendicular to the road at different distances from the PM2.5concentration

通過校園、居民區(qū)、公園3個監(jiān)測點連續(xù)多天的PM2.5濃度監(jiān)測（如圖6）發(fā)現(xiàn)：在0～50 m距離內PM2.5濃度開始上升，在50 m處到達最大值，隨后在50～200 m內PM2.5濃度逐漸減小，在200 m處達到最小值。整體上來看，公園內PM2.5濃度變化起伏較小，濃度值低，較為穩(wěn)定，說明公園的空氣環(huán)境較好，這可能與公園內大面積綠色植被有關。

2.1.2PM2.5垂直方向分布規(guī)律

通過對實驗樓監(jiān)測點連續(xù)7 d的晝夜PM2.5數(shù)據采集，分析一周內同一地點的1、10、20和35 m不同高度 PM2.5濃度值變化情況進行分析。由圖 7可以看出，不同時間和不同日期里PM2.5濃度變化趨勢相同，以代表一周內PM2.5濃度變化情況的均值黑色虛曲線為例進行分析，結果發(fā)現(xiàn)，距離道路不同高度 PM2.5濃度整體趨勢隨著高度的增加先減少再增加。從圖 7中也可以看出不同垂直距離的PM2.5濃度隨高度遞增變化不顯著，呈現(xiàn)波動趨勢，其中1～10 m下降幅度為10%，10～20 m的增大幅度為7%，20～35 m的下降幅度不明顯，趨于穩(wěn)定。整體趨勢可以看出，均在 10 m高度處到達 PM2.5濃度的谷值，這是因為地表溫度較高有利于大氣的垂直對流，能加快PM2.5的擴散，使其在地表1～10 m處濃度較低。但由于1 m處路邊揚塵沉淀等其它人類活動原因過多，使得在10 m高度上才有明顯的表現(xiàn)。同時，近地面的逆溫效應，阻礙了 PM2.5的擴散，導致其在1 m處濃度較高。從10 m處開始，隨著高度的增加 PM2.5濃度開始上升且穩(wěn)定變化，其中在20 m高度處達到峰值，兩者間增幅為55%。這一規(guī)律特征與穆珍珍等（2011）研究結果相吻合。但由于PM2.5粉塵空間變化復雜，原因多樣，有關垂直方向上變化趨勢曲折的原因仍有待繼續(xù)研究。本實驗同時也說明在10 m左右高度的空氣質量較好。

圖7　不同垂直高度PM2.5濃度變化Fig. 7 The change of PM2.5concentration in different vertical height

2.2機動車與PM2.5濃度的相關性分析

2.2.1機動車車流量與車速觀測結果

根據研究結果，由于 7:00—19:00之間的白天為人類活動最頻繁、車流量變化最大、機動車種類較為均勻的時段，而夜間行駛的車輛多為污染物排量大的柴油車，又受逆溫現(xiàn)象影響（何永晴等，2014；鄭曉霞等，2014；王菊等，2013）。逆溫現(xiàn)象主要發(fā)生于夜間及某些特殊天氣條件，屆時地面上空的大氣結構會出現(xiàn)氣溫隨高度增加而升高的反常現(xiàn)象，上下層空氣減少了流動，近地面層大氣污染物難易擴散，逐漸積累使得空氣污染加重。因此下面的分析均采用在穩(wěn)定氣候條件下白天7:00—19:00作為研究時段，對PM2.5濃度和車流量、車速兩種因素進行相關性分析。

圖8　機動車相關因素變化情況Fig. 8 Vehicle related factors change

為了討論車流量對 PM2.5濃度變化的影響，分別觀測獲取西三環(huán)道路上的車流量、車速數(shù)據。圖8為選取的2015年3月16號的車流量和車速數(shù)據，圖中7:00—9:00和17:00—19:00這兩個時段車輛總數(shù)都超過了 15000輛，分別為早晚高峰期，其中7:00—9:00是上班車流出行集中階段，該時段的交通數(shù)量是每天的巔峰，下午由于工作時間的差異，車流量有所下降，但在17:00左右晚高峰現(xiàn)象也較為明顯，而中午 12:00—13:00車輛總數(shù)穩(wěn)定在13000輛左右。并且，如圖8所示，可以看出，7:00—9:00和16:00—18:00這兩個時段車速迅速下降，分別為早高峰、晚高峰，而中午12:00—13:00車速較快。

根據觀測所得的每天校園的 PM2.5濃度數(shù)據（如圖 9），從圖中可以看出，校園內 PM2.5濃度白天變化規(guī)律：7:00─9:00時間段 PM2.5濃度達到上午的峰值2.6×106particles·m-3；11:00─13:00 PM2.5濃度變化不明顯；13:00─15:00逐漸下降到白天的谷值點2.3×106particles·m-3；從峰值到谷值的下降幅度為34%。在15:00─19:00期間，隨著時間的推延PM2.5又開始大幅度上升，上升幅度為45%，19：00時達到白天峰值3.1×106particles·m-3，約為白天最低濃度的2倍，此觀測結果與潘純珍等（2014）所測數(shù)據趨勢一致。通過圖8與圖9可以看出，PM2.5濃度分布特征趨勢與當天的車流量數(shù)據變化趨勢相接近，與車速變化趨勢差別較大。由于北京市對重型柴油車的限制，五環(huán)以內的市區(qū)90%以輕型汽油車為主，車型單一。隨著車流量的增加，機動車排放 PM2.5濃度增大，使得交通環(huán)境周圍空氣質量受到影響。因此，為了研究機動車影響因素與PM2.5濃度的相關關系，只選取車流量數(shù)據與 PM2.5濃度數(shù)據作為我們的研究對象來展開相關性分析。

圖9　白天PM2.5濃度數(shù)據分布情況Fig. 9 Distribution of PM2.5concentration during the day

2.2.2機動車與PM2.5的相關性分析

為了分析機動車影響因素與 PM2.5水平和垂直方向上濃度之間的關系，對典型區(qū)域白天每小時（7:00—18:00）采集到的水平和垂直方向上的PM2.5濃度值分布求和取均值，然后與其相對應的車流量、車速數(shù)據進行線性回歸擬合。車流量與 PM2.5濃度值回歸結果如圖10與圖11所示，車流量與水平距離方向上的擬合結果R2為0.76，車流量與垂直距離方向上的擬合結果 R2為 0.51。從結果上看，PM2.5水平方向上的濃度與車流量之間相關性較好，垂直方向上的相關性一般。圖12與圖13為車速與道路旁水平與垂直方向上 PM2.5濃度之間的相關關系，車速與水平距離方向上的擬合結果R2為0.55，車速與垂直距離方向上的擬合結果R2為0.47。從結果上看，PM2.5濃度與車速的相關性較差。

圖10　車流量與道路水平方向PM2.5濃度之間的相關關系Fig. 10 The correlation between the concentration of PM2.5in the direction of vehicle flow and road

圖11　車流量與道路旁垂直方向PM2.5濃度之間的相關關系Fig. 11 The correlation between the PM2.5concentration in the vertical direction of the vehicle flow and the road

為了進一步定量描述車流量與 PM2.5濃度之間的關系，下面使用相關分析方法對車流量、車速與PM2.5水平和垂直兩個方向上的濃度做定量相關分析。分析結果如表1，表2所示，車流量與水平距離上PM2.5濃度之間的相關性明顯，水平距離150 m處的相關性最好，水平距離0 m處相關性較弱。車流量與垂直距離方向上的 PM2.5濃度在不同高度距離上的相關系數(shù)整體低于水平距離方向上的結果。從數(shù)據中可以看出無論是在水平方向上，還是在垂直方向上，距離道路最近的0 m處相關性都較弱，這說明距離道路最近處 PM2.5濃度變化的影響因素較多，這與細顆粒物空間分布的復雜性及車輛行駛過程中氣流運動的影響有關。根據北京市現(xiàn)有機動車車型比例調查結果，北京市輕型汽油車占車輛總數(shù)的 90%（孟健等，2006）。本文假設輕型汽油車的排放量基本相同。以往對不同車速下機動車排放污染狀況進行的研究結果表明：一輛國Ⅱ小轎車，當車速超過40 km·h-1，可吸入顆粒物等污染物隨速度增加排放因子降低，當速度低于40 km·h-1或瞬間啟動時，可吸入顆粒物排放量較大。（齊鵬等，2014；孫國金，2013）。由于本實驗選取北京市西三環(huán)主要交通道路作為研究對象，其早晚不穩(wěn)定的交通流量使得車速變化程度較大，而車速對交通環(huán)境中的PM2.5的影響主要是揚塵導致的二次污染，這種污染具有一定的延遲性，與周圍環(huán)境的相關性較差，影響較小。從獲取的實驗數(shù)據中，可以明顯看出PM2.5濃度與車速之間相關性一般，相關系數(shù)穩(wěn)定在0.5左右，尤其在垂直高度上的相關性較差，相關系數(shù)僅為0.20。

圖12　車速與道路水平方向PM2.5濃度之間的相關關系Fig. 12 The correlation between the speed of the vehicle and the PM2.5concentration in the direction of the road

表1　機動車影響因素與水平方向上PM2.5相關系數(shù)Table 1 The correlation coefficient of PM2.5in the horizontal direction of the motor vehicle

表2　機動車影響因素與垂直方向上PM2.5相關系數(shù)Table 2 PM2.5correlation coefficient in the vertical direction of motor vehicle

3　結論

機動車作為城市大氣環(huán)境中的主要污染源，它帶來的 PM2.5污染程度較高，對城市空氣質量影響較大。隨著城市機動車數(shù)量大幅增加，車流量增大，城市交通網日趨復雜，空氣環(huán)境中的PM2.5濃度也越來越高，對人類健康生活造成巨大危害。本研究通過科學實驗、數(shù)據采集和相關分析的方法對北京市西三環(huán)地段交通道路中車流量情況和其周圍典型區(qū)域的PM2.5濃度的相關性進行了初步研究，得出了以下幾點結論，（1）水平方向上不同距離的PM2.5濃度隨著時間的推移變化趨勢一致。同樣，垂直方向上不同高度的 PM2.5濃度隨著時間的推移變化趨勢也一致。由此可知道路兩旁PM2.5濃度在水平和垂直方向上的分布是存在一定規(guī)律性的。（2）通過水平和垂直方向上PM2.5濃度與車流量大小的相關分析可知，車流量的大小是影響道路兩旁PM2.5濃度高低的重要因素，尤其在水平方向上相關關系更為明顯，相關系數(shù)高達0.76，而車速的快慢與道路兩旁PM2.5濃度高低并無明顯關系。

GILLIES J A, ETYEMEZIAN V, KUHNS H, et al. 2005. Effect of vehicle characteristics on unpaved road dust emissions [J]. Atmospheric Environment, 39(13): 2341-2347.

KENDRICK C M, KOONCE P, GEORGE L A. 2015. Diurnal and seasonal variations of NO, NO2and PM2.5mass as a function of traffic volumes alongside an urban arterial [J]. Atmospheric Environment, 122: 133-141.

LV B, ZHANG B, BAI Y. 2016. A systematic analysis of PM2.5in Beijing and its sources from 2000 to 2012 [J]. Atmospheric Environment, 124: 98-108.

PONGPIACHAN S, KOSITANONT C, PALAKUN J, et al. 2015. Effects of day-of-week trends and vehicle types on PM2.5-bounded carbonaceous compositions [J]. Science of The Total Environment, 532: 484-494.

曹玲, 曹華, 于海躍, 等. 2013. 河西走廊極端干旱區(qū) PM10質量濃度分布特征及其與氣象要素關系研究[J]. 生態(tài)環(huán)境學報, 22(11): 1807-1813.

常樂. 2011. 鞍山市 TSP及 PM10相關性分析研究[J]. 干旱環(huán)境監(jiān)測,25(1): 45-48.

陳正江. 2005. 汽車動力傳動系優(yōu)化設計研究[D]. 武漢: 武漢理工大學: 35-53.

傅立敏. 2001. 汽車空氣動力學數(shù)值計算[M]. 北京: 北京理工大學出版社: 142-183.

高惠璇. 2005. 應用多元統(tǒng)計分析[M]. 北京: 北京大學出版社: 343-366.

何永晴, 趙玉成, 馮蜀青. 2014. 西寧市逆溫特征及其與空氣污染物濃度的相關分析[J]. 冰川凍土, 36(3): 608-613.

李新宇, 趙松婷, 李延明, 等. 2014. 北京市不同主干道綠地群落對大氣PM2.5濃度消減作用的影響[J]. 生態(tài)環(huán)境學報, 23(4): 615-621.

魯興, 吳賢濤. 2004. 北京市采暖期大氣中PM10和PM2.5質量濃度變化分析[J]. 焦作工學院學報(自然科學版), 23(6): 487-490.

羅娜娜, 趙文吉, 晏星, 等. 2013. 交通與氣象因子對不同粒徑大氣顆粒物的影響機制研究[J]. 環(huán)境科學, 34(10): 3741-3748.

孟健, 付樺, 趙曉林, 等. 2006. 北京西三環(huán)路分時段車流量分析[J]. 首都師范大學學報(自然科學版), 27(2): 89-92, 98.

穆珍珍, 趙景波, 徐娜, 等. 2011. 西安市雁塔區(qū)冬季可吸入顆粒物時空變化研究[J]. 環(huán)境科學學報, 31(7): 1509-1516.

潘純珍, 陳剛才, 楊清玲, 等 2004. 重慶市地區(qū)道路PM10/PM2.5濃度分布特征研究[J]. 西南農業(yè)大學學報(自然科學版), 26(5): 576-579.

齊鵬, 儲江偉, 王伊安, 等 2014. 汽車排放 PM2.5檢測方法及結果分析[J]. 節(jié)能技術, 32(3): 223-227.

宋明, 韓素芹, 張敏, 等. 2013. 天津大氣能見度與相對濕度和 PM10及 PM2.5的關系[J]. 氣象與環(huán)境學報, 29(2): 34-41.

孫國金. 2013. 機動車排放 PM2.5和 NOx的特征與減排對策[D]. 浙江:浙江大學: 76-86.

王錦平. 2013. 城市汽車尾氣排放與環(huán)境污染及其防治對策[J]. 科技信息, (1): 445-446.

王菊, 劉禹彤, 趙秀敏, 等. 2013. 長春市大氣環(huán)境中 PM10二重源解析研究[J]. 生態(tài)環(huán)境學報, 22(2): 288-292.

王曉磊, 王成, 古琳, 等. 2014. 春季不同天氣城市街頭綠地內 PM2.5質量濃度分布特征研究[J]. 生態(tài)環(huán)境學報, 23(6): 972-978.

吳燁, 郝吉明, 傅立新, 等. 2002. 澳門機動車排放清單[J]. 清華大學學報(自然科學版), 42(12): 1601-1604.

陽紅, 孫德仕. 2002. 道路交通顆粒物污染排放機理[A]//中國顆粒學會.中國顆粒學會2002年年會暨海峽兩岸顆粒技術研討會會議論文集[C]//中國顆粒學會: 2002: 5.

尹洧. 2012. 大氣顆粒物及其組成研究進展(上)[J]. 現(xiàn)代儀器, 18(2): 1-5.

楊龍, 賀克斌, 張強, 等. 北京秋冬季近地層PM2.5質量濃度垂直分布特征[J]. 環(huán)境科學研究, 18(2): 23-28.

于建華, 虞統(tǒng), 魏強, 等. 2004. 北京地區(qū)PM10和PM2.5質量濃度的變化特征[J]. 環(huán)境科學研究, 17(1): 45-47.

趙晨曦, 王云琦, 王玉杰, 等. 2014. 北京地區(qū)冬春PM2.5和PM10污染水平時空分布及其與氣象條件的關系[J]. 環(huán)境科學, 35(2): 418-427.

鄭曉霞, 趙文吉, 晏星, 等. 2014. 降雨過程后北京城區(qū) PM2.5日時空變化研究[J]. 生態(tài)環(huán)境學報, 23(5): 797-805.

Effect of Vehicles on the Temporal and Spatial Distribution of PM2.5

OU Yang1, ZHAO Wenji1*, ZHENG Xiaoxia1, XIONG Qiulin1, SUN Chunyuan1
1. Resource, Environment and Geographic Information System Key Laboratory of Beijing, Capital Normal University, Beijing 100048, China

As the main component of atmospheric air pollution, PM2.5has a negative impact on human life and atmosphere, and it is mostly produced from vehicle in urban environment. This paper aims to study the temporal and spatial distribution of PM2.5on the roadside and its response to vehicle. Taking campus, residential areas, parks next to the West Third Ring Road in Beijing as an example, firstly, we conducted a survey to monitor the distribution of PM2.5by means of horizontal and vertical distribution monitoring methods. Secondly, we analyzed the regularities of distribution of PM2.5in both horizontal and vertical directions and correlation analysis method was employed to analyze the relationship between the PM2.5concentrations and vehicle (traffic flow or travel speed). In spatial, the experiment results showed that PM2.5concentration has a good regularity in both horizontal and vertical distribution. In the horizontal direction, PM2.5concentration had a significant decreasing trend and varied with the distance to the roads. The average decrease rate of the 0～200 meter distance was 5%. However, the average increase rate of the 0～50 meter distance reached 8%. With the increase of distance to the roads, the PM2.5concentration decreased linearly with the average decline rate of 6.5%. In the vertical direction, the incremental change of PM2.5concentration is not significant for different vertical distance because of the complexity of atmospheric vertical structure. The average decrease rate of the 1～10 meter was 10%～11%, and the average increase rate of the 10～20 meter was 7%～11%. The increase rate of the 20～35 meter was not apparent, and the PM2.5concentration tends to be stable. In temporal, the experiment results showed that in the 7:00─9:00am time period, there was an increasing impact of the amount of motor vehicle traffic on the PM2.5concentration, and the PM2.5concentration had no evident change in the 11:00am─1:00pm time period. PM2.5concentration gradually decreased to valley point during the day in the 1:00─3:00pm period, and then PM2.5concentration began to rise rapidly after 7:00 pm because of heavy traffic and atmospheric conditions. We concluded that via correlation analysis, there is an evidence correlation between traffic flow and the horizontal distance to the roads, and the strength of relation was strongest at 150 m and weakest at 0 m. The traffic flow was strongly correlated with vertical height at 10 m height, and the correlation was weak at 0 m height. However, there was no obvious relationship between travel speed and PM2.5concentration. Through the experimental result in this paper, the highest PM2.5concentration was reached at 50 m in horizontal direction, and the lowest PM2.5concentration was reached at 10 m in vertical direction. The traffic flow is an important factor affecting PM2.5concentrations especially in the horizontal direction. However, there was no obvious relationship between the travel speed and the PM2.5concentration.

PM2.5; traffic flow; travel speed; correlation analysis; spatial distribution

10.16258/j.cnki.1674-5906.2015.12.013

X513

A

1674-5906（2015）12-2009-08

國家青年科學基金項目（41201404）；北京市自然科學基金項目（8133051）；國家基礎測繪基金項目（2011A2001）；博士點基金項目（20111102110004）

歐陽（1992年生），女，碩士研究生，主要研究方向為大氣環(huán)境與GIS應用。Email: ouyangcnu@gmail.com *通信作者。

2015-10-10

引用格式：歐陽, 趙文吉, 鄭曉霞, 熊秋林, 孫春媛. 機動車排放對PM2.5空間分布的影響研究[J]. 生態(tài)環(huán)境學報, 2015, 24(12): 2009-2016.