魯鳳杰，羅亞萍

?

城市機(jī)動車PM1污染濃度影響模型及應(yīng)用

魯鳳杰1，羅亞萍2

（1.長安大學(xué)汽車學(xué)院，陜西 西安 710064；2.蘭州工業(yè)學(xué)院汽車工程學(xué)院，甘肅 蘭州 730050）

交通產(chǎn)生的細(xì)小入肺顆粒物PM1給人們的生活環(huán)境及長期健康帶來不利影響，有必要分析城市環(huán)境中顆粒物濃度情況。文章在西安市小范圍內(nèi)對PM1進(jìn)行了濃度監(jiān)測并建立了多元回歸模型，并對結(jié)果進(jìn)行了可視化。模型指出相對濕度、風(fēng)速與綠地面積為主要影響變量，結(jié)果顯示出研究區(qū)域內(nèi)的顆粒物濃度熱點(diǎn)集中在建筑密集區(qū)域,以及植被少、設(shè)施陳舊的小區(qū)。

機(jī)動車污染；PM2.5；PM1；污染物濃度分布

前言

空氣質(zhì)量在很大程度上影響著城市居民的生活環(huán)境，而交通產(chǎn)生的空氣污染已成為城市大氣污染的主要原因之一?？晌腩w粒物(PM2.5)為汽車尾氣污染物中的重要成分，會增加呼吸系統(tǒng)等疾病的發(fā)病率。粒徑1~5μm的PM主要影響氣管和支氣管，而動力學(xué)直徑小于或等于1μm的PM1則更具危害，可進(jìn)入血液系統(tǒng)，沉積在血管內(nèi)壁，損害循環(huán)系統(tǒng)進(jìn)而影響身體其他部分[1]。因此，本文研究城市生活環(huán)境在交通影響下PM1的濃度分布水平，以期對提升城市大氣環(huán)境，改善居民健康提供參考和建議。

1 濃度監(jiān)測實驗

1.1 實驗?zāi)康?/h3>

本實驗通過實地測量獲得城市道路上的濃度數(shù)據(jù)，再由PM1濃度影響模型的建立獲得區(qū)域內(nèi)任意點(diǎn)濃度值。

1.2 監(jiān)測實驗設(shè)計

研究區(qū)域選取西安小寨東路以北、友誼東路以南約3.5 km2方形面積。該區(qū)域人口密集，土地類型具有明顯多樣性（包含生活小區(qū)、商業(yè)中心、公共設(shè)施、露天市場等），是居民活動頻繁的區(qū)域。

濃度監(jiān)測方式為移動監(jiān)測，實驗在春季進(jìn)行，共10天，檢測時間為每天早晚高峰，按固定路徑采集多個采樣點(diǎn)PM質(zhì)量濃度，溫度、濕度等數(shù)據(jù)。并獲取各路徑交通量與試驗期間風(fēng)速數(shù)據(jù)。

1.3 監(jiān)測結(jié)果

經(jīng)篩選整理和初步統(tǒng)計，試驗期間各采樣點(diǎn)PM1平均濃度值為18.52μg/m3，標(biāo)準(zhǔn)差7.53；試驗期間平均溫度20.10℃；相對濕度均值55.21%；平均風(fēng)速為0.96m/s。

2 濃度模型建立及分析

2.1 濃度影響因子

本文選取風(fēng)速、氣溫、相對濕度、交通量、植被面積、建筑面積為自變量，以測得的PM1濃度的對數(shù)作為因變量進(jìn)行多元線性回歸。其中，由于精度較大，兩種土地類型的面積由地圖分析軟件獲得。

2.2 模型結(jié)果及分析

回歸結(jié)果中，相對濕度標(biāo)準(zhǔn)化系數(shù)（β）0.75；風(fēng)速的β值為-0.49，測點(diǎn)周圍直徑300米范圍內(nèi)的綠地面積β值為-0.168。三者均在0.05水平上與PM1濃度顯著相關(guān)。模型R2為0.49。

其中，濕度大時空氣中水分可以附著在微粒上使質(zhì)量濃度增加；風(fēng)速的增大會加速顆粒物擴(kuò)散進(jìn)而減小PM1濃度；綠色植被也對減小顆粒物濃度起到積極作用；由于機(jī)動車排放源強(qiáng)在小范圍內(nèi)差異不大，交通量并未成為主要影響因素。雖然最終模型的R2較低，但對比同類研究[2,3]，也較為合理。

3 PM1濃度影響模型應(yīng)用

3.1 研究區(qū)域PM1濃度分布

在研究區(qū)域地圖上生成加密網(wǎng)格，應(yīng)用濕度45%，風(fēng)速1m/s條件下PM1濃度模型獲得網(wǎng)格中心點(diǎn)濃度，結(jié)合已知采樣點(diǎn)濃度進(jìn)行插值，得到PM1質(zhì)量濃度在研究范圍內(nèi)的分布情況如圖1。

圖1 研究區(qū)域內(nèi)PM1質(zhì)量濃度c的分布

由圖可知，北部尤其是西北方向濃度偏高，這一區(qū)域多為密集分布的老舊小區(qū)，南二環(huán)路及兩側(cè)植被覆蓋率高處，PM1明顯偏低。與實際情況較為符合。

4 結(jié)論

本研究指出在城市生活環(huán)境中的PM1濃度強(qiáng)度情況，通過建立回歸模型得到其主要影響因素，即濕度、風(fēng)速與植被面積，最終模型解釋了49%的濃度差異。應(yīng)用結(jié)果對于減少人群污染物暴露，改善規(guī)劃和管理具有參考價值。

[1] 邱兆文. 汽車節(jié)能減排技術(shù).北京:化學(xué)工業(yè)出版社;2015.5.

[2] Farrell W, Weichenthal S, Goldberg M, Valois MF, Shekarrizfard M, Hatzopoulou MJEP. Near roadway air pollution across a spatially extensive road and cycling network [J]. 2016;212:498-507.

[3] Kerckhoffs J, Hoek G, Vlaanderen J, Van NE, Messier K, Brunekreef B,et al. Robustness of intra urban land-use regression models for ultrafine particles and black carbon based on mobile monitoring [J]. 2017;159:500-8.

Analysis on the concentration distribution of vehicle caused particulate pollution

Lu Fengjie1, Luo Yaping2

（1.School of Automobile, Chang’an University, Shaanxi Xi’an 710064; 2.College of Automotive Engineering, Lanzhou Institute of Technology, Gansu Lanzhou 730050 )

Traffic caused fine particulate matter (PM) pollution are adversely affecting our living environment and long-term health. It is necessary to analyze the particulate concentration distribution in urban environment. We monitored the concentra -tions and built multiple regression models for PM1in a small area in Xi’an, than visualized the results. The models demons -trate that wind speed, green land area and relative humidity are some of the main influential factors, and the result shows that the hot spots of PM concentration are focused on places with dense buildings, or old neighborhood with poor facilities and less vegetation.

vehicle pollution; PM2.5; PM1; pollutant concentration distribution

B

1671-7988(2019)05-86-02

U462

B

1671-7988(2019)05-86-02

U462

魯鳳杰，長安大學(xué)，碩士研究生，研究方向：交通環(huán)境；羅亞萍，蘭州工業(yè)學(xué)院，助教，汽車排放控制，研究方向：無人車智能控制方向。

10.16638/j.cnki.1671-7988.2019.05.025