袁 磊，宛 楊，何 成

1)深圳大學(xué)建筑與城市規(guī)劃學(xué)院，廣東深圳518060；2) 深圳市建筑環(huán)境優(yōu)化設(shè)計(jì)研究重點(diǎn)實(shí)驗(yàn)室， 廣東深圳 518060

隨著高密度城市中機(jī)動(dòng)車(chē)保有量的激增，機(jī)動(dòng)車(chē)排放的交通污染物已成為當(dāng)今城市污染物中最主要組成元素之一.根據(jù)環(huán)保部門(mén)的調(diào)查結(jié)果，在北京、上海和廣州等高密度城市，機(jī)動(dòng)車(chē)排放的污染物對(duì)城市大氣中 CO、HC和NOx等的貢獻(xiàn)率已超過(guò)50%，有的甚至達(dá)到90%以上[1].大氣污染物會(huì)對(duì)人體健康產(chǎn)生嚴(yán)重的威脅.因此，對(duì)交通污染物在城市空間中的擴(kuò)散和分布進(jìn)行研究具有重大意義.

污染物在城市空間中的擴(kuò)散和分布是有一定規(guī)律的.檢索文獻(xiàn)發(fā)現(xiàn)，街谷寬度和建筑高度[2]、建筑屋頂形態(tài)[3]、建筑密度[4]以及沿街立面形態(tài)[5]均會(huì)對(duì)城市空間中的污染物擴(kuò)散造成影響.計(jì)算流體力學(xué)(computational fluid dynamics， CFD)模擬在研究城市風(fēng)環(huán)境和污染物擴(kuò)散領(lǐng)域的應(yīng)用也日益廣泛.丘冶等[6]使用CFD模擬方法分析了女兒墻高度對(duì)平屋蓋表面平均風(fēng)壓分布的影響；郭毅等[7]使用CFD模擬軟件對(duì)建筑單體進(jìn)行了通風(fēng)模擬，探討了不同區(qū)位自然通風(fēng)效果的優(yōu)劣；王巧雯等[8]以寒冷地區(qū)住宅小區(qū)為例，闡述了室外CFD風(fēng)環(huán)境模擬的方法；BUCCOLIERI等[9]采用CFD技術(shù)研究了建筑密度對(duì)城市幾何體中污染物濃度分布的影響；RUBINA等[10]對(duì)城市中平行街道進(jìn)行了CFD模擬，以“局部平均空氣齡”作為污染物去除效率的指標(biāo)，分析了不同風(fēng)向下主街對(duì)城市通風(fēng)效率的影響；黃遠(yuǎn)東等[11]采用Fluent軟件對(duì)7 種不同建筑物偏移量下的交叉口內(nèi)氣流運(yùn)動(dòng)和污染擴(kuò)散進(jìn)行了模擬； BEATRIZ等[12]利用CFD模型獲得了馬德里交通繁忙地區(qū)的污染物濃度空間分布；孔佑花等[13]使用CFD模擬方法分析了污染物在蘭州市的擴(kuò)散形態(tài).

以上研究說(shuō)明，在街道尺度、大規(guī)模建筑組團(tuán)及城市尺度上均出現(xiàn)應(yīng)用CFD模擬的案例.本研究以深圳市南山區(qū)某城市設(shè)計(jì)為案例，建立抽象模型，并運(yùn)用CFD方法對(duì)室外交通污染物的擴(kuò)散進(jìn)行模擬.以東北(NE)和西南偏南(SSW)兩個(gè)風(fēng)向上的模擬結(jié)果作為污染物的量化指標(biāo)，研究在一定開(kāi)發(fā)強(qiáng)度下的空間特征對(duì)交通污染物擴(kuò)散的影響機(jī)制.

1 研究對(duì)象

深圳市是中國(guó)典型的特大沿海城市，建筑密度大、高層建筑多、空間形態(tài)豐富且城市交通量大.本研究選取深圳市南山區(qū)某城市設(shè)計(jì)實(shí)例作為研究對(duì)象，其占地面積約為144 萬(wàn)m2，如圖1.片區(qū)內(nèi)部含兩條東西向通風(fēng)廊道及幾處城市綠地.建筑形式多樣，包括建筑高度均勻的建筑組團(tuán)，圍合半封閉的組團(tuán)，建筑高低錯(cuò)落分布的組團(tuán)，以及點(diǎn)式高層等.建筑密度大，且有大量的高層建筑，是典型的高密度街區(qū).

圖1 深圳市南山區(qū)實(shí)際案例規(guī)劃示意圖Fig.1 Schematic diagram of actual case planning in Nanshan district, Shenzhen City

2 CFD模擬的研究流程

建立抽象的幾何模型，劃分網(wǎng)格并導(dǎo)入軟件中，經(jīng)調(diào)試后進(jìn)行計(jì)算.本研究繪制網(wǎng)格參考日本風(fēng)工程協(xié)會(huì)和BLOCKEN等[14-15]提出的最佳指導(dǎo)原則.繪制完畢后，導(dǎo)入Fluent軟件中進(jìn)行模擬計(jì)算，直至結(jié)果收斂后提取分析.選擇Fluent軟件進(jìn)行模擬計(jì)算是由于其強(qiáng)大的運(yùn)算能力，可根據(jù)計(jì)算結(jié)果在研究區(qū)域內(nèi)部調(diào)整網(wǎng)格，這樣能減少計(jì)算量，節(jié)約時(shí)間.

3 CFD模擬的技術(shù)方法

確定合適的模擬條件，包括模型網(wǎng)格的種類(lèi)和精度、場(chǎng)域大小、湍流模型的選擇、邊界條件、模擬參數(shù)以及污染源的設(shè)定及收斂條件等.

3.1 場(chǎng)域規(guī)模及網(wǎng)格配置

參考日本風(fēng)工程協(xié)會(huì)、BLOCKEN及FRANKE等[14-16]提出的指導(dǎo)原則，本研究的計(jì)算域以建模區(qū)域?yàn)橹行南蛲鈹U(kuò)展，計(jì)算域來(lái)流方向的邊界與建模區(qū)域之間的距離不小于5H(H為案例中最高建筑的高度)，計(jì)算域流出方向的邊界與建模區(qū)域之間的距離不小于10H， 側(cè)邊與建模區(qū)域的距離不小于5H， 計(jì)算域的高度不小于6H， 且計(jì)算域內(nèi)的湍流阻塞率小于5%.

本案例面積約為1 400 m×1 000 m，繪制的非結(jié)構(gòu)化網(wǎng)格如圖2，目標(biāo)范圍外影響范圍內(nèi)的模型以不低于2 m的精度建模；影響范圍外的體量模型以不低于4 m的精度建模.具體網(wǎng)格密度設(shè)置如表1.

表1 實(shí)例網(wǎng)格密度設(shè)置

圖2 模型網(wǎng)格示意圖Fig.2 Schematic diagram of the model grid

3.2 湍流模型、風(fēng)速分布及邊界條件

Standardk-ε是一種半經(jīng)驗(yàn)計(jì)算模型，是基于湍流動(dòng)能(k)和湍流擴(kuò)散率(ε)方程組的湍流模型.使用Standardk-ε模型時(shí)，分子黏度的影響可忽略不計(jì).在分析較大尺度的模型時(shí)，選用該方法可減少計(jì)算壓力.

在Fluent軟件中采用式(1)確定入口處風(fēng)速的分布，

(1)

其中，Uz為z處的風(fēng)速；UH為H處的風(fēng)速；α代表城市的地面粗糙度.研究對(duì)象是高密度城市，地面粗糙度取D級(jí)的0.3.

風(fēng)向和風(fēng)速的初始數(shù)據(jù)使用深圳氣象局高精度背景風(fēng)場(chǎng)作為數(shù)據(jù)來(lái)源.對(duì)實(shí)際案例所處區(qū)位的北、東北、東、東南、南、西南、西、西北以及主導(dǎo)風(fēng)向(風(fēng)頻第2大)的西南偏南共9個(gè)風(fēng)向進(jìn)行模擬，選取最具代表性的主導(dǎo)風(fēng)向東北(以NE指代，風(fēng)角θ=45°， 認(rèn)定正北方向?yàn)?°)和西南偏南(以SSW指代，風(fēng)角θ=202.5°)進(jìn)行說(shuō)明.

出口邊界設(shè)定成相對(duì)壓力為零的邊界條件，計(jì)算域的頂面及兩側(cè)面設(shè)置為自由滑移對(duì)稱(chēng)面，建筑表面及地面設(shè)置為無(wú)滑移壁面.

3.3 污染源設(shè)定

將交通排放的主要污染物CO、NOx(NO的質(zhì)量分?jǐn)?shù)為80%，NO2的質(zhì)量分?jǐn)?shù)為20%的混合物)和PM2.5進(jìn)行初始輸入.前期測(cè)算得到各類(lèi)車(chē)輛的排放率，各道路污染物排放量是使用MOVES軟件通過(guò)輸入各路段地理特征、燃油類(lèi)型、車(chē)齡和車(chē)型統(tǒng)計(jì)等因素得出的.本案由3條主干路，4條次干路和多條支路組成，為便于根據(jù)各路段實(shí)際情況輸入初始污染物，將道路劃分為85 個(gè)路段，各路段輸入初始污染物排放量如圖3.同時(shí)對(duì)各道路進(jìn)行標(biāo)注，縱向道路由西至東依次標(biāo)注為A1—A6(內(nèi)部3條較短的規(guī)劃道路忽略不計(jì))，橫向道路由南至北依次標(biāo)注為B1—B9.其中，道路A4、B1和B9為初始污染物輸入量最高的主干路(最低輸入量為1 091.2 g/h)，A1、A6、B4及B6為初始污染物輸入量較低的次干路(最低輸入量為305.33 g/h).

圖3 各路段初始污染物輸入量Fig.3 input of initial pollutant in each section

3.4 收斂標(biāo)準(zhǔn)

殘差值判定選用Fluent默認(rèn)的收斂標(biāo)準(zhǔn)，即除能量外所有變量殘差值都小于1×10-3，能量的殘差值低于1×10-6，對(duì)迭代過(guò)程中的物理量監(jiān)測(cè)，若其值已經(jīng)不再隨迭代發(fā)生變化，則判定為計(jì)算收斂.

4 模擬結(jié)果

4.1 PM2.5濃度分布結(jié)果

NE和SSW風(fēng)向下，本案例1.5 m高處PM2.5體積濃度分布如圖4.

圖4 主導(dǎo)風(fēng)向下PM2.5濃度分布模擬結(jié)果Fig.4 Simulation results of PM2.5 concentration distribution in main wind directions

《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》(GB3095—2012)中對(duì)PM2.5的要求為平均濃度不得超過(guò)2.34×10-6mol/m3.兩風(fēng)向下主次干路PM2.5濃度最大值統(tǒng)計(jì)如圖5，各道路PM2.5濃度最大值并未超過(guò)《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》要求的限值. NE風(fēng)向PM2.5濃度最大值出現(xiàn)在A1(B7—B9)路段，濃度為2.118×10-7mol/m3； SSW風(fēng)向PM2.5濃度最大值出現(xiàn)在道路B6(A5—A6)路段，濃度為2.172×10-7mol/m3.兩個(gè)風(fēng)向案例的整體濃度值均在標(biāo)準(zhǔn)要求內(nèi).

圖5 主次干路PM2.5濃度最大值分布Fig.5 Maximum distribution of PM2.5 concentration in primary and secondary trunk roads

4.2 NOx濃度分布結(jié)果

NE和SSW風(fēng)向下，本案例內(nèi)1.5 m高處NOx濃度分布如圖6.

圖6 主導(dǎo)風(fēng)向下NOx濃度分布模擬結(jié)果Fig.6 Simulation results of NOxconcentration distribution in main wind directions

《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》(GB3095—2012)對(duì)NOx的要求為高峰時(shí)段平均濃度不高于7.35×10-6mol/m3.模擬結(jié)果中幾乎所有主次干路均出現(xiàn)了NOx濃度較高的情況.但通過(guò)兩風(fēng)向上道路平均NOx濃度統(tǒng)計(jì)(圖7)，得出各路段平均濃度均小于標(biāo)準(zhǔn)限值. NE風(fēng)向下，道路A6、B4和B9的NOx濃度相對(duì)較高，尤其是道路B4(A5—A6)路段, NOx濃度達(dá)到了1.60×10-6mol/m3； SSW風(fēng)向下，NOx濃度偏高的路段增多，道路A4和B9也出現(xiàn)了濃度偏高的現(xiàn)象，這兩條路上濃度峰值出現(xiàn)在道路A4(B4—B6)路段，濃度值為1.59×10-6mol/m3.

圖7 主次干路NOx濃度最大值分布Fig.7 Maximum distribution of NOx concentration in primary and secondary trunk roads

4.3 濃度峰值的空間分布(以PM2.5為例)

對(duì)本案NE、SSW風(fēng)向下PM2.5濃度相對(duì)較高的位置進(jìn)行分析.模擬結(jié)果顯示各道路上的PM2.5濃度明顯高于建筑組團(tuán)內(nèi)部. NE風(fēng)向下，以道路A1(B6—B9)路段、道路B4(A3—A5)路段和道路B1上A4以東路段的PM2.5濃度最高，3個(gè)路段中的峰值達(dá)到了2.12×10-7mol/m3. 道路B1上部分路段濃度值較高不難理解，原因是其作為主干路車(chē)流量大，產(chǎn)生的交通污染物多，該路段初始主要污染物輸入值高達(dá)3 245.96 g/h，遠(yuǎn)高于附近其他路段. 而對(duì)于道路A1(B7—B9)路段和道路B1上A4以東路段的高濃度分布，可以解釋為這兩條路作為次干路，排放的污染物較多(路段初始主要污染物輸入值分別達(dá)到1 145.88 g/h和1 292.42 g/h)，且在這兩條路的來(lái)風(fēng)方向上由于有密集高層建筑物遮擋，氣流不能有效促進(jìn)污染物的擴(kuò)散，導(dǎo)致了污染物的滯留.

SSW風(fēng)向上道路B6(A3—A6)路段和道路A6(B1—B6)路段的PM2.5濃度最大，分別達(dá)到2.17×10-7mol/m3和1.66×10-7mol/m3；而作為主干道路的B1上PM2.5濃度相對(duì)NE風(fēng)向低(NE風(fēng)向下PM2.5濃度峰值為1.38×10-7mol/m3， SSW風(fēng)向下則為1.28×10-7mol/m3).這是由于道路B1西南側(cè)在SSW風(fēng)向上是空地和低矮的建筑，使得該道路通風(fēng)條件較好，污染物能較快擴(kuò)散，故道路B1的PM2.5濃度相對(duì)NE風(fēng)向低.而研究區(qū)內(nèi)部道路B6的南側(cè)在來(lái)風(fēng)方向有密集建筑物遮擋，導(dǎo)致此區(qū)域通風(fēng)狀況不佳，污染物易在此聚集.

5 數(shù)據(jù)分析

5.1 初始輸入量對(duì)污染物濃度的影響

案例中由各條道路交通預(yù)測(cè)量得出的初始主要污染物輸入值可在一定程度上影響道路局部路段的污染物分布狀況.如道路B1上的A6東側(cè)路段主要污染物輸入值高達(dá)3 245.96 g/h，遠(yuǎn)高于B1上其他路段，模擬結(jié)果顯示NE風(fēng)向上該路段的PM2.5和NOx平均濃度分別為1.38×10-7mol/m3和1.07×10-6mol/m3，SSW風(fēng)向上該路段的平均濃度分別為1.27×10-7mol/m3和9.80×10-7mol/m3，遠(yuǎn)高于道路B1上其他路段，這說(shuō)明較高的初始污染物輸入值帶來(lái)了部分路段較高的模擬結(jié)果.但這種影響并不絕對(duì)，如道路B9(A1—A3)路段，初始污染物輸入值高達(dá)3 135.84 g/h，遠(yuǎn)高于該道路上A5—A6路段的輸入值1 657.55 g/h，但兩個(gè)主導(dǎo)風(fēng)向下該路段PM2.5和NOx的最大值分別僅為1.11×10-7mol/m3和1.21×10-7mol/m3，均低于A5—A6路段的最大值1.31 ×10-7mol/m3和1.39×10-6mol/m3.故可推斷主要交通污染物初始輸入值會(huì)造成部分路段污染物濃度值偏高，但并不能完全決定道路交通污染物平均濃度值的大小.

對(duì)比主次干路在主導(dǎo)風(fēng)向上的主要污染物輸入總值和PM2.5濃度最大值，如圖8. 發(fā)現(xiàn)兩個(gè)風(fēng)向上濃度最大值出現(xiàn)在輸入總值處于較低水平的道路A6和B6，濃度值分別為2.12×10-7mol/m3和2.17×10-7mol/m3，而并非輸入值較高的道路B1、A4和B9,相反這3條道路的污染物平均濃度最大值在各條路中處于較低水平.這更加印證了初始污染物輸入值不能完全決定道路交通污染物平均濃度的大小.

圖8 主次干路主要污染物初始輸入值與 PM2.5濃度最大值分布對(duì)比Fig.8 Comparison of the initial input value of main pollutants and maximum distribution of PM2.5 concentration in the primary and secondary trunk roads

圖9 道路B6、B7各路段PM2.5平均濃度匯總Fig.9 Summary of PM2.5 average concentration of each section on road B6 and B7

5.2 通風(fēng)廊道和城市綠地對(duì)污染物濃度的影響

圖9為通風(fēng)廊道1兩側(cè)初始污染物輸入值相差不大的道路B6和B7的模擬結(jié)果(B6和B7初始輸入值分別為2 868.05 g/h和2 316.95 g/h).道路B7各路段在兩個(gè)主導(dǎo)風(fēng)向下PM2.5平均濃度均小于道路B6.原因是東西走向的通風(fēng)廊道對(duì)交通污染物的擴(kuò)散產(chǎn)生了促進(jìn)效果.這種促進(jìn)具體表現(xiàn)為，一是氣流將局部路段污染物擴(kuò)散到下風(fēng)向上的大面積城市綠地之中，從而降低區(qū)域整體污染物濃度，如NE 風(fēng)向下道路B7各路段污染物濃度明顯小于道路B6；二是在廊道上風(fēng)向無(wú)高密度建筑群遮擋時(shí)，污染物擴(kuò)散效果更加明顯，氣流不被建筑物遮擋，較高的風(fēng)速易帶走污染物，故SSW風(fēng)向上道路B7各路段的污染物濃度仍明顯小于道路B6.

城市綠地形成的開(kāi)闊場(chǎng)地同樣有助于污染物的稀釋和新風(fēng)的引入.當(dāng)氣流分別先經(jīng)過(guò)次干路B6南側(cè)的休閑綠地后經(jīng)過(guò)中央會(huì)展中心組團(tuán)時(shí)，兩側(cè)的休閑綠地附近PM2.5濃度值明顯偏低(NE風(fēng)向下東側(cè)綠地位置平均濃度值為4.12×10-8mol/m3，SSW風(fēng)向下西側(cè)綠地位置平均濃度值為6.47×10-8mol/m3)即便靠近交通量較大，PM2.5最大濃度值高達(dá)1.67×10-7mol/m3的主干道路A4(B4—B6)路段，也沒(méi)有受到不利的影響.這說(shuō)明城市綠地提供的開(kāi)闊空間，會(huì)使氣流持續(xù)不斷的涌入.借助風(fēng)場(chǎng)的力量，污染物能夠更好地被稀釋和排出.特別是在SSW風(fēng)向下，可清晰地發(fā)現(xiàn)會(huì)展中心西側(cè)綠地積極地帶動(dòng)了北部地塊的污染物擴(kuò)散，使得北部大面積空地的污染物濃度處在較低水平.

5.3 建筑物對(duì)污染物濃度的影響

建筑物的形態(tài)對(duì)污染物擴(kuò)散和分布有顯著的影響.如NE風(fēng)向下(A1—A2)和(B7—B8)圍成地塊中U形建筑對(duì)污染物的擴(kuò)散起到了明顯的抑制作用，表現(xiàn)為其下風(fēng)向上A1(B7—B9)路段PM2.5濃度值高達(dá)2.03×10-7mol/m3.即使該路段西側(cè)是開(kāi)闊空地，污染物濃度高的狀況也未能緩解.受(A4—A6)和(B1—B2)圍成地塊上兩種不同建筑形態(tài)的影響，道路B1(A4—A6)路段污染物濃度分布存在差異.西側(cè)的集中式建筑沿街展開(kāi)面過(guò)大，導(dǎo)致了下風(fēng)向道路B1(A4—A5)路段污染物明顯增多(平均PM2.5濃度值為1.09×10-7mol/m3)，而東部較為分散的建筑體量下的B1(A5—A6)路段污染物濃度相對(duì)較低(平均PM2.5濃度值為8.74×10-8mol/m3).此外，位于中心位置的“回”字形會(huì)展中心向各道路展開(kāi)面都較寬，在兩個(gè)主導(dǎo)風(fēng)向下均對(duì)下風(fēng)位置的污染物擴(kuò)散造成不利影響.NE風(fēng)向時(shí)，其下風(fēng)位置B4(A3—A5)路段PM2.5濃度值高達(dá)1.46×10-8mol/m3；SSW風(fēng)向時(shí)，下風(fēng)位置B6(A3—A5)路段PM2.5濃度值高達(dá)1.61×10-7mol/m3.

氣流遇到高層建筑時(shí)，左右方向的風(fēng)受建筑表面低壓區(qū)的吸引形成下沖的勁風(fēng)(下沖風(fēng)). 這股速度極快的氣流會(huì)迅速帶走滯留在該高層建筑底部的污染物.SSW風(fēng)向下(A3—A4)(B8—B9)圍成地塊的東側(cè)塔樓(高度250 m)處形成的下沖風(fēng)帶動(dòng)了B9(A3—A4)路段污染物的擴(kuò)散，該路段PM2.5濃度值為1.08×10-7mol/m3.反觀(guān)東側(cè)(A5—A6)和(B8—B9)圍成地塊，該地塊東側(cè)塔樓高度為75 m，形成的下沖風(fēng)風(fēng)速有限，不能有效帶動(dòng)污染物的擴(kuò)散.其北部B9(A5—A6)路段的PM2.5濃度值為1.31×10-7mol/m3.鑒于B9(A3—A4)路段和(A5—A6)路段初始污染物輸入值較為接近，排除了初始污染物輸入值影響，說(shuō)明高層建筑附近區(qū)域形成的下沖風(fēng)對(duì)下風(fēng)向污染物擴(kuò)散產(chǎn)生了積極影響.

結(jié) 論

綜上研究可知，交通污染物初始輸入值、通風(fēng)廊道、城市綠地和建筑物均對(duì)主要交通污染物的擴(kuò)散和分布存在影響.較高濃度的污染物初始輸入值會(huì)使部分路段的污染物濃度偏高，但這種影響并不絕對(duì)；通風(fēng)廊道和綠地提供的大片開(kāi)闊場(chǎng)地會(huì)帶動(dòng)污染物的積極擴(kuò)散；集中式大體量建筑形態(tài)易導(dǎo)致污染物的滯留；高層建筑形成的下沖風(fēng)能夠帶動(dòng)其底部的污染物持續(xù)擴(kuò)散.