山地城市平坡路段污染物浓度分布特性实测

曾 粤， 李 强， 向 健， 徐 进,*

(1.重庆交通大学交通运输学院，重庆 400074；2.山区复杂道路环境“人-车-路”协同与安全重庆市重点实验室2，重庆 400074)

大气环境是人类赖以生存的基础，PM2.5是衡量大气环境优劣的重要指标之一。PM2.5在空气中浓度越高，就代表空气污染越严重。近年来随着经济的快速发展，大气环境迅速恶化，细颗粒物污染呈现逐年增加的趋势。PM2.5不仅能够引起雾霾天气，降低行车安全，并且可直接通过呼吸系统进入气管和肺部，影响人的呼吸系统，对人体健康产生严重危害[1-4]。挥发性有机物(volatile organic compounds,VOCs)作为大气中主要污染物之一，是O3和二次有机气溶胶(secondary organic aerosol, SOA)的重要前体物。VOCs排放源包括人为源和自然源，其中人为源的贡献值大大超过自然源。目前，交通运输是全球最大的VOCs人为排放源。一些VOCs可通过呼吸道、皮肤等途径渗入人体，对人体健康产生直接影响[5-7]。随着城市化进程的加快，机动车保有量不断增加，机动车尾气已逐渐成为挥发性有机物(VOC)，颗粒物(particulate matter,PM)等城市大气污染的主要来源之一[8-10]。许多学者对轻型汽油车的尾气排放因子进行了研究。Pang等[11]研究了轻型汽油车的VOCs排放趋势，Zhang等[12]、Huo等[13]对机动车不同排放标准的尾气排放因子进行了研究。

中国现有的对汽车尾气排放的研究分析主要集中在平原及沿海城市等地区，对内陆山地城市的汽车尾气排放研究较少，而山地面积占整个国土面积的60%以上[14]，山地城市的数量众多，对山地城市汽车尾气排放的实测和分析有重要意义。重庆是地形起伏山水相间的山地城市，重庆的城市道路为了契合沟谷交错的起伏地形，为自由式路网格局，汽车的行驶状态与道路线形之间的关系非常密切。为此，以重庆为研究对象，在重庆市主城区范围内选取8条典型道路，对路段的汽车排放污染物浓度进行采集，分析汽车排放污染物浓度的横向分布特性，为汽车尾气排放控制以及改善山地城市空气质量提供参考。

1 实验方案

1.1 实验道路

综合考虑交通量、技术等级、道路全长和所属区域等因素，在重庆市选取8条典型道路作为实验对象。实验道路名称以及相关参数如表1所示，实验道路环境如图1所示。

表1 实验道路及相关参数

图1 实验道路环境Fig.1 The environment of test roads

1.2 实验仪器

图2 实验仪器Fig.2 Experiment apparatus

实验共用到3种仪器，分别是HT-305激光测距仪、BR-SMART126空气质量测试仪和GM8901数字风速计，如图2所示。HT-305被用来测量路侧横向距离；BR-SMART126被用来测试空气中PM2.5和VOCs污染物的浓度；GM8901数字风速计被用来测量风速。

1.3 采集方法和观测断面

PM2.5、VOCs污染物浓度的采集方法是实测法。实验选取的观测点位于被测路段的中间位置，并且距离路侧有20 m左右的宽度(为了保证每个断面的数据采集量)，相邻观测点间距保持一致(分别取2、3或5 m，具体取值依据道路实际情况确定)，每个断面采集8、9个数据，如图3所示。数据采集时，为确保数据的真实性，需要在每个观测点停留一定时间，待测量数据趋于稳定后，再连续读取5组数据。为减少实验误差，主要是基于对每个观测点连续测量的5组数据取算术均值来进行分析。

图3 测量点的选择Fig.3 The selection of test points

1.4 观测时间

实验时间为2017年4月下旬。由于雨水对空气中的细粒污染物有净化作用，为减少雨天对实验的影响，选取晴天或多云天气进行实验；由于早晚高峰期车辆车流量不同可能会对被测路段车辆排放污染物浓度造成影响，因此在实验中每天主要分两个时间段进行数据采集，一是平峰时段(15:30—17:10、10:48—11:48)，二是高峰时段(11:40—12:42、17:30—18:40)；同时为保证样本变量的多样性，以及排除特殊原因造成的实验误差，准确反映不同情况下排放污染物的横向变化规律并证明实验结果的通用性，在数据采集时，每个路段都进行两天试验。

2 PM2.5和VOCs的横向整体分布特征

2.1 PM2.5和VOCs的散点分布特征

利用SPSS统计学软件对8条典型路段的PM2.5和VOCs数据进行描述性统计分析，得到表2所示的PM2.5和VOCs统计量，以及图4所示的PM2.5和VOCs的散点分布特征箱型图。

从表2中，通过对比各实验路段的PM2.5和VOCs的浓度极大值可发现，杨家坪西郊的PM2.5浓度最高可达到180.00 μg/m3，排名第一，南坪上海城的PM2.5浓度最高可达到101.60 μg/m3，排名最后；解放碑民族路的VOCs浓度最高可达到98.60 μg/m3，排名第一，南坪珊瑚路的VOCs最高可达到43.60 μg/m3，排名最后。通过对比各实验路段PM2.5和VOCs的浓度均值可发现，杨家坪天宝广场的PM2.5整体浓度均值最大，为100.09 μg/m3，南坪上海城的PM2.5整体浓度均值最小，为83.86 μg/m3；解放碑民族路的VOCs整体浓度均值最大，为50.73 μg/m3，解放碑国泰广场的VOCs整体浓度均值最小，为31.18 μg/m3。

标准差、方差和全距均可反映数据整体的离散性，因此通过对比各实验路段PM2.5和VOCs的浓度标准差、方差和全距发现，杨家坪西郊的PM2.5浓度横向分布最为分散，标准差和全距分别为36.98和131.80 μg/m3，南城大道的PM2.5浓度横向分布最为集中，标准差和全距分别为7.38和26 μg/m3；解放碑民族路的VOCs浓度横向分布最为分散，标准差和全距分别为20.39和82 μg/m3，南坪珊瑚路的VOCs浓度横向分布最为集中，标准差和全距分别为5.29和19.40 μg/m3。

箱型图是一种用作显示一组数据分散情况资料的统计图，它可以更好地反映出各实验路段的PM2.5和VOCs浓度横向分布整体特征。图4的各分图中各实验路段从左到右的排列次序是按照它们的PM2.5或VOCs浓度均值由小到大依次进行排列，图中虚线为各实验路段的PM2.5或VOCs的浓度50%分位值连接线。通过对比可发现，各实验路段PM2.5和VOCs的浓度均值分布与50%分位值分布呈不同分布形态，反映出各实验路段的PM2.5和VOCs浓度横向分布的不均匀性；另外通过对比子图中箱子的大小，也可明显看出各实验路段PM2.5和VOCs浓度横向整体分布特征。

2.2 PM2.5和VOCs的阶段性分布特征

为研究路侧PM2.5和VOCs浓度的横向阶段性分布特征，在数据处理时将每个断面采集的每组PM2.5和VOCs浓度的算术均值再按照相对于路侧由近及远的方式进行均匀分组(每3个观测点分为一组，若最后一组不够3个观测点，则将最后2个观测点视为一组)，均分为3个小组，每个小组代表该测点处PM2.5和VOCs的一个整体横向变化阶段，分别将其称为第1阶段、第2阶段、第3阶段，并将每个阶段的PM2.5和VOCs的浓度值取二次均值，得到图5所示的PM2.5/VOCs的横向整体分布特征图，图中阴影部分代表PM2.5和VOCs在平/高峰时期的整体分布区域。

表2 PM2.5和VOCs统计量

图4 PM2.5和VOCs的散点分布特征Fig.4 Scatter distribution characteristics of PM2.5 and VOCs

图5 PM2.5和VOCs浓度的横向阶段分布特征Fig.5 Lateral phase distribution characteristics of PM2.5 and VOCs

从图5(a)中可看出，实验路段PM2.5的整体阶段性分布情况：第1阶段PM2.5浓度均值主要分布在82.51～107.08 μg/m3，第2阶段PM2.5浓度均值主要分布在85.38～95.67 μg/m3，第3阶段PM2.5浓度均值主要分布在81.90～96.25 μg/m3；整体阶段性分布先呈明显下降，接着缓慢下降趋势，其中从第1阶段到第2阶段的过程中PM2.5衰减最大，衰减均值为3.83 μg/m3，第2阶段到第3阶段的过程中PM2.5维持平稳趋势，衰减均值仅为0.59 μg/m3。从图5(b)中可看出，实验路段VOCs的整体阶段性分布情况：第1阶段VOCs浓度均值主要分布在34.22～55.35 μg/m3，第2阶段VOCs浓度均值主要分布在29.67～46.20 μg/m3，第3阶段VOCs浓度均值主要分布在26.77～50.63 μg/m3。整体阶段性分布特征呈先明显下降，接着缓慢下降的趋势，其中从第1阶段到第2阶段的过程中VOCs衰减最大，衰减均值为9.13 μg/m3，第2阶段到第3阶段的过程中PM2.5维持平稳趋势，衰减均值仅为0.92 μg/m3；通过对比PM2.5和VOCs的横向阶段性变化特征，可知VOCs的横向阶段性衰减力度相对于PM2.5更大，分析原因主要是因为VOCs的整体浓度低于PM2.5，浓度的大小直接影响其横向分布。

3 PM2.5和VOCs的横向连续分布特征

3.1 PM2.5的横向连续分布特征

图6 PM2.5的横向连续分布特征Fig.6 Lateral continuous distribution characteristics of PM2.5

经整理得到8条典型实验路段的PM2.5横向连续分布特征图，如图6所示。图6的分图中4条不同黑色线条各代表一次PM2.5的横向连续变化曲线，其中系列1为第1天试验平峰时段的PM2.5值，系列2为第1天试验高峰时段的PM2.5值，系列3为第2天试验平峰时段的PM2.5值，系列4为第2天试验高峰时段的PM2.5值。灰色粗线条是4条黑色线条连续变化的二次均值曲线，用以反映该路段PM2.5的横向整体变化趋势。从各子图中横向连续性变化曲线波动范围来看，其中波动范围在10 μg/m3以内的横向连续性变化曲线有1条，在10～20 μg/m3以内的18条(占全部数量的56%)，20～30 μg/m3以内的有7条(占比22%)，30～40 μg/m3以内的有4条，40～50 μg/m3以内的有2条，平均波动范围为21.51 μg/m3，由此可推出PM2.5的横向连续性波动范围主要集中在10～30 μg/m3，占比78%。

从各分图中PM2.5的横向连续性变化曲线的形状来看，各实验路段的PM2.5横向连续性变化并不是只呈现衰减或者上升的线性变化趋势，而是呈现多种高低起伏的变化趋势，总的来讲，可以将其变化分为3种类型。

第1种变化类型如图6(b)、图6(e)所示。变化特点：变化曲线比较平缓，而且其变化幅度比较小。这一类道路的特点是车速较慢且稳定，并且周围空间较开阔，利于PM2.5浓度的扩散。

第2种变化类型如图6(a)、图6(d)、图6(h)所示。变化特点：呈现先降低后趋于平稳的趋势，且其下降幅度非常之大，在离路侧15 m左右PM2.5浓度变化曲线逐渐平缓，趋于稳定。南坪上海城、杨家坪西郊和解放碑民族路，这3条路段的车流量都非常大，道路通常非常拥堵，车辆经常处于怠速状态，因此这些路段的路侧的PM2.5浓度一般相对较高。其中，解放碑民族路PM2.5的系列4横向连续变化曲线出现异常升高的原因是因为在测量时，道路旁有一个烧烤摊，对测量结果造成了很大的误差，因此，这条曲线不具备参考意义，可以去掉。

第3种变化类型如图6(c)、图6(g)、图6(f)所示。变化特点：呈现先降低后趋于平稳的趋势，且其下降幅度比较小，整体的PM2.5浓度变化曲线很平缓。南城大道、杨家坪天宝广场和解放碑国泰广场的车流量都不是很大，且测试地点周围非常开阔，非常利于PM2.5的扩散。

另外从PM2.5的横向连续性变化曲线及二次均值线可以看出，路侧距离与PM2.5浓度具有一定相关性，也就是随着路侧横向距离的增加，PM2.5的波动越小，越趋于稳定。

3.2 VOCs的横向连续分布特征

图7 VOCs的横向连续分布特征Fig.7 Lateral continuous distribution characteristics of VOCs

经整理得到8条典型实验路段的VOCs横向连续分布特征图，如图7所示。分图中4条不同黑色线条各代表一次VOCs的横向连续变化曲线，其中系列1为第1天试验平峰时段的VOCS值，系列2为第1天试验高峰时段的VOCS值，系列3为第2天试验平峰时段的VOCS值，系列4为第2天试验高峰时段的VOCS值。灰色粗线条是4条黑色线条连续变化的二次均值曲线，用以反映该路段VOCs的横向整体变化趋势。

从图7的分图中横向连续性变化曲线波动范围来看，其中波动范围在10 μg/m3以内的横向连续性变化曲线有2条，在10～20 μg/m3以内的11条(占全部数量的34%)，20～30 μg/m3以内的有10条(占比31%)，30～40 μg/m3以内的有6条，40～50 μg/m3以内的有3条，平均波动范围为24.80 μg/m3，由此可推出PM2.5的横向连续性波动范围主要集中在10～30 μg/m3，占比65%。

从各分图中VOCs的横向连续性变化曲线的形状来看，各实验路段VOCs的横向连续性变化并不是一味地呈现衰减或者上升的线性变化趋势，而是呈现多种高低起伏的变化趋势，总的来讲，可以将其变化分为3种类型。

第1种变化类型如图7(g)、图7(f)、图7(e)所示。变化特点：随着路侧横向距离的增加，VOCs浓度先衰减，然后趋于稳定，而且大概在距离路侧9 m左右，VOCs浓度大致趋于稳定。

第2种变化类型如图7(b)、图7(c)所示。变化特点：随着路侧横向距离的增加，VOCs浓度虽有衰减，但衰减现象并不明显，而且VOCs浓度上下波动非常不稳定。分析原因可能与这两段路上车速较慢，且红绿灯较多有关。另外这两个测试地点周围环境也比较封闭，不利于VOCs的扩散。

第3种变化类型如图7(a)、图7(d)、图7(h)所示。变化特点：在一定距离内，路侧VOCs浓度呈一直衰减的特征，而且衰减现象非常明显。南坪上海城、杨家坪西郊和解放碑民族路的车流量都比较大，在高峰期时几乎都处于拥堵状态。这类衰减特征很好地证实了汽车尾气排放对路侧VOCs浓度的影响。

从南坪珊瑚路、杨家坪西城天街VOCs的横向连续性分布能看出，VOCs浓度的衰减过程中波动十分明显，但总体趋势保持不变，从而可以推测出VOCs的分布还受到其他很多因素的影响，从而导致下降过程中又有一定程度的回升，最后再次形成下降的趋势。但所有图形最后都会有再次下降的趋势，整体形成震荡下降然后保持稳定的结果。

4 不同时段排放污染物浓度的差异

为研究不同时段的车辆排放污染物浓度分布规律，在高峰时段和平峰时段分别采集平坡路段车辆排放污染物浓度数据，并对采集的实验数据进行整体分析，得到图8所示的平/高峰时段的PM2.5和VOCs浓度分布图。

图8 不同时段PM2.5和VOCs的浓度分布Fig.8 The concentration distribution of PM2.5 and VOCs in different period

图9 不同测量日PM2.5和VOCs的浓度分布Fig.9 The concentration distribution of PM2.5 and VOCs on different test days

从图8(a)中可明显看出：所有实验路段平峰时期的PM2.5浓度均小于高峰时期的PM2.5浓度；其中杨家坪西郊路段的PM2.5相差最大，差值为25.60 μg/m3；南城大道路段的PM2.5相差最小，差值为1.87 μg/m3；平均每条路段高峰时期的PM2.5值要比平峰值高12.46 μg/m3；分析杨家坪西郊路段PM2.5浓度值相差最大的原因，一是因为在该路段采集数据时，平峰时期和高峰时期的车流量相差很大造成的，平峰时期该路段交通状况整体较为通畅，但是到了高峰时期该路段交通状况就变得整体很拥堵，二是因为该路段处于轻轨站下方，空气流通性相对较差，因为在此基础上拉大了平峰时期和高峰时期的PM2.5差；分析南城大道路段PM2.5浓度值相差最小的原因，主要是因为南城大道路段是南坪商圈内的主干道，在被测的时间段里车流量非常大，车速也普遍较低，因此在平峰时段和高峰时段的PM2.5浓度差不大。

从图8(b)中也可明显看出：被测路段高峰期的VOCs浓度整体高于平峰期的VOCs浓度，其中解放碑民族路路段的VOCs相差最大，差值为21 μg/m3；杨家坪西城天街和解放碑国泰广场的VOCs均相差最小，差值均为3 μg/m3；平均每条路段高峰时期要比平峰时期高28 μg/m3；杨家坪西郊路段和南城大道路段高峰期的VOCs浓度却低于平峰期的VOCs浓度，分析原因可能是因为外界某种因素对该路段VOCs值造成了影响，具体外界环境对VOCs的影响因素在后续研究中再展开；另外从图8中可看出同一路段的PM2.5的浓度高，并不意味着VOCs浓度也高，由此可推断出PM2.5和VOCs在同样的环境下所受到的影响并不一致，在加上其自身的原因，共同导致两者呈现不同的分布特征。

5 PM2.5与VOCs浓度对于环境的敏感度

前文分析中发现，排放污染物浓度的横向分布除了受道路拥堵情况的影响之外，还受当时环境的影响。因此本节将会具体分析环境对于PM2.5与VOCs浓度的影响。首先对PM2.5和VOCs浓度进行整理，并根据不同测量日进行分类，得到不同测量日PM2.5和VOCs的浓度分布，如图9所示。

从图9中可明显看出：在20日时，南坪上海城、南坪珊瑚路所测得的PM2.5浓度均值明显小于21日的浓度均值；在24日时，杨家坪西郊、杨家坪西城天街、杨家坪天宝广场的PM2.5浓度均值明显大于25日的浓度均值；在26日时，解放碑国泰广场、解放碑民族路的PM2.5浓度均值明显大于27日。由此可知，在不同测量日同一地点的PM2.5浓度有很大区别；另外从不同测量日PM2.5浓度分布呈现的这种分布特征来看，排除地点及车辆排放对其的影响，得到影响PM2.5浓度的差异是其他环境的污染引起的，是重庆市整体的PM2.5浓度变化的结果。但是在南城大道规律并不明显，说明具体的地形对于PM2.5的浓度也有一定的影响。

不同测量日VOCs的浓度虽然存在一定的差异，但是其数据分布并非由于不同天测量的原因导致其浓度呈现规律性变化，从而说明环境中VOCs浓度对实验测量结果的影响很小，难以产生明显的规律性变化。

另外从图9中也可明显看出，同一测量时间同一地点，PM2.5的整体浓度远大于VOCs浓度。统计分析可知，PM2.5的整体浓度均值为91.85 μg/m3，VOCs的整体浓度均值为39.27 μg/m3，相差52.58 μg/m3；PM2.5整体浓度分布的标准差为24.35，而VOCs整体浓度分布的标准差仅为9.75，对比可知PM2.5的横向整体分布较VOCs更为分散一些，环境对PM2.5的横向分布影响较于VOCs相比更大。

6 结论

在重庆选取8条代表山地城市特殊地貌的道路作为试验路段，采集不同时段和不同测量日的 PM2.5和VOCs值，得出如下结论。

(1)PM2.5和VOCS浓度随着路侧横向距离的改变而发生变化，将观测点按离路侧远近分为3个阶段，PM2.5和VOCs均是从第1阶段到第2阶段衰减最大，第2阶段到第3阶段保持平稳趋势，其中PM2.5的衰减均值为3.83 μg/m3，VOCs的衰减均值为9.13 μg/m3，VOCs的横向阶段性衰减力度大于PM2.5。

(2)杨家坪西郊的PM2.5分布最分散，南城大道的PM2.5最集中，解放碑民族路的VOCs分布最分散，南坪珊瑚路的VOCs最集中。路侧距离与PM2.5和VOCS的浓度具有一定相关性，PM2.5和VOCs在路段上的横向浓度分布都很不均匀，但PM2.5的横向整体分布比VOCs更为分散。

(3)PM2.5和VOCs在同样的环境下所受到的影响并不一致，导致两者呈现不同的分布特征。同一测量时间同一地点，PM2.5的整体浓度远大于VOCs浓度。随着路侧横向距离的增加，PM2.5的波动越小，越趋于稳定。而VOCs浓度随着路侧距离的增加，衰减过程中波动十分明显，但总体趋势保持不变，即VOCs的分布还受到其他很多因素的影响。PM2.5和VOCs的横向连续性波动范围主要集中在10～30 μg/m3。

(4)PM2.5对于环境的敏感度较强，VOCS对于环境的敏感度较差，即环境对PM2.5的横向分布影响较于VOCs相比更大。