交通流量变化对碳通量特征的影响

法浩 赵敏

摘  要： 基于涡度相关技术提供的碳通量数据、定点连续观测的交通流量数据及数理统计分析的方法，探讨了2012年和2018年碳通量和交通流量的变化及其主要影响因素，分析了交通流量对碳通量变化的影响。主要结果如下：1） 2018年日平均交通流量明显高于2012年的，由日均5 300辆增加到日均11 600辆;2） 2012年与2018年的二氧化碳（CO₂）通量日变化均呈现双峰型曲线，交通流量的高峰时段与CO₂通量值的峰值相对应，分别为3.86 μmol·m^-2·s^-1和4.96 μmol·m^-2·s^-1;3） 基于碳通量与交通流量的线性回归分析表明，2012年CO₂ 通量变化与交通流量变化具有显著的正相关性，交通流量对该区域碳通量贡献了18%，但2018年CO₂通量与交通流量无显著关系。

关键词： 涡度相关技术; 碳通量; 交通流量; 城市生态系统

中图分类号： X 24    文献标志码： A    文章编号： 1000-5137（2020）05-0596-07

Impact of traffic volume changes on carbon flux characteristics

FA Hao， ZHAO Min^*

（School of Environmental and Geographical Sciences， Shanghai Normal University， Shanghai 200234， China）

Abstract： Based on the carbon flux data series provided by eddy covariance technology，the traffic volume data continuously observed at fixed points，and the mathematical statistical analysis，this paper discussed the changes in carbon flux and traffic volume in 2012 and 2018 and their main influencing factors and analyzed the influence of traffic volume on carbon flux change.The main results are as follows：1） The daily average traffic volume in 2018 was significantly higher than that in 2012，increasing from an average of 5 300 to 11 600 vehicles per day;2） The daily changes in CO₂ flux in 2012 and 2018 both showed a double-peak curve，and the peak period of the traffic volume corresponded to the peak value of the CO₂ flux，which are 3.86 μmol·m^-2·s^-1 and 4.96 μmol·m^-2·s^-1，respectively;3） Linear regression analysis based on carbon flux and traffic volume showed that there is a significant positive correlation between the changes of CO₂ flux and traffic volume in 2012，and traffic volume contributes 18% to the regional carbon flux，but there is no significant relationship between CO₂ flux and traffic volume in 2018.

Key words： eddy covariance technology; carbon flux; traffic volume; urban ecosystem

0  引  言

全球變化背景下，人类活动燃烧的化石燃料是大气二氧化碳（CO₂）浓度增加的一个重要原因^[1]。而城市生态系统是由“自然-社会-经济”组合而成的复合生态系统，是人口和交通的集中区，也是全球CO₂排放的主要来源，产生了城市环境中80%的CO₂^[2]。城市生态系统在全球碳循环中的作用变得越来越重要，它既通过当地环境直接排放CO₂，也通过交通、用电等方式排放^[3]，化石燃料燃烧和土地利用、土地覆被的变化使城市生态系统成为一个重要的碳源^[4]。道路交通是城市CO₂排放的主要组成部分，且交通是发展最快的领域之一，也是CO₂排放最多的部门之一^[5]。国内外已有研究表明，CO₂通量的日变化模式与人为活动有很大的对应关系，与交通流量有很强的相关性，交通量对排放量有显著的贡献^[6-8]。但这些研究多是从静态的角度探讨交通流量对碳通量的影响，没有从动态的角度分析，将通量数据及其影响因子进行年际之间比较分析的研究更为稀缺。在城市化背景下，交通流量变化是否会影响城市碳通量的变化，目前该方面的研究还比较少。

本文作者以上海城市化速度最快的西南部为研究区域，利用2012年和2018年的涡度相关数据，与响应时间段的野外定点观测的车流量数据结合，采用数理统计分析方法，探讨交通流量变化对碳通量的影响，以期服务于城市化背景下城市碳循环模型的构建。

1  数据和方法

1.1 研究区域概况

研究区域位于上海市奉贤区，南临杭州湾，距离市区约40 km，如图1所示。气候属亚热带季风气候，夏季盛行东南风，冬季盛行西北风，雨热同期，年均气温为15.7 ℃，年平均降雨量1 160 mm。该研究区域属城市生态系统，人口和交通密集，下垫面具有非均质性，包括绿地、建筑物、交通用地等。位于该区域的上海奉贤大学城通量观测站已连续运转9年，所获取数据准确可靠。交通流量的研究对象为该区域的2条主干道，奉炮公路和海泉路，来往车辆较多，具有城市交通道路的代表性。

1.2 涡动相关通量观测系统

上海奉贤通量观测站使用涡动相关观测系统获取研究区域的通量数据，通量观测塔高20 m，安装微气象梯度观测系统和开路涡动协方差通量观测系统，其通量观测系统主要由Gill三维超声风速仪（Campbell Scientific Instruments，USA），LI-7500（LICOR，Inc.，USA）开路式CO₂和水汽分析仪，以及CR3000（Campbell Scientific Instruments，USA）数据采集器组成。涡动相关系统观测和记录有CO₂/H₂O通量、风向、风速等数据。微气象梯度观测系统记录有降水、光合有效辐射、土壤温度、净辐射等微气象数据。

1.3 通量数据质量控制

选取通量观测站记录的2011年12月—2012年1月期间和2018年10月的涡动相关通量观测数据，以及梯度气象观测数据。对获得的数据进行坐标轴旋转处理、频率响应修正和空气密度响应修正（WPL修正）等处理^[9-11]，剔除了由外界环境干扰以及仪器内部误差产生的异常值，采用平均日变化法（MDV）插补缺失数据^[12]。

1.4 交通流量统计

研究区域的通量足迹包含了2条交通主干道：海泉路和奉炮公路^[13-15]。奉炮公路为南北走向，2车道;海泉路为东西走向，4车道。分别于2011年12月29日—2012年1月3日和2018年10月20日—2018年10月26日，对2条交通主干道的交通流量信息进行统计记录，统计时段为7：00至19：00。调查方法采用人工划“正”字统计法，每隔半小时记录道路过往车辆信息。

1.5 碳通量与交通流量及气象因素的多元统计分析

为进一步探究交通流量对CO₂通量值的影响，基于车流量、CO₂通量，以及温度和风速两种气象要素，建立通量与环境要素之间的关系模式，分析影响CO₂通量变化的因素：

其中，y_t为2012年或2018年的归一化处理后的碳通量;b_t为回归常数;a₁，a₂，a₃为回归系数;X_1t，X_2t，X_3t分别为2012年或2018年归一化处理后的交通流量、温度和风速。

2  结果与分析

2.1 交通流量

2012年和2018年观测站附近2条道路的交通流量特征存在明显差异，如图2所示。在2012年元旦前后，平均每天车流量约为5 300辆，且工作日日平均车流量大于非工作日的，约为7 000辆，非工作日为3 900辆。工作日和非工作日车流量都有明显的日动态规律。工作日上午7：00—8：00出现车流量的高峰（每小时420辆）;此后时间段内车流量数量变化比较平缓;下午16：00—18：00出现一个明显的车流量高峰（每小时510辆）。非工作日的车流量变化不同于工作日，上午7：00—9：00，车流量缓慢增加（每小时170～250辆），在10：00左右出现一个明显的车流量高峰（达到每小时370辆），这可能是由于非工作日出行时间较工作日晚的原因，此后在17：00左右出现晚高峰（每小时380辆），非工作日的车流量高峰（每小时380辆）明显小于工作日车流量（每小时510辆）。

在2018年10月的观测时段内，平均每天车流量约为11 600辆，工作日约为9 600辆，非工作日为15 000辆。工作日和非工作日车流量的日动态变化一致，均为上午7：00—9：00出现车流量的高峰（工作日每小时620辆，非工作日每小时1 360辆）;此后时间段内车流量变化比较平缓;下午16：00—18：00又出现一个车流量高峰（工作日每小时680辆，非工作日每小时720辆）。

与2012年的调查相比较，2018年调查的日平均车流量明显增多，是2012年的一倍多。另外，2012年调查发现工作日日平均车流量明显大于非工作日，而2018年的工作日平均车流量略高于非工作日，非工作日个别时段的车流量高于工作日，这是由于2018年调查时段内的非工作日恰逢上海应用技术大学组织成人考试，导致海泉路与奉炮公路车辆明显增多。

2.2 CO₂通量变化特征

2012年和2018年工作日的日间CO₂通量平均值分别为0.89 μmol·m^-2·s^-1和-2.12 μmol·m^-2·s^-1，通量變化曲线如图3所示。日CO₂通量变化均表现为双峰型，晚高峰的CO₂通量值大于早高峰。7：00—8：00 CO₂通量值明显增加，达到第一个峰值;随后出现负值，从10：00左右一直持续到16：00;18：00 左右，出现碳排放的峰值，且峰值大于早高峰峰值，2012年和2018年碳通量峰值分别为3.86 μmol·m^-2·s^-1和4.96 μmol·m^-2·s^-1。2018年与2012年的日CO₂通量变化趋势一致，但是CO₂通量值整体下降，在白天表现为明显的碳汇，而夜间通量变化更加平稳。

2012年和2018年的CO₂通量值均以正值为主，负值主要出现在白天，这是由于研究区域内分布有以香樟为主的常绿阔叶林和草地，绿色植物在白天进行光合作用，吸收CO₂，抵消了交通等人类活动产生的碳排放，从而使研究区域在白天表现为碳汇。但从全天范围内看，整个研究区域仍然表现为明显的碳源。2018年与2012年相比，研究区域的日间CO₂通量值更低，表现为更明显的碳汇，主要原因是研究区域内植被数量的增多，白天会吸收更多的CO₂。

2.3 交通流量变化与CO₂通量变化的特征分析

2012年和2018年日交通流量和CO₂通量变化趋势如图4所示。分析半小时的交通流量数据和CO₂通量数据，发现两者变化趋势大致相似。在2012年和2018年两段不同的观测时段内，日交通流量和CO₂通量的关系变化也具有一致性，交通流量的高峰时段与CO₂通量值的峰值相对应，这说明CO₂通量与交通流量具有相关性，观测站附近车流量变化是影响碳通量变化的重要影响因子，GRIMMOND等^[2]在芝加哥地区、VELASCO等^[8]在墨西哥城和BERGERON等^[16]在蒙特利尔地区的研究结果与本研究类似。

2.4 交通流量变化与CO₂通量变化的关系

通过对2012年和2018年的碳通量及交通流量、气象参数等数据进行多元线性回归分析（表1）表明，2012年和2018年的关系模式有很大的不同。其中2012年回归模型的判定系数r²=0.18，自变量交通流量的显著性系数p<0.05，通过了显著性检验;而温度和风速表现为不显著，因此剔除X₂和X₃^[17]。得到的模型为：

2018年的多元线性回归模型中自变量的显著性系数均大于0.05，表现为不显著，说明该模型不能解释2018年CO₂通量变化的原因，这与2012年在该区域的研究结果不同。原因可能为随着城市化进程的加快，该区域下垫面部分发生了变化，研究区域西侧住宅区的修建增加了区域碳排放。植被在整个城市生态系统中处于不可或缺的地位，CO₂通量与植被叶面积指数呈负相关关系，研究区域内植物的生长及其生理活动增强了碳汇作用。因此，碳通量影响因子变异性的增加使对单一因子的研究难以解释整个区域长时间的碳通量变化规律，应进一步利用非线性模型进行模拟。今后，把交通流量、植被、下垫面变化、风速、温度和湿度等环境要素纳入一个整体进行分析量化，将会是研究的重点方向。

3  结  论

1） 研究区域2012年和2018年内2条道路的交通流量特征存在明顯差异。2018年日平均交通流量明显高于2012年，由平均每天5 300辆增加到11 600辆。2个年份的日交通流量变化趋势均表现为双峰型，2012年工作日日平均车流量明显大于非工作日，而2018年的工作日平均车流量与非工作日相近，非工作日个别时段的车流量高于工作日。

2） CO₂通量值存在明显的日变化规律，与交通流量的日变化趋势一致，呈现为双峰型。这说明研究区域的CO₂通量变化与交通流量数量的变化具有显著的正相关性。特别是在交通流量异常增加的时间段，CO₂通量值也明显上升。

3） 城市生态系统中，CO₂通量与交通流量的关系在不同的年份有所不同。城市规模的扩张和植被的变化会影响城市生态系统的碳循环，所以系统长期的跟踪监测对城市生态系统碳通量及其影响因素的研究非常必要。

参考文献：

[1] PACHAURI R，REISINGER A.Climate change 2014：synthesis report.Contribution of working groups I，II and III to the fifth assessment report of the intergovernmental panel on climate change [J].Journal of Romance Studies，2014，4（2）：85-88.

[2] GRIMMOND C S B，KING T S，CROPLEY F D，et al.Local scale fluxes of carbon dioxide in urban environments：methodological challenges and results from Chicago [J].Environmental Pollution，2002，116（1）：243-254.

[3] COUTTS A M，BERINGER J，TAPPER N J.Characteristics influencing the variability of urban CO₂fluxes in Melbourne，Australia [J].Atmospheric Environment，2007，41（1）：51-62.

[4] HILLER R，ZEEMAN M J，EUGSTER W.Eddy-covariance flux measurements in the complex terrain of Alpine valley in Switzerland [J].Boundary Layer Meteorology，2008，127 （3）：449-467.

[5] 安久煜.城市道路交通CO₂排放测算及其树木固碳方法研究 [D].哈尔滨：东北林业大学，2016. AN J Y.Research on CO₂emission estimation and wood carbon sequestration method of urban road traffic [D].Harbin：Northeast Forestry University，2016.

[6] GRATANI L，VARONE L.Daily and seasonal variation of CO₂in the city of Rome in relationship with the traffic volume [J].Atmospheric Environment，2005，39（14）：2619-2624.

[7] NEMITZ E，HARGREAVES K J，MCDONALD A G，et al.Meteorological measurements of the urban heat budget and CO₂emissions on a city scale [J].Environmental Science and Technology，2002，36（14）：3139-3146.

[8] VELASCO E，PRESSLEY S，ALLWINE E，et al.Measurements of CO₂fluxes from the Mexico City urban landscape [J].Atmospheric Environment，2005，39（38）：7433-7446.

[9] 龚元，赵敏，姚鑫，等.城市生态系统复合下垫面碳通量特征：以上海市奉贤大学城为例[J].长江流域资源与环境，2017，26（1）：93-101.

GONG Y，ZHAO M，YAO X，et al.Study on carbon flux characteristics of the underlying surface of urban ecosystem：a case study of Shanghai Fengxian University City [J].Resources and Environment in the Yangtze Basin，2017，26（1）：93-101.

[10] EUSKIRCHEN E S，EDGAR C W，TURETSKY M R，et al.Differential response of carbon fluxes to climate in three peatland ecosystems that vary in the presence and stability of permafrost [J].Journal of Geophysical Research：Biogeosciences，2014，119（8）：1576-1595.

[11] WU J B，ZHOU X Y，WANG A Z，et al.Comparative measurements of water vapor fluxes over a tall forest using open- and closed-path eddy covariance system [J].Atmospheric Measurement Techniques，2015，8（10）：4123-4131.

[12] 袁庄鹏.碳通量变化特征及影响因子研究 [D].上海：上海师范大学，2013.

YUAN Z P.Study on the characteristics of carbon flux and its influencing factors [D].Shanghai：Shanghai Normal University，2013.

[13] 龔元，赵敏，姚鑫，等.基于Hsieh和Kljun模型的城市生态系统碳通量贡献区分析与对比 [J].环境工程技术学报，2017，7（2）：225-231.

GONG Y，ZHAO M，YAO X，et al.Analysis and comparison of carbon flux contribution zones in urban ecological system based on Hsieh and Kljun models [J].Journal of Environmental Engineering Technology，2017，7（2）：225-231.

[14] 郭智娟，龚元，张凯迪，等.复杂下垫面下不透水层的CO₂通量足迹分析：以上海市奉贤大学城为例 [J].环境科学学报，2018，38（2）：772-779.

GUO Z J，GONG Y，ZHANG K D，et al.CO₂flux footprints of impervious layer on complex land surface：a case study at the Fengxian College Park，Shanghai [J].Acta Scientiae Circumstantiae，2018，38（2）：772-779.

[15] 张凯迪，龚元，郭智娟，等.2011和2016年亚热带城市生态系统通量源区及CO₂通量特征：以上海市奉贤大学城为例 [J].上海师范大学学报（自然科学版），2018，47（4）：458-465.

ZHANG K D，GONG Y，GUO Z J，et al.Flux source area and CO₂ flux characteristics of subtropical urban ecosystem in 2011 and 2016：a case study of Shanghai Fengxian University City [J].Journal of Shanghai Normal University （Natural Sciences），2018，47（4）：458-465.

[16] BERGERON O，STRACHAN I B.CO₂sources and sinks in urban and suburban areas of a northern mid-latitude city [J].Atmospheric Environment，2011，45（8）：1564-1573.

[17] 袁庄鹏，赵敏，黄辞海，等.城市节假日前后碳通量特征及其与车流量关系 [J].环境工程学报，2013，7（9）：3501-3506.

YUAN Z P，ZHAO M，HUANG C H，et al.Characteristics of CO₂ flux before and its relationship with traffic volume in urban area [J].Chinese Journal of Environmental Engineering，2013，7（9）：3501-3506.

（责任编辑：郁慧）