基于ENVI-met的道路绿带植物配植对PM2.5浓度影响模拟

袁楚阳，章银柯，朱国亮，李晓璐，于慧，张天然，黄芳，莫莉，邵锋

（1.浙江农林大学 风景园林与建筑学院，浙江 杭州 311300；2.杭州植物园，浙江 杭州 310012；3.缙云县林业局，浙江 缙云321400；4.生态环境部土壤与农业农村生态环境监管技术中心，北京 100012）

随着城市化和工业化进程的加快，大气污染已成为我国面临的重大环境问题。细颗粒物（Fine P articulate Matter，PM2.5）作为主要的大气污染物之一，会对人体健康造成严重危害[1-2]。研究表明，汽车尾气排放是PM2.5的重要来源之一[3-4]。植物可以滞留和吸附PM2.5，植物树冠能通过降低风速使PM2.5沉落至叶片或地面，从而降低PM2.5的浓度[5-9]。道路绿带植物配植可有效消减道路上的PM2.5。于丽胖等[10]认为，道路绿化中结构疏松的植物配植方式要比紧密的方式更有利于 PM2.5的扩散。李新宇等[11]研究证实，群落内郁闭度高的复层结构绿地对PM2.5的消减作用优于郁闭度低的单层结构绿地。但也有研究表明，植被对于 PM2.5的阻碍作用强于其对 PM2.5的吸附与沉降作用，从而不利于PM2.5的扩散，反而可能增加PM2.5的浓度[12-13]。

与FLUENT和PHOENICS等软件侧重对建筑内外气流和传热过程的模拟不同，ENVI-met基于流体动力学模型计算和热力学对三维微气候模型进行分析，更加关注植物对环境微气候的影响，因此，更适合研究中小尺度区域内植物与大气污染物之间的关系[14-16]。该软件在住宅微气候[17]、街区热舒适度[18]和大气颗粒物扩散[19]等方面已有较多应用，而有关植物与大气颗粒物之间的模拟研究较少。本文以杭州市临安区武肃街为研究对象，采用实地监测与 ENVI-met软件模拟相结合的方法，探究城市道路分车绿带和行道树绿带内不同植物配植方式对PM2.5的影响，分析PM2.5的扩散规律，为城市道路绿带的植物配植提供科学依据。

1 研究区概况

杭州市临安区，地理坐标为29°56'～30°23' N，118°51'～119°52' E，地处长三角南翼、杭州市西部，与安徽省接壤。属季风型气候，年平均气温为16.4℃，年均日照时数为1 837.9 h，年均降水量为1 613.9 mm。本研究选择武肃街作为试验样地。该样地位于临安主城区东北部，道路全长约3.7 km，东临科技大道、西接临天路，途经浙江农林大学地铁站、浙江农林大学南门、宝龙广场、浙皖农贸城和林水山居小区等，是临安重要的城市主干道之一。武肃街道路断面为三板四带式双向四车道，其交通流量大（监测车流量为1 068 veh·h-1）。道路红线内机动车道宽16 m，两侧各有一条分车绿带（宽2.5 m）、非机动车道（宽4.5 m）和人行道（宽5 m），人行道靠近非机动车一侧是行道树绿带。分车绿带的植物配植为：银杏Ginkgo bi loba-红花檵木Loropetalum chinensevar.rubrum（篱）+金边大叶黄杨Euonymus japonicusvar.aurea-marginatus（篱）、木犀Osmanthus fragrans-红花檵木（球）-麦冬Ophiopogon japonicus和侧柏Platycladus orientalis-红花檵木（球）+金边大叶黄杨（篱）；行道树绿带配植为：樟Cinnamomum camphora-麦冬。

2 研究方法

2.1 PM2.5浓度实地监测

为总结道路绿带内PM2.5浓度的日变化规律，并为后续软件模型验证提供基础数据，试验首先开展了绿带内 PM2.5浓度实地监测。调查发现，样地周边以住宅和商业建筑为主，主要污染源是机动车尾气。通常机动车道处产生的 PM2.5会向非机动车道和人行道扩散，因此，充分考虑现场环境条件及试验安全性等因素，本研究在靠近分车绿带的机动车道处和人行道处各设置1个监测点，其中，监测点1的数据主要用于模型验证时污染源的参数设置，监测点2的数据主要用于模型验证时的对比检验及分析和总结 PM2.5浓度的变化规律（图1）。

图1 监测点位置Figure 1 Location of monitoring points

于天气晴朗、微风条件下，在2个监测点各布置1台微电脑激光粉尘仪LD-5C（B）进行PM2.5浓度监测。仪器架设高度距离地面为1.5 m（同成人呼吸高度）。监测数据采集频率为1次·min-1，设置精度（k值）为0.001。实地监测时间为2019年9月12日、10月22日和11月23日。由于夜晚的PM2.5浓度变化不如白天的变化明显，因此，本研究仅监测白天（8:00-16:00）的PM2.5浓度。在监测点1处设置1台数字风速仪MS6252B测定温度、相对湿度和风速等气象因子数据，仪器架设高度与粉尘仪一致。

2.2 EN VI-met模型设置

本研究为小尺度场地范围内的数值模拟，因此，网格尺寸精度设置较高，以提高模拟的准确性，同时，不影响模拟效率。在水平方向上，X轴代表研究范围内道路的宽度，而Y轴为道路长度，两者均选择1 m的最高分辨率，网格数均为60，为减少边界失真，最外围2格为嵌套网格。Z轴表示模型中的垂直高度，单元网格为1 m，共设置30格，采用等距网格划分方式，软件会将最底层的网格自动细划分成5等份。综上，本次模拟试验中的模型网格为60 × 60 × 30格，每个网格大小为 1 m × 1 m × 1 m，总区域大小为 60 m ×60 m × 30 m。将监测地段的道路平面图导入ENVI-met软件，建立实地模型。污染源的参数为监测点1的PM2.5浓度值，气象参数来自风速仪记录的数据。经模拟后得到人行道处的 PM2.5浓度模拟值，然后将模拟值与实测值进行比较和分析，以此验证模拟研究的可行性、准确性和可靠性。随后，以实地模型为基础，改变道路绿带中的植物配植方式。分车绿带选择“乔灌”和“灌草”，行道树绿带选择“乔灌”和“乔草”，通过两两组合，构成乔灌-乔草（I）、乔灌-乔灌（II）、灌草-乔草（III）和灌草-乔灌（IV）4种配植方式的研究模型，并以无植物种植的道路（CK）为参照模型，5种模型的道路断面如图2所示。

4种研究模型中的植物种植间距与实地模型的一致，分车绿带的植物株距为7 m，行道树绿带的为6 m。为研究不同植物配植方式对汽车尾气排放产生的PM2.5浓度的影响，需忽略城市背景浓度值，在软件中根据机动车的PM2.5排放特点估算其排放速率[20]。实地监测的单向车流量q= 534 veh·h-1，参考CHENG等[21]研究成果，机动车尾气PM2.5排放因子E值确定为 0.131 g·veh-1·km-1，根据公式v=E·q，求得排放速率v。

经计算，本试验中单向车道 PM2.5线源污染物排放速率约为 19.4 μg·s-1·m-1。武肃街为双向四车道，故设 2条线性污染源，排放高度为0.3 m，排放速率恒定，不考虑车流量变化对PM2.5排放速率的影响。在11月23日的天气条件下，PM2.5浓度日变化表现为典型的“双峰单谷”型变化趋势。为使模型更好地反映PM2.5浓度的变化规律，以该日的气象因子数据作为研究模型的气象参数，风向采用杭州市临安区气象局提供的数据（270°），模拟时间则与实测时间相同（8 h）。

2.3 PM2.5消减率计算

参考王佳等[22]的研究方法，将4种植物配植方式与CK进行叠加比较。同一位置处PM2.5浓度变化值（C值）=某一植物配植方式的PM2.5浓度-CK的PM2.5浓度，得到剖面差值图和平面差值图。剖面图选取Y= 30 m，为PM2.5扩散较稳定区域；平面图选取Z= 1.5 m，为行人呼吸高度。而非机动车道（X= 42～45 m）和人行道（X=48～50 m）处PM2.5的浓度变化是本文的研究重点。

在各模型的平面图上，从机动车道边缘Y= 3 m开始，纵向每间隔10 m选取1个监测点，共计5个；在非机动车道处和人行道处分别选取对应监测点，即纵向与机动车道监测点设置相同，每种模型共计15个点，计算各模型的PM2.5浓度平均消减率。消减率计算公式为：

式中，P为 PM2.5浓度消减率，Cs是机动车道边缘的 PM2.5浓度，Cm是不同模型中非机动车道处或人行道处的PM2.5浓度[23]。

3 结果与分析

3.1 实测PM2.5浓度日变化

人行道处实测PM2.5浓度日变化情况如图3。由图 3可知，人行道处PM2.5浓度日变化总体呈现上午和下午较高，中午低的趋势。PM2.5浓度最大值（157 μg·m-3）出现在 11 月 23 日的 9:30，最小值（6 μg·m-3）出现在 11月 23日的 13:30。9月 12日，PM2.5浓度在9:50达到高峰值（152 μg·m-3）后持续下降，12:40降到低谷值（49 μg·m-3），之后呈平缓上升趋势，16:00 时浓度升高至 61 μg·m-3。10 月 22 日 10:10-12:45，PM2.5浓度从高峰值（148 μg·m-3）下降至低谷值（41 μg·m-3）；12:45-14:30，浓度有所上升；14:30-16:00，浓度又从 70 μg·m-3降至 46 μg·m-3。11月23日，PM2.5浓度日变化与9月12日的相似。

图3 人行道处PM2.5浓度日变化Figure 3 Daily variation of PM2.5 concentration on the pavement

3.2 实地模型验证

图4 人行道处PM2.5浓度实测值与模拟值Figure 4 Measured and simulated PM2.5 concentration on the pavement

图4为人行道处PM2.5浓度实测值（以下称实测值）和PM2.5浓度模拟值（以下称模拟值）的对比图。由图4可知，模拟值与实测值的变化趋势基本相同，且模拟值均小于实测值。利用 Pearson分析方法对实测值与模拟值进行相关性分析，2019年9月12日、10月22日和11月23日的相关系数分别为0.955、0.964和0.976，P< 0.01，两者之间存在极显著正相关。通过趋势拟合可得到线性方程Y= 2.267 6 4 +0.872 11X（R2= 0.944）（图5），模拟值与实测值相关性较高，符合PM2.5扩散规律，表明ENVI-met可用于PM2.5浓度模拟。

图5 PM2.5浓度实测值与模拟值拟合方程图Figure 5 Fitted equation for measured and simulated PM2.5 concentration

3.3 EN VI-met模型道路PM2.5浓度分布

3.3.1 无植物种植的道路 PM2.5浓度分布 对无植物种植的道路进行可视化分析，得到剖面图和平面图，分别表示 PM2.5浓度在垂直方向和水平方向上的分布情况，如图6。由图6可知，在剖面图上，垂直方向PM2.5浓度最大值（33.94 μg·m-3）出现在Z= 1 m的机动车道处；在平面图上，水平方向PM2.5呈扇形扩散，下风向的PM2.5浓度高于上风向的，PM2.5浓度最大值（11.19 μg·m-3）出现在X= 38 m的机动车道处。研究表明，CK的PM2.5浓度在污染源处（机动车道处）最高，且随风向向外扩散。

图6 无植物种植道路内PM2.5浓度垂直方向和水平方向分布模拟Figure 6 Vertical and horizontal simulation of PM2.5 concentration in the road without plants

3.3.2 不同植物配植方式对PM2.5浓度的影响

（1）垂直方向。将4种植物配植方式的道路分别与CK叠加，得到PM2.5浓度剖面差值图，见图7。由图7可知，在垂直方向上，Z< 2 m时，机动车道处的C值均为正值，其中，Ⅰ和Ⅱ的C值较大，而Ⅲ和Ⅳ的较小，表明4种配植方式的道路机动车道处均有PM2.5聚集现象。此外，非机动车道和人行道处Ⅰ和Ⅱ的PM2.5仅扩散至3 m高度处，低于Ⅲ和Ⅳ的，且人行道处Ⅲ和Ⅳ在Z= 4～6 m高度处均有PM2.5聚集现象。其原因是分车绿带为“灌草”时，植物配植对PM2.5影响较小，部分PM2.5会扩散至高空，而行道树绿带的乔木会滞留这部分PM2.5。

图7 不同植物配植方式的PM2.5浓度剖面差值图Figure 7 Section differential diagram of PM2.5 concentration with different plant distribution

图8 不同植物配植方式的PM2.5浓度平面差值图Figure 8 Plane differential diagram of PM2.5 concentration with different plant distribution

（2）水平方向。图8为4种植物配植方式的道路分别与CK叠加后的PM2.5浓度平面差值图，其中，Y轴边界处出现边界失真，故取Y= 3～58 m进行研究。由图8可知，在水平方向上，非机动车道处I和III部分点的C值为负值，且III的PM2.5浓度下降区域略大于I的；其余两组的非机动车道处的C值均为正值，无浓度下降区域。对模拟结果进行方差分析，结果见表 1。由表 1可知，非机动车道处C1值为：II（0.648 ± 0.086 4 μg·m-3）>IV（0.499 ± 0.086 2 μg·m-3）>I（0.475 ± 0.088 8 μg·m-3）>III（0.195 ± 0.089 0 μg·m-3），均为正值，即相较于 CK，水平方向上非机动车道处的 PM2.5浓度均呈上升趋势。I和IV的C1值之间不存在显著差异（P≥0.05），其他配植方式间的C1值间均存在显著差异（P< 0.05）。

表1 非机动车道处PM2.5浓度方差分析与多重比较Table 1 ANOVA and multiple comparison of PM2.5 concentration in bicycle lane

计算非机动车道处4种植物配植方式与CK的PM2.5平均消减率，结果见图9。由图9可知，5种模型PM2.5的平均消减率均为负值，其大小排序为：CK（-11.19%）>III（-12.92%）>I（-14.21%）>IV（-16.02%）>II（-16.53%）。植物对非机动车道处的PM2.5有聚集作用。相较于CK，II、IV、I和III的PM2.5消减率分别下降5.34%、4.83%、3.02%和1.73%。非机动车道处PM2.5消减率下降，这可能是其距离污染源较近，且两侧有绿带阻挡，PM2.5无法快速扩散，导致浓度升高。

表2 人行道处PM2.5浓度方差分析与多重比较Table 2 ANOVA and multiple comparison of PM2.5 concentrationon the pavement

由图8可知，在水平方向上，人行道处（X= 48～50 m）I和 II各点的C值大多为负值，即相较于 CK，其PM2.5浓度普遍呈下降趋势；IV相反，各点的C值基本均为正值，相较于 CK，其 PM2.5浓度呈上升趋势；III的 PM2.5浓度变化相对均衡。对人行道处模拟结果进行方差分析，结果见表 2。由表 2 可知，人行道处的C2值为：IV（0.237 ± 0.138 μg·m-3）>III（0.043 ± 0.063 μg·m-3）>II（-0.103 ± 0.143 μg·m-3）>I（-0.161 ± 0.081 μg·m-3）。4种植物配植方式的C2值之间均存在显著差异（P< 0.05）。

图9 非机动车道处不同植物配植方式的PM2.5浓度消减率Figure 9 Reduction rate of PM2.5 concentration with different plant distribution in bicycle lane

图10 人行道处不同植物配植方式的PM2.5浓度消减率Figure 10 Reduction rate of PM2.5 concentration with different plant distribution on the pavement

计算人行道处4种植物配植方式与CK的PM2.5平均消减率，结果见图10。由图10可知，人行道处的PM2.5平均消减率大小排序为：I（1.36%）>II（0.29%）>CK（-0.58%）>III（-1.09%）>IV（-1.47%）。相较于CK，I和II的PM2.5消减率为正值，即人行道处PM2.5浓度有所下降，I和II的消减率分别增加1.94%和0.87%，而III和IV的消减率分别减少0.51%和0.89%。造成III和IV消减率减少的原因是分车绿带中“灌草”无法有效消减PM2.5，导致其人行道处浓度升高。

4 结论与讨论

4.1 讨论

实测表明，武肃街人行道处 PM2.5浓度日变化表现为上午和下午较高、中午低的趋势，这与刘浩栋等[24]、王成等[25]和郭建超等[26]的研究结果一致。其主要原因是监测的前一天夜晚温度较低、湿度较大，PM2.5不断沉降，当日早晨空气湿度较大、逆温层变厚，不利于PM2.5扩散，而8:00-9:30又是上班早高峰，导致PM2.5浓度达到高峰值；9:30-13:30，随着车流量的减少及气象因子的影响，使得PM2.5浓度持续降低；13:30以后，PM2.5浓度略有升高。10月 22日，14:30-16:00，PM2.5浓度有所下降，这可能与当日风速和风向变化有关，风速和风向变化是影响PM2.5扩散的重要因素之一[26-27]。

模拟研究表明，机动车道处 PM2.5浓度在垂直方向上的分布情况与郭晓华等[23]的研究结果相同，而水平方向上则不同；相较于CK，在水平方向上，非机动车道处4种配植方式的PM2.5消减率均下降，这与其他学者[12,28-29]的研究结论基本一致。其原因可能是本研究模拟的区域尺度较小、道路绿带长度有限，道路中PM2.5浓度会受到绿带的相互影响而升高，也可能是植物已滞留的部分PM2.5会受到气流影响再次扩散，形成二次扬尘（上层乔木分枝点高，不易受低空气流影响；下层草本低矮，能够有效阻滞地面扬尘；中层密植的灌木反而会受到气流影响使部分 PM2.5再次扩散至空中）。此外，杨貌等[30]和张灵艺等[31]研究认为，乔草型植物配植方式在水平方向上吸附PM2.5效果好，这与本研究结果一致。

4.2 结论

对杭州市临安区武肃街道路绿带内不同植物配植方式对PM2.5浓度的影响研究结果表明，人行道处PM2.5浓度实测值与模拟值呈极显著正相关（P< 0.01，R2= 0.944），表明ENVI-met可用于PM2.5浓度模拟。模拟研究显示，CK中PM2.5浓度最高值出现在机动车道处，PM2.5随风向向外扩散，下风向的PM2.5浓度高于上风向的。相较于CK，在垂直方向上，非机动车道和人行道处I和II的PM2.5扩散高度均低于III和IV的，且人行道处III和IV在4～6 m高度处均有PM2.5聚集现象；在水平方向上，非机动车道处4种配植方式的PM2.5消减率均下降，降幅大小依次为II（5.34%）>IV（4.83%）>I（3.02%）>III（1.73%），人行道处I和II的消减率分别增加1.94%和0.87%，而III和IV的消减率分别减少0.51%和0.89%。乔灌型分车绿带和乔草型行道树绿带是道路绿带的最佳植物配植方式。