城市道路交通污染排放模拟
刘顺利,邓启红,刘蔚巍,贺广兴,周叶,孙俊杰
(中南大学 能源科学与工程学院,湖南 长沙,410083)
摘要:近年来,我国机动车保有量迅猛增加,机动车尾气污染对城市环境的影响越来越严重。在一定时段,机动车尾气污染已成为空气污染最主要的污染源之一。应用机动车尾气污染扩散模式研究尾气排放与道路车流运行状况之间的关系。以长沙市机动车污染排放数据为基础,结合具体的气象特点,应用CALINE-4模式模拟NOx的浓度时空分布,最后对长沙市机动车污染的一般特点进行分析。研究结果表明:长沙市机动车污染排放较严重,需重点控制机动车污染区域。
关键词:机动车尾气污染;时空分布;CALINE-4;长沙
中图分类号:U491.1 文献标志码:A 文章编号:1672-7207(2012)S1-0020-05
Simulation and analysis of traffic-induced exhaust emissions in urban roads
LIU Shun-li, DENG Qi-hong, LIU Wei-wei, HE Guang-xing, ZHOU Ye, SUN Jun-jie
(School of Energy Science and Engineering, Central South University, Changsha 410083, China)
Abstract: In recent years, the maintain volume of motor vehicles in China is growing rapidly, and vehicle exhaust pollution is getting more and more serious on urban environment. In a certain period, vehicle exhaust pollution becomes one of the main sources of air pollution. Vehicle exhaust pollution dispersion model to study the relationship between road traffic emissions and the link operation was investigated. Based on the status of vehicular emission and meteorological conditions of Changsha, spatial-temporal distribution of NOx concentration was simulated using CALINE-4 dispersion model in the urban region. At last, the vehicular exhaust pollution characteristics, the vehicle exhaust pollution in Changsha is serious. The key control areas of vehicle exhaust pollution are also identified.
Key words: vehicular exhaust emission; spatial-temporal distribution; CALINE-4; Changsha
机动车尾气排放污染已经成为我国城市空气污染的主要来源之一[1-3],机动车尾气如CO、NOX和烃类等对人类健康有严重的危害,了解机动车污染排放空间分布对于控制机动车污染具有重要的实际意义。欧美和日本等发达国家自20世纪60年代已经对机动车尾气污染物扩散模式进行了多方面研究[4-6],许多机动车污染扩散模式已建立, 具体可分3部分:(1) 区域污染扩散模式,如ISC模式、AERMOD模式、CULPUFF模式等;(2) 公路扩散和街道模式,如HIWAY模式、CALINE模式、OSPM模式等;(3) 机动车尾气排放因子计算模式,如EF2007模式、MOBILE5.0模式、COPERT模式等。近年来,国内对机动车排气污染的研究发展迅速,已经引进并建立了适应于我国具体情况的公路和城市街道扩散模式。本研究拟采用美国国家环保局(EPA)推荐使用的1种实用的线源扩散模式—CALINE-4模式,该模式已在国内外广泛使用[7-9]。并以长沙市为例,选用该模型模拟长沙市道路机动车污染物排放的时空分布情况。
1 CALINE-4概述
CALINE-4模式的基本思路是将道路划分成一系列线源单元(简称线元),分别计算各线元排放的污染物对接受点浓度的贡献,然后再求和计算整条道路流动源在接受点产生的污染浓度。具体线元的划分方法(见图1):把划分后的每个线元看作1个通过线元中心,方向与风向垂直,长度为该线元在垂直风向(y轴方向)投影的有限线源,以接受点为坐标原点,上风向为正x轴,则线元对接受点污染的贡献值可按下式计算:
(1)
式中:Cn为第n个线元对接受点的质量浓度贡献,mg/m3;C为质量浓度,mg/m3;QL为线源源强,mg/(m·s);u为近地面风速,m/s;H为源高,m;σy为横向的扩散参数;σz为垂直方向的扩散参数;y1和y2为有限线源两端点的纵坐标(y2>y1)。
应用CALINE4模式预测机动车尾气污染,需要事先确定模型运行控制选项、污染源数据、气象数据和预测点位置坐标。其中污染源数据包括道路的车流量数据、各类污染物的排放因子、道路的几何参数(位置坐标、几何尺寸、路况类别等);气象数据主要包括风速、风向、大气稳定度和扩散参数等。
图1 CALINE-4线源划分示意图
Fig.1 CALINE-4 line source classification
2 模式应用
2.1 长沙市概况
长沙属亚热带季风性湿润气候,气候温和,降水充沛,年平均气温17.2 ℃,年均降水量1 361.6 mm,年平均风速3.2 m/s。近10年来,长沙市机动车辆增长速度稳定,然而,配套的交通基础设施建设和交通规划管理的改进却未能随着机动车的高速增长而快速发展,路网交通量急剧增加,使长沙市的交通供需矛盾日益突出,出现了道路拥挤,交叉口堵塞现象。长沙市区道路分布不均匀,路网密度高的地区主要集中分布在岳麓区和芙蓉区。本研究选取长沙岳麓区中部分主干道路进行长沙市机动车污染扩散模拟。
2.2 输入参数的确定
2.2.1 源强参数
机动车的排放源强与车流量、行车速度、车龄分布和不同车种在不同行驶速度下的排放因子有关。通常可按下式确定:
(2)
式中:Q为汽车尾气总源强,g/(m·s);Ei为车型i的综合排放因子,g/(辆·km);TV为总车流量;σi为某类型汽车流量占总车流量的百分比;i为车辆类型。
1) 车流量。总车流量与各车型占有比例以长沙市环保局的实测数据为依据进行计算。由于检测数据分2个高峰(7:00-8:00,17:00-18:00所测量得到的高峰值),在实际过程中,每天24 h车流量变化明显。因此,在模拟时所用的车流量数据一定要与模拟时间对应,参考文献[10,11,14],确定长沙市车流量变化系数。以高峰期变化系数为1来计算不同时段的车流量(见表1),作为源强的总车流量。长沙市各类车型占有比例为小型车78%,中型车16%,重型车6%。
2) 机动车污染物排放因子。车流量排放因子需要考虑许多因素,如交通污染物排放控制水平、车辆与燃料类型、运行模式和周围气象参数等因素。根据美国环保局(EPA) MOBILE5.0模式推荐的单车排放因子值,并结合我国对部分车辆进行的实测结果统计修正得出(见表2)。
3) 道路形状与计算点位置坐标。道路形状参数包括道路宽度、道路长度、道路倾角等。道路宽度采用实测数据,道路的两端点的坐标通过ArcGIS 软件获取[12],道路长度与倾角可以通过道路两端点坐标计算获得。计算坐标点可通过ArcGIS首先对长沙市岳麓区地理单元进行提取,再网格划分,提取网格中心点坐标作为计算点的位置坐标。
表1 车流量时段变化系数表
Table 1 Traffic volume time variation coefficient
表2 车辆单车NOx排放因子Ei值
Table 2 Vehicle’s NOx emission factor Ei g/(辆·km)
2.2.2 气象参数
风向、风速、气温和云量等气象参数为逐时数据,来源于长沙市气象局。大气稳定度则根据风速及云量数据等采用我国现有法规中推荐的修订Pasquill(1974)分类法[13,15]计算得出。混合层高度根据逐时大气稳定度及长沙市的纬度数据得出。
3 模拟结果与分析
利用CALINE-4模型,成功地模拟计算长沙市岳麓区东西12.5 km、南北19 km,共计237.5 km2范围内,以0.5 km×0.5 km为单元的NOx在不同时段和不同气象条件下日变化规律和年平均污染物浓度分布图,从而获得长沙市岳麓区机动车排气污染的时间变化规律和空间分布状况,模拟结果可见图2~5。图2所示为长沙市岳麓区内岳麓大道某路段路边某点的NOx污染物白天变化规律;图3所示为2008年NOx年均浓度空间分布图;图4所示为西北风向,风速为1.5 m/s,稳定度为D在8:00时的NOx浓度空间分布图;图5所示为西北风向,风速为3.5 m/s,稳定度为D在12:00时的NOx浓度空间分布图。
1) 从图2及表1可见:污染物的排放强度与车流量的变化趋势相近,呈现由高到低再升高的变化趋势。NOx浓度最大值出现在7:00-8:00,浓度为4.83 mg/(m·s),其次为17:00-18:00间的浓度,最小值出现在12:00-13:00,浓度为2.1 mg/(m·s)。这主要与居民的上下班时间以及出行规律有关,车流量较大,机动车污染物排放强而多。
2) 从图3并结合岳麓区的道路分布状况得出以下规律:
① 绕城高速与岳麓大道交叉口附近,出现高浓度的污染,由于该区域处在十字路口,道路车流量和交通流量大,除去市内的车外,还有大量的进出城市的车辆通过且以大型载货卡车和拖拉机等柴油车居多,这些车与汽车相比尾气排量较大,导致污染物总量增大,污染加重。另外交叉路口处车辆加速、减速和怠速等因素都可增加高浓度NOx污染物的排放。
图2 NOx排放浓度时间变化值
Fig.2 Value of temporal variation of NOx emission concentration
图3 年均NOx浓度空间分布图
Fig.3 Yearly average of spatial distribution of NOx concentration
图4 8:00时NOx浓度空间分布图
Fig.4 Spatial distribution of NOx concentration at 8:00
图5 12:00时NOx浓度空间分布图
Fig.5 Spatial distribution of NOx concentration at 12:00
② 岳麓大道、二环线及枫林路等附近污染较严重,该区域主要是市内车流量造成的。由于该路段交通干线分布比较密集,居民出行偏向于私人驾车而选择公共交通方式不多,加大了道路负荷,车流量大,污染相对加重。
③ 其他道路区域,并不是主要的交通干道,道路车流量辆较少,尾气排放量低,一般不会造成严重的污染。
另外,从图3所示的NOx分布图也可看出机动车排气污染浓度主要集中在道路两侧,随着到路边的距离增大而逐渐减少。
3) 从图4与图5可看出:在不同的时段和气象条件下,NOx污染物浓度分布不同。8:00时刻的污染浓度分布大小明显比12:00时刻的高,道路交叉口处尤为明显,这可能与8:00时刻交通流量大有关,8:00时刻正是上班的时间,居民出行率较大,导致尾气排放量增大,造成污染物浓度偏高。同时气象因素也对此有一定的影响,12:00时刻的风速较大,单位时间内进入空气中的清洁空气较多,有利于污染物扩散,稀释较快,浓度偏低。而8:00时刻时风速较小,不利于污染物扩散稀释,污染物浓度偏高。综合这2方面原因,污染物的浓度严重超过了国家标准排放规范,严重危害人行道人群的身体健康。
4 结论
(1) 利用CALINE-4模式模拟城市道路的机动车排气污染的时间和空间分布,提供了直观的NOx污染表面图形,描绘出污染物超出国家标准的区域和控制点。结果表明长沙市机动车排放污染强度与车流量变化有关。机动车污染主要集中在道路两边,特别是岳麓大道和绕城高速路段。它已成为该区域大气污染的主要来源,在进行大气污染控制时应针对污染严重的街区,有重点地进行污染治理,采取相应的调控策略,做到有的放矢,达到综合治理的目的。
(2) 受交通数据的限制,仅模拟了长沙市岳麓区十几条道路的污染扩散情况,还不能全面地反映全市的污染状况, 模型参数的选取也将影响到模拟结果,如在本研究中源强的时变化系数参照其他城市研究结果,这使得模拟结果精度受到一定的影响, 今后可以通过在数据库中增添新的数据,修正模型参数来改善模拟结果。同时,本研究缺少相应的模型验证,在今后工作中应进行进一步研究。
参考文献:
[1] JI Ming-hao, DONG Quan-he, YE Wu, et al. A study of the emission and concentration distribution of vehicular pollutants in the urban area of Beijing[J]. Atmosphere Environment, 2000, 34: 453-465.
[2] Luhar A K, Patil R S. A general finite line source model for vehicular pollutant prediction[J]. Atmospheric Environment, 1989, 23: 555-562.
[3] Alexopoulos A, Assimacopoulos D, A model of traffic emissions estimation[J]. Atmospheric Environment B, 1993, 27(4): 435-446.
[4] CALINE-4—A dispersion model for predicting air pollutant concentrations near roadways[EB/OL]. [1989-06-30] http://www.dot.ca.gov/hq/env/air/calinma.htm
[5] Nagendra S M S, Khare M. Line source modeling[J]. Atmospheric Environment, 2002, 36: 2083-2098.
[6] Chock D P. A simple line source model for dispersion near roadways[J]. Atmospheric Environment, 1978, 12: 823-829.
[7] Jensen S S. Driving patterns and emissions from different types of roads[J]. The Science of the Total Environment, 1995, 169: 123-128.
[8] Sharan M. A mathematical model for the dispersion of air pollutants in low wind conditions[J]. Atmospheric Environment, 1996, 30(8): 1209-1220.
[9] Kono H, Ito S. A microscale dispersion model for motor vehicle exhaust gas in urban areas-OMG volume source model[J]. Atmospheric Environment, 1990, 24(2): 243-251.
[10] Mensink C, de Vlieger I, Nys J. An urban transport emission model for the Antwerp area[J]. Atmospheric Environment, 2000, 34: 4595-4602.
[11] Reynolds A W, Broderick B M. Development of an emissions inventory model for mobile sources[J]. Transportation Research, Part D 5, 2000: 77-101.
[12] Collins S. A GIS approach to modeling traffic related air pollution[D]. University of Huddersfield, School of Applied Science, 1998: 48-49.
[13] Chan T L, Ning Z. On-road remote sensing of diesel vehicle emissions measurement and emission factors estimation in Hong Kong[J]. Atmospheric Environment, 2005, 39: 6843-6856.
[14] 马蔚纯, 张超, 王远飞, 等. 南京东路机动车尾气污染调查和计算分析[J]. 上海环境科学, 1997, 1(1): 32-35.
MA Wei-chun, ZHANG Chao, WANG Yuan-fei, et al. Pollution investigation and computational analysis of vehicle exhaust in Nanjing east road[J]. Shanghai Environmental Sciences, 1997, 1(1): 32-35.
[15] 谷清, 李云生. 大气环境模式计算方法[M]. 北京: 气象出版社, 2002: 8-10.
GU Qing, LI Yun-sheng. Calculation of atmospheric model[M]. Beijing: Meteorological Press, 2002: 8-10.
(编辑 何运斌)
收稿日期:2012-01-15;修回日期:2012-02-15
基金项目:国家自然科学基金资助项目(51178466);全国高等学校优秀博士学位论文作者专项资金项目(200545)
通信作者:邓启红(1973-),男,河南潢川人,博士,教授,从事城市环境及其健康效应研究;电话:0731-88877175;E-mail:qhdeng@csu.edu.cn