居住区室外开敞空间PM2.5、PM10时空分布特征及居民暴露风险评估

姜润声

洪 波*

居住区室外开敞空间作为人与自然交流沟通的桥梁，其环境的舒适性、健康性对城镇人居环境建设至关重要。受居住区建筑布局、绿地布局以及水景设施等因素的影响，其室外环境可能会出现局部恶化的现象，如通风不畅造成局部空间悬浮颗粒污染物富集[1]。在大气悬浮颗粒污染物中，空气动力学直径小于10和2.5μm(PM10和PM2.5)的可吸入颗粒物，不仅会降低工作效率和幸福感[2-3]、影响人们的精神和心理健康[4]，还会加剧各种呼吸道和心血管疾病的发病率[5]。

众所周知，居住区绿化在缓解居住区局部热岛、改善住区室外空气质量等方面发挥着重要作用[6]。绿化植被，尤其是乔木，能有效降低大气悬浮颗粒污染物浓度[7-8]。乔木的种类、冠幅大小和孔隙度、叶面积密度以及植物和建筑的距离都能影响颗粒物扩散[9]。近年来，大量研究通过实测、风洞实验或数值模拟等方法评估了不同植物对颗粒物的捕获速率、沉积速度、空气动力学与沉降作用等[10-12]，以探讨植物对颗粒物污染的削减作用。

然而，当前的研究结果大多为某一特定时间、特定空间的数据，其在时间和空间上是离散的，且相关研究忽略了居民活动规律与悬浮颗粒污染物浓度分布的关系。由于活动需求和偏好等因素的差异，城市空间中居民通常具有复杂的行为模式和时空分布特征[13-14]。居民活动分布方式与大气悬浮颗粒污染物浓度分布在时空上的叠加作用可能导致暴露情况的复杂变化，因此忽略居民的行为模式可能导致无法准确评估真实环境中的居民暴露风险。

基于此，本研究选取居住区室外开敞空间为研究对象，通过调查典型场地中的居民数量、位置和访问时间，利用行为制图结合Reynolds Averaged Navier-Stokes Model与Revised Drift Flux Model建立了居民分布特征和PM2.5、PM10浓度分布特征的时空映射，系统分析居民在场地中大气悬浮颗粒污染物的暴露水平，旨在探明以下3个问题：1)居民在室外开敞空间中活动存在什么样的行为规律？2)居民室外活动时暴露在怎样的PM2.5、PM10浓度中？3)基于居民行为规律和PM2.5、PM10浓度时空分布特征，如何准确地评价居民的暴露风险？

1 研究方法

1.1 实验场地

选取陕西杨凌示范区恒大城小区的开敞空间为研究对象。该居住区占地面积约12hm2，为33层行列式高层住宅，绿化率为38%。其西侧和北侧是农田，东侧和南侧为其他居住区，之间均有城市道路相隔。居住区的室外开敞空间被4组平行排列的塔楼划分为3个绿化区域，每个区域均设有开敞的活动空间。

研究选取居民访问数量最高的4个典型的室外开敞空间开展实测，包括1个大型活动场(B)，2个中型活动场(M1和M2)和1个小型活动场(S)(图1)。实验场地的选取遵循了全面覆盖性的原则：1)4个场地的空间结构、功能和占地面积均不相同，包含了小区室外开敞空间的典型特征；2)4个场地分别位于4行行列式塔楼之间的绿地中，与主导风向下建筑迎风面积大致形成梯度变化；3)4个场地的周边区域包含了植被、水体、铺装场地和建筑等景观要素，能较全面反映景观要素对活动空间大气悬浮颗粒污染物的影响特征。

图1 场地及测点位置

1.2 实地监测

1.2.1 居民行为监测

研究选取2019年11月10─11日和15─16日共4d开展居民行为监测(包括2d工作日和2d周末)。调查居民在室外开敞空间中的居民数量、访问位置和时间。采用空间注记法统计场地中居民的位置及数量，利用代码将居民的访问时间、空间位置和行为类型标记在一张按比例绘制的地图上，以探讨具体行为与场地在空间上的相互关系[15]。研究采用了非参与的行为观察方法，实验员通过手持GPS定位器记录场地中居民的活动位置，并标记在场地平面图上，每20min记录一次。实验时间为每天的9：00─18：00。考虑到在平面图上直接记录居民的动态活动可能出现较大的偏差，为了提升数据的可信度，同时也通过录像机(SONY HDR-CX405)拍摄视频留存，后期利用近景拍摄测量技术进行数据校对和分析，并提供图像辅助说明。实验期间在每个场地周围的固定位置上各设置2～4台录像机，相机视角固定不变，无死角地覆盖全场地。录像机输出视频为MP4格式，25帧/s。

1.2.2 环境监测

居民行为监测的同时在每个活动场地中设置仪器记录行人高度(1.5m)的风速和风向(Kestrel 5500，Nielsen-Kellerman Co.USA)，及PM2.5、PM10浓度(Aerocet 531S，Metone USA)。监测点均固定设置在活动场地中部。另外在15号居民楼的屋顶上设置对照监测点C，记录来流风速、风向及PM浓度(图1)。各点监测同步进行，每1min记录一次风速和风向，每5min记录一次颗粒物浓度。实验期间，对照监测点C的主导风向为东北风和西南风，最大风速达到4.3m/s；平均PM10在216.9和337.2μg/m3之间，PM2.5在87.1和120.8μg/m3之间。

1.3 数值模拟

1.3.1 CFD模型

研究采用Reynolds Averaged Navier-Stokes Model与Revised Drift Flux Model三维稳态等温流场分别模拟湍流和颗粒物扩散。该模型基于标准k-ε模型的修正模型，可准确地再现建筑物周围的流场。所有控制方程均采用SIMPLE算法和QUICK差分格式。模拟中所有参数的迭代收敛标准设置为10-6。模拟计算在i7 2.67 GHz处理器上使用PHOENICS计算求解。

1.3.2 模型设置

通过对室外开敞空间中的植被、建筑、水体和下垫面铺装等空间景观类型的进行参数化建模(图2)。入口边界设置为梯度风，出口边界设置零梯度的固定压力，地面边界设置恒定的粗糙度，顶边界设置恒定的水平速度和湍流动能，将平行于来流风向的对称边界设置为无梯度滑移壁面。

图2 计算域(2-1)及模型细节(2-2)

入口边界的来流风为梯度风，计算公式如下：

式中，u(z)为在高度z处的水平速度；u0为在高度z0处的水平速度。在该模型中，u0=3.1m/s，z0=99.0m，α=0.25[16]。

湍流动能k(m2/s2)及其耗散率ε(m2/s3)设置为：

式中，u＊为摩擦速率；δ为边界层的深度；K为von Karman常数。在该模型中，u＊=0.52m/s，K=0.4，Cμ=0.09[17]。

由于居住区内部污染源较少，且该地区主要的大气悬浮颗粒污染源主要来自大气输送[18]，在模拟中将污染源项添加到入口边界，且假定添加到入口边界的平均浓度恒定。

在湍流模型中，将植被的树冠作为多孔介质，枝干则近似于树叶处理[19]。由于树冠产生的拽力和压力降低空气流动的动能。因此，在模拟植被对紊流流场的影响时，考虑了基于动量方程的阻力。通过在动量方程中引入源项来表示植物冠层对湍流的阻力，用下式表示：

式中，Cd为阻力系数；LAD为垂直于流体方向的叶面积密度(m2/m3)；z为垂直空间坐标，|U|为表面矢量速度(m/s)；ui为i方向上的表面笛卡尔速度(m/s)。叶面积指数(LAI)可以用LAD的积分值来表示，LAI定义如下：

式中，h为冠层平均高度。当0≤z≤zm，校准常数n=6，当zm≤z≤h，n=0.5；αm是α在垂直位置zm上的最大值。为了计算方便，假设叶面积密度在垂直方向上不变，并且可以通过树冠高度和LAI计算获得，如：

气流和植被冠层之间的湍流相互作用，可以通过在动量方程中添加源项来表示：

式中，βp、βd、C4ε和C5ε为经验常数；βp为由树冠的曳力产生的尾流平均动能；βd为Kolmogorov能量梯度的耗散动能。在本研究中，βp、βd以及闭合常数C4ε和C5ε分别是1.0、3.0、1.5和1.5[20-21]。

Revised Drift Flux Model模型考虑了颗粒与流体(空气)相之间的滑移，是一种修正的欧拉模型。模型中，植被通过湍流扩散增强了颗粒沉积。植被吸收部分悬浮颗粒污染物，同时一些悬浮颗粒污染物也可能会从叶片上再次悬浮或被冲刷掉[22]。因此植物对颗粒物的空气动力学和沉降作用通过添加项来表述(Ssink和Sresuspension)[23]。该模型表示为：

式中，Vj和Vslip,j分别为颗粒物在j方向上的平均流体(空气)速度和沉降速度(m/s)；C为入口边界颗粒浓度(μg/m3)；εp为湍流扩散率(m2/s)，可以简化为1.0[23]；Sc为粒子源的形成速率(kg/m3s)；τp为粒子的弛豫时间；gj为j方向的重力加速度(m/s2)；∑Fj为作用在粒子上的合力(m/s2)；Smj为颗粒在j方向的动量源[kg/(m2s2)]；是空气的分子运动黏度(Ns/m2)；Vpj和Vpi分别为j和i方向上的粒子速度(m/s)。Ssink为单位时间内每立方米植被吸收的颗粒物浓度(μg/m3)；Sresuspension为单位时间内每立方米植物形成的二次扬尘(μg/m3)；α为LAD(m2/m3)。

源项Ssink和Sresuspension，分别由下式表示：

式中，Vd为颗粒在叶片上的沉积速度(m/s)；Presuspension为再悬浮颗粒的百分比；v为风速(m/s)。

1.3.3 模型验证

研究使用3种网格划分方式(粗网格：Xmin=Ymin=Zmin=0.01H；细网格：Xmin=Ymin=Zmin=0.005H；极细网格：Xmin=Ymin=Zmin= 0.002 5H)检验场地网格的收敛性[24]。由于场地建筑为南北向行列式排布，选用实验期间来流风向为45°下的颗粒物浓度(PM2.5=91.6μg/m3，PM10=300.9μg/m3)和风速(1.0m/s)作为入口边界参数进行模拟分析。沿场地的中间线(x=180m)，3种密度的网格呈现相似的颗粒物浓度和风速变化趋势(图3)。粗网格和细网格之间的网格收敛指数为4.61%，细网格和极细网格之间的网格收敛指数为3.87%，都满足计算要求(＜5%)[25]。极细网格精度最高，因此在随后的模拟分析中选择了极细网格进行模拟分析。

图3 3种不同密度的网格中行Z=1.5m的PM10(3-1)、PM2.5(3-2)和风速(3-3)的预测值

为了验证模拟结果的准确性，分别选择实验期间4个频率最高的来流风向下的PM2.5、PM10浓度以及风速作为边界参数进行模拟分析(表1)。各测点实测数据与模拟数据较接近，R2均大于0.95。4种工况下各测点的模拟风速与实测风速的最大偏差不超过0.3m/s(图4-1)。其他场地中几乎不存在植物覆盖的区域，模拟与实测数据接近。

表1 4个典型来流风工况的模拟边界参数

4种工况下多数测点的实测PM2.5和PM10浓度与模拟数据的最大偏差不超过20和30μg/m3，小于实测值的10%。仅工况3中的场地M1和工况4中场地B的实测值与模拟结果的偏差接近20%(图4-2、4-3)。这是因为在这2个场地中大量的居民活动产生的湍流造成了场地中沉降颗粒物的二次扬尘，该效应在低浓度的情况下更显著[26]。此外，PM2.5的模拟数据和实测数据之间的相关性强于PM10。由于在模拟过程中，研究假设颗粒随气流扩散，较大尺寸颗粒之间的摩擦和阻力较大，导致实测与模拟的PM10值差异略大[30]。

图4 各场地中不同监测点的风速(4-1)、PM2.5(4-2)和PM10(4-3)的测量数据与模拟结果比较

2 结果与讨论

2.1 居民室外场地中的时空分布规律

实验期间居民在4个场地活动的有效访问数量为4 977人次(其中，工作日为1 923人次，周末为3 054人次)。场地B的访问数量最多，4d内共计达到2 361人，其次是S点和M1点，分别是1 323人次和819人次，M2点访问数量最少仅474人次。各场地中居民访问数量均在早上9：00后持续增加，约在11：00达到峰值，随后降低，又在13：20后开始增加。周末的访问数量更多，变化规律与工作日基本相同。研究将场地中访问数量高于平均值的时段作为居民暴露的高峰时段。全部场地中访问数量高于平均值的时段约为10：30─12：30以及15：00─18：00。经统计这高峰时段中居民访问数量总计3 610人次，为全部人数的72.5%，是居民活动的主要时段。

各场地中居民访问密度均呈明显的不均匀分布，其中低密度网格(≤12)的数量远高于高密度网格，约占总数的92.1%，而访问次数仅占总数的18.7%(图5-1)。表明多数居民偏好于集中访问场地中某些固定范围内的空间。进一步用热点分析的方法调查居民访问的主要位置(图5-2)。该方法通过比较每个网格与一定距离内相邻网格中的居民数量，来显示具有更多居民的网格所在的位置[27]。结果表明，每个场地中分布了多个热点，热点范围内均存在基础设施。经统计居民数量占场地中总人数的79.7%，每个热点网格平均每天被访问12.86人次，非热点网格仅0.55人次。可见热点区域是居民活动的主要位置。

图5 场地中居民访问位置的密度分析(5-1)和热点分析(5-2)

2.2 PM2.5、PM10浓度的时空分布特征

大多数场地中平均颗粒物浓度在来倾斜风向下达到最大值。场地B和M1的平均浓度在45°风向下最高，M2在225°风向下最高。由于居住区内的建筑平行布置，当来流风向与建筑走向倾斜时，使垂直于建筑方向和平行方向上的气流分量叠加形成了螺旋流动[28]。这种流态延长了悬浮颗粒物在场地中的运动轨迹和滞留时间，导致颗粒物在场地中的聚集。场地S的平均浓度则在接近垂直的风向下(185°)达到了最大值，同时其他场地达到了最低值。由于场地S靠近场地的南侧边缘，其上风位置没有建筑遮蔽，高浓度的颗粒物可直接进入场地。而其他场地则位于建筑的背风位置，建筑宽立面阻碍了气流并在其背风位置形成风影区，气流越过建筑顶部后形成了垂直涡流区，削弱了垂直方向的颗粒物通量[29]，同时植物冠层拦截涡流中向下的气流中的悬浮颗粒物，导致行人高度的颗粒物浓度降低[30]。

不同场地中颗粒物的平均浓度也存在明显差异。靠近小区边缘的场地B和S在大多数工况下暴露于高浓度中，位于小区中部的M1中的平均浓度在所有工况下均保持在较低水平。因为位于居住区中央位置在所有工况下均远离上风位置，植物冠层对悬浮颗粒物的沉积作用在顺风距离上的累积效果相比于上风位置更强，同时建筑偏转气流形成的涡流阻碍了悬浮颗粒物向下风处的扩散。因此将活动场地设置在靠近居住区中央位置可以避免其位于上风处，从而降低居民的暴露风险。

此外，场地中央普遍存在一个浓度较高的区域，面积更大的活动场地中该区域的面积更大。这是由于场地中央均为硬质铺装，其表面的颗粒物沉积速率相比于周围的绿地更低。同时其周边围合的植物冠层形成湍流，阻碍了悬浮颗粒物浓度向场地外的扩散，导致场地中央区域的颗粒物浓度较高(图6)。

图6 各场地在不同工况下的PM2.5浓度分布

2.3 居民暴露风险评估

各场地中不同暴露位置上的PM10浓度差在22.5～110.1μg/m3之间。由于居民暴露位置集中在场地内部的空旷区域，其间的颗粒物浓度分布相比于植物覆盖区域更为均匀[29]，同时居民暴露位置仅占全场地面积的0.8%～10.3%，大部分场地中居民暴露位置均未与场地中浓度最高或最低区域重叠。

多数情况下居民暴露位置的平均浓度高于场地平均浓度。二者的PM10和PM2.5浓度差最大可达98.1和54.0μg/m3。这是由于居民访问的主要位置靠近场地中央的空旷区域，相比于边缘靠近绿地的位置悬浮颗粒物浓度更高。其他少数情形中，颗粒物从场地边缘植物稀少的区域大量进入场地，这时边缘位置上居民暴露于较高的浓度中，表明场地中的平均浓度不适用于评估居民暴露水平(图7)。由于热点位置是居民暴露的主要位置，研究中将热点范围内的平均浓度作为评估居民暴露风险的指标。相比于场地平均浓度，该指标更接近居民暴露水平的平均值(图8)。各场地中居民暴露位置的平均PM10和PM2.5浓度和热点范围内平均PM10和PM2.5浓度之间的线性回归都显示出相似的趋势(R2＞0.99)。世界卫生组织空气质量标准(WHO AQGs)Interim Target-1(IT-1)的时均PM10和PM2.5浓度分别是150和75μg/m3，结果表明所有场地在不同工况下均存在超过WHO AQGs标准的情况。

图8 室外场地中居民暴露点平均浓度和热点平均浓度的关系(8-1为PM10，8-2为PM2.5)

3 结论

本研究利用行为制图分析了居住区室外4个典型活动场地中居民的活动规律，结合数值模拟分析了场地中PM2.5、PM10的时空分布特征，通过建立居民活动规律和颗粒物分布时空映射，系统评估了居民室外活动的暴露风险，并提出了居民室外暴露的评价指标。结论如下。

1)该住区居民暴露于室外悬浮颗粒污染的高峰时段是10：30─12：30以及15：00─18：00；居民暴露的主要位置位于基础设施附近的热点区域。

2)倾斜风向下，4个典型活动场地的PM2.5、PM10浓度更高。位于居住区边缘的场地更容易暴露于较高的浓度中。铺装场地周围环合的植物容易富集颗粒物，增加了场地内颗粒物浓度。

3)居民暴露点的平均浓度在大多数情况下高于场地的平均浓度。热点平均浓度与居民暴露点的平均浓度的拟合度较高(R2＞0.99)，可用于评估居住区居民室外开敞空间悬浮颗粒物的暴露情况。

注：文中图片均由作者绘制。