四川大學    徐闊，龍恩深，丁珮，金正浩

       【摘  要】風速對城市內的空氣污染物的影響很大，但較少有研究在關注污染物季節性變化的同時，考慮風向對污染物濃度變化的影響。本文利用作者搜集的成都市全年的風速、風向、PM10、PM2.5和NO2的逐時數據，分析了風速和風向對三種污染物季節性變化的影響。結果表明，風速和三種污染物均有明顯的季節性變化規律，污染物的濃度均值隨著風速的增加而減小。考慮風向的影響后，春季和秋季時段的平均風速與三種污染物濃度變化的關聯更密切。對成都市主城區而言，正東方向的風速較大，正北方向為規劃時的主風向，這兩個城市方位存在的污染源對空氣質量有較大影響。

       【關鍵字】風速; 風向; 污染物; 季節性變化; 城市空間方位;

       【基金項目】國家重點研發計劃(2016YFC0700400)，國家自然科學基金（51778382）

Abstract: Wind speed can have significant influence on the air pollutants in urban area, but few studies have focused on the influence of the wind direction on the variations in air pollutants. This paper has utilized the hourly-averaged data of the wind speed, wind direction, PM10, PM2.5 and NO2 over a year in Chengdu, which were manually collected by authors, and the influence of the wind speed and direction on diurnal variations in three main pollutants was analyzed. Results showed that, the wind speed and pollutant concentrations were varied significantly over seasons, and the pollutant concentrations decreased as wind speed increased. After considering the influence of wind direction, the averaged wind speed and pollutant variations in three pollutants were more closely related over the spring and autumn seasons. For the downtown area of Chengdu, the wind speed is high when wind is coming from the east direction and the north is the prevailing wind direction within urban planning, and pollutant sources in the corresponding orientations can have a large impact on the air quality in downtown area.

1  背景介紹

       隨著經濟和社會的發展，大城市的空氣污染問題日益突出。空氣污染物大多呈現季節性變化，但是相關研究多采用日均或月均數據^{[1, 2]}；涉及到小時尺度的實測數據，大多僅能維持幾日或幾周，對全年8760 h小時的監控和分析很少。同時，以往的許多研究雖證實了風對空氣污染物的作用，但研究的空間尺度宏觀、時間跨度很短^[3-5]。另外，許多研究雖然證明了風向和風速對污染物的作用^{[1, 5-14]}，但并未考慮在不同風向的影響下，風速和不同的城市空間的方位對污染物濃度變化的影響。

       成都是中國西南的超大城市之一，也是典型的內陸城市，受外部風沙侵襲等的影響很小^[15]。成都屬于亞熱帶季風氣候，常年的靜風頻率較高，無風和風向不定的小時數占據全年半數以上時間，年均風速僅為1.0- 1.7 m/s，因此不利的風環境條件是空氣污染物難以擴散的重要原因。在成都市環保局公布的空氣污染物中，PM₁₀、PM_2.5和NO₂經常超出空氣質量標準，是主要的空氣污染物。其中，PM10和PM2.5是顆粒污染物，其存在周期分別為1-2周和數月，可表征較長時段內的污染情況；NO₂是氣態污染物、主要來源于機動車交通，因其存在周期很短，因此可表征本地污染的實時變化情況^[16]。這些污染物的來源廣泛，既可能來自城市外圍的工業區，也有可能產生自城市建設過程。成都市周邊的衛星城有特定職能，例如，郫都區集中有工業區，其北部方向還有彭州石化等大型重工業；龍泉驛區集中有汽車制造產業鏈，而溫江區定位于科技創新中心。

       本文試圖通過分析風速和三種污染物隨季節變化的規律，以進一步確定在全年的不同季節中，風向和風速對污染物濃度的影響；通過對成都市特定的風向及其對應城市空間方位進行分析，以進一步判斷，是該城市空間方位存在污染源還是此風向上的城市空間不利于污染物擴散，進而指導城市空間的合理調整。

2  數據搜集和分析方法

       本文搜集了從2015.12.19至2016.12.18期間，共8760小時的風向、風速和污染物數據。其中，風向和風速的實時數據采集自城郊、依托機場設立的監測點，由氣象網站實時發布。污染物數據由當地的環保部門實時監測，通過成都市環境監測中心站的系統發布。為了盡量接近市中心、遠離密集道路網，同時靠近風向、風速數據采集點，本文選取了“武侯科技園”監測點的污染物數據。另外，對成都市主城區內的其他13個空氣質量監測點初步分析后發現，各監測點的污染物實時數據相差較小，因此本文在分析風向對污染物濃度的影響時，排除了成都市主城區范圍內的污染源情況，而僅分析主城區范圍外的污染源情況。另外，圖1給出了氣象和污染物監測點的具體位置，并以該污染物監測點為中心，劃定了與風向對應的16個城市空間方位。其中，龍泉驛區分布于方位1上，郫都區位于方位5和6附近，溫江區位于方位8上。

       為直觀的研究風速、風向和污染物的季節性變化規律，在數據處理階段，以中國農歷的四個節氣——“立春”(16.02.04)，“立夏”(16.05.05)，“立秋”(16.08.06)和“立冬”(16.11.07)——為節點，將8760小時的數據劃分為冬季、春季、夏季和秋季共四個時段。表1給出了這四個時段的時間范圍及小時數，每小時均對應一組風速、風向和三種污染物的數據，各時段的小時數分別為2112、2184、2232和2232小時。

       在此基礎上，表2給出了按照風向條件對四季各時段小時數據的分類統計結果，風向條件可分為無風、風向不定和風向明確三種狀態。排除無風和風向不定狀態后，風向明確狀態又可按照16個風向進一步細分。可以看出，16個風向的風頻呈現明顯的兩組峰值，風向NE to N (4), N (5)和NW to N (6)為一組峰值，風向SW (11), SW to S (12)和S (13)為另一組峰值；其中，風向N (5)的風頻最大，風向SW to S (12)次之。除峰值外，還存在一組谷值：風向NW (7), NW to W (8)和W (9)，其中風向NW to W (8)的風頻最小。風頻較大的風向具有較高的利用價值，如上風向沒有明顯的外來污染源，則可考慮拓展此方向的城市風道，加快擴散效率；而在風頻較小的城區方位上，應減少污染源、避免就近污染。為進一步分析風速和風向對PM10、PM2.5和NO2的影響，需要按照16個風向，分別對四季各時段的風速和污染物小時數據取均值，以便將各風向對應的風速和污染物均值數據用以進一步分析。

       *E(1)為正東方向，NE to E (2)為東北偏東方向，NE (3)為東北方向，NE to N (4)為東北偏北方向，N (5)為正北方向，NW to N (6)為西北偏北方向，NW (7)為西北方向，NW to W (8)為西北偏西方向，W (9)為正西方向，SW to W (10)為西南偏西方向，SW (11)為西南方向，SW to S (12)為西南偏南方向，S (13)為正南方向，SW to S (14)為西南偏南方向，SE (15)為東南方向，SE to E (16)為東南偏東方向。

3.分析結果

       圖2給出了三種污染物的濃度值和風速在四季各月份的平均值及波動范圍。可以看出，（1）三種污染物的濃度均值在冬季月份最高、在夏季月份最低，呈現出明顯的季節變化規律。PM₁₀、PM_2.5和NO₂的濃度均值曲線走勢基本一致（PM污染物的曲線走勢較為一致，而NO2的曲線走勢較為平緩），在全年的月份變化中基本呈雙谷曲線：在夏季7月份出現全年的谷值，濃度均值分別為65 μg/m³，42 μg/m³和50 μg/m³；在春季2月份還出現了小幅度的波谷；此外，冬季12月份出現全年的峰值，濃度均值分別為215 μg/m³，160 μg/m³和85 μg/m³。在2月份出現的波谷與三種污染物在3月份的濃度均值偏高有關，這可能是受到外來污染源的影響，也可能與當地的倒春寒現象有關。（2）風速在全年各月份的變化情況用柱狀圖表示，將各月的風速均值連成曲線后可以看出，風速在全年的走勢也呈雙谷曲線，但與三種污染物的濃度均值曲線的走勢相反，卻并未很好的耦合。風速均值最高的5月份達到了1.85 m/s，而風速均值最低的12月份僅為1.07 m/s；另外，在2月和9月出現了背離走勢的低風速、均維持在1.35 m/s。（3）對比污染物濃度和風速變化情況可以發現，風速均值在3月高于1.55 m/s之后，三種污染物的濃度均值開始顯著下降；而當風速均值在8月之后低于1.55 m/s之后，尤其是風速均值在10月份降至1.47 m/s后，三種污染物的濃度均值開始顯著上升；在風速最低的12月份，三種污染物的濃度值最高。風速的變化趨勢與三種污染物的濃度曲線呈現明顯的負相關，即風速越大、污染物濃度越低。

       為進一步分析風向和風速對污染物的影響，在排除無風和風向不定狀態后，將風速和三種污染物的濃度值按照16個風向進行分類，并分別求出均值。圖3給出了16個風向對應的平均風速對污染物濃度均值的影響。為便于直觀的比較，圖中還給出了平均風速和污染物濃度均值的線性關系式，可以看出，平均風速與三種污染物的濃度均值大致呈負相關， 即風速越大、污染物濃度均值越低。然而，對比冬季（圖3a）、春季（圖3b）、夏季（圖3c）和秋季（圖3d）后發現，平均風速與PM10、PM2.5和NO2濃度均值的線性R2在過渡季節（春季分別為0.648，0.692和0.7，秋季分別為0.711，0.693 和0.479）高于冬季（分別為0.519，0.443和0.618），而在夏季的線性R2是最低的（分別為0.148，0.177和0.442）。并且在冬季和夏季時段，風速與三種污染物的線性R2均小于0.6，這說明，雖然能看出風速與三種污染物的濃度變化呈負相關，但在考慮風向的影響后，僅靠風速難以解釋污染物濃度的變化情況。然而，總體而言，在春季和秋季時段，16個風向對應的平均風速與三種污染物的濃度變化有更密切的聯系，風速越大、三種污染物的濃度值越低。通過圖3（b）和3（d）可以明顯的看出風向和風速對三種污染物的影響規律，而圖3（a）和3（c）給出冬季和夏季的污染物濃度的變化規律較為復雜，僅靠風向和風速難以進行解釋，這就需要從污染源角度——各風向對應的城市空間方位上是否存在污染源——進行綜合判斷。

       圖4（a）給出了16個風向在冬季時段對應的污染物濃度均值和風速。可以看出，在風向6、7、10、11和12時，其對應的PM10、PM2.5和NO2分別超過了160 μg/m³、115 μg/m³和80 μg/m³，需要對以上風向及其對應的城市空間方位進行重點分析。風向6（NW to N，西北偏北方向）和7（NW，西北方向）的風速很小（均低于1.25 m/s），雖然風向6的風頻較大（7.21 %），但是其對應的污染物濃度較高的原因，既可能是該方向上的風環境條件不佳，也有可能是該方向上存在污染源。風向10（SW to W，西南偏西方向）和11（SW，西南方向）的風環境條件一般，其對應的風頻分別為2.74 %和9.58 %，但風速僅維持在1.5 m/s左右，因此難以判斷污染物濃度較高的原因是風環境條件不佳還是該方向上存在污染源。風向12（SW to S，西南偏南方向）的風頻很大（達到了16.30 %），然而風速也僅維持在1.5 m/s左右，同樣無法判斷是風環境條件不佳還是該方向上存在污染源。城市規劃領域對主導風向的定義多指風頻較大的風向，然而由這部分分析可看出，風頻大的風向其對應的風速并不一定大，而污染物擴散多取決于風速，因此僅憑風玫瑰圖判斷城市上風向的常規做法有待深入探討。

       圖4（b）給出了夏季時段的情況，在風向1、6、7和8時，其對應的PM10、PM2.5和NO2分別超過了80 μg/m³、48 μg/m³和50 μg/m³。風向1（E，正東方向）的風速較大（達到2.65 m/s），污染物濃度值理應較低；但圖4給出的實際情況是，該風向對應的污染物濃度值較高，因此該城市空間方位存在顯著污染源的可能性很高。風向8（NW to W，西北偏西方向）的風速和風頻是最低的，污染物濃度較高應被歸因于風環境條件不佳。

       通過各風向對應的污染物濃度值，可以看出除16個風向的風速和風頻影響外，16個城市空間方位可能對成都市主城區空氣污染狀況的影響。結合成都當地的社會發展現狀，正東方向（1）對應著龍泉驛區，集中的汽車加工產業鏈，因此存在顯著污染源的可能性很高；正東方向的風速較大，雖然不處于成都市的主導風向上，但會對成都市的空氣質量產生一定影響。西北偏北方向（8）對應著溫江區，該方向上的通風條件不佳，不利于污染物擴散，應盡量避免或疏解此方向上可能出現的污染源。

4.結論

       （1）三種污染物的濃度均值在冬季月份最高、在夏季月份最低，呈現出明顯的季節變化規律。并且，風速越大、污染物濃度越低。風速均值在3月高于1.55 m/s之后，三種污染物的濃度均值開始顯著下降；而當風速均值在8月之后低于1.55 m/s之后，尤其是風速均值在10月份降至1.47 m/s后，三種污染物的濃度均值開始顯著上升；在風速最低的12月份，三種污染物的濃度值最高。

       （2）在春季和秋季時段，16個風向對應的平均風速與三種污染物濃度變化的關聯更密切，三種污染物的濃度均值隨著風速的增加而減小。而在冬季和夏季時段，但在考慮風向的影響后，僅靠風速難以解釋污染物濃度的變化情況。

       （3）對成都市主城區而言，正東方向的風速較大，會對成都市的空氣質量產生一定影響；而正北方向的風環境條件最好，屬于成都市的上風向，應著力疏解或治理此方向上的污染源；西北偏北方向的通風條件不佳，不利于污染物擴散，應盡量避免或疏解此方向上可能出現的污染源。

       （4）城市規劃領域對主導風向的定義多指風頻較大的風向，然而風頻大的風向其對應的風速并不一定大，而污染物擴散多取決于風速，因此僅憑風玫瑰圖判斷城市上風向的常規做法有待深入探討。

參考文獻：

       [1] Bangtian Zhou HS, Ye Huang, Wei Li, Han Chen, Yanyan Zhang, Shu Su, Yuanchen Chen, Nan Lin, Shaojie Zhuo, Qirui Zhong, Junfeng Liu, Bengang Li, Shu Tao. Daily variations of size-segregated ambient particulate matter in Beijing. Environmental pollution 2015;197:36-42.
       [2] Guoliang Shi XP, Jiayuan Liu, Yingze Tian, Danlin Song, Haofei Yu, Yinchang Feng, Armistead G. Russell. Quantification of long-term primary and secondary source contributions to carbonaceous aerosols. Environmental pollution 2016;219:897-905.
       [3] Fu GQ, Xu WY, Yang RF, Li JB, Zhao CS. The distribution and trends of fog and haze in the North China Plain over the past 30 years. Atmospheric Chemistry and Physics 2014;14:11949-58.
       [4] Wang HCH. Haze Days in North China and the associated atmospheric circulations based on daily visibility data from 1960 to 2012. Journal of Geophysical Research 2015;120(12):5895-909.
       [5] Hongbo Fu JC. Formation, features and controlling strategies of severe haze-fog pollutions in China. The Science of the total environment 2016;578:121-38.
       [6] D. M. Westervelt LWH, V. Naik, A. P. K. Tai, A. M. Fiore, D. L. Mauzerall. Quantifying PM2.5-meteorology sensitivities in a global climate model. Atmospheric Environment 2016;142:43-56.
       [7] Mohammed S. Alam IJK, Jianxin Yin, Christopher Stark, Alan M. Jones, Roy M. Harrison. Diurnal variability of polycylic aromatic compound (PAC) concentrations: Relationship with meteorological conditions and inferred sources. Atmospheric Environment 2015;122:427-38.
       [8] Matevz Poberznik E. The effects of air mass transport, seasonality, and meteorology on pollutant levels at the Iskrba regional background station. Atmospheric Environment 2016;134:138-46.
       [9] Stefania Squizzato MC, Elena Innocente, Flavia Visin, Philip K. Hopke, Giancarlo Rampazzo. Urban air quality in a mid-size city- PM2.5 composition, sources and identification of impact areas: From local to long range contributions. Atmospheric Research 2017;186:51-62.
       [10] Jones AM, Harrison RM, Baker J. The wind speed dependence of the concentrations of airborne particulate matter and NOx. Atmospheric Environment 2010;44:1682-90.
       [11] Carslaw D, Beevers S, Ropkins K, Bell M. Detecting and quantifying aircraft and other on-airport contributions to ambient nitrogen oxides in the vicinity of a large international airport. Atmospheric Environment 2006;40:5424-34.
       [12] M. Kumar ST, V. Murari, A. K. Singh, T. Banerjee. Wintertime characteristics of aerosols at middle Indo-Ganetic Plain: Impacts of regional meteorology and long range transport. Atmospheric Environment 2015;104:162-75.
       [13] Uria-Tellaetxe I, Carslaw DC. Conditional bivariate probability function for source identification. Environmental Modelling & Software 2014;59:1-9.
       [14] Grundström M, Hak C, Chen D, Hallquist M, Pleijel H. Variation and co-variation of PM10, particle number concentration, NOx and NO2 in the urban air – Relationships with wind speed, vertical temperature gradient and weather type. Atmospheric Environment 2015;120:317-27.
       [15] Chen Y, Luo B, Xie S-d. Characteristics of the long-range transport dust events in Chengdu, Southwest China. Atmospheric Environment 2015;122:713-22.
       [16] Tan P-H, Chou C, Liang J-Y, Chou CCK, Shiu C-J. Air pollution “holiday effect” resulting from the Chinese New Year. Atmospheric Environment 2009;43:2114-24.

       備注：本文收錄于《建筑環境與能源》2018年10月刊總第15期（第21屆暖通空調制冷學術年會文集）。
                 版權歸論文作者所有,任何形式轉載請聯系作者。