2021, Vol. 41
[PDF全文]
2. 北京市环境保护科学研究院, 北京 100037;
3. 国家城市环境污染控制工程技术研究中心, 北京 100037
2. Beijing Municipal Research Institute of Environmental Protection, Beijing 100037;
3. National Engineering Research Center of Urban Environmental Pollution Control, Beijing 100037
近年来, 大气颗粒物对人体的健康影响受到广泛关注(Cohen et al., 2017；Yue et al., 2019；Bayat et al., 2019；李晓宝等, 2020).研究表明, 道路扬尘对大气颗粒物的贡献比例不断上升, 是大气环境质量和人群健康的重要影响因素(Eqani et al., 2016；Chen et al., 2019；Koh et al., 2019), 尤其对长期在户外活动人群的健康影响更大(Koh et al., 2019).开展道路扬尘的治理, 目前已受到各级管理部门的重视.对不同类型道路的扬尘排放特征进行研究尤为重要, 可为该区域道路扬尘的治理提供控制对策及科学依据.
为了分析我国道路扬尘的排放特征, 更好地对道路扬尘进行治理, 科研人员在北京(樊守彬等, 2016；竹涛等, 2019；潘研等, 2020)、成都(杨德容等, 2015)、石家庄(郭硕等, 2019)、天津(徐妍等, 2012)等不同城市开展了道路扬尘排放特征方面的研究.例如, 张东旭等(2016)选取不同类型道路, 在APEC会议期间对北京市的道路交通扬尘控制效果进行了评估.Chen等(2019)对兰州市不同功能区的道路扬尘进行采样分析, 量化了道路扬尘排放对空气质量及人群健康的影响.王凯等(2019)基于快速检测法对北京市丰台区的道路扬尘排放因子和排放量进行了计算, 并分析了道路扬尘的影响因素.亓浩雲等(2020)采用AP-42方法和移动式检测系统建立了北京市各功能区道路扬尘排放清单.
基于此, 本文通过道路扬尘车载移动监测法对丰台区各街道(乡镇)的不同类型道路进行采样分析.根据城市道路等级分类, 将丰台区域的道路分为快速路、主干道、次干道、支路.其中, 对不同环线区域内的道路积尘负荷、车流量、排放量, 以及不同类型道路和不同季节典型道路积尘负荷进行分析, 计算丰台区道路扬尘不同粒径颗粒物的排放因子、排放强度、排放量, 探究影响道路扬尘排放的因素.同时, 利用ArcGIS建立丰台区0.5 km×0.5 km网格的道路扬尘排放清单, 进行空间分布特征分析.
2 研究方法(Research method) 2.1 研究对象本文的研究区域为北京市丰台区, 包括全区的5个乡镇、14个街道办事处、2个地区办事处.丰台区东西长35.3 km, 南北宽15 km, 总面积为306 km2.永定河由北至南贯穿丰台区, 河东部邻近北京市区部分, 永定河两岸大都为平原地带, 西部则多丘陵.基于车载移动监测法, 分别选取各乡镇街道的主干道、次干道、支路和快速路, 于2019年1—12月进行道路积尘负荷监测, 其中, 每个乡镇街道检测的道路数平均为5~10条.研究的道路扬尘颗粒物分别为PM2.5、PM10、TSP.
2.2 采样方法车载移动监测法是通过安装在轮胎后和车顶上的DustTrak8530颗粒物监测仪, 分别测得车轮扬起的颗粒物浓度值及背景浓度值, 利用得到的浓度差计算道路积尘负荷, 时间分辨率设置为1 s.采样频率为每月一次, 采样要求按照《防治城市扬尘污染技术规范》(HJ/T 393—2007)中规定的在干燥晴朗的天气下进行, 如果出现下雨天气, 须等路面干燥(2~7 d)后再进行测定.
2.3 模型计算 2.3.1 排放因子美国环保署的AP-42方法被广泛用于道路扬尘排放因子的计算, 该方法在计算排放因子时考虑了降水的影响, 具体公式见式(1).
|
(1) |
式中, E为道路扬尘排放因子(g · km-1 · 辆-1)；K为粒径修正系数, TSP、PM10、PM2.5分别取3.23、0.62、0.15；W为平均车重(t)；sL为道路积尘负荷(g · m-2)；P为研究时间段降雨量大于0.254 mm的天数(d)；N为研究进行的天数, 本研究取365 d.
2.3.2 平均车重机动车平均车重W可利用各道路类型上不同类型车辆平均质量和构成比例计算得到, 计算方法见式(2).丰台区各类型道路上车型比例和平均车重如表 1所示, 不同环线区域内的道路车流量空间分布如图 1所示.
| 表 1 丰台区各类型道路车型占比及平均车重 Table 1 Proportion of various types and average weight of vehicles in different types of roads in Fengtai District |
 |
 |
| 图 1 不同环线区域内道路车流量空间分布 Fig. 1 Spatial distribution of road traffic flow in different ring road areas |
|
(2) |
式中, W为各道路类型的机动车平均质量(t)；n为机动车的种类数；bi为第i种机动车的平均质量(t)；ai为第i种机动车占道路上机动车总数的比例.
2.3.3 排放量根据排放因子模型计算得到的各类型道路扬尘排放因子, 以及北京市丰台区路网信息数据库中各类型道路的长度、车流量, 采用式(3)计算道路扬尘排放量.
|
(3) |
式中, Q为道路扬尘排放量(t · a-1)；n为道路种类数；Ei为第i类型道路排放因子(g · km-1 · 辆-1)；Li为该区域中第i类型道路的长度(km)；Vi为第i类型道路的车流量(辆· a-1).
2.3.4 排放强度排放强度能够反映单位长度的各类型道路每天的扬尘排放量, 计算方法见式(4).
|
(4) |
式中, S为道路扬尘颗粒物的排放强度(kg · km-1 · d-1)；E为道路扬尘颗粒物的排放因子(g · km-1 · 辆-1)；V为道路上机动车的日流量(辆· d-1)；n为道路种类数.
3 结果(Results) 3.1 道路积尘负荷特征 3.1.1 不同类型道路积尘负荷由表 2可得, 丰台区快速路、主干道、次干道、支路的积尘负荷分别为(0.47±0.41)、(0.68±0.78)、(0.80±0.89)、(1.14±1.19) g · m-2.不同类型道路的积尘负荷平均值大小顺序为支路>次干道>主干道>快速路, 这与亓浩雲等(2020)对北京市不同功能区的道路扬尘研究结果一致.车流量对于道路积尘负荷的影响较大, 车流量越大反而道路积尘负荷越小, 这是由于车辆行驶中会带起部分道路扬尘, 使得路面上的积尘减少.支路的车流量最小, 积尘负荷较多, 故积尘负荷相对最大.同理可得快速路的积尘负荷最小.
| 表 2 不同类型道路积尘负荷 Table 2 The road dust load of different types of roads |
|
2019年丰台区道路积尘负荷每月变化趋势如图 2所示, 可以看出, 平均道路积尘负荷最低值出现在9月(0.46 g · m-2), 最高值出现在4月, 达到1.61 g · m-2.河东部、河西部的积尘负荷总体上随着全区的积尘负荷而变化, 两者在12月相差最大, 为0.67 g · m-2.
 |
| 图 2 丰台区年道路积尘负荷变化趋势 Fig. 2 Annual road dust load variation trend in Fengtai District |
利用ArcGIS分析软件, 计算0.5 km×0.5 km网格内的道路积尘负荷, 得到不同环线区域内的积尘负荷空间分布, 结果如图 3所示.从图 3中可以明显看出, 三环内、三环至四环, 路网密集、车流量大, 故道路积尘负荷相对较小.在五环外, 支路较多, 车流量相对较少, 故积尘负荷相对较大.三环内、三环至四环、四环至五环、五环至六环、六环外的年均积尘负荷分别为0.67、0.73、0.76、0.80、0.79 g · m-2.
 |
| 图 3 不同环线区域内道路积尘负荷年排放空间分布 Fig. 3 Spatial distribution of annual emissions of road dust load in different ring road areas |
根据走航监测法得到的道路积尘负荷结果, 从中选取各类型具有代表性的道路, 整理得到不同类型的典型道路在不同季节的道路积尘负荷平均值变化趋势, 具体见图 4.从图 4可以看出, 各个道路(除马家堡东路)在夏季与秋季的道路积尘负荷相对较小, 快速路在各个季节的道路积尘负荷基本相差不大.不同类型道路的积尘负荷均值大小顺序为支路>次干道>主干道>快速路.
 |
| 图 4 典型道路不同季节积尘负荷变化趋势 Fig. 4 Dust load variation trend of typical road in different seasons |
计算得到的各类型道路不同粒径范围的道路扬尘排放因子如表 3所示, 大小顺序为支路>次干道>主干道>快速路, 与道路积尘负荷的大小顺序一致, 说明道路积尘负荷是排放因子的主要影响因素.平均车重的大小排序为支路>快速路>次干道>主干道.虽然快速路的平均车重为第2, 但平均车重整体相差不大, 又因其道路积尘负荷最小, 所以得到的排放因子中快速路还是最小.
| 表 3 丰台区各类型道路不同粒径范围的道路扬尘排放因子 Table 3 Road dust emission factors of various types of roads in different particle size ranges in Fengtai District |
|
由表 4可以得到, 各类型道路不同粒径范围的道路扬尘排放强度大小顺序为快速路>主干道>次干道>支路, 这是因为车流量对排放强度产生极大的影响.车流量的大小顺序为快速路>主干道>次干道>支路, 车流量对道路扬尘排放强度的影响呈反向关系.
| 表 4 丰台区各类型道路不同粒径范围的道路扬尘排放强度 Table 4 Road dust emission intensity of various types of roads in different particle size ranges in Fengtai District |
|
根据车流量信息、路网信息(道路名称、类型、长度), 以及计算得到的排放因子, 运用ArcGIS软件, 进行排放量的计算, 分别统计丰台区快速路、主干道、次干道、支路的PM2.5、PM10和TSP排放量, 结果如表 5所示.由表可知, 丰台区2019年PM2.5、PM10和TSP排放量分别为1824、7539、39274 t · a-1, 其中, 扬尘排放量最大的道路类型为次干道, PM2.5、PM10和TSP排放量分别为630、2605、13573 t · a-1.
| 表 5 丰台区各类型道路不同粒径范围的道路扬尘排放量 Table 5 Road dust emission of various types of roads in different particle size ranges in Fengtai District |
|
由于丰台区道路扬尘中的PM2.5、PM10和TSP排放呈现相似性(祝嘉欣等, 2018), 故以PM2.5为例进行空间分布特征分析.在ArcGIS中输入车流量、排放因子、道路长度, 计算0.5 km×0.5 km网格内的排放量, 结果如图 5所示.从图中可以明显看出, 河东的PM2.5排放量远大于河西.通过ArcGIS的数据统计工具得到三环内、三环至四环、四环至五环、五环至六环、六环外的单位面积年排放量依次为8.41、8.17、4.99、3.06、1.61 t.路网的密度和车流量在不同的区域有很大差别, 河西的山区由于路网密度和车流量都相对较小, 故排放量较少.河东的北部区域, 如太平桥街、方庄地区、右安门街道、西罗园街道的年排放量较大.三环内网格排放量较大, 其次是三环至四环, 六环外的单位面积道路扬尘排放量最小.
 |
| 图 5 不同环线区域内道路扬尘源PM2.5年排放空间分布 Fig. 5 Spatial distribution of PM2.5 emissions from road dust sources in different ring road areas |
不同环线区域内的道路积尘负荷、车流量、PM2.5排放量情况如图 6所示.单位面积的道路车流量在不同环线中的大小顺序为三环内>三环至四环>四环至五环>五环至六环>六环外, 分别为1164、1133、1000、781、574万辆· a-1.三环内、三环至四环、四环至五环、五环至六环、六环外的年均积尘负荷分别为0.67、0.73、0.76、0.80、0.79 g · m-2.通过ArcGIS的数据统计工具得到三环内、三环至四环、四环至五环、五环至六环、六环外的单位面积年排放量依次为8.41、8.17、4.99、3.06、1.61 t.
 |
| 图 6 不同环线区域内道路积尘负荷、车流量、排放量变化规律 Fig. 6 Changes in road dust load, vehicle flow, and emissions in different loop areas |
对道路扬尘不同颗粒物的排放量进行计算的过程中存在的不确定性主要来自排放因子和活动水平, 其中与排放因子计算有关的参数为粒度乘数、积尘负荷、平均车重、气象参数.粒度乘数K值在进行计算时直接采用推荐值, 会直接增加计算结果的不确定性.基于车载移动监测获得的积尘负荷, 相对人工采样比较准确, 不确定性相对较小.平均车重是从各车型的占比及车重换算而来, 因而存在一定的误差.气象参数为降雨量大于0.254 mm的天数, 来自丰台区54514气象站点, 比较准确.活动水平的影响因素有道路长度和车流量, 其中, 不同类型道路长度的确定来自ArcGIS中的统计工具, 可以直接快速准确地得到道路长度, 相对比较准确；不同道路车流量的预测, 由于变动比较大, 故不确定性相对较大.
4 结论(Conclusions)1) 不同类型道路积尘负荷平均值大小顺序为支路>次干道>主干道>快速路, 其中, 快速路最小为0.47 g · m-2, 支路最大达到1.14 g · m-2.车流量对道路积尘负荷的影响呈反向关系.支路的车流量最小, 积尘负荷较多, 故积尘负荷相对最大.
2) 不同粒径范围的道路扬尘排放因子大小顺序为支路>次干道>主干道>快速路, 与积尘负荷的大小顺序一致.排放强度为快速路>主干道>次干道>支路, 这是因为车流量对排放强度产生相反的影响.丰台区2019年扬尘排放量最大的道路类型为次干道, 排放的PM2.5、PM10和TSP分别为630、2605、13573 t · a-1.
3) 从不同季节的典型道路分析结果可以看出, 夏季与秋季的道路积尘负荷相对较小.各季节中快速路的积尘负荷基本相差不大.三环内路网密集、车流量大, 故道路积尘负荷相对较小.三环内、三环至四环、四环至五环、五环至六环、六环外的年均积尘负荷分别为0.67、0.73、0.76、0.80、0.79 g · m-2.
4) 由于路网密度和车流量在不同的区域有很大的区别, 使得河东的排放量远大于河西.从排放量上来说, 三环内网格排放量较大, 其次是三环至四环, 六环外的网格排放最少.单位面积下的车流量及排放量都随着环线数的增大而减小, 而积尘负荷的年均值变化相反, 但总体波动幅度不大.
5) 本研究的不确定性主要来自排放因子和活动水平.其中与排放因子计算有关的参数为粒度乘数、积尘负荷、平均车重、气象参数.活动水平的影响因素有道路长度和车流量.对这些参数进行计算时都会产生相应的误差, 影响计算结果的准确性.
Bayat R, Ashrafi K, Shafiepour Motlagh M, et al. 2019. Health impact and related cost of ambient air pollution in Tehran[J]. Environmental Research, 176: 108547. DOI:10.1016/j.envres.2019.108547 |
Chen S Y, Zhang X R, Lin J T, et al. 2019. Fugitive road dust PM2.5 emissions and their potential health impacts[J]. Environmental Science & Technology, 53(14): 8455-8465. |
Cohen A J, Brauer M, Burnett R, et al. 2017. Estimates and 25-year trends of the global burden of disease attributable to ambient air pollution: an analysis of data from the Global Burden of Diseases Study 2015[J]. The Lancet, 389(10082): 1907-1918. DOI:10.1016/S0140-6736(17)30505-6 |
Eqani S A M A S, Kanwal A, Bhowmik A K, et al. 2016. Spatial distribution of dust-bound trace elements in Pakistan and their implications for human exposure[J]. Environmental Pollution, 213: 213-222. DOI:10.1016/j.envpol.2016.02.017 |
樊守彬, 张东旭, 田灵娣. 2016. AP-42道路交通扬尘排放模型评估及其在北京市的应用[J]. 环境工程学报, 10(5): 2501-2506. |
郭硕, 肖捷颖, 安塞, 等. 2019. 利用快速检测法研究石家庄道路交通扬尘排放特征[J]. 环境污染与防治, 41(2): 206-210. |
Koh B, Kim E A. 2019. Comparative analysis of urban road dust compositions in relation to their potential human health impacts[J]. Environmental Pollution, 255: 113156. DOI:10.1016/j.envpol.2019.113156 |
李晓宝, 赵红, 曾波, 等. 2020. 高速公路PM2.5中重金属季节变化特征及健康风险评估[J]. 生态环境学报, 29(4): 827-833
|
潘研, 邢敏, 侯亚峰, 等. 2020. 基于积尘负荷的北京市典型城区道路扬尘排放特征研究[J]. 环境污染与防治, 42(8): 975-979+984. |
亓浩雲, 樊守彬, 王凯. 2020. 北京市不同功能区冬季道路扬尘排放特征[J]. 环境工程技术学报, 10(3): 323-329. |
王凯, 樊守彬, 孙改红, 等. 2019. 北京市延庆区道路扬尘排放特征及影响因素[J]. 环境工程技术学报, 9(1): 1-7. |
许妍, 周启星. 2012. 天津城市交通道路扬尘排放特征及空间分布研究[J]. 中国环境科学, 32(12): 2168-2173. DOI:10.3969/j.issn.1000-6923.2012.12.009 |
杨德容, 叶芝祥, 杨怀金, 等. 2015. 成都市铺装道路扬尘排放清单及空间分布特征研究[J]. 环境工程, 33(11): 83-87. |
Yue W H, Tong L, Liu X H, et al. 2019. Short term PM2.5 exposure caused a robust lung inflammation, vascular remodeling, and exacerbated transition from left ventricular failure to right ventricular hypertrophy[J]. Redox Biology, 22: 101161. DOI:10.1016/j.redox.2019.101161 |
张东旭, 樊守彬, 林雅妮, 等. 2016. APEC会议期间北京市交通扬尘控制效果研究[J]. 环境科学学报, 36(2): 684-689. |
竹涛, 王若男, 袁前程, 等. 2019. 基于积尘负荷法对北京市铺装道路扬尘排放清单的研究[J]. 太原理工大学学报, 50(4): 503-509. |
祝嘉欣, 成海容, 虎彩娇, 等. 2018. 武汉市道路扬尘源排放清单及空间分布特征研究[J]. 南京信息工程大学学报(自然科学版), 10(5): 557-562. |