基于实测与数值模拟的景观绿化对大气PM2.5浓度影响研究

洪波 王娅楠 / HONG Bo, WANG Yanan

基于实测与数值模拟的景观绿化对大气PM2.5浓度影响研究

洪波 王娅楠 / HONG Bo, WANG Yanan

景观绿化对大气悬浮颗粒物有显著的沉降效果，合理的绿地布局能有效地降低周围环境中的PM2.5浓度，提高空气质量。本研究通过对住区室外园林环境的PM2.5浓度、风速和风向的实地测试，利用计算流体力学，结合空气湍流模型和修正颗粒物扩散模型进行数值模拟验证和比对分析，研究了景观绿化设计参数对室外空间PM2.5浓度分布的影响。结论如下：（1）住区有植被情况下的PM2.5浓度明显低于无植被情况，行人空间的浓度降低30.8%；（2）将原有植被冠幅直径和叶面积密度各增加1倍，测试区域的PM2.5浓度较原有植被情况分别降低20.5%和27.9%；（3）将原有植物枝下高增加1倍，测试区域的PM2.5浓度较原有植被情况升高13.5%；（4）调整植被和建筑的种植距离对垂直空间PM2.5浓度分布有显著影响，植被靠近建筑，垂直空间PM2.5浓度小。期望本研究的结论能够为基于住区室外微环境改善的景观绿化设计提供定量参数参考。

景观绿化 PM2.5计算流体力学 实地测试

1 前言

随着我国工业化和城市化的快速发展，近年来城市大气环境不断恶化，尤其在秋冬季节，时常遭遇大范围的严重雾霾天气，其中，PM2.5等已成为很多城市的首要大气悬浮颗粒污染物。PM2.5是指大气颗粒污染物中空气动力学当量直径小于等于2.5μm的颗粒物，这些颗粒物可直接通过人体呼吸道进入肺泡，对人体呼吸系统、心血管系统造成严重危害，从而诱发人体呼吸道和心血管疾病（Brunekreef et al.，2002）。

景观绿化由于具有绒毛、蜡质等表面性能，能够在一定程度上截留、沉降和固定大气颗粒物（Freer-smith et al.，1997）。同时，绿化具有的较大的叶面积密度和由此产生的空气湍流运动，具有捕获颗粒物质的能力（Beckett et al.，1998）。在居住环境中，由于从源头控制大气污染源较为困难，通过植被清除机制减轻环境中颗粒物污染的途径越来越受到人们的重视（Dzierzanowski et al.，2011）。而现有的居住区园林绿地大多根据传统园林植物配植手法设计种植，仅考虑了景观的美化功能，设计师往往凭借经验进行设计（Hong et al.，2012），因此，景观绿化未能在提高周边环境空气质量方面发挥出最大的生态效益。

目前国内外对于植物滞尘效果的实测研究主要集中在颗粒物在植被叶片的沉积效果，植被叶片的孔隙度、叶面积以及建筑与污染源的距离等因素对颗粒物沉降与扩散的影响（Litschke et al.，2008；Petroff et al.，2008；Tiwary et al.，2005）。Jin等（2014）对上海6个典型街谷空间的PM2.5浓度分布进行的实测研究表明：无绿化的街谷空间的PM2.5浓度随建筑高度的增加而减小，有绿化的街谷空间则相反；影响PM2.5衰减系数的主要因素是植被冠层密度、叶面积指数和风速变化率。一些研究通过风洞试验测试不同树种对大气颗粒物的沉积速度和捕获效率的影响，以对比不同植被组成的城市景观绿化方案产生的不同滞尘效果（Beckett et al.，2000；Ould-Dada et al.，2002；Freer-Smith et al.，2005；Moria et al.，2015）。在植被对悬浮颗粒物影响的数值模拟研究中，Ries和Eichhorn（2001）将植被简化成二维模型，模拟分析了街谷空间行道树对悬浮颗粒物的影响，同时考虑了植被的渗透性，但该模型忽略了植被在空间中三维效应（涡流循环效应），难以准确反映植被对悬浮颗粒物扩散的影响；Wania等（2012）利用ENVI-met模型，比较分析了街谷空间植被对颗粒物的影响，结果表明植被阻挡了街谷空间的通风，导致行人空间的颗粒物浓度升高，但该研究没有考虑植物对颗粒污染物的吸收作用。

综上，前人已开展了一些绿化对颗粒物影响的实测研究，但单纯的实测研究不仅需要耗费大量的人力物力，而且只能对某些固定点进行测试，得到的实验数据在时间和空间上是离散的，难以完整重现室外环境的复杂性。此外，植被对悬浮颗粒物影响的数值模拟研究较少考虑植被对悬浮颗粒物的吸收作用，以及沉降在植被叶片上的悬浮颗粒物的二次扬尘问题。

基于此，本文通过实测研究、数值模拟和比对分析，针对景观绿化设计参数对室外空间PM2.5浓度分布的影响进行了系统研究。首先，通过开展现场实测研究，获得场地室外园林空间的相关参数：一是环境参数，包括风速风向和PM2.5浓度；二是植物参数，包括树高（Height，H）、冠幅直径（Canopy Diameter，CD）、叶面积密度（Leaf Area Density，LAD）、枝下高（Crown Base Height，CBH），以及植被和建筑的种植距离（Tree-Building Distance，TBD）。第二步，建立场地三维建筑、植被和下垫面模型，结合空气湍流模型（Standard k-ε Model）和修正颗粒物扩散模型（Revised Generalized Drift Flux Model），开展计算流体力学（Computational Fluid Dynamics，CFD）数值模拟，并利用实测数据验证模型的准确性。第三步，在验证模型准确性的基础上，通过数值模拟比对分析绿化设计参数（CD、LAD、CBH和TBD等）对环境中行人高度（1.5m）和垂直空间PM2.5浓度分布的影响（图1）。

图1 研究流程

2 实测研究

2.1 实测场地及测试时间

实测场地位于西北农林科技大学生活区宿舍楼及周边绿地，总占地面积约16 200m2。场地南侧为田径运动场，东临活动中心，西接餐厅，外围无其他大型建筑，较为开阔。测试时间为2016年11月15日8:00～20:00，考虑到测试场地不同植物的布局特点，在行人高度（1.5m）设置9个测点（P1～P9），记录行人高度的风速、风向及PM2.5浓度。监测点Pw设置在宿舍楼楼顶（15m），记录来流风速、风向以及高空PM2.5浓度变化（图2）。测量的参数包括室外环境的风速和风向（设备为Nielsen-Kellerman公司的Kestrel 5500便携式气象站）、PM2.5浓度（设备为Met One公司的Aerocet 531S空气颗粒物检测仪），以及植物的参数，包括植被高度、冠幅大小、枝下高及植被叶面积密度（设备为LI-COR公司的LAI-2200C冠层分析仪）等。各测点同时测试，测试频率为1分钟，通过多次测量计算每小时的平均值。

图2 测点布置及部分测点气象参数和植物参数测试

2.2 实测数据

测试区域内监测点Pw测得的环境参数（图3）表明，测试当天PM2.5浓度呈现“高－低－高”的变化趋势，随着时间的推移，PM2.5浓度逐渐下降，但在中午12:00左右升高，主要原因是测点区域靠近餐厅，午间餐饮烹饪对周边的PM2.5浓度有一定影响。测试当天的来流风速从2.0m/s提高到3.3m/s，主要来流风向为东北风。

根据测量结果，测试区域内的主要植物参数如表1所示。

表1 测试场地主要植物参数

图3 监测点Pw处的PM2.5浓度、风速风向每小时平均值

3 数值模拟

3.1 模型介绍

3.1.1空气湍流模型

在空气湍流模型中，植物冠层对流场的影响在于降低风速、增强紊流。把植物当成多孔介质作如下简化：（1）将冠层部分（树叶+树枝）作为整体考虑，即将树枝近似为树叶；（2）将树干近似为密度非常疏松的树冠（Lin et al.，2008）。

紊流脉动动能由两部分组成：由切应力产生的紊流脉动动能和树冠尾流紊流特性的能量。

在三维绝热平均动量方程和质量守恒方程的基础上，考虑植物冠层作用，修改如下：

连续性方程：

修改后的动量方程：

式2中添加的起抵抗作用的源项：

修改后的k方程：

式5中由于冠层影响导致尾流产生的添加项为：

式5中由于冠层影响导致紊流能量损失的添加项为：

修改后的−ε方程：

式8中由于冠层影响导致的添加项为：

3.1.2修正颗粒物扩散模型

修正颗粒物扩散模型综合考虑了颗粒物与流体（空气）之间的滑动和植被对颗粒物的吸收作用，同时还考虑了沉降在植被叶片表面颗粒物的二次扬尘问题（Ji et al.，2014）。

该模型由以下方程表示：

颗粒物的滑移速率Vslip,j通过式11得到：

其中：

式中，Vj和 Vslip分别为颗粒物在j 方向的空间平均流速和沉降速率，m/s；C为入口颗粒物浓度，μg/m3； 为颗粒物涡流扩散系数，m2/s；Sc为颗粒物的生成率，kg/（m3·s）；Ssink为单位时间内植被沉降的颗粒物的质量，μg/m3，并可以通过Ssink= V+dCsin+kα计算；Sresuspension为单位时间内植被叶片二次扬尘的颗粒物质量，可以通过Sresuspension = V+rS sin +kα计算，其中 Vd为植物叶片滞尘速率（m/s），α为叶面积密度（m2/m3），Csink为滞留在单位面积叶片上的颗粒物质量（μg/m3），Vr为滞留在叶片上颗粒物二次扬尘的逃逸速率（m/s）；Vpj和Vpi为颗粒物在j和i方向的平均速率，m/s；τp为松弛因子；gj为j方向的重力加速度，m/s2；∑Fj+为颗粒物的总应力，m/s2；Smj为j方向的颗粒物动力源，kg/（m2·s2）；μ为空气分子的动态粘度，N s/m2； ρp为颗粒物密度，kg/m3；dp为颗粒物的直径，m；Cc为滑移系数。

表2 边界设定和湍流模型

（式中，U为在高度Z处的水平方向风速，U0为参考高度Z0处的风速，α为由地形粗糙度所决定的幂指数，C为入口PM2.5浓度。在本研究中，U0=-2.5m/s，Z=1.5m，Z0=15m。由于研究对象是校园宿舍区，故选定α=0.25，I=0.1，Cμ=1.8。）

表3 实测与模拟的风速、PM2.5浓度配对T检验

3.2 边界设定和模型建立

3.2.1 边界设定

模拟参数的边界设置参照AIJ指南（Tominaga et al.，2008，表2）。采用监测点PW的风速、风向及PM2.5浓度值作为边界初始输入值。出流面的边界条件为：假定出流面上的流动已充分发散，且已恢复为无建筑物障碍时的正常流动，出口压力设为大气压。

3.2.2 模型建立

本文采用PHOENICS（Parabolic Hyperbolic Or Elliptic Numerical Integration Code Series）软件对实验区域的建筑、植被和下垫面建立模型（图4）。有研究表明，乔木是滞尘的主体，草坪及低矮灌木对行人高度PM2.5的影响较小（Song et al.，2015），因此，本研究在建模过程中仅考虑了乔木和较高灌木对PM2.5的影响。

图4 场地模型建立

3.3 模型验证

研究选取人们户外活动较频繁的时间段（8:00和14:00）作为参照点，通过数值模拟计算每个测点（P1～P9）的平均风速、风向和PM2.5浓度，并与实测数据进行比较（图5）。

图5 模型验证：风速、风向、PM2.5浓度的实测与模拟结果比较

对比发现，风速、风向、PM2.5浓度的模拟数值和实测数据有很好的相关性（R2分别为0.966、0.902和0.912），考虑到测试仪器的系统误差和植被描述参数的误差，表明该模型能准确反映实际场地室外的实际环境。

进一步对实测与模拟的风速、PM2.5浓度进行配对T检验，从表3中可以看出，风速和PM2.5的实测数据与模拟数据之间存在显著性差异（p=0.028＜0.05，p=0.002＜0.05）。

4 比对与分析

4.1 有无植被模拟比对分析

根据无植被和原有植被情况下行人高度PM2.5浓度分布的模拟结果发现（图6a、6b）：在无植被情况下，测试区域的PM2.5平均浓度为203.5μg/m3；在原有植被情况下，测试区域的PM2.5平均浓度为140.6μg/m3，比无植被情况降低了约30.8%；在有植被的情况下，整个测试区域行人高度的PM2.5浓度明显下降。由于2、3号楼间和3、4号楼间种植了常绿、叶面积密度较大且冠层致密的侧柏和龙柏，该区域行人高度PM2.5浓度下降最为明显，最低达到20μg/m3，仅为入风口PM2.5浓度的9.5%。其他区域的行人高度PM2.5浓度也有不同程度的下降，总体浓度比入风口浓度降低了约33.3%。

图6 改变植被参数测试区域行人高度PM2.5浓度分布模拟结果

4.2 调整植被CD

将原有植被CD增大1倍后，模拟结果显示（图6c），行人高度PM2.5平均浓度为111.8μg/m3，比原有植被情况降低了20.5%。从图中可看出，与原有植被情况相比，测试区域西侧和2号楼之间，3、4号楼之间的楼间区域行人高度的PM2.5浓度下降明显，而1、2号楼之间变化不大，整个测试区域的平均PM2.5浓度有明显下降。

4.3 调整植被LAD

将原有植被LAD增大1倍后，模拟结果显示（图6d），测试区域行人高度PM2.5平均浓度为101.4μg/m3，比原有植被情况降低了27.9%。测试区域西侧及各宿舍楼之间的植被附近的PM2.5浓度都达到了很低的水平，约为30～90μg/m3。与原有植被模拟结果相比，整个测试区域及局部的PM2.5浓度都有明显的下降。

4.4 调整植被CBH

将原有植被CBH增大1倍后，模拟结果显示（图6e），测试区域的行人高度PM2.5平均浓度为159.7μg/m3，比原有植被情况提升了约13.5%。测试区域西侧的PM2.5浓度明显升高，原有植被情况下PM2.5浓度很低的2、3、4号楼之间，PM2.5浓度也略有升高。

4.5 调整TBD

在总绿量不变的条件下，增大植物与建筑之间的距离（TBD），将原有植被中植物距离2号楼南侧的4m调整为14m（图7）。根据调整前后垂直方向上PM2.5浓度分布数值模拟结果（图8）和垂直方向上距离建筑墙体0.5m处的PM2.5浓度随高度增加的变化情况（图9），可以发现：与原有植被条件相比（TBD=4m），当TBD增大到14m之后，垂直空间PM2.5浓度升高，且随着高度的增加呈现先降低后升高的趋势；PM2.5浓度在植物冠幅高度都有所降低，从地面高度的158.3μg/m3降至133.2μg/m3，但在建筑顶层区域（高度增加到15m），PM2.5浓度又迅速升高到145.8μg/m3。

图7 2号楼南侧TBD调整示意

图8 2号楼南侧TBD调整前后垂直方向PM2.5浓度分布模拟结果

图9 垂直方向距离建筑墙体0.5m处的PM2.5浓度分布

5 结论

本研究通过对住区室外园林环境的PM2.5浓度、风速风向的实地测试，结合计算流体力学，利用空气湍流模型和修正颗粒物扩散模型进行数值模拟验证和比对分析，研究了景观绿化设计参数对行人空间PM2.5浓度分布的影响。结论如下：

（1）原有植被情况下，行人高度的PM2.5浓度比无植被情况降低了约30.8%，总体PM2.5浓度比入风口降低了约33.3%，证明植被绿化可起到明显的滞尘作用，能有效改善建筑周边的空气质量。

（2）将原有植被冠幅直径和叶面积密度增大1倍，测试区域行人高度的PM2.5平均浓度分别降低了20.5%和27.9%，表明冠幅较大的植被的滞尘效果更好，叶面积密度较大的植被具有更为明显的滞尘作用，在实际绿化设计中，应适当选择一些冠幅较大、冠层致密的树种。

（3）将原有植被枝下高增加1倍后，行人高度PM2.5平均浓度比原有植被情况升高了约13.5%。因此，在园林养护树木修剪操作中，应当避免将乔木的枝条修剪得过高。

（4）通过调整植被和建筑的种植距离，分析对比垂直方向上距离建筑墙体0.5m处的PM2.5浓度随高度增加的变化情况，发现增大建筑与植被距离后垂直空间PM2.5浓度升高，表明植被与建筑距离对垂直空间PM2.5浓度分布有显著影响。在宅间绿地设计中，为了有效减少室外PM2.5扩散到室内空间，在保证建筑室内采光的前提下，乔木种植应尽量靠近建筑。

本研究选择在晴天进行实测，未考虑其他天气条件下的气象因子对PM2.5浓度分布的影响。在今后的研究中，将综合分析不同天气状况下的优化方案，提出更为合理和科学的居住区室外环境植被优化方案。另外，研究中选取的修正颗粒物扩散模型未考虑太阳辐射及绿化植物与环境之间的对流换热，今后可针对这一问题开展深入研究，以提高建成环境数值模拟的准确度。本研究结论可对居住区室外景观绿化设计提供定量指导，如在住区绿化设计时如何选择适当树种和规格、合理安排绿化种植位置和园林养护管理中适当修剪高度等。

[1]Brunekreef B, Holgate ST. Air pollution and health [J]. Lancet,2002(360).

[2]Freer-smith PH, Holloway S, Goodman A. The uptake of particulates by urban woodland: site description and particulate composition [J]. Environmental Pollution, 1997, 95(1).

[3]Beckett KP, Freer-Smith PH, Taylor G. Urban woodlands: their role in reducing the effects of particulate pollution [J]. Environmental Pollution, 1998(99).

[4]Dzierzanowski K, Popek R, Gawronska H, et al. Deposition of particulate matter of different size fractions on leaf surfaces and in waxes of urban forest species [J].International Journal of Phytoremediation, 2011(13).

[5]Hong B, Lin B, Wang B, Li S. Optimal design of vegetation in residential district with numerical simulation andfield experiment[J]. Journal of Central South University, 2012(19).

[6]Litschke T, Kuttler W. On the reduction of urban particle concentration by vegetation: a review [J]. Meteorologische Zeitschrift, 2008(17).

[7]Petroff A, Mailliat A, Amielh M, Anselmet F. Aerosol dry deposition on vegetative canopies. Part I: review of present knowledge [J].Atmospheric Environment, 2008(42).

[8]Tiwary A, Morvan HP, CollsJ J. Modelling the size-dependent collection efficiency of hedgerows for ambient aerosols [J].Journal of Aerosol Science, 2005(37).

[9]Jin S, Guo J, Wheeler S, Kan L, Che S. Evaluation of impacts of trees on PM2.5dispersion in urban streets [J]. Atmospheric Environment, 2014(99).

[10]Beckett KP, Freer-Smith PH, Taylor G. Particulate pollution capture by urban trees: effect of species and wind speed [J].Global Change Biology, 2000(6).

[11]Ould-Dada Z. Dry deposition profile of small particles within a model spruce canopy [J].Science of the Total Environment,2002(286).

[12]Freer-Smith PH, Beckett KP, Taylor G. Deposition velocities to Sorbus aria, Acer campestre, Populusdeltoids×trichocarp a‘BeauprŽ’, Pinus nigra and×Cupressocyparis leylandii for coarse,fine and ultra-fine particles in the urban environment [J].Environmental Pollution, 2005(133).

[13]Moria J, Hanslinc HM, Burchi G, S¾b¿ A. Particulate matter and element accumulation on coniferous trees at different distances from a highway [J]. Urban Forestry & Urban Greening, 2015(14).

[14]Ries K, Eichhorn J. Simulation of effects of vegetation on the dispersion of pollutants in street canyons [J]. Meteorologische Zeitschrift, 2001(10).

[15]Wania A, Bruse M, Blond N, Weber C. Analysing the in fl uence of different street vegetation on traffic-induced particle dispersion using micro-scale simulations [J]. Journal of Environmental Management, 2012(94).

[16]Lin B, Li X, Zhu Y, Qin Y. Numerical simulation studies of the different vegetation patterns’ effects on outdoor pedestrian thermal comfort [J]. Journal of Wind Engineering and Industrial Aerodynamics, 2008(96).

[17]Mochida A, Lun IYF. Prediction of wind environment and thermal comfort at pedestrian level in urban area [J]. Journal of Wind Engineering and Industrial Aerodynamics, 2008(96).

[18]Ji W, Zhao B. Numerical study of the effects of trees on outdoor particle concentration distributions [J]. Building Simulation,2014(07).

[19]Tominaga Y, Mochida A, Yoshie R, Kataoka H, Nozu T, Yoshikawa M, Shirasawa T. AIJ guidelines for practical application of CFD to pedestrian wind environment around buildings [J]. Journal of Wind Engineering and Industrial Aerodynamics, 2008(96).

[20]Song Y, Maher BA, Li F, Wang X, Sun X, Zhang H. Particulate matter deposited on leaf of five evergreen species in Beijing,China: Source identification and size distribution [J]. Atmospheric Environment, 2015(105).

EFFECTS OF LANDSCAPE GREENING ON PM2.5 DISPERSION COUPLING FIELD EXPERIMENT AND NUMERICAL SIMULATION

Landscape greening has significant deposition effects on atmospheric particulate matters. Reasonable layout could effectively reduce PM2.5concentration in living environments and thus improve the air quality. Coupling with field experiments (including the PM2.5concentration, wind speed and wind direction) and Computational Fluid Dynamics, this research studied the effects of landscape greening design parameters on the PM2.5dispersion in outdoor space at pedestrian height by the Standard k-ε model and Revised generalized drift flux model. After series of comparisons and analysis, the results were as follows: (1) PM2.5is significantly lower than that of non-vegetation case, and the concentration of the pedestrian level is decreased by 30.8%; (2) by doubling the canopy diameter and the leaf area density of the original vegetation, PM2.5in the test area was respectively decreased by 20.5%and 27.9% compared with that of original vegetation; (3) by doubling the crown base height of the original vegetation, PM2.5was increased by 13.5%; (4)adjusting the tree-building distance has significantly effects on the PM2.5concentration distribution in the vertical level, showing the closer the vegetation is to the buildings, the smaller the concentration of PM2.5will be. The results of this study would provide quantitative guidance for landscape greening design for the purpose of improving outdoor environment in residential districts.

Landscape Greening, PM2.5, Computational Fluid Dynamics, Field Experiment

中央高校基本科研业务费专项资金项目（编号：2452017100）。

洪波，博士，西北农林科技大学风景园林艺术学院副教授

王娅楠，在读硕士，中国农业大学观赏园艺与园林系

2017-09-23