论文部分内容阅读
近年来,PM2.5(细颗粒物)已经成为我国空气质量的首要影响因素。而交通活动造成的颗粒物排放已成为城市大气污染的重要来源之一。本研究拟以莆田市8座环境监测站数据为基础,利用GIS对莆田市8座监测站数据进行空间插值,对莆田市主城区颗粒物浓度空间分布情况进行分析。以不同的道路绿化模式的典型路段为研究对象,对这些道路路侧环境中的颗粒物、气象参数以及路段车量等进行监测。在此基础上,通过对不同绿化模式、不同车流量条件下的道路环境颗粒物污染的对比,寻找不同车流量条件下道路环境颗粒物污染的规律,同时为探讨一种较好的道路绿化模式提供科学依据。主要研究结果如下:(1)莆田市城区全年颗粒物浓度均处于较低水平;春、冬两季的PM10(可吸入颗粒物)和PM2.5的平均浓度值明显高于夏、秋两季;荔城区监测点位颗粒物污染最为严重;东圳水库监测点位颗粒物浓度最低;远离城区、绿化和植被覆盖好,及邻近水域的地区颗粒物浓度较低;风速与PM10浓度呈正相关性,而与PM2.5浓度之间存在强烈的负相关性;温度与PM10和PM2.5浓度均呈现明显的负相关关系;相对湿度与PM10和PM2.5浓度呈负相关性。(2)本文分别使用传统车流量以及基于排放因子的车流量计算方式对车流量进行统计,发现基于排放因子的标准化车流量与颗粒物浓度的相关性更好;PM2.5的浓度与车流量的相关性较好,而PM1(可入肺颗粒物)、PM10和TSP(总悬浮颗粒物)的浓度与车流量的相关性较差;对车流量及颗粒物浓度的时间分布进行分析,发现由于颗粒物的扩散需要一定的时间,颗粒物浓度的变化相对交通量有一定的延后性;根据监测站周边交通量大小以及繁华度从高到低将8座空气自动监测子站分为三类,发现颗粒物污染较严重的区域的主要特征为交通发达、人类活动频繁;对于不同等级道路,PM10及TSP浓度呈现出主干道>次干道>支路;而PM1及PM2.5的浓度呈现出次干道>主干道>支路;莆田市城区节假日与工作日颗粒物浓度变化情况有很大的区别,而车流量在节假日明显降低,平均降幅达到了 13.44%;颗粒物浓度水平也有明显的降低,特别是PM10和TSP,降幅分别达到了 35.36%和39.09%,呈现出明显的"节假日效应"。(3)"乔-灌-草"配置模式的道路路侧绿化带对各个粒径颗粒物浓度的削减作用最高;PM1和PM2.5的污染源相似,而PM10和TSP则是来自于另外的相似污染源;道路路侧绿化带对不同粒径的颗粒物的削减率不同,大小依次为:TSP>PM10>PM2.5>PM1。道路路侧绿化带对粒径较大的颗粒物有较好的阻挡及吸附作用,"乔-灌-草"模式对PM10和TSP的削减率达到了 44.9%和43.7%。而对小粒径颗粒物的净化效果较差。