天山北坡綠洲城市車流量與對流層NO2垂直柱濃度關系研究

趙曉蓉，李艷紅*

1.新疆師范大學地理科學與旅游學院，新疆 烏魯木齊 830054 2.新疆維吾爾自治區重點實驗室“新疆干旱區湖泊環境與資源實驗室”，新疆 烏魯木齊 830054

引 言

隨著城市的不斷發展與擴張，NO2排放居高不下,引起大氣酸沉降、灰霾、臭氧等一系列環境問題，嚴重危害生態環境和人體健康。研究表明[1]，對流層NO2主要來自于機動車尾氣和工業排放[2]。對大氣對流層NO2的研究方法主要有衛星遙感資料和地基多軸差分吸收光學技術(DOAS)等。Richtre[3]等對比GOME-2和SCIAMACHY反演了NO2柱濃度在不同地區和季節的差異；Velders[4]等在此基礎上利用三維模式，反演全球對流層NO2分布情況；Lee[5]等利用成像DOAS數據對污染源排放煙羽擴散模型進行改進；Kim[6]等韓國學者基于OMI傳感器，發現東北亞地區城市NO2濃度逐年呈增長趨勢；章吳婷[7]結合GOME，SCIAMACHY和OMI傳感器監測反演NO2柱濃度數據；閆歡歡[8]、程韻初[9]、崔遠政[10]等基于OMI衛星遙感反演資料，認為我國NO2空間分布呈現出：東部最高、中部較低、西北最低的空間格局；并且西部地區NO2污染的主要驅動因素是交通排放。李素文[11]、王焯如[12]、吳子揚[13]、仝澤鵬[14]等利用DOAS技術對北京、上海、合肥、新疆大中小城市等地區進行長期監測，認為機動車保有量和車流量的增加是市區NO2主要污染源。王章軍[15]等采用DOAS技術，對青島市污染氣體進行連續監測，認為NO2濃度與交通流量變化趨勢呈正相關并出現顯著“周末效應”。以上研究都指出車輛對NO2的貢獻，但具體車流數量對NO2污染的時空分布及影響因素研究較少。干旱區晴朗少云的天氣對于光譜觀測十分有利，本文從車流量對大氣污染的影響方面出發，選取新疆天山北坡城市，經濟快速發展，機動車保有量迅速增長，并位于高大天山山脈迎風坡的河谷綠洲地帶，冬季長達6個月的供暖期，污染物濃度隨之加強。利用MAX-DOAS技術，通過對2018年和2019年天山北坡烏魯木齊及周邊城市石河子和阜康3個城市市區進行固定監測，對主要交通干道進行DOAS車載移動監測，分析車流量與對流層NO2柱濃度的時空變化規律，結合工廠、商業區、地形和氣象因素分析污染原因，為治理天山北坡城市改進機動車尾氣排放措施、治理大氣污染提供數據參考。

1 實驗部分

1.1 研究區概況

2013年—2018年，我國機動車保有量增加32.7%，年均增長5.8%。在2018年，全國機動車保有量達到3.27億輛，新疆維吾爾自治區機動車達396.61萬輛。2018年全國機動車氮氧化物(NOx)排放總量達到662.7萬噸，占全國排放總量的13.9%，機動車尾氣排放氮氧化物已經成為大氣污染的主要來源，煤煙-機動車混合型大氣污染特征日漸顯著。在天山北坡經濟帶的作用下，西部綜合性城市烏魯木齊作為新疆的首府，交通設施齊全，有1個國際機場和3個火車站，公共交通包括地鐵、8條BRT專線和若干環線快客。工業型中等城市石河子機場和火車站各一個，公路總里程1 640 km，公交線路36條。工業型小城市阜康距離烏魯木齊國際機場45 km，G7京新高速公路、省道303、重點鐵路運輸線烏準鐵路橫貫全境。隨著交通格局的逐漸完善，機動車保有量的日益增長，城市道路發展滯后車輛擁堵嚴重，交通貢獻的氮氧化物不斷增加，機動車尾氣產生的氮氧化物已成為對流層NO2的主要來源之一。2018年在全疆19個城市中，烏魯木齊市、石河子和阜康市全年空氣質量排名均處于倒數，烏魯木齊和阜康空氣污染屬于混合型污染，石河子屬于煤煙沙塵型污染；而另外這三個城市都位于天山北坡和準噶爾盆地邊緣(如圖1)，屬于山盆體系下的河谷綠洲城市，冬季在冷高壓的控制下多為靜風天氣，大氣層結穩定，逆溫層較厚，阻止了空氣水平和垂直運動，導致污染物集聚、擴散困難，機動車引起的NO2污染應該引起重視。

1.2 監測方法與數據處理

1.2.1 車流量數據

2018年—2019年，在烏魯木齊、石河子和阜康市各城市主干道的交通節點利用數碼相機進行車流量監測，早晨的監測時間在9—12點，中午在12—15點，傍晚在19—20點，早晚車流監測時間正值高峰期。在市中心分別將車輛監測點選取在新醫路立交橋(附近是新疆師范大學昆侖校區)、石河子大學附近、阜康天賜賓館。其監測點附近均為商業區、學校等人群密集地，車流量大。

1.2.2 NO2垂直柱濃度數據

觀測儀器miniMAX-DOAS是德國海德堡大學和Hoffmann公司聯合開發的利用太陽散射光反演地面NO2垂直柱濃度的便攜式應用被動DOAS技術的多軸差分吸收光學設備。儀器在測量過程中會產生包括暗電流和電子偏移的噪音，選用350～430 nm波長來反演對流層NO2垂直柱濃度，將光譜導入Windoas軟件消除系統噪音帶來的影響。圖2(a,b)分別為2018年12月13日11:30在烏魯木齊市MAX-DOAS固定監測獲得的30°仰角的觀測光譜反演示例的擬合曲線與擬合殘差。參照《國家環境空氣質量檢測規范》(試行)，根據城市人口分布、車流量狀況，同時根據城市功能布局、出入城市狀況制定各城市的移動監測路線。烏魯木齊、石河子和阜康各城市的固定監測點選擇在新疆師范大學昆侖校區、石河子大學附近和阜康天賜賓館附近，固定監測的時間為每天9:00—19:00。車載MAX-DOAS監測是沿著各城市的外環路進行監測，監測時間同樣也在9:00—19:00。烏魯木齊移動監測在圍繞外環路和縱貫市區的河灘快速路，石河子沿北一、西三、北十五、東七路進行監測，阜康市圍繞準噶爾路、Z529、G335進行環城監測。選取2018年—2019年進行固定監測和移動監測的數據。對車流量和NO2濃度的數據進行了t檢驗和相關性分析，以及結合車載MAX-DOAS監測的NO2數據利用Arcgis進行克里金插值分析。

圖2 MAX-DOAS測量光譜反演示例(a)：擬合曲線；(b)：擬合殘差Fig.2 MAX-DOAS measurement spectral inversion example(a)：Fitting curve；(b)：Fitting residual

1.2.3 各功能區數量數據

在高德開發平臺https://lbs.amap.com/經過POI搜索得到，以車輛監測點為中心，搜索附近1 000 m范圍內的各種功能區，并統計其數量。

2 結果與討論

2.1 各城市車流量的時間變化

圖3為三個城市的車流量日變化都呈現出“早晚高，晚上略高于早晨” 的特征。烏、石、阜在每日早高峰車流量分別達到1 418，204和183輛/5 min，此后車流量逐漸降低，在12：00—14:00到達低谷，分別為1 351，191和171輛/5 min，晚上19:00—21:00出現一天最高峰，分別是1 448，211和201輛/5 min。如圖4，經過t檢驗(p<0.05)，三個城市車流量的季節變化顯著。但是最大值都出現在冬季，烏、石、阜三個城市冬季車流量分別為1 483，270和211輛/5 min。烏魯木齊和阜康都是夏季時車流量最低，分別為1 247和147輛/5 min。石河子在秋季時車流量最低，為148輛/5 min。烏、石、阜三個城市車流量季節變化分別為：冬>春>秋>夏、冬>春>夏>秋、冬>春>秋>夏。

圖3 各城市車流量的日變化Fig.3 Diurnal variation of traffic flow in different cities

圖4 各城市車流量的季節變化Fig.4 Seasonal variation of traffic flow in different cities

2.2 各城市NO2VCD的時間變化

由圖5可見，三個城市對流層NO2VCD和車流量的日變化趨勢一致，都呈現出“早晚高，中午低”的趨勢，并且晚上濃度最高。三個城市早上和晚上、中午和晚上差異顯著(p<0.05)，早上和中午的NO2VCD(p>0.05)差異不顯著。但是三個城市NO2VCD變化幅度不同，其中烏魯木齊變化幅度最大，為14.03×1015molec·cm-2。石河子和阜康兩個城市變化幅度相對平緩，最大變幅分別是9.15×1015和10.10×1015molec·cm-2。三個城市對流層NO2VCD在19:00達到最高峰，在13:00達到低谷。13：00—15:00 NO2VCD處于相對平穩狀態，而15:00—19:00間NO2VCD激劇增長。全天大部分時間烏魯木齊對流層NO2VCD均大于石河子和阜康兩個城市。圖6，在季節變化中，除了春季和秋季(p>0.05)差異性不顯著外，其余季節差異性均顯著。三個城市的NO2VCD都在冬季達到最大值，分別為18.9，13.55和14.95×1015molec·cm-2；都在夏季達到最小，分別為13.38，10.71和8.82×1015molec·cm-2。烏魯木齊在四個季節的NO2VCD均大于石河子和阜康，石河子在春、夏、秋三個季節大于阜康。三個城市的季節變化都是：冬>春>秋>夏。

圖5 各城市NO2VCD的日變化Fig.5 Diurnal variations of NO2VCD in cities

圖6 各城市NO2VCD的季節變化Fig.6 Seasonal changes in NO2VCD in various cities

2.3 各城市市區車流量和NO2VCD的分布

三個城市中車流量和NO2VCD都在冬季呈現最大值，利用2018年和2019年冬季移動監測的NO2VCD數據進行克里金插值分析，并疊加各車輛監測點的早晚車流量狀況，分析車輛流向，得到圖7(a,b,c)。在烏魯木齊新醫路、廣匯商業區和燕兒窩車流量是晚>早，平均車流量為1 298，1 561和241輛/5 min，而在蘇州路和華凌市場是早>晚，平均車流量為583和912輛/5 min，北部蘇州立交橋車流量最小。雖各監測點的早晚車流量有所差異，但車流的流向基本一致，車輛向新醫路和廣匯商業區集中。在由圖7(a)整體上可以看出烏魯木齊的NO2VCD濃度的高值集中在市區內部，與車流量的分布近似，NO2VCD的濃度在車流量較高的廣匯商業區和華凌市場達到高值，分別為34.23和29.87×1015molec·cm-2，并且在東南風的主導下，市區西北角出現高值，達到22.43×1015molec·cm-2。石河子市早晚車流量最大值都出現在距離市區較近的瑪河大廈，平均車流在290輛/5 min[見圖7(b)]，最小出現在北工業園區，平均值在50輛/5 min。在早晚的車流對比中，除了瑪河大廈車流量為早>晚，其余都是晚>早。車流量流向基本在市區中心和客運站集中。NO2VCD高值集中南部，在南部車流較大的瑪河大廈附近濃度最大為16.83×1015molec·cm-2，在西北風的主導下，濃度在東南達到高值。在車流量最小的工二連濃度最小，為3.67×1015molec·cm-2。在阜康市，可以看出有兩個循環，一個是內流一個是外流[見圖7(c)]，外流基本流向不變，均為流向市區內和工廠，在市中心的內流中早晨是向阜康天賜賓館附近的商業區集中，晚上有中國煙草和天池商貿兩個集中點。NO2VCD在南部有三個高值，第一個小高峰在西南部的工業區，為15.67×1015molec·cm-2，第二個高值在軍墾路，第三個高值在市中心的阜康天賜賓館附近，其車流量最大。在西北風的主導下，東南部出現污染次高值，為13.75×1015molec·cm-2。由此可以看出各城市車流量差異明顯，最大值和最小值都是烏魯木齊>石河子>阜康，車流量最大值都出現在市區人流密集的商業區和貿易中心，而最小值都在遠離中心城市的未完全開發的地方。車流量較大的地方，NO2VCD也會出現高值。

圖7 各城市車流量和NO2濃度的空間分布狀況Fig.7 The spatial distsibution of traffic flow and NO2 concentration in each city

2.4 各城市NO2VCD成因分析

2.4.1 內因

2.4.1.1 車流量對NO2VCD的影響

對三個城市早中晚和春夏秋冬的車流量數據與相對應的NO2VCD數據進行相關性分析。表1所示，車流量與NO2VCD的日變化與季節變化都呈現顯著正相關。NO2VCD出現的高峰與早晚上下班高峰期相一致，中午由于午間休息時間短，部分通勤人員選擇在單位附近就餐，車流量出現“低谷”，而傍晚下班后時間充裕休閑人數增多車流量最大。早晚由于太陽高度角較小，太陽光強度弱，并且正值早晚車流高峰期，機動車排放的NO2不易分解，則早晚的車流量與NO2VCD相關性最強；雖中午車流較早、晚下降不明顯，但由于中午光照強，NO2發生光化學反應，則中午NO2VCD較低。在車流量與NO2VCD的季節相關性中，冬>秋>春>夏。冬季相關性最強，因為冬季天氣寒冷，人們多會選擇開車出行，車流最大，則NO2VCD也最高。

表1 車流量與NO2VCD的相關性分析Table 1 Correlation analysis between traffic flow and NO2VCD

2.4.1.2 車流量與各功能區數量的關系

如表2，車流量的大小與各功能區的數量呈顯著正相關。車輛在城市中各功能區間高度流動，早晨從住宅區流向商業區、科教單位、政府機關、企業公司，中午則從辦公場所流向餐飲購物等地，晚上則與早上相反，從辦公區返回到住宅區。正是人們居住空間的分異，造成車輛的移動，則帶來NO2的空間分異。在表3中可以看出，餐飲購物較多的地方車流量相應較大，NO2濃度高。其中，車流量與住宅相關性最強，因為人們的各項活動都是以住宅區為出發地和目的地。

表2 車流量與各功能區數量的相關性分析Table 2 Correlation analysis between traffic flow and the number of functional areas

表3 各城市數車點附近1 km范圍內的功能區數量Table 3 The number of functional areas within 1 km of each city’s car-count point

2.4.2 外因

2.4.2.1 地形的影響

天山北坡的烏魯木齊西、南、東三面環山，呈喇叭狀地形；阜康則在這樣喇叭口地形的右側，石河子南倚天山，北接古爾班通古特沙漠。山盆體系下的河谷綠洲城市，夏、秋季山谷風表現明顯，大氣對流層較厚，對流運動明顯，污染物易于擴散。在冬、春季，準噶爾盆地冷空氣南下，遇到高大天山山脈阻擋返折向下，積聚于山腳下，形成厚的逆溫層，大氣層結穩定，不利于污染物垂直擴散；經常出現靜風天氣，并且持續時間長，不利于污染物水平擴散，導致污染物集聚，引發冬季嚴重的大氣污染。

2.4.2.2 風向風速影響

風會對大氣污染物起到擴散作用，首先風向會影響污染物的水平移動方向，其次風速大小影響污染物擴散程度。由圖8和圖9可知，三個城市的0～4和4～8 m·s-1的低風速天氣的占比在冬季最高。其次是秋、春、夏。這與NO2濃度的季節變化大致相同，因低風速天氣不易于污染物擴散。烏魯木齊在春、夏、秋三個季節主導風向是東北風，結合烏魯木齊喇叭狀的地形，風從喇叭口進入。但是春、夏季12.1～16 m·s-1占比分別為15%和29%，有利于污染物的擴散，則市區內污染物較小。冬季則以西南風為主導，將污染物傳輸至城區，并且4.1～8 m·s-1的風速占到96%，不利于污染物的擴散稀釋，則NO2VCD較高。石河子全年以西、西北風為主，將西北部工業區的污染傳輸至下風向的市區，冬季0～4 m·s-1的風速占比達到81%，更不利于污染物的擴散。阜康春、秋季以東北風為主，夏、冬季以西、西北風為主，而這些風向都會受到南部山脈的阻擋，冬季0～4 m·s-1的風速占48%，導致污染物聚集。

圖8 各城市四季的風速的風向Fig.8 Wind direction of wind speed in each city in four seasons

圖9 各城市的四季風速占比情況Fig.9 Proportion of wind speed in each city in four seasons

2.5 影響污染的人為因素

天山北坡的三類城市的車流量和污染特征，與我國其他地區的城市出現相同變化趨勢。日變化呈現“雙峰型”，季節變化均為冬季最高，夏季最低，在空間上車輛都集中于市區，污染物濃度則由市區向城市外圍逐漸遞減。在內地個別城市出現周末效應，而天山北坡三類城市并無此發現。烏魯木齊車流量最大，但與其他城市研究結果對比發現，烏魯木齊車流量(1 049輛/5 min)大于天津[16](586輛/5 min)、北京[17](500輛/5 min)、南京[18](368輛/5 min)等城市。天山北坡三類城市年平均NO2VCD(烏魯木齊為10.48×1015molec·cm-2，石河子為9.87×1015molec·cm-2，阜康為8.65×1015molec·cm-2)小于京津冀地區(18×1015molec·cm-2)、山東[19](17.34×1015molec·cm-2)，大于蘇北、安徽、浙江杭州、寧波以南等地區[20](5×1015molec·cm-2)、珠江三角洲[21](7.4×1015molec·cm-2)。天山北坡的烏魯木齊、石河子和阜康車流數量與NO2濃度有較強的相關性，這便是天山北坡污染濃度高的內在原因。表4對比發現，天山北坡三類城市在2009年—2019年10年間經濟生產總值增長率在200%以上，大于北京、上海等發達城市，石河子機動車增長最為迅速，達到555%，其次是烏魯木齊，達到375%，遠大于其他城市，說明在這10年間，天山北坡城市經濟迅猛發展，機動車保有量快速增長，以煤炭為主的能源結構、火力發電、化工生產、機動車尾氣排放，隨之帶來嚴重的環境污染。

表4 國內城市對比分析Table 4 Comparative analysis of domestic cities

2.6 影響污染的自然因素

國內的平原型和沿海型城市污染嚴重主要是由于內在排放強度大，北方地區有冬季燃煤和機動車輛的排放，南方地區有工業污染和機動車排放，并且受季風氣候影響，夏季高溫多雨，冬季寒冷干燥，多靜穩天氣則形成嚴重污染；盆地型城市工業發展迅速，污染排放突出，由于地形的限制，位于背風坡或四周高、中間低，形成焚風效應和逆溫天氣，污染物不易擴散。這些城市污染嚴重不僅有內在的污染排放還有外部的地形和氣象因素影響。而在我國西北部的天山山脈和準噶爾盆地這樣的巨大山盆體系下，形成由河流灌溉而來的河谷綠洲城市，在大陸性氣候的作用下，西北地區冬季漫長，供暖期長達半年之久，并且高大的天山山脈阻擋南下的冷空氣，在此回旋，形成深厚逆溫層，大氣層結溫度，污染物不易擴散。

3 結 論

車流量對NO2有明顯貢獻，并且NO2污染嚴重的原因不僅有污染物的排放，另外城市的形態和風向風速對其污染的擴散有明顯影響，結合烏魯木齊、石河子、阜康三類不同規模城市車流量，利用地基多軸差分光譜儀(Mini MAX-DOAS)對NO2VCD進行監測，分析了不同城市車流量和NO2VCD的時間和空間變化，并分析其原因，得出以下結論：

(1)天山北坡的烏魯木齊、石河子、阜康三個城市的車流量和市區NO2VCD的日變化都呈現出“早晚高，晚上高于早晨”的變化特征；季節變化表現出冬春季大于秋夏季的特征；這些時間變化上與人們的出行習慣和生活方式有密切關系。三個城市的車流量狀況：烏魯木齊>石河子>阜康。

(2)三類城市的車流空間分布中，各監測點的車流量有所差異并不是所有地點都是晚上>早晨，這便造成了車流的明顯流向，經過分析顯示車流流向都集中于市中心或人群密集的商業中心等地。住宅區的數量與車流量的數量最為相關，這便產生了人們利用車輛在空間上的流動，則形成污染物的空間分布。并且對車載MAX-DOAS監測的數據進行克里金插值分析，NO2濃度高值區也同樣出現在車流密集的地點，表明車流對NO2VCD的貢獻顯著。

(3)天山北坡城市在近十年間經濟增長率和機動車保有量迅速增長，污染嚴重不僅由于大量人為排放，更不能忽略的是三個城市都處于都處天山-準噶爾盆地的山盆體系下，阻擋南下的冷空氣，造成污染物聚集。另外冬春季低風速天數較多，逆溫層深厚、大氣層結穩定，不利于污染物的擴散。