曼谷高速公路收费站颗粒物污染特征：交通流量与气象条件对PM10和PM2.5的影响研究

本研究针对曼谷内外城高速公路收费站PM污染问题，通过低成本传感器监测PM10和PM2.5浓度，结合交通流量与气象数据分析，发现城区站点PM浓度显著高于郊区，且与轻型车辆流量及气象因子（温度、湿度、风速等）显著相关，为城市交通污染治理提供重要科学依据。

　　

随着城市化进程加速，交通排放已成为城市空气污染的主要来源之一，尤其是颗粒物（PM）污染对公众健康构成严重威胁。颗粒物不仅与心血管疾病、呼吸系统疾病密切相关，还可能导致代谢性和神经性疾病。高速公路收费站作为交通网络的关键节点，车辆频繁加速、减速和怠速，形成局部污染热点，对工作人员和周边居民的健康风险尤为突出。然而，传统空气质量监测站成本高、覆盖有限，难以捕捉微观环境的污染波动。泰国曼谷作为快速城市化的典型代表，其内外城区域具有不同的城市结构和交通模式，但针对收费站特定环境的PM污染研究尚显不足。为此，研究人员在《Environmental Advances》发表论文，通过低成本传感器等技术手段，深入探究了曼谷两个典型收费站（城区Rama IV-1和郊区Chatuchot）的PM污染特征及其影响因素。

本研究主要采用了几项关键技术方法：使用Aeroqual S500低成本传感器监测PM₁₀和PM_2.5浓度，数据记录间隔为5分钟；从泰国高速公路管理局（EXAT）获取每小时交通流量数据，车辆按类型分为轻型客车（M-LVs）、轻型卡车（M-LTs）、重型卡车（M-HTs）和电子收费车辆（E-LVs）；收集风速、温度、湿度、气压等气象数据，并结合边界层高度数据；利用ArcGIS进行土地利用/覆盖（LULC）分析；采用HYSPLIT模型计算气团后向轨迹；使用SPSS和R语言进行统计分析，包括Spearman相关性和极性图绘制。

3.1. 两个收费站的PM浓度比较

结果显示，城区Rama IV-1站的PM₁₀和PM_2.5平均浓度分别为52.22±26.06 μg/m3和35.86±22.20 μg/m3，显著高于郊区Chatuchot站的42.26±16.77 μg/m3和25.59±9.64 μg/m3。Rama IV-1在工作日的PM浓度显著高于周末，而Chatuchot则呈现相反趋势。两个站点的PM浓度均显著高于背景值，表明收费站是PM污染的局部热点。

3.2. 收费站PM_2.5/PM₁₀比值

两个站点的平均PM_2.5/PM₁₀比值为0.64±0.10，其中Rama IV-1站的比值更高（0.68±0.14），且变幅较大（最高达0.99），表明城区站点细颗粒物占比更高，可能与车辆排放和城市结构导致的污染物积累有关。

3.3. 周边土地利用与覆盖特征

LULC分析显示，Rama IV-1站3公里半径内98.91%为建成区，而Chatuchot站建成区占64.06%，其余为农业用地、杂用地和水体。高建成区密度与PM浓度升高相关，而开放空间和植被有助于污染物扩散和沉降。

3.4. 交通流量与PM浓度的关联

Chatuchot站的PM₁₀和PM_2.5与轻型客车和轻型卡车流量呈显著正相关，而Rama IV-1站仅PM₁₀与轻型客车相关。极性图分析进一步证实，交通排放是PM的主要来源，且风向和风速对污染物分布有重要影响。

3.5. 气象因子与PM浓度的关联

在Chatuchot站，PM浓度与温度正相关、与湿度负相关；在Rama IV-1站，PM与风速负相关，且边界层高度和气压对PM_2.5积累有显著影响。后向轨迹分析表明，研究期间气团主要来自越南和柬埔寨方向，可能带来跨境污染传输。

研究表明，城市结构、交通流量和气象条件共同影响收费站PM污染水平。城区站点因建筑密集、通风不良，PM更容易积累，而郊区站点得益于开放空间和植被，污染水平较低。交通排放尤其是轻型车辆是PM的主要来源，但非尾气排放（如道路扬尘）也可能贡献显著。气象条件如低风速、高气压和浅边界层高度会加剧污染积累，而温度和高湿度则通过光化学过程和颗粒物生成影响PM浓度。

本研究为曼谷及类似城市的交通污染治理提供了重要依据。建议在城区收费站采取交通流管理、绿化隔离带和强化排放标准等措施，以降低局部污染。同时，需关注收费站工作人员的健康风险，未来研究应结合化学组分分析和大气扩散模型，更精确地评估污染来源和传输机制。