利用WRF-CMAQ-ADMS耦合框架对香港街道峡谷对道路附近NO2浓度的贡献进行全城范围量化分析
《Environmental Pollution》:Citywide quantification of street-canyon contributions to near-road NO
2 in Hong Kong using a coupled WRF-CMAQ-ADMS framework
【字体:
大
中
小
】
时间:2026年08月02日
来源:Environmental Pollution 7.2
编辑推荐:
摘要:在高密度城市地区,街道峡谷会阻碍污染物扩散,加剧人们接触交通相关空气污染的程度。在像香港这样的高层沿海大都市中,由于多尺度耦合、街道级排放、城市形态数据以及峡谷流动和化学特性表征方面的困难,难以在城市尺度上量化这些影响。我们开发了一种高分辨率的WRF-CMAQ-ADMS建模
摘要:在高密度城市地区,街道峡谷会阻碍污染物扩散,加剧人们接触交通相关空气污染的程度。在像香港这样的高层沿海大都市中,由于多尺度耦合、街道级排放、城市形态数据以及峡谷流动和化学特性表征方面的困难,难以在城市尺度上量化这些影响。我们开发了一种高分辨率的WRF-CMAQ-ADMS建模框架,用于量化香港各地街道峡谷对道路附近NO2浓度的贡献。我们建立了街道级别的交通排放清单,并通过有无街道峡谷模块的对比模拟,来分离出由峡谷引起的浓度增量ΔC。那些ΔC大于5微克/立方米的道路段被定义为热点区域,这大致相当于长期NO2带来的健康风险增加了1%。我们确定了四个热点区域(油尖旺、九龙城、中环西区以及湾仔)进行详细分析,这些热点区域的道路段分别占该区域内道路总数的12.2%至18.8%。峡谷效应存在明显的季节性变化,热点的平均ΔC从夏季到冬季增加了19%至26%,这与冬季较为稳定的气象条件下边界层混合减弱以及峡谷通风效果变差有关。与人口相关的评估表明,冬季约有184,000名居民面临因峡谷效应而导致的NO2浓度显著上升,从而带来至少1%的额外健康风险。这些研究结果凸显了在密集城市环境中街道峡谷效应的重要性,为有针对性的空气质量管理和以通风为导向的城市规划提供了依据。
引言:全球大多数城市仍在努力应对空气污染带来的影响,尤其是交通排放所造成的危害,它对公众健康构成了严重威胁(Forehead和Huynh,2018)。在高度密集的大都市中,这一问题尤为突出,那里繁忙的交通流与独特的城市形态相互作用,形成了严重的污染热点(Vardoulakis等人,2002)。尤其是街道峡谷,是由于狭窄的道路两侧被连续的建筑物包围而形成的,这些地方成为污染物扩散受到极大抑制的关键区域,因此街道峡谷会加剧污染热点的形成。街道峡谷的几何形状通常由建筑物高度H与道路宽度W的比率H/W以及街道相对于盛行风的方向来决定,它影响着峡谷的通风和循环气流,进而导致道路附近的污染物浓度升高(Oke,1988;Vardoulakis等人,2003)。在较低分辨率的评估中忽略这些微观尺度效应,可能会导致城市中热点区域的识别和人口暴露估计出现偏差(Karner等人,2010)。
传统的区域空气质量模型,如CAMx、CMAQ、WRF-Chem和NAQPMS,是了解区域空气质量的有用工具(Gao和Zhou,2024),因为它们能够模拟化学转化和传输过程,并支持相关的分析,比如污染源的归因。然而,在通常用于城市到区域应用的公里级网格分辨率下,这些模型无法清晰地处理诸如建筑物引起的湍流、街道峡谷的循环气流以及道路交通排放的强烈空间异质性等关键城市冠层过程,而这些过程决定了道路附近的污染物扩散情况以及街道环境中观察到的急剧浓度梯度,这可能导致对道路旁热点区域及人口暴露程度的低估(Oke,1988;Vardoulakis等人,2002;Karner等人,2010;Hood等人,2021)。香港的相关研究进一步证实了这一局限性:Wang等人(2023)使用耦合的WRF-LES-Chem框架进行研究表明,与大尺度模拟相比,大涡模拟能显著提高对道路旁NOX和O3浓度预测的准确性,这凸显了道路附近空气质量对模型分辨率和交通排放表示的敏感性。尽管如此,将LES扩展到整个城市范围的应用仍受到计算成本以及高时空分辨率排放数据获取的限制;此外,缺乏能够解析建筑物细节的网格以及没有城市冠层参数化方法,也限制了准确描述由城市形态驱动的街道峡谷通风和循环气流的能力(Wang等人,2023)。
关于街道峡谷中空气污染的研究采用了多种方法,包括实地测量(Vardoulakis等人,2002;Zwack等人,2011)、风洞实验(Richmond-Bryant等人,2012)、计算流体动力学模拟(CFD)(Baik和Kim,1999;Solazzo等人,2009)以及用于研究街道峡谷内部微环境的实用街道污染模型(如OSPM)(Steinberga等人,2019)。这些研究阐明了诸如峡谷纵横比(即建筑物高度H与宽度W的比率,Baik和Kim,1999;Fu等人,2017)、植被覆盖(Abhijith等人,2017)、交通流量对气流模式的影响(Rakowska等人,2014;Pancholy等人,2021)、热舒适度(Abdelhafez等人,2022;Muniz-G?al等人,2020)以及交通相关污染物的扩散情况(Fu等人,2017;Akhter等人,2021)等关键因素的作用。总体而言,这些方法为理解街道峡谷中的污染物扩散提供了重要的理论基础。然而,对于城市规模的应用而言,它们存在明显的 trade-off:实地测量数据在空间分布上较为稀疏;风洞和CFD研究通常局限于理想化的几何结构或有限的空间范围;而实用的峡谷模型则不得不依赖简化的参数化设定以及预设的背景浓度或边界条件。因此,一个亟待解决的需求是将动态变化的区域背景条件和化学过程(来自CTM模型)与街道级别的浓度梯度及峡谷效应(来自街道尺度扩散模型)联系起来,以便在像香港这样的密集城市中量化道路旁的热点区域及其季节性变化。
尽管在区域化学传输建模、街道峡谷的实地和风洞研究、CFD/LES过程模拟以及实用的街道尺度扩散模型方面都取得了进展,但对于像香港这样极端高密度、高层沿海大都市来说,仍然存在重要的知识空白。首先,多尺度建模方面依然存在挑战,因为区域尺度的化学传输模型(CTM)能够捕捉到大范围的物质传输过程,但却无法体现复杂城市形态对污染物扩散的影响(Hood等人,2021),而高精度的CFD模拟虽然能够处理微观尺度上的物理现象,但其计算成本过高,不适合用于整个城市的模拟(Baik & Kim,1999;Solazzo等人,2008;Akhter等人,2021),而且往往也无法完整体现各种大气稳定性条件。像OSPM这样的中间模型虽然提供了一种实用的替代方案,但它通常依赖于简化的背景条件和化学过程参数化设定,忽视了与区域大气的动态相互作用(Steinberga等人,2019)。其次,目前尚不清楚季节性变化及其背后的机制。许多研究仅在特定的气象条件下提供静态数据 snapshot(Vardoulakis等人,2002;Miao等人,2023),未能揭示季节性变化中的大气环流模式和太阳辐射如何与城市几何结构相互作用,进而影响污染物的扩散动态(Dong等人,2017;Muniz-Gaál等人,2020;Zhu等人,2022)。此前在伦敦和北京进行的ADMS-Urban应用研究提供了有用的定量参考,显示伦敦道路附近的NO2浓度增加了约24微克/立方米,而北京二环路附近的浓度增加了20 - 25微克/立方米(Hood等人,2018;Biggart等人,2020)。然而,这些从区域到局部的应用研究,再加上针对交通相关空气污染的移动监测、实证研究以及机器学习研究(Apte等人,2017;Wang等人,2020),主要关注的是道路附近整体浓度的空间变化情况,而本研究则在相同的排放、气象条件和背景条件下,单独量化了由街道峡谷效应引起的NO2浓度增加量。最后,现有研究大多集中在欧洲和北美的城市,这些城市的城市密度相对适中(Vardoulakis等人,2002;Zwack等人,2011;Abhijith等人,2017),或者使用的都是理想化的街道峡谷模型。亚洲大都市如香港具有极端的城市形态、独特的车辆类型以及复杂的沿海气象条件,因此直接套用现有研究成果并不可靠。
香港正是开展此类研究的理想案例。作为一座沿海大都市,香港的建筑物高度与道路宽度之比极高,道路网络极为密集,车辆排放量也很大,这些都使得它呈现出一种独特且极端的城市环境。其特殊的沿海气象条件和城市形态特征进一步放大了街道峡谷效应,因此有必要对其进行详细的定量研究(Zhu等人,2022;Rakowska等人,2014)。本研究针对香港的特点,建立了一种全新的高分辨率WRF-CMAQ-ADMS建模框架,旨在弥补现有文献中的不足。与基于LES的过程研究不同,该框架是为多季节、全城市范围的应用而设计的:WRF-CMAQ负责提供区域背景的化学成分和气象数据,而ADMS-Urban则基于三维建筑形态来模拟道路级别的污染物扩散及峡谷效应。这种耦合方式在计算可行性和街道尺度表征之间取得了良好的平衡,使得能够对大约30,900条道路段的峡谷效应导致的NO2浓度增加量进行量化。我们的研究目标有三个:(1)建立本地化的高分辨率交通排放清单,并运用ADMS-Urban模型(Owen等人,1999)来估算街道级别的污染状况;(2)量化街道峡谷效应,并确定污染热点的空间分布;(3)研究峡谷效应的季节性变化,并分析其中的关键气象和几何因素。本研究旨在全面了解街道峡谷如何影响高密度沿海大都市中人们的健康状况,从而为制定有针对性的城市规划和空气质量管理策略提供依据。本研究重点关注NO2污染水平,这是因为城市中的NO2浓度主要受道路交通排放的影响,而且已知NO2暴露会对人体健康造成不良影响(Xue等人,2023)。虽然PM2.5和O3也与街道峡谷中的污染暴露有关,但它们的形成机制涉及更多的来源、传输和化学过程。因此,本研究选择NO2作为主要污染物,用于量化峡谷效应导致的道路附近浓度增加量。
模型配置:为捕捉NO2浓度的多尺度动态变化,本研究建立了一个全新的耦合建模系统,该系统整合了从区域传输到街道级别扩散的各种模型:用于模拟气象情况的Weather Research and Forecasting(WRF)模型,用于模拟区域背景浓度的Community Multiscale Air Quality(CMAQ)模型,以及用于高分辨率、近源扩散和化学过程模拟的ADMS-Urban模型。该框架经过自动化处理并实现了集成。
模型验证:利用耦合的WRF-CMAQ-ADMS模型,我们对2024年10月、2025年1月、3月和6月这四个月份进行了模拟(见图S2a和图S2b),以此捕捉四个不同季节的特征性气象条件。道路旁的验证和讨论主要集中在1月和6月,这两个月分别代表典型的冬季和夏季气候条件,其边界层通风状况和光化学环境差异最为明显,便于对模型进行直接评估。
讨论:本研究所得的高分辨率建模结果表明,街道峡谷对道路附近NO2浓度的影响存在显著的空间异质性,这反映了道路排放、城市形态以及局部扩散条件等多种因素的共同作用。通过对香港各地街道的纵横比(H/W)以及对称性进行定量分析(见第3.2节),我们发现,与健康相关的热点道路段的比例会随着H/W比的增大而逐渐上升。
结论:本研究利用高分辨率的多尺度建模系统,量化了香港街道峡谷效应对道路附近NO2浓度的影响。研究结果表明,尽管全港只有5.97%的道路段受到显著影响,但这种影响在空间上呈现出强烈的聚集特征。在所确定的热点区域中,受影响的道路比例要高得多:油尖旺为18.8%,九龙城为17.4%,中环西区为16.4%,湾仔为12.2%。
CRediT作者贡献说明:Jenny Stocker:写作——审阅与编辑。Kate Johnson:写作——审阅与编辑。Brian Bien:写作——审阅与编辑。J.C.H. Fung:写作——审阅与编辑,监督工作,资金筹集。Zejiang Yu:写作——初稿撰写,可视化处理,数据调查,正式分析,概念构建。Peihan Wang:软件操作。
未引用参考文献:Chen和Dudhia,2001;Grell和Freitas,2014;Hong等人,2004;Iacono等人,2008;Jiménez等人,2012;Yarwood等人,2019;Lebakula等人;Pleim,2007;Richmond-Bryant和Reff,2012;UNC环境研究所,2023;建模与分析系统。
数据可用性:与本研究相关的数据可从相应作者(majfung@ust.hk)处获取,只要提出合理请求即可。
资金支持:本文所述的研究工作得到了中国科技部项目以及中国香港特别行政区研究资助局的资助,项目编号分别为2023YFC3709201和C7041 - 21G,这两项资助都是授予Jimmy Chi Hung Fung教授的。
利益冲突声明:? 作者声明他们不存在任何可能影响本文研究结果的已知财务利益或个人关系。
致谢:我们感谢环境保护部门的协助,该部门提供了排放数据和空气质量观测数据。
Zejiang Yu | Peihan Wang | Jenny Stocker | Kate Johnson | Brian Bien | Jimmy Chi Hung Fung
中国香港香港科技大学环境与可持续发展系
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号