形态学与人群耦合机制在缓解夏夜市场行人2.5微米颗粒物暴露中的作用:基于可解释机器学习与计算流体力学的紧凑型低浓度区分析
《BUILDING AND ENVIRONMENT》:Morphology–Crowd Coupling and Mitigation of Pedestrian-level PM
2.5 Exposure in Summer Night Markets: Interpretable Machine Learning and CFD across Compact LCZs
【字体:
大
中
小
】
时间:2026年08月13日
来源:BUILDING AND ENVIRONMENT 8.4
编辑推荐:
摘要:推动夜间经济发展的政策使得高密度住宅区内的露天街头食品市场数量不断增加,从而在行人活动区域内产生类似脉冲状的PM2.5浓度波动,而这类现象在以日间为研究重点的宏观尺度研究中往往被忽视。本研究在中国西安的三个紧凑型局部气候区原型中,构建了一个跨尺度闭环框架,将人类活动动态与微
摘要:推动夜间经济发展的政策使得高密度住宅区内的露天街头食品市场数量不断增加,从而在行人活动区域内产生类似脉冲状的PM2.5浓度波动,而这类现象在以日间为研究重点的宏观尺度研究中往往被忽视。本研究在中国西安的三个紧凑型局部气候区原型中,构建了一个跨尺度闭环框架,将人类活动动态与微观环境空气动力学相结合。该框架采用双向量夜市活动指数,将静态物理排放项与代表空气动力学粗糙度的动态人群扰动项分开;通过SHAP属性对XGBoost模型进行解释,以确定本地PM2.5浓度的增加量;同时运用高分辨率ENVI-met模拟,将密集人群视为多孔介质中的动量汇,用以验证所提出的机制。这一活动向量使模型在相同时间段内的R2值从0.735提升至0.842,不过这一指标反映的是插值能力而非预测能力,因此该模型被用于归因分析。SHAP分析显示,相对湿度和人群活动对PM2.5浓度的影响大于直接排放因素。这三种形态并非遵循单一规律,而是呈现出不同的扩散特征:高密度高层建筑中存在系统性困滞效应,紧凑型中层建筑中则因动量汇效应导致浓度显著上升(最大增幅达+131 μg/m3),而低密度建筑则以污染源主导的饱和状态为主。情景实验表明,只有控制污染源才能有效降低整体暴露风险(高暴露区域可减少98.3%),而建筑形态的孔隙率和冠层高度主要起到重新分配污染物的作用,并存在一定的阈值“盖层”效应。该框架为可持续的夜间城市治理提供了以暴露风险为导向的分级缓解策略。
引言:根据联合国人居署的预测,到2050年全球58%的人口将居住在城市地区[1]。在中国这类快速城市化国家,城市规模的急剧扩张改变了城市表面特性,进而引发环境恶化[2]。尽管在控制污染物排放方面已取得一定进展,但PM2.5依然是一种严重的公共卫生威胁[3]。因此,通过优化城市形态来降低人们面临的暴露风险成为当务之急。大量研究表明,城市形态会对污染物扩散产生显著影响[4,5],尤其是高密度建筑群和深邃的峡谷结构会改变边界层空气动力学特性,加剧局部污染的困滞现象[6]。然而,现有研究在时空关注点上存在失衡:长期以来,研究多集中在冬季供暖季节和严重雾霾天气期间[7],而夏季由于边界层高度较高且湍流混合更强,通常被视为相对“安全”的季节[7]。随着热浪频发,夏季臭氧(O3)与PM2.5共同构成的复合污染风险日益突出[8,9],这挑战了以往认为夏季空气质量安全的观点。中国近期开展的城市及省级尺度研究进一步揭示了新冠疫情后空气质量的变化情况,以及气象因素和社会经济因素对PM2.5和臭氧浓度变化的共同影响[10]–[14],但这些研究主要关注宏观尺度上的时间趋势,未能深入探讨紧凑型城市街区内的夜间暴露问题。即便在针对夏季的研究中,也存在着明显的昼夜差异:主流研究多聚焦于白天强烈的太阳辐射所引发的光化学过程[8,15,16],而对夜间微环境中的暴露风险则关注甚少。对于西安和成都这类盆地城市而言,夏季夜晚其实是被低估的高风险时段。地形限制和长波冷却作用会迅速压缩夜间边界层[17],导致稳定的逆温现象出现[18,19],同时削弱垂直混合作用[19,20]。因此,近地面空气浓度更受街区形态和局部通风条件的制约,而非大尺度气象因素的影响。虽然城市形态可以在“污染源–气流–汇”框架下减轻污染积累,但在高密度夜间微环境中的多物理场耦合问题仍需进一步研究。此外,动态粗糙度这一问题也常常被简化处理:密集的人群和临时搭建的设施不仅作为活动强度的替代指标,还会形成暂时性的障碍物,抑制行人的通风效果。夜间餐饮活动产生的热量和水蒸气会提高局部湿度和温度,进而削弱依靠浮力实现的空气交换作用,促进污染物吸附增长[21,22]。蓝绿基础设施具有双重作用:通常情况下,植被可作为污染物沉降的汇[23,24],但在潮湿的深邃峡谷中,密集的植被冠层反而可能抑制湍流交换,起到类似空气动力学盖层的作用[25]。在夏季夜晚,密集住宅区内的露天烧烤和街头食品活动会进一步加剧这些效应。这类活动在高密度住宅区内形成具有季节性特征的脉冲状污染源,释放出与烹饪相关的细颗粒物和有机气溶胶[26,27],但由于其时空分布难以精确识别,且其非线性特征也难以量化,因此成为夏季夜间暴露风险管控中的一大难题。现有的研究大多基于理想化假设,即假设污染源强度是恒定的,因此目前还缺乏能够反映夜间市场在真实城市街区形态下的时空动态特性的分析框架。从方法论角度来看,关于空气污染与建筑环境关系的研究可分为三类:宏观统计和经验模型(如土地利用回归模型)能够描述区域尺度的变化趋势,但无法识别复杂街区内的近地面热点现象和短期浓度波动[28,29];机理模拟模型(如计算流体动力学模型和微气候模型)擅长分析通风不良和几何结构带来的影响,但却常常将由人类活动产生的排放量简化为恒定值[28]–[31];数据驱动的机器学习模型则能够捕捉非线性关系和阈值效应,但其可解释性需要通过与实际场景的对比验证,以避免过度推断[32,33]。中国的一些城市最近采用了人工神经网络、小波神经网络、深度学习模型以及结合SHAP技术的可解释混合模型,用于预测月度、日度和小时级的PM2.5浓度[34]–[39],但这些研究大多仍处于城市或监测站尺度,难以准确识别街区内的夜间暴露峰值,也无法为有效的干预措施提供理论依据。正是鉴于这些局限性,本研究试图构建一种集成框架,将动态污染源量化、非线性归因分析和机理验证相结合,形成一个统一的空间分析体系。局部气候区系统[40](见图S1)原本用于研究热岛效应,如今也被越来越多地应用于空气质量研究领域[41],该系统为分析不同建筑形态的差异提供了标准化方法,不同类型的局部气候区在污染物滞留和扩散效率方面也存在差异[28,41]。尤其值得注意的是,夏季夜晚的街头食品污染风险主要集中在那些人口密集且建筑形态封闭的区域内,因为这类区域既有人口密集的特点,又有封闭的峡谷结构,而开放或建筑较为稀疏的区域则不存在这种条件,这也为本研究选择紧凑型局部气候区作为研究对象提供了依据。不过,针对高频夜间污染风险,目前仍存在三方面的不足:首先是在尺度匹配上存在问题,因为基于稀疏监测点的局部气候区研究无法准确描述街区内的污染物扩散情况[29,42];其次是使用的污染源参数多为静态或时间分辨率较低的指标,如夜间灯光强度和兴趣点位置,这些指标无法体现夜市活动的脉冲状特征以及人群流动的动态特性;最后是现有的线性模型无法识别建筑形态变化带来的阈值效应,因此有必要借助可解释的人工智能技术,将预测结果、机理分析和应对策略有机结合起来[43]。基于以上考虑,本研究选取了具有活跃夜市文化的盆地型大城市西安作为实证研究对象。我们提出这样的假设:在夜间边界层稳定且湿度较高的条件下,街区形态和微气候条件可能会对局部PM2.5浓度的增加产生重要影响,在某些情况下甚至能抵消活动强度带来的细微变化[44,45]。我们将这两种不同的作用机制视为由建筑形态决定的不同扩散模式,包括系统性困滞、非线性放大效应以及局部饱和现象,这些现象在不同类型的局部气候区中都有体现,而非所有局部气候区都遵循相同的规律。为验证这一假设,我们构建了一个闭环框架,将“局部气候区形态分类、双向量污染源量化、基于物理原理的机器学习归因分析以及计算流体动力学机理验证”这四个环节有机结合,从而在三个层面推进相关研究的发展。在方法论方面,我们所设计的双向量夜市活动指数将静态物理排放项与动态人群扰动项区分开来,前者反映的是实际的污染物排放量,后者则体现的是人群流动对空气流动的干扰作用,通过监督学习技术,可以将多种来源的大数据转化为这两个向量形式[46]。在分析方法上,我们采用了经过SHAP技术解释的XGBoost模型[32,33],该模型能够识别出与关键建筑形态和微气候因素相关的非线性响应区间和临界点,尤其是在夜间边界层稳定的条件下,相对湿度起着尤为重要的作用。在机理验证方面,我们运用高分辨率计算流体动力学模拟,将密集人群视为多孔介质中的动量汇,以此来验证之前的分析结果,并将这些结果整合为一个由建筑形态决定的扩散模式,该模式包括了系统性困滞、非线性放大效应以及局部饱和现象。需要强调的是,本研究的目标并非建立通用的PM2.5浓度预测模型,而是开发一种以暴露风险为导向的诊断工具和反事实干预分析工具,通过统计模型分析采样数据中的变异特征,再通过计算流体动力学模拟确定可行的干预措施。最终,这些分析结果被整合为一个分级缓解策略,包括控制污染源、改善建筑形态的孔隙率以及增强生态系统的渗透性,为在保障夜间城市活力的同时维护公众健康提供量化依据。
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