土耳其伊斯坦布尔城市区域内与交通相关的空气污染物扩散的高分辨率CFD（计算流体动力学）建模

《Atmospheric Pollution Research》：High-resolution CFD modelling of traffic-related air pollutant dispersion in an urban area of Istanbul, Türkiye

　　``

摘要

化石燃料的燃烧是空气污染的主要驱动力，威胁环境质量和人类健康，其中交通运输是城市污染的主要来源。本研究调查了土耳其伊斯坦布尔一个交通繁忙区域的交通相关排放物的扩散情况。选取了十个具有代表性的测试日，在这些日子里，我们在交通高峰时段对车辆进行了统计，并将车辆分为四类：公交车、轻型车辆（LDVs）、汽车和摩托车。根据这些统计数据，计算出了CO、NO、NO₂和PM₁₀的Tier-3质量排放率。我们在三维几何形状和地形上进行CFD模拟，以准确再现城市景观。CFD模型用于模拟CO、NO、NO₂和PM₁₀的交通相关扩散情况，并将结果与空气质量监测站的测量数据进行了验证。根据行星边界层（PBL）高度的变化对背景浓度进行了归一化处理。这种归一化方法提高了模型与测量数据的一致性，使NO、NO₂和CO的平均偏差减少了大约10-15%。分析表明，归一化将NO和NO₂的決定系数分别从0.73提高到了0.85和0.71，而CO的決定系数从0.71提高到了0.86。尽管CO的相关性已经很高（R²?=?0.91），但归一化进一步将其提高了至R²?=?0.97。该模型系统性地低估了NO和NO₂的浓度，而高估了CO的浓度。这些差异归因于在高太阳辐射和低风速条件下光化学反应的表示不足。由于PM₁₀的多源特性，模型的表现最弱。

引言

预计未来几十年全球城市化进程将加快。根据联合国人居署（2022年）的数据，预计到2050年，居住在城市地区的人口比例将从2021年的56%增加到68%。城市定居点的迅速扩张与道路交通的增加密切相关，这反过来又使城市居民暴露在更高水平的有害空气污染物中（Boikos等人，2025年；EEA，2021年）。空气污染仍然是一个紧迫的公共卫生问题，估计在欧洲有近238,000例过早死亡与空气污染有关（EEA，2022年）。道路交通是这一问题的主要原因，2020年在欧盟范围内，它占NO_x排放量的大约37%、CO排放量的18%以及PM_2.5和PM₁₀排放量的9%（EEA，2022年）。认识到这些风险，世界卫生组织（WHO）制定了空气质量指南以保护公众健康。这些指南为关键污染物提供了短期和长期的浓度阈值。在2021年的更新中，WHO建议CO的日浓度限制为4?mg/m³，PM₁₀为45?μg/m³，NO₂为25?μg/m³（WHO，2021年）。这些标准强调了监测和减轻城市空气污染的关键重要性。

扩散模型被广泛应用于大气研究中，以预测和分析污染物浓度。随着时间的推移，基于这些模型开发了多种工具，用于评估不同环境和排放情景下的污染物扩散。其中最常用的包括AERMOD、CALINE4和CALPUFF，美国环境保护署（EPA）推荐这些模型用于监管和研究目的（USEPA，2024a；USEPA，2024b）。这些模型已被用于表征来自道路交通、工业设施和海上运输等各种来源的排放（Boikos等人，2024年）。多项研究探讨了它们的适用性和局限性。例如，Gibson等人（2013年）使用AERMOD（一个稳态高斯羽流模型）对加拿大新斯科舍省的点源和线源排放的PM_2.5、NO_x和SO₂进行了建模。他们的评估显示，该模型在哈利法克斯的PM_2.5和Pictou的PM_2.5以及哈利法克斯的NO_x的预测性能较差。同样，Dhyani等人（2017年）应用CALINE4模型分析了印度德里一条交通繁忙高速公路上的PM_2.5的空间-时间分布，并得出结论，由于多种影响因素，该模型的预测精度不足。Fallah-Shorshani等人（2017年）提出了一种结合交通模拟、排放建模和扩散建模的集成方法来估算道路附近的NO₂浓度。他们使用了通常被认为更适合城市和区域尺度应用的CALPUFF；然而，作者强调基于高斯羽流的模型无法考虑复杂的建筑效应。实际上，这些模型的应用受到多种因素的限制。它们的有效扩散范围通常仅限于距离排放源几百米的范围内，并且不建议在低风速条件下使用（Holmes和Morawska，2006年）。虽然这类模型计算效率高，因此在监管框架中仍得到广泛应用，但它们的相对较低的空间分辨率往往导致在密集的城市环境中精度不足。特别是那些屋顶结构多样化和地形复杂的城市区域，需要更先进的建模方法（Tominaga和Stathopoulos，2016年）。

另一方面，计算流体动力学（CFD）利用有限体积方法数值求解流体流动的控制方程（Huertas和Prato，2020年）。与基于高斯羽流的模型相比，CFD提供了一个更有效和准确的框架来分析污染物扩散，主要是因为它能够生成高分辨率的流动和浓度场（Antoniou等人，2024年）。这使得能够明确表示与道路附近的污染物传输相关的物理过程（Huertas和Prato，2020年）。此外，CFD有助于评估空气质量监测站（AQMS）的代表性，从而提高测量比较的可靠性（Antoniou等人，2024年；Santiago等人，2013年）。多项研究强调了CFD在城市空气污染研究中的优势。例如，Boikos等人（2025年）应用CFD建模评估了香港交通拥堵的Mong Kok地区道路交通排放对空气质量的影响，整合了高分辨率的交通、气象和背景数据。他们的模型通过空气质量监测站（AQMS）测量的CO、NO_x和PM₁₀浓度进行了验证。同样，Zheng和Yang（2022年）研究了交通方向、密度和风速对城市街道峡谷中污染物扩散的影响，得出结论认为交通方向尤其在低风速条件下显著改变了浓度模式，因此在扩散建模中不应忽视交通动态。Akhter等人（2021年）研究了孟加拉国达卡的街道和高层建筑周围的污染物扩散，使用了CFD，并建议进一步发展三维城市尺度建模方法。同样，Ioannidis等人（2024a）实施了一个基于CFD的框架来模拟奥格斯堡的PM、CO和NO_x排放，排放量通过COPERT计算，并与AQMS观测数据进行了验证。总体而言，大量研究表明，CFD在研究城市环境中的交通相关污染物扩散方面具有显著优势。通过捕捉复杂的流动结构和城市形态的影响，CFD模型比传统的高斯羽流方法提供了更高的准确性和细节（Antoniou等人，2024年；Ioannidis等人，2024a，2024b；Santiago等人，2013年；Zheng和Yang，2022年）。

由于交通流速、建筑效应和复杂地形等因素，城市地区测量到的污染物浓度与模型预测的浓度之间往往存在显著差异。此外，大多数CFD交通扩散研究依赖于简化的假设，例如在建筑物下方的平坦计算基础（Sanchez等人，2017年；Lauriks等人，2021年）、单一均匀的车辆速度（Ioannidis等人，2024a）和通用的车队配置（Ahmad等人，2025年）。本研究通过同时整合详细的建筑和地形几何信息、特定路线的交通统计数据和速度以及特定区域的车队构成数据来克服这些限制。在一个高分辨率的CFD模型中应用了实时交通、气象和地理数据，研究了伊斯坦布尔一个交通繁忙区域的扩散情况。使用COPERT v5.7模型计算了排放量，并将其作为输入来模拟CO、NO、NO₂和PM₁₀的扩散。模型输出结果与研究区域内空气质量监测站（AQMS）测量的污染物浓度进行了验证。通过将详细的排放清单与高分辨率CFD和观测数据相结合，本研究有助于提高城市空气质量评估的准确性，并提供了关于地形在污染物扩散中作用的见解。

章节摘录

研究区域

选定的研究区域位于土耳其伊斯坦布尔的Be?ikta?区，沿着交通繁忙的Barbaros Boulevard，毗邻Yildiz技术大学的Yildiz校区。选择这个地点是因为其具有代表性的交通条件以及校区内设有由伊斯坦布尔大都会市运营的空气质量监测站（AQMS）。该区域面积约为18?km²

车辆类型的时间和空间分布

图7展示了1号路到4号路的车辆统计分布情况，提供了各路线上的交通强度和车辆类型分布的比较评估。

2024年4月1日记录到的车辆数量最多，共计5887辆；而2024年4月2日记录到的车辆数量最少，为3471辆。对包含50,412辆车的累计数据集的分析表明，汽车在交通构成中占主导地位，占

结论

本研究使用CFD模拟评估了伊斯坦布尔一个城市区域的车辆相关污染物排放情况，数据来自Tier-3 COPERT v5.7计算和WRF得出的混合高度。使用PBL高度对污染物浓度进行归一化处理后，模型与测量数据的一致性得到了改善，NO、NO₂和CO的平均偏差减少了大约10-15%。归一化的NO浓度与观测结果具有很强的相关性（R²?=?0.85；平均偏差

CRediT作者贡献声明

Elif Yavuz： 数据整理、调查、软件开发、验证、初稿撰写。Nedime Gaye Nur Balkanli： 数据整理、可视化、初稿撰写。Arslan Saral： 监督。S. Levent Kuzu： 概念构思、资金获取、方法论制定、项目管理、监督、初稿撰写。

利益冲突声明

作者声明没有任何已知的财务利益或个人关系可能影响本文报告的工作。

致谢

本研究由TüB?TAK的研究基金资助，项目编号为122Y267。

Elif Yavuz|Nedime Gaye Nur Balkanli|Arslan Saral|S. Levent KuzuYildiz技术大学，土木工程系，环境工程系，Davutpa?a-Esenler，伊斯坦布尔，34220，土耳其

```