2017, Vol. 37文章信息
- 王业宁, 孙然好, 陈利顶
- WANG Yening, SUN Ranhao, CHEN Liding.
- 北京市区车辆热排放及其对小气候的影响
- The impact of vehicle emissions on microclimate in Beijing metropolis
- 生态学报. 2017, 37(3): 953-959
- Acta Ecologica Sinica. 2017, 37(3): 953-959
- http://dx.doi.org/10.5846/stxb201509111878
-
文章历史
- 收稿日期: 2015-09-11
- 网络出版日期: 2016-06-13
2. 中国科学院大学, 北京 100049
2. University of Chinese Academy of Sciences, Beijing 100049, China
随着我国社会经济的快速发展与城市化进程的加速, 人类活动不断释放的热量改变了城市大气的热量平衡, 加剧了城市热岛的恶化[1-2]。人为热主要源于人类新陈代谢、交通运输、工业生产及居民生活的能源消耗。人为热排放使得北京市区温度白天增加0.5℃, 夜晚增加1.0-3.0℃[3], 引入准确的人为热可模拟出更真实的热环境[1, 4-6]。近年来大多数城市的机动车保有量急剧增加, 所造成的道路拥堵等问题凸显, Fujimoto[7-8]等发现车流高处其地表温度通常高1.5-3 ℃, 在等待信号灯时可比附近高约4 ℃, 陈哲超[9]车辆单体研究表明空调开启的增温幅度为0.36-0.62 ℃, 道路热排放已成为热岛效应形成与维持的重要因素, 且大部分集中在街谷[10]，其占总人为热甚至已超过建筑物比重[11-12]。不同地区的发展差异导致车辆排热差异较大, 欧美、日本等研究较多, 已构建较为完善的数据库如BTS[13], 而国内的研究较晚仍无数据库可用, 如占俊杰和丹利[14]、王志铭和王雪梅[15]仅得出广州全年排热量为1.7-2.0×1017 J。目前国内热环境研究中通常将树木、车辆等因素简化或忽略处理, 导致街谷尺度的热环境评价和预测精度低, 不利于进一步探寻城市规划设计和热岛控制指标。Fujimoto[7-8]、陈哲超[9]等仅仅对车辆排热做了定性研究, 俞溪[16]定量分析并未见显著相关结论。本文引入交通指数这一即时指标以简便准确计算北京市区的车辆排热, 并结合主要道路的小气候监测数据, 探讨交通排热与温度的定量关系, 以期为城市规划设计提供理论依据。
1 实验区概况北京位于115.7°-117.4°E, 39.4°-41.6°N, 地形西北高, 东南低, 平均海拔为43.5 m。气候为典型的北温带半湿润大陆性季风气候, 降水分配很不均匀, 全年降水的80%集中在夏季。太阳辐射量全年平均为(112-136)×4.184kJ/cm2, 年均日照时数为2000-2800 h[17]。
北京市机动车保有量近年增加非常快。从1950年的1757辆增至1997年的100万辆, 2003年翻一番, 2012年底达520万辆, 成为全球汽车保有量最多的城市之一。2012年城区道路总里程为6271 km, 其中快速路263 km, 主干道865 km。2012年市区路网在工作日平均交通指数为5.2, 比2011年增加8.3%[18]。
2 数据来源与研究方法 2.1 数据来源本文根据北京路网规划方案将高速公路、快速路及主干道作为主要道路, 次干道与支路不予考虑, 为使数据具代表性, 通过百度地图对周日与周一不同时刻的交通预测图进行提取, 从2:00开始每隔3h采集1次, 交通指数按畅通、缓行、拥挤、严重拥堵等分别取I=2、4、6、8四级。交通密度K是某时单一车道上车辆的密集程度(辆/km), 道路长度L取其主要道路在各自所辖区域内的总长度。利用ArcGIS 10.0进行数字化, 得到工作日与非工作日不同路况下交通指数与长度数据。
2014年10月份用手持式气象站Kestrel 3000及3401笔式温湿度计等对主要环路的小气候特征进行流动监测, 所选典型位点处于公交车站附近(图 1)；同时选取北三环马甸立交桥北段根据景观类型设监测点, 于2015年4月24-25日用WatchDog B102纽扣式温湿度仪连续监测, 点#1为公园内植被下作背景值, 点#2和#3分别在路西、东侧, 路旁均为植被区, 简记为GW (路西植被点Grass_West)、GE (路东植被点Grass_East), 点#4旁为商业建筑区, 记为BU (商业建筑点Building), 仪器均置于离地面高度约1.5m处, 同期在7:30-8:30、10:30-11:30、13:30-14:30、17:30-18:30四个时间段内每隔10 min采集其交通密度, 分析车辆排热与空气温湿度的关系。
|
| 图 1 实验路段及其监测位点分布图 Fig. 1 Experimental road and location of the observation sites |
不同车型不同燃料其排热量不同。通过文献调研的结果[19]对实际道路观测到的车辆进行处理, 按小型车的油耗量为标准, 得出小型车:中型车:大型车=1:1.5:4.6的转换系数, 对观测结果归一化处理为标准车型的交通密度值。
2.3 车辆排热计算公式根据交通密度与指数的有效监测数据, 用统计软件SPSS16.0进行分类变量回归分析, 得出两者呈极显著线性相关, 其回归方程为K=-1.737+12.5871×I(R2=0.845, P < 0.01)。
假设交通排热没有明显的季节变化, 根据Grimmond[20]并引入交通指数计算车辆排热强度。
|
(1) |
|
(2) |
|
(3) |
式中, Qi为第i辖区的道路排热强度(W/m2)；QV(s)为标准车每秒内的排热量(J/s)；Vi为该路段总车数(辆)；Ai为第i辖区面积(m2)；d为每车年均行驶距离d=2.5×104km；FE为平均燃烧效率[21], FE∈7.2, 14.6L/hkm, 取均值10.9L/hkm；ρ为燃料密度, ρ=0.72kg/L；NHC为燃料净排热值[19], 取NHC=45×103J/g；Lij为辖区i内路段j的长度(m)；Kij为Lij对应的交通密度(辆/km)；n为车道数, 取为4。则第i辖区的车辆排热强度Qi=11.2× 
根据上述公式得出车辆排热同
|
| 图 2 北京市区车辆排热强度特征 Fig. 2 The characteristic of vehicle heat intensity in Beijing |
北京市区交通道路的排热强度呈辐射状分布。根据公式得出市区周一平均排热强度为8.6 W/m2, 08:00-17:00时的平均强度为11.9-15.4 W/m2, 最高强度达100.6-133.2 W/m2, 20:00-05:00时平均强度为1.0-8.3 W/m2, 最高强度9.8-78.6 W/m2。从以上结果可以看出, 周一8:00时辖区排热强度多为高值, 且越靠近市中心的区域排热越大, 此时为通勤、通学高峰期, 车辆向市中心集中；晚高峰时段其排热强度在格局上呈相似特征。夜间23:00-5:00行车通畅为自由流状态, 车辆排热基本一致且较低, 大多地区为0.9-4.4 W/m2, 高值区为3.8-8.3 W/m2。全天三环以内的排热最多, 但中心个别区域如故宫、北海地区因多为胡同车流量小而排热较低, 主城区集中的道路排热将更强化其热岛效应。三间房地区排热值最高, 其次是德胜街道、建国门等商业区, 排热强度通常可达28.0-37.0 W/m2左右。周日的排热空间特征同周一并无明显差异, 排热强度上明显高于周一, 最高强度达周一的2-10倍。
3.2 车辆排热与小气候特征的空间相关关系对环路各点的小气候特征与不同时刻的车辆排热强度用SPSS 16.0进行相关性分析。本文首先对02:00-23:00时的排热与实测气温差作Spearman线性相关, 得出08:00、11:00、17:00、20:00时的排热与温差有显著相关性(表 1), 14:00时有极显著相关性, 其中08:00时的决定系数R2最大, 为0.154, 表明08:00时的排热强度对气温影响最明显, 其对应的一次线性方程为ΔT=0.0909Q+1.8122, 即排热强度增加10 W/m2, 其温差可增加约0.91℃；其次是08:00-14:00时的平均排热强度, R2为0.150。同时对其相对湿度差、风速等与排热强度作相关分析, 得出之间并没有显著线性相关性(P>0.05), 侧面反映出车辆排热多为显热而非潜热, 则下文在时间序列上仅对温差因素进行剖析。
| 时间Time | 02:00 | 05:00 | 08:00 | 11:00 | 14:00 | 17:00 | 20:00 | 23:00 | 08:00-14:00 |
| 决定系数R2 | 0.100 | 0.103 | 0.154 | 0.137 | 0.135 | 0.127 | 0.132 | 0.068 | 0.150 |
| 显著性水平P | 0.119 | 0.150 | 0.042* | 0.032* | 0.008** | 0.020* | 0.023* | 0.209 | 0.042* |
| *表示差异显著; **表示差异极显著 | |||||||||
首先将各点空气温度与公园背景值相比得出相应的气温差值, 因25日风速较大不利于探究车辆排热对热环境的影响, 故取24日7:00-19:00时分析各点排热与其温差的关系。
由图 3知早上西侧路段进京车辆开始增加, 在约10:00时后GW点温差高于GE点；14:00时路西侧车流量减少, 其温差开始降低；17:00-19:00时路东侧车辆排热强度增加, GE点温差高于GW点, 车辆排热强度与温差呈相同趋势变化。GW点的排热强度在08:30时左右急剧增加, 而其温差在08:50时有明显升高, 有一定的滞后效应；而11:00时和14:00时GW点比GE点处高68.6-105.7 W/m2, 其温差相应地高1.2-2.4 ℃, 18:00时GE点排热比GW点处高50.5-55.2 W/m2, 其温差相应高0.9-1.3℃。
|
| 图 3 各点交通排热强度与其温差在7:00-19:00内的变化 Fig. 3 The vehicle heat intensity and temperature difference of each site during 7:00-19:00 |
GE点与BU点处于同一纵线上, 但BU点位于辅路, 车辆排热强度变化整体上无明显差异, 白天BU点温差高于GE点约0.5℃, 与其排热关系不明显。8:00时BU点处排热强度急剧增加, 其与GE点的温差减小；17:00时BU点的排热强度比GE点高约46.7 W/m2, 温差相应地高约0.4 ℃, 与08:00时不一致, 说明建筑物附近的排热与其温差关系不明确。
总体上, 车辆排热有助于道路各点温差的增加, 早晚高峰时段其车辆排热强度较高, 各点对应的温差有明显变化, 而排热强度较低时其温差波动较大, 可能与空气扰动有关。
3.3.2 定量关系为进一步研究排热对其温差的影响对各点的车辆排热与温差值作相关性分析(图 4), 可知两者线性关系有空间异质性。GW点位于道路中段, 车辆排热相对较稳定, 其线性正相关性达显著水平(P=0.016), 回归方程为ΔT=0.0153Q+0.1456(R2=0.156), 即排热强度Q增加10 W/m2, 其温差可增加约0.15℃；GE点处呈近似显著相关(P=0.06), 其对应的方程为ΔT=0.0128Q+0.7742(R2=0.237), 即排热强度Q增加10 W/m2, 温差增加0.13℃。
|
| 图 4 各点交通排热强度与其温差的关系图 Fig. 4 The linear relationship between vehicle heat intensity and temperature difference of each site |
对各点延迟的车辆排热与其对应的温差进行相关分析(表 2), 发现GW点延迟0、10、20、30 min时均有显著相关性, 其中延迟10 min时R2最大, 表明车辆排热对其温差有明显的滞后效应, 其对应的一次线性方程为ΔT=0.0145Q+0.2849 (R2=0.173), 即车辆排热增强10 W/m2, 温差将增加0.15℃, 同0 min时温差增幅持平；GE点则没有显著相关性(P>0.05), 表明该点排热对其延迟的温差没有明显影响；BU点未有显著相关性, 可能受建筑物的影响。
| 位点Site 时间T/min |
路西植被点Grass_West | 路东植被点Grass_East | 商业建筑点Building | |||||||||||
| 0 | 10 | 20 | 30 | 0 | 10 | 20 | 30 | 0 | 10 | 20 | 30 | |||
| 决定系数R2 | 0.16 | 0.17 | 0.17 | 0.15 | 0.24 | 0.18 | 0.02 | 0.00 | 0.03 | 0.02 | 0.00 | 0.03 | ||
| 显著性水平P | 0.02* | 0.03* | 0.045* | 0.02* | 0.06 | 0.31 | 0.87 | 0.98 | 0.25 | 0.53 | 0.87 | 0.44 | ||
(1) 本文计算交通排热在方法上与现有研究[3]有一定区别, 文献中平均排热值11.34 W/m2与本文结果无明显差异, 而市中心高峰期的最大排热值104.3 W/m2小于本文的125.7-166.5 W/m2, 其原因在于本文引入交通指数并将车辆排热平均至所在辖区内, 该法减轻工作量且易于推广至其他研究区, 而文献中将交通排热按建筑物密度进行分配, 未考虑真实的车流量变化。本文的结果比Anne[19]在新加坡不同功能区仪器监测的结论较高, 且同车辆密集程度及研究区面积[2, 11]有关。此外, 没有考虑风速可使计算结果偏大, 而车辆排热的影响范围尚需开展研究。
(2) 车辆排热强度与局地温度有线性关系，且与空间位置有关。Fujimoto[7-8]等、董韶伟[23]研究发现车流量高处地表温度和气温均有明显增强趋势, 且幅度同本文空间监测数据相近, 因流动监测数据在时间上不一致, 在08:00时的排热强度对温差影响最大, 且温差增幅为0.91℃ 10 W-1 m-2；固定监测与俞溪[16]的结论有所差别, 后者分析得出两者无显著相关性, 但有明显的增温趋势。本文对各点分别分析发现GW点有显著的正相关性, 且该位点排热对其温差有10-20 min的滞后效应；GE点有较弱的相关性, 而BU点车流状态变化较快且受附近建筑物的影响, 其间没有明显的线性关系, 也侧面反映出车辆排热的复杂性, 其机理研究值得探讨。
(3) 结果误差来源：①采集交通密度间隔时间较长, 无法反映连续车流状态；②计算交通密度时, 对车型统计受人为主观影响, 且同车身颜色、发动机排量、司机等关联, 简单的分类可增大误差；③各点的温差影响因素多, 车体热辐射及空气扰动对其也有影响。验证车辆排热量是难点, 因为其并未局限于假定区域内, 另外受外界如周边建筑排热的干扰, 需要进行小尺度的微观研究。本文因人力等限制未全面考察不同道路的车辆排热, 另外流动监测数据无法订正至同一时刻, 且建筑排热等因素未考虑；连续监测时间步长限制了滞后时间的精度, 但可为以后的研究提供参考。
5 结论本文引入交通指数这一即时指标对北京车辆排热的空间特征研究有较大的改善, 提高了精度且无须进行大规模车流量监测数据；对主要道路小气候特征的流动和连续监测, 探讨了车辆排热、各点与背景值温差的定量关系, 主要结论如下：
(1) 北京市区车辆排热在空间上呈辐射状分布, 且最中心的城区和五环较低, 三环地区最高；白天排热强度为夜间的2-10倍, 凌晨时最低；非工作日排热的空间特征同工作日无明显差异, 而在时间演变上其高值在14:00时即出现而非工作日的晚高峰, 同人们生活出行的习惯相关联。
(2) 不同时刻的车辆排热对环路流动监测点其温差的相关程度不同, 且在08:00时对气温影响最明显(R2=0.154)；而排热对相对湿度、风速等没有显著相关性(P>0.05)。
(3) 固定位点监测数据表明车辆排热强度与其温差有显著正相关关系(R2=0.156), 且排热对其温差有约10-20min的滞后效应。而GE点与BU点在实验期间受建筑物等因素影响未见显著相关性。
| [1] | 蒋维楣, 陈燕. 人为热对城市边界层结构影响研究. 大气科学, 2007, 31(1): 37–47. |
| [2] | Fan H L, Sailor D J. Modeling the impacts of anthropogenic heating on the urban climate of Philadelphia:A comparison of implementations in two PBL schemes. Atmospheric Environment, 2005, 39(1): 73–84. DOI:10.1016/j.atmosenv.2004.09.031 |
| [3] | 佟华, 刘辉志, 桑建国, 胡非. 城市人为热对北京热环境的影响. 气候与环境研究, 2004, 9(3): 409–421. |
| [4] | Narumi D, Kondo A, Shimoda Y. Effects of anthropogenic heat release upon the urban climate in a Japanese megacity. Environmental Research, 2009, 109(4): 421–431. DOI:10.1016/j.envres.2009.02.013 |
| [5] | Dhakal S, Hanaki K. Improvement of urban thermal environment by managing heat discharge sources and surface modification in Tokyo. Energy and Buildings, 2002, 34(1): 13–23. DOI:10.1016/S0378-7788(01)00084-6 |
| [6] | 杨玉华, 徐祥德, 翁永辉. 北京城市边界层热岛的日变化周期模拟. 应用气象学报, 2003, 14(1): 61–68. |
| [7] | Fujimoto A, Watanabe H, Fukuhara T. Effects of vehicle heat on road surface temperature of dry condition[R]. SIRWEC, 2008:5. https://www.researchgate.net/profile/Akihiro_Fujimoto3/publication/266341564_Effects_of_Vehicle_Heat_on_Road_Surface_Temperature_of_Dry_Condition/links/55d28d1008aec1b0429eefb4.pdf |
| [8] | Fujimoto A, Saida A, Fukuhara T. A new approach to modeling vehicle-induced heat and its thermal effects on road surface temperature. Journal of Applied Meteorology and Climatology, 2012, 51(11): 1980–1993. DOI:10.1175/JAMC-D-11-0156.1 |
| [9] | 陈哲超.单体汽车散热特征研究[D].广州:华南理工大学, 2012. |
| [10] | 何晓凤, 蒋维楣, 陈燕, 刘罡. 人为热源对城市边界层结构影响的数值模拟研究. 地球物理学报, 2007, 50(1): 74–82. |
| [11] | Ferreira M J, de Oliveira A P, Soares J. Anthropogenic heat in the city of São Paulo, Brazil. Theoretical and Applied Climatology, 2011, 104(1/2): 43–56. |
| [12] | Khan S M, Simpson R W. Effect of a heat island on the meteorology of a complex urban airshed. Boundary-Layer Meteorology, 2001, 100(3): 487–506. DOI:10.1023/A:1019284332306 |
| [13] | Bureau of Transportation Statistics[EB/OL]. http://www.transtats.bts.gov/Tables.asp?DB_ID=630&DB_Name=Census%20Transportation%20Planning%20Package%20%28CTPP%29%202000&DB_Short_Name=CTPP%202000.[2015-06-23]. |
| [14] | 占俊杰, 丹利. 广州地区人为热释放的日变化和年际变化估算. 气候与环境研究, 2014, 19(6): 726–734. |
| [15] | 王志铭, 王雪梅. 广州人为热初步估算及敏感性分析. 气象科学, 2011, 31(4): 422–430. |
| [16] | 俞溪.基于车辆影响的城市街谷热环境研究[D].广州:华南理工大学, 2014. |
| [17] | 北京政府网[EB/OL]. http://www.114huoche.com/zhengfu/BeiJing/, [2015-06-23]. |
| [18] | 北京交通发展研究中心. 2013年北京交通发展年报[EB/OL]. 2013. |
| [19] | Quah A K L, Roth M. Diurnal and weekly variation of anthropogenic heat emissions in a tropical city, Singapore. Atmospheric Environment, 2012, 46: 92–103. DOI:10.1016/j.atmosenv.2011.10.015 |
| [20] | Grimmond C S B. The suburban energy balance:methodological considerations and results for a mid-latitude west coast city under winter and spring conditions. International Journal of Climatology, 1992, 12(5): 481–497. DOI:10.1002/(ISSN)1097-0088 |
| [21] | 中国汽车燃料消耗量网站[EB/OL]. http://chinaafc.miit.gov.cn/.[2015-06-23]. |
| [22] | Liu H, He C Y, Lents J, Davis N, Osses M, Nikkila N. Beijing vehicle activity study[R]. 2005:39-39. |
| [23] | 董韶伟.重庆市下垫面热效应及城市热岛效应的流动观测研究[D].重庆:重庆大学, 2007. |