近年来, 人们在享受城市绿化带来的生态福祉的同时, 也开始关注植源性污染等问题^[1]。其中, 气传花粉作为春季主要的过敏原, 是导致过敏性鼻炎^[2]、过敏性结膜炎^[3]等季节性过敏症的主要原因之一。有调查显示患病群体遍布成年人和儿童, 儿童患病率接近40%, 高峰期月均患病人数约上千人^[3]。同时, 园林绿化植物进入生长成熟期, 春季木本花粉浓度相比过去显著增加^[4—6]。加之城市建成区内部建筑密度高, 建筑硬质界面围合形成的街道峡谷, 构成光滑的城市下垫面, 使花粉失去附着场所, 加剧了花粉的飞散和飘荡^[7]。其中, 居民区、单位、学校等人类活动集中的场所, 建筑密度适中, 植物配置丰富, 在为人们提供了优美舒适工作生活环境的同时, 也存在着致敏性花粉聚积的潜在风险^[8]。

目前, 国内外对于气传花粉研究, 多聚焦花粉致敏性^[9—10]、浓度变化^[11—13]、花粉与气象因子的关系^[14—19]、城市尺度下花粉时空分布特征^[20—24]等问题, 周江鸿等人^[10]基于北京市3个城区花粉种类和浓度评估8类风媒花乔木的潜在花粉污染风险; 齐晨等人^[12]通过分类花粉浓度数据和逐日气象观测数据建立北京地区主要气传致敏花粉年浓度峰值日期预测模型。虽已有部分研究探讨中微观尺度下, 致敏植物的花粉散发、运输和飞散过程^[25—28], 但多采用实测数据, 受人力、时间、植被条件和气象因素等多方面实验设计的限制很难实现全方位连续监测^[29], 难以完全揭示复杂现实情景中的花粉飞散特征。针对这一问题, 本研究借鉴大气颗粒物飞散规律的研究方法^[29—37], 采用数值模拟弥补二维实测模式的局限性, 实现三维空间花粉飞散模拟及数据可视化, 促进花粉参数化模拟的思路延伸。

因此, 本研究以实测数据为基础, 采用CFD参数化模型模拟的研究方法, 解析H/W≤0.5的典型浅街峡谷建筑布局及其植物配置方式对花粉飞散特征的影响, 重点探讨不同建筑布局和植物配置模式下所形成的风场特征、花粉飞散特征以及花粉飞散距离阈值3个问题, 研究结果将为未来季节性花粉症的预防和城市绿地优化提供参考。

1 研究样地与花粉监测 1.1 监测花粉选择与研究样地

北京地处暖温带, 春季致敏树种主要以木犀科(Oleaceae)、桑科(Moraceae)、松科(Pinaceae)及柏科(Cupressaceae)为主, 占全年花粉总量的53%^[16], 高峰期日花粉浓度超过2500粒/1000mm^2[2]。其中, 洋白蜡(美国红梣, Fraxinus pennsylvanica)生长快、抗性强、材质好、繁殖容易, 作为林业用材和防护树种从北美引入我国^[38]。其树形优美、枝叶观赏性强, 作为行道树和庭荫树在北京地区广为使用^[39]。但是, 因其花粉产量大, 洋白蜡也是春季主要的致敏植物之一^[40]。因此, 本文选取北京市内典型浅街峡谷(简称“街谷”)中, 植物配置包含洋白蜡的3个研究样地, 于春季进行为期1个月的花粉采集监测(图 1、表 1)。

1.2 花粉浓度监测

研究选择2021年4月10日—2021年5月10日期间, 晴朗无雨的天气, 开展28d的样地花粉浓度监测, 采样时间8:00—13:00, 收集花粉浓度、温度、湿度、风速等数据。花粉采集方法采用叶氏重力沉降法, 将花粉玻片放置在群落内的Durham花粉收集器中央暴露于空气中^[41], 中央设置玻片(CAT.NO.7105)限位区, 花粉收集器距离地面1.2—1.5m。考虑到花粉检测的时效性等客观条件限制, 实验选择在3个典型建筑街谷各设置3个采样点, 多点同时检测, 共收取曝片336片, 检测出花粉23种。曝片取回后利用0.1%龙胆紫染色剂染色, 制作花粉样品, 利用ex20生物显微镜进行花粉种类识别和计数, 将计数结果换算为日花粉浓度(单位：粒/1000mm²)。此外, 利用温湿度监测仪LM-8000A同步测定气象因子(温度、湿度、风速), 时间区间与花粉采样时间相同, 每小时测定1次, 取当天算数平均值作为当日气象因子采集结果。

2 研究方法 2.1 CFD模型构建

研究通过计算流体力学(Computational Fluid Dynamics, 简称CFD)模拟软件ANSYS Fluent, 构建样地风环境和花粉扩散模型^[42—43]。根据样地的实际建筑、植物群落测绘数值(表 1), 运用AutoCAD软件构建1：1比例的浅街峡谷三维模型, 在不影响模拟结果的前提下, 保留建筑和植物的几何特征, 简化不光滑外观。参考欧洲COST的最佳行动指南^[44—45]和日本建筑设计科学院^[46]研究成果, 将模型计算域高度设定为最高建筑的4倍, 计算域入流边界、出流边界及余下两侧至建筑群的距离设定为最高建筑的5倍(表 2)。

2.2 数值模拟有效性验证

构建3个研究样地的三维模型, 进行实测值与模拟数值有效性验证。选取2021年4月12日—2021年4月18日期间, 连续7天无间断、无异常值的实测数据作为模拟验证的输入参数, 花粉源数值为群落内部日花粉浓度, 风速按照当日实测风速平均值输入。

将CFD模拟得出的风速和日花粉浓度以及相应实测数值作为变量, 通过双变量相关分析判定相关系数。相关系数r计算公式为:

(1)

式中, r为相关系数; x为实测日花粉浓度或风速; y为模型模拟日花粉浓度或风速; n为数据样本量。

2.3 典型建筑布局与植物配置场景设置

根据建筑信息模型分类和编码标准^[47]与实际形态观测, 提取行列式(R)、围合式(B)、错列式(S)3种典型浅街峡谷的建筑布局, 每种建筑布局下设置行道树式(1)、散点式(2)、组团式(3)、行道树与组团式结合(4)4种模式的植物配置。设定4个规格、位置固定的花粉源为每种建筑布局下的对照组(0)。根据实际观测及相关文献^{[15, 48]}, 模拟输入风速值3.0m/s, 花粉浓度500粒/1000mm², 建筑高度统一为15.00m, 乔木规格统一为高10.00m、冠幅8.50m、枝下高4.30m(表 3)。

3 结果 3.1 实测数据与CFD模拟验证结果

使用CFD模拟得出的3个研究样地连续7天的花粉浓度数值、样地实际测定的花粉浓度数值作为变量, 进行相关性检验, 判定CFD模拟表达花粉飞散情况的有效性。得到相关系数, 样地1为r=0.729, 样地2为r=0.708, 样地3为r=0.661, 具有较强相关性, CFD模拟所得数据在一定程度上可以反映3个样地的花粉飞散情况。

3.2 典型浅街峡谷的风场特征

基于街谷建筑布局的风场模拟, 输出3种建筑布局的风速云图(图 2)。风速初始值输入相同的情况下, 3种街谷布局风速整体呈现出中间高、两侧低的分布规律, 其中行列式布局街谷中心风速最大, 区间为3.00—4.04m/s。街谷内部最低风速略有不同, 行列式布局低风速区出现在建筑背风侧, 区间为0.32—1.30m/s; 围合式布局低风速区出现在建筑“内凹”处和建筑背风侧, 风速区间为0.15—0.80m/s; 错列式布局低风速区出现在建筑背风侧, 区间为0.10—1.20m/s。

3.3 典型浅街峡谷及植物配置模式下的风场特征

为分析不同植物配置模式对街谷风环境的影响, 参数化模拟15种不同植物配置模式下的街谷风场风速(图 3)。对比无植物配置场景下的街谷, 增加植物配置可以有效降低街谷内的平均风速, 风速降低率为围合式＞错列式＞行列式(表 4)。

增加植物配置的模拟场景下, 其中围合式布局平均风速区间为0.47—0.76m/s, 相比无植物配置时降低76.87%。由于该布局“回”字状的建筑排布方式, 围合式布局街谷中央为低风速区, 街谷出风口为高风速区。搭配B3组团式配置时, 气流流经组团式内部逐渐衰减, 平均风速降低最显著, 降低率为82.86%, 平均风速0.47m/s和最大风速2.03m/s均为4种植物配置模式中的最低值。搭配B1行道树式配置时, 建筑与行道树形成的线性风廊利于提升街谷内风速, 因此其平均风速降低最不显著, 降低率为72.29%, 平均风速(0.76m/s)在4种模式最高。

增加植物配置的错列式布局平均风速区间为0.65—0.85m/s, 相比无植物配置时降低71.78%。由于该布局前后交错的建筑排布方式, 街谷进风口与街谷中央、下排建筑背风向均为低风速区, 街谷出风口为高风速区。搭配S4行道树与组团式结合配置时, 气流流经植物组团形成局部环流, 部分气流滞留于组团内部, 或被行道树阻滞, 导致街谷内平均风速(0.71m/s)降低最显著, 降低率为73.60%。搭配S1行道树式配置时, 行道树加强街谷线性风廊的通风效果, 使得S1平均风速(0.85m/s)降低最不显著, 降低率为68.31%。

增加植物配置的行列式布局平均风速区间为0.69—0.96m/s, 相比无植物配置时降低69.85%。受建筑行列排布影响, 街谷进风口为低风速区, 出风口为高风速区。与错列式布局类似, 搭配R4行道树与组团式结合配置时, 街谷内平均风速降低最显著, 降低率为73.56%, 平均风速0.73m/s和最大风速2.82m/s均为4种配置模式中最低值。搭配R2散点式配置时, 气流因受前排植物的阻挡在街道入风口形成低风速区, 随后流经散点种植区域形成小型涡流且流速降低, 后二次加速流出街谷, 导致街谷内平均风速降低最不显著, 降低率为65.33%, 平均风速0.96m/s和最大风速4.11m/s均为4种模式中最高值。

3.4 典型浅街峡谷及植物配置模式下花粉浓度特征

为对比相同气象条件下、不同街谷和植物配置模式下的花粉浓度, 参数化模拟15种典型场景的花粉浓度(图 4), 计算各场景平均花粉浓度、花粉浓度降低率(表 5)。

围合式布局的气传花粉主要在街谷中央聚积。该布局平均花粉浓度高, 为542粒/1000mm², 其中B3组团式配置浓度最高571粒/1000mm², B1行道树式配置浓度最低516粒/1000mm²。考虑为在低风速作用下, B3内部形成局部环流, 促使花粉聚积于街谷低风速区, 导致局部花粉浓度增大。而B1风速相对较高, 加快花粉飞散至街谷之外, 有效降低街谷内部花粉浓度。

行列式布局的气传花粉主要在植物组团内聚积, 也有部分沿风廊飞散。该布局平均花粉浓度居中, 为447粒/1000mm², 其中R4行道树与组团式结合配置浓度最高463粒/1000mm², R3组团式配置浓度最低440粒/1000mm²。考虑为R4街谷内植物密度大且间距小, 街谷内气流流速衰减较快, 行道树形成的线性风廊虽加速街谷中心的花粉飞散和气流流通, 但易导致花粉聚积于街谷两侧植物组团内。相比之下, R3整体风速较高, 气流流速衰减较慢, 利于花粉随高风速气流飞散至街谷外。

错列式布局的气传花粉主要聚积在建筑中央背风侧, 也有部分沿风廊飞散。该布局平均花粉浓度最低, 为412粒/1000mm², 其中S2散点式配置浓度最高426粒/1000mm², S1行道树式配置浓度最低403粒/1000mm²。结合风场模拟特征来看, S2平均风速降低率略低于S4, 但花粉浓度高于S4, 考虑原因为S2最大风速低于S4, S4中的花粉随局部高速气流飞散至街谷外, 与之相比S2整体风速均匀平缓, 花粉聚积沉降在植物间隙内。S1行道树式配置形成线性风道导致街谷整体风速增大, 加快花粉飞散至街谷之外, 从而降低内部花粉浓度。

3.5 典型浅街峡谷布局及植物配置模式下花粉飞散特征

对场景特定位置进行剖切, 输出x方向和y方向上花粉浓度与飞散距离关系图(图 5、6、7)。图中花粉浓度受街谷布局和植物配置影响整体变化曲线呈“M”形。

行列式布局中, 迎风侧花粉浓度曲线从花粉源向外波动下降至300—400粒/1000mm², 随后直线降低至低浓度(0—100粒/1000mm²), 飞散距离约35—45m;背风侧花粉浓度曲线先快速下降至中浓度, 随后上升出现二次波峰, R1、R2的峰值(200—300粒/1000mm²)谷值(100—200粒/1000mm²)相对较低, R3、R4的峰值(300—400粒/1000mm²)谷值(100—300粒/1000mm²)相对较高, 且曲线末端稳定降至低浓度的飞散距离较远约65—75m, 花粉主要沿街谷向外飞散, 部分聚积在群落与建筑之间。其中, R3花粉浓度降至低浓度水平所需飞散距离, 在迎风侧约40m, 背风侧约73m, 街谷中央风廊风速高, 向街谷外的飞散效果好。R4花粉浓度降至低浓度水平所需飞散距离, 在迎风侧约35m, 背风侧约65m, 相对较近, 考虑为行道树式和组团式结合配置使街谷内部风速减缓, 花粉浓度消减效率低。

围合式布局中, 迎风侧花粉浓度曲线从花粉源波动下降至400—500粒/1000mm², 随后直线降低至低浓度(0—100粒/1000mm²), 飞散距离较近, 约28—45m;背风侧花粉浓度先快速下降至波谷(200—300粒/1000mm²), 随后在距花粉源15—20m出现二次波峰(500—600粒/1000mm²), 最终曲线末端下降至低浓度水平, 飞散距离较远, 约55—60m, 花粉主要聚积在街谷内部。其中, B3花粉浓度降低至低浓度水平所需距离, 在迎风侧约28m, 背风侧约55m, 均近于其他配置模式, 使得街谷内部花粉浓度高, 外溢飞散少, 街谷聚积沉降作用明显。B1花粉浓度降至低浓度水平所需距离较远, 在迎风侧约36m, 背风侧约58m, 街谷内部花粉浓度低、飞散距离远, 相比其他配置模式的飞散效果好。

错列式布局中, 花粉浓度曲线向两侧递减, 随后曲线末端呈水平波动, 并稳定在中浓度区间内(100—300粒/1000mm²), 迎风侧降至中浓度水平的飞散距离较远, 约48—53m, 背风侧飞散距离较近, 约20—30m, 飞散过程中花粉部分聚积在建筑与群落间的低风速区。其中, S2花粉浓度降至中浓度水平背风侧所需飞散距离约20m, 距离最近, 散点式植物配置的群落中央发挥了沉降消减作用。S1花粉浓度降至中浓度背风侧所需飞散距离约32m, 部分花粉滞留于群落内, 其余花粉沿风廊向街谷外飞散。

4 讨论 4.1 模型参数设置对模型性能的影响

在考虑浅街峡谷形态特征、气象因素、花粉浓度、植物配置模式等众多因素的基础上, 建立洋白蜡花粉的参数化模拟模型, 并用实测花粉浓度数据对模型进行有效性校验, 相对误差结果基本控制在30%左右。模拟过程中, 主要关注了春季致敏植物洋白蜡的花粉浓度分布, 并参考相关文献简化了街谷、建筑和植物形态。但考虑到不同开花时期花粉量存在差异, 且实际街谷环境及内部植物空间复杂, 所形成的环境小气候均存在不同程度的差异^[52]。因此, 尽管本文建立的参数化模型能够在一定程度上模拟浅街峡谷中的花粉飞散过程, 但受原始观测环境、花粉样本采集时间、街道峡谷立体形态精度等限制, 在模型构建过程中仍存在一定不确定性, 也是影响模型验证实测准确率的主要原因之一。

4.2 不同场景下的花粉飞散特征

研究结果表明花粉浓度的纵向分布受到建筑布局及植物配置模式影响, 花粉高浓度区位于组团植物下部及风速较低、空气流动性较差的区域, 花粉低浓度区位于浅街峡谷风廊或者风速高、空气流动性较好的区域。在围合式布局中, 花粉多聚积于植物群落与建筑构成的空间内, 少量沿道路边缘区域飞散, 花粉浓度降低率整体较低, 具体表现为组团式配置(7.31%)＜散点式配置(12.01%)＜行道树与组团式结合配置(12.34%)＜行道树式配置(16.23%), 因此围合式建筑布局搭配组团式植物配置, 尽可能将花粉沉降于群落内部, 减少道路边缘花粉飞散。在错列式布局中, 花粉聚积分布在植物群落下部, 花粉浓度降低率相对较高, 具体表现为散点式配置(20.52%)＜行道树和组团式结合配置(22.95%)＜组团式配置(24.25%)＜行道树式配置(24.89%), 因此错列式建筑布局搭配散点式植物配置, 尽可能将花粉沉降于群落内部; 而搭配行道树式植物配置, 促进花粉飞散至街谷之外, 尽可能降低街谷内部花粉浓度。在行列式布局中, 花粉浓度降低率具体表现为行道树与组团式结合配置(19.62%)＜散点式配置(22.92%)＜行道树式配置(23.26%)＜组团式配置(23.61%), 该类建筑布局整体花粉飞散效果更优, 植物组团会造成街谷内小范围花粉聚积。

4.3 不同花粉浓度区域的绿地规划建设策略

虽然使用非致敏性植物进行更新替换是减少花粉暴露风险、预防花粉过敏症的最有效措施^[53], 但城市中已栽种的植物形成了良好的景观环境和生态效益不容忽视, 在已建成绿地的管理和更新优化过程中, 不应对致敏植物进行机械式地更新替换。因此, 可以考虑针对致敏植物种植集中的高花粉浓度区域, 可优化道路布局、调整空间要素, 尽量减少人群停留时间较长的活动场地布设。在附属绿地建设时, 规划易于形成风廊的建筑布局, 在上风口设置非致敏性植物形成隔离带, 控制致敏花粉在浅街峡谷内部的进出, 以达到降低致敏风险的目的。此外, 有关部门也可通过气象预报、花粉预警、花粉科普宣传等方式, 提醒人们在高花粉浓度时期避免开窗通风, 降低春秋季节的花粉暴露风险。

5 结论

基于北京市海淀区校园绿地春季观测数据, 提取3个采样地街谷布局和植物特征参数提取, 借助CFD平台构建15个典型浅街峡谷布局及其植物配置模式参数化场景, 模拟不同场景下的花粉飞散特征, 得出以下结论：

(1) 不同浅街峡谷建筑布局下, 平均风速大小排序为行列式＞围合式＞错列式。增加植物配置后的围合式、错列式、行列式3种街谷内行人高度风速分别为0.47—0.76m/s、0.65—0.85m/s、0.69—0.96m/s。风速降低率表现为围合式＞错列式＞行列式, 其中围合式布局相比无植物配置时风速降低率最大为76.87%。4种植物配置模式中, 组团式配置结合围合式布局风速降低率最显著, 为82.86%。

(2) 不同建筑布局和植物配置影响下, 花粉的飞散和聚积区域不同, 总体表现为：在建筑或植物背风侧聚积, 沿浅街峡谷风廊飞散。花粉浓度由高到低进行排序为围合式＞行列式＞错列式。错列式布局搭配行道树式配置花粉浓度降低率最高为24.89%, 飞散效果相对更好。围合式布局搭配组团式配置花粉浓度降低率最低为7.31%, 聚积效果相对较好。

(3) 不同建筑、植物和风场影响下, 花粉的飞散距离不同, 飞散距离大小排序为行列式＞围合式＞错列式。行列式需要约35—75m的飞散距离, 围合式需要约28—60m的飞散距离, 错列式需要约20—53m的飞散距离。从飞散角度看, 围合式布局不利于飞散, 行列式布局有利于飞散, 其中飞散效率好的是行列式布局搭配组团式配置, 飞散效率低的是围合式布局搭配组团式配置。从聚积角度看, 行列式布局不利于聚积, 错列式布局有利于聚积, 其中聚积效率好的是错列式布局搭配行道树和组团式结合配置, 聚集效率低的是行列式布局搭配组团式配置。在绿地规划设计时, 可考虑根据应用场景选择降低花粉浓度的植物配置模式, 根据花粉飞散和聚积特征判断绿地更新优化的侧重点, 为植物群落搭配及园林空间环境的营造提供参考。