植树位置对瞬态被动标量污染扩散过程影响的研究

Research on the Influence of Tree Planting Location on the Transient Passive Scalar Pollution Diffusion Process

摘要: 以实际ATP炉下的住宅区受污染实际地形威力，针对住宅区域附近的绿植排布进行大涡模拟，参数化表征住宅与绿植，对绿植位置在住宅区内的排布进行中尺度的大气污染分析。与CODASC在数值统计结果上表现出更好的一致性结果。通过计算区域内的瞬时浓度、积分浓度、时间尺度浓度变化等，精细化溯源定量耦合绿植位置与大气污染排放的定量关系，结合迎风侧、被风侧以及重点关注的行人活动高度区域提供种植建议，不合理的种植会引发积分浓度高于合理种植的251%，同时保留时间与种树位置的拟合高达0.883，综合来看不推荐楼房前侧即污染上游种树，同时也需要综合实际考虑，指导并提供厂区内种植方案。

Abstract: Based on the actual polluted terrain conditions of residential areas located beneath the ATP furnace, large eddy simulations were conducted to analyze the arrangement of green vegetation near these residential zones. Residences and vegetation were parameterized for representation, and mesoscale atmospheric pollution analysis was performed on the spatial distribution of vegetation within the residential area. The results demonstrated better consistency with CODASC in numerical statistical outcomes. By calculating instantaneous concentrations, integrated concentrations, and temporal concentration variations within the region, the study finely traced and quantitatively coupled the relationship between vegetation placement and atmospheric pollution emissions. Planting recommendations were provided by considering windward sides, leeward sides, and key pedestrian activity height zones. Irrational planting could lead to integrated concentrations exceeding those of rational planting by 251%, and the correlation between retention time and tree planting positions reached up to 0.883. Overall, it is not recommended to plant trees on the front side of buildings—namely, the upstream side of pollution sources. Comprehensive practical considerations are necessary to guide and provide planting schemes within the industrial area.

1. 引言

植物在城市中不仅在环境保护、气候调节和生态维持方面扮演重要角色，还为人类的生活质量和心理健康提供支持[1]-[3]。近年来，关于绿植在城市中作用的研究日益受到关注，涵盖了多个领域，尤其是生态学、环境科学和城市规划领域。研究表明，合理的绿植布局能够有效改善空气质量、降低城市热岛效应，并促进生态多样性[4]-[6]。然而，在复杂的城市环境中，孤立建筑对空气流动的阻隔作用会影响污染物的扩散路径和浓度分布[7]-[10]。因此，如何优化绿植的位置以最大化其在改善空气质量方面的效用，成为近年来城市环境研究的重点课题目[11] [12]。通过优化建筑设计和绿化布局，可以有效减少空气污染，提高城市居民的生活质量。

此外，气体、颗粒污染物能长时间驻留并随大气环流进行长距离迁移，造成跨区域污染[13] [14]。孤立建筑下上游污染物相对绿植位置的研究有助于理解建筑物和绿植在城市环境中的相互作用。与此同时，李巧萍[15] [16]等人指出在城市街谷(高密度建筑区)内适当布置绿植能有效减少PM和NO₂的浓度，但需要注意避免因绿植具体种植位置而导致的通风不畅。不可否认的是绿植的存在一定程度上缓解了热岛效应，Gill [4]肯定了高覆盖密度下对城市的降温效果，但同时也会产生污染物聚集的现象。通过优化建筑设计和绿化布局，可以有效减少空气污染，提高城市居民的生活质量[17] [18]。特别是考虑到建筑物对气流和污染物扩散的影响，合理的绿植位置布局能在降低污染物浓度方面发挥显著作用。

这种布局优化在化工园区、工业区等高污染区域尤为重要，不仅可以改善当地的空气质量，还可以为未来的城市规划提供科学依据[19]-[21]。

为了模拟复杂的空气流动和污染物扩散过程，本文采用大涡模拟(LES, Large Eddy Simulation)方法。大涡模拟是一种基于湍流理论的数值模拟方法，能够精确模拟空气中污染物的扩散路径和速度。通过LES方法，可以对不同绿植位置和布局方案下的污染物浓度进行精确预测，从而评估绿植布局对空气质量改善的效果[22]-[25]。在具体的模拟过程中，将设置多个场景，分别模拟绿植位于建筑物上游、下游及周围不同位置时的污染物浓度分布。同时，将考虑风速、风向、污染物释放强度等不同的环境因素，通过LES模拟精确计算污染物的扩散情况。这种方法不仅能够得到污染物浓度的时空分布数据，还能够直观地展现绿植在不同位置对污染物扩散的抑制作用。

本研究通过大涡模拟方法，量化分析绿植在不同位置对污染物扩散的影响，为城市规划和环境治理提供了科学依据。研究结果将帮助城市管理者确定绿植的最佳种植位置，特别是在污染物浓度较高的区域，优化绿植布局以最大化其改善空气质量的效果。同时，本研究也为未来的绿色城市规划、空气质量管理和健康环境建设提供参考，推动城市生态系统的可持续发展。

2. 材料与方法

2.1. 研究区域

在本研究中，我们着眼于厂区重点区域，特别是厂区附近高楼住宅的空气污染问题。随着工业活动的不断发展，ATP炉作为污染物的排放源，其排放的气体污染物不仅在厂区内扩散，还会受到风的作用影响到周边区域，尤其是邻近的高层住宅。由于气流在高楼区域形成复杂的涡流和滞留效应，高层住宅暴露于污染物中的风险显著增加，对居住在这些区域的居民健康带来潜在威胁。

结合实际厂区绿植设计需要，此研究区域设计用于模拟气流进入后，经过绿植和孤立建筑时对污染物扩散的影响。通过调整绿植与建筑物之间的释放强度以分析绿植在不同位置对污染物扩散的抑制效果，优化城市绿植布局。

表1是CODASC数据集(Collection of Data from a Street Canyon)提供了风洞实验的观测数据，用于分析街道峡谷内的空气流动和污染物扩散特性(http://www.dmi.dk/codasc)。该表格展示了CODAC风洞实验中墙面浓度的四个统计指标的数值分析结果[26]，具体包括RNMSE (归一化均方根误差)、R (相关系数)、FB (偏差系数)和FAC2 (符合因子)，对WALLA和WALLB两个墙面区域进行评估绿植布局(特别是树木密度)对污染物扩散和墙面浓度分布具有显著影响。本研究的数值模拟在各项指标上均表现较好，与Moonen等人[26]的结果基本一致，并在FAC2等指标上显示出较高的符合度，支持绿植布局在污染物扩散控制中的有效性。

Table 1. CODAC numerical statistics of wall concentration

表1. CODAC数值统计壁面浓度

	RNMSE	R	FB	FAC2
WALLA
WALLB

2.2. 被动标量污染物

被动标量污染物包括许多大气和水体中的污染物，如颗粒物、某些无反应性气体(如氮气)和盐分。在大气模型中，这些被动标量污染物的行为可以通过数值模拟来预测其扩散和沉降过程[27]。模型考虑了风速、湍流、温度梯度等因素，从而能够准确模拟污染物在环境中的分布情况[28]。这些信息对于空气质量管理、环境监测和污染控制至关重要。这些气体的浓度主要受流动场的影响，而不会因化学反应而改变。

如图1，本研究将一条瞬时释放的线源污染物放置在上风区域释放，通过如下方程：

$S=S_0\delta \left(t-t_0,x-{\overrightarrow{x}}_0\right)$ (1)

其中，t₀为初始释放时间，${\overrightarrow{x}}_0$ 靠近流入边界，其中S₀表示源强度，并且是任意指定的。

这个模型是通过压力梯度驱动风速生成的，使用大涡模拟来模拟流动和标量输运LES和隐式滤波的非静力不可压缩Boussinesq方程[29]-[32]：

$\frac{\partial u_i}{\partial t}+\frac{\partial u_i{u}_j}{\partial x_j}=-\frac{1}{{\rho }_0}+g\frac{T-T_0}{T_0}{\delta }_{i3}-\frac{\partial }{\partial x_j}({\tau }_{ij}-\frac{2}{3}\text{e}{\delta }_{ij})$ (2)

$\frac{\partial C}{\partial t}+\frac{\partial u_{j}C}{\partial x_j}=-\frac{\partial {\delta }_{C,j}}{\partial x_j}+S$ (3)

$\frac{\partial u_i}{\partial x_j}=0$ (4)

在本研究中，为了确保边界层的充分发展并得到稳定的流动和污染扩散结构，模拟的总时长设定为7小时。这样的设置有助于在模型中建立起一个稳定的边界层结构，避免因模拟时间过短导致的边界层发展不足或不稳定性问题[33] [34]。本研究中模拟总时长为7 h，保留有效数据最后的3600 s，其中瞬时污染源在t = 6 h + 10 s时刻释放，时间间隔为10 s。

Figure 1. (a) Actual factory area; (b) Sketch of simulation; (c) Wind tunnel

图1. (a) 厂区实际图；(b) 模拟设计图；(c) 风洞实验现场测试图

2.3. 环境及健康风险评估

在环境及健康风险评估中，空气污染物的浓度、暴露持续时间以及保留时间(Retention time)是评估污染暴露对健康风险影响的关键因素。污染物排放源附近，瞬时浓度可以用来预测短期的健康风险，特别是对于那些对污染物暴露较为敏感的人群(如儿童、老人或有呼吸道疾病者) [35]-[39]。通过归一化浓度来表征释放后的浓度与初始浓度衰减趋势。

但瞬时浓度往往不能全面评估暴露风险，因为污染物浓度会随时间波动。在风险评估中，积分浓度常用于预测慢性健康风险，比如长期暴露于低浓度污染物的风险。它也用于法规中规定的空气质量标准，例如美国环境保护署(EPA)的空气质量标准[40]。其中，积分浓度计算公式如下：

$\langle C\rangle =\frac{1}{V_D}{\displaystyle \int C}\left(\overrightarrow{x}\right)\text{d}\overrightarrow{x}$ (5)

其中，“< >”表示区域内的平均，这里的D是所需要分析的区域，对特定区域进行积分。积分浓度用于估计长期暴露对健康的影响。通过分析人群在长期暴露于低浓度污染物下的积累效应，可以更全面地评估慢性健康风险，例如心血管疾病或癌症的发病率增加。

保留时间是指污染物在体内或在受影响区域内停留的时间。对于健康风险评估，保留时间可以理解为污染物在体内各个器官或系统内停留的时间，用于评估污染物可能造成的长期累积效应[41]-[43]。通风时间尺度可以根据平均浓度的衰减来估算

$\langle C\rangle {\left(t\right)/C}_0~\text{exp}\left(-\frac{t}{{\tau }_r}\right)$ (6)

${\tau }_r=-t{\left(\ln \frac{\langle C\rangle \left(t\right)}{\langle C\rangle \left(t_0\right)}\right)}^{-1}$ (7)

这里的C₀表示初始时间(t₀)浓度的整体平均值，指数衰减可能反映了通气机制的变化。结合保留时间，可以分析污染物在人体内的累积效应，特别是对于那些代谢慢、容易在体内积聚的污染物。

3. 结果与讨论

3.1. 瞬时污染特征分析

(A)

(B)

Figure 2. (A) Cloud map of concentration distribution of pollutants released 60 seconds after tree planting in different locations; (B) Cloud map of concentration distribution of pollutants released 120 seconds after tree planting in different locations

图2. (A) 树种植在不同位置下的污染物释放60 s后的浓度分布云图；(B) 树种植在不同位置的污染物释放120 s后的浓度分布云图

在本研究中，我们模拟了上游ATP炉的气体污染物向厂区内的扩散情况，以探讨不同绿植布置对污染物扩散的影响。ATP炉作为污染物的释放源，其释放的气体会随着风向和风速扩散到厂区的各个区域。为了评估绿植对厂区内污染物扩散的阻碍或引导作用，我们设计了多种绿植分布方案，并且设置了无树的对照组，以便比较不同条件下的污染物扩散情况和浓度分布。

不同绿植布置对厂区内污染物的扩散路径和浓度分布有显著影响。合适的绿植布置可以在一定程度上阻挡污染物扩散至行人高度区域，对下游厂区形成保护作用。然而，绿植布置位置不当时，可能导致局部浓度堆积，加重背风侧的污染情况。

图2显示，绘制了瞬时释放后的住宅区域附近归一化浓度的速度云图。其中红色表示浓度比较高反之蓝色较低。从总体来看，从释放60秒到120秒，污染物扩散范围逐渐增大，浓度分布从较高的集中区域向四周扩散，同时在垂直高度方向也有一定的扩散趋势。在行人高度区域(通常较低的区域)，可以观察到树木的存在对浓度分布的影响。一般来说，树木会对污染物扩散形成一定的阻碍，使得浓度分布更加复杂。有树布置的图中浓度分布呈现出更多的“积聚”现象，即污染物在树木后方或附近区域有更高浓度。这两个区域也是我们关注的重点区域[44]-[46]。这也将在下节作出重点分析。

非常明显地看出当树种植在上游区域时，被风区域的污染物浓度在释放120 s后红色区域更多，形成了持续的污染。当绿植布置在上游区域时，确实能够起到一定的屏障作用，但长时间释放条件下容易在背风侧形成持续的污染积聚。为了实现更优的厂区空气质量管理，建议在绿植布置上进行合理的分散设计，以避免过度集中种植导致局部污染过高。

3.2. 积分浓度变化

长期暴露在住宅区域内就更需要关注重点区域内的积分浓度特征分布[47]，图3和图4分别绘制了楼房被风区域(污染物最容易堆积的区域)和展翼方向楼房两侧的积分浓度。

Figure 3. Cloud map of integrated concentration distribution in wind affected areas

图3. 被风区域积分浓度分布云图

整体来看，对照组的被风浓度似乎都高区存在树的情况，这也表明树的存在在一定程度上缓解了厂区内住宅被风区域通风。

Figure 4. Cloud map of integrated concentration distribution in x-z plane

图4. x-z区域积分浓度分布云图

Figure 5. (a) Quadratic linear fitting of wind wall integrated concentration and green plant location in high-rise areas; (b) Quadratic linear fitting of wind wall integral concentration and vegetation location in pedestrian areas

图5. (a) 楼高区域的被风壁积分浓度与绿植位置的二次线性拟合；(b) 行人区域的被风壁积分浓度与绿植位置的二次线性拟合

从图5对重点住宅区域内风影响区域的楼高和行人高度的积分浓度进行二次线性拟合结果显示，当树木种植在左侧时，浓度与距离呈现出良好的线性关系。随着树木种植位置逐渐靠近建筑物，污染物浓度明显降低。然而需要注意的是，在左侧布置树木时，污染物容易在建筑物前侧聚集，尤其是在树木种植在左侧w位置时，由于上风区域的空气流通不畅，污染物在树木与建筑物之间形成积聚区。不合理的种植，比如左侧4 w处的积分浓度在行人高度时相对右侧w种树的浓度高出251%。

从行人高度和楼房高度的角度来看，树木种植在右侧时能够显著缓解被风侧的污染物浓度。这种布局能够有效促进污染物的扩散，减少在建筑物附近的滞留。因此，在实际的绿植规划过程中，从减少建筑物长期暴露于污染物的角度出发，更建议将树木布置在右侧。这种布置方式不仅有助于改善行人区域的空气质量，同时也在建筑物高度范围内显著降低污染物的积聚效应，优化整体空气环境。

从x-z观察，即图4中绘制了被风壁面的归一化污染物浓度云图和流线图，左侧种树明显会在树与楼之间形成污染物的聚集当绿植布置在左侧污染源附近时，绿植对气流形成了明显的阻挡作用，使得污染物在绿植背风侧(树木和建筑物之间)出现显著的积聚，表现为浓厚的红色和橙色区域。左侧布置的树木限制了污染物向下游的扩散，使得高浓度污染物堆积在绿植和建筑物之间，特别是在低高度区域。这种积聚效应在行人高度尤其明显，可能会增加行人和低层居民的暴露风险。这种布置虽然在一定程度上限制了污染物向更远处扩散，但也导致上游区域的污染物浓度较高，尤其不利于污染源和建筑物之间的空气质量。

3.3. 时间尺度浓度变化趋势

下图6绘制了特定区域内归一化浓度随时间的变化，分布关注了整个区域内和重点关注的行人区域内，即图1中黄色阴影部分。

Figure 6. (a) Line graph of concentration variation over time in the entire calculation area; (b) Line graph of concentration changes over time in key pedestrian areas

图6. (a) 整个计算区域内浓度随时间变化折线图；(b) 重点行人区域内浓度随时间变化折线图

Figure 7. Retention time changes with the position of green plants and fitting curve

图7. 保留时间随绿植位置变化点及拟合曲线

图6表明在右侧4 w处排布树时，其浓度曲线相较于其他布置和对照组，整体浓度下降得更快，污染物的稀释和扩散效果更好，导致整个区域的平均浓度和行人区域的浓度都显著低于其他布置方式和无绿植对照组。

图7是关于绿植种植位置与整个区域内的保留时间的关系，进行了二次线性拟合。结果显示左侧较远种树会显著增加保留时间，其中左侧4 w处种树会高于右侧4.5 w处种树的251%，这也和图5中的积分浓度拟合结果一致。为了减少空气滞留时间，那么可以考虑在建筑右侧布置绿植，以达到更好的通风效果。

4. 结论

4.1. 绿植布置对污染物扩散的影响

通过模拟上游ATP炉排放的气体污染物在不同绿植布置下的扩散情况，观察到绿植布置位置显著影响了厂区内污染物的扩散路径和浓度分布。合理的绿植布置可以在行人高度区域形成屏障，减缓污染物向下风区域扩散。然而，不当的绿植布置(如上游区域密集布置)会导致污染物在背风侧积聚，增加局部浓度。

4.2. 典型布局效果评估

通过分别对比了多种绿植布置方案，并通过二次拟合分析了各方案对厂区内关键区域污染物浓度的影响。结果显示，绿植布置在高楼右侧(下游)位置时，污染物扩散更为均匀，行人区域和建筑物高度的浓度显著下降，优化了整体空气质量。而当绿植布置在左侧(上游)位置时，容易形成高浓度污染积聚，尤其是在树木和建筑物之间。

4.3. 布置方案优化与最终建议

为进一步确定最佳绿植布置方案，我们引入相似性分析方法，比较不同方案下污染物浓度分布与最佳扩散状态的相似度。结果表明，右侧布置绿植的方案能够显著促进污染物扩散，减少污染积聚，改善行人和建筑物周围的空气质量。其中右侧4 w为浓度最低的案例，因此，建议在实际绿植布置中，优先选择右侧(下游)种植绿植，且避免过度集中，以形成通畅的风道，最大化减少污染物滞留。

综合分析，右侧分散布置绿植可以有效降低厂区内污染物浓度，减少行人和建筑物的污染暴露风险。这种布置方式在空气质量优化和污染物扩散控制方面表现优异，适合作为厂区空气管理的主要绿植布置策略。

虽然本研究建议在右侧4 w处安置树木规划的同时我们也需要考虑实际地形中是否有合理的空间能够种植，本文提供种植建议的同时还需要结合实际，尽可能减少上游种树的可能性。

致 谢

感谢抚顺石化徐振雨给予的技术支持和帮助。

基金项目

国家自然科学基金委，青年基金项目(52404058)。

NOTES

^*通讯作者。