居住街區形態特征與PM2.5 相關性研究
——以北京市中心城區兩個居住街區為例

文／張培浩 北京工業大學城建學部建筑與城市規劃學院 碩士研究生

引言

快速的城市化進程使得城市規模劇增，建筑密度加大且建筑高度增加，改變了城市下墊面的形態特征，同時也改變了城市局部地區的氣候環境，并對大氣污染物遷移擴散產生影響[1]。隨著人們生活水平的提高，對于生活空間的環境品質也愈加重視。如何通過合理規劃設計城市空間強化大氣污染物的傳輸擴散、改善環境空氣質量，成為相關學科關注與探索的焦點。在上述背景下，城市形態學從單一學科研究轉向多學科的交叉研究，有關城市形態與空氣質量的相關研究逐漸展開。

近年來，隨著研究方法的豐富與新型軟件的應用，城市形態與空氣質量之間的關系被確立起來[2,3]，目前有關研究主要關注在城市或區域較大尺度上，研究內容包括典型污染物的動態變化特征、時空演化、來源解析和成分分析等方面[4,5]，研究表明，城市空間布局、用地結構對大氣污染物的分布與傳輸有著密切的關系[6,7]，進而影響城市區域的空氣質量。戴菲等基于武漢市域內18 個常規大氣監測點數據的基礎上，綜合考量了地表覆蓋與垂直空間類城市形態參數與大氣污染物濃度之間的關系[8]。城市街區是承載居民活動的基本規劃單元，P.Edussuriya 等證實了街區尺度上空間形態參數與PM2.5和CO的相關性[9]。近年來，計算流體力學（Computational Fluid Dynamics，CFD）數值模擬技術的興起為研究中小尺度上城市形態與大氣環境質量的相關作用機制提供了技術支撐，并為將綠色健康理念融入城市空間規劃設計提供了可行性，有學者利用CFD 模擬典型大氣污染物在街區尺度上的空間分布與擴散規律[10,11]。

綜上，在街區尺度上對建筑空間布局，特別是加入植被后的城市形態與污染物擴散之間的詳細研究鮮有報道，較少有研究利用實地監測與國控站點的多元數據對CFD 模擬進行校核。此外，現有研究對于城市形態指標體系的構建缺乏系統的方法，缺少對非物質形態（包括人口、經濟、社會等）指標的考慮。

本研究聚焦于特大城市中的街區尺度，基于對包括植被覆蓋率與人口密度等非物質形態指標在內的城市形態參數篩選，通過對北京中心城區某居住街區氣象數據和PM2.5 實地監測、包含植被要素的CFD 數值模擬和多源數據校核，研究城市形態對街區空氣質量（以PM2.5 為例）的影響，為健康宜居的城市規劃設計提供科學依據。

1 研究區域與研究方法

1.1 研究區域

居住類街區是承擔人群日常生活最多的城市空間，也是構成城市肌理的基本單元。根據街巷網絡、建筑組團布局形態等因素，選取北京市中心城區某中低層住宅街區A 和高層住宅街區B（圖1）。其中，街區A 多為中低層圍合住宅，屬于典型老舊小區布局形式；街區B以板式高層住宅為主，建筑體量較大，分散式布局。上述兩個居住街區具有不同的功能定位和空間形態特征，能夠代表性地反映北京居住街區尺度上城市形態特征對大氣污染物遷移擴散的影響。

圖1 研究區域示意圖（圖片來源：作者自繪）

1.2 PM2.5 監測與數據分析

PM2.5指大氣中粒徑d≤2.5μm的細粒子，可以通過呼吸進入人體，對人體健康產生危害，是反映環境空氣質量的重要指標之一。

選用XL68 型智能環境監測設備，于2019 年夏秋兩季共23 天，在監測點位P1、P2（圖1）（高度分別為3m、3m）對街區內部風速（精度：0.1m/s，量程：0 ～60m/s）、風向（精度：0.1°，量程：0 ～360°）、PM2.5 濃度（精度：1μg/m3，量程：0 ～1000μg/m3），全天實地監測。監測結果見圖2、圖3。

圖3 P1（a）監測點與P2（b）監測點風速與風向統計圖（0°為正北，90°為正東）（圖片來源：作者自繪）

圖2 為街區A、街區B 與臨近的國控點（相距約7km）PM2.5 濃度數據對比，總體來看，街區內部污染物濃度變化趨勢受城市整體背景濃度的影響，但街區A 與街區B 表現出了一定的局部差異性。

圖2 PM2.5監測點濃度統計圖（圖片來源：作者自繪）

1.3CFD 模擬

相較于風洞試驗、現場監測等環境空氣質量研究方法，CFD 模擬有著快速便捷、數據全面等特點，可以從不同角度分析街區尺度風環境與大氣污染物濃度之間的相關作用[12,13]。

1.3.1 控制方程及湍流模型

采用基于有限體積法的ANSYS Fluent 進行CFD 數值模擬[14]，主控方程為三維定常雷諾平均Navier-Stokes 方程，湍流模型采用標準K-ε 湍流模型。該湍流模型已廣泛應用于室外風環境與污染物濃度的模擬中，且模擬結果與實測數據取得了較好的一致性[15]。

控制方程為雷諾平均Navier-Stokes 方程：

式中，Q——流動守恒變量

Fi——無粘通量

Fv——粘性通量

樹木對周圍流場有降低風速，增加擾流的作用，根據相關文獻[16]對樹木的處理方法，采用在動量方程、K 方程、ε 方程分別添加源項的方法來實現樹木冠層對流場影響的模擬效果。

1.3.2 計算域與網格生成

將所選兩個街區的建筑與樹木（6m×6m×3m 長方體）進行比例建模，以街區邊緣為中心，半徑5H（H 為區域內最大建筑高度）建立水平計算域，垂直距離3H 建立垂直計算域（圖4）。采用CFD-ICEM 進行網格劃分，為節約計算成本，采用以六面體為主的非結構化的網格劃分方法，并對建筑物與樹木部分網格做局部加密處理，最終確定街區A 網格總數為2.8×108 個，街區B 網格總數為2.4×108 個。

圖4 計算域A（a）與計算域B（b）示意圖（圖片來源：作者自繪）

1.3.3 邊界條件與求解設置

平均風速的分布隨高度呈指數分布，速度入口邊界條件采用對數函數曲線[17]。

式中，U——高度z(m)處水平風速（m·s-1）；U*—— 地 面 摩 擦 速 度（m·s-1）；κ——Von·Karman 常數，κ=0.42；z0——地表粗糙度，z0=0.25。

出流邊界條件采用零壓出流邊界條件（pressure oulet），建筑物和地面選用無滑移壁面邊界條件（no slip），粗糙度（roughness height）分別取值0.0025m、0.003m，粗糙度常數（roughness constant）取值0.75；計算側邊界與上邊界采用對稱面（symmetry）邊界條件[18]。

此外，由于樹木對周圍流場的作用，將樹冠部分作為多孔介質處理[19]。同時樹木對污染物具有吸附沉降的作用，其中沉降速率由風速和污染物濃度決定[20]。

式中，YPM2.5——單位面積的喬木對污染物滯塵量（μg·m-2）；v——污染物PM2.5 沉降到葉表面的速率（m·s-1）；d——污染物濃度（μg·m-3）；LAI——植被葉面積密度（m2·m-3）；t——滯塵時間（s）。研究采用在標準K-ε 方程添加源項的方法，通過Simple算法，空間的差分格式為二階迎風差分格式來模擬空氣流動，以組分輸運方程求解污染物濃度。

城市街區建設的密集程度反映了各類物質空間在地表上的密集程度，在密度類特征中選取建筑密度（Building density，BD）作為研究參數，建筑密度指建筑基底面積與街區用地面積的比值，反映了區域建筑的密集程度，計算公式如下：

1.4 城市形態參數的選取

本研究基于已有研究的歸納梳理，將城市形態特征分為：規模類特征、功能類特征、密度類特征、結構類特征、形狀類特征與非物質形態特征六類，并對不同城市形態特征與污染物水平之間的相關性進行分析?；诮謪^尺度上、對污染物水平的潛在影響、便于控規及設計階段實施等原則，結合上述形態特征與環境空氣質量的相互作用機制、以及相關文獻研究進展，篩選出10項形態參數進行研究。

街區形態的差異首先體現在規模尺度的差異，在規模類特征選取總建筑面積（Total building area，TBA） 與 容 積 率（Floor area ratio，FAR）作為研究參數，總建筑面積指街區所有建筑物面積之和，反映了區域開發建設的規模；容積率（Floor area ratio，FAR）街區建筑面積與街區用地面積的比值，反映了區域的建設強度，計算公式如下：

式中，BBA——建筑占地面積；SA——總用地面積。

街區結構的差異反應在街區的建筑布局形式及開敞空間的結構分布，在結構類參數中選取街區 圍 護 度（Average building envelope，ABE）與空間開放度（Space openness，SO）作為研究參數。

建筑平均圍護度指街區建筑圍護結構周長與街區用地周長的比值，反映了街區空間被建筑的圍合的程度，計算公式如下:

式 中，TBP—— 街 區 圍 護 結 構 周 長；TSP——街區總周長。

空間開放度指街區未被開發空間面積與容積率的比值，反映了街區開敞空間的開放程度，計算公式如下：

不同功能的用地屬性對污染物的傳輸及擴散具有不同程度的影響[4]，在功能類特征中選取植被覆蓋率（Greenbelt coverage rate，GCR）作為研究參數，植被覆蓋率指街區植被水平投影面積與街區用地面積的比值，計算公式如下：

式中，BD——建筑密度；FAR——容積率。

建筑單體形態的差異表現在建筑體量、建筑結構等方面，在形態類參數中研究選取建筑平均體積（Average building volume，ABV）、建筑平均層數（Average building floors，ABF）與建筑高度標準差（Standard deviation of building height，SDH）作為研究參數。

建筑平均體積指街區內建筑體積的平均值，反映了街區內部建筑的體量的一般水平，計算如下：

式中，TGA——植被覆蓋面積；SA——街區用地面積。

式中，TBV——街區總建筑體積；BN——建筑數量。

建筑平均層數指街區內所有建筑的平均層數，反映了街區內部建筑高度的一般水平，計算如下：

式中，FAR——容積率；BD——建筑密度。

建筑高度標準差指街區內所有建筑高度的標準差，反映了街區內建筑高度差異程度，計算公式如下：

式中，hi——單體建筑高度；h——建筑平均高度；n——建筑數量。

物質空間形態特征是非物質空間形態特征在街區內部上的空間投影，在非物質空間形態特征中選取人口密度（Population density，PD）作為研究參數指街區人口規模與街區用地面積的比值，反映了街區內部的人口密集程度，計算公式如下：

式中，TP——街區總人口；SA——街區用地面積。

2 模擬結果與誤差分析

2.1 不同街區數值模擬結果

以不同日期的北京氣象站地面觀測數據作為模擬的初始條件，選取監測期間具有典型氣象特征 的7 月10 日、7 月13 日、10 月14 日、10月26 日建立CFD 數值模型，模擬預測街區A 與街區B 各典型日期的全時空PM2.5 濃度分布與風環境，模擬結果見圖5。

圖5 1.5m 高度處街區A（a）、（b）與街區B（c）、（d）PM2.5 與風速模擬結果（圖片來源：作者自繪）

從街區A 與街區B 模擬的整體結果來看，街區建筑物對上風向的污染物起到了不同程度的阻隔作用，道路是污染較嚴重的區域。其次，建筑背風側容易產生較大面積的靜風區域，形成污染物的堆積。對風速與PM2.5 的模擬結果進行對應分析，可發現風速越高的區域，污染物越容易擴散。

2.2 不同街區模擬結果差異性

模擬結果顯示，街區A 與街區B 在1.5m 高度處的PM2.5 空間分布存在一定的差異性，街區B 整體PM2.5 擴散效果優于街區A，而街區A 局部區域表現出污染物堆積現象。在同一街區中，形態特征的局部差異也對污染物的擴散產生了一定的影響。因此，探討相關形態參數與風環境和污染物分布之間的關聯性，可為通過空間優化設計改善空氣質量提供參考。

2.3 誤差分析

使 用IBM SPSS Statistics 24.0 對P1、P2 點的模擬數據與實測數據的平均值進行相關性檢驗。同時應用配對t 檢測，檢驗監測數據與實測數據之間是否存在顯著性差異，結果見表1。在相關性檢驗中，風速、PM2.5 數據表現出了較高的相關性（R2=0.82，0.77），模擬結果與實測數據具有較好的一致性；在配對t 檢驗中，模擬風速和PM2.5 濃度與實測數據之間不存在顯著性差異。因此，建立的CFD 數值模型能夠較為準確地預測街區風場與PM2.5 濃度。

表1 P1、P2 模擬數據與實測數據配對樣本檢驗（表格來源：作者自繪）

3 街區形態特征與PM2.5 的相關性分析

基于各形態參數與風速、PM2.5 的相互作用，將1.5m 高度處（行人高度）的相對風速、PM2.5 相對濃度作為因變量，以所選形態參數作為自變量，通過皮爾森（Pearson）雙變量相關分析所選形態參數與PM2.5、風速的相關性。

3.1 街區形態特征要素提取

同一街區具有不同形態特征的街區單元，街區單元劃分較小會影響分析的真實性，街區單元劃分較大會導致樣本點較少。根據典型城市街區尺寸，將街區A 與街區B 劃分為200m×200m 的街區單元（圖6），共二十個樣本單元，在每個街區單元內進行形態參數及污染物濃度的相關計算。

圖6 街區網格劃分示意圖（圖片來源：作者自繪）

3.2 相關性分析

根據相關性分析結果（表2），不同街區形態參數對街區內部風速與街區內部污染物濃度的影響不一致，在十個計算變量中，BD、ABE、ABV、ABF、SDH、GCR 對PM2.5 濃度及風速表現出較強的相關性，相關系數在0.4 ～0.8 之間；TBA、FAR、SO、PD 與PM2.5 濃度及風速之間相關性較弱，相關系數低于0.3。相關性較高的形態參數通過對風環境的影響進而影響污染物的傳輸與擴散，其中BD、ABE 與風速呈現顯著的負相關關系，與PM2.5 呈現出一定的正相關性；ABV、ABF、SDH 與風速呈現顯著正相關，與PM2.5 呈現出一定負相關性；GCR 與風速、PM2.5 均呈現出明顯的負相關關系。

表2 不同街區形態參數與風速、PM2.5 相關性分析（表格來源：作者自繪）

根據相關性系數，隨著BD 與ABE 的升高，風速逐漸降低，PM2.5 濃度逐漸上升。以街區A與街區B 局部區域10 月14 日模擬結果為例（圖7），相較于街區B，較高的BD 與ABE 降低了街區A 內部的風速，導致街區內外的空氣流通受阻，進而影響了污染物的擴散。

圖7 街區A（a）與街區B（b）局部區域風速矢量圖（圖片來源：作者自繪）

以ABV、ABF 為代表的形態類參數一定程度上反映了建筑的體量，隨著ABV 與ABF 的升高，建筑體量增大，間接地增加了街區內部的公共空間占有率，進而增加了街區內同外部空間潔凈空氣交互的可能性，實現了污染物的快速擴散；SDH 體現了街區內不同建筑之間的高度差，當街區內部建筑高度差達到一定程度時，會在建筑水平方向與垂直空間內形成局部穿流區（來流風與建筑邊界交接的區域），局部區域風速增大，加強了污染物向背風側的擴散。

以GCR 代表的功能類參數主要表現出對風速的削減及PM2.5 的滯塵，植被通過降低冠層以下的風速，將污染物滯留于植物葉片表面（圖8），進而降低了區域周圍的PM2.5 濃度水平。

圖8 街區A 局部區域XZ 平面風速矢量圖（圖片來源：作者自繪）

3.3 基于污染物擴散的街區形態優化策略

綜上，街區內部形態參數主要通過影響風速間接影響PM2.5 的擴散，即作為街區形態與污染物擴散的中間機制，風環境仍然是影響污染物擴散的主要因素。依據上述分析，研究提出基于污染物擴散的居住街區形態優化策略：（1）通過適當降低建筑密度與平均圍合度，以增強街區內外空氣流通，促進街區內部污染物擴散；（2）適當增加建筑單體體量，以增加街區內部開敞空間的面積，同時合理控制街區的建筑高度差，形成高低錯落的建筑布局形式，降低對來流風的阻礙作用，增強局部地區污染物擴散能力，形成良好的通風廊道；（3）增加街區植被覆蓋率，降低局部地區風速，在植被類型選取方面，考慮適宜高度的植被種類，增強PM2.5 的吸附沉降。

結語

基于北京市典型居住街區形態特征及其風場、PM2.5 實地監測，采用CFD 數值模擬方法建立了居住街區風環境和PM2.5 分布預測模型，經模型驗證與校核，預測結果與實測數據之間不存在顯著性差異，具有較好的一致性，能夠用于不同模擬條件下街區風場與PM2.5 濃度預測，為分析街區城市形態與環境空氣質量的相關性提供了研究手段。

依據研究街區形態特征及所建立的街區CFD 模型，分析了對空氣質量有潛在影響的10項形態參數與風速、PM2.5 的相關性，其中，BD、ABE 等形態參數對街區內部風速與PM2.5濃度表現出了較高的相關性，而TBA、FAR、SO、PD 表現出較差的相關性。

總體來看，在相同用地性質的前提下，不同形態參數主要通過影響風環境間接影響污染物擴散。因此，在未來居住街區規劃時，應從防止污染物擴散的角度，將城市規劃設計與空氣質量管控相結合，以便調控城市空間對城市環境的不利影響。提出如下城市規劃設計建議：（1）適當降低街區建筑密度與圍護度；（2）適當增加街區內平均建筑體積與平均建筑層數，合理區分不同的建筑高度；（3）增加街區的綠化覆蓋率，考慮適宜高度的植被種類。