典型淺街峽谷布局及其植物配置模式春季花粉飛散特征模擬研究

陳 穎,于 淼,馬 嘉,李運遠

北京林業大學園林學院,北京 100083

近年來,人們在享受城市綠化帶來的生態福祉的同時,也開始關注植源性污染等問題[1]。其中,氣傳花粉作為春季主要的過敏原,是導致過敏性鼻炎[2]、過敏性結膜炎[3]等季節性過敏癥的主要原因之一。有調查顯示患病群體遍布成年人和兒童,兒童患病率接近40%,高峰期月均患病人數約上千人[3]。同時,園林綠化植物進入生長成熟期,春季木本花粉濃度相比過去顯著增加[4-6]。加之城市建成區內部建筑密度高,建筑硬質界面圍合形成的街道峽谷,構成光滑的城市下墊面,使花粉失去附著場所,加劇了花粉的飛散和飄蕩[7]。其中,居民區、單位、學校等人類活動集中的場所,建筑密度適中,植物配置豐富,在為人們提供了優美舒適工作生活環境的同時,也存在著致敏性花粉聚積的潛在風險[8]。

目前,國內外對于氣傳花粉研究,多聚焦花粉致敏性[9-10]、濃度變化[11-13]、花粉與氣象因子的關系[14-19]、城市尺度下花粉時空分布特征[20-24]等問題,周江鴻等人[10]基于北京市3個城區花粉種類和濃度評估8類風媒花喬木的潛在花粉污染風險;齊晨等人[12]通過分類花粉濃度數據和逐日氣象觀測數據建立北京地區主要氣傳致敏花粉年濃度峰值日期預測模型。雖已有部分研究探討中微觀尺度下,致敏植物的花粉散發、運輸和飛散過程[25-28],但多采用實測數據,受人力、時間、植被條件和氣象因素等多方面實驗設計的限制很難實現全方位連續監測[29],難以完全揭示復雜現實情景中的花粉飛散特征。針對這一問題,本研究借鑒大氣顆粒物飛散規律的研究方法[29-37],采用數值模擬彌補二維實測模式的局限性,實現三維空間花粉飛散模擬及數據可視化,促進花粉參數化模擬的思路延伸。

因此,本研究以實測數據為基礎,采用CFD參數化模型模擬的研究方法,解析H/W≤0.5的典型淺街峽谷建筑布局及其植物配置方式對花粉飛散特征的影響,重點探討不同建筑布局和植物配置模式下所形成的風場特征、花粉飛散特征以及花粉飛散距離閾值3個問題,研究結果將為未來季節性花粉癥的預防和城市綠地優化提供參考。

1 研究樣地與花粉監測

1.1 監測花粉選擇與研究樣地

北京地處暖溫帶,春季致敏樹種主要以木犀科(Oleaceae)、?？?Moraceae)、松科(Pinaceae)及柏科(Cupressaceae)為主,占全年花粉總量的53%[16],高峰期日花粉濃度超過2500粒/1000mm2[2]。其中,洋白蠟(美國紅梣,Fraxinuspennsylvanica)生長快、抗性強、材質好、繁殖容易,作為林業用材和防護樹種從北美引入我國[38]。其樹形優美、枝葉觀賞性強,作為行道樹和庭蔭樹在北京地區廣為使用[39]。但是,因其花粉產量大,洋白蠟也是春季主要的致敏植物之一[40]。因此,本文選取北京市內典型淺街峽谷(簡稱“街谷”)中,植物配置包含洋白蠟的3個研究樣地,于春季進行為期1個月的花粉采集監測(圖1、表1)。

表1 淺街峽谷及樣地植物群落基本信息Table 1 Basic information of shallow street canyons and plant communities

圖1 研究樣地平面圖Fig.1 Plans of study sample site

1.2 花粉濃度監測

研究選擇2021年4月10日-2021年5月10日期間,晴朗無雨的天氣,開展28d的樣地花粉濃度監測,采樣時間8:00-13:00,收集花粉濃度、溫度、濕度、風速等數據?；ǚ鄄杉椒ú捎萌~氏重力沉降法,將花粉玻片放置在群落內的Durham花粉收集器中央暴露于空氣中[41],中央設置玻片(CAT.NO.7105)限位區,花粉收集器距離地面1.2-1.5m?？紤]到花粉檢測的時效性等客觀條件限制,實驗選擇在3個典型建筑街谷各設置3個采樣點,多點同時檢測,共收取曝片336片,檢測出花粉23種。曝片取回后利用0.1%龍膽紫染色劑染色,制作花粉樣品,利用ex20生物顯微鏡進行花粉種類識別和計數,將計數結果換算為日花粉濃度(單位:粒/1000mm2)。此外,利用溫濕度監測儀LM-8000A同步測定氣象因子(溫度、濕度、風速),時間區間與花粉采樣時間相同,每小時測定1次,取當天算數平均值作為當日氣象因子采集結果。

2 研究方法

2.1 CFD模型構建

研究通過計算流體力學(Computational Fluid Dynamics,簡稱CFD)模擬軟件ANSYS Fluent,構建樣地風環境和花粉擴散模型[42-43]。根據樣地的實際建筑、植物群落測繪數值(表1),運用AutoCAD軟件構建1:1比例的淺街峽谷三維模型,在不影響模擬結果的前提下,保留建筑和植物的幾何特征,簡化不光滑外觀。參考歐洲COST的最佳行動指南[44-45]和日本建筑設計科學院[46]研究成果,將模型計算域高度設定為最高建筑的4倍,計算域入流邊界、出流邊界及余下兩側至建筑群的距離設定為最高建筑的5倍(表2)。

表2 計算模型參數設置Table 2 Calculation parameters and boundary condition settings

2.2 數值模擬有效性驗證

構建3個研究樣地的三維模型,進行實測值與模擬數值有效性驗證。選取2021年4月12日-2021年4月18日期間,連續7天無間斷、無異常值的實測數據作為模擬驗證的輸入參數,花粉源數值為群落內部日花粉濃度,風速按照當日實測風速平均值輸入。

將CFD模擬得出的風速和日花粉濃度以及相應實測數值作為變量,通過雙變量相關分析判定相關系數。相關系數r計算公式為:

(1)

式中,r為相關系數;x為實測日花粉濃度或風速;y為模型模擬日花粉濃度或風速;n為數據樣本量。

2.3 典型建筑布局與植物配置場景設置

根據建筑信息模型分類和編碼標準[47]與實際形態觀測,提取行列式(R)、圍合式(B)、錯列式(S)3種典型淺街峽谷的建筑布局,每種建筑布局下設置行道樹式(1)、散點式(2)、組團式(3)、行道樹與組團式結合(4)4種模式的植物配置。設定4個規格、位置固定的花粉源為每種建筑布局下的對照組(0)。根據實際觀測及相關文獻[15,48],模擬輸入風速值3.0m/s,花粉濃度500粒/1000mm2,建筑高度統一為15.00m,喬木規格統一為高10.00m、冠幅8.50m、枝下高4.30m(表3)。

表3 淺街峽谷典型建筑布局及植物配置建模參數Table 3 Modeling parameters for typical building layout and plant configuration in Shallow Street Canyon

3 結果

3.1 實測數據與CFD模擬驗證結果

使用CFD模擬得出的3個研究樣地連續7天的花粉濃度數值、樣地實際測定的花粉濃度數值作為變量,進行相關性檢驗,判定CFD模擬表達花粉飛散情況的有效性。得到相關系數,樣地1為r=0.729,樣地2為r=0.708,樣地3為r=0.661,具有較強相關性,CFD模擬所得數據在一定程度上可以反映3個樣地的花粉飛散情況。

3.2 典型淺街峽谷的風場特征

基于街谷建筑布局的風場模擬,輸出3種建筑布局的風速云圖(圖2)。風速初始值輸入相同的情況下,3種街谷布局風速整體呈現出中間高、兩側低的分布規律,其中行列式布局街谷中心風速最大,區間為3.00-4.04m/s。街谷內部最低風速略有不同,行列式布局低風速區出現在建筑背風側,區間為0.32-1.30m/s;圍合式布局低風速區出現在建筑“內凹”處和建筑背風側,風速區間為0.15-0.80m/s;錯列式布局低風速區出現在建筑背風側,區間為0.10-1.20m/s。

圖2 典型淺街峽谷建筑布局(x-y截面)風速云圖Fig.2 Typical shallow street canyon building layout (x-y section) wind speed cloud map

3.3 典型淺街峽谷及植物配置模式下的風場特征

為分析不同植物配置模式對街谷風環境的影響,參數化模擬15種不同植物配置模式下的街谷風場風速(圖3)。對比無植物配置場景下的街谷,增加植物配置可以有效降低街谷內的平均風速,風速降低率為圍合式>錯列式>行列式(表4)。

表4 典型淺街峽谷建筑布局和植物配置模式下的風速比較Table 4 Comparison of wind speed under different plant configuration patterns

圖3 典型淺街峽谷植物配置模式(x-y截面)風速云圖Fig.3 Typical shallow street canyon plant configuration patterns (x-y cross section) wind speed cloud mapR0:行列式布局對照組;R1:行列式布局+行道樹式配置;R2:行列式布局+散點式配置;R3:行列式布局+組團式配置;R4:行列式布局+行道樹與組團式結合配置;B0:圍合式布局對照組;B1:圍合式布局+行道樹式配置;B2:圍合式布局+散點式配置;B3:圍合式布局+組團式配置;B4:圍合式布局+行道樹與組團式結合配置;S0:錯列式布局對照組;S1:錯列式布局+行道樹式配置;S2:錯列式布局+散點式配置;S3:錯列式布局+組團式配置;S4:錯列式布局+行道樹與組團式結合配置

增加植物配置的模擬場景下,其中圍合式布局平均風速區間為0.47-0.76m/s,相比無植物配置時降低76.87%。由于該布局“回”字狀的建筑排布方式,圍合式布局街谷中央為低風速區,街谷出風口為高風速區。搭配B3組團式配置時,氣流流經組團式內部逐漸衰減,平均風速降低最顯著,降低率為82.86%,平均風速0.47m/s和最大風速2.03m/s均為4種植物配置模式中的最低值。搭配B1行道樹式配置時,建筑與行道樹形成的線性風廊利于提升街谷內風速,因此其平均風速降低最不顯著,降低率為72.29%,平均風速(0.76m/s)在4種模式最高。

增加植物配置的錯列式布局平均風速區間為0.65-0.85m/s,相比無植物配置時降低71.78%。由于該布局前后交錯的建筑排布方式,街谷進風口與街谷中央、下排建筑背風向均為低風速區,街谷出風口為高風速區。搭配S4行道樹與組團式結合配置時,氣流流經植物組團形成局部環流,部分氣流滯留于組團內部,或被行道樹阻滯,導致街谷內平均風速(0.71m/s)降低最顯著,降低率為73.60%。搭配S1行道樹式配置時,行道樹加強街谷線性風廊的通風效果,使得S1平均風速(0.85m/s)降低最不顯著,降低率為68.31%。

增加植物配置的行列式布局平均風速區間為0.69-0.96m/s,相比無植物配置時降低69.85%。受建筑行列排布影響,街谷進風口為低風速區,出風口為高風速區。與錯列式布局類似,搭配R4行道樹與組團式結合配置時,街谷內平均風速降低最顯著,降低率為73.56%,平均風速0.73m/s和最大風速2.82m/s均為4種配置模式中最低值。搭配R2散點式配置時,氣流因受前排植物的阻擋在街道入風口形成低風速區,隨后流經散點種植區域形成小型渦流且流速降低,后二次加速流出街谷,導致街谷內平均風速降低最不顯著,降低率為65.33%,平均風速0.96m/s和最大風速4.11m/s均為4種模式中最高值。

3.4 典型淺街峽谷及植物配置模式下花粉濃度特征

為對比相同氣象條件下、不同街谷和植物配置模式下的花粉濃度,參數化模擬15種典型場景的花粉濃度(圖4),計算各場景平均花粉濃度、花粉濃度降低率(表5)。

表5 典型淺街峽谷建筑布局和植物配置模式下的花粉濃度比較Table 5 Comparison of pollen concentrations under typical shallow street canyon building layout and plant configuration patterns

圖4 15種典型場景花粉濃度分布圖Fig.4 Pollen concentration distribution map for 15 typical scenarios

圍合式布局的氣傳花粉主要在街谷中央聚積。該布局平均花粉濃度高,為542粒/1000mm2,其中B3組團式配置濃度最高571粒/1000mm2,B1行道樹式配置濃度最低516粒/1000mm2?？紤]為在低風速作用下,B3內部形成局部環流,促使花粉聚積于街谷低風速區,導致局部花粉濃度增大。而B1風速相對較高,加快花粉飛散至街谷之外,有效降低街谷內部花粉濃度。

行列式布局的氣傳花粉主要在植物組團內聚積,也有部分沿風廊飛散。該布局平均花粉濃度居中,為447粒/1000mm2,其中R4行道樹與組團式結合配置濃度最高463粒/1000mm2,R3組團式配置濃度最低440粒/1000mm2?？紤]為R4街谷內植物密度大且間距小,街谷內氣流流速衰減較快,行道樹形成的線性風廊雖加速街谷中心的花粉飛散和氣流流通,但易導致花粉聚積于街谷兩側植物組團內。相比之下,R3整體風速較高,氣流流速衰減較慢,利于花粉隨高風速氣流飛散至街谷外。

錯列式布局的氣傳花粉主要聚積在建筑中央背風側,也有部分沿風廊飛散。該布局平均花粉濃度最低,為412粒/1000mm2,其中S2散點式配置濃度最高426粒/1000mm2,S1行道樹式配置濃度最低403粒/1000mm2。結合風場模擬特征來看,S2平均風速降低率略低于S4,但花粉濃度高于S4,考慮原因為S2最大風速低于S4,S4中的花粉隨局部高速氣流飛散至街谷外,與之相比S2整體風速均勻平緩,花粉聚積沉降在植物間隙內。S1行道樹式配置形成線性風道導致街谷整體風速增大,加快花粉飛散至街谷之外,從而降低內部花粉濃度。

3.5 典型淺街峽谷布局及植物配置模式下花粉飛散特征

對場景特定位置進行剖切,輸出x方向和y方向上花粉濃度與飛散距離關系圖(圖5、6、7)。圖中花粉濃度受街谷布局和植物配置影響整體變化曲線呈“M”形。

圖6 圍合式布局花粉濃度與飛散距離關系圖Fig.6 The relationship between pollen concentration and dispersal distance in the layout of the back-shaped building各飛散距離關系圖曲線均對應圖4場景B0花粉濃度分布圖示剖切位置

圖7 錯列式布局花粉濃度與飛散距離關系圖Fig.7 The relationship between pollen concentration and dispersion distance in staggered building layout各飛散距離關系圖曲線均對應圖4場景S0花粉濃度分布圖示剖切位置

行列式布局中,迎風側花粉濃度曲線從花粉源向外波動下降至300-400粒/1000mm2,隨后直線降低至低濃度(0-100粒/1000mm2),飛散距離約35-45m;背風側花粉濃度曲線先快速下降至中濃度,隨后上升出現二次波峰,R1、R2的峰值(200-300粒/1000mm2)谷值(100-200粒/1000mm2)相對較低,R3、R4的峰值(300-400粒/1000mm2)谷值(100-300粒/1000mm2)相對較高,且曲線末端穩定降至低濃度的飛散距離較遠約65-75m,花粉主要沿街谷向外飛散,部分聚積在群落與建筑之間。其中,R3花粉濃度降至低濃度水平所需飛散距離,在迎風側約40m,背風側約73m,街谷中央風廊風速高,向街谷外的飛散效果好。R4花粉濃度降至低濃度水平所需飛散距離,在迎風側約35m,背風側約65m,相對較近,考慮為行道樹式和組團式結合配置使街谷內部風速減緩,花粉濃度消減效率低。

圍合式布局中,迎風側花粉濃度曲線從花粉源波動下降至400-500粒/1000mm2,隨后直線降低至低濃度(0-100粒/1000mm2),飛散距離較近,約28-45m;背風側花粉濃度先快速下降至波谷(200-300粒/1000mm2),隨后在距花粉源15-20m出現二次波峰(500-600粒/1000mm2),最終曲線末端下降至低濃度水平,飛散距離較遠,約55-60m,花粉主要聚積在街谷內部。其中,B3花粉濃度降低至低濃度水平所需距離,在迎風側約28m,背風側約55m,均近于其他配置模式,使得街谷內部花粉濃度高,外溢飛散少,街谷聚積沉降作用明顯。B1花粉濃度降至低濃度水平所需距離較遠,在迎風側約36m,背風側約58m,街谷內部花粉濃度低、飛散距離遠,相比其他配置模式的飛散效果好。

錯列式布局中,花粉濃度曲線向兩側遞減,隨后曲線末端呈水平波動,并穩定在中濃度區間內(100-300粒/1000mm2),迎風側降至中濃度水平的飛散距離較遠,約48-53m,背風側飛散距離較近,約20-30m,飛散過程中花粉部分聚積在建筑與群落間的低風速區。其中,S2花粉濃度降至中濃度水平背風側所需飛散距離約20m,距離最近,散點式植物配置的群落中央發揮了沉降消減作用。S1花粉濃度降至中濃度背風側所需飛散距離約32m,部分花粉滯留于群落內,其余花粉沿風廊向街谷外飛散。

4 討論

4.1 模型參數設置對模型性能的影響

在考慮淺街峽谷形態特征、氣象因素、花粉濃度、植物配置模式等眾多因素的基礎上,建立洋白蠟花粉的參數化模擬模型,并用實測花粉濃度數據對模型進行有效性校驗,相對誤差結果基本控制在30%左右。模擬過程中,主要關注了春季致敏植物洋白蠟的花粉濃度分布,并參考相關文獻簡化了街谷、建筑和植物形態。但考慮到不同開花時期花粉量存在差異,且實際街谷環境及內部植物空間復雜,所形成的環境小氣候均存在不同程度的差異[52]。因此,盡管本文建立的參數化模型能夠在一定程度上模擬淺街峽谷中的花粉飛散過程,但受原始觀測環境、花粉樣本采集時間、街道峽谷立體形態精度等限制,在模型構建過程中仍存在一定不確定性,也是影響模型驗證實測準確率的主要原因之一。

4.2 不同場景下的花粉飛散特征

研究結果表明花粉濃度的縱向分布受到建筑布局及植物配置模式影響,花粉高濃度區位于組團植物下部及風速較低、空氣流動性較差的區域,花粉低濃度區位于淺街峽谷風廊或者風速高、空氣流動性較好的區域。在圍合式布局中,花粉多聚積于植物群落與建筑構成的空間內,少量沿道路邊緣區域飛散,花粉濃度降低率整體較低,具體表現為組團式配置(7.31%)<散點式配置(12.01%)<行道樹與組團式結合配置(12.34%)<行道樹式配置(16.23%),因此圍合式建筑布局搭配組團式植物配置,盡可能將花粉沉降于群落內部,減少道路邊緣花粉飛散。在錯列式布局中,花粉聚積分布在植物群落下部,花粉濃度降低率相對較高,具體表現為散點式配置(20.52%)<行道樹和組團式結合配置(22.95%)<組團式配置(24.25%)<行道樹式配置(24.89%),因此錯列式建筑布局搭配散點式植物配置,盡可能將花粉沉降于群落內部;而搭配行道樹式植物配置,促進花粉飛散至街谷之外,盡可能降低街谷內部花粉濃度。在行列式布局中,花粉濃度降低率具體表現為行道樹與組團式結合配置(19.62%)<散點式配置(22.92%)<行道樹式配置(23.26%)<組團式配置(23.61%),該類建筑布局整體花粉飛散效果更優,植物組團會造成街谷內小范圍花粉聚積。

4.3 不同花粉濃度區域的綠地規劃建設策略

雖然使用非致敏性植物進行更新替換是減少花粉暴露風險、預防花粉過敏癥的最有效措施[53],但城市中已栽種的植物形成了良好的景觀環境和生態效益不容忽視,在已建成綠地的管理和更新優化過程中,不應對致敏植物進行機械式地更新替換。因此,可以考慮針對致敏植物種植集中的高花粉濃度區域,可優化道路布局、調整空間要素,盡量減少人群停留時間較長的活動場地布設。在附屬綠地建設時,規劃易于形成風廊的建筑布局,在上風口設置非致敏性植物形成隔離帶,控制致敏花粉在淺街峽谷內部的進出,以達到降低致敏風險的目的。此外,有關部門也可通過氣象預報、花粉預警、花粉科普宣傳等方式,提醒人們在高花粉濃度時期避免開窗通風,降低春秋季節的花粉暴露風險。

5 結論

基于北京市海淀區校園綠地春季觀測數據,提取3個采樣地街谷布局和植物特征參數提取,借助CFD平臺構建15個典型淺街峽谷布局及其植物配置模式參數化場景,模擬不同場景下的花粉飛散特征,得出以下結論:

(1)不同淺街峽谷建筑布局下,平均風速大小排序為行列式>圍合式>錯列式。增加植物配置后的圍合式、錯列式、行列式3種街谷內行人高度風速分別為0.47-0.76m/s、0.65-0.85m/s、0.69-0.96m/s。風速降低率表現為圍合式>錯列式>行列式,其中圍合式布局相比無植物配置時風速降低率最大為76.87%。4種植物配置模式中,組團式配置結合圍合式布局風速降低率最顯著,為82.86%。

(2)不同建筑布局和植物配置影響下,花粉的飛散和聚積區域不同,總體表現為:在建筑或植物背風側聚積,沿淺街峽谷風廊飛散?；ǚ蹪舛扔筛叩降瓦M行排序為圍合式>行列式>錯列式。錯列式布局搭配行道樹式配置花粉濃度降低率最高為24.89%,飛散效果相對更好。圍合式布局搭配組團式配置花粉濃度降低率最低為7.31%,聚積效果相對較好。

(3)不同建筑、植物和風場影響下,花粉的飛散距離不同,飛散距離大小排序為行列式>圍合式>錯列式。行列式需要約35-75m的飛散距離,圍合式需要約28-60m的飛散距離,錯列式需要約20-53m的飛散距離。從飛散角度看,圍合式布局不利于飛散,行列式布局有利于飛散,其中飛散效率好的是行列式布局搭配組團式配置,飛散效率低的是圍合式布局搭配組團式配置。從聚積角度看,行列式布局不利于聚積,錯列式布局有利于聚積,其中聚積效率好的是錯列式布局搭配行道樹和組團式結合配置,聚集效率低的是行列式布局搭配組團式配置。在綠地規劃設計時,可考慮根據應用場景選擇降低花粉濃度的植物配置模式,根據花粉飛散和聚積特征判斷綠地更新優化的側重點,為植物群落搭配及園林空間環境的營造提供參考。