‘网格化’VOC走航策略漫谈

类似于VOCs治理的‘一企一策’，各地方的走航策略也需因地制宜，尽可能的‘接地气’。在前期精细化的排放清单准备之外，从上到下，从粗到细，抓大放小也是常用的参考思路。图1展示了某市区外环的一次快速走航中，耗时二小时十分钟（工作日下午3点到5点10分）获取的甲苯浓度分布图。结合走航路径，气象等信息，可粗略观察到高速路附近哪些区域是相对可疑，需要进一步排查高浓度排放点源。通过不同时段，同一路径的多次走航结果也会进一步提高上述判断的准确性。

图1，某市区外环快速走航（80+公里时速）获得的甲苯浓度（ppb）分布图。高度越高，颜色越红，表示对应点位甲苯浓度越高

第二步，在收集到需重点关注的园区清单，或有提前指定好的园区名称之后，制定‘本地化’且最有效率的走航轨迹图和时间表需主要考虑以下两个因素：走航网格覆盖率和走航频次。后者也可简单理解为一天走几次或几天走一次。举例来说，图2中显示了图1中‘某VOC热点区域’内部路径图。诚然，最理想的走航策略是在园区内所有路段进行不间断驾驶并测量，做到时间上和空间上的最大覆盖率。这虽然在未来是可能通过自动驾驶和快速充电技术得以实现，但在现阶段因技术资源所限或某些园区覆盖面积较大，实现起来相对困难。

图2，某VOC热点区域内‘网格化’路径图

那有没有可能只覆盖部分园区网格道路，结合相对可接受的走航频率，来达到对园区污染物排放信息的全面掌握？答案是肯定的。

知识点：在前期收集尽可能多信息的基础上，通过统计分析模型对信息进行整理分析，可优化走航策略，在发挥人力仪器效能，及掌控园区信息之间找到最佳平衡点。

美国德州大学奥斯丁分校的科学家们就做了这样的一次系统性实验。他们借助谷歌街景车在长达两年的时间内对加州奥克兰市区内的每条道路都进行了氮氧化物等污染物的详细测量（Environ.Sci. Technol. 2018, 52,21, 12563–12572）。随后他们利用土地使用回归模型‘Land use regression model’，对走航路径覆盖率和走航频率这两个参数进行了系统性的灵敏度分析。主要结论归纳如下：

·      相对于路径覆盖率，更高的走航频率可以更有效提升结果的准确性。而且根据他们的结果，每条街道只要能达到最低4次（总时长满足最低要求）的走航次数，相对于几十次乃至更多次的结果已经偏差不大

·      针对路径覆盖而言，把外围高速公路和内部主干道包含在内，就已经可以达到跟覆盖到每条街道类似的结果

·      精确来说，覆盖奥克兰市区30%的道路，以及在每条道路上有不同时段总共约5小时长1赫兹监测数据的话，就可以跟理想模型结果有比较好的符合（R²~0.45）。

图3，如何优化走航策略：部分路径覆盖率和满足最低要求的走航频率（版权归美国化学会所有）

值得注意的是，上述结论与奥克兰市区的地形较为平坦，人口分布相对平均，常年稳定的西风主导风向，以及市区周边尤其是上风向没有大型排放点源等特征息息相关。与此同时，国内工业园区更加复杂的产业种类，无组织排放的频率及浓度较强和复杂气象条件等都会给上述的走航策略优化过程添加了额外的变量。但还是可以依照下面的参考意见进行走航测量方案的迭代优化。

1.    ‘把书读厚’：走航部署第一阶段，尽可能的高强度高密度走航，获取在不同变量影响下的区域VOCs浓度分布和相关污染物数据

2.    ‘再把书读薄’：采用土地利用回归模型或者类似模型，对常规走航路径和走航频率进行初步优化。

3.    ‘多读课外书’：第二阶段在采取优化之后的走航策略之余，也要不定期的对剩余路段和其他时段进行走航测量，作为模型结果验证。

4.    ‘定期复习’：在十四五期间对VOCs的重点关注这个大前提下，园区VOCs的污染情况预计会呈逐渐好转的大体趋势，需要定期对园区全路段和全时段进行系统性的复查，对走航策略进行迭代型优化。

5.    ‘用好工具书’：借助园区越来越普及的监控网络以及智慧园区平台等，也可以对优化走航起到辅助作用。