防疫中人類活動和污染排放強度降低 PM2.5濃度削減

原標題：防疫中人類活動和污染排放強度降低 PM2.5濃度削減

原標題：防疫中人類活動和污染排放強度降低，PM2.5濃度削減

疫情防控與空氣質量變化有關系嗎？近日，清華大學吳燁、張少君團隊通過交通大數據動態追蹤北京、武漢、成都等重點城市交通排放量變化，揭示中國大城市新冠疫情防控期間交通排放與空氣質量變化規律。研究顯示，疫情防控，人類活動和污染排放強度降低，整體上削減城市PM2.5濃度，同時也證明，機動車污染控制將是今后中國大城市核心區空氣質量持續改善的重中之重。

城市不同疫情防控階段NO2濃度實際觀測值與無防控情景預測值的比較

新冠肺炎疫情爆發后，我國各地迅速啟動了突發公共衛生事件響應機制，人類活動和污染排放強度大幅降低。

該研究構建了時間序列機器學習模型，定量分析2020年1月至4月間新冠肺炎疫情防控對中國大城市空氣質量的整體影響。通過交通大數據動態追蹤重點城市交通排放量變化，解析交通部門采取的機動車管理措施是否會影響污染物變化。

研究團隊選擇北京、成都、上海、深圳、西安和武漢六個城市為研究對象，基于2015年至2020年（疫情爆發前）歷史氣象和空氣質量數據，構建時間序列隨機森林模型，實現對無疫情防控情景下城市尺度質量的定量預測。相比簡單對比或者化學傳輸模擬等傳統方法，該模型可以有效識別氣象短期波動對空氣質量變化的影響，避免排放清單構建帶來的高數據需求性和不確定性，適合對較長一段時期空氣質量變化的動態研究。

研究顯示，在防疫措施最嚴格的一級防控響應階段，六城市二氧化氮濃度比無疫情防控情景預測值降低36%至53%。深圳、成都和西安在解除一級防控響應后二氧化氮逐漸回升，4月底已經恢復到無疫情情景預測濃度90%以上的水平。北京和武漢在4月尚未解除一級防控響應，二氧化氮仍然顯著低于無疫情情景預測值。研究發現，疫情防控會導臭氧在北方城市（包括武漢）小幅上升，主要因為這些城市冬季多處于臭氧揮發性有機化合物控制區導致。

通過4個月較長期的動態追蹤，以北京為例，改進的隨機森林模型顯示疫情防控導致大氣氧化性增強，是1月底和2月中兩次短期特殊氣象（高濕、靜穩）條件下PM2.5污染加劇的主要原因；但由于排放整體大幅下降，北京市一級防控響應階段的PM2.5濃度比無疫情情景平均下降了42%。

北京全市和成都市區不同時段機動車NOx排放動態變化規律

研究進一步選擇中國機動車保有量最高的北京和成都為案例，借助擁堵指數、道路監控等智能交通大數據，構建了全路網機動車排放動態計算模型。結果顯示，疫情防控一級階段，北京和成都城市機動車排放量全時段下降，降幅達60%左右。成都在解除一級防控后（2月底），盡管高峰時段排放迅速回升，白天平峰和夜間時段交通排放仍然比疫情前期水平降低30%以上。耦合動態排放數據和隨機森林模型的研究結果顯示，一級防控響應階段機動車排放變化導致北京全市二氧化氮濃度降低20%至40%，成都核心區二氧化氮濃度降低50%至60%。新冠疫情防控的特殊時期案例分析揭示了，機動車污染控制將是今后中國大城市核心區空氣質量持續改善的重中之重。

目前，團隊相關成果已以論文形式發表于《環境科學與技術快報》。

責任編輯：李曉(EN035)