COVID-19疫情期間全球氣溫和主要大氣污染物濃度變化的空間關聯

易嘉慧 ，何超，楊璐 ，葉志祥 ，田雅 ，柯碧欽 ，慕航 ，涂佩玥，韓超然 ，洪松 *

1.武漢大學資源與環境科學學院，湖北 武漢 430079；2.武漢大學/地理信息系統教育部重點實驗室，湖北 武漢 430079；3.長江大學資源與環境學院，湖北 武漢 430100；4.湖北大學資源環境學院，湖北 武漢 430062

2020年3月11日世界衛生組織將COVID-19疫情評估為“全球大流行”，此次“大流行”對人類社會造成了災難性的影響（趙宗慈等，2021）。截至 2021年 11月 29日，全球已累計26175萬人口確診感染 COVID-19（網址：https://www.who.int/emergencies/diseases/novelcoronavirus-2019）。在 COVID-19疫情背景下，各國陸續采取強制隔離等控制措施來減少人員的流動，從而切斷病毒的傳播鏈，這些措施減少了化石燃料和交通工具的使用，從而較少了各類污染物的排放（Rupani et al.，2020），使得全球氣候和環境得到改善（Usman et al.，2021）。中國、韓國、日本和印度 PM、NO2、CO、O3等污染物濃度與往年相比顯著下降，總體上空氣污染減少（Hu et al.，2021）。同時，2020年上半年全球 CO2排放量比 2019年同期減少 8.8%（Liu et al.，2020）。研究表明，CO2和污染物減排對氣溶膠產生的影響會改變全球的地表溫度（Gettelman et al.，2021）。2020年，全球各城市采用了不同程度的封鎖措施以控制疫情，各國大氣污染物的減排幅度是空前的，使一般情況下難以進行的研究具有了可能性（Venter et al.，2020）。在此期間，人類社會生產活動的環境影響及其與氣候變化的關系成為學界關注的話題。

近來，國內外學者對疫情期間的大氣污染物和氣候變化進行了大量研究。例如，南京市采取緊急封鎖措施后，PM2.5濃度下降了 41.2%（紀源等，2021）；疫情期間中國華東地區 NOx濃度先降低后升高（Zhang et al.，2020）；德里和孟買封鎖期間（2020年3月25日—4月15日）與封鎖前（2020年3月1—24日）相比，PM10、PM2.5、和 NO2分別降低 55%、49%和 60%（Kumari et al.，2022）。研究發現不僅在局部地區，全球范圍內 PM2.5、NO2等污染物濃度受封鎖措施影響有大幅變化（Heyd，2021）。氣候問題也隨著新冠疫情的研究浮出水面，學者們開始著眼于疫情對氣候變化的影響（Zang et al.，2021）；國內學者指出了疫情、氣候聯防聯控的重點和難點（朱松麗，2020）。

雖然各國學者研究了 COVID-19流行期間不同地區大氣污染物濃度變化、氣候變化及其影響因素，但是仍然存在以下問題：（1）諸多研究只分析了全球部分國家和地區的污染物或者氣溫等變化，鮮有研究從全球范圍的變化特征著手；（2）對于全球氣溫和大氣污染物之間的時空關系，未見報道。本文運用 2015—2020年全球氣溫和城市大氣污染物濃度監測數據，采用空間統計分析和雙變量空間自相關分析方法，比較全球各地區氣溫變化、污染物濃度變化，研究兩者之間的時空關系，對于制定時空協同耦合的氣候變化與空氣污染防控政策措施具有較大的參考價值。

1 數據來源與研究方法

1.1 研究區域

本文從洲際尺度開展研究，分為 6個區域：亞洲（東亞、南亞、西亞、東南亞、中亞和北亞）、歐洲（東歐、南歐、西歐、中歐和北歐）、北美洲、南美洲、非洲和大洋洲，如圖1所示。由于南極洲人為排放的影響范圍僅局限于研究站和往來船只周圍的小區域，遠遠小于其他大陸（Wolff，1992；Hughes et al.，2020），本文未將南極洲列入研究范圍。截至 2021年 11月 6日，亞洲和歐洲分別有8182萬和7294萬人口確診，遠高于其他區域，本文將其劃分為不同的地理亞區（圖1）。

本文將 2020年的數據與 2015—2019年同期數據進行對比研究。最早施行嚴格疫情防控封鎖措施的地方是以湖北省為代表的中國（姬楊蓓蓓等，2020；李婷慧等，2020），故以北京時間為標準。He et al.（2021）通過對577座城市封鎖時間的統計，發現其中75%的城市在3月采取封鎖措施，50%的城市 5月結束封鎖，故確定大規模封鎖時間為2020年3—5月。本文將2015—2020年的3—5月稱為Q1時間段，1—2月稱為Q2時間段。

1.2 數據來源

2015—2020 年 1—5 月全球 0.1°×0.1°的 2 m 氣溫數據來源于歐洲中期天氣預報中心（ECMWF，網址：https://cds.climate.copernicus.eu/），為全球每月 1521302個氣溫有效格點再分析數據。該數據集為模型數據與觀測數據結合分析得到的完整全球格點數據，已經被全球眾多學者應用于各方面的研究。2015—2020年1—5月全球430個主要城市的 3種主要大氣污染物（NO2、PM2.5和 O3）逐日濃度數據來源于世界空氣質量開放數據平臺（WAQI，網址：https://aqicn.org/data-platform/covid19/verify/），從全球 1000多個重點城市的12000個地面監測站數據中整理而來。430個主要城市中只有部分城市符合各大氣污染物濃度數據要求，其中 NO2、PM2.5和 O3樣本城市數分別為376、345和355座。每座城市的數據均為多個監測站點的平均數據，所有質量濃度單位轉換為美國 EPA 標準（單位為 μg·m?3）。2020年 3—5月采取封鎖措施的城市為 404個，詳見圖1。出于數據匹配度考慮，目前只能獲取 2015—2020年全球空氣質量數據，所以全球氣溫數據使用同期數據。

圖1 全球城市空氣質量監測點示意圖Figure 1 Diagram of global urban air quality monitoring sites

1.3 數據預處理

根據公式（1）將ERA5-Land數據中全球2 m原始氣溫數據的開爾文溫度（K）轉化為攝氏溫度（℃），之后修正偏高氣溫 0.66 ℃的系統誤差（Pelosi et al.，2020）。對原始大氣污染物濃度數據進行預處理：首先，剔除每日值≤0的數據和缺失數據；其次，排除因數據缺失導致當月監測時間少于 27天的月份；最后，刪除每日大于 1000的異常值（Guo et al.，2017）。

式中：

t——攝氏溫度（℃）；

T——絕對溫度（K）。

1.4 年內變化和年際變化

通過對比不同時間段的氣溫和污染物濃度的年內變化數據，分析疫情封鎖期間對氣溫和污染物濃度的影響，計算公式如公式（2）（3）所示：

其中：

xim——i月平均氣溫（污染物濃度）；

XQ——某時段（Q1、Q2）月均氣溫（污染物濃度）；

t1,2,3…——每日氣溫（污染物濃度）數據；

n——該月天數；

m——某時段月份數。

將2020年Q1時段數據和2015—2019年同期值對比，獲得疫情期間大氣成分濃度的定量變化，計算公式如（4）所示：

式中：

?XQ——2020年某時段平均氣溫/污染物濃度的年際相對變化；

X2015?2019——2015—2019 年基準氣溫/污染物濃度；

X2020——2020年氣溫/污染物濃度；

?XQ>0表示 2020年相對前 5年同期觀測值升高；?XQ<0表示 2020年相對前 5年同期觀測值降低。

將 2020年 Q1時段污染物數據與預期值（多年線性外推得到）對比，得到大氣污染物在疫情期間的整體濃度變化情況，計算如（5）所示：

式中：

y2020——2020年年平均污染物濃度預測值；

x——年份；

a、b——根據前5年污染物濃度值確定的系數。

1.5 雙變量全局空間自相關

空間自相關分析可以定量分析事物間的關聯程度（Tobler，1970；沈中健等，2021）。Anselin（1995）在 Moran’sI指數的基礎上提出了雙變量空間自相關分析，該分析可以有效描述兩個變量之間空間分布的空間關聯與依賴特征（徐冬等，2019）。本文利用雙變量全局空間自相關（Bivariate Moran’sI），分析氣溫和大氣污染物濃度之間的空間關聯特征，具體表達式如公式（6）。關于雙變量全局空間自相關的所有計算過程均在GeoDa軟件（網址：https://geodacenter.github.io/download.html）中進行。

式中：

I——自變量與因變量之間的全局空間相關系數；

S2——所有樣本的方差；

n——空間單元的數量；

Wij——基于K鄰接關系法自行建立的空間距離權重矩陣；

xi、yj——自變量與因變量在不同空間單元i、j的數值。其中，I∈[?1, 1]，表示空間單元i的自變量xi和空間單元j的因變量基于空間權重的空間分布相關性，I>0表示兩者呈空間正相關性，I<0表示兩者呈空間負相關性。

2 結果與分析

2.1 全球氣溫時空變化

表1為 2015—2020年不同時段（Q1、Q2）的平均氣溫對比統計表。2020年Q1時段平均氣溫為8.56 ℃，相對基準值（2015—2019年）上升0.24 ℃，相對2019年下降0.0007 ℃；Q2時段平均氣溫為 0.13 ℃，相對基準值上升 0.67 ℃，相對 2019年上升 0.99 ℃。可以看出 2020年 Q1時段全球氣溫有下降趨勢，這與 Forster et al.（2020）估計的 COVID-19疫情封鎖會直接導致全球氣溫下降 0.01 ℃相符。2020年 Q1時段的全球氣溫在空間分布上存在顯著差異（圖2）。COVID-19封鎖期間（2020年 Q1時段）氣溫相對基準值顯著升高的區域主要分布在中亞、東歐和北亞以及西歐地區，氣溫變化值分別為 1.72、1.70和 1.26 ℃，此外，其他區域氣溫升高趨勢不顯著，非洲升溫幅度最小，為 0.01 ℃。2020年 Q1時段氣溫顯著降低的區域主要集中分布在西亞、南亞、北美洲、北歐、中歐和大洋洲，其中南亞年均氣溫下降幅度最大（?0.93 ℃），北歐（?0.64 ℃）次之。

圖2 全球2020年Q1時段相對2015—2019年同期平均氣溫變化圖Figure 2 Global average temperature changes in 2020 compared to those in Q1 period of 2015 to 2019

表1 全球2015—2020年Q1、Q2時段平均氣溫對比分析Table 1 Global average temperature and its changes during Q1 and Q2 from 2015 to 2020 ℃

2.2 全球主要大氣污染物濃度時空變化

表2為 2015—2020年全球主要污染物（PM2.5、NO2和 O3）濃度對比統計表。疫情封鎖期間（2020年Q1時段）全球PM2.5和NO2質量濃度相對基準值分別下降 9.39 μg·m?3和 3.29 μg·m?3，O3濃度上升 1.94 μg·m?3。該時段 PM2.5、NO2和 O3濃度與基準值相比，相對變化率分別為?16.41%、?29.73%和 7.92%，PM2.5、NO2的變化幅度比O3更加顯著。2020年Q2時段 PM2.5、NO2和 O3濃度與基準值相比，相對變化率分別為?12.47%、?17.60%和 3.98%，變化幅度明顯小于2020年Q1時間段與基準值的，這說明2020年Q1時段的封鎖措施導致全球PM2.5和NO2污染物濃度大幅降低，O3濃度相對上升，這與 Venter et al.（2020）的研究結論一致。

表2 2015—2020年Q1、Q2時段各污染物（PM2.5、NO2和O3）濃度對比統計Table 2 Concentration changes of pollutants (PM2.5, NO2 and O3) during Q1and Q3 period from 2015 to 2020 μg·m?3

從圖 3a、c和 e可知，全球 Q1時段 PM2.5、NO2、O3平均地表濃度在 2015—2019年呈緩慢上升趨勢。通過對 2015—2019年 Q1時段各污染物的濃度數據進行一元線性擬合，得到該時段各污染物濃度變化的線性趨勢，同時進行多年線性外推，計算出各污染物 2020年 Q1時段預期質量濃度分別為 54.34、10.31、77.49 μg·m?3，而各污染物實際質量濃度均低于預期值，分別變化?6.52、?2.53、?51.05 μg·m?3。從空間分布來看，圖 b、d、e顯示，與基準值相比，88%的重點城市（345座城市中的 303座城市）PM2.5質量濃度在 2020年 Q1時段降低，平均下降 11.34 μg·m?3；95%的城市（376座城市中有359座城市）NO2質量濃度降低，平均下降 3.54 μg·m?3。盡管全球 O3濃度低于預期值，但全球65%的城市（355座城市中有229座城市）O3濃度增加。PM2.5（?22.40 μg·m?3）、NO2（?6.42 μg·m?3）質量濃度下降幅度最大的區域均為南亞，O3質量濃度上升幅度最大的是西亞（3.97 μg·m?3）。以南亞和北歐為代表，兩區域PM2.5和 NO2質量濃度在 3—5月變化趨勢相當，南亞 3—5月 PM2.5質量濃度分別變化?19.11、?26.47、?21.60 μg·m?3，北 歐 NO2分別 變 化?3.38、?4.08、?3.73 μg·m?3。而 O3濃度呈現較大時空差異，大部分區域 3—5月 O3質量濃度升降情況不一，其中歐洲地區濃度上升 2.61 μg·m?3，亞洲和北美洲分別下降 0.93 μg·m?3和 1.96 μg·m?3。但升高幅度普遍較大，導致全球 3—5月O3質量濃度整體上升。總而言之，疫情封鎖期間，全球城市 PM2.5和 NO2濃度普遍下降，O3濃度變化情況相對而言較為復雜。PM2.5和 NO2呈現出較好的時間連續性，而空間上存在一定差異。東亞、南亞和東南亞 PM2.5濃度下降幅度最大；除西亞 NO2下降幅度較大，其他區域下降幅度基本持平；O3濃度變化呈現較大時空差異，歐洲顯著增加，亞洲和北美洲顯著下降。

圖3 2020年Q1時段全球大氣污染物（PM2.5、NO2和O3）濃度變化Figure 3 Changes of global atmospheric pollutant (PM2.5, NO2 and O3) concentration in Q1 of 2020

2.3 全球氣溫和大氣污染物的空間關聯

分9個區域研究全球氣溫與大氣污染物的空間關聯情況。通過對 2020年與 2015—2019年 Q1時段全球城市氣溫變化值與污染物濃度變化值進行相關分析，得到各區域不同污染物的雙變量Moran’sI值，結果如圖4所示。根據區域2020年Q1時段氣溫變化情況，發現該時段亞洲、北美洲和歐洲部分地區（中歐和東歐）氣溫相對基準值升高，而北歐、南歐和西歐氣溫相對基準值降低。

各區域氣溫變化情況不同，且各污染物質量濃度與氣溫的空間相關性錯綜復雜。由圖4可知，除北美洲和南亞地區外，其他區域 PM2.5和NO2濃度相對基準值均下降，O3濃度相對基準值均上升。2020年 Q1時段降溫區域中，北美洲PM2.5（?3.84 μg·m?3）、NO2（?2.46 μg·m?3）和O3（?1.95 μg·m?3）濃度相對基準值均下降，氣溫與各污染物均呈空間正相關關系，其中與 NO2呈顯著空間正相關（0.159）；南亞和北美洲的污染物濃度變化情況相似，且氣溫與 NO2呈顯著空間正相關（0.219），但與 PM2.5（?0.049）、O3（?0.013）呈不顯著空間負相關；東亞（?0.240）和中歐（?0.411）PM2.5與氣溫呈顯著空間負相關，西亞（?0.224）、中歐（?0.275）和東歐、北亞地區（?0.307）NO2與氣溫呈顯著空間負相關。2020年 Q1時段升溫區域中，西歐（0.284）、北歐（0.558）、南歐（0.406）O3與氣溫均呈顯著空間正相關關系；西歐（?0.187）NO2與氣溫呈顯著空間負相關，北歐（0.192）和南歐（0.151）NO2與氣溫呈顯著空間正相關；西歐（0.099）、南歐（?0.105）和北歐（0.041）PM2.5與氣溫均呈不顯著空間相關關系。綜上所述，疫情期間各區域氣溫與 PM2.5和 NO2空間相關關系存在較大時空差異，不同區域呈現不同空間相關關系，NO2與氣溫空間關聯更為緊密；相對而言，O3與氣溫空間關聯性最強，降溫區域 O3和氣溫均呈顯著正相關關系，升溫區域 O3和氣溫均呈不顯著相關關系。

圖4 全球氣溫變化和各污染物濃度變化的空間關聯情況Figure 4 Spatial correlations between global temperature changes and concentration changes of various pollutants

3 討論

3.1 全球氣溫和大氣污染物變化分析

本研究系統分析了疫情封鎖期間（2020年 Q1時段）全球氣溫變化和主要大氣污染物濃度變化。相比2015—2019年，全球2020年Q1時段氣溫上升 0.24 ℃，相比 2019年，全球 2020年 Q1時段氣溫下降 0.0007 ℃。各區域氣溫變化情況存在顯著空間差異。中亞、東歐和北亞地區地廣人稀，且地處中高緯度地區，遠離海洋，氣溫受自然因素影響較多，故疫情期間相對其他區域升溫幅度最大。南亞和北歐年均氣溫下降幅度較大，可能是因為亞歐大陸對非自然因素較為敏感，因此對短時間大量減排（Fuentes et al.，2020）作出響應，也可能是受到洋流影響（Wang et al.，2021）。

2020年 Q1時段各類污染物濃度變化存在明顯規律和時空差異。隨著全球經濟發展，2015—2019年全球 PM2.5、NO2和 O3濃度呈波動上升，但2020年均低于預期濃度值，這可能與2020年全球經濟低迷有關。但 2020年 Q1時段 PM2.5（?16.41%）、NO2（?29.73%）和 O3（7.92%）濃度變化率明顯大于同年 Q2時段，說明 Q1時段的污染物濃度變化是疫情期間的封鎖措施抑制了工業、發電廠和機動車的排放所致（Li et al.，2017；臧星華等，2015）。而在 2020年 Q1時段，PM2.5（?9.39 μg·m?3）、NO2（?3.29 μg·m?3）質量濃度大幅下降，O3（1.94 μg·m?3）相對上升，這可能是大氣中的 PM2.5濃度下降，削弱了氣溶膠中氫過氧自由基（HO2）的吸收，增強太陽輻射，加速光化學反應速率，使O3濃度顯著增加（Lu et al.，2020）。空間上，亞洲東部和南部 PM2.5濃度集中大幅度下降，原因可能是東亞和南亞人口眾多，封鎖措施的實施效果顯著；北美洲和歐洲PM2.5濃度下降幅度較小，原因可能是當地封鎖措施較晚，落實不夠徹底。NO2濃度變化空間差異不顯著，各區域污染物變化量相當。值得注意的是，各區域 PM2.5和 NO2濃度變化在 3—5月呈現出較好的時間連續性，而 O3濃度變化時空差異很大，歐洲地區普遍上升，亞洲和北美洲普遍下降，體現了局部O3濃度變化的復雜關系。

3.2 全球氣溫和大氣污染物的空間關聯分析

探索疫情封鎖期間各區域 PM2.5、NO2和 O3濃度變化和氣溫變化的空間關聯特征發現，各污染物和氣溫的空間關聯性由強到弱依次為 O3、NO2和 PM2.5。這與諸多研究結論相吻合，謝祖欣等（2020）認為 O3與氣溫具有較強的相關性；繆明榕等（2020）研究發現 NO2與氣溫存在顯著相關關系；呂桅桅等（2018）認為 PM2.5與氣溫的相關關系并不顯著。

由于 PM2.5、NO2和 O3濃度變化對氣溫影響不同（Forster et al.，2020），加上區域間不同的人文和自然條件，疫情封鎖期間各區域氣溫與污染物的空間關聯性不同。在降溫區域中，氣溫在短期內產生了降低趨勢，可能是局部大氣污染物減排對溫室氣體減排存在協同效益造成（毛顯強等，2021），大氣污染物和溫室氣體的協同減少使氣溫降低；同時，各類污染物變化引發氧化劑-氣溶膠-前體物的相互作用，導致大氣成分顯著變化，其綜合作用使氣溫下降，其中以NOx和O3濃度降低的降溫效應為主導，即 NOx排放的減少降低對流層 O3濃度，導致氧化能力降低，氣溶膠有效半徑增加，產生負輻射強迫（Weber et al.，2020），使局部氣溫下降。降溫區域中，各區域氣溫和 O3均為不顯著空間相關關系，原因可能是各區域溫室氣體協同減排，對氣溫與 O3的相關關系造成影響。各區域中只有南亞（0.219）和北美洲（0.159）氣溫與 NO2呈顯著空間正相關關系，2020年Q1時段兩區域PM2.5、NO2和O3濃度均下降。其中，南亞地區疫情封鎖措施落實徹底，人口密度大，除工業、交通等行業受到限制，諸多城市居住流動性指數下降幅度遠超其他區域城市（He et al.，2021），造成 NO2質量濃度（?4.01 μg·m?3）大幅下降，這也造成南亞地區 O3質量濃度 （ ?3.09 μg·m?3）的下降（ Girach et al.，2021）；北美洲有全球最大貿易國，疫情封鎖對其外貿影響不可小覷，這也導致 NO2質量濃度下降（?2.46 μg·m?3），同時由于封鎖期間北美洲諸多城市處于春季且濕度較高，O3生成受抑制（Conley et al.，2018），區域O3質量濃度（?1.96 μg·m?3）下降。因此，在 O3濃度降低情況下，南亞和北美洲氣溫有降低趨勢，而 NO2濃度降低同時促進降溫（Weber et al.，2020），氣溫和 NO2濃度呈現顯著空間正相關。降溫區域的其他區域中，PM2.5和NO2濃度下降，O3濃度上升，此時降溫的主導原因可能是溫室氣體的協同減排，各污染物對大氣的相互作用不明顯，污染物與氣溫的空間相關性符合一般規律。東亞（?0.24）和中歐（?0.411）的氣溫和 PM2.5呈顯著空間負相關，這與黃小剛等（2021）對氣溫和 PM2.5的研究結果相印證；同時，中歐（?0.275）、西亞（?0.224）和東歐（?0.307）的氣溫和 NO2也呈顯著空間負相關，這與倪超等（2018）的研究結果相符。在升溫區域中，區域升溫的主要原因可能與全球氣候變暖的大趨勢有關，同時 O3濃度的增加也起到了主導作用。北歐、南歐和西歐三區域由于疫情封鎖期間，采取封鎖措施較晚，部分城市四月才開始封鎖，且僅采取了宵禁等措施，因此 PM2.5、NO2濃度下降幅度較小，與氣溫的相互效應不大，同時 O3濃度上升，與氣溫呈同步上升趨勢，故北歐（0.558）、南歐（0.406）和西歐（0.284）氣溫和 O3均呈顯著空間正相關，與韓余等（2020）的研究結果一致。

本研究在全球氣溫和污染物濃度間進行空間關聯性分析時，只采用了5年的數據量，數據量稍顯不足。在后續的研究中可以延長時間序列，進一步分析疫情期間的氣溫變化情況，以保證研究的精確量化。同時，針對氣溫和污染物空間關聯的機理問題，未來可采用多種模型進行探索驗證。

4 結論

（1）全球氣溫 COVID-19疫情封鎖期間比2015—2019年同期升高了 0.24 ℃；其中，中亞（1.72 ℃）、東歐（1.70 ℃）和北亞地區（1.70 ℃）2020年年均氣溫增幅最大；南亞（?0.93 ℃）和北歐（?0.64 ℃）年均氣溫降幅最大。

（2）全球PM2.5和NO2質量濃度COVID-19疫情封鎖期間比2015—2019年同期分別下降16.41%和 29.73%，O3升高 7.92%。南亞 PM2.5（?22.40 μg·m?3）和 NO2（?6.42 μg·m?3）降幅最大；O3變化存在顯著空間差異，歐洲（2.61 μg·m?3）為增長趨勢，亞洲（?0.93 μg·m?3）和北美洲（?1.96 μg·m?3）為下降趨勢。

（3）COVID-19疫情封鎖期間，主要大氣污染物與氣溫的空間關聯性由強到弱依次為 O3、NO2、PM2.5，升溫區域氣溫與 NO2呈顯著空間正相關，降溫區域氣溫與 O3呈顯著空間正相關，PM2.5和NO2濃度大幅下降時，當地氣溫有下降趨勢。