廣州市大氣污染物對新冠疫情管控的響應

陳漾 張金譜

摘 要：為評估極端污染減排情境下廣州市大氣污染物的響應特征，結合氣象要素和出行指數，分析了2020年新冠疫情停工前后大氣污染物時空變化特征。2020年疫情停工期（1月24日—2月9日）氣象條件與2017—2019年同期相比，大氣水平擴散條件未見顯著性差異，濕清除條件較好，生成O3的光化學反應條件較差，NO2、PM10、PM2.5、SO2和CO濃度達2017年以來同期最低值，O3濃度則處于2017年以來的次低值。相似氣象條件下，全市6項大氣污染物在停工期的濃度均比停工前和復工期低。其中，NO2、PM10和PM2.5對疫情管控的響應較靈敏，SO2和CO的響應較弱；由于受氣象條件和氣態前體物的共同作用，O3濃度在停工前后的變化顯得較為復雜，變化幅度較小。城區大氣污染物對管控的響應比郊區大，而在大氣污染排放較為集中的工業園區，響應比城郊區更加靈敏。對嚴控措施響應較敏感的污染物NO2和PM10，其濃度均與出行強度/風速的相關系數分別為0.87和0.74，呈現較強的正相關關系。

關鍵詞：新冠疫情；大氣污染物；出行強度；廣州市

中圖分類號：X51? ? ?文獻標志碼：A? ? 文章編號：1673-9655（2023）01-0-07

0 引言

2020年初在湖北武漢暴發了新冠肺炎病毒疫情（COVID-19），該病毒具有傳播性強，擴散速度極快的特點。為阻斷新冠疫情傳播和蔓延，大部分國家和地區均采取封鎖手段嚴格控制交通和人流，社會經濟活動顯著降低，甚至處于暫停狀態。相比于重大會議賽事間實施的臨時管控，本次疫情管控力度更大，時空范圍更廣，堪為史上最嚴管控，極大地削減了大氣污染物的人為排放，對環境空氣質量產生很大影響[1-3]。本次疫情為研究管控減排和大氣污染物的關系提供了契機，不同地區大氣污染物對疫情管控的響應情況各有不同。在疫情爆發最嚴重的武漢地區，陳楠等[4]發現疫情管控期間，NO2和PM2.5比去年同期下降了53.2%和25.1%，但 PM2.5濃度低值主要集中在風速較大、擴散較好的時段，其他時段 PM2.5濃度下降并不明顯，而O3卻顯著高于去年同期16.5%。徐超等[5]發現廈門灣城市群在疫情嚴控期間SO2、NO2、CO、PM10和PM2.5分別下降6%～22%、53%～70%、34%～48%、47%～64%和53%～60%，而O3濃度變化沒有一致的規律性；復工復產后，NO2的反彈幅度最大（38%～138%）。Xin等[6] 通過綜合分析和建模，對中國東部在疫情嚴控期間出現的幾次重度霧霾污染的反常現象進行研究，發現疫情嚴控期間的霧霾是由二次污染的增強驅動的；疫情嚴控措施使得移動排放源驟然減少，氮氧化物排放量隨之大幅減少，卻增加了O3和夜間NO3自由基的形成，增強了大氣氧化能力，因此促進了二次顆粒物的形成。

為探討廣州市大氣污染物對新冠疫情管控的響應，本研究對比2020年停工期（1月24日至2月9日）與2017—2019年同期的氣象條件和6項大氣污染物（SO2、NO2、PM2.5、PM10、O3和CO）濃度水平，為消除氣象影響，選擇相似氣象條件下的時段來探索停工前后污染物的時空響應特征，此外，本研究還探討了受疫情影響最大的NO2和PM10這兩項大氣污染物與出行強度/風速的關系。研究成果有助于了解在極端污染減排情境下廣州市大氣污染物的響應特征，并能為制定相應的空氣污染治理措施提供一定的參考。

1 數據與方法

1. 1 數據來源

本研究中的SO2、NO2、PM2.5、PM10、O3和CO這6項大氣污染物數據均來自廣州市51個空氣質量自動監測點的監測數據，統一為實況數據。風速、氣溫、降雨量、濕度、氣壓等氣象要素數據來源于廣州市氣象臺。2020年1—3月每日出行強度數據由百度地圖智慧交通網站（https：//jiaotong.baidu.com/）獲得。本研究的出行強度是指該城市有出行行為的人數與該城市居住人口比值的指數化結果。

1. 2 評價與計算方法

大氣污染物的統計和評價方法依據《GB 3095-2012環境空氣質量標準》《HJ 663-2013環境空氣質量評價技術規范（試行）》。評價指標包括SO2、NO2、PM2.5、PM10、O3和CO共6項指標。SO2、NO2、PM2.5和PM10的評價濃度為評價時段內日均濃度的平均值，O3的評價濃度為評價時段內日最大8 h平均值的第90百分位數，CO的評價濃度為評價時段內日均濃度的第95百分位數。

為了能夠更全面的體現廣州市全區域的空氣質量，本文使用所有公開發布的空氣質量自動監測點（共計51個）的監測數據來代表全市大氣污染物濃度水平。

根據《廣州市城市總體規劃（2017—2035年）》，廣州主城區包括：荔灣、越秀、天河、海珠四區，白云北二環高速公路以南地區、黃埔九龍鎮以南地區、番禺廣明高速以北地區。因此，本研究將位于上述區域共29個測點作為城區，將剩下的22個測點作為郊區。此外，黃埔文沖測點位于黃埔區石化路，附近1～2 km內有廣州石化化工區、狀元谷電子商務產業園等多個工業園區，企業數量眾多，類型廣，涵蓋石油化工、生物醫藥、新材料等領域，具有一定的代表性，因此本研究選取黃埔文沖測點代表工業園區。

1. 3 研究時段選擇

2020年1月23日晚，廣東省開始啟動重大突發公共衛生事件一級響應，政府和社會開始實施機動車禁行管理、封閉社區、鼓勵居民減少外出、居家隔離等嚴格的疫情防控措施，直至2月9日后，全市企業才開始陸續安全有序復工復產。因此，本研究根據廣州市本地的實際情況，將2020年1月24日—2月9日共17 d定義為疫情停工期，該時段內全市停工停產，社會經濟活動幾乎處于暫停狀態；將停工前后各推17 d，分別作為停工前的時期和復工期，即停工前的時段為2020年1月7—23日，復工期為2020年2月10—26日。

2 結果分析

2. 1 疫情停工期氣象條件與污染物濃度水平

氣象要素可以影響大氣污染物的稀釋擴散、積聚清除，城市空氣質量的好壞與氣象條件關系密切[7]。本文選取風速、氣溫、雨量、相對濕度和氣壓這5項氣象要素來對比疫情停工期與近3年（2017—2019年）同期的氣象條件（表1）。與近3年同期平均值相比，2020年停工期風速持平，氣壓僅偏低0.8 hPa，均處于歷史同期的平均水平；降雨量偏多1.8倍，降水對大氣污染物，尤其是顆粒物起到一定的清除效應，降雨量越大，濕清除效果越好；氣溫偏低1.2℃，較不利于臭氧生成；相對濕度偏高2.9%，有研究[8-10]表明，相對濕度與O3濃度呈明顯負相關，相對濕度越低，越有利于光化學反應生成O3，相對濕度越高，代表云量和雨量越多，影響紫外輻射，對O3的生成和累積產生影響。整體來看，與近3年歷史同期氣象要素的平均水平相比，2020年疫情停工期大氣水平擴散條件未見顯著性差異，濕清除條件較好，生成O3的光化學條件較差。

選取2017—2020年同一時段（1月24日—2月9日）來評價污染物濃度水平（表2）。停工期6項大氣污染物濃度均低于近3年平均水平，其中NO2、PM10和PM2.5濃度受疫情管控的響應較敏感，同比降幅分別為57.5%、52.9%和44.0%，而O3僅下降4.3%，變化不大。

疫情停工期，NO2濃度比2017—2019年同期分別下降14.9、24.6和19.2 μg/m3，反映出NO2濃度對疫情管控的響應靈敏。近年來，廣州市雖已實行中小客車總量調控、公交車電動化等“降氮”措施，但由于廣州市是華南地區的經濟文化中心，人口密度大，全市機動車使用量持續快速增長，且大量外地車本地化使用，機動車尾氣排放使得對NO2的控制遇到極大挑戰。而在停工期，由于限制人員出行，道路車流量大幅降低，移動排放源顯著下降，因此NO2濃度明顯下降，處于一個非常低的濃度水平。

疫情停工期，PM10濃度比2017—2019年同期分別下降25.6、24.7和29.3 μg/m3，PM2.5濃度比2017—2019年同期分別下降20.0、13.7和16.1 μg/m3，可見顆粒物濃度對疫情管控的響應亦靈敏，尤其是PM10。PM2.5包含較大比例的二次生成，PM2.5與PM10的比值（PM2.5/PM10）能夠大致判別二次組分在顆粒物中的貢獻[11]。2017—2019年同期，PM2.5/PM10比值分別為0.78、0.67和0.66，可見該比值逐年下降，而2020年停工期該比值為0.78，細顆粒物在顆粒物中的比例明顯增大，說明停工期道路揚塵源和工地揚塵源的大幅減少對粗粒子PM10的影響更直接，導致PM10占比明顯下降，國內“2+26城市”在疫情期PM2.5/PM10與近3年同期相比亦顯著增大[12]。

疫情停工期，SO2濃度比2017—2019年同期分別下降2.4、4.0和1.5 μg/m3。廣州市政府近年來一直堅持“減煤”工作思路，實施燃煤發電設施“超潔凈排放”和工業鍋爐整治，2019年燃煤發電機組全部完成超低排放改造，因此近幾年SO2濃度均處于較低值，3年同比平均降幅為5.7%，而2020年同比降幅進一步擴大，因此SO2濃度在一定程度上受到疫情管控的影響。通過NO2與SO2濃度比值（NO2/SO2）來評價污染物移動排放源和固定排放源貢獻率之間的關系[13]。2017—2019年同期NO2/SO2分別為3.6、4.0和4.6，移動排放源貢獻率逐年增加，而2020年停工期為2.5，比近3年平均水平下降39.0%，說明停工期移動源貢獻率明顯減少。

疫情停工期，O3雖為2017年以來歷史同期的次低值，但與近3年平均水平接近。雖然停工期氣溫比近3年平均水平低，相對濕度較高，氣象條件較不利于O3生成，但O3的降幅沒有NO2和顆粒物明顯。原因推測為NO2和顆粒物濃度的驟降有利于臭氧生成。停工期采取的疫情嚴控措施，導致道路移動源排放驟然減少，大幅降低了氮氧化物排放量，削弱了對O3的滴定效應，有利于O3生成[11]。且有研究[14-16]表明，顆粒物濃度降低也有利于O3生成，一是因為O3與PM2.5有共同的前體物，PM2.5對氧化氫（HO2）和氮氧化物（NOx）自由基進行非均相吸收，抑制O3生成；二是氣溶膠粒子可以通過極大地改變氣溶膠的光學厚度（aerosol optical depth，AOD），吸收和散射太陽輻射，減少到達地面的輻射強度，影響O3前體物的光解過程，進而影響O3的生成。

2. 2 疫情停工前后污染物時間變化

城市出行強度數據為該城市出行人數與常住人口的比值，能夠基于此了解城市的出行狀況。圖1為2020年疫情停工前后時段廣州市出行強度的逐日變化曲線。可以看出，停工期城市出行強度明顯低于停工前和復工期，且一直處于較低值，直到2月10日（復工期首日），出行強度才開始上升；此外，復工期的工作日（周一至周五）出行強度升高，但復工期周末則明顯下降，且復工期第二個周末比第一個周末有所上升。停工期平均出行強度下降70.7%，復工期上升79.6%，但復工期的平均出行強度尚未恢復到停工前的平均水平，符合本地實際情況。因此，出行強度在一定程度上反映了交通量和社會生產活動的變化。

雖然將停工期大氣污染物濃度與近3年相比可以在一定程度上反映大氣污染物對人為嚴控減排的干預的響應，但并不能有效反映“凈響應”，因此，本文選擇在相近氣象條件下，即選擇小風（日平均風速≤2.0 m/s）、雨量等級為小雨及以下（日降水量≤9.9 mm）的過程，來對比停工前后廣州市大氣污染物時間與空間變化。小風可以更好地代表本地源排放，小雨及以下的雨量等級可以在一定程度上排除強濕沉降對空氣帶來的清除效果。篩選后納入有效統計的天數均為5 d，且停工前后的氣象大致一致，不構成影響污染物濃度的決定性因素。表3統計了相近氣象條件下，停工前、停工期和復工期全市6項大氣污染物濃度變化。

全市6項污染物濃度在停工期最低，NO2、PM10和PM2.5在停工期的降幅和復工后的反彈幅度較大。停工期NO2、PM10和PM2.5比停工前分別減少15.7、14.2和6.7 μg/m3，降幅分別達45.2%、29.6%和21.1%，說明NO2、PM10和PM2.5對停工期管控產生了十分顯著的“凈響應”；復工期NO2、PM10和PM2.5上升明顯，分別上升12.9、10.9、10.2 μg/m3，升幅分別為37.2%、32.2%和40.6%。停工期SO2和CO濃度比停工前分別降低0.7 μg/m3和0.3 mg/m3，SO2和CO對停工期管控的“凈響應”相對較弱；復工期濃度分別上升0.6 μg/m3和0.2 mg/m3。由于受氣象條件和氣態前體物的共同作用[5]，O3濃度在停工前后的變化顯得較為復雜。在全市NO2和顆粒物，特別是NO2濃度顯著下降的情況下，停工期O3濃度比停工前下降6.4 μg/m3，降幅較小（降幅為6.0%）。這是由于與停工前相比，停工期平均氣溫下降2.1℃，相對濕度增加3.4%，低溫和高濕均有抑制O3生成的作用，因此停工期的O3濃度比停工前低，但由于NO2和顆粒物濃度在短期內快速下降，有利于O3生成，在一定程度上部分抵消了不利氣象條件帶來的影響，因此O3濃度降幅不大。雖然復工期氣溫較低、濕度較大，氣象條件較不利于O3生成，但復工期O3濃度僅上升3.3 μg/m3（升幅為3.3%），濃度變化不大，原因可能為復工期全市開始分批有序復產，污染排放增加，臭氧前體物增加，此時前體物的增加給O3下降帶來的“負貢獻”略大于氣象條件帶來的“正貢獻”，因此O3濃度略有上升。

將單項污染物分指數在6項分指數總和的占比作為該項污染物對環境空氣污染的貢獻率。對比停工前后各項污染物的貢獻率（圖2）可知，NO2和PM10貢獻率變化均為：停工期＜復工期＜停工前，而PM2.5始終為對空氣污染貢獻率最大的污染物，且停工期的貢獻率最大。PM2.5/PM10比值由停工前的0.66變成停工期的0.74，PM2.5在顆粒物中的比例大幅增加，說明停工期道路揚塵和工地揚塵的急劇下降使得空氣中PM10濃度發生極大變化，進而導致PM2.5/PM10顯著增加，上海、南京、杭州、合肥等長三角地區城市在疫情停工期間的PM2.5/PM10比值亦均高于停工前[17，18]；PM2.5相比于PM10存在較大比例的二次來源貢獻，且粒徑較小，在大氣中滯留時間較長，導致PM2.5對嚴控措施的反應不如PM10敏感，加上停工期相對濕度增加有利于各種氣體前體物通過氣相氧化和多相反應生成二次氣溶膠[11，19]，降幅沒有PM10顯著。大多數城市PM2.5濃度在疫情期間并沒有像NO2出現突然的大幅下降，其原因與二次生成有關[13]，我國華東地區在疫情封鎖期出現霧霾污染事件，PM2.5不降反升[6]。

2. 3 疫情停工前后污染物空間變化

為研究疫情停工前后廣州市不同區域大氣污染物的響應特征，在2.2基礎上對比城區與郊區大氣污染物的濃度變化。由圖3可以看出城區和郊區停工期6項污染物濃度均呈現不同程度的下降，除O3外，城區SO2、NO2、PM2.5、PM10和CO下降的濃度值均比郊區大，說明城區大氣污染物的響應更靈敏，改善程度較大；城區和郊區復工期6項污染物均有所上升或持平，城區SO2、NO2、PM2.5、PM10、O3和CO上升的濃度值均比郊區大，說明城區大氣污染物對疫情嚴控措施的逐步放松的響應比郊區大。整體來看，城區空氣質量對嚴控措施的響應比郊區大，原因可能是相比于郊區，城區人口密度大，人為排放較為集中，因此管控減排對城區空氣質量的影響更大。

城區和郊區的NO2/SO2在停工前后均呈現先降后升的變化（圖4），且城區的NO2/SO2在停工前后均高于郊區，差值在1.1～1.4，說明城區的移動排放源比例均顯著高于郊區，因此城區在嚴控措施下NO2濃度的下降和放寬管控后濃度的上升比郊區更加明顯。

城區和郊區的PM2.5/PM10在停工前后均呈現上升的變化（圖4），原因推測為停工期PM10顯著下降導致比值上升，復工期由于全市復工復產，污染排放短期內快速增加，二次生成比一次排放上升更快，復工期PM2.5濃度水平已超過停工前的水平，導致PM2.5/PM10上升。此外，城區的PM2.5/PM10在停工前后均低于郊區，說明城區的二次生成占比低于郊區，粗顆粒物在顆粒物中的占比高于郊區，因此城區的PM10濃度對措施加嚴和放寬的響應比郊區大。

此外，本研究以黃埔文沖測點為例研究廣州市工業園區大氣污染物對疫情嚴控措施的響應程度（表4）。可知，工業園區6項大氣污染物在停工期和復工期的變化值比城郊區都大，原因可能為工業園區污染排放較為集中，大氣污染物對管控減排的響應更靈敏。NO2/SO2和PM2.5/PM10在停工前后的變化與城郊區一致。

2. 4 主要污染物與出行強度/風速的相關性

由于疫情嚴控措施對NO2和PM10的影響較大，本文使用2020年1—3月廣州市的出行強度來分析這兩項污染物與出行強度的關系。NO2和PM10日均濃度與每日出行強度均呈高度正相關關系，相關系數分別為0.75和0.56。出行強度與NO2的相關性高于與PM10的相關性，是因為出行強度體現的是所有排放中道路移動源的排放部分，而近地面的道路移動源排放是NO2的最主要來源，PM10來源則相對更加廣泛。NO2和PM10日均濃度與每日平均風速均呈高度負相關關系，相關系數分別為-0.53和-0.55。出行強度直接體現道路移動排放源，間接反映廣州市的開工情況，出行強度增加，道路移動源排放增加，道路揚塵和工地揚塵增加，導致NO2和PM10濃度上升；而風速越大，水平擴散條件越好，對NO2和PM10濃度有清除作用；因此本文將出行強度/風速的比值作為一個變量，發現NO2和PM10濃度與出行強度/風速相關性更高，相關系數R分別為0.87和0.74（相關系數的平方R2分別為0.76和0.55），均呈現高度正相關關系（圖5、圖6），可以粗略認為該時間段內廣州市NO2濃度變化的76%由道路移動源排放和關鍵氣象條件貢獻，PM10則為55%。

3 結論

（1）與2017—2019年歷史同期氣象要素的平均水平相比，2020年疫情停工期大氣水平擴散條件未見顯著性差異，濕清除條件較好，臭氧生成氣象條件較差。疫情停工期，全市NO2、PM10、PM2.5、SO2、CO濃度均為2017年以來歷史同期最低值，O3則受氣溫較低的影響，濃度處于近幾年的次低值。

（2）相似氣象條件下，全市6項大氣污染物在停工期的濃度均比停工前和復工期低。其中，NO2、PM10和PM2.5對新冠疫情管控的響應較大，停工期濃度下降和復工期反彈最大；疫情嚴控措施對SO2、CO和O3的影響則較弱，濃度波動相對較小。

（3）城區大氣污染物對疫情管控的響應比郊區大。無論是停工前、停工期、復工期，城區的移動排放源比例均顯著高于郊區，且粗顆粒物在顆粒物中的占比均高于郊區，因此城區在嚴控措施下NO2和PM10濃度的下降和放寬管控后濃度的上升比郊區更加明顯。工業園區大氣污染物對疫情嚴控措施的響應比城郊區更靈敏。

（4）對嚴控措施響應較大的污染物NO2和PM10，其濃度均與出行強度/風速的相關系數分別達0.87和0.74，均呈現較強的正相關關系，相關系數的平方R2分別為0.76和0.55，可以粗略認為該時間段內廣州市NO2濃度變化的76%由道路移動源排放和關鍵氣象條件貢獻，PM10則為55%。

參考文獻：

[1] 黃菊梅， 楊偉， 蔣帥， 等. 新冠疫情前和疫情期間岳陽市區大氣環境分析[J]. 環境科學與技術， 2021， 44（5）： 154-161.

[2] Wang N， Xu J， Pei C， et al. Air Quality During COVID-19 Lockdown in the Yangtze River Delta and the Pearl River Delta： Two Different Responsive Mechanisms to Emission Reductions in China[J]. Enviromental Science & Technology， 2021， 55（9）： 5721-5730.

[3] 孔琳， 胡婷莛， 牛植， 等. 新型冠狀病毒肺炎疫情防控時期上海市空氣質量特征及成因分析[J]. 環境工程， 2021， 39（9）： 110-116.

[4] 陳楠， 張周祥， 李濤， 等. 武漢地區疫情管控期間空氣質量變化及改善措施研究[J]. 氣候與環境研究， 26（2）： 217-226.

[5] 徐超， 吳水平， 劉怡靖， 等.廈門灣空氣質量對新冠疫情管控的響應[J]. 環境科學， 42（10）： 4650-4659.

[6] Huang X， Ding A， Gao J， et al. Enhanced secondary pollution offset reduction of primary emissions during COVID-19 lockdown in China[J]. National Science Review， 2021， 8（2），? doi：10.1093/nsr/nwaal137.

[7] 李娟， 尉鵬， 褚旸晰， 等. 中國中東部PM2.5時空分布變化及氣象影響分析[J]. 環境科學與技術， 2021，? 44（3）： 53-62.

[8] 龍小燕.福州市臭氧污染特征及其與氣象因子的相關性研究[J].海峽科學，2021，（11）：54-60.

[9] 楊健， 尹沙沙， 于世杰， 等.安陽市近地面臭氧污染特征及氣象影響因素分析[J]. 環境科學，2020，41（1） ：115-124.

[10] 王鐘， 王靜， 何光義， 等.瀏陽市城區環境空氣污染特征及其與氣象因素相關性分析[J].環境科學導刊，2020，39（1）：27-32.

[11] 蘇志華， 楊俊， 吳邦向， 等.新冠疫情管控措施對環境空氣污染物濃度變化的影響及啟示[J].農業與技術，2021，41（13）：102-104.

[12] 朱媛媛， 汪巍， 高愈霄， 等.疫情期間“2+26”城市污染減排成效評估[J].中國環境科學， 2021， 41（2）： 505-516.

[13] 曹琦， 宋漸石， 鄒凌云， 等.新冠肺炎疫情期間石家莊市空氣質量變化特征[J].環境與職業醫學，2021， 38（5）： 494-499.

[14] Anon. Cleaner air for China[J]. Nature Geoscience， 2019，12（7）： 497.

[15] 李紅， 彭良， 畢方， 等.我國PM2. 5與臭氧污染協同控制策略研究[J].環境科學研究，2019，32（10）：1763-1778.

[16] Li J， Wang Z， Wang X， et al. Impacts of aerosols on summertime tropospheric photolysis frequencies and photochemistry over Central Eastern China[J].Atmospheric Environment， 2011， 45（10）：? 1817-1829.

[17] 曠雅瓊， 鄒忠， 張秀英， 等. 長三角地區大氣污染物對新冠肺炎封城的時空響應特征[J]. 環境科學學報， 2021， 41（4）： 1165-1172.

[18] 王愛平， 朱彬， 秦瑋， 等. 新冠疫情嚴控期間南京市空氣質量[J].中國環境科學， 2021， 41（7）： 8.

[19] Sun W， Wang D， Yao L， et al. Chemistry-triggered events of PM2.5 explosive growth during late autumn and winter in Shanghai， China - ScienceDirect[J]. Environmental Pollution， 254（PA）： 112864-112864.