陳漾 張金譜

摘 要：為評(píng)估極端污染減排情境下廣州市大氣污染物的響應(yīng)特征，結(jié)合氣象要素和出行指數(shù)，分析了2020年新冠疫情停工前后大氣污染物時(shí)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(kuò)散條件未見(jiàn)顯著性差異，濕清除條件較好，生成O3的光化學(xué)反應(yīng)條件較差，NO2、PM10、PM2.5、SO2和CO濃度達(dá)2017年以來(lái)同期最低值，O3濃度則處于2017年以來(lái)的次低值。相似氣象條件下，全市6項(xiàng)大氣污染物在停工期的濃度均比停工前和復(fù)工期低。其中，NO2、PM10和PM2.5對(duì)疫情管控的響應(yīng)較靈敏，SO2和CO的響應(yīng)較弱；由于受氣象條件和氣態(tài)前體物的共同作用，O3濃度在停工前后的變化顯得較為復(fù)雜，變化幅度較小。城區(qū)大氣污染物對(duì)管控的響應(yīng)比郊區(qū)大，而在大氣污染排放較為集中的工業(yè)園區(qū)，響應(yīng)比城郊區(qū)更加靈敏。對(duì)嚴(yán)控措施響應(yīng)較敏感的污染物NO2和PM10，其濃度均與出行強(qiáng)度/風(fēng)速的相關(guān)系數(shù)分別為0.87和0.74，呈現(xiàn)較強(qiáng)的正相關(guān)關(guān)系。

關(guān)鍵詞：新冠疫情；大氣污染物；出行強(qiáng)度；廣州市

中圖分類(lèi)號(hào)：X51? ? ?文獻(xiàn)標(biāo)志碼：A? ? 文章編號(hào)：1673-9655（2023）01-0-07

0 引言

2020年初在湖北武漢暴發(fā)了新冠肺炎病毒疫情（COVID-19），該病毒具有傳播性強(qiáng)，擴(kuò)散速度極快的特點(diǎn)。為阻斷新冠疫情傳播和蔓延，大部分國(guó)家和地區(qū)均采取封鎖手段嚴(yán)格控制交通和人流，社會(huì)經(jīng)濟(jì)活動(dòng)顯著降低，甚至處于暫停狀態(tài)。相比于重大會(huì)議賽事間實(shí)施的臨時(shí)管控，本次疫情管控力度更大，時(shí)空范圍更廣，堪為史上最嚴(yán)管控，極大地削減了大氣污染物的人為排放，對(duì)環(huán)境空氣質(zhì)量產(chǎn)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(guān)系提供了契機(jī)，不同地區(qū)大氣污染物對(duì)疫情管控的響應(yīng)情況各有不同。在疫情爆發(fā)最嚴(yán)重的武漢地區(qū)，陳楠等[4]發(fā)現(xiàn)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(fēng)速較大、擴(kuò)散較好的時(shí)段，其他時(shí)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(fā)現(xiàn)廈門(mén)灣城市群在疫情嚴(yán)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(méi)有一致的規(guī)律性；復(fù)工復(fù)產(chǎn)后，NO2的反彈幅度最大（38%～138%）。Xin等[6] 通過(guò)綜合分析和建模，對(duì)中國(guó)東部在疫情嚴(yán)控期間出現(xiàn)的幾次重度霧霾污染的反?，F(xiàn)象進(jìn)行研究，發(fā)現(xiàn)疫情嚴(yán)控期間的霧霾是由二次污染的增強(qiáng)驅(qū)動(dòng)的；疫情嚴(yán)控措施使得移動(dòng)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(qiáng)了大氣氧化能力，因此促進(jìn)了二次顆粒物的形成。

為探討廣州市大氣污染物對(duì)新冠疫情管控的響應(yīng)，本研究對(duì)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(xiàng)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(shí)段來(lái)探索停工前后污染物的時(shí)空響應(yīng)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(xiàng)大氣污染物與出行強(qiáng)度/風(fēng)速的關(guān)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(yīng)特征，并能為制定相應(yīng)的空氣污染治理措施提供一定的參考。

1 數(shù)據(jù)與方法

1. 1 數(shù)據(jù)來(lái)源

本研究中的SO2、NO2、PM2.5、PM10、O3和CO這6項(xiàng)大氣污染物數(shù)據(jù)均來(lái)自廣州市51個(gè)空氣質(zhì)量自動(dòng)監(jiān)測(cè)點(diǎn)的監(jiān)測(cè)數(shù)據(jù)，統(tǒng)一為實(shí)況數(shù)據(jù)。風(fēng)速、氣溫、降雨量、濕度、氣壓等氣象要素?cái)?shù)據(jù)來(lái)源于廣州市氣象臺(tái)。2020年1—3月每日出行強(qiáng)度數(shù)據(jù)由百度地圖智慧交通網(wǎng)站（https：//jiaotong.baidu.com/）獲得。本研究的出行強(qiáng)度是指該城市有出行行為的人數(shù)與該城市居住人口比值的指數(shù)化結(jié)果。

1. 2 評(píng)價(jià)與計(jì)算方法

大氣污染物的統(tǒng)計(jì)和評(píng)價(jià)方法依據(jù)《GB 3095-2012環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》《HJ 663-2013環(huán)境空氣質(zhì)量評(píng)價(jià)技術(shù)規(guī)范（試行）》。評(píng)價(jià)指標(biāo)包括SO2、NO2、PM2.5、PM10、O3和CO共6項(xiàng)指標(biāo)。SO2、NO2、PM2.5和PM10的評(píng)價(jià)濃度為評(píng)價(jià)時(shí)段內(nèi)日均濃度的平均值，O3的評(píng)價(jià)濃度為評(píng)價(jià)時(shí)段內(nèi)日最大8 h平均值的第90百分位數(shù)，CO的評(píng)價(jià)濃度為評(píng)價(jià)時(shí)段內(nèi)日均濃度的第95百分位數(shù)。

為了能夠更全面的體現(xiàn)廣州市全區(qū)域的空氣質(zhì)量，本文使用所有公開(kāi)發(fā)布的空氣質(zhì)量自動(dòng)監(jiān)測(cè)點(diǎn)（共計(jì)51個(gè)）的監(jiān)測(cè)數(shù)據(jù)來(lái)代表全市大氣污染物濃度水平。

根據(jù)《廣州市城市總體規(guī)劃（2017—2035年）》，廣州主城區(qū)包括：荔灣、越秀、天河、海珠四區(qū)，白云北二環(huán)高速公路以南地區(qū)、黃埔九龍鎮(zhèn)以南地區(qū)、番禺廣明高速以北地區(qū)。因此，本研究將位于上述區(qū)域共29個(gè)測(cè)點(diǎn)作為城區(qū)，將剩下的22個(gè)測(cè)點(diǎn)作為郊區(qū)。此外，黃埔文沖測(cè)點(diǎn)位于黃埔區(qū)石化路，附近1～2 km內(nèi)有廣州石化化工區(qū)、狀元谷電子商務(wù)產(chǎn)業(yè)園等多個(gè)工業(yè)園區(qū)，企業(yè)數(shù)量眾多，類(lèi)型廣，涵蓋石油化工、生物醫(yī)藥、新材料等領(lǐng)域，具有一定的代表性，因此本研究選取黃埔文沖測(cè)點(diǎn)代表工業(yè)園區(qū)。

1. 3 研究時(shí)段選擇

2020年1月23日晚，廣東省開(kāi)始啟動(dòng)重大突發(fā)公共衛(wèi)生事件一級(jí)響應(yīng)，政府和社會(huì)開(kāi)始實(shí)施機(jī)動(dòng)車(chē)禁行管理、封閉社區(qū)、鼓勵(lì)居民減少外出、居家隔離等嚴(yán)格的疫情防控措施，直至2月9日后，全市企業(yè)才開(kāi)始陸續(xù)安全有序復(fù)工復(fù)產(chǎn)。因此，本研究根據(jù)廣州市本地的實(shí)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(shí)段內(nèi)全市停工停產(chǎn)，社會(huì)經(jīng)濟(jì)活動(dòng)幾乎處于暫停狀態(tài)；將停工前后各推17 d，分別作為停工前的時(shí)期和復(fù)工期，即停工前的時(shí)段為2020年1月7—23日，復(fù)工期為2020年2月10—26日。

2 結(jié)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(kuò)散、積聚清除，城市空氣質(zhì)量的好壞與氣象條件關(guān)系密切[7]。本文選取風(fēng)速、氣溫、雨量、相對(duì)濕度和氣壓這5項(xiàng)氣象要素來(lái)對(duì)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(fēng)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(duì)大氣污染物，尤其是顆粒物起到一定的清除效應(yīng)，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(duì)濕度偏高2.9%，有研究[8-10]表明，相對(duì)濕度與O3濃度呈明顯負(fù)相關(guān)，相對(duì)濕度越低，越有利于光化學(xué)反應(yīng)生成O3，相對(duì)濕度越高，代表云量和雨量越多，影響紫外輻射，對(duì)O3的生成和累積產(chǎn)生影響。整體來(lái)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(kuò)散條件未見(jiàn)顯著性差異，濕清除條件較好，生成O3的光化學(xué)條件較差。

選取2017—2020年同一時(shí)段（1月24日—2月9日）來(lái)評(píng)價(jià)污染物濃度水平（表2）。停工期6項(xiàng)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(yīng)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(duì)疫情管控的響應(yīng)靈敏。近年來(lái)，廣州市雖已實(shí)行中小客車(chē)總量調(diào)控、公交車(chē)電動(dòng)化等“降氮”措施，但由于廣州市是華南地區(qū)的經(jīng)濟(jì)文化中心，人口密度大，全市機(jī)動(dòng)車(chē)使用量持續(xù)快速增長(zhǎng)，且大量外地車(chē)本地化使用，機(jī)動(dòng)車(chē)尾氣排放使得對(duì)NO2的控制遇到極大挑戰(zhàn)。而在停工期，由于限制人員出行，道路車(chē)流量大幅降低，移動(dòng)排放源顯著下降，因此NO2濃度明顯下降，處于一個(gè)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(jiàn)顆粒物濃度對(duì)疫情管控的響應(yīng)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(xiàn)[11]。2017—2019年同期，PM2.5/PM10比值分別為0.78、0.67和0.66，可見(jiàn)該比值逐年下降，而2020年停工期該比值為0.78，細(xì)顆粒物在顆粒物中的比例明顯增大，說(shuō)明停工期道路揚(yáng)塵源和工地?fù)P塵源的大幅減少對(duì)粗粒子PM10的影響更直接，導(dǎo)致PM10占比明顯下降，國(guó)內(nèi)“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(lái)一直堅(jiān)持“減煤”工作思路，實(shí)施燃煤發(fā)電設(shè)施“超潔凈排放”和工業(yè)鍋爐整治，2019年燃煤發(fā)電機(jī)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(jìn)一步擴(kuò)大，因此SO2濃度在一定程度上受到疫情管控的影響。通過(guò)NO2與SO2濃度比值（NO2/SO2）來(lái)評(píng)價(jià)污染物移動(dòng)排放源和固定排放源貢獻(xiàn)率之間的關(guān)系[13]。2017—2019年同期NO2/SO2分別為3.6、4.0和4.6，移動(dòng)排放源貢獻(xiàn)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(shuō)明停工期移動(dòng)源貢獻(xiàn)率明顯減少。

疫情停工期，O3雖為2017年以來(lái)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(duì)濕度較高，氣象條件較不利于O3生成，但O3的降幅沒(méi)有NO2和顆粒物明顯。原因推測(cè)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(yán)控措施，導(dǎo)致道路移動(dòng)源排放驟然減少，大幅降低了氮氧化物排放量，削弱了對(duì)O3的滴定效應(yīng)，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?yàn)镺3與PM2.5有共同的前體物，PM2.5對(duì)氧化氫（HO2）和氮氧化物（NOx）自由基進(jìn)行非均相吸收，抑制O3生成；二是氣溶膠粒子可以通過(guò)極大地改變氣溶膠的光學(xué)厚度（aerosol optical depth，AOD），吸收和散射太陽(yáng)輻射，減少到達(dá)地面的輻射強(qiáng)度，影響O3前體物的光解過(guò)程，進(jìn)而影響O3的生成。

2. 2 疫情停工前后污染物時(shí)間變化

城市出行強(qiáng)度數(shù)據(jù)為該城市出行人數(shù)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(shí)段廣州市出行強(qiáng)度的逐日變化曲線?？梢钥闯觯９て诔鞘谐鲂袕?qiáng)度明顯低于停工前和復(fù)工期，且一直處于較低值，直到2月10日（復(fù)工期首日），出行強(qiáng)度才開(kāi)始上升；此外，復(fù)工期的工作日（周一至周五）出行強(qiáng)度升高，但復(fù)工期周末則明顯下降，且復(fù)工期第二個(gè)周末比第一個(gè)周末有所上升。停工期平均出行強(qiáng)度下降70.7%，復(fù)工期上升79.6%，但復(fù)工期的平均出行強(qiáng)度尚未恢復(fù)到停工前的平均水平，符合本地實(shí)際情況。因此，出行強(qiáng)度在一定程度上反映了交通量和社會(huì)生產(chǎn)活動(dòng)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(duì)人為嚴(yán)控減排的干預(yù)的響應(yīng)，但并不能有效反映“凈響應(yīng)”，因此，本文選擇在相近氣象條件下，即選擇小風(fēng)（日平均風(fēng)速≤2.0 m/s）、雨量等級(jí)為小雨及以下（日降水量≤9.9 mm）的過(guò)程，來(lái)對(duì)比停工前后廣州市大氣污染物時(shí)間與空間變化。小風(fēng)可以更好地代表本地源排放，小雨及以下的雨量等級(jí)可以在一定程度上排除強(qiáng)濕沉降對(duì)空氣帶來(lái)的清除效果。篩選后納入有效統(tǒng)計(jì)的天數(shù)均為5 d，且停工前后的氣象大致一致，不構(gòu)成影響污染物濃度的決定性因素。表3統(tǒng)計(jì)了相近氣象條件下，停工前、停工期和復(fù)工期全市6項(xiàng)大氣污染物濃度變化。

全市6項(xiàng)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(fù)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(dá)45.2%、29.6%和21.1%，說(shuō)明NO2、PM10和PM2.5對(duì)停工期管控產(chǎn)生了十分顯著的“凈響應(yīng)”；復(fù)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(duì)停工期管控的“凈響應(yīng)”相對(duì)較弱；復(fù)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(tài)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(fù)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(duì)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(nèi)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(lái)的影響，因此O3濃度降幅不大。雖然復(fù)工期氣溫較低、濕度較大，氣象條件較不利于O3生成，但復(fù)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(fù)工期全市開(kāi)始分批有序復(fù)產(chǎn)，污染排放增加，臭氧前體物增加，此時(shí)前體物的增加給O3下降帶來(lái)的“負(fù)貢獻(xiàn)”略大于氣象條件帶來(lái)的“正貢獻(xiàn)”，因此O3濃度略有上升。

將單項(xiàng)污染物分指數(shù)在6項(xiàng)分指數(shù)總和的占比作為該項(xiàng)污染物對(duì)環(huán)境空氣污染的貢獻(xiàn)率。對(duì)比停工前后各項(xiàng)污染物的貢獻(xiàn)率（圖2）可知，NO2和PM10貢獻(xiàn)率變化均為：停工期＜復(fù)工期＜停工前，而PM2.5始終為對(duì)空氣污染貢獻(xiàn)率最大的污染物，且停工期的貢獻(xiàn)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(shuō)明停工期道路揚(yáng)塵和工地?fù)P塵的急劇下降使得空氣中PM10濃度發(fā)生極大變化，進(jìn)而導(dǎo)致PM2.5/PM10顯著增加，上海、南京、杭州、合肥等長(zhǎng)三角地區(qū)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(lái)源貢獻(xiàn)，且粒徑較小，在大氣中滯留時(shí)間較長(zhǎng)，導(dǎo)致PM2.5對(duì)嚴(yán)控措施的反應(yīng)不如PM10敏感，加上停工期相對(duì)濕度增加有利于各種氣體前體物通過(guò)氣相氧化和多相反應(yīng)生成二次氣溶膠[11，19]，降幅沒(méi)有PM10顯著。大多數(shù)城市PM2.5濃度在疫情期間并沒(méi)有像NO2出現(xiàn)突然的大幅下降，其原因與二次生成有關(guān)[13]，我國(guó)華東地區(qū)在疫情封鎖期出現(xiàn)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(qū)域大氣污染物的響應(yīng)特征，在2.2基礎(chǔ)上對(duì)比城區(qū)與郊區(qū)大氣污染物的濃度變化。由圖3可以看出城區(qū)和郊區(qū)停工期6項(xiàng)污染物濃度均呈現(xiàn)不同程度的下降，除O3外，城區(qū)SO2、NO2、PM2.5、PM10和CO下降的濃度值均比郊區(qū)大，說(shuō)明城區(qū)大氣污染物的響應(yīng)更靈敏，改善程度較大；城區(qū)和郊區(qū)復(fù)工期6項(xiàng)污染物均有所上升或持平，城區(qū)SO2、NO2、PM2.5、PM10、O3和CO上升的濃度值均比郊區(qū)大，說(shuō)明城區(qū)大氣污染物對(duì)疫情嚴(yán)控措施的逐步放松的響應(yīng)比郊區(qū)大。整體來(lái)看，城區(qū)空氣質(zhì)量對(duì)嚴(yán)控措施的響應(yīng)比郊區(qū)大，原因可能是相比于郊區(qū)，城區(qū)人口密度大，人為排放較為集中，因此管控減排對(duì)城區(qū)空氣質(zhì)量的影響更大。

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

城區(qū)和郊區(qū)的PM2.5/PM10在停工前后均呈現(xiàn)上升的變化（圖4），原因推測(cè)為停工期PM10顯著下降導(dǎo)致比值上升，復(fù)工期由于全市復(fù)工復(fù)產(chǎn)，污染排放短期內(nèi)快速增加，二次生成比一次排放上升更快，復(fù)工期PM2.5濃度水平已超過(guò)停工前的水平，導(dǎo)致PM2.5/PM10上升。此外，城區(qū)的PM2.5/PM10在停工前后均低于郊區(qū)，說(shuō)明城區(qū)的二次生成占比低于郊區(qū)，粗顆粒物在顆粒物中的占比高于郊區(qū)，因此城區(qū)的PM10濃度對(duì)措施加嚴(yán)和放寬的響應(yīng)比郊區(qū)大。

此外，本研究以黃埔文沖測(cè)點(diǎn)為例研究廣州市工業(yè)園區(qū)大氣污染物對(duì)疫情嚴(yán)控措施的響應(yīng)程度（表4）?？芍I(yè)園區(qū)6項(xiàng)大氣污染物在停工期和復(fù)工期的變化值比城郊區(qū)都大，原因可能為工業(yè)園區(qū)污染排放較為集中，大氣污染物對(duì)管控減排的響應(yīng)更靈敏。NO2/SO2和PM2.5/PM10在停工前后的變化與城郊區(qū)一致。

2. 4 主要污染物與出行強(qiáng)度/風(fēng)速的相關(guān)性

由于疫情嚴(yán)控措施對(duì)NO2和PM10的影響較大，本文使用2020年1—3月廣州市的出行強(qiáng)度來(lái)分析這兩項(xiàng)污染物與出行強(qiáng)度的關(guān)系。NO2和PM10日均濃度與每日出行強(qiáng)度均呈高度正相關(guān)關(guān)系，相關(guān)系數(shù)分別為0.75和0.56。出行強(qiáng)度與NO2的相關(guān)性高于與PM10的相關(guān)性，是因?yàn)槌鲂袕?qiáng)度體現(xiàn)的是所有排放中道路移動(dòng)源的排放部分，而近地面的道路移動(dòng)源排放是NO2的最主要來(lái)源，PM10來(lái)源則相對(duì)更加廣泛。NO2和PM10日均濃度與每日平均風(fēng)速均呈高度負(fù)相關(guān)關(guān)系，相關(guān)系數(shù)分別為-0.53和-0.55。出行強(qiáng)度直接體現(xiàn)道路移動(dòng)排放源，間接反映廣州市的開(kāi)工情況，出行強(qiáng)度增加，道路移動(dòng)源排放增加，道路揚(yáng)塵和工地?fù)P塵增加，導(dǎo)致NO2和PM10濃度上升；而風(fēng)速越大，水平擴(kuò)散條件越好，對(duì)NO2和PM10濃度有清除作用；因此本文將出行強(qiáng)度/風(fēng)速的比值作為一個(gè)變量，發(fā)現(xiàn)NO2和PM10濃度與出行強(qiáng)度/風(fēng)速相關(guān)性更高，相關(guān)系數(shù)R分別為0.87和0.74（相關(guān)系數(shù)的平方R2分別為0.76和0.55），均呈現(xiàn)高度正相關(guān)關(guān)系（圖5、圖6），可以粗略認(rèn)為該時(shí)間段內(nèi)廣州市NO2濃度變化的76%由道路移動(dòng)源排放和關(guān)鍵氣象條件貢獻(xiàn)，PM10則為55%。

3 結(jié)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(kuò)散條件未見(jiàn)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(lái)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(xiàng)大氣污染物在停工期的濃度均比停工前和復(fù)工期低。其中，NO2、PM10和PM2.5對(duì)新冠疫情管控的響應(yīng)較大，停工期濃度下降和復(fù)工期反彈最大；疫情嚴(yán)控措施對(duì)SO2、CO和O3的影響則較弱，濃度波動(dòng)相對(duì)較小。

（3）城區(qū)大氣污染物對(duì)疫情管控的響應(yīng)比郊區(qū)大。無(wú)論是停工前、停工期、復(fù)工期，城區(qū)的移動(dòng)排放源比例均顯著高于郊區(qū)，且粗顆粒物在顆粒物中的占比均高于郊區(qū)，因此城區(qū)在嚴(yán)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(qū)更加明顯。工業(yè)園區(qū)大氣污染物對(duì)疫情嚴(yán)控措施的響應(yīng)比城郊區(qū)更靈敏。

（4）對(duì)嚴(yán)控措施響應(yīng)較大的污染物NO2和PM10，其濃度均與出行強(qiáng)度/風(fēng)速的相關(guān)系數(shù)分別達(dá)0.87和0.74，均呈現(xiàn)較強(qiáng)的正相關(guān)關(guān)系，相關(guān)系數(shù)的平方R2分別為0.76和0.55，可以粗略認(rèn)為該時(shí)間段內(nèi)廣州市NO2濃度變化的76%由道路移動(dòng)源排放和關(guān)鍵氣象條件貢獻(xiàn)，PM10則為55%。

參考文獻(xiàn)：

[1] 黃菊梅， 楊偉， 蔣帥， 等. 新冠疫情前和疫情期間岳陽(yáng)市區(qū)大氣環(huán)境分析[J]. 環(huán)境科學(xué)與技術(shù)， 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(shí)期上海市空氣質(zhì)量特征及成因分析[J]. 環(huán)境工程， 2021， 39（9）： 110-116.

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

[5] 徐超， 吳水平， 劉怡靖， 等.廈門(mén)灣空氣質(zhì)量對(duì)新冠疫情管控的響應(yīng)[J]. 環(huán)境科學(xué)， 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(guó)中東部PM2.5時(shí)空分布變化及氣象影響分析[J]. 環(huán)境科學(xué)與技術(shù)， 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(guān)性研究[J].海峽科學(xué)，2021，（11）：54-60.

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

[10] 王鐘， 王靜， 何光義， 等.瀏陽(yáng)市城區(qū)環(huán)境空氣污染特征及其與氣象因素相關(guān)性分析[J].環(huán)境科學(xué)導(dǎo)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(duì)環(huán)境空氣污染物濃度變化的影響及啟示[J].農(nóng)業(yè)與技術(shù)，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(píng)估[J].中國(guó)環(huán)境科學(xué)， 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(zhì)量變化特征[J].環(huán)境與職業(yè)醫(yī)學(xué)，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(guó)PM2. 5與臭氧污染協(xié)同控制策略研究[J].環(huán)境科學(xué)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(zhǎng)三角地區(qū)大氣污染物對(duì)新冠肺炎封城的時(shí)空響應(yīng)特征[J]. 環(huán)境科學(xué)學(xué)報(bào)， 2021， 41（4）： 1165-1172.

[18] 王愛(ài)平， 朱彬， 秦瑋， 等. 新冠疫情嚴(yán)控期間南京市空氣質(zhì)量[J].中國(guó)環(huán)境科學(xué)， 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.