新冠肺炎疫情期間中國人為碳排放和大氣污染物的變化

樂旭 雷亞棟 周浩 劉竹 胡斯勒圖 蔡兆男 林金泰 江志紅 廖宏

摘要 利用行業經濟活動數據、1 580個地面監測站和6套衛星反演數據，分析了我國新冠肺炎疫情期間人為碳排放和主要大氣污染物的變化。與2019年第一季度相比，2020年同期我國碳排放降低9.8%，其中交通部門降幅最大達到43.4%。與2019年2—3月相比，疫情期間全國地表臭氧濃度同比升高1.9 nL/L（5%），其中華北平原以降低為主，東南部地區以上升為主。PM2.5濃度同比下降12.6 μg·m-3（24.9%），其中長三角降幅最大。二氧化氮（NO2）的地面濃度和對流層柱濃度在京津冀、珠三角和長三角都降低20%～30%，體現了高低層的一致性。地面一氧化碳（CO）濃度同比降低17%，而對流層CO柱濃度升高2.5%，可能原因是境外生物質燃燒輸送提升了我國南方高層大氣的CO濃度。中東部地區氣溶膠光學厚度顯著降低，導致地表晴空短波輻射同比升高11.6 W·m-2（9.6%）。

關鍵詞新冠肺炎疫情;人為碳排放;大氣污染;臭氧;PM2.5;葵花8

為阻斷新冠肺炎疫情的蔓延，我國政府采取了迅速而徹底的防控措施。自2020年1月23日起，疫情最嚴重的湖北地區“封城”。隨后幾天內，全國多個省市陸續啟動重大突發公共衛生事件一級響應，采取的措施包括：嚴格交通管制，限制居民外出，停止集市集會，停工停業停課等。在上述措施的管控下，疫情于3月底顯著緩解（國家衛健委官網數據，http：//www.nhc.gov.cn/），全國大部分地區陸續實現復工復產（國辦發[2020]6號文）。在這場史無前例的突發事件中，我國工業生產和居民生活都有重大調整，人為活動及其排放出現大幅波動，導致大氣污染物濃度的顯著變化。本文將對疫情期間我國不同行業/部門活動情況和主要大氣污染物的濃度進行分析，通過與歷年同期數據的對比，以期獲得人為碳排放及空氣質量對疫情的響應特征和定量結果。

1 資料和方法

利用行業統計數據來估算碳排放變化。電力部門的排放核算由發電量IAD與相應排放因子IEF計算得出：

E=IAD×IEF。（1）

其中：2019年和2020年月度IAD數據來源于國家統計局（http：//www.stats.gov.cn）。為了排除春節的影響，國家統計局每年只公布1—2月的累計值，不公布1月和2月的當期值。

EF根據以下公式計算 （Liu et al.，2012）：

IEF=EG。（2）

式中：IEF為電力排放因子;E為二氧化碳排放量;G為全年發電量。其中排放量E可進一步分解為：

E=∑iIADi×IEFi。（3）

式中：IADi為電力部門消耗的燃料類型i的消費量，包括20種燃料類型;IEFi為燃料類型i的排放因子（Liu et al.，2015;劉竹等，2018）。由于統計數據的公布有滯后性，本研究基于2017年能源平衡表中的全年發電量和燃料消費量進行核算（國家統計局，2019），并假設2017—2020年的排放因子保持不變。排放因子在不同年份間有10%左右的差異 （劉竹等，2018），在不確定性中予以考慮。

2019年交通、工業、居民消費和其他部門排放量，通過與2019年電力部門排放量的比例關系計算得出。本研究中，各部門排放占比來源于國際能源署（IEA）部門排放數據 （International Energy Agency，2019）。部門經合并為電力、工業、交通、居民消費和其他部門，其排放分別占比49.41%、33.16%、9.55%、5.78%和2.10%。2020年除電力外的部門排放量，根據2020年各部門的同比增速推算得出。其中，工業部門增速依據國家統計局公布的第一季度工業增加值估算;交通部門增速根據百度地圖遷徙規模指數同比變化率計算得出;居民消費和其他部門因數據暫缺，假設其不變。在不確定性中考慮由于默認的居民消費和其他部門的排放數據造成的排放誤差。在綜合考慮活動數據、排放因子假設和部分部門缺少后碳排放總的不確定性（90%置信區間）約為20%。

在大氣污染方面，綜合使用地面監測和衛星遙感數據。地面數據采用生態環境部1 580個站點2015年1月—2020年3月的逐小時大氣污染監測數據（http：//www.mee.gov.cn）。大氣成分的種類包括地表臭氧（O3）、細顆粒物（PM2.5）、二氧化硫（SO2）、二氧化氮（NO2）和一氧化碳（CO）。其中O3濃度用8 h滑動平均的日最大值表征，其他污染物濃度用日均值表征。對站點數據質量進行控制，一天內超過12個時次無數據的定義為缺測，任意一個月內有不少于5 d缺測的站點被剔除。最終，分別有1 025和1 027個站點用于O3和PM2.5的分析。

遙感數據包括：

1）兩套衛星反演的月平均對流層NO2垂直柱濃度，分別來自OMI和GOME-2的3級產品（http：//www.temis.nl）。時間從2016年1月—2020年3月，水平分辨率分別為0.125°×0.125°、0.25°×0.25°。

2）2020年2—3月的TROPOMI對流層CO垂直柱濃度數據（http：//www.tropomi.eu）用來與2019年2—3月數據對比，水平分辨率為0.5°×0.5°。

3）兩套氣溶膠光學厚度（AOD）數據，其一為美國TERRA太陽同步衛星上搭載的中分辨率成像光譜儀（MODIS）月平均反演產品（https：//modis.gsfc.nasa.gov），水平分辨率1°×1°，時間從2015年1月—2020年3月。另一個是日本葵花8靜止衛星的反演產品（Kikuchi et al.，2018;Shang et al.，2019），水平分辨率10 km，時間從2016年1月—2020年3月，分辨率為10 min。

4）晴空地表短波輻射數據，來自日本葵花8靜止衛星的反演產品。該產品是利用Letu et al.（2019）和Ma et al.（2020）開發的葵花8高精度短波輻射產品，結合Shang et al.（2017）云檢測算法結果，只保留無云像素的輻射值，從而剔除云對太陽輻射的影響。

大氣污染物的變化研究選擇歷年2—3月平均結果進行對照分析。將2020年數據分別與預期值（多年線性外推得到）和2019年同期值對比，獲得疫情期間大氣成分濃度的定量變化。在比較時，重點關注四大城市群，包括京津冀、長三角、珠三角和四川盆地，分別計算全國平均和地區平均，獲得空間分布信息。需要注意的是，地表觀測數據大部分集中在我國東部和南部，因此全國站點平均主要反映這兩個地區的大氣污染狀況。

2 人為碳排放的變化

二氧化碳排放的來源按部門可劃分為電力、交通、工業、居民消費和其他等五個部門（表1）。根據分部門核算結果，2020年電力部門1—2月排放量為6.53億噸二氧化碳，同比下降6.5%;3月排放量為3.51億噸二氧化碳，同比下降3.0%;第一季度合計排放10.04億噸二氧化碳，同比下降5.3%。2020年第一季度交通部門排放同比下降43.4%，工業部門排放同比下降9.3%。第一季度總減排2.1億噸二氧化碳，同比下降9.8%。

3 地表大氣污染物的變化

3.1 地表O3

我國2—3月平均地表O3濃度在2015—2019年間呈上升趨勢（圖1a）。基于此線性趨勢得到2020年的預期O3濃度為43.5 nL/L，而實際O3濃度與預期相比偏低3.3 nL/L（7.6%）。從空間分布來看，全國71%的地面站點顯示地表O3偏低（圖1c），其中京津冀地區平均偏低5.1 nL/L（13.6%），偏差最小的區域是四川盆地（只有-0.7%，圖2a）。通過對比單月的濃度發現，2月O3與預期值相當（+1.4%，圖2b），而3月O3顯著低于預期值（-13.7%）。其中3月，京津冀、珠三角和長三角地區O3濃度分別偏低16.3%、26.2%和13.1%。

盡管低于預期濃度，全國66%的站點O3仍比2019年同期升高（圖1e），平均增幅1.9 nL/L（5%），幅度最大的是珠三角（13.6%，圖2c）。其中2月，全國平均濃度同比2019年升高5.4 nL/L（16.7%，圖2d），珠三角和長三角地區分別升高9.2 nL/L（31.7%）和6.7 nL/L（20.3%）。相比2019年，京津冀地區2020年O3濃度在2月升高5.9%而3月降低7%，導致該地區2—3月的平均濃度與2019年幾乎持平（圖2c）。總而言之，疫情期間地表O3濃度變化呈現出較大的時空差異。空間上，華北平原地區以降低為主，而東南部地區以上升為主;時間上，2月和3月的O3濃度也呈現出量級或符號上的差異。

3.2 地表PM2.5和PM10

《大氣污染防治行動計劃》頒布實施以來，我國PM2.5濃度在2015—2019年間逐年下降（圖1b），預期2020年2—3月的平均PM2.5濃度是49 μg·m-3。與預期值相比，疫情影響下PM2.5濃度平均偏低11.1 μg·m-3（22.6%），全國82%的站點顯示PM2.5濃度低于預期（圖1d）。長三角、京津冀和珠三角地區平均PM2.5濃度比預期分別偏低16.7 μg·m-3（34.3%）、14.6 μg·m-3（22.5%）和5.7 μg·m-3（21%）。對比發現，2月和3月全國平均PM2.5濃度均比當月預期值偏低23%，區域上的變化趨勢在這兩個月也基本相當。PM10呈現出與PM2.5一致的變化趨勢，而且降幅在大多數地區要比PM2.5稍強（長三角除外，圖2）。

與2019年同期相比，全國88%的站點PM2.5濃度在疫情期間下降（圖1f），對應全國平均濃度降低12.6 μg·m-3（24.9%）。其中，降幅最大的地區仍為長三角，達到20.1 μg·m-3（38.5%）;而四川盆地的降幅最小，為5.2 μg·m-3（10.8%）。對比發現，2月和3月的同比降幅相當，體現了PM2.5濃度變化的時間連續性。PM10與PM2.5的濃度變化在時空上基本一致。總而言之，疫情期間PM2.5濃度變化有較好的時間連續性，而在空間上存在一定差異，長三角地區降幅最大，四川盆地降幅較小。值得注意的是，西南和西北地區PM2.5濃度在疫情期間比2019年同期顯著升高（圖1f）。

3.3 其他氣態污染物

與2019年同期相比，主要的氣態污染物均大幅降低。從全國平均來看，地表SO2降低2.5 μg·m-3（19.9%），NO2降低8.0 μg·m-3（26.5%），CO降低155 μg·m-3（17.1%）。其中，NO2的變化在空間上比較均勻，四個主要城市群的降幅在22%～28%。CO的最大降幅（24%）出現在珠三角地區，而SO2的最大降幅（30%）在京津冀地區（圖2）。這種降幅的空間格局在2月和3月基本一致。

與預期濃度相比，疫情期間CO的降幅縮小，全國平均偏低77.5 μg·m-3（9.4%），局地最大降幅出現在長三角地區（15.8%）。相反，NO2的降幅擴大，全國平均偏低9.7 μg·m-3（30.4%），四個主要城市群的降幅為27%～35%。盡管SO2低于去年同期水平，其濃度仍然比預期值偏高1.7 μg·m-3（20%）。在京津冀地區，SO2濃度從2015年的53 μg·m-3快速降低至2019年的15 μg·m-3，對應2020年預期濃度為4.8μg·m-3。而觀測濃度10.1 μg·m-3相比預期值偏高110%，表明該地區出現了超過預期的較強SO2排放活動。在四川盆地和長三角地區，實際濃度分別比預期濃度偏高28%和18%（圖2a），表明SO2的減排趨勢在大部分地區有所削弱。

4 衛星反演大氣成分的變化

4.1 對流層NO2柱濃度

從全國平均來看，2020年預期NO2柱濃度與2019年同期基本持平（圖3a、b）。與同期數據相比，平均NO2柱濃度在疫情期間下降18%～21%。OMI顯示NO2在長三角、珠三角和京津冀分別降低28.8%、26.6%和21.7%（圖3e）。盡管GOME-2顯示更強的NO2降低量，其相對變化與OMI相當，在上述地區分別降低26.7%、31.1%和25%（圖3f）。這些變化與地表觀測的NO2降幅非常一致（圖2）。值得注意的是，長江以南地區NO2的變化量總體較小，最大降幅出現在廣州及其周邊地區。在四川盆地，兩套衛星數據的NO2降幅都有限，局地甚至出現升高的趨勢，這與地基觀測結果不一致（圖2），可能與衛星反演的不確定性有關。

4.2 對流層CO柱濃度

與NO2變化相反，疫情期間對流層CO的柱濃度比2019年同期升高2.5%（圖4）。全國CO的變化呈現南升北降的空間分布態勢。降幅主要出現在山西、山東、內蒙古等北方地區，京津冀地區CO柱濃度同比降低1.4%。增幅主要出現在西南地區（包括廣西、貴州和云南等省份），局地最大增加超過10 mmol·m-2。在長三角、珠三角和四川盆地，CO柱濃度分別同比升高5.3%、5.2%和4.5%。而地表CO濃度在上述地區均下降（圖2），表明高層有額外的CO輸送。每年2—4月是南亞地區生物質燃燒的高峰期 （Streets et al.，2003），包含較高CO濃度的大氣從我國西南地區進入，對當地的空氣質量造成影響（Cong et al.，2015）。因此，疫情期間源于南亞生物質燃燒的大氣污染物可能比往年濃度更高，輸送更強。

4.3 AOD變化

AOD表征整層氣溶膠的柱濃度，而PM2.5表征近地面氣溶膠的濃度，兩者存在一定的聯系但又不完全相同（圖5）。此外，AOD的覆蓋范圍比地表站點更廣，有更好的空間代表性。兩套衛星產品顯示的AOD空間變化總體一致。無論與預期還是同期相比，疫情期間AOD在西北、西南和東北地區均有所升高（圖5）。這些地區AOD的主要來源是自然或境外排放，例如西北地區的大氣成分以沙塵氣溶膠為主（Zhang et al.，2003;Huang et al.，2010），西南地區的大氣成分在2—3月受到南亞地區生物質燃燒的跨境輸送影響（圖4）。因此，疫情期間自然或境外排放較往年同期偏多。而在華北平原，疫情期間AOD有顯著降低。與2020年預期和2019年同期相比，MODIS的AOD在京津冀分別偏低19.6%和21%，在長三角分別偏低15.5%和25.6%;葵花8的AOD在京津冀分別偏低21.6%和17%，在長三角分別偏低34.1%和40.6%。總而言之，衛星顯示AOD在華北平原和長江流域顯著降低，與地表PM2.5濃度變化相對應（圖1）。

4.4 晴空地表短波輻射

疫情期間，我國大部分地區晴空地表短波輻射顯著上升（圖6）。與2020年預期相比，全國平均輻射增加14.5 W·m-2（12.2%），其中長三角、四川盆地和京津冀的輻射分別偏高39 W·m-2（43.6%）、13.8 W·m-2（15.5%） 和10.9 W·m-2（7.6%）。與2019年同期相比，全國平均增加11.6 W·m-2（9.6%），上述地區的輻射值升高33.4 W·m-2（35.2%），11.1 W·m-2（12.1%）和6.8 W·m-2（4.6%）。由于晴空輻射產品已剔除云的影響，輻射的變化主要由氣溶膠消光效應所致。因此，疫情期間AOD的減少（圖5），導致晴空輻射的顯著增加（圖6）。需要注意的是，我國局部地區AOD和短波輻射出現了同向變化，例如，四川盆地的AOD和輻射均升高。這種偏差可能與衛星數據反演的不確定性有關。盡管如此，我國中東部地區一致顯示“AOD減少-輻射增加”，表明人為排放的降低促進了輻射的升高，并可能進一步對局地的天氣條件造成反饋。

5 結論與討論

系統分析了疫情期間我國人為碳排放和主要大氣污染物濃度的變化。相比2019年，我國碳排放在2020年第一季度降低9.8%，其中交通部門的排放降幅最大。由于執行了較強的管控措施，在我國中東部和南部等人口分布和工業活動較為密集的地區，PM2.5、PM10等顆粒物和NO2、CO、SO2等氣態污染物相比同期或預期均顯著下降。而在西南和西北地區，可能受境外生物質燃燒或本地自然源排放增強的影響，局地污染物濃度同比上升。地表O3濃度在華北平原地區以降低為主，而在長江以南地區以上升為主，體現了O3濃度與局地排放變化的復雜關系。衛星反演的NO2柱濃度變化與地表監測數據有較好的一致性，而CO柱濃度的上升與地表觀測的下降趨勢相反，體現了高層較強的污染物輸送影響。衛星反演的AOD在華北平原和長江流域顯著降低，導致我國中東部和南部地區晴空地表短波輻射顯著上升。

疫情期間嚴格的管控措施對交通部門的碳排放有較大抑制作用，而該部門對總體碳排放的貢獻只有10%左右。電力和工業排放占碳排放總量的80%以上，雖然在疫情期間這兩個部門排放同比也有顯著下降，但降幅在3月變小。因此，在同等限制條件下，全國碳減排比例小于PM2.5的降幅，這一方面體現了碳排放和大氣污染的行業貢獻差異，另一方面也反映了大氣污染濃度變化的非線性。相比已有的大氣污染研究（Chen et al.，2020;Wang et al.，2020），本文在時間上涵蓋了整個疫情期間（2020年2—3月），在空間上分析了全國及主要城市群的變化，并通過對比地表和衛星觀測產品的異同，獲得了大氣污染物的多維空間變化信息。在后續研究中，我們將結合數值模式，解析疫情期間大氣污染變化的原因，量化人為排放減少和天氣氣候條件分別對污染物變化的貢獻。在此基礎上，進一步研究大氣污染變化對天氣氣候的反饋影響，以及相應的環境、生態和健康效應。

參考文獻（References）

Chen K，Wang M，Huang C，et al.，2020.Air pollution reduction and mortality benefit during the COVID-19 outbreak in China [J].medRxiv.doi：https：//doi.org/10.1101/2020.03.23.20039842.

Cong Z Y，Kawamura K，Kang S C，et al.，2015.Penetration of biomass-burning emissions from South Asia through the Himalayas：new insights from atmospheric organic acids[J].Sci Rep，5：9580.

國家統計局，2019.中國能源統計年鑒2018[M].北京：中國統計出版社. National bureau of statistics，2019.China energy statistics yearbook 2018[M].Beijing：China Statistics Press.（in Chinese）.

Huang J，Minnis P，Yan H，et al.，2010.Dust aerosol effect on semi-arid climate over Northwest China detected from A-Train satellite measurements[J].Atmos Chem Phys，10（14）：6863-6872.

International Energy Agency，2019.CO2 Emissions from Fuel Combustion 2019[EB/OL].[2020-01-12].http：//data.iea.org/payment/products/115-CO2-emissions-from-fuel-combustion-2018-edition-coming-soon.aspx.

Kikuchi M，Murakami H，Suzuki K，et al.，2018.Improved hourly estimates of aerosol optical thickness using spatiotemporal variability derived from himawari-8 geostationary satellite[J].IEEE Trans Geosci Remote Sensing，56（6）：3442-3455.

Letu H S，Yang K，Nakajima T Y，et al.，2020.High-resolution retrieval of cloud microphysical properties and surface solar radiation using Himawari-8/AHI next-generation geostationary satellite[J].Remote Sens Environ，239：111583.

Liu Z，Liang S，Geng Y，et al.，2012.Features，trajectories and driving forces for energy-related GHG emissions from Chinese mega cites：the case of Beijing，Tianjin，Shanghai and Chongqing[J].Energy，37（1）：245-254.

Liu Z，Guan D B，Wei，et al.，2015.Reduced carbon emission estimates from fossil fuel combustion and cement production in China[J].Nature，524（7565）：335-338.

劉竹，關大博，魏偉，2018.中國二氧化碳排放數據核算[J].中國科學：地球科學，48（7）：878-887. Liu Z，Guan D B，Wei W，2018.Carbon emission accounting in China[J].Sci Sin Terrae，48（7）：878-887.（in Chinese）.

Ma R，Letu H S，Yang K，et al.，2020.Estimation of surface shortwave radiation from himawari-8 satellite data based on a combination of radiative transfer and deep neural network[J].IEEE Trans Geosci Remote Sensing：1-13.

Shang H Z，Chen L F，Letu H S，et al.，2017.Development of a daytime cloud and haze detection algorithm for Himawari-8 satellite measurements over central and Eastern China[J].J Geophys Res Atmos，122（6）：3528-3543.

Shang H Z，Letu H S，Pan X L，et al.，2019.Diurnal haze variations over the North China plain using measurements from Himawari-8/AHI[J].Atmos Environ，210：100-109.

Streets D G，Yarber K F，Woo J H，et al.，2003.Biomass burning in Asia：Annual and seasonal estimates and atmospheric emissions[J].Global Biogeochem Cycles.doi：10.1029/2003gb002040.

Wang P F，Chen K Y，Zhu S Q，et al.，2020.Severe air pollution events not avoided by reduced anthropogenic activities during COVID-19 outbreak[J].Resour Conserv Recycl，158：104814.

Zhang X Y，Gong S L，Shen Z X，et al.，2003.Characterization of soil dust aerosol in China and its transport and distribution during 2001 ACE-Asia：1.network observations[J].J Geophys Res.doi：10.1029/2002jd002632.

Changes of anthropogenic carbon emissions and air pollutants during the COVID-19 epidemic in China

YUE Xu1，LEI Yadong2，ZHOU Hao2，LIU Zhu3，LETU Husi4，CAI Zhaonan5，LIN Jintai6，JIANG Zhihong7，LIAO Hong1

1Jiangsu Key Laboratory of Atmospheric Environment Monitoring and Pollution Control，Collaborative Innovation Center of Atmospheric Environment and Equipment Technology，School of Environmental Science and Engineering，Nanjing University of Information Science & Technology （NUIST），Nanjing 210044，China;

2Climate Change Research Center，Institute of Atmospheric Physics（IAP），Chinese Academy of Sciences（CAS），Beijing 100029，China;

3Department of Earth System Science，Tsinghua University，Beijing 100084，China;

4Aerospace Information Research Institute，Chinese Academy of Sciences，Beijing 100010，China;

5Key Laboratory of Middle Atmosphere and Global Environment Observation，Institute of Atmospheric Physics，Chinese Academy of Sciences，Beijing 100029，China;

6Department of Atmospheric and Oceanic Sciences，School of Physics，Peking University，Beijing 100871，China;

7Ministry of Education Key Laboratory of Meteorological Disaster，Joint International Research Laboratory of Climate and Environment Change，Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters，NUIST，Nanjing，210044，China

We quantify the changes of anthropogenic carbon emissions and major air pollutants during the COVID-19 epidemic in China by analyzing data from economic sectors，1 580 surface monitoring sites，and 6 satellite retrievals.Compared to the first quarter of 2019，national carbon emissions decreased by 9.8% in 2020 with the maximum reduction of 43.4% in transportation sector.Compared to the average of February-March in 2019，surface ozone concentrations increased by 1.9 nL/L（5%） during the epidemic on the country level，with major reductions in North China Plain but enhancements in the Southeast.Surface PM2.5 concentrations decreased by 12.6 μg·m-3（24.9%） with the maximum reduction in Yangtze River Delta（YRD）.For NO2， both the surface concentrations and tropospheric column density showed consistent reductions of 20%—30% in Beijing-Tianjin-Hebei，Pearl River Delta，and YRD.Surface CO concentrations declined by 17% while tropospheric column CO increased by 2.5%，likely because the transportation of air pollutants from biomass burning outside China enhances CO density at high levels in southern China.Aerosol optical depth significantly decreased in the middle and eastern China，leading to an increased surface shortwave radiation by 11.6 W·m-2（9.6%）.

COVID-19 epidemic;anthropogenic carbon emissions;air pollutants;ozone;PM2.5;Himawari8

doi：10.13878/j.cnki.dqkxxb.20200408010

（責任編輯：袁東敏）