大气科学学报 2020年第43卷第2期：265-274 论著 http://dqkxxb.cnjournals.org 新冠肺炎疫情期间中国人为碳排放和大气污染物的变化 乐旭①，雷亚栋2，周浩②，刘竹③，胡斯勒图④，蔡兆男⑤，林金泰⑥，江志红⑦，廖宏①· ①南京信息工程大学江苏省大气环境监测与污染控制高技术研究重点实验室/大气环境与装备技术协同创新中心/环境科学与工程学院，江 苏南京210044： ②中国科学院大气物理研究所中国科学院气候变化研究中心，北京100029： ③清华大学地球系统科学系，北京100084： ④中国科学院空天信息创新研究院，北京100010： ⑤中国科学院大气物理研究所中层大气和全球环境探测重点实验室，北京100029： ⑥北京大学物理学院大气与海洋科学系，北京100871： ⑦南京信息工程大学气象灾害教育部重点实验室/气候与环境变化国际联合实验室/气象灾害预报预警与评估协同创新中心，江苏南 京210044 *联系人，E-mail:hongliao(@nuist..edu.cn 2020-04-08收稿，2020-04-10接受 国家重点研发计划项目(2017YFA0603802):国家自然科学基金资助项目(41975155)：南京信息工程大学人才启动经费 摘要利用行业经济活动数据、1580个地面监测站和6套卫星反演数据，分析了我国 关键词 新冠肺炎疫情期间人为碳排放和主要大气污染物的变化。与2019年第一季度相比， 新冠肺炎疫情； 2020年同期我国碳排放降低9.8%，其中交通部门降幅最大达到43.4%。与2019年 人为碳排放； 2一3月相比，疫情期间全国地表臭氧浓度同比升高1.9L/L(5%),其中华北平原以降 大气污染； 低为主，东南部地区以上升为主。PM2;浓度同比下降12.6μg·m(24.9%),其中长 臭氧： 三角降幅最大。二氧化氨(NO2)的地面浓度和对流层柱浓度在京津冀、珠三角和长三 PM2.5; 角都降低20%~30%，体现了高低层的一致性。地面一氧化碳(C0)浓度同比降低 葵花8 17%,而对流层C0柱浓度升高2.5%，可能原因是境外生物质燃烧输送提升了我国南 方高层大气的CO浓度。中东部地区气溶胶光学厚度显著降低，导致地表睛空短波辐 射同比升高11.6W·m2(9.6%)。 为阻断新冠肺炎疫情的蔓延，我国政府采取了 致大气污染物浓度的显著变化。本文将对疫情期间 迅速而彻底的防控措施。自2020年1月23日起， 我国不同行业/部门活动情况和主要大气污染物的 疫情最严重的湖北地区“封城”。随后几天内，全国 浓度进行分析，通过与历年同期数据的对比，以期获 多个省市陆续启动重大突发公共卫生事件一级响 得人为碳排放及空气质量对疫情的响应特征和定量 应，采取的措施包括：严格交通管制，限制居民外出， 结果。 停止集市集会，停工停业停课等。在上述措施的管 控下，疫情于3月底显著缓解（国家卫健委官网数 1 资料和方法 据，http://www.nhc.gov.cn/),全国大部分地区陆 利用行业统计数据来估算碳排放变化。电力部 续实现复工复产（国办发[2020]6号文）。在这场 门的排放核算由发电量I知与相应排放因子Ir计算 史无前例的突发事件中，我国工业生产和居民生活 得出： 都有重大调整，人为活动及其排放出现大幅波动，导 E=IADXIEF (1) 引用格式：乐旭，雷亚栋，周浩，等，2020.新冠肺炎疫情期间中国人为碳排放和大气污染物的变化[J].大气科学学报，43(2)：265-274. Yue X,Lei Y D,Zhou H,et al.,2020.Changes of anthropogenic carbon emissions and air pollutants during the COVID-19 epidemic in China[J].Trans Atmos Sci,43(2):265-274.doi:10.13878/j.cnki.dqkxxb.20200408010.(in Chinese)
书 !"!" 年 第 $% 卷 第 ! 期!!&'!!($ 论 著 "##$! %%&'())*+,-./01-234+/15 引用格式!乐旭"雷亚栋"周浩"等"!"!"+新冠肺炎疫情期间中国人为碳排放和大气污染物的变化#6$+大气科学学报"$%% !& !!&'!!($+ 7089":8;7"8#23+"!"!"+?"2-584/@2-#"1/$/58-;,,21*/- 8A;44;/-42-& 2;1$/330#2-#4&01;-5 #"8?BCD<!)* 8$;&8A;,;- ?";-2#6$+E12-4F#A/4G,;"$%% !& !!&'!!($+&/;!)"+)%,(, %.+,-(;+&'())*+!"!""$",")"+%;- ?";-848&+ 新冠肺炎疫情期间中国人为碳排放和大气污染物的变化 乐旭! "雷亚栋" "周浩" "刘竹# "胡斯勒图$ "蔡兆男% "林金泰& "江志红' "廖宏!! ! 南京信息工程大学 江苏省大气环境监测与污染控制高技术研究重点实验室 %大气环境与装备技术协同创新中心 %环境科学与工程学院"江 苏 南京 !)""$$' " 中国科学院大气物理研究所 中国科学院气候变化研究中心"北京 )"""!*' # 清华大学 地球系统科学系"北京 )""",$' $ 中国科学院 空天信息创新研究院"北京 )""")"' % 中国科学院 大气物理研究所中层大气和全球环境探测重点实验室"北京 )"""!*' & 北京大学 物理学院大气与海洋科学系"北京 )"",()' ' 南京信息工程大学 气象灾害教育部重点实验室 %气候与环境变化国际联合实验室 %气象灾害预报预警与评估协同创新中心" 江苏 南 京 !)""$$ !联系人"H!A2;3!"/-53;2/--0;4#+8&0+,- !"!"!"$!", 收稿"!"!"!"$!)" 接受 国家重点研发计划项目% !")(7IF"&"%,"!& '国家自然科学基金资助项目% $)*(')''& '南京信息工程大学人才启动经费 摘要 利用行业经济活动数据() '," 个地面监测站和 & 套卫星反演数据"分析了我国 新冠肺炎疫情期间人为碳排放和主要大气污染物的变化) 与 !")* 年第一季度相比" !"!" 年同期我国碳排放降低 *+,J"其中交通部门降幅最大达到 $%+$J) 与 !")* 年 !!% 月相比"疫情期间全国地表臭氧浓度同比升高 )+* -:%:%'J& "其中华北平原以降 低为主"东南部地区以上升为主) KL!+'浓度同比下降 )!+& (5"A.% % !$+*J& "其中长 三角降幅最大) 二氧化氮%MB! &的地面浓度和对流层柱浓度在京津冀(珠三角和长三 角都降低 !"J/%"J"体现了高低层的一致性) 地面一氧化碳% ?B& 浓度同比降低 )(J"而对流层 ?B柱浓度升高 !+'J"可能原因是境外生物质燃烧输送提升了我国南 方高层大气的 ?B浓度) 中东部地区气溶胶光学厚度显著降低"导致地表晴空短波辐 射同比升高 ))+& N"A.! %*+&J& ) 关键词 新冠肺炎疫情' 人为碳排放' 大气污染' 臭氧' KL!+' ' 葵花 , 为阻断新冠肺炎疫情的蔓延"我国政府采取了 迅速而彻底的防控措施) 自 !"!" 年 ) 月 !% 日起" 疫情最严重的湖北地区* 封城+ ) 随后几天内"全国 多个省市陆续启动重大突发公共卫生事件一级响 应"采取的措施包括!严格交通管制"限制居民外出" 停止集市集会"停工停业停课等) 在上述措施的管 控下"疫情于 % 月底显著缓解 % 国家卫健委官网数 据""##$! %%OOO+-",+5/P+,- %& " 全国大部分地区陆 续实现复工复产 % 国办发 # !"!"$ & 号文& ) 在这场 史无前例的突发事件中"我国工业生产和居民生活 都有重大调整"人为活动及其排放出现大幅波动"导 致大气污染物浓度的显著变化) 本文将对疫情期间 我国不同行业 %部门活动情况和主要大气污染物的 浓度进行分析"通过与历年同期数据的对比"以期获 得人为碳排放及空气质量对疫情的响应特征和定量 结果) ! 资料和方法 利用行业统计数据来估算碳排放变化) 电力部 门的排放核算由发电量 !F<与相应排放因子 !HI计算 得出! "0!F<1!HI) %)&
大气斜学学报2020年3月第43卷第2期 其中：2019年和2020年月度1知数据来源于国家统 个月内有不少于5d缺测的站点被剔除。最终，分 计局(htp:/www.stats.gov.cn)。为了排除春节的 别有1025和1027个站点用于O,和PM2.5的分析。 影响，国家统计局每年只公布1一2月的累计值，不 遥感数据包括： 公布1月和2月的当期值。 1)两套卫星反演的月平均对流层NO,垂直柱 EF根据以下公式计算(Liu et al..,2012): 浓度，分别来自OM1和GOME-2的3级产品 总 (http:/www.temis.nl)。时间从2016年1月一 (2) 2020年3月，水平分辨率分别为0.125°×0.125°、 式中：1为电力排放因子；E为二氧化碳排放量；G 0.25°×0.25°。 为全年发电量。其中排放量E可进一步分解为： 2)2020年2一3月的TROPOMI对流层C0垂 E=∑IA:×1EmO (3) 直柱浓度数据(htp:/www.tropomi.eu)用来与 2019年2一3月数据对比，水平分辨率为0.5° 式中：Io为电力部门消耗的燃料类型i的消费量， ×0.5°。 包括20种燃料类型；I:为燃料类型i的排放因子 3)两套气溶胶光学厚度(AOD)数据，其一为美 (Liu et al.,2015;刘竹等，2018)。由于统计数据的 国TERRA太阳同步卫星上搭载的中分辨率成像光 公布有滞后性，本研究基于2017年能源平衡表中的 谱仪(MODIS)月平均反演产品(https://modis. 全年发电量和燃料消费量进行核算（国家统计局， gsfc.nasa.gov）,水平分辨率1°×1°，时间从2015年1 2019),并假设2017一2020年的排放因子保持不变。 月一2020年3月。另一个是日本葵花8静止卫星 排放因子在不同年份间有10%左右的差异（刘竹 的反演产品(Kikuchi et al.,2018;Shang et al., 等，2018)，在不确定性中予以考虑。 2019),水平分辨率10km,时间从2016年1月一 2019年交通、工业，居民消费和其他部门排放 2020年3月，分辨率为10min。 量，通过与2019年电力部门排放量的比例关系计算 4)晴空地表短波辐射数据，来自日本葵花8静 得出。本研究中，各部门排放占比来源于国际能源 止卫星的反演产品。该产品是利用Letu et al. 署(IEA)部门排放数据(International Energy (2019)和Ma et al.(2020)开发的葵花8高精度短 Agency,2019)。部门经合并为电力、工业、交通、居 波辐射产品，结合Shang et al..(2017)云检测算法结 民消费和其他部门，其排放分别占比49.41%、 果，只保留无云像素的辐射值，从而剔除云对太阳辐 33.16%、9.55%、5.78%和2.10%。2020年除电力 射的影响。 外的部门排放量，根据2020年各部门的同比增速推 大气污染物的变化研究选择历年2一3月平均 算得出。其中，工业部门增速依据国家统计局公布 结果进行对照分析。将2020年数据分别与预期值 的第一季度工业增加值估算：交通部门增速根据百 (多年线性外推得到)和2019年同期值对比，获得 度地图迁徙规模指数同比变化率计算得出：居民消 疫情期间大气成分浓度的定量变化。在比较时，重 费和其他部门因数据暂缺，假设其不变。在不确定 点关注四大城市群，包括京津冀、长三角、珠三角和 性中考虑由于默认的居民消费和其他部门的排放数 四川盆地，分别计算全国平均和地区平均，获得空间 据造成的排放误差。在综合考虑活动数据、排放因 分布信息。需要注意的是，地表观测数据大部分集 子假设和部分部门缺少后碳排放总的不确定性 中在我国东部和南部，因此全国站点平均主要反映 (90%置信区间)约为20%。 这两个地区的大气污染状况。 在大气污染方面，综合使用地面监测和卫星遥 感数据。地面数据采用生态环境部1580个站点 2人为碳排放的变化 2015年1月一2020年3月的逐小时大气污染监测 二氧化碳排放的来源按部门可划分为电力、交 数据(http:/www.mee.gov.cn)。大气成分的种类 通、工业、居民消费和其他等五个部门（表1）。根据 包括地表臭氧(O,)、细颗粒物(PM2)、二氧化硫 分部门核算结果，2020年电力部门1一2月排放量 (SO2)、二氧化氮(NO2)和一氧化碳(C0)。其中 为6.53亿吨二氧化碳，同比下降6.5%：3月排放量 O,浓度用8h滑动平均的日最大值表征，其他污染 为3.51亿吨二氧化碳，同比下降3.0%；第一季度合 物浓度用日均值表征。对站点数据质量进行控制， 计排放10.04亿吨二氧化碳，同比下降5.3%。2020 一天内超过12个时次无数据的定义为缺测，任意一 年第一季度交通部门排放同比下降43.4%，工业部 266
!"!" 年 % 月 第 $% 卷 第 ! 期 其中!!")* 年和 !"!" 年月度 !F<数据来源于国家统 计局 % "##$! %%OOO+4#2#4+5/P+,-& ) 为了排除春节的 影响"国家统计局每年只公布 ),! 月的累计值"不 公布 ) 月和 ! 月的当期值) "#根据以下公式计算 %:;0 8#23+"!")!& ! !HI0" $) %!& 式中!!HI为电力排放因子'"为二氧化碳排放量'$ 为全年发电量) 其中排放量 "可进一步分解为! !""# $23# %$45#) %%& 式中!!F<%为电力部门消耗的燃料类型 %的消费量" 包括 !" 种燃料类型'!HI%为燃料类型 %的排放因子 %:;0 8#23+"!")''刘竹等"!"),& ) 由于统计数据的 公布有滞后性"本研究基于 !")( 年能源平衡表中的 全年发电量和燃料消费量进行核算 % 国家统计局" !")*& "并假设 !")(,!"!" 年的排放因子保持不变) 排放因子在不同年份间有 )"J左右的差异 % 刘竹 等"!"),& "在不确定性中予以考虑) !")* 年交通(工业(居民消费和其他部门排放 量"通过与 !")* 年电力部门排放量的比例关系计算 得出) 本研究中"各部门排放占比来源于国际能源 署 % DHF& 部 门 排 放 数 据 % D-#81-2#;/-23H-815Q F58-,Q"!")*& ) 部门经合并为电力(工业(交通(居 民消 费 和 其 他 部 门" 其 排 放 分 别 占 比 $*+$)J( %%+)&J(*+''J('+(,J和 !+)"J) !"!" 年除电力 外的部门排放量"根据 !"!" 年各部门的同比增速推 算得出) 其中"工业部门增速依据国家统计局公布 的第一季度工业增加值估算'交通部门增速根据百 度地图迁徙规模指数同比变化率计算得出'居民消 费和其他部门因数据暂缺"假设其不变) 在不确定 性中考虑由于默认的居民消费和其他部门的排放数 据造成的排放误差) 在综合考虑活动数据(排放因 子假设和部分部门缺少后碳排放总的不确定性 %*"J置信区间& 约为 !"J) 在大气污染方面"综合使用地面监测和卫星遥 感数据) 地面数据采用生态环境部 ) '," 个站点 !")' 年 ) 月,!"!" 年 % 月的逐小时大气污染监测 数据% "##$! %%OOO+A88+5/P+,-& ) 大气成分的种类 包括地表臭氧 % B% & ( 细颗粒物 % KL!+' & ( 二氧化硫 %GB! & (二氧化氮 % MB! & 和一氧化碳 % ?B& ) 其中 B% 浓度用 , " 滑动平均的日最大值表征"其他污染 物浓度用日均值表征) 对站点数据质量进行控制" 一天内超过 )! 个时次无数据的定义为缺测"任意一 个月内有不少于 ' & 缺测的站点被剔除) 最终"分 别有 ) "!' 和 ) "!( 个站点用于 B% 和 KL!+' 的分析) 遥感数据包括! )& 两套卫星反演的月平均对流层 MB! 垂直柱 浓度" 分 别 来 自 BLD和 RBLH!! 的 % 级 产 品 % "##$! %%OOO+#8A;4+-3& ) 时间从 !")& 年 ) 月, !"!" 年 % 月" 水平分辨率分别为 "+)!'S1"+)!'S( "+!'S1"+!'S) !&!"!" 年 !,% 月的 ETBKBLD对流层 ?B垂 直柱浓度数据 % "##$! %%OOO+#1/$/A;+80 & 用 来 与 !")* 年 !,% 月 数 据 对 比" 水 平 分 辨 率 为 "+'S 1"+'S) %& 两套气溶胶光学厚度%FB<& 数据"其一为美 国 EHTTF太阳同步卫星上搭载的中分辨率成像光 谱仪 % LB<DG& 月 平 均 反 演 产 品 % "##$4! %%A/&;4+ 54@,+-242+5/P& "水平分辨率 )S1)S"时间从 !")' 年 ) 月,!"!" 年 % 月) 另一个是日本葵花 , 静止卫星 的反 演 产 品 % U;(0,";8#23+" !"),' G"2-5 8#23+" !")*& "水平分辨率 )" (A" 时间从 !")& 年 ) 月, !"!" 年 % 月"分辨率为 )" A;-) $& 晴空地表短波辐射数据"来自日本葵花 , 静 止卫星 的 反 演 产 品) 该 产 品 是 利 用 :8#0 8#23+ %!")*& 和 L28#23+% !"!"& 开发的葵花 , 高精度短 波辐射产品"结合 G"2-5 8#23+%!")(& 云检测算法结 果"只保留无云像素的辐射值"从而剔除云对太阳辐 射的影响) 大气污染物的变化研究选择历年 !,% 月平均 结果进行对照分析) 将 !"!" 年数据分别与预期值 % 多年线性外推得到& 和 !")* 年同期值对比"获得 疫情期间大气成分浓度的定量变化) 在比较时"重 点关注四大城市群"包括京津冀(长三角(珠三角和 四川盆地"分别计算全国平均和地区平均"获得空间 分布信息) 需要注意的是"地表观测数据大部分集 中在我国东部和南部"因此全国站点平均主要反映 这两个地区的大气污染状况) # 人为碳排放的变化 二氧化碳排放的来源按部门可划分为电力(交 通(工业(居民消费和其他等五个部门% 表 )& ) 根据 分部门核算结果"!"!" 年电力部门 ),! 月排放量 为 &+'% 亿吨二氧化碳"同比下降 &+'J'% 月排放量 为 %+') 亿吨二氧化碳"同比下降 %+"J'第一季度合 计排放 )"+"$ 亿吨二氧化碳"同比下降 '+%J) !"!" 年第一季度交通部门排放同比下降 $%+$J"工业部 !&&
乐旭，等：新冠肺炎疫情期间中国人为碳排放和大气污染物的变化 论著 表12019年和2020年的1一3月我国人为碳排放的对比 Table I Comparisons of anthropogenic carbon emissions in China during January-March between 2019 and 2020 2019年 2020年 2020年1一2月减排2019年2020年. 2020年3月减排 2019第 2020第 2020年第一季度减排 1一2月/1一2月/减排量/ 3月/3月/ 减排量/ 一季度/ …季度/ 诚排量/ 来源 减排 诚排 减排 亿吨二 亿吨二 亿吨二 亿吨二 亿吨二亿吨二 亿吨二 亿吨二 亿吨二氧 率/% 率/% 氧化碳 氧化碳 率/% 氧化碳 氧化碳 氧化碳氧化碳 氧化碳 氧化碳 化碳 电力 6.98 6.53 -0.45 -6.53.62 3.51 -0.11 3 10.60 10.04 -0.56 -5.3 交通 1.35 0.70 -0.65 -48.1 0.70 0.46 -0.24 -34.2 2.05 1.16 -0.89 -43.4 工业 4.69 4.05 -0.63 -13.52.43 2.40 -0.03 -1.1 7.12 6.46 -0.66 -9.3 居民消费 0.82 0.82 0 0 0.42 0.42 0 0 1.24 1.24 0 0 其他 0.30 0.30 0 0 0.15 0.15 0 0 0.45 0.45 0 0 总计 14.13 12.39 -1.74 -12.37.33 6.95 -0.38 -5.2 21.46 19.34 -2.11 -9.8 门排放同比下降9.3%。第一季度总减排2.1亿吨 3.2地表PM2.g和PM。 二氧化碳，同比下降9.8%。 《大气污染防治行动计划》颁布实施以来，我国 3地表大气污染物的变化 PM2,浓度在2015一2019年间逐年下降（图1b),预 期2020年2一3月的平均PM2.s浓度是49μg·m。 3.1地表03 与预期值相比，疫情影响下PM2.s浓度平均偏低11.1 我国2一3月平均地表0，浓度在2015一2019 μg·m3(22.6%),全国82%的站点显示PM25浓度 年间呈上升趋势（图1a)。基于此线性趋势得到 低于预期（图1d)。长三角、京津冀和珠三角地区平 2020年的预期0，浓度为43.5L/L,而实际03浓 均PM2,浓度比预期分别偏低16.7g·m3 度与预期相比偏低3.3nL/L(7.6%)。从空间分布 (34.3%)、14.6μg·m3(22.5%)和5.7μg·m5 来看，全国71%的地面站点显示地表0，偏低（图 (21%)。对比发现，2月和3月全国平均PM2.5浓度 1c),其中京津冀地区平均偏低5.1nL/L(13.6%), 均比当月预期值偏低23%，区域上的变化趋势在这 偏差最小的区域是四川盆地（只有-0.7%，图2a)。 两个月也基本相当。PM。呈现出与PM2s一致的变 通过对比单月的浓度发现，2月O,与预期值相当 化趋势，而且降幅在大多数地区要比PM2.,稍强（长 (+1.4%,图2b),而3月0，显著低于预期值 三角除外，图2)。 (-13.7%)。其中3月，京津冀、珠三角和长三角地 与2019年同期相比，全国88%的站点PM2s浓 区0，浓度分别偏低16.3%、26.2%和13.1%。 度在疫情期间下降（图1f),对应全国平均浓度降低 尽管低于预期浓度，全国66%的站点O,仍比 12.6μg·m(24.9%)。其中，降幅最大的地区仍 为长三角，达到20.1ug·m(38.5%);而四川盆 2019年同期升高（图1e),平均增幅1.9nL/L (5%),幅度最大的是珠三角(13.6%，图2c)。其中 地的降幅最小，为5.2μg·m3(10.8%)。对比发 现，2月和3月的同比降幅相当，体现了PM2浓度 2月，全国平均浓度同比2019年升高5.4nL/L 变化的时间连续性。PM。与PM2.,的浓度变化在时 (16.7%,图2d),珠三角和长三角地区分别升高9.2 空上基本一致。总而言之，疫情期间PM25浓度变 nL/L(31.7%)和6.7nL/L(20.3%)。相比2019 化有较好的时间连续性，而在空间上存在一定差异， 年，京津冀地区2020年0，浓度在2月升高5.9%而 长三角地区降幅最大，四川盆地降幅较小。值得注 3月降低7%，导致该地区2一3月的平均浓度与 意的是，西南和西北地区PM2,浓度在疫情期间比 2019年几乎持平（图2c)。总而言之，疫情期间地 2019年同期显著升高（图1f)。 表O,浓度变化呈现出较大的时空差异。空间上， 3.3其他气态污染物 华北平原地区以降低为主，而东南部地区以上升为 与2019年同期相比，主要的气态污染物均大幅 主：时间上，2月和3月的O3浓度也呈现出量级或 降低。从全国平均来看，地表S02降低2.5μg·m 符号上的差异。 (19.9%),N02降低8.0μg·m3(26.5%),C0降 267
乐旭"等!新冠肺炎疫情期间中国人为碳排放和大气污染物的变化 论 著 表 ! #$!% 年和 #$#$ 年的 !!& 月我国人为碳排放的对比 E2*38) ?/A$21;4/-4/@2-#"1/$/58-;,,21*/- 8A;44;/-4;- ?";-2&01;-5 62-021Q!L21," *8#O88- !")* 2-& !"!" 来源 !")* 年 ),! 月 % 亿吨二 氧化碳 !"!" 年 ),! 月 % 亿吨二 氧化碳 !"!" 年 ),! 月减排 减排量 % 亿吨二 氧化碳 减排 率 %J !")* 年 % 月 % 亿吨二 氧化碳 !"!" 年 % 月 % 亿吨二 氧化碳 !"!" 年 % 月减排 减排量 % 亿吨二 氧化碳 减排 率 %J !")* 第 一季度 % 亿吨二 氧化碳 !"!" 第 一季度 % 亿吨二 氧化碳 !"!" 年第一季度减排 减排量 % 亿吨二氧 化碳 减排 率 %J 电力 &+*, &+'% ."+$' .&+' %+&! %+') ."+)) .% )"+&" )"+"$ ."+'& .'+% 交通 )+%' "+(" ."+&' .$,+) "+(" "+$& ."+!$ .%$+! !+"' )+)& ."+,* .$%+$ 工业 $+&* $+"' ."+&% .)%+' !+$% !+$" ."+"% .)+) (+)! &+$& ."+&& .*+% 居民消费 "+,! "+,! " " "+$! "+$! " " )+!$ )+!$ " " 其他 "+%" "+%" " " "+)' "+)' " " "+$' "+$' " " 总计 )$+)% )!+%* .)+($ .)!+% (+%% &+*' ."+%, .'+! !)+$& )*+%$ .!+)) .*+, 门排放同比下降 *+%J) 第一季度总减排 !+) 亿吨 二氧化碳"同比下降 *+,J) & 地表大气污染物的变化 &'! 地表 (& 我国 !,% 月平均地表 B% 浓度在 !")',!")* 年间呈上升趋势 % 图 )2& ) 基于此线性趋势得到 !"!" 年的预期 B% 浓度为 $%+' -:%:"而实际 B% 浓 度与预期相比偏低 %+% -:%:%(+&J& ) 从空间分布 来看"全国 ()J的地面站点显示地表 B% 偏低 % 图 ),& "其中京津冀地区平均偏低 '+) -:%:% )%+&J& " 偏差最小的区域是四川盆地 % 只有 ."+(J"图 !2& ) 通过对比单月的浓度发现"! 月 B% 与预期值相当 % 6)+$J" 图 !* & " 而 % 月 B% 显 著 低 于 预 期 值 % .)%+(J& ) 其中 % 月"京津冀(珠三角和长三角地 区 B% 浓度分别偏低 )&+%J(!&+!J和 )%+)J) 尽管低于预期浓度"全国 &&J的站点 B% 仍比 !")* 年 同 期 升 高 % 图 )8& " 平 均 增 幅 )+* -:%: %'J& "幅度最大的是珠三角% )%+&J"图 !,& ) 其中 ! 月" 全国平均浓度同比 !")* 年升高 '+$ -:%: %)&+(J"图 !&& "珠三角和长三角地区分别升高 *+! -:%:% %)+(J& 和 &+( -:%:% !"+%J& ) 相比 !")* 年"京津冀地区 !"!" 年 B% 浓度在 ! 月升高 '+*J而 % 月降低 (J" 导致该地区 !,% 月的平均浓度与 !")* 年几乎持平 % 图 !,& ) 总而言之" 疫情期间地 表 B% 浓度变化呈现出较大的时空差异) 空间上" 华北平原地区以降低为主"而东南部地区以上升为 主'时间上"! 月和 % 月的 B% 浓度也呈现出量级或 符号上的差异) &'# 地表 )*#'+和 )*!$ - 大气污染防治行动计划. 颁布实施以来"我国 KL!+' 浓度在 !")',!")* 年间逐年下降% 图 )*& "预 期 !"!" 年 !,% 月的平均 KL!+' 浓度是 $* (5/A.% ) 与预期值相比"疫情影响下 KL!+' 浓度平均偏低 ))+) (5/A.% %!!+&J&"全国 ,!J的站点显示 KL!+' 浓度 低于预期%图 )&&) 长三角(京津冀和珠三角地区平 均 KL!+' 浓 度 比 预 期 分 别 偏 低 )&+( (5 / A.% %%$+%J&( )$+& (5 / A.% % !!+'J& 和 '+( (5 / A.% %!)J&) 对比发现"! 月和 % 月全国平均 KL!+' 浓度 均比当月预期值偏低 !%J"区域上的变化趋势在这 两个月也基本相当) KL)" 呈现出与 KL!+' 一致的变 化趋势"而且降幅在大多数地区要比 KL!+' 稍强% 长 三角除外"图 !& ) 与 !")* 年同期相比"全国 ,,J的站点 KL!+' 浓 度在疫情期间下降% 图 )@& "对应全国平均浓度降低 )!+& (5/A.% % !$+*J& ) 其中"降幅最大的地区仍 为长三角"达到 !"+) (5/A.% % %,+'J& '而四川盆 地的降幅最小"为 '+! (5/A.% % )"+,J& ) 对比发 现"! 月和 % 月的同比降幅相当"体现了 KL!+' 浓度 变化的时间连续性) KL)" 与 KL!+' 的浓度变化在时 空上基本一致) 总而言之" 疫情期间 KL!+' 浓度变 化有较好的时间连续性"而在空间上存在一定差异" 长三角地区降幅最大"四川盆地降幅较小) 值得注 意的是"西南和西北地区 KL!+' 浓度在疫情期间比 !")* 年同期显著升高% 图 )@& ) &'& 其他气态污染物 与 !")* 年同期相比"主要的气态污染物均大幅 降低) 从全国平均来看"地表 GB! 降低 !+' (5/A.% %)*+*J& "MB! 降低 ,+" (5/A.% % !&+'J& "?B降 !&(
大气斜学学报2020年3月第43卷第2期 60 100 十十十十 30 20 0 2015 20162017201820192020 2015201620172018 20192020 年份 年份 50N 50N 30N Nsum=1025 Nsum=1 027 Nps0=293 Npso=181 20N Nneg=732 20N Nneg=846 75°E 90°E 105E 120°E 135E 75E 90°E 105°E 120PE135E 经度 经度 -6 -4 -2 0 10- .15 -10 50PN 50PN 40PN 赵 30N 30PN Nsum=1 025 Nsum=1 027 Np50=676 Nps0=126 20N Nneg=349 20N Nneg=901 75°E 90°E 105E 120°E 135E 75°E 90PE 105°E 120PE 135°E 经度 经度 -6-4-20246nL·L- -15-10-502464g·m 图1接情期间我国地表臭氧(O,)和细颗粒物(PM2,)浓度的变化：(a,b)2015一2020年逐年平均2一3月的O,(a)和 PM,,(b)变化（黑线是实际观测：2020年红点是根据2015一2019年2一3月浓度的线性外推结果：误差条代表不同站 点平均浓度的范围)：(c)2020年实际0，相对于2015一2019年同期线性外推的预期O,的变化：(d)2020年实际 PM2,相对于2015-一2019年同期线性外推的预期的PM2,变化：(e)2020年实际0，与2019年同期的对比：(f)2020 年实际PM2s与2019年同期的对比（浓度增加(Npos)和减少(Nneg)的站点数显示在图中） Fig.1 Changes of surface ozone (O,)and particulate matters smaller than 2.5 um (PM2 s)during epidemic in China.The na- tional February-March average black points)concentrations during 2015-2020 are shown in (a,b)with errorbars indi- cating spatial ranges.The red points are the expected (EXP)values in 2020 extrapolated from 2015-2019 linear trends. Differences between 2020 observations and 2020 EXP are shown in (c,d).Differences between observations of 2020 and 2019 are shown in (e,f).The numbers of sites showing positive Npos)and negative (Nneg)changes are denoted on each panel 低155μg·m3(17.1%)。其中，NO2的变化在空 出现在长三角地区(15.8%)。相反，NO2的降幅扩 间上比较均匀，四个主要城市群的降幅在22%~ 大，全国平均偏低9.7μg·m3(30.4%),四个主要 28%。C0的最大降幅(24%)出现在珠三角地区， 城市群的降幅为27%~35%。尽管S02低于去年同 而S02的最大降幅(30%)在京津冀地区（图2）。 期水平，其浓度仍然比预期值偏高1.7μg·m3 这种降幅的空间格局在2月和3月基本一致。 (20%)。在京津冀地区，S02浓度从2015年的53 与预期浓度相比，疫情期间CO的降幅缩小，全 μg·m3快速降低至2019年的15μg·m3,对应 国平均偏低77.5μg·m3(9.4%),局地最大降幅 268
!"!" 年 % 月 第 $% 卷 第 ! 期 图 ) 疫情期间我国地表臭氧 % B% & 和细颗粒物 % KL!+' & 浓度的变化!% 2"*& !")',!"!" 年逐年平均 !,% 月的 B% % 2& 和 KL!+'% *& 变化% 黑线是实际观测'!"!" 年红点是根据 !")',!")* 年 !,% 月浓度的线性外推结果'误差条代表不同站 点平均浓度的范围& '%,&!"!" 年实际 B% 相对于 !")',!")* 年同期线性外推的预期 B% 的变化'% && !"!" 年实际 KL!+' 相对于 !")',!")* 年同期线性外推的预期的 KL!+' 变化'% 8& !"!" 年实际 B% 与 !")* 年同期的对比'% @& !"!" 年实际 KL!+' 与 !")* 年同期的对比% 浓度增加%M$/4& 和减少%M-85& 的站点数显示在图中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低 )'' (5/A.% % )(+)J& ) 其中"MB! 的变化在空 间上比较均匀" 四个主要城市群的降幅在 !!J / !,J) ?B的最大降幅 % !$J& 出现在珠三角地区" 而 GB! 的最大降幅 % %"J& 在京津冀地区 % 图 !& ) 这种降幅的空间格局在 ! 月和 % 月基本一致) 与预期浓度相比"疫情期间 ?B的降幅缩小"全 国平均偏低 ((+' (5/A.% % *+$J& "局地最大降幅 出现在长三角地区 % )'+,J& ) 相反"MB! 的降幅扩 大"全国平均偏低 *+( (5/A.% % %"+$J& "四个主要 城市群的降幅为 !(J/%'J) 尽管 GB! 低于去年同 期水平" 其浓度仍然比预期值偏高 )+( (5 / A.% %!"J& ) 在京津冀地区"GB! 浓度从 !")' 年的 '% (5/A.% 快速降低至 !")* 年的 )' (5/ A.% " 对应 !&
乐旭，等：新冠肺炎疫情期间中国人为碳排放和大气污染物的变化 论著 150 150 30 100 100 50 50 TIUTI 3 阿中竹 100 5 -150 150 30 1 45 全国京津冀珠三角四川盆地长三角 全国京津冀珠三角四川盆地长三角 ☐O,☐C0NO2☐PM,☐PM。☐SO 图2疫情期间不同大气污染物的实际浓度与预期相比(a、b)以及与2019年同期的百分比变化(c,d):(a,c)2一3月： (b,d)2月(a,b中S02的变化对应右侧坐标轴) Fig.2 Relative changes of multiple air pollutants during epidemic relative to (a,b)2020 EXP and (c,d)2019 observations: (a,c)February-March;(b,d)February(Changes of SO,are corresponding to right axes) 2020年预期浓度为4.8μg·m。而观测浓度10.1 能与卫星反演的不确定性有关。 μg·m相比预期值偏高110%，表明该地区出现了 4.2对流层C0柱浓度 超过预期的较强SO2排放活动。在四川盆地和长 与NO,变化相反，疫情期间对流层CO的柱浓 三角地区，实际浓度分别比预期浓度偏高28%和 度比2019年同期升高2.5%（图4）。全国C0的变 18%(图2a),表明S02的减排趋势在大部分地区有 化呈现南升北降的空间分布态势。降幅主要出现在 所削弱。 山西、山东、内蒙古等北方地区，京津冀地区CO柱 4卫星反演大气成分的变化 浓度同比降低1.4%。增幅主要出现在西南地区 (包括广西、贵州和云南等省份)，局地最大增加超 4.1对流层N0,柱浓度 过10mmol·m2。在长三角、珠三角和四川盆地， 从全国平均来看，2020年预期NO,柱浓度与 C0柱浓度分别同比升高5.3%、5.2%和4.5%。而 2019年同期基本持平（图3a、b)。与同期数据相 地表CO浓度在上述地区均下降（图2），表明高层 比，平均NO2柱浓度在疫情期间下降18%~21%。 有额外的C0输送。每年2一4月是南亚地区生物 OMI显示NO,在长三角、珠三角和京津冀分别降低 质燃烧的高峰期(Streets et al.,2003),包含较高C0 28.8%、26.6%和21.7%（图3e)。尽管G0ME-2显 浓度的大气从我国西南地区进入，对当地的空气质 示更强的NO2降低量，其相对变化与OMI相当，在 量造成影响(Cong et al..,2015)。因此，疫情期间源 上述地区分别降低26.7%、31.1%和25%（图3f)。 于南亚生物质燃烧的大气污染物可能比往年浓度更 这些变化与地表观测的NO,降幅非常一致（图2）。 高，输送更强。 值得注意的是，长江以南地区NO,的变化量总体较4.3AOD变化 小，最大降幅出现在广州及其周边地区。在四川盆 AOD表征整层气溶胶的柱浓度，而PM2.;表征 地，两套卫星数据的NO,降幅都有限，局地甚至出 近地面气溶胶的浓度，两者存在一定的联系但又不 现升高的趋势，这与地基观测结果不一致（图2），可 完全相同（图5）。此外，AOD的覆盖范围比地表站 269
乐旭"等!新冠肺炎疫情期间中国人为碳排放和大气污染物的变化 论 著 图 ! 疫情期间不同大气污染物的实际浓度与预期相比 % 2(*& 以及与 !")* 年同期的百分比变化 % ,(&& !% 2",& !,% 月' % *"&&! 月%2"* 中 GB! 的变化对应右侧坐标轴& I;5+! T832#;P8,"2-584/@A03#;$382;1$/330#2-#4&01;-5 8$;&8A;,1832#;P8#/ % 2"*& !"!" H9K2-& % ,"&& !")* /*481P2#;/-4! %2",&I8*1021Q!L21,"'% *"&&I8*1021Q%?"2-584/@GB! 218,/1184$/-&;-5 #/ 1;5"#2)84& !"!" 年预期浓度为 $+,(5/A.% ) 而观测浓度 )"+) (5/A.% 相比预期值偏高 ))"J"表明该地区出现了 超过预期的较强 GB! 排放活动) 在四川盆地和长 三角地区" 实际浓度分别比预期浓度偏高 !,J和 ),J% 图 !2& "表明 GB! 的减排趋势在大部分地区有 所削弱) , 卫星反演大气成分的变化 ,'! 对流层 -(# 柱浓度 从全国平均来看"!"!" 年预期 MB! 柱浓度与 !")* 年同期基本持平 % 图 %2( *& ) 与同期数据相 比"平均 MB! 柱浓度在疫情期间下降 ),J/!)J) BLD显示 MB! 在长三角(珠三角和京津冀分别降低 !,+,J(!&+&J和 !)+(J% 图 %8& ) 尽管 RBLH!! 显 示更强的 MB! 降低量"其相对变化与 BLD相当"在 上述地区分别降低 !&+(J(%)+)J和 !'J% 图 %@& ) 这些变化与地表观测的 MB! 降幅非常一致% 图 !& ) 值得注意的是"长江以南地区 MB! 的变化量总体较 小"最大降幅出现在广州及其周边地区) 在四川盆 地"两套卫星数据的 MB! 降幅都有限"局地甚至出 现升高的趋势"这与地基观测结果不一致% 图 !& "可 能与卫星反演的不确定性有关) ,'# 对流层 .(柱浓度 与 MB! 变化相反"疫情期间对流层 ?B的柱浓 度比 !")* 年同期升高 !+'J% 图 $& ) 全国 ?B的变 化呈现南升北降的空间分布态势) 降幅主要出现在 山西(山东(内蒙古等北方地区"京津冀地区 ?B柱 浓度同比降低 )+$J) 增幅主要出现在西南地区 % 包括广西(贵州和云南等省份& "局地最大增加超 过 )" AA/3/A.! ) 在长三角(珠三角和四川盆地" ?B柱浓度分别同比升高 '+%J('+!J和 $+'J) 而 地表 ?B浓度在上述地区均下降 % 图 !& "表明高层 有额外的 ?B输送) 每年 !,$ 月是南亚地区生物 质燃烧的高峰期 %G#188#48#23+"!""%& "包含较高 ?B 浓度的大气从我国西南地区进入"对当地的空气质 量造成影响%?/-5 8#23+"!")'& ) 因此"疫情期间源 于南亚生物质燃烧的大气污染物可能比往年浓度更 高"输送更强) ,'& /(0变化 FB<表征整层气溶胶的柱浓度"而 KL!+' 表征 近地面气溶胶的浓度"两者存在一定的联系但又不 完全相同% 图 '& ) 此外"FB<的覆盖范围比地表站 !&*
大气斜学学报2020年3月第43卷第2期 x 105 molec/cm? ×l05 molec/em2 12 6 9 2 -2 2016 2017 2018 2019 2020 2016 2017 2018 2019 2020 年份 年份 50PN 50N 40N 30N 20°N 20N 75°E 90PE 105E 120PE 135E 75E 90°E 105E 120PE 135°E 经度 经度 50PN 50PN 40PN 40°N 30PN 30N 20N “ 20N 75E 90E 105E 120PE 135E 75°E 90E 105E 120PE 135E 经度 经度 -16-12-8-40481216×105 molec/cm2 图3疫情期间OMI(a,c、e)和GOME-2(b、d、f)反演的NO2柱浓度的变化：(a,b)2016一2020逐年平均2一3月的NO2变 化（黑线是实际观测：2020年红点根据2016一2019年2一-3月NO2的线性外推结果：误差条代表不同格点N0,的范 围)：(c,d)2020年NO2相对于预期的变化：(e,f)2020年NO2相对于2019年同期的变化 Fig.3 Changes of column NO from OMI(a,c,e)and GOME-2(b,d,f)during epidemic in China:(a,b)The national February-March average(black points)NO:during 2016-2020 with errorbars indicating spatial ranges.The red points are the expected(EXP)values in 2020 extrapolated from 2016-2019 linear trends.(c,d)differences between 2020 observa- tions and 2020 EXP:(e,f)differences between observations of 2020 and 2019 点更广，有更好的空间代表性。两套卫星产品显示和21%，在长三角分别偏低15.5%和25.6%；葵花8 的AOD空间变化总体一致。无论与预期还是同期 的AOD在京津冀分别偏低21.6%和17%，在长三 相比，疫情期间AOD在西北、西南和东北地区均有 角分别偏低34.1%和40.6%。总而言之，卫星显示 所升高（图5）。这些地区AOD的主要来源是自然 AOD在华北平原和长江流域显著降低，与地表 或境外排放，例如西北地区的大气成分以沙尘气溶 PM2.s浓度变化相对应（图1）。 胶为主(Zhang et al.,2003;Huang et al.,2010),西南 4.4晴空地表短波辐射 地区的大气成分在2一3月受到南亚地区生物质燃 疫情期间，我国大部分地区晴空地表短波辐射 烧的跨境输送影响（图4）。因此，疫情期间自然或 显著上升（图6）。与2020年预期相比，全国平均辐 境外排放较往年同期偏多。而在华北平原，疫情期 射增加14.5W·m2(12.2%),其中长三角、四川盆 间AOD有显著降低。与2020年预期和2019年同 地和京津冀的辐射分别偏高39W·m2(43.6%)、 期相比，MODIS的AOD在京津冀分别偏低19.6% 13.8W·m2(15.5%)和10.9W·m2(7.6%)。 270
!"!" 年 % 月 第 $% 卷 第 ! 期 图 % 疫情期间 BLD%2(,(8& 和 RBLH!!% *(&(@& 反演的 MB! 柱浓度的变化!%2"*&!")&,!"!" 逐年平均 !,% 月的 MB! 变 化% 黑线是实际观测'!"!" 年红点根据 !")&,!")* 年 !,% 月 MB! 的线性外推结果'误差条代表不同格点 MB! 的范 围& '%,"&&!"!" 年 MB! 相对于预期的变化'%8"@&!"!" 年 MB! 相对于 !")* 年同期的变化 I;5+% ?"2-584/@,/30A- MB! @1/A BLD% 2" ," 8& 2-& RBLH!! % *" &" @& &01;-5 8$;&8A;,;- ?";-2! % 2" * & E"8-2#;/-23 I8*1021Q!L21," 2P81258% *32,( $/;-#4& MB! &01;-5 !")&,!"!" O;#" 811/1*214;-&;,2#;-5 4$2#;2312-584+E"818& $/;-#4218 #"88)$8,#8& %H9K& P23084;- !"!" 8)#12$/32#8& @1/A !")&,!")* 3;-821#18-&4+%,"&& &;@@818-,84*8#O88- !"!" /*481P2! #;/-42-& !"!" H9K'%8"@& &;@@818-,84*8#O88- /*481P2#;/-4/@!"!" 2-& !")* 点更广"有更好的空间代表性) 两套卫星产品显示 的 FB02-5 8#23+"!")"& "西南 地区的大气成分在 !,% 月受到南亚地区生物质燃 烧的跨境输送影响 % 图 $& ) 因此"疫情期间自然或 境外排放较往年同期偏多) 而在华北平原"疫情期 间 FB<有显著降低) 与 !"!" 年预期和 !")* 年同 期相比"LB<DG的 FB<在京津冀分别偏低 )*+&J 和 !)J"在长三角分别偏低 )'+'J和 !'+&J'葵花 , 的 FB<在京津冀分别偏低 !)+&J和 )(J"在长三 角分别偏低 %$+)J和 $"+&J) 总而言之"卫星显示 FB<在华北平原和长江流域显著降低" 与地表 KL!+' 浓度变化相对应% 图 )& ) ,', 晴空地表短波辐射 疫情期间"我国大部分地区晴空地表短波辐射 显著上升% 图 && ) 与 !"!" 年预期相比"全国平均辐 射增加 )$+' N/A.! %)!+!J& "其中长三角(四川盆 地和京津冀的辐射分别偏高 %* N/A.! % $%+&J& ( )%+, N/ A.! % )'+'J& 和 )"+* N/ A.! % (+&J& ) !(
乐旭，等：新冠肺炎疫情期间中国人为碳排放和大气污染物的变化 论著 50PN 40PN 30°N 20PN y 75E 90PE 105E 20E 135E 经度 -10-8642024680 mmol/m2 图4疫情期间TROPOMI反演的CO柱浓度相比2019年2一3月平均的变化 Fig.4 Changes of column CO from OMI during epidemic relative to February-March during 2019 in China 0.8 1.8 b 1.5 0.6 2 0.9 0.2 0.6 3 o 201520162017201820192020 2016 2017 2018 2019 2020 年份 年份 50PN 50?N 30N 30N 20N 20N 75°E 90°E 105E 120PE 135E 75°E 90°E 105E 120°E 135°E 经度 经度 50N 50PN 30PN 7 20N 75°E 90°E 105E 120PE 135°E 75°E 90E 105E 120°E 135E 经度 经度 -0.5-0.4-0.3-0.2-0.100.10.20.30.40.5 图5疫情期间MODIS(a、c,e)和葵花8号(b、d,f)反演的气溶胶光学厚度(AOD)的变化：(a,b)2016一2020逐年平均2一 3月的AOD变化（黑线是实际观测：2020年红点根据2016一2019年2一3月AOD的线性外推结果；误差条代表不同 格点NO2的范围)：(c,d)2020年AOD相对于预期的变化：(e,f)2020年AOD相对于2019年同期的变化 Fig.5 Changes of aerosol optical depth (AOD)from MODIS (a,c,e)and Himawari8(b,d,f)during epidemic in China:(a, b)The national February-March average (black points)AOD during 2016-2020 with errorbars indicating spatial ranges. The red points are the expected(EXP)values in 2020 extrapolated from 2016-2019 linear trends.(c,d)differences be- tween 2020 observations and 2020 EXP;(e,f)differences between observations of 2020 and 2019 271
乐旭"等!新冠肺炎疫情期间中国人为碳排放和大气污染物的变化 论 著 图 $ 疫情期间 ETBKBLD反演的 ?B柱浓度相比 !")* 年 !,% 月平均的变化 I;5+$ ?"2-584/@,/30A- ?B@1/A BLD&01;-5 8$;&8A;,1832#;P8#/ I8*1021Q!L21," &01;-5 !")* ;- ?";-2 图 ' 疫情期间 LB;A2O21;, % *"&"@& &01;-5 8$;&8A;,;- ?";-2!%2" *&E"8-2#;/-23I8*1021Q!L21," 2P81258% *32,( $/;-#4& FB<&01;-5 !")&,!"!" O;#" 811/1*214;-&;,2#;-5 4$2#;2312-584+ E"818& $/;-#4218#"88)$8,#8&%H9K& P23084;- !"!" 8)#12$/32#8& @1/A !")&,!")* 3;-821#18-&4+% ,"&& &;@@818-,84*8! #O88- !"!" /*481P2#;/-42-& !"!" H9K'%8"@& &;@@818-,84*8#O88- /*481P2#;/-4/@!"!" 2-& !")* !()
大气斜学学报 2020年3月第43卷第2期 180 00 2016 2017 2018 2019 2020 年份 50PN 40°N 2 20°N 75E 90E 105E 120°E 135E 75E 90°E 105E 120E 135E 经度 经度 W/m -50-40-30-20-1001020304050 图6疫情期间葵花8号反演的地表晴空辐射的变化：()2016一2020逐年平均2一3月地表晴空变化（黑线是实际观测： 2020年红点根据2016一2019年2一3月地表晴空的线性外推结果；误差条代表不同格点地表晴空辐射的范围)： (b)2020年地表晴空辐射相对于预期的变化：（℃）2020年地表晴空辐射相对于2019年同期的变化 Fig.6 Changes in clear-sky surface downward shortwave radiation(SW)from Himawari8 during epidemic in China:(a)The na- tional February-March average(black points)SW during 2016-2020 with errorbars indicating spatial ranges.The red points are the expected(EXP)values in 2020 extrapolated from 2016-2019 linear trends;(b)Differences between 2020 observations and 2020 EXP:(c)Differences between observations of 2020 and 2019 与2019年同期相比，全国平均增加11.6W·m2 染物相比同期或预期均显著下降。而在西南和西北 (9.6%),上述地区的辐射值升高33.4W·m2 地区，可能受境外生物质燃烧或本地自然源排放增 (35.2%),11.1W·m2(12.1%)和6.8W·m2 强的影响，局地污染物浓度同比上升。地表O,浓 (4.6%)。由于晴空辐射产品已剔除云的影响，辐 度在华北平原地区以降低为主，而在长江以南地区 射的变化主要由气溶胶消光效应所致。因此，疫情 以上升为主，体现了O,浓度与局地排放变化的复 期间AOD的减少（图5），导致晴空辐射的显著增加 杂关系。卫星反演的NO2柱浓度变化与地表监测 (图6)。需要注意的是，我国局部地区AOD和短波 数据有较好的一致性，而CO柱浓度的上升与地表 辐射出现了同向变化，例如，四川盆地的AOD和辐 观测的下降趋势相反，体现了高层较强的污染物输 射均升高。这种偏差可能与卫星数据反演的不确定 送影响。卫星反演的AOD在华北平原和长江流域 性有关。尽管如此，我国中东部地区一致显示 显著降低，导致我国中东部和南部地区晴空地表短 “AOD减少-辐射增加”，表明人为排放的降低促进 波辐射显著上升。 了辐射的升高，并可能进一步对局地的天气条件造 疫情期间严格的管控措施对交通部门的碳排放 成反馈。 有较大抑制作用，而该部门对总体碳排放的贡献只 5结论与讨论 有10%左右。电力和工业排放占碳排放总量的 80%以上，虽然在疫情期间这两个部门排放同比也 系统分析了疫情期间我国人为碳排放和主要大 有显著下降，但降幅在3月变小。因此，在同等限制 气污染物浓度的变化。相比2019年，我国碳排放在 条件下，全国碳减排比例小于PM25的降幅，这一方 2020年第一季度降低9.8%，其中交通部门的排放 面体现了碳排放和大气污染的行业贡献差异，另一 降幅最大。由于执行了较强的管控措施，在我国中 方面也反映了大气污染浓度变化的非线性。相比已 东部和南部等人口分布和工业活动较为密集的地 有的大气污染研究(Chen et al,2020;Wang et al., 区，PM2.5、PM。等颗粒物和NO2、CO、SO2等气态污 2020),本文在时间上涵盖了整个疫情期间(2020年 272
!"!" 年 % 月 第 $% 卷 第 ! 期 图 & 疫情期间葵花 , 号反演的地表晴空辐射的变化!%2& !")&,!"!" 逐年平均 !,% 月地表晴空变化 % 黑线是实际观测' !"!" 年红点根据 !")&,!")* 年 !,% 月地表晴空的线性外推结果'误差条代表不同格点地表晴空辐射的范围 & ' % *&!"!" 年地表晴空辐射相对于预期的变化'%,&!"!" 年地表晴空辐射相对于 !")* 年同期的变化 I;5+& ?"2-584;- ,3821!4(Q 401@2,8&/O-O21& 4"/1#O2P812&;2#;/-%GN& @1/A >;A2O21;, &01;-5 8$;&8A;,;- ?";-2!%2&E"8-2! #;/-23I8*1021Q!L21," 2P81258% *32,( $/;-#4& GN &01;-5 !")&,!"!" O;#" 811/1*214;-&;,2#;-5 4$2#;2312-584+E"818& $/;-#4218#"88)$8,#8&%H9K& P23084;- !"!" 8)#12$/32#8& @1/A !")&,!")* 3;-821#18-&4'% *& <;@@818-,84*8#O88- !"!" /*481P2#;/-42-& !"!" H9K'%,&<;@@818-,84*8#O88- /*481P2#;/-4/@!"!" 2-& !")* 与 !")* 年同期相比" 全国平均增加 ))+& N/ A.! %*+&J& " 上述地区的辐射值升高 %%+$ N / A.! %%'+!J& "))+) N/ A.! % )!+)J& 和 &+, N / A.! %$+&J& ) 由于晴空辐射产品已剔除云的影响" 辐 射的变化主要由气溶胶消光效应所致) 因此"疫情 期间 FB<的减少% 图 '& "导致晴空辐射的显著增加 % 图 && ) 需要注意的是"我国局部地区 FB<和短波 辐射出现了同向变化"例如"四川盆地的 FB<和辐 射均升高) 这种偏差可能与卫星数据反演的不确定 性有关) 尽 管 如 此" 我 国 中 东 部 地 区 一 致 显 示 *FB<减少!辐射增加+ "表明人为排放的降低促进 了辐射的升高"并可能进一步对局地的天气条件造 成反馈) + 结论与讨论 系统分析了疫情期间我国人为碳排放和主要大 气污染物浓度的变化) 相比 !")* 年"我国碳排放在 !"!" 年第一季度降低 *+,J"其中交通部门的排放 降幅最大) 由于执行了较强的管控措施"在我国中 东部和南部等人口分布和工业活动较为密集的地 区"KL!+' (KL)" 等颗粒物和 MB! (?B(GB! 等气态污 染物相比同期或预期均显著下降) 而在西南和西北 地区"可能受境外生物质燃烧或本地自然源排放增 强的影响"局地污染物浓度同比上升) 地表 B% 浓 度在华北平原地区以降低为主"而在长江以南地区 以上升为主"体现了 B% 浓度与局地排放变化的复 杂关系) 卫星反演的 MB! 柱浓度变化与地表监测 数据有较好的一致性"而 ?B柱浓度的上升与地表 观测的下降趋势相反"体现了高层较强的污染物输 送影响) 卫星反演的 FB<在华北平原和长江流域 显著降低"导致我国中东部和南部地区晴空地表短 波辐射显著上升) 疫情期间严格的管控措施对交通部门的碳排放 有较大抑制作用"而该部门对总体碳排放的贡献只 有 )"J左右) 电力和工业排放占碳排放总量的 ,"J以上"虽然在疫情期间这两个部门排放同比也 有显著下降"但降幅在 % 月变小) 因此"在同等限制 条件下"全国碳减排比例小于 KL!+' 的降幅"这一方 面体现了碳排放和大气污染的行业贡献差异"另一 方面也反映了大气污染浓度变化的非线性) 相比已 有的大气污染研究 % ?"8- 8#23+"!"!"'N2-5 8#23+" !"!"& "本文在时间上涵盖了整个疫情期间% !"!" 年 !(!
乐旭，等：新冠肺炎疫情期间中国人为碳排放和大气污染物的变化 论著 2一3月)，在空间上分析了全国及主要城市群的变 的原因，量化人为排放减少和天气气候条件分别对 化，并通过对比地表和卫星观测产品的异同，获得了 污染物变化的贡献。在此基础上，进一步研究大气 大气污染物的多维空间变化信息。在后续研究中，污染变化对天气气候的反馈影响，以及相应的环境、 我们将结合数值模式，解析疫情期间大气污染变化 生态和健康效应。 参考文献(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:ht ps:/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 atmospherie organic acids[J].Sci Rep,5:9580. 国家统计局，2019.中国能源统计年鉴2018[M]-北京：中国统计出版社.National bureau of statistics,20I9.China energy statistics yearbook2018 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.CO,Emissions from Fuel Combustion 2019[EB/OL].2020-01-12].http://data.iea.org/payment/products/115- CO,-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 hi- mawari-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. 刘竹，关大博，魏伟，2018.中国二氧化碳排放数据核算[J].中国科学：地球科学，48(7)：878-887.，LiuZ,Guan D B,weiW,2018.Carbon emission accounting in China[J].Sci Sin Terrae,48(7):878-887.(in Chinese). Ma R.Letu H S.Yang K.et al2020.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 HZ,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 HZ,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 Biogeo- chem 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. 273
乐旭"等!新冠肺炎疫情期间中国人为碳排放和大气污染物的变化 论 著 !,%月& "在空间上分析了全国及主要城市群的变 化"并通过对比地表和卫星观测产品的异同"获得了 大气污染物的多维空间变化信息) 在后续研究中" 我们将结合数值模式"解析疫情期间大气污染变化 的原因"量化人为排放减少和天气气候条件分别对 污染物变化的贡献) 在此基础上"进一步研究大气 污染变化对天气气候的反馈影响"以及相应的环境( 生态和健康效应) 参考文献%1232425627& ?"8- U"N2-5 L">02-5 ?"8#23+"!"!"+F;1$/330#;/- 18&0,#;/- 2-& A/1#23;#Q *8-8@;#&01;-5 #"8?BCD;A232Q24!-8O ;-4;5"#4@1/A 2#A/4$"81;,/152-;,2,;&4#6$+G,;T8$"'!*',"+ 国家统计局"!")*+中国能源统计年鉴 !"),#L$+北京!中国统计出版社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
大气科学学报2020年3月第43卷第2期 Changes of anthropogenic carbon emissions and air pollutants during the COVID-19 epidemic in China YUE Xu',LEI Yadong2,ZHOU Hao2,LIU Zhu,LETU Husi,CAI Zhaonan'LIN Jintai, JIANG Zhihong',LIAO Hong' Jiangsu Key Laboratory of Amospheric Environment Monitoring and Pollution Control,Collaborative Innovation Center of Amospheric Environment and Equipment Technology,School of Environmental Science and Engineering,Nanjing University of Information Science Technology NUIST). Nanjing 210044,China: Climate 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; Aerospace Information Research Institute,Chinese Academy of Sciences,Beijing 100010,China; Key Laboratory of Middle Amosphere and Global Environment Observation,Institute of Amospheric Physics.Chinese Academy of Sciences,Beijing 100029,China: Department of Atmospheric and Oceanic Sciences,School of Physics,Peking University,Beijing 100871,China; Ministry of Education Key Laboratory of Meteorological Disaster,Join Interational Research Laboratory of Climate and Environment Change,Col- laborative 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 retriev- als.Compared to the first quarter of 2019,national carbon emissions decreased by 9.8%in 2020 with the maxi- mum reduction of 43.4%in transportation sector.Compared to the average of February-March in 2019,surface o- zone 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 PM.concentrations decreased by 12.6 ug.m (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(9.6%). COVID-19 epidemic;anthropogenic carbon emissions;air pollutants;ozone;PM2s;Himawari8 doi:10.13878/j.cnki.dqkxxb.20200408010 (责任编辑：袁东敏) 274
!"!" 年 % 月 第 $% 卷 第 ! 期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责任编辑!袁东敏& !($