bevictor伟德官网2020年9月14日電(通訊員：王韻傑) 9月9日，bevictor伟德官网吳烨教授、張少君助理教授團隊在環境領域著名期刊Environmental Science & Technology Letters期刊在線發表題為Four-month changes in air quality during and after the COVID-19 lockdown in six megacities in China的研究論文。該研究構建了時間序列機器學習模型，定量分析了2020年1月至4月間新冠疫情防控對中國大城市空氣質量的整體影響，并通過交通大數據動态追蹤重點城市交通排放量變化，解析了交通部門對典型污染物變化的貢獻。

新冠疫情暴發之後，我國各地迅速啟動了突發公共衛生事件一級響應機制，人類活動和污染排放強度大幅降低。本研究選擇北京、成都、上海、深圳、西安和武漢六個城市為研究對象，基于2015-2020年（疫情暴發前）曆史氣象和空氣質量數據，構建時間序列随機森林模型，實現對無疫情防控情景下城市尺度質量的定量預測。相比簡單對比或者化學傳輸模拟等傳統方法，該模型可以有效識别氣象短期波動對空氣質量變化的影響，避免排放清單構建帶來的高數據需求性和不确定性，适合對較長一段時期空氣質量變化的動态研究。

圖1.城市不同疫情防控階段NO₂濃度實際觀測值與無防控情景預測值的比較

研究顯示，在防疫措施最嚴格的一級防控響應階段，六城市NO₂濃度比無疫情防控情景預測值降低36%~53%（圖1）。深圳、成都和西安的NO₂濃度在解除一級防控響應後逐漸回升，4月底已經恢複到無疫情情景預測濃度90%以上的水平。北京和武漢在4月尚未解除一級防控響應，NO₂仍然顯著低于無疫情情景預測值。研究發現，疫情防控會導緻O₃在北方城市（包括武漢）小幅上升，主要是這些城市冬季多處于臭氧VOC控制區而導緻。通過4個月較長期的動态追蹤，研究指出疫情防控能夠整體上削減城市PM_2.5濃度。以北京為例，改進的随機森林模型顯示疫情防控導緻大氣氧化性增強，是1月底和2月中兩次短期特殊氣象（高濕、靜穩）條件下PM_2.5污染加劇的主要原因；但由于排放整體大幅下降，北京市一級防控響應階段的PM_2.5比無疫情情景平均下降了42%。

圖2.北京全市和成都市區不同時段機動車NOx排放動态變化規律

研究進一步選擇中國機動車保有量最高的北京和成都為案例，借助擁堵指數、道路監控等智能交通大數據，構建了全路網機動車排放動态計算模型。結果顯示，疫情防控一級階段，北京和成都城市機動車排放量全時段下降，降幅達60%左右。成都在解除一級防控後（2月底），盡管高峰時段排放迅速回升，白天平峰和夜間時段交通排放仍然比疫情前期水平降低30%以上（圖2）。耦合動态排放數據和随機森林模型的研究結果顯示，一級防控響應階段機動車排放變化導緻北京全市NO₂濃度降低20%~40%，成都核心區NO₂濃度降低50%~60%。新冠疫情防控的特殊時期案例分析揭示了，機動車污染控制将是今後中國大城市核心區空氣質量持續改善的重中之重。

該工作得到了國家重點研發計劃、國家自然科學基金面上項目和歐盟地平線2020項目中歐政府間合作計劃的支持。bevictor伟德官网張少君助理教授為論文通訊作者，bevictor伟德官网博士研究生王韻傑和溫轶凡為論文的共同第一作者，bevictor伟德官网郝吉明院士、吳烨教授、邢佳副教授和康奈爾大學K. MaxZhang教授在數據采集、模型構建和結果讨論等方面提供了重要幫助。

論文鍊接：https://pubs.acs.org/doi/10.1021/acs.estlett.0c00605