新冠疫情期间武汉空气质量变化的多维观测分析

王瑶 唐晓 陈科艺 胡柯 梁胜文 罗洪艳 宋雅婷 罗雪纯 王自发

1 成都信息工程大学，成都 610225

2 中国科学院大气物理研究所大气边界层物理和大气化学国家重点实验室，北京 100029

3 武汉市环境监测中心，武汉 430015

近年来，随着以细颗粒物（PM2.5）为重心的大气污染防治工作稳步推进，我国大气污染形势出现好转，但仍面临着以秋冬季高浓度PM2.5和夏季臭氧（O3）为典型特征的大气复合型污染问题（https://img74.hbzhan.com/4/20201016/6373845861 33551705645.pdf[2021-11-21]）。武汉作为我国中部地区的中心城市，常住人口已超千万，市内江河纵横、湖港交织、地形复杂，同时被京津冀、长三角、珠三角和四川盆地等污染严重区域所围绕，区域传输极其复杂，冬季污染形势十分严峻。武汉市2013年3月至2014年2月PM2.5超标天数为193 d，全国排名第四，超过北京的182 d和成都的 184 d（Wang et al., 2014），其中 2014 年 1 月PM2.5 均值为 199.1 µg m−3，浓度超标（75 µg m−3）持续一整月（Lu et al., 2017），而 2017 年 1 月至2019年 1月 PM2.5、PM10、SO2、CO、NO2和O3均值分别为 88.8 µg m−3、99.6 µg m−3、3.85 ppb（1 ppb=10−9）、1.03 ppm（1 ppm=10−6）、25.7 ppb和 20.4 ppb（Xu et al., 2020）。虽然细颗粒物浓度总体呈下降趋势，但仍是武汉地区冬季主要污染物。

2019年12月底，武汉市部分医疗机构出现不明原因肺炎患者（https://m.thepaper.cn/baijiahao_5394704[2019-12-31]），一场持续时间长、影响范围广的疫情就此爆发（Wang C et al., 2020）。为了从源头上阻止 COVID-19 的进一步传播，国家采取了一系列管控措施，全面封锁武汉市，暂停公交、地铁等交通工具的运营，关闭机场、车站等通道，禁止公众集会等（http://www.gov.cn/xinwen/2020-01/23/content_5471751.htm[2020-01-20]）， 这 些管控措施显著改变了人类活动强度和行动轨迹（Tian et al., 2020），而工业生产、交通运输等人类活动是造成空气污染的主要因素（Fu and Gu, 2017），所以疫情隔离期间，我国能耗降低，工业生产下滑，并且大气污染物的排放大量减少（Wang and Su,2020; Wang P F et al., 2020），Bauwens et al.（2020）基于TROPOMI 和OMI的NO2柱浓度数据发现武汉地区2020年2月11日至3月24日平均浓度比2019 年同期下降约50%。除此之外还有大量的文章讨论了疫情期间不同大气污染物变化。例如，华北地区44个城市的SO2、PM2.5、PM10、NO2和CO的浓度分别下降6.76%、5.93%、13.66%、24.67%和 4.58%（Bao and Zhang, 2020），武汉地区 PM2.5浓度下降约 25 µg m−3（Lian et al., 2020）。但并不是所有污染物浓度都呈现下降趋势，武汉O3浓度较管控前异常上升了 36%（Sicard et al., 2020），2020 年封锁期间O3浓度比2019年同期高得多（35%～95%），比 2018年同期高出11%～68%（Shi and Brasseur, 2020）。尽管目前已有大量关于疫情期间武汉环境空气质量变化的文章，但多限于空气质量指数（Air Quality Index, AQI）或污染物浓度变化（Lian et al., 2020; Chu et al., 2021），对各项污染物的空间分布、地区差异分析较少，或因站点数量少、缺乏详细观测数据，而无法清楚地了解到疫情管控措施对工业城市中不同典型排放源的影响。

在此背景下，本文基于国控站点和武汉本地加密站点等89个站点，利用2020年1月1日至2月13日6种常规污染物和PM2.5组分及其气态前体物的逐小时监测数据，讨论了新冠疫情管控前后武汉地区大气污染物的时空变化特征，探究了管控措施对不同类型站点浓度的影响区别，有助于更好地了解疫情管控对武汉地区空气质量的影响，为今后该地区大气污染防治工作提供科学依据。

2.1 观测数据介绍

为了更精准地分析湖北武汉大气污染物的时空变化特征，本文同时融合采用了两类观测数据，一类是国家环境空气质量监测网在湖北武汉的国控站点观测数据（10个站点），特点是长期用于数据分析工作，能保障监测结果质量；
另一类是武汉本地加密监测网数据（79个站点，可分为15个交通点、11个工业园区点、3个省控点、49个网格化站点和1个大气复合污染监测实验室），特点是大范围、高密度的布点能实时了解污染来源，客观反应污染现状，可视为对国控站点的有效补充和支持，文中未特指的浓度和变化率均为融合两套观测网计算所得。所有站点（除大气复合污染监测实验室）均包含 PM2.5、PM10、SO2、NO2、CO、O3六种常规污染物的逐小时监测数据，PM2.5组分（、、、OC、EC）及其气态前体物（HNO2、HNO3、NH3）的逐小时数据来自武汉市大气复合污染监测实验室，该站点位于江汉区香江路1号，其中PM2.5组分监测仪器为MARGA-1S在线气体组分及气溶胶监测系统，OC（有机碳）和EC（元素碳）的监测仪器为使用热光法的RT-4型有机碳元素碳在线分析仪，同时文中涉及到的武汉气象数据由中国气象局提供，分析时段为2020年1月1日至2月13日。为避免引入其他误差，按管控措施实施的时间点将疫情期间分为两个阶段，1月1～22日（管控前或第一阶段）和1月23日至2月13日（管控后或第二阶段），使得两个阶段的时间长度都为22 d，对比两个阶段的均值变化。

由武汉地区空气质量监测站点分布（图1）可见，国控站点（红三角）主要集中在市中心，此区域人口密集，利用NASA社会经济数据和应用中心（SEDAC）提供的我国2020年人口密度数据（https://sedac.ciesin.columbia.edu/data/set/gpw-v4-population-density-adjusted-to-2015-unwpp-countrytotals-rev11[2020-11-17]）计算得出单个站点3 km内人口数约46万，人类活动频繁；
加密站点（蓝圆点）空间覆盖面更广，人口稀疏，单个站点3 km内人口数约15万。为了更好地保证数据质量，将利用国控站点的数据对加密站点数据的质量进行评估。

图1 武汉地区空气质量监测站点分布Fig.1 Distribution of air quality monitoring stations in Wuhan

2.2 数据质控

根据《环境空气质量评价技术规范2013》（http://www.cnemc.cn/jcgf/dqhj/201706/t20170606_647275.shtml[2021-10-10]）和《环境空气质量标准（GB3095-2012）》（http://www.cnemc.cn/jcgf/dqhj/201711/t20171108_647276.shtml[2021-10-10]）制定出数据质控流程，为了保证污染物浓度数据的有效性与完整性，要求不同污染物在不同的时间范围内存在符合规定的有效数据个数，然后再根据数据漂移、数据异常等情况剔除个别站点。具体如下：首先，臭氧8 h平均浓度值要求每8小时内至少有6个有效数据，自然日内臭氧日最大8小时平均要求当日08:00（北京时间，下同）至24:00至少有14个有效8 h滑动平均浓度值，若数据不足14个，但日最大8小时滑动平均浓度超限值，统计结果仍有效；
其他5项污染物的日平均值要求每日至少有20个有效小时数据，然后要求分析时段内至少80%的天数存在有效数据，经此流程质控后，139个站点剔除60个站点，得到79个加密监测站点。

为了验证加密站点数据的可信度，选取10个国控站点和与之距离最近的加密站点来比较，通过画时间序列图和计算统计参数两种方式进行验证，因第一组站点间距离约23 km，防止虚假相关，故只比较剩下9组站点。图2给出其中一组站点6种常规污染物监测数据的时间序列对比图及统计参数，两站间间距1.752 km，可看出国控站和加密站点数据总体上具有很好的一致性，其相关系数皆在0.8以上，平均差值小；
表1 给出武汉地区国控站点和加密站点PM2.5观测值差异的统计参数对比，可看出相关系数均达0.9以上，均方根误差在合理范围内，说明加密站点数据质量可靠，可用于之后的数据分析。

表1 2020年武汉地区国控站点和加密站点PM2.5浓度观测值差异的统计参数对比Table 1 Comparison of statistical parameters of observed PM2.5 concentration between the state-controlled sites and localcontrolled sites in Wuhan 2020

图2 2020年1月1日至2月13日武汉地区一组国控站点（蓝线）和加密站点（红线）的6种污染物浓度序列的对比。R为相关系数，RMSE为均方根误差，M1为国控站点均值，M2为加密站点均值，VD为有效数据比Fig.2 Comparisons of the hourly observations of the six pollutants by the state-controlled sites (blue line) and the local-controlled sites (red line) in Wuhan from 1 Jan to 13 Feb 2020.R is the correlation coefficient, RMSE is the root-mean-square error, M1 is the mean value of the state-controlled sites, M2 is the mean value of the local-controlled sites, and VD is the effective data ratio

3.1 PM2.5、PM10 和O3浓度的变化特征

与管控前相比，管控后的PM2.5、PM10和O3浓度均值空间分布有较大变化，且浓度变化也具有明显的空间分布特征（图3）。从第一阶段的浓度均值空间分布来看，三者分布不均匀，局地变化强。PM2.5、PM10第一阶段浓度范围分别为42～83 µg m−3和 58～121 µg m−3，浓度低值皆多出现于几个网格化站点和国控站点，浓度高值多存在于靠近城中心的区域，而非市中心，常见于工业点和交通点。除扬尘这一重要贡献外，从武汉市产业结构来看，与其他行政区相比，武汉市的大部分生物质锅炉集中存在于江岸区、江汉区和硚口区，生物质燃烧排放大量颗粒物，则造成该区域颗粒物浓度高于其他行政区。O3第一阶段浓度范围为44～101 µg m−3，该值为 90 百分位数浓度值，浓度高值多存在于郊区，常见于网格化站点，城市与郊区的O3浓度差异在冬季更为显著，从前体物NOx和VOCs排放强度来看，武汉城区的前体物排放强度要显著高于郊区，光化学反应生成强度更大，但从观测来看，武汉郊区观测到的O3浓度更高。这一方面是因为城区氮氧化物排放强度远大于郊区，在VOCs控制条件下对O3滴定作用强，而郊区氮氧化物排放强度相对较低，导致城区生成O3通过平流扩散到郊区后没有新排放的氮氧化物消耗，所以其浓度更高；
另一方面是因为郊区植被覆盖率更高，天然源排放的VOCs具有很强的O3生成潜势，这也可能是郊区O3浓度更高的原因之一（Geng et al., 2008; Zeng et al., 2018; Gao et al., 2020）。第二阶段PM2.5和PM10浓度均值明显下降，范围分别在 37～63 µg m−3和 44～74 µg m−3，较第一阶段都出现更明显的空间分布特征，偏北区域站点浓度高，高值多出现于网格化、工业点和交通点。而第二阶段 O3浓度上升，范围为 67～130 µg m−3，空间分布特征与颗粒物相反，偏北方向浓度值偏低。从第二阶段浓度减第一阶段浓度的空间分布图中，可看出3种污染物浓度变化的空间分布趋势一致，偏北的站点浓度变化小，浓度变化依次约为−10 µg m−3、−25 µg m−3、20 µg m−3，偏南的站点浓度变化大，浓度变化依次约为−20 µg m−3、−40 µg m−3、45 µg m−3。

图3 武汉地区 2020 年（a1−c1）第一阶段（1 月 1～22 日）、（a2−c2）第二阶段（1 月 23 日至 2 月 13 日）PM2.5（左）、PM10（中）、O3（右）浓度及（a3−c3）两阶段的浓度差异Fig.3 PM2.5 (left), PM10 (middle), and O3 (right) concentrations in the (a1−c1) first stage (1−22 Jan) and (a2−c2) second stage (23 Jan−13 Feb), and(a3−c3) the concentration differences of the two stages in Wuhan

为了探究颗粒物偏南区域站点浓度减小更多的原因，在此统计了武汉地区第一、二阶段风向、风速变化（图4），可知与第一阶段相比，第二阶段静风、偏南风百分占比增多，此时南、北区域站点因风和减排导致浓度减少，并且偏北区域站点会因吹南风而得到偏南区域污染物浓度补充，而武汉地区北有大别山阻挡污染物扩散，所以偏南区域站点浓度下降幅度大，偏北区域站点浓度下降幅度小，污染物聚集在武汉地区北部，也由此说明二次污染传输距离远。

图4 武汉地区 2020 年（a）第一、（b）第二阶段风向、风速玫瑰图Fig.4 Rose chart of wind direction and speed in (a) the first and (b) the second stages in Wuhan in 2020

管控前后，PM2.5、PM10和O3浓度均值有不同程度的变化，并且不同观测网的变化率也不同（表2、图5）。PM2.5 浓度均值从 64 µg m−3下降至 49 µg m−3，有 16 个站点浓度为此数值，变化率为−23.44%；
PM10 浓度均值从 88 µg m−3下降至59 µg m−3，变化率为−32.95%，两种污染物的国控站点变化率与融合两套观测网计算所得的变化率均相差不大；
O3浓度均值从 67 µg m−3上升至104 µg m−3，有 5 个站点浓度为此数值，国控站点变化率为44.62%，基于两套观测网计算出的变化率为55.22%，国控站点变化率比其低10.6%，站点数量对浓度及浓度变化数值有一定影响，但变化趋势不变。针对颗粒物浓度剧烈减小的现象，与道路交通管控直接相关，道路扬尘减少，港口船舶停运，颗粒物浓度下降，一些中小工厂的关停也对浓度下降有所贡献，虽然PM2.5和PM10来源贡献主要都是工业源和扬尘，但扬尘对PM10的贡献占比更高，与本地排放关系大，所以其浓度变化率大于PM2.5，而O3浓度不降反升的情况还需进一步分析。

图5 武汉地区2020年（a）PM2.5和（b）O3第一、二阶段站点浓度频数分布Fig.5 (a) PM2.5 and (b) O3 concentration frequency distributions in the first and second stages in Wuhan 2020

表2 2020年武汉地区国控站点和加密站点PM2.5、PM10和O3的浓度均值及变化率Table 2 Mean concentrations and change rates of PM2.5,PM10, and O3 at the state-controlled sites and localcontrolled sites in Wuhan 2020

3.2 SO2、CO和NO2浓度的变化特征

对一次污染物做出同样分析，SO2和CO浓度均值、浓度变化的空间分布无明显变化，NO2浓度变化的空间分布特征明显（图6）。SO2第一、二阶段浓度范围分别为 4～11.5 µg m−3和 3.1～11.5 µg m−3，空间分布趋势较为一致，东南方向浓度值明显高于其他地区，多为网格化站点，这与武汉市电力产业空间分布相匹配，并且电厂是武汉市SO2来源贡献前三的行业，同时，两阶段不同站点的浓度变化有增有减，原因是疫情期间居民生火取暖、烹饪等人类活动造成个别地区增加的浓度抵消掉该区域关停中小工厂减少的浓度；
CO两个阶段浓度范围分别为 0.91～1.64 mg m−3和 0.36～1.69 mg m−3，浓度变化分布较均匀，局地差异不算明显，多数站点浓度接近1 mg m−3，第二阶段绝大多数站点浓度都是下降的；
NO2第一、二阶段浓度范围分别为 17～52 µg m−3和 4～40 µg m−3，城中心区域浓度高，其余地区浓度低，第二阶段青山区高浓度尤为明显，这是因为该区重点排放源疫情期间不停工，造成该区域浓度高于其他行政区，通过其浓度变化发现，偏北站点浓度变化小，约降低15 µg m−3，偏南站点浓度变化大，约降低 25 µg m−3，与二次污染物浓度变化的空间分布趋势一致，可能是因为武汉市主要的工业及港口物流等分布在偏北的青山区、黄陂区、新洲区和江岸区，并且停工比例较小造成的，且第二阶段南风频次增多，分析同3.1章节二次污染物。

图6 武汉地区 SO2（左）、CO（中）和 NO2（右）（a1−c1）第一阶段、（a2−c2）第二阶段、（a3−c3）两阶段的浓度差异Fig.6 SO2 (left), CO (middle), and NO2 (right) concentrations in the (a1−c1) first stage and (a2−c2) second stage, and (a3−c3) concentration diffidences between the two stages

管控前后，SO2和CO的浓度均值小幅度降低，NO2浓度均值显著降低（表3）。SO2浓度从8.2µg m−3降低至 7.7 µg m−3，变化率为−6.1%，国控站点变化率与之相差不大，据武汉污染物来源贡献可知，SO2来源占比前三分别为工业（70%），电厂（15%）和交通（12%），据报道（http://www.wuhan.gov.cn/sy/whyw/202003/t20200316_960448.shtml[20 20-01-03]），排放的重点源在疫情期间仍然保持高负荷生产，并且电力是人民生活的必需品，电厂不可能停止发电，加之疫情期间居民生活取暖、烹饪等活动增加，所以SO2变化率较小，可知停工停产的大部分中小企业对本地SO2浓度影响较小；
CO 的浓度从 1.07 µg m−3降低至 1.01 µg m−3，变化率为−5.61%，CO主要的工业排放源停产比例小，所以排放贡献占比较小的机动车减排、船舶停运使得 CO 浓度轻微下降；
NO2的浓度从 38 µg m−3降低至 17 µg m−3，国控站点变化率数值比多维观测网变化率数值少5.26%，其中交通占其浓度的67%，所以交通管控使得浓度下降明显。

表3 2020年武汉地区国控站点和加密站点SO2、CO和NO2的浓度均值及变化率Table 3 Mean concentrations and change rates of SO2,CO, and NO2 at the state-controlled sites and localcontrolled sites in Wuhan 2020

为了进一步探究O3浓度升高的原因，本文在此分析O3与NO2的浓度变化时间序列（图7），并结合气象条件（图8）进行相应解释。1月23日实行疫情管控措施之后，NO2浓度迅速降低，同时O3浓度呈上升态势，而23日前后短时间内气象条件变化小，气温始终维持在6°C左右；
已有研究表明武汉市城中心处于VOCs控制区（Hui et al.,2018），基于EKMA曲线，处于VOCs控制区时，在较高浓度NOx环境中增加NO排放，可以增强其对O3的滴定作用，从而消耗O3；
反之，减少NO 排放，O3浓度增加（Sillman et al., 1990; Wang et al., 2017; Li et al., 2019），所以我们认为疫情期间武汉地区NOx排放突然急剧减少可能是其O3浓度大幅增加的重要原因之一，并且这一现象已在疫情期间的其他城市和地区被观测到（Le et al., 2020;Huang et al., 2021）。

图7 武汉地区2020年1月1日至2月13日O3和NO2浓度时间序列Fig.7 Time series of O3 and NO2 concentrations in Wuhan from 1 Jan to 13 Feb 2020

图8 武汉地区2020年O3浓度（阴影）及（a）温度、（b）相对湿度、（c）风向和风速、（d）风速Fig.8 Changes of O3 concentration (shadings) and (a) temperature, (b) relative humidity, (c) wind direction and wind speed, and (d) wind speed in Wuhan 2020

疫情管控后，NO2的浓度变化率数值与O3的浓度变化率数值接近，浓度变化的空间分布与二次污染物浓度变化的空间分布趋势一致，该时间段中平均气温从4.3°C回升到6.6°C，平均相对湿度从87%下降到82%，平均风速从5 m/s减小到4 m/s。温度升高有利于O3浓度的增加，风速减小导致大气扩散能力减弱，同时疫情期间颗粒物浓度降低，气溶胶光学厚度减少，武汉地区晴空地表短波辐射显著上升，也有利于O3生成（乐旭等, 2020）。不仅气象条件向有利于O3浓度增加的方向转变，而且前文提及的NO滴定反应减弱也有利于O3持续累积，维持较高浓度。然而本文受研究资料约束未考虑到VOCs减排量以及无法定量分析气象条件和排放分别对污染物浓度变化的贡献，确实具有局限性，未来需要结合模式进行敏感性研究来做进一步的量化评估分析。从现状来看，武汉地区以NO2作为首要污染物的污染天持续增加，浓度保持较高水平，同时武汉工业发达，VOCs排放量也非常大（Hui et al., 2019）；
从长远的角度出发，武汉地区需要坚持VOCs和NOx双减才能控制O3污染。

3.3 PM2.5组分及其气态前体物的变化

疫情管控后，不同排放源的对PM2.5的贡献发生变化。与2019年相比，2020年PM2.5的水溶性离子组分浓度及其气态前体物浓度整体偏低（图9a、9b）。由图9c、9d可知，2020年HNO2（HONO）浓度降低40%以上，变化率远高于2019年，说明此阶段HNO2的重要来源减少，也就是NO2与SO2的氧化还原反应减弱，与前文结果NO2浓度降低一致；
与2019年第二阶段不同，2020年第二阶段NH3浓度降低，是限制人类活动、道路移动源减少造成的，并且NH3对HONO生成有非常好的正向促进作用，但实际上，两者浓度皆为下降，二次污染物生成减少（Ge et al., 2019）；
此外，2020年第二阶段浓度减小40%以上，浓度不降反升，变化率为正，一次生成物EC、OC下降率增大。表4列出不同时间段/以及OC/EC的值，的前体物NOx主要来源于机动车尾气排放，的前体物SO2主要源于化石燃料燃烧，因此/常用作移动源和固定源排放强度的指示因子，当比值大于1时，以汽车尾气等移动源为主，当比值小于1时，以化石燃料燃烧等固定源为主（Yang et al., 2011）。OC 是由污染源直接排放的有机碳和VOCs在光化学反应后的二次有机碳生成的，武汉市OC的主要来源为车辆排放、燃煤和餐饮源（Xiong et al., 2017），EC 主要是化石燃料和生物质燃烧的直接排放，这导致不同污染源排放产生颗粒物的 OC/EC 通常会具备各自的特征，所以可用来指示污染来源。在2020年第二阶段，减小，增加，导致比值向1靠近，说明汽车尾气等移动源对污染的影响变小，化石燃料燃烧对污染的影响比重加大；
2020年OC/EC的比值皆大于2019年，甚至达到6.07，并且根据值的范围，初步认为来自燃煤燃烧，说明PM2.5的组分变化是由汽车尾气和化石燃料燃烧导致的（Chu, 2005）。

表4 2019年和2020年武汉地区与、OC与EC在第一、二阶段中的浓度比值Table 4 Ratios of to and OC to EC in the first and second stages in Wuhan 2019 and 2020

表4 2019年和2020年武汉地区与、OC与EC在第一、二阶段中的浓度比值Table 4 Ratios of to and OC to EC in the first and second stages in Wuhan 2019 and 2020

年份浓度比值 时段 2020年 2019年images/BZ_91_227_776_290_813.pngimages/BZ_91_299_768_370_813.png/1月1～22日 2.52 2.13 1月23日至2月13日 1.31 1.80 OC/EC 1月1～22日 4.69 4.05 1月23日至2月13日 6.07 4.47

图9 2019（左列）、2020年（右列）（a、b）PM2.5组分及其气态前体物的浓度均值和（c、d）第二阶段基于第一阶段的变化率Fig.9 (a, b) Mean concentrations of PM2.5 components and their gaseous precursors and (c, d) the rate of change in the second stage based on the first stage in 2019 (left) and 2020 (right)

3.4 不同类型站点的污染物浓度的变化

不同类型站点、不同污染物浓度对管控措施的响应是不同的。图10给出两个阶段、不同站点6种污染物的浓度，表5给出第二阶段相较于第一阶段不同站点的变化率。结合两者可以看到PM2.5、PM10在第一阶段中，工业园区和交通点浓度值略高于其他站点和国控点，在第二阶段中站点浓度差值减小，无明显差异。对于PM2.5而言，交通点和工业园区站点受影响较大，分别为−27.54%和−27.14%，据武汉污染物来源贡献可知，占比前二的类别为工业（36%）与扬尘（35%），疫情期间交通管控严格，所以交通点和工业园区站点受影响较大，国控站点变化率为−21.31%，数值与交通点相比，少6个百分点。对于O3，工业园区、交通点和网格化站点变化率较大，依次为64.64%、61.57%和53.88%，国控站点变化率为45.83%，与交通点相比，低18个百分点，其前体物NOx的主要来源为交通（67%）、工业（19%）和电厂、燃烧（12%），另一前体物VOCs的主要来源为工业（30%）、溶剂使用（30%）和交通（23%），与变化率大的站点类型吻合。SO2的交通点浓度受影响最大，为−25.97%，文章3.2节中提到对SO2来源贡献最大的工厂、电厂疫情期间停工比例小，所以工业园区站点浓度变化仅为−12%，国控站点变化率为−4.55%，与交通点相比，少21个百分点。关于NO2，不同站点受管控措施影响差别不大，范围在−50% ～ −55.56%。可得出结论，疫情管控对二次污染物的交通站点和工业园区站点影响大，前面提到的PM2.5组分变化是由汽车尾气和化石燃料燃烧导致的也证实了这一点。

表5 2020年武汉地区第二阶段相较于第一阶段PM2.5、PM10、O3、SO2、CO、NO2的浓度变化率Table 5 Concentration change rate of PM2.5, PM10, O3, SO2, CO, and NO2 at different stations in the second phase compared with the first phase in Wuhan 2020

图10 2020 年武汉地区第一阶段与第二阶段（a）PM2.5、（b）SO2、（c）PM10、（d）CO、（e）O3、（f）NO2 的浓度均值Fig.10 Mean concentrations of (a) PM2.5, (b) SO2, (c) PM10, (d) CO, (e) O3, and (f) NO2 at different stations in the first phase and the second phase in Wuhan 2020

本文基于武汉地区89个监测站点的2020年1月1日至2月13日6种常规污染物及PM2.5组分逐小时数据，评估新冠疫情管控前、后大气污染物的时空变化特征及管控措施对不同类型站点的影响区别，得到如下结论：

（1）疫情管控后，颗粒物浓度大幅减小，PM2.5浓度范围从 42～83 µg m−3降至 37～63 µg m−3，变化率为−23.44%，PM10 浓度范围为 58～76 µg m−3降至 44～74 µg m−3，变化率为−32.95%，而 O3浓度范围从 44～101 µg m−3升至 67～130 µg m−3，变化率为55.22%，国控站点的O3浓度变化率比基于两种观测网计算所得的变化率低10.6%。在空间分布上，颗粒物浓度呈现北高南低，并且偏北的站点浓度变化小，偏南的站点浓度变化大，原因是南风频次增大导致偏北站点得到偏南站点污染物补充，对于O3而言，偏南区域站点NO2浓度降低幅度更大，O3浓度升高，偏北区域站点则相反，两者负相关现象明显，NO滴定消耗O3的反应减弱，同时温度上升，扩散条件减弱均有利于O3维持较高浓度。

（2）对于一次污染物，不论哪个阶段，SO2在东南方向的浓度值明显高于其他地区，与本地电力产业空间分布相匹配，CO空间分布较均匀，疫情管控后，两种污染物浓度变化小，变化率分别为−6.1%和−5.61%，与重点排放源没有停工有关，而NO2浓度大幅降低，与交通管控直接相关，其变化率为−55.26%。

（3）从PM2.5组分及其气态前体物数据分析来看，疫情管控后/比值降低，更接近1，OC/EC的比值增大到6.07，说明汽车尾气等移动源的比重减小，燃煤燃烧影响比重增大。

（4）管控措施对不同类型的站点影响不同，特别对二次污染物的交通站点和工业园区站点影响最大，两者变化率均超过国控站点变化率，PM2.5和O3的国控站点变化率数值分别比交通站点变化率少6%和18%。