2019年新冠疫情爆发以来，已经经历了多个年头。在中国时常有因疫情而进行社区甚至城市封锁的政策。而封锁则导致人群移动和工业生产的相对停滞状态，这为研究人为因素对空气污染地影响营造了难得的可观条件。来自中国和英国的联合研究团队就做了相关的研究。研究于2022年6月发表在Nature杂志上，以下为第一作者Fuzhen Shen对此项目的介绍，为便于理解我们在此原文基础上有少量注释。
该项目背后的故事始于两所以气象专业闻名的大学之间的国际合作。2020年，我在南京信息工程大学（NUIST）攻读博士学位，同时在University of Reading（UoR）做访问博士生。该研究由 NUIST 的Xinlei Ge教授和 UoR 的 Michaela Hegglin 教授资助和监督。由于该项目的启动恰逢 COVID-19 大流行的开始，我们选择 2020 年的 COVID-19 时期作为探索空气污染物驱动因素和相关健康风险变化的独特机会。
COVID-19 的大流行现在已经持续了近三年。在此期间，公众对病毒本身的了解越来越多，对其影响的研究也越来越全面和深入。在我们目前的研究中，我们通过对这一时期空气质量和相关健康风险的不同驱动因素进行更详细的评估，为这一讨论做出了贡献。正如许多研究表明并广泛量化的那样，全球范围内的 COVID-19 限制措施已表现为工业和运输活动的大幅减少，导致主要污染物排放量明显减少。然而，评估排放影响时要了解的另一个因素是普遍的气象条件，在大多数研究中都忽略了这一方面对空气污染的影响（译者注：即气候变化本身也会对空气中污染物含量产生变化）。更复杂的是，中国的农历新年 (CNY) 和中国清洁空气计划 (CAP，译者注：这是一项中国政府关于空气污染治理的政策) 也促成了观察到的空气污染地减少。要了解这些混杂因素对空气质量和相关健康风险的相对作用，必须分离它们各自的影响。
在这项研究中，使用具有固定排放清单（这与世界上已经观察到的排放减少情况相反）的台站观测数据集和哥白尼大气监测服务再分析 (CAMSRA) 数据集来探索不同的人为驱动因素。执行由地表气象变量驱动的梯度增强机 (GBM) 模型来研究气象驱动因素。最后，应用 HAQI 模型计算相对健康风险。
我们的研究表明，中国新年平均每年将 NO 2浓度降低 26.7%，而新冠疫情封锁措施导致 2020 年进一步降低 11.6%，中国清洁空气计划（CAP） 使 NO 2 浓度降低15.7 %。另一方面，气象条件导致 NO 2增加了 7.8%。因此，忽略中国清洁空气计划和气象驱动因素会分别导致高估和低估新冠疫情封锁对 NO 2减排的影响。对于 O 3发现了相反的行为，中国新年、新冠疫情封锁、中国清洁空气计划和气象效应的变化分别为 +23.3%、+21.0%、+4.7% 和 -0.9%。HAQI 计算中 PM 和 NO2 的减少足以弥补臭氧增加的影响。因此，这些驱动因素的总体影响表明，中国各地与多污染物相关的健康风险大幅降低，包括受不利气候影响的中国东北地区（译者注：即东北地区虽然受气候影响导致空气污染严重，但是新冠疫情封锁和政府清洁空气计划等综合影响下，其空气导致的健康风险仍然是下降的）。重要的是，中国清洁空气计划对空气中污染物的减少贡献表明中国政府空气质量法规在减少 NO 2方面的有效性。
感谢我的合著者：Michaela I. Hegglin、Yuanfei Luo、Yue Yuan、Bing Wang、Johannes Flemming、Junfeng Wang、Yunjiang Zhang、Mindong Chen、Qiang Yang 和 Xinlei Ge的详细指导和大力支持。本研究由国家自然科学基金资助（批准号 42021004 和 21976093）。
详细报告：https://www.nature.com/articles/s41612-022-00276-0
