在年初新冠肺炎疫情和春節長假的雙重作用下，北京居民人數大幅減少，機動車污染物也大幅下降。

然而就在這“寂靜的春天”里，北京卻發生了嚴重的空氣污染。人們不禁質疑，為何會產生“疫情霾”？交通排放控制對霧霾究竟是否有效？

就此，清華大學環境學院副教授劉歡團隊近日在《環境科學與技術》發表最新研究成果。該團隊發現，疫情期間機動車排放減少與空氣質量惡化的關系，核心作用機制其實是臭氧濃度的上升。

“對于顆粒物來說，作為氧化劑的臭氧和作為‘原料’的前體物濃度增加不是在同一區域。北京城區由于機動車活動減少帶來較為明顯的臭氧濃度上升，但這不是顆粒物生成的主要區域，而是在周邊‘原料’豐富的區域生成了很多二次顆粒物，這些顆粒物又傳輸回北京，形成霾。”劉歡在接受《中國科學報》采訪時說。

區域傳輸不容忽視

實際上，車輛排放控制一直被認為是減輕特大城市空氣污染的有效方法。無論是對新車登記實行嚴格的控制，還是車牌限號等措施，都為減少交通排放做出了巨大努力。

據北京市環保局2018年發布的PM2.5（細顆粒物）的來源解析結果，移動源（包括機動車和非道路機械）占比達到45%。

相比2014年的解析結果，機動車對PM2.5的貢獻率增長了30%。這也加深了人們對交通排放控制有助于空氣質量改善的認知。

然而，基于城市交通大數據，劉歡團隊發現，疫情暴發后北京市路網平均速度提高了14%~31%，各類車型的平均日行駛里程下降了28%~55%，交通活動大幅下降，機動車主要污染物排放量較平日也下降超過50%。

但北京PM2.5濃度在此期間不降反升，出現過兩次污染事件，其間日均濃度超過150 μg/m³，產生出乎意料的“疫情霾”。由此可見，兩者的關系并不簡單。

劉歡認為，盡管最近一些研究已經大規模調查了中國霧霾的成因，但很少關注車輛排放的詳細變化及其對加劇特大城市霧霾形成的影響。

為解開交通排放控制與霧霾之間具體關系的謎團，劉歡團隊基于排放清單、空氣質量觀測和數值模型，對北京“疫情霾”進行了深入的研究。

劉歡團隊發現，“疫情霾”主要是由于PM2.5與其前體物之間的非線性響應關系：疫情暴發后機動車NO_x（氮氧化物）減排多而VOC（易揮發的有機物質）減排少，不平衡的污染物排放量下降引起了城區的大氣氧化性顯著上升，但大氣氧化性上升最顯著的區域與二次顆粒物上升最顯著的區域并不重疊。

也就是說，受疫情影響，北京市本地缺乏足量的PM2.5氣態前體物，因此即使臭氧濃度增加，也沒有造成顯著的本地二次顆粒物生成。

而北京周邊地區不間斷工序的工業源等會釋放足量的PM2.5前體物，大幅促進二次顆粒物的生成，通過區域間傳輸至北京市，造成PM2.5污染加劇。“這抵消了一次減排帶來的收益。”劉歡說。

科學制定管控策略

無獨有偶，在劉歡看來，美國加州等城市的“臭氧周末效應”也是類似機制，但北京的“疫情霾”具有一些獨特的現象和機理。

劉歡對記者解釋道，一是在新冠肺炎疫情的管控下，機動車減排量大、時間長、影響范圍廣，以往的研究中很難看到如此大的大氣化學擾動；二是在這種強擾動下，發展了分析方法、改進了基礎數據、實現了模擬和觀測的吻合，“這意味著研究手段會更可靠、更具有魯棒性”。

不僅如此，對比國外的大城市，北京市PM2.5來源特殊，疫情期間出現的重污染受外地排放，也就是區域傳輸影響明顯，區域傳輸比例高于之前的研究結果。

因此，劉歡建議要制定科學的管控策略，針對不同污染物、不同地區開展更有針對性的管控。

對于北京市機動車而言，應加強對VOC排放的控制，或者結合其他源大幅削減NO_x，使其達到大氣氧化性下降拐點。

此外，由于近些年北京市本地污染源控制力度遠大于周邊地區，導致周邊地區排放對北京市冬季PM2.5濃度平均貢獻已超過70%。

“因此，在控制北京市本地污染源的同時，更應該高度關注區域協同減排，這樣才能使‘疫情霾’不再出現。”劉歡說。

在她看來，“直覺”是開展此項研究的重要“功底”。“由于基礎數據的復雜性和分析的難度，我們需要在各種各樣的模式結果、觀測結果中抽絲剝繭，找出主要因素，以推進到下一步工作，整個過程很考驗‘直覺’，也就是科研的敏銳性。”

除此之外，團隊協作也至關重要。受新冠肺炎疫情的影響，劉歡每天只能跟博士生呂兆豐、王小桐通過線上會議進行討論，而這種討論時常進行至深夜。由于久坐難耐，大家最后只能抱著筆記本電腦邊繞圈邊開會。

“當遇到數據缺失或數值模擬等問題時，我們還會通過線上會議的方式，與得州農工大學、英國劍橋大學、生態環境部機動車排污監控中心、北京交通發展研究院、中國環境科學研究院等合作者進行討論。”劉歡回憶道，“研究能夠完成也得益于他們的大力支持。”

在劉歡看來，隨著大氣復合污染治理進入攻堅期，減排難度也將越來越大，但愈發先進的科學“武器”，同樣可以幫助決策者運籌帷幄。