基于3DVar分行业排放反演的COVID-19疫情对京津冀地区人为排放影响研究

本研究针对疫情期间人为排放变化的定量评估难题，开发了结合源解析与机器学习的3DVar初始场同化-分行业排放反演联合方法(ICIS)，通过CMAQ模型模拟京津冀地区PM2.5和O3浓度变化，发现疫情期间PM2.5、NOX和VOCs排放量分别降至疫前77%、88%和81%，首次精确量化了交通、工业等部门的贡献差异，为极端情境下的污染源解析提供了创新方法学范式。

　　

当COVID-19疫情席卷全球时，人类活动的突然停滞意外创造了一个研究空气污染与人为排放关系的天然实验室。在被称为"中国雾霾重灾区"的京津冀地区，这场公共卫生危机究竟如何改变了大气污染物的排放格局？传统排放清单在极端社会活动变化下是否依然可靠？这些问题不仅关乎环境政策的科学基础，更对理解复合污染形成机制具有重要启示。

针对这一科学挑战，南京大学等机构的研究团队在《Journal of Hazardous Materials》发表创新成果。研究突破在于将三维变分同化(3DVar)这一常用于气象预报的技术，与机器学习驱动的源解析方法相结合，开发出ICIS（初始场同化-分行业排放反演联合）方法。该方法成功解决了传统3DVar难以处理排放反演非线性问题的技术瓶颈，首次实现了疫情期间分行业排放变化的精确量化。

研究采用三大关键技术：1）基于社区多尺度空气质量模型(CMAQ)构建模拟系统；2）集成极端随机树(ERT)算法建立污染物浓度与排放量的机器学习映射关系；3）利用中国环境监测总站255个站点观测数据，通过径向基函数(RBF)插值构建同化场。通过对比2019-2020年同期数据，系统分析了疫情封锁期间污染物浓度异常特征。

【分析结果】显示：PM_2.5和NO₂浓度分别下降31%和40%，而O₃出现反常上升。通过ICIS方法反演发现，疫情期间PM_2.5总排放降至疫前77%，其中北京地区下降5.78μg/m³，居民生活(39%)、工业(28%)和交通(26%)部门贡献显著；NO_X和VOCs排放分别降至88%和81%。

【环境启示】指出：交通排放锐减导致NO_x滴定效应减弱是O₃浓度上升0.05μg/m³的主因。研究首次揭示不同减排措施对PM_2.5-O₃协同控制的非对称影响，为后疫情时代精准治污提供科学依据。

这项研究的突破性在于：1）创建了可处理非线性问题的3DVar排放反演框架；2）实现行业级排放变化的观测约束反演；3）量化了极端社会情境下的排放响应特征。该方法学创新不仅适用于疫情研究，更为未来碳减排政策的空气质量效应评估提供了新工具。研究结果证实，单纯依靠交通限行难以实现PM_2.5-O₃协同控制，必须实施多部门协同减排策略，这对我国大气污染防治精准施策具有重要指导价值。