COVID-19疫情期間全球氣溫和主要大氣污染物濃度變化的空間關(guān)聯(lián)

易嘉慧 ，何超，楊璐 ，葉志祥 ，田雅 ，柯碧欽 ，慕航 ，涂佩玥，韓超然 ，洪松 *

1.武漢大學(xué)資源與環(huán)境科學(xué)學(xué)院，湖北 武漢 430079；2.武漢大學(xué)/地理信息系統(tǒng)教育部重點(diǎn)實(shí)驗(yàn)室，湖北 武漢 430079；3.長江大學(xué)資源與環(huán)境學(xué)院，湖北 武漢 430100；4.湖北大學(xué)資源環(huán)境學(xué)院，湖北 武漢 430062

2020年3月11日世界衛(wèi)生組織將COVID-19疫情評(píng)估為“全球大流行”，此次“大流行”對(duì)人類社會(huì)造成了災(zāi)難性的影響（趙宗慈等，2021）。截至 2021年 11月 29日，全球已累計(jì)26175萬人口確診感染 COVID-19（網(wǎng)址：https://www.who.int/emergencies/diseases/novelcoronavirus-2019）。在 COVID-19疫情背景下，各國陸續(xù)采取強(qiáng)制隔離等控制措施來減少人員的流動(dòng)，從而切斷病毒的傳播鏈，這些措施減少了化石燃料和交通工具的使用，從而較少了各類污染物的排放（Rupani et al.，2020），使得全球氣候和環(huán)境得到改善（Usman et al.，2021）。中國、韓國、日本和印度 PM、NO2、CO、O3等污染物濃度與往年相比顯著下降，總體上空氣污染減少（Hu et al.，2021）。同時(shí)，2020年上半年全球 CO2排放量比 2019年同期減少 8.8%（Liu et al.，2020）。研究表明，CO2和污染物減排對(duì)氣溶膠產(chǎn)生的影響會(huì)改變?nèi)虻牡乇頊囟龋℅ettelman et al.，2021）。2020年，全球各城市采用了不同程度的封鎖措施以控制疫情，各國大氣污染物的減排幅度是空前的，使一般情況下難以進(jìn)行的研究具有了可能性（Venter et al.，2020）。在此期間，人類社會(huì)生產(chǎn)活動(dòng)的環(huán)境影響及其與氣候變化的關(guān)系成為學(xué)界關(guān)注的話題。

近來，國內(nèi)外學(xué)者對(duì)疫情期間的大氣污染物和氣候變化進(jìn)行了大量研究。例如，南京市采取緊急封鎖措施后，PM2.5濃度下降了 41.2%（紀(jì)源等，2021）；疫情期間中國華東地區(qū) NOx濃度先降低后升高（Zhang et al.，2020）；德里和孟買封鎖期間（2020年3月25日—4月15日）與封鎖前（2020年3月1—24日）相比，PM10、PM2.5、和 NO2分別降低 55%、49%和 60%（Kumari et al.，2022）。研究發(fā)現(xiàn)不僅在局部地區(qū)，全球范圍內(nèi) PM2.5、NO2等污染物濃度受封鎖措施影響有大幅變化（Heyd，2021）。氣候問題也隨著新冠疫情的研究浮出水面，學(xué)者們開始著眼于疫情對(duì)氣候變化的影響（Zang et al.，2021）；國內(nèi)學(xué)者指出了疫情、氣候聯(lián)防聯(lián)控的重點(diǎn)和難點(diǎn)（朱松麗，2020）。

雖然各國學(xué)者研究了 COVID-19流行期間不同地區(qū)大氣污染物濃度變化、氣候變化及其影響因素，但是仍然存在以下問題：（1）諸多研究只分析了全球部分國家和地區(qū)的污染物或者氣溫等變化，鮮有研究從全球范圍的變化特征著手；（2）對(duì)于全球氣溫和大氣污染物之間的時(shí)空關(guān)系，未見報(bào)道。本文運(yùn)用 2015—2020年全球氣溫和城市大氣污染物濃度監(jiān)測(cè)數(shù)據(jù)，采用空間統(tǒng)計(jì)分析和雙變量空間自相關(guān)分析方法，比較全球各地區(qū)氣溫變化、污染物濃度變化，研究兩者之間的時(shí)空關(guān)系，對(duì)于制定時(shí)空協(xié)同耦合的氣候變化與空氣污染防控政策措施具有較大的參考價(jià)值。

1 數(shù)據(jù)來源與研究方法

1.1 研究區(qū)域

本文從洲際尺度開展研究，分為 6個(gè)區(qū)域：亞洲（東亞、南亞、西亞、東南亞、中亞和北亞）、歐洲（東歐、南歐、西歐、中歐和北歐）、北美洲、南美洲、非洲和大洋洲，如圖1所示。由于南極洲人為排放的影響范圍僅局限于研究站和往來船只周圍的小區(qū)域，遠(yuǎn)遠(yuǎn)小于其他大陸（Wolff，1992；Hughes et al.，2020），本文未將南極洲列入研究范圍。截至 2021年 11月 6日，亞洲和歐洲分別有8182萬和7294萬人口確診，遠(yuǎn)高于其他區(qū)域，本文將其劃分為不同的地理亞區(qū)（圖1）。

本文將 2020年的數(shù)據(jù)與 2015—2019年同期數(shù)據(jù)進(jìn)行對(duì)比研究。最早施行嚴(yán)格疫情防控封鎖措施的地方是以湖北省為代表的中國（姬楊蓓蓓等，2020；李婷慧等，2020），故以北京時(shí)間為標(biāo)準(zhǔn)。He et al.（2021）通過對(duì)577座城市封鎖時(shí)間的統(tǒng)計(jì)，發(fā)現(xiàn)其中75%的城市在3月采取封鎖措施，50%的城市 5月結(jié)束封鎖，故確定大規(guī)模封鎖時(shí)間為2020年3—5月。本文將2015—2020年的3—5月稱為Q1時(shí)間段，1—2月稱為Q2時(shí)間段。

1.2 數(shù)據(jù)來源

2015—2020 年 1—5 月全球 0.1°×0.1°的 2 m 氣溫?cái)?shù)據(jù)來源于歐洲中期天氣預(yù)報(bào)中心（ECMWF，網(wǎng)址：https://cds.climate.copernicus.eu/），為全球每月 1521302個(gè)氣溫有效格點(diǎn)再分析數(shù)據(jù)。該數(shù)據(jù)集為模型數(shù)據(jù)與觀測(cè)數(shù)據(jù)結(jié)合分析得到的完整全球格點(diǎn)數(shù)據(jù)，已經(jīng)被全球眾多學(xué)者應(yīng)用于各方面的研究。2015—2020年1—5月全球430個(gè)主要城市的 3種主要大氣污染物（NO2、PM2.5和 O3）逐日濃度數(shù)據(jù)來源于世界空氣質(zhì)量開放數(shù)據(jù)平臺(tái)（WAQI，網(wǎng)址：https://aqicn.org/data-platform/covid19/verify/），從全球 1000多個(gè)重點(diǎn)城市的12000個(gè)地面監(jiān)測(cè)站數(shù)據(jù)中整理而來。430個(gè)主要城市中只有部分城市符合各大氣污染物濃度數(shù)據(jù)要求，其中 NO2、PM2.5和 O3樣本城市數(shù)分別為376、345和355座。每座城市的數(shù)據(jù)均為多個(gè)監(jiān)測(cè)站點(diǎn)的平均數(shù)據(jù)，所有質(zhì)量濃度單位轉(zhuǎn)換為美國 EPA 標(biāo)準(zhǔn)（單位為 μg·m?3）。2020年 3—5月采取封鎖措施的城市為 404個(gè)，詳見圖1。出于數(shù)據(jù)匹配度考慮，目前只能獲取 2015—2020年全球空氣質(zhì)量數(shù)據(jù)，所以全球氣溫?cái)?shù)據(jù)使用同期數(shù)據(jù)。

圖1 全球城市空氣質(zhì)量監(jiān)測(cè)點(diǎn)示意圖Figure 1 Diagram of global urban air quality monitoring sites

1.3 數(shù)據(jù)預(yù)處理

根據(jù)公式（1）將ERA5-Land數(shù)據(jù)中全球2 m原始?xì)鉁財(cái)?shù)據(jù)的開爾文溫度（K）轉(zhuǎn)化為攝氏溫度（℃），之后修正偏高氣溫 0.66 ℃的系統(tǒng)誤差（Pelosi et al.，2020）。對(duì)原始大氣污染物濃度數(shù)據(jù)進(jìn)行預(yù)處理：首先，剔除每日值≤0的數(shù)據(jù)和缺失數(shù)據(jù)；其次，排除因數(shù)據(jù)缺失導(dǎo)致當(dāng)月監(jiān)測(cè)時(shí)間少于 27天的月份；最后，刪除每日大于 1000的異常值（Guo et al.，2017）。

式中：

t——攝氏溫度（℃）；

T——絕對(duì)溫度（K）。

1.4 年內(nèi)變化和年際變化

通過對(duì)比不同時(shí)間段的氣溫和污染物濃度的年內(nèi)變化數(shù)據(jù)，分析疫情封鎖期間對(duì)氣溫和污染物濃度的影響，計(jì)算公式如公式（2）（3）所示：

其中：

xim——i月平均氣溫（污染物濃度）；

XQ——某時(shí)段（Q1、Q2）月均氣溫（污染物濃度）；

t1,2,3…——每日氣溫（污染物濃度）數(shù)據(jù)；

n——該月天數(shù)；

m——某時(shí)段月份數(shù)。

將2020年Q1時(shí)段數(shù)據(jù)和2015—2019年同期值對(duì)比，獲得疫情期間大氣成分濃度的定量變化，計(jì)算公式如（4）所示：

式中：

?XQ——2020年某時(shí)段平均氣溫/污染物濃度的年際相對(duì)變化；

X2015?2019——2015—2019 年基準(zhǔn)氣溫/污染物濃度；

X2020——2020年氣溫/污染物濃度；

?XQ>0表示 2020年相對(duì)前 5年同期觀測(cè)值升高；?XQ<0表示 2020年相對(duì)前 5年同期觀測(cè)值降低。

將 2020年 Q1時(shí)段污染物數(shù)據(jù)與預(yù)期值（多年線性外推得到）對(duì)比，得到大氣污染物在疫情期間的整體濃度變化情況，計(jì)算如（5）所示：

式中：

y2020——2020年年平均污染物濃度預(yù)測(cè)值；

x——年份；

a、b——根據(jù)前5年污染物濃度值確定的系數(shù)。

1.5 雙變量全局空間自相關(guān)

空間自相關(guān)分析可以定量分析事物間的關(guān)聯(lián)程度（Tobler，1970；沈中健等，2021）。Anselin（1995）在 Moran’sI指數(shù)的基礎(chǔ)上提出了雙變量空間自相關(guān)分析，該分析可以有效描述兩個(gè)變量之間空間分布的空間關(guān)聯(lián)與依賴特征（徐冬等，2019）。本文利用雙變量全局空間自相關(guān)（Bivariate Moran’sI），分析氣溫和大氣污染物濃度之間的空間關(guān)聯(lián)特征，具體表達(dá)式如公式（6）。關(guān)于雙變量全局空間自相關(guān)的所有計(jì)算過程均在GeoDa軟件（網(wǎng)址：https://geodacenter.github.io/download.html）中進(jìn)行。

式中：

I——自變量與因變量之間的全局空間相關(guān)系數(shù)；

S2——所有樣本的方差；

n——空間單元的數(shù)量；

Wij——基于K鄰接關(guān)系法自行建立的空間距離權(quán)重矩陣；

xi、yj——自變量與因變量在不同空間單元i、j的數(shù)值。其中，I∈[?1, 1]，表示空間單元i的自變量xi和空間單元j的因變量基于空間權(quán)重的空間分布相關(guān)性，I>0表示兩者呈空間正相關(guān)性，I<0表示兩者呈空間負(fù)相關(guān)性。

2 結(jié)果與分析

2.1 全球氣溫時(shí)空變化

表1為 2015—2020年不同時(shí)段（Q1、Q2）的平均氣溫對(duì)比統(tǒng)計(jì)表。2020年Q1時(shí)段平均氣溫為8.56 ℃，相對(duì)基準(zhǔn)值（2015—2019年）上升0.24 ℃，相對(duì)2019年下降0.0007 ℃；Q2時(shí)段平均氣溫為 0.13 ℃，相對(duì)基準(zhǔn)值上升 0.67 ℃，相對(duì) 2019年上升 0.99 ℃。可以看出 2020年 Q1時(shí)段全球氣溫有下降趨勢(shì)，這與 Forster et al.（2020）估計(jì)的 COVID-19疫情封鎖會(huì)直接導(dǎo)致全球氣溫下降 0.01 ℃相符。2020年 Q1時(shí)段的全球氣溫在空間分布上存在顯著差異（圖2）。COVID-19封鎖期間（2020年 Q1時(shí)段）氣溫相對(duì)基準(zhǔn)值顯著升高的區(qū)域主要分布在中亞、東歐和北亞以及西歐地區(qū)，氣溫變化值分別為 1.72、1.70和 1.26 ℃，此外，其他區(qū)域氣溫升高趨勢(shì)不顯著，非洲升溫幅度最小，為 0.01 ℃。2020年 Q1時(shí)段氣溫顯著降低的區(qū)域主要集中分布在西亞、南亞、北美洲、北歐、中歐和大洋洲，其中南亞年均氣溫下降幅度最大（?0.93 ℃），北歐（?0.64 ℃）次之。

圖2 全球2020年Q1時(shí)段相對(duì)2015—2019年同期平均氣溫變化圖Figure 2 Global average temperature changes in 2020 compared to those in Q1 period of 2015 to 2019

表1 全球2015—2020年Q1、Q2時(shí)段平均氣溫對(duì)比分析Table 1 Global average temperature and its changes during Q1 and Q2 from 2015 to 2020 ℃

2.2 全球主要大氣污染物濃度時(shí)空變化

表2為 2015—2020年全球主要污染物（PM2.5、NO2和 O3）濃度對(duì)比統(tǒng)計(jì)表。疫情封鎖期間（2020年Q1時(shí)段）全球PM2.5和NO2質(zhì)量濃度相對(duì)基準(zhǔn)值分別下降 9.39 μg·m?3和 3.29 μg·m?3，O3濃度上升 1.94 μg·m?3。該時(shí)段 PM2.5、NO2和 O3濃度與基準(zhǔn)值相比，相對(duì)變化率分別為?16.41%、?29.73%和 7.92%，PM2.5、NO2的變化幅度比O3更加顯著。2020年Q2時(shí)段 PM2.5、NO2和 O3濃度與基準(zhǔn)值相比，相對(duì)變化率分別為?12.47%、?17.60%和 3.98%，變化幅度明顯小于2020年Q1時(shí)間段與基準(zhǔn)值的，這說明2020年Q1時(shí)段的封鎖措施導(dǎo)致全球PM2.5和NO2污染物濃度大幅降低，O3濃度相對(duì)上升，這與 Venter et al.（2020）的研究結(jié)論一致。

表2 2015—2020年Q1、Q2時(shí)段各污染物（PM2.5、NO2和O3）濃度對(duì)比統(tǒng)計(jì)Table 2 Concentration changes of pollutants (PM2.5, NO2 and O3) during Q1and Q3 period from 2015 to 2020 μg·m?3

從圖 3a、c和 e可知，全球 Q1時(shí)段 PM2.5、NO2、O3平均地表濃度在 2015—2019年呈緩慢上升趨勢(shì)。通過對(duì) 2015—2019年 Q1時(shí)段各污染物的濃度數(shù)據(jù)進(jìn)行一元線性擬合，得到該時(shí)段各污染物濃度變化的線性趨勢(shì)，同時(shí)進(jìn)行多年線性外推，計(jì)算出各污染物 2020年 Q1時(shí)段預(yù)期質(zhì)量濃度分別為 54.34、10.31、77.49 μg·m?3，而各污染物實(shí)際質(zhì)量濃度均低于預(yù)期值，分別變化?6.52、?2.53、?51.05 μg·m?3。從空間分布來看，圖 b、d、e顯示，與基準(zhǔn)值相比，88%的重點(diǎn)城市（345座城市中的 303座城市）PM2.5質(zhì)量濃度在 2020年 Q1時(shí)段降低，平均下降 11.34 μg·m?3；95%的城市（376座城市中有359座城市）NO2質(zhì)量濃度降低，平均下降 3.54 μg·m?3。盡管全球 O3濃度低于預(yù)期值，但全球65%的城市（355座城市中有229座城市）O3濃度增加。PM2.5（?22.40 μg·m?3）、NO2（?6.42 μg·m?3）質(zhì)量濃度下降幅度最大的區(qū)域均為南亞，O3質(zhì)量濃度上升幅度最大的是西亞（3.97 μg·m?3）。以南亞和北歐為代表，兩區(qū)域PM2.5和 NO2質(zhì)量濃度在 3—5月變化趨勢(shì)相當(dāng)，南亞 3—5月 PM2.5質(zhì)量濃度分別變化?19.11、?26.47、?21.60 μg·m?3，北 歐 NO2分別 變 化?3.38、?4.08、?3.73 μg·m?3。而 O3濃度呈現(xiàn)較大時(shí)空差異，大部分區(qū)域 3—5月 O3質(zhì)量濃度升降情況不一，其中歐洲地區(qū)濃度上升 2.61 μg·m?3，亞洲和北美洲分別下降 0.93 μg·m?3和 1.96 μg·m?3。但升高幅度普遍較大，導(dǎo)致全球 3—5月O3質(zhì)量濃度整體上升?？偠灾咔榉怄i期間，全球城市 PM2.5和 NO2濃度普遍下降，O3濃度變化情況相對(duì)而言較為復(fù)雜。PM2.5和 NO2呈現(xiàn)出較好的時(shí)間連續(xù)性，而空間上存在一定差異。東亞、南亞和東南亞 PM2.5濃度下降幅度最大；除西亞 NO2下降幅度較大，其他區(qū)域下降幅度基本持平；O3濃度變化呈現(xiàn)較大時(shí)空差異，歐洲顯著增加，亞洲和北美洲顯著下降。

圖3 2020年Q1時(shí)段全球大氣污染物（PM2.5、NO2和O3）濃度變化Figure 3 Changes of global atmospheric pollutant (PM2.5, NO2 and O3) concentration in Q1 of 2020

2.3 全球氣溫和大氣污染物的空間關(guān)聯(lián)

分9個(gè)區(qū)域研究全球氣溫與大氣污染物的空間關(guān)聯(lián)情況。通過對(duì) 2020年與 2015—2019年 Q1時(shí)段全球城市氣溫變化值與污染物濃度變化值進(jìn)行相關(guān)分析，得到各區(qū)域不同污染物的雙變量Moran’sI值，結(jié)果如圖4所示。根據(jù)區(qū)域2020年Q1時(shí)段氣溫變化情況，發(fā)現(xiàn)該時(shí)段亞洲、北美洲和歐洲部分地區(qū)（中歐和東歐）氣溫相對(duì)基準(zhǔn)值升高，而北歐、南歐和西歐氣溫相對(duì)基準(zhǔn)值降低。

各區(qū)域氣溫變化情況不同，且各污染物質(zhì)量濃度與氣溫的空間相關(guān)性錯(cuò)綜復(fù)雜。由圖4可知，除北美洲和南亞地區(qū)外，其他區(qū)域 PM2.5和NO2濃度相對(duì)基準(zhǔn)值均下降，O3濃度相對(duì)基準(zhǔn)值均上升。2020年 Q1時(shí)段降溫區(qū)域中，北美洲PM2.5（?3.84 μg·m?3）、NO2（?2.46 μg·m?3）和O3（?1.95 μg·m?3）濃度相對(duì)基準(zhǔn)值均下降，氣溫與各污染物均呈空間正相關(guān)關(guān)系，其中與 NO2呈顯著空間正相關(guān)（0.159）；南亞和北美洲的污染物濃度變化情況相似，且氣溫與 NO2呈顯著空間正相關(guān)（0.219），但與 PM2.5（?0.049）、O3（?0.013）呈不顯著空間負(fù)相關(guān)；東亞（?0.240）和中歐（?0.411）PM2.5與氣溫呈顯著空間負(fù)相關(guān)，西亞（?0.224）、中歐（?0.275）和東歐、北亞地區(qū)（?0.307）NO2與氣溫呈顯著空間負(fù)相關(guān)。2020年 Q1時(shí)段升溫區(qū)域中，西歐（0.284）、北歐（0.558）、南歐（0.406）O3與氣溫均呈顯著空間正相關(guān)關(guān)系；西歐（?0.187）NO2與氣溫呈顯著空間負(fù)相關(guān)，北歐（0.192）和南歐（0.151）NO2與氣溫呈顯著空間正相關(guān)；西歐（0.099）、南歐（?0.105）和北歐（0.041）PM2.5與氣溫均呈不顯著空間相關(guān)關(guān)系。綜上所述，疫情期間各區(qū)域氣溫與 PM2.5和 NO2空間相關(guān)關(guān)系存在較大時(shí)空差異，不同區(qū)域呈現(xiàn)不同空間相關(guān)關(guān)系，NO2與氣溫空間關(guān)聯(lián)更為緊密；相對(duì)而言，O3與氣溫空間關(guān)聯(lián)性最強(qiáng)，降溫區(qū)域 O3和氣溫均呈顯著正相關(guān)關(guān)系，升溫區(qū)域 O3和氣溫均呈不顯著相關(guān)關(guān)系。

圖4 全球氣溫變化和各污染物濃度變化的空間關(guān)聯(lián)情況Figure 4 Spatial correlations between global temperature changes and concentration changes of various pollutants

3 討論

3.1 全球氣溫和大氣污染物變化分析

本研究系統(tǒng)分析了疫情封鎖期間（2020年 Q1時(shí)段）全球氣溫變化和主要大氣污染物濃度變化。相比2015—2019年，全球2020年Q1時(shí)段氣溫上升 0.24 ℃，相比 2019年，全球 2020年 Q1時(shí)段氣溫下降 0.0007 ℃。各區(qū)域氣溫變化情況存在顯著空間差異。中亞、東歐和北亞地區(qū)地廣人稀，且地處中高緯度地區(qū)，遠(yuǎn)離海洋，氣溫受自然因素影響較多，故疫情期間相對(duì)其他區(qū)域升溫幅度最大。南亞和北歐年均氣溫下降幅度較大，可能是因?yàn)閬啔W大陸對(duì)非自然因素較為敏感，因此對(duì)短時(shí)間大量減排（Fuentes et al.，2020）作出響應(yīng)，也可能是受到洋流影響（Wang et al.，2021）。

2020年 Q1時(shí)段各類污染物濃度變化存在明顯規(guī)律和時(shí)空差異。隨著全球經(jīng)濟(jì)發(fā)展，2015—2019年全球 PM2.5、NO2和 O3濃度呈波動(dòng)上升，但2020年均低于預(yù)期濃度值，這可能與2020年全球經(jīng)濟(jì)低迷有關(guān)。但 2020年 Q1時(shí)段 PM2.5（?16.41%）、NO2（?29.73%）和 O3（7.92%）濃度變化率明顯大于同年 Q2時(shí)段，說明 Q1時(shí)段的污染物濃度變化是疫情期間的封鎖措施抑制了工業(yè)、發(fā)電廠和機(jī)動(dòng)車的排放所致（Li et al.，2017；臧星華等，2015）。而在 2020年 Q1時(shí)段，PM2.5（?9.39 μg·m?3）、NO2（?3.29 μg·m?3）質(zhì)量濃度大幅下降，O3（1.94 μg·m?3）相對(duì)上升，這可能是大氣中的 PM2.5濃度下降，削弱了氣溶膠中氫過氧自由基（HO2）的吸收，增強(qiáng)太陽輻射，加速光化學(xué)反應(yīng)速率，使O3濃度顯著增加（Lu et al.，2020）?？臻g上，亞洲東部和南部 PM2.5濃度集中大幅度下降，原因可能是東亞和南亞人口眾多，封鎖措施的實(shí)施效果顯著；北美洲和歐洲PM2.5濃度下降幅度較小，原因可能是當(dāng)?shù)胤怄i措施較晚，落實(shí)不夠徹底。NO2濃度變化空間差異不顯著，各區(qū)域污染物變化量相當(dāng)。值得注意的是，各區(qū)域 PM2.5和 NO2濃度變化在 3—5月呈現(xiàn)出較好的時(shí)間連續(xù)性，而 O3濃度變化時(shí)空差異很大，歐洲地區(qū)普遍上升，亞洲和北美洲普遍下降，體現(xiàn)了局部O3濃度變化的復(fù)雜關(guān)系。

3.2 全球氣溫和大氣污染物的空間關(guān)聯(lián)分析

探索疫情封鎖期間各區(qū)域 PM2.5、NO2和 O3濃度變化和氣溫變化的空間關(guān)聯(lián)特征發(fā)現(xiàn)，各污染物和氣溫的空間關(guān)聯(lián)性由強(qiáng)到弱依次為 O3、NO2和 PM2.5。這與諸多研究結(jié)論相吻合，謝祖欣等（2020）認(rèn)為 O3與氣溫具有較強(qiáng)的相關(guān)性；繆明榕等（2020）研究發(fā)現(xiàn) NO2與氣溫存在顯著相關(guān)關(guān)系；呂桅桅等（2018）認(rèn)為 PM2.5與氣溫的相關(guān)關(guān)系并不顯著。

由于 PM2.5、NO2和 O3濃度變化對(duì)氣溫影響不同（Forster et al.，2020），加上區(qū)域間不同的人文和自然條件，疫情封鎖期間各區(qū)域氣溫與污染物的空間關(guān)聯(lián)性不同。在降溫區(qū)域中，氣溫在短期內(nèi)產(chǎn)生了降低趨勢(shì)，可能是局部大氣污染物減排對(duì)溫室氣體減排存在協(xié)同效益造成（毛顯強(qiáng)等，2021），大氣污染物和溫室氣體的協(xié)同減少使氣溫降低；同時(shí)，各類污染物變化引發(fā)氧化劑-氣溶膠-前體物的相互作用，導(dǎo)致大氣成分顯著變化，其綜合作用使氣溫下降，其中以NOx和O3濃度降低的降溫效應(yīng)為主導(dǎo)，即 NOx排放的減少降低對(duì)流層 O3濃度，導(dǎo)致氧化能力降低，氣溶膠有效半徑增加，產(chǎn)生負(fù)輻射強(qiáng)迫（Weber et al.，2020），使局部氣溫下降。降溫區(qū)域中，各區(qū)域氣溫和 O3均為不顯著空間相關(guān)關(guān)系，原因可能是各區(qū)域溫室氣體協(xié)同減排，對(duì)氣溫與 O3的相關(guān)關(guān)系造成影響。各區(qū)域中只有南亞（0.219）和北美洲（0.159）氣溫與 NO2呈顯著空間正相關(guān)關(guān)系，2020年Q1時(shí)段兩區(qū)域PM2.5、NO2和O3濃度均下降。其中，南亞地區(qū)疫情封鎖措施落實(shí)徹底，人口密度大，除工業(yè)、交通等行業(yè)受到限制，諸多城市居住流動(dòng)性指數(shù)下降幅度遠(yuǎn)超其他區(qū)域城市（He et al.，2021），造成 NO2質(zhì)量濃度（?4.01 μg·m?3）大幅下降，這也造成南亞地區(qū) O3質(zhì)量濃度 （ ?3.09 μg·m?3）的下降（ Girach et al.，2021）；北美洲有全球最大貿(mào)易國，疫情封鎖對(duì)其外貿(mào)影響不可小覷，這也導(dǎo)致 NO2質(zhì)量濃度下降（?2.46 μg·m?3），同時(shí)由于封鎖期間北美洲諸多城市處于春季且濕度較高，O3生成受抑制（Conley et al.，2018），區(qū)域O3質(zhì)量濃度（?1.96 μg·m?3）下降。因此，在 O3濃度降低情況下，南亞和北美洲氣溫有降低趨勢(shì)，而 NO2濃度降低同時(shí)促進(jìn)降溫（Weber et al.，2020），氣溫和 NO2濃度呈現(xiàn)顯著空間正相關(guān)。降溫區(qū)域的其他區(qū)域中，PM2.5和NO2濃度下降，O3濃度上升，此時(shí)降溫的主導(dǎo)原因可能是溫室氣體的協(xié)同減排，各污染物對(duì)大氣的相互作用不明顯，污染物與氣溫的空間相關(guān)性符合一般規(guī)律。東亞（?0.24）和中歐（?0.411）的氣溫和 PM2.5呈顯著空間負(fù)相關(guān)，這與黃小剛等（2021）對(duì)氣溫和 PM2.5的研究結(jié)果相印證；同時(shí)，中歐（?0.275）、西亞（?0.224）和東歐（?0.307）的氣溫和 NO2也呈顯著空間負(fù)相關(guān)，這與倪超等（2018）的研究結(jié)果相符。在升溫區(qū)域中，區(qū)域升溫的主要原因可能與全球氣候變暖的大趨勢(shì)有關(guān)，同時(shí) O3濃度的增加也起到了主導(dǎo)作用。北歐、南歐和西歐三區(qū)域由于疫情封鎖期間，采取封鎖措施較晚，部分城市四月才開始封鎖，且僅采取了宵禁等措施，因此 PM2.5、NO2濃度下降幅度較小，與氣溫的相互效應(yīng)不大，同時(shí) O3濃度上升，與氣溫呈同步上升趨勢(shì)，故北歐（0.558）、南歐（0.406）和西歐（0.284）氣溫和 O3均呈顯著空間正相關(guān)，與韓余等（2020）的研究結(jié)果一致。

本研究在全球氣溫和污染物濃度間進(jìn)行空間關(guān)聯(lián)性分析時(shí)，只采用了5年的數(shù)據(jù)量，數(shù)據(jù)量稍顯不足。在后續(xù)的研究中可以延長時(shí)間序列，進(jìn)一步分析疫情期間的氣溫變化情況，以保證研究的精確量化。同時(shí)，針對(duì)氣溫和污染物空間關(guān)聯(lián)的機(jī)理問題，未來可采用多種模型進(jìn)行探索驗(yàn)證。

4 結(jié)論

（1）全球氣溫 COVID-19疫情封鎖期間比2015—2019年同期升高了 0.24 ℃；其中，中亞（1.72 ℃）、東歐（1.70 ℃）和北亞地區(qū)（1.70 ℃）2020年年均氣溫增幅最大；南亞（?0.93 ℃）和北歐（?0.64 ℃）年均氣溫降幅最大。

（2）全球PM2.5和NO2質(zhì)量濃度COVID-19疫情封鎖期間比2015—2019年同期分別下降16.41%和 29.73%，O3升高 7.92%。南亞 PM2.5（?22.40 μg·m?3）和 NO2（?6.42 μg·m?3）降幅最大；O3變化存在顯著空間差異，歐洲（2.61 μg·m?3）為增長趨勢(shì)，亞洲（?0.93 μg·m?3）和北美洲（?1.96 μg·m?3）為下降趨勢(shì)。

（3）COVID-19疫情封鎖期間，主要大氣污染物與氣溫的空間關(guān)聯(lián)性由強(qiáng)到弱依次為 O3、NO2、PM2.5，升溫區(qū)域氣溫與 NO2呈顯著空間正相關(guān)，降溫區(qū)域氣溫與 O3呈顯著空間正相關(guān)，PM2.5和NO2濃度大幅下降時(shí)，當(dāng)?shù)貧鉁赜邢陆第厔?shì)。