引言

2019年10月18—27日第七届世界军人运动会(以下简称军运会)在武汉举行，为保障比赛期间的空气质量，武汉市成立了军运会赛时环境空气质量保障指挥部，发布了大气环境质量管理临时性措施及应急措施，包括部分企业停产限产、工地停工、柴油货车限行、加强道路清洁等，以确保军运会期间武汉市的空气质量。

大型活动或赛事通常通过实施一系列的大气污染物临时管控减排措施，来提高期间空气质量的水平，近十几年多项大型活动或赛事期间的防治减排工作，为开展区域大气污染特征及大气污染控制效果研究提供了难得的实践机会(吴兑等，2012；陈敏等，2013；谢放尖等，2014; Huang et al, 2015)。为此，学者们开展了有针对性的研究，刘子锐等(2011)指出2008年北京奥运会期间排放减少和区域输送减弱导致颗粒物浓度显著降低。程念亮等(2016)分析2014年11月1—12日APEC会议期间北京市PM_2.5、PM₁₀、SO₂、NO₂的浓度比近五年平均浓度分别降低了45%、43%、64%和31%。Tang et al(2015)发现2014年北京APEC会议期间区域输送贡献比会前降低了36%，本地源排放也降低了48%。Wei et al(2016)发现在强逆温和高湿度的影响下，APEC会议结束后北京出现了污染物浓度的爆发性增长。稳定的天气背景如小风、高湿和强逆温等易造成重污染(Lin et al, 2008; Chen et al, 2018；陈镭等, 2020；胡春梅等, 2020)，受不利气象条件的影响2016年杭州G20会议期间颗粒物、SO₂和O₃浓度比管控前均有不同程度增长，但其增幅比周边城市小(赵军平等，2017)。

军运会和2014年北京APEC会议均在秋季举办，两次会议期间的气象条件差异较大，且容易出现静稳天气，减排的效果会受到不利气象条件影响(Zhou et al, 2010; 王占山等，2016；张礁石等，2016)。通过分析军运会期间武汉及其周边地区空气质量特征，定性和定量研究气象条件对武汉军运会期间空气质量变化的影响，并初步评估军运会期间管控措施对PM_2.5浓度变化的贡献，以期为今后华中地区大型活动空气质量保障提供建议和参考。

1 数据与方法 1.1 数据资料

空气质量数据来自生态环境部数据中心发布的全国不同城市(武汉、黄冈、孝感、襄阳、信阳、长沙, 图 1)2015—2019年逐日(01—24时)六要素(PM_2.5、PM₁₀、O₃、NO₂、SO₂、CO)浓度和空气质量指数数据(https://datacenter.mee.gov.cn/websjzx/queryIndex.vm

PM_2.5气象条件评估指数(EMI)是表征PM_2.5浓度变化中气象条件贡献的无量纲指标(国家气象中心和中国气象科学研究院, 2019)，用地面至1 500 m高度气柱PM_2.5平均浓度与参考浓度的比值表示，可以定量反映气象条件变化对浓度变化的贡献率，负值表示扩散条件较优，有降低PM_2.5浓度效果，正值表示扩散条件较差，有增加PM_2.5浓度效果。EMI通过雾-霾数值预报业务系统CMA-CUACE-HAZE模式计算得到，计算覆盖全国，水平分辨率为15 km，计算时使用2015年排放源，基于格点数据插值得到武汉市站点数据。

1.2 数据处理

污染物浓度变率(RATE₀)、气象条件变率(RATE_W)和排放变化率(RATE_S)的计算公式如下：

$ RAT{E_0} = {\rm{ }}\frac{{{C_1} - {C_0}}}{{{C_0}}} \times 100\% $

(1)

$ RAT{E_{\rm{W}}} = {\rm{ }}\frac{{{I_1} - {I_0}}}{{{I_0}}} \times 100\% $

(2)

$ RAT{E_{\rm{S}}} = \left({\frac{{{C_1}/{C_0}}}{{{I_1}/{I_0}}} - 1.0} \right) \times 100\% $

(3)

式中：C₁为时段1污染物浓度，C₀为时段0污染物浓度；I₁为时段1的EMI，I₀为时段0的EMI。

1.3 研究时间

军运会举办时间为2019年10月18—27日，根据管控时间将武汉市军运会分为三个阶段：管控前(10月1—12日)、管控期(13—28日)和管控后(29—31日)，其中17—28日为应急管控期，因此分析中将管控期分为管控期Ⅰ(13—16日)和管控期Ⅱ(17—28日)。10月13日武汉市政府通过了大气环境质量管理临时性措施的决定，17日武汉市启动了该措施，按照“一企一策”的要求，针对全市的重点企业采取全面的应急措施，同时对长江武汉段和汉江武汉段的货船等进行了管控。加强对重点区域机动车的疏导，限行全市范围部分公交车，鼓励市民采取绿色出行方式，全市暂停工地施工，并对道路进行了洒水降尘作业。

2 结果分析 2.1 天气形势分析

由2019年10月13—28日500 hPa平均高度距平场可见(图 2)，东亚大陆上的高空槽脊系统，分别位于贝加尔湖和鄂霍次克海至日本群岛，高空槽和高空脊系统均较常年同期略强，中国大陆北部处于高空槽后，南部为副热带高压控制。西太平洋副热带高压被东海上空的气旋分隔为两个单体，其中一个单体位于东亚大陆588 dagpm线，呈闭合状态，中心强度相对较强，位置异常偏西，水汽输送相对较西。在与之对应的低空850 hPa风场上，以南海为中心的反气旋较为明显，湖北省处于反气旋的北部，降水呈现出西多东少的特征。武汉市降水量也较常年同期偏少6成多。

10月5—16日湖北省500 hPa高度以平直气流为主，多波动东移，配合低空弱切变线，湖北大部包括武汉市以阴雨天气为主。17—21日高空以偏北气流为主，天气晴好，气温回升，地面受均压场控制，风力较弱。21—27日，500 hPa再次转为平直气流，云系明显增加，其中22日受切变线影响，湖北大部出现小到中雨，其他时间湖北中东部包括武汉市以阴天间多云或弱降水为主。28日开始高空再次转为偏北气流，湖北大部天气多云转晴。

2.2 军运会空气质量时间分布特征

军运会不同管控阶段的污染物浓度处于低值(表 1)，AQI维持轻度污染以下，与往年相比显著偏低，四个阶段AQI数值为管控后>管控前>管控期Ⅱ>管控期Ⅰ；PM_2.5、PM₁₀和NO₂浓度值为管控后>管控期Ⅱ>管控前>管控期Ⅰ；SO₂和CO浓度在管控期最低；O₃浓度为管控前>管控期Ⅱ>管控后>管控期Ⅰ。1—12日未采取管控措施前武汉的PM_2.5和PM₁₀质量浓度平均值分别为28.8 μg·m^-3、47.2 μg·m^-3，与2014—2018年五年同期相比分别偏低40%和45%，这一阶段空气质量整体较好，明显优于往年同期。进入管控期后，在管控期Ⅰ (13—16日)颗粒物和反应性气体浓度比管控前降低，但管控期Ⅱ(17—28日)大气污染物浓度反而有所上升，PM_2.5、PM₁₀、NO₂浓度比管控前分别上升了15%、13%和40%，其中NO₂上升幅度最大；但与五年同期相比颗粒物浓度仍下降显著(偏低约48%), NO₂偏低21%，O₃偏高13%。管控后(29—31日)，除O₃外，其他污染物的浓度均有所上升，与管控期Ⅱ相比PM₁₀和NO₂分别上升了136%和67%。随着减排措施的取消，大气污染物浓度呈现反弹上升的趋势，与赵辉等(2015)研究结果相似。

在2014—2018年五年同期，10月17—28日PM_2.5、PM₁₀、NO₂、CO浓度平均值均为四个时段内最高，说明这一时段的天气形势易于污染天气的形成，挑选2017—2019年10月相近时间段的5次污染过程(过程1：2019年10月16—23日，过程2：2018年10月1—10日, 过程3：2018年10月20—26日, 过程4：2017年10月5—11日, 过程5：2017年10月19—25日)，对比分析采取管控措施对污染过程的影响(表 2)，可以看出过程1~过程3 PM_2.5浓度、O₃浓度和AQI的上升速度比较接近，过程1中PM_2.5浓度上升速度略慢，其峰值浓度低，且O₃初始浓度偏高，在相似的上升速度下，峰值浓度更高。过程2的O₃初始浓度最高，峰值浓度也高，达到轻度污染。2017年的两次过程(过程4和过程5)初始浓度均较低，但是上升速度快，AQI也达到轻度污染。军运会期间(过程1)的PM_2.5浓度和AQI上升速度最慢，O₃浓度上升速度仅比过程2略快，说明军运会管控措施可以降低污染物浓度上升的速度，对颗粒物作用最为显著，但对O₃作用略小。

同时，值得注意的是O₃和NO₂浓度在管控期Ⅱ均出现高于其他年份或明显升高的特征，管控期O₃和NO₂为首要污染物的时段占总日数的83%，这表明军运会管控措施下仍然存在着部分时段O₃和NO₂浓度增加的问题。

2.3 空气质量空间分布特征 2.3.1 武汉城区不同站点污染物浓度变化特征

进一步探讨军运会管控期武汉地区主要国控站点污染物的变化特征。图 3给出了2018年和2019年的10月13—28日5个国控站点(汉阳月湖、汉口华桥、武昌紫阳、青山钢花、民族大道)PM_2.5、PM₁₀、O₃、NO₂、SO₂浓度和AQI值的变化，2018年和2019年青山钢花AQI值最高，下降幅度也为最大，其他站点相差不大。青山钢花国控站位于武汉市钢铁基地，重工业产业集中，污染偏重。管控期青山钢花PM_2.5浓度最高(40 μg·m^-3)，其次为汉口花桥，而5个站点的PM₁₀浓度相近，为48 μg·m^-3(民族大道)~55 μg·m^-3(汉阳月湖)。与2018年相比，管控期不同站点PM_2.5和PM₁₀下降了15%~32%，下降幅度最大的为青山钢花。这主要由于颗粒物污染主要来自固定式燃烧、冶金和建筑活动等，开展重点企业精准管控，对全市工地进行建筑扬尘处理，有效减低了颗粒物浓度。NO₂浓度最高站点为武昌紫阳(位于黄鹤楼和临江大道之间)，民族大道站最低，5个国控站下降幅度为7%~27%；SO₂浓度下降幅度为9%~40%，燃煤、燃油等工业过程以及汽车尾气为SO₂和NO₂主要来源之一，Cheng et al(2014)发现武汉地区污染天气主要受到静稳天气的影响，气态污染物的二次转化对高浓度PM_2.5贡献很大(刘晓咏等, 2019)，机动车排放和生物质燃烧进一步加剧了污染天气的强度。

军运会期间武汉市对部分柴油公交车或货车进行限行，减少了大型炼钢、石化工厂生产活动，对货车通行及港口船舶等采取了一定的管控措施，在一定程度上降低了NO₂和SO₂浓度，其中NO₂和SO₂下降幅度最大的均为武昌紫阳。但值得注意的是，O₃浓度在5个站点均出现了上升特征，说明管控措施对O₃浓度影响不大，黄凡等(2020)、陈楠等(2017)均指出武汉市属于挥发性有机化物合物(VOC)控制区，溶剂涂料、机动车尾气和工业排放均为VOC主要来源，其控制难度大。在晴空静稳的天气下，仅NO₂浓度下降，O₃浓度无法降低。

2.3.2 武汉市污染物浓度与周边城市对比

图 4给出了管控前和管控期武汉及周边城市主要污染物浓度变化特征。管控期间虽然武汉城市圈(“1+8”城市，包括武汉、鄂州、黄冈、黄石、咸宁、孝感、天门、潜江、仙桃)的主要城市武汉、黄冈和孝感颗粒物浓度出现增长，但是增加幅度低于襄阳和信阳(图 4)，且与其他城市相比，武汉市颗粒物浓度在管控期间尤其是管控期Ⅱ是所涉及城市中最低。高庆先等(2015)对APEC期间北京的AQI与周边城市对比中也发现了类似的特点。NO₂浓度在管控期Ⅱ较管控前所有城市都增加，增幅为31%~54%，其中武汉NO₂浓度最高。根据武汉市污染源清单调查结果显示，武汉市NO_X排放主要来源于移动源排放，约占全市总排放量的6成，其次为工业源，占比约为30%；移动源中道路移动源排放占比较大(60%以上)。仅对部分柴油公交车或货车、货轮、集装箱车等采取管控措施，结果对NO₂浓度增加的抑制效果有限。

武汉、孝感和长沙的O₃浓度在管控期Ⅱ与管控前比有所下降(图 4)，而其他城市上升，信阳增幅最大(16%)。孝感在21日O₃浓度为174 μg·m^-3，黄冈20日为162 μg·m^-3均达到轻度污染级别，管控措施一定程度上抑制了武汉市O₃浓度达到轻度污染。军运会期间武汉O₃浓度比管控前降低，但依然高于长沙地区的数值，且比2018年同期浓度也有所增加，说明O₃前体物控制难度大，赵金帅等(2020)指出在郑州少数民族运动会期间O₃浓度降幅仅为3.7%，前体物VOC低于历史同期，机动车尾气贡献最大。由于O₃生成与前体物之间呈非线性关系，需要考虑进行NO_X和VOC协同管控(Li et al, 2017)。

2.4 气象条件对空气质量影响 2.4.1 军运会不同阶段气象条件分析

管控期Ⅰ(13—16日)湖北省经历了一次中等强度冷空气且伴随降水，这一阶段气压和风速最大(表 3)，且高于2014—2018年同期，颗粒物、NO₂和O₃浓度最低(表 1)。14日PM₁₀和O₃出现小幅上升(图 5)，PM₁₀浓度上升幅度大于PM_2.5，造成这种现象主要是因为冷空气的输送作用，外源输送对湖北省污染天气贡献明显(祁海霞等，2019; Zhou et al, 2019)，14日湖北大部PM₁₀浓度由0~50 μg·m^-3上升至大于50~150 μg·m^-3，15日在风和降水的影响下颗粒物浓度下降，岳岩裕等(2018)对武汉市冷锋过程的研究也发现颗粒物浓度会出现先升后降的特点。

管控期Ⅱ(17—28日)出现较明显的污染物浓度上升，17—21日500 hPa以偏北气流为主，天气晴好，气温逐渐回升；850 hPa反气旋环流为主；地面气压下降、处于均压场控制之下，风速减小；相对湿度和能见度处于低值(图 5)；日照高于近五年平均值，光化学反应强烈，因此反应性气体浓度上升明显，成为首要污染物，颗粒物浓度也有所累积，但是上升幅度偏小。22日受低空切变线影响，湖北大部出现小到中雨，在降水的作用下武汉市PM_2.5、PM₁₀和NO₂浓度开始下降。23—27日500 hPa再次转为平直气流，武汉市以阴天或弱降水为主，24—26日有一次冷空气，风速增大有利于污染物稀释和扩散(江琪等，2019)。17—28日降水量与五年同期比明显偏小(表 3)，降水对大气污染物的冲刷、稀释作用明显，尤其是有效降水(大于5 mm)对大气污染物的湿沉降作用是净化大气的重要机制，有效降水日数越多，越有利于污染物清除，管控期Ⅱ降水量和有效降水日数(0.6 d)均处于低值，不利于污染物湿清除。且风速由管控期Ⅰ的偏大转为管控期Ⅱ偏小，风速小则污染物累积效应更突出。风和降水都有利于污染物的累积，但是颗粒物浓度在这一阶段下降，说明管控措施对颗粒物浓度下降贡献明显。

管控后(29—31日)高空转为偏北气流，湖北大部多云转晴，NO₂和PM₁₀浓度明显上升。

2.4.2 相似天气背景下污染过程对比分析

挑选与军运会期间过程1(2019年10月16—23日)天气背景相似的过程进行分析，在2017—2019年10月的5次污染过程(表 2)中仅过程2(2018年10月1—10日)的过程天气形势与过程1相似。2018年10月2—4日处于500 hPa高空槽后，5日转为脊控制，6—7日为平直西风气流，8—9日受到低槽影响海平面气压场以均压场为主，9日地面有中等强度冷空气。图 6为两次过程逐日浓度变化，过程1和过程2的PM_2.5初始浓度和增长速率基本相同，但是在第五天出现了变化，过程2的第五天和第六天，即2018年10月5—6日出现了PM_2.5浓度明显增长，但过程1的第五天和第六天，即2019年10月20—21日PM_2.5浓度增速缓慢。过程1的O₃浓度增速比过程2快，同样的天气背景下，O₃浓度受管控措施影响小，而PM_2.5出现了增速放缓的情况。

2.5 气象条件及减排对PM_2.5浓度变化影响

使用EMI指数评估气象条件的影响，其指数表征综合气象条件对PM_2.5浓度变化的贡献。该指数考虑了大气对污染物的稀释扩散、输送、沉降等物理过程，可定量诊断与预测污染期间气象条件的变化(国家气象中心和中国气象科学研究院, 2019)。在污染源相对稳定的情况下，EMI和PM_2.5浓度的变化由气象条件决定，二者具有较好的相关性。对2019年10月PM_2.5浓度和EMI与其他年份同期做比较(图 7)，可以看出2019年10月PM_2.5浓度与2013—2018年相比均为负值，表现为浓度下降趋势。颗粒物浓度的变化考虑是由气象条件和排放源的变化共同影响，2019年与2013—2017年相比EMI为正值，范围为3.2%~22%，说明2019年的气象条件相对于2013—2017年是不利于PM_2.5浓度降低的。2019年PM_2.5浓度相较于其他年份下降率为-73.2% ~-6.5%，通过EMI变率和浓度变率计算得出排放变率，为-75.7%~-14.0%，可以看出PM_2.5浓度下降主要是减排的贡献。与2018年相比2019年EMI为负值，说明2019年相对于2018年气象条件转好，有利于污染物扩散。对比2018年PM_2.5浓度，2019年PM_2.5浓度下降也是近三年(2016—2018年)最明显的，比2018年下降了24%，其中减排的贡献为23%，其贡献最为明显。

3 结论与讨论

军运会管控措施对颗粒物浓度下降或抑制其上升幅度作用显著，与过去五年同期相比，颗粒物浓度下降最明显，与长沙等其他城市相比亦最低，相近时间段内未采取管控措施，PM_2.5上升速度偏快。O₃和NO₂问题突出，作为首要污染天数占比达83%，武汉市O₃浓度在管控期Ⅱ高于其他年份和长沙市，城市圈孝感和黄冈O₃浓度超标，虽然武汉市O₃浓度未明显下降，但管控仍起了一定作用，军运会期间O₃未达轻度污染级别。NO₂在管控期Ⅱ也出现了增加，与管控前和其他城市相比偏高，但与过去五年平均值相比偏低了21%，货车和港口船舶的精准管理，降低了NO₂的浓度。武汉城区5个站点中青山钢花AQI值和颗粒物下降幅度最大，这一区域为武汉重工业基地，大型企业管控措施执行效果明显。

管控期Ⅱ(17—21日)以反气旋环流为主，降水量和有效降水日数均处于低值，且风速偏小、累积效应突出；日照和总辐射处于高值，光化学反应强烈，静稳形势有利于O₃和颗粒物浓度的共同上升。2018年10月1—10日和2019年10月16—23日天气背景相似，是否采取管控措施在第五天出现了差异，2019年10月20—21日PM_2.5增速缓慢，而2018年继续明显增长。O₃浓度增速基本不受管控影响，相近时间段内3次过程AQI和O₃浓度的上升速度相近，但军运会期间PM_2.5上升速度最小且峰值浓度最低。

颗粒物浓度的变化受气象条件和排放源变化的共同影响。由于管控期Ⅰ时间短且伴有大风降水，管控期Ⅱ管理措施更严格，但气象条件管控期Ⅰ整体比管控期Ⅱ更有利于污染物浓度降低，管控期Ⅰ的PM_2.5、PM₁₀和NO₂浓度在四个阶段中最低。2019年10月与2013—2017年相比EMI为正值，范围为3.2%~22%，说明2019年的气象条件不利于污染物浓度降低，而2019年PM_2.5浓度相较于其他年份下降率为-73.2%~-6.5%，排放变率为-75.7%~-14.0%，可以看出减排是PM_2.5浓度下降的主要原因。

本文对气象和排放两大因素贡献的区分还有待进一步加强。基于EMI定量分析气象条件对污染物的影响仅能评估PM_2.5浓度变化，而对于NO₂和O₃浓度变化的气象贡献则无法用其定量描述。但是军运会期间O₃和NO₂浓度上升现象明显，需要依托于数值模拟评估管控前后臭氧前体物和NO₂等浓度的差异，从而得到气象条件对O₃生成的贡献。