后疫情时代︱新冠疫情对全球气候变化的影响

气候变化

一览众山小-可持续城市与交通

2020-12-04

一览导读

新型冠状病毒（COVID-19）给世界各国造成了深远的影响。各国为应对疫情采取了一系列的限制措施，间接降低了各类温室气体和空气污染物的排放量，从而对全球气候变化产生了一定影响。本文利用各国出行数据，估测了十类气体在2020年2月至6月期间的全球减排量。研究表明，由于各类气体减排的影响存在地区性、交互性和临时性的特点，应对疫情的措施对全球气候的直接影响微乎其微。事实上，应对全球气候变化更有效的途径在于疫情后的绿色复苏之路。

原文/ Piers M. Forster

Harriet I. Forster

Mat J. Evans

Matthew J. Gidden

Chris D. Jones

Christoph A. Keller

Robin D. Lamboll

Corinne Le Quéré

Joeri Rogelj

Deborah Rosen

Carl-Friedrich Schleussner

 Thomas B. Richardson

Christopher J. Smith

Steven T. Turnock

翻译/ 陈珏希 王静懿

校验/ 众山小 

文献/ 耿洁慧 

排版/ 众山小

编辑/ 众山小

ONE TEAM

截止至2020年7月5日，全球已有188个国家或地区出现新型冠状病毒肺炎（COVID-19）确诊病例。各地前所未有地实施了强制性或自愿性的出行限制，这使得温室气体和空气污染物排放量减少。通过分析谷歌和苹果的125个国家的出行数据，发现各地人口出行都减少了10%或以上，其中5个国家甚至减少了80%。卫星数据和当地的地面观测站数据表明，空气污染物也相应地减少。然而大规模污染的减少是暂时性的，比如亚洲一些地区，当前污染水平已经恢复到了接近正常。

我们评估了2020年2月至6月期间由新冠疫情全球限制出行引起的温室气体和空气污染排放变化，并由此预测了未来排放量变化和全球温度响应。我们研究了保持疫情前国家政策和排放水平、实施绿色激励政策、增加化石燃料使用等几种情景下的温度变化。

▂▂▂▂▂

排放趋势

自下而上的排放趋势分析，一直以来依赖于人工搜集的各种各样的能源产业相关指标和多种来源统计数据。近期，我们从谷歌和苹果获得了全球出行数据，这是前所未有的以统一方式对比各个国家排放趋势的唯一机会。我们利用这些数据开发了一种新的排放趋势分析法，这种方法的优势在于：近乎实时的分析、国家颗粒度、并且在国家间、和不同的时间段上保持系统一致性。而劣势在于损失了与能源和排放之间的直接关联，需要对这些关系进行假设。这种方法的弊端还在于出行数据的时间历史短，无法了知数据提供者的详细方法论和不确定性。我们进行了几套假设，从出行数据中推演评估排放量的变化，进行了大量的测试，与Le Quere等的方法进行了比对。

谷歌和苹果出行变化和Le Quere 等的数据均表明，全球超过50%的人口在2020年4月（图1a）减少了超过50%的出行。谷歌出行趋势表明，数据库中114个国家（4亿人口）大于80%的人口减少了超过50%的出行。谷歌出行数据和Le Quere 等基于出行限制分析所估测的各国地面交通排放量变化趋势基本一致，数据相差范围在20%以内（见图1b）。我们验证了对总体地面交通排放变化影响最大国家的趋势（我们设想了美国、欧洲国家、印度等国），数据高度一致，也与他们的排放趋势高度相关。（见图1b ）。谷歌的工作场所、零售业和居民区出行数据，也较好地与相关工业、公共场所和居民领域的排放变化对应得上，但前提是用Le Quere 等的排放变化评估高值的进行对比（见图1b、c）。

图1、部门排放趋势的比较。a、Apple 驾驶数据、Google 交通出行数据以及 Le Quéré 等 的3 个不同数据集，2020年4月的各国可用数据人口加权直方图。b、Google 和 Le Quéré 等的数据集，2020 年 4 月的CO2 排放量加权小提琴图（最小值、最大值和中位数）。c、 2020 年 4 月四个部门数据集的排放量变化估计数和四个部门的排放量变化之和。

除地面交通以外，用出行数据容易高估排放变化，这就是为什么CO2排放量比前面两组评估高的原因。但是，美国国家层面、州层面的出行排放估值均与Le Quere等的排放变化研究结果高度一致。在工业领域，数据差异可能源于工业活动排放量与出行趋势关联较小，因为谷歌出行数据仅显示手机位置的变化，无法反映由于机器自动化、关闭操作或其他非工作模式的惯性、重工业无生产时的基本排放水平数据。在居民领域，中值为排放量增加20%，这与Octopus Energy在疫情期间的英国智能电表分析相吻合，在限制令开始后，以往的空置房屋都住进了人。但其实许多房子里本来就有居民，所以当入住率上升时，能源消耗仅增加4%。这些因素大概可以认为，我们以谷歌数据来估算的趋势，可能会高估了这些领域的排放变化，导致基于谷歌数据计算的排放趋势估值和Le Quere等估算的排放高值数据更吻合。我们的分析估值也比Liu 等的研究高出很多。在更加广泛的国家层面，苹果和谷歌的数据代表性仍然是个问题，在不同的地区，苹果和谷歌手机操作系统的使用情况和渗透率也是个问题。比如，苹果的驾驶出行数据在印度锐减超过80%，这可能只代表了那些能在家办公的人。因此，我们主要从谷歌出行数据得出的排放趋势应该被认为是对新冠疫情期间排放引起的变化的高估值。

以下，我们主要以谷歌出行数据来得出2020年排放变化，用于估算因应对新冠疫情实施的出行限制措施造成的排放变化量。我们同时使用Le Quere等的数据来补充航空和船运领域趋势估值。

我们自下而上分析法使用了123个国家的数据，这些国家的化石燃料产生的二氧化碳排放量占全球99%以上，在Le Quere it al的基础上，我们增加了对69个国家的分析。我们对6个领域（地面交通、居民、动力、工业、公共、航空）在2020年4月至6月期间的每日全国排放趋势进行分析。这些数据将以国家和7种排放物作为权重，排放种类包含了主要的温室气体和短期污染物。非二氧化碳的变化估值包含了人为排放总量，但农业和废弃物排放假设是不变的。国家和分类数据来源于2015年《全球大气研究排放数据库》（EDGAR）。这些数据融合后生成2020年按种类和部门划分的国家层面和全球层面的日均排放变化量。

为了评估因新冠疫情大流行引起的变化值，我们建立了一个基准情景。我们假设各国将在2030年实现他们公布的国家自主贡献（NDC），且2030年后没有进一步加强的气候行动。我们以此预测排放路径，以及由此造成的温室气体和空气污染物排放的变化。通过以下三个阶段过程获得该场景下产生的变化值：首先，以2020年1月3日至2月6日期间5周的数据作为参考，得出谷歌出行数据的分数。然后，通过乘以Le Quere 等的2019年CO2排放量或2015年《全球大气研究排放数据库》的其他种类污染物排放量，计算出排放趋势的绝对值。最后，这些绝对值应用于基于疫情前国家承诺的稳定提升的排放路径。这篇论文仅使用了全球排放变化均值，如对国家层面和网格数据欧兴趣，可以在此网址获取（https://doi.org/10.5281/zenodo.3957826）。

我们的分析表明，减排量大概在2020年4月中达到峰值，而各类污染物的减排量不尽相同。数据表明，全球化石燃料CO2排放量和NOx总排放量在2020年4月下降了30%，这是地面交通排放下降所致。相反的，由于居民排放提升的影响，有机碳增加了不到1%。甲烷变化量则是受电力部门的下降影响，SO2最主要收工业排放下降的影响。总体而言，地面交通的变化是大部分排放物变化的最大的影响因素。在图2b的分析中，应用了我们的方法分析了Le Quere 等的非二氧化碳排放物，也展示了之前两种计算方式的趋势值。我们的预估趋势与Le Quere 等的预估高值接近，几乎是Liu 等的二氧化碳趋势预估值的两倍。

我们的数据表明，排放量的变化不仅出现在那些主要的排放国家，全球范围都有出行限制（尽管具体实施方式各有不同，因此相应的排放量变化也不同）。在许多国家，出行限制会使得排放减少。此外，尽管欧洲和美国短期污染物的排放变化大，但他们对全球排放变化的贡献并不大，因为他们的空气污染排放水平相对较低。

▂▂▂▂▂

观察到的证据

实测 COVID-19对大气 CO2 浓度的影响很有挑战性，因为 CO2 在大气中会存在很长时间，任何扰动的影响都不太显著。CO2排放占大气份额多年尺度的变化约50%，而年内尺度（月度或季度）的变化可能超过90%。此外，由于CO2在数周至数月的时间还没充分混合，单个观测站很难反映全球CO2负荷的变化，例如，北半球太平洋的Mauna Loa观察到的COVID-19限制措施导致的减排可能会比南极更明显。与人为因素相比，CO2的自然（陆地和海洋）流动量级更大，因此很难从CO2浓度检测出国家层面的排放量变化。我们估算了限制措施带来的CO2浓度变化 （见图5b），并发现与基线情景相比，最大减排量为在两年时间减少2ppm（百万分之一）。

图2、COVID-19 限制措施的具体变化。a、2020年，全球日平均各类排放量变化百分比。这些变化包括化石燃料CO2排放量和其他部门人为排放总量。垂直灰色虚线定向标记了 2 月到 6 月的第一天。b、2020年4月全球平均各类排放量与近年相比的平均减少量。明细是主要排放国，包括国际航空。x 轴是基于基准线的百分比变化。CO2 的趋势与 2019 年相比；其他排放物与 2015 年相比。Le Quéré等人和Liu等人估测的低、中和高值，显示为黑圈、误差条和红色三角形。EU27+UK指欧盟27国加上英国。

尽管CO2的排放变化无法轻易观察到，但空气中其他污染物浓度的变化可以用来验证自下而上减排估计数的真实度。全球、若干国家、城市都观察到了NO2下降。NO2寿命短（约5小时），对排放变化的反应相对线性（不像其他污染物，如O3和PM2.5），同时其排放量的减少与CO2排放的减少密切相关（见图2a和Le Quéré等）。因此，其浓度的变化是CO2排放变化的风向标。许多研究指出，中国地面和卫星平台都反应了COVID-19引起的 NO2浓度变化。但是，要对其中的排放驱动因素进行量化估算仍然是一项挑战，因为很难将该变化信号与气象变异区分开。为了解决这个问题，我们遵循以前的工作，开发了一种机器学习方法，以推导全球空气质量监测站中NO2地面浓度的气象和化学变化。

我们汇总了32个国家的观测结果，并比较了NO2浓度变化观测值与基于出行的NOx排放变化估算值的时间序列比较。图3显示了2020年每个国家基于出行预测的NOx排放变化估算值与NO2变化平均观测值的比较。估算值与观测值会有一些差异：监测站往往侧重于地面出行排放量高的地点，因此对工业或住宅活动的变化可能不太敏感；NOx的地面出行排放量大部分来自商用车（占英国地面出行排放量的64%），而本文用的是基于人口的出行数据。然而，各国的比较结果总体良好，显示预测值的平均变化与观测值之间有定量关系。对于大多数国家而言，NO2排放观测值降幅小于NOx排放估算值降幅（20%上下2个百分点），而中国和印度的观测值降幅则大于估算值降幅（分别多28%和48%）。这可能是由于在Le Quéré 等人的分析中，中国没有谷歌数据，而印度则缺少电话移动数据（见排放趋势）。由于中国是最大的排放国，我们的早期分析可能会受到中国NOx趋势低估的影响， 但任何对全球的低估都不太可能持续到4月，当时中国对全球趋势的影响已相对平稳 （图2b）。

图3、预测值与观测值的比较。2020年1月1日至5月11日，各国NOx排放预测值变化与气象观测值平均下降百分比的比较。圆的大小表示各国EDGAR（网格排放数据）的NOx日排放量。蓝线显示按这些国家/地区的观测值数加权最适合的正交回归线（不包括以红色显示的中国和印度），阴影区域显示 95% 置信区间。并非所有国家都标注了，比如巴西显示NO2浓度增加，未显示在图里，但包含在统计拟合中。

▂▂▂▂▂

限制措施对温度的影响

气候变暖来自于组合效应：气溶胶引起的变暖，CO2减少引起的变冷，NOx驱动的对流层臭氧冷却损失（图4）。为了估算2020年4月以后的地面温度，设定了四个"假设条件" 。FaIR v1.5 气候模拟器模拟了这些路径的温度变化，该模拟器是为最新的气候预期响应模型而设置的。两年内社交距离都可能很重要，所以我们首先假设在所有途径中，直到2021年底，排放量的减少量将保持在2020年6月排放值的66%以内。在“两年短期"路径中，到2022年底，排放将线性返回到基线路径（表1和图4a）。在这样一条路径下，我们预测，消除污染物减少的短期影响后，CO2减少带来的长期冷却效应比基线少0.01±0.005 oC， （图4b）。

图4 |对两年短期路径的响应。a、b：各成分有效辐射强迫（a）和各成分温度响应（b）。这是两年短期路径与基线路径比较的结果，显示了主要成分的明细，通过FaIR v.1.5 模型模拟。显示的是由5-95% 蒙特卡洛法抽样不确定度，根据其与地面温度记录的历史拟合进行加权。

由于COVID-19的高温反应可能很小，气候科学家正积极寻找区域气候特征。特别是气溶胶负荷的变化可能导致极端天气（如热浪或强降水），从而增加区域风险。这种变化近期需要特别注意，因为极端天气造成的危害将随着目前的疾病流行局势而加剧，2020年5月21日袭击加尔各答的热带气旋Amphan就是一个悲惨的例子。由于各种因素的重叠：弱势群体（例如热浪和老年人）、响应及其带来的挑战（在洪水情况下的撤离）、对作物产量的潜在影响，以及初步研究表明COVID-19传播本身可能受到的气候因素的影响：这些都将测试社会和政府的复合风险管理能力。

根据我们的估计，NOx下降30%将在2020-2025年期间带来短期降温0.01oC，这几乎完全来自对流层臭氧减少的影响。NOx的变化同时会带来硝酸盐气溶胶的减少，从而造成少量变暖效应。由于臭氧响应在不同区域变化很大，我们引入了一种更复杂的模拟器，充分考虑了区域变化因素，估计2020年平均辐射强迫为±0.029 Wm-2，这与图4a（±0.030 W m-2） 非常一致。模拟器还提供了区域平均地面臭氧变化值。与NOx相比，其他短期污染物（尤其是SO2）排放量减少，减缓了负的气溶胶强迫，导致了气候变暖。这两种效应在我们的模拟中或多或少地抵消，总的说来，我们预计未来两年的变暖效应会很小（图 4b）。

尽管存在不确定性，但我们的结果表明，NOx的减少具有冷却作用，可能会抵消其他短期污染物排放量减少导致的相当一部分变暖。这表明，旨在限制道路出行污染的政策，可以抵消来自电力和工业部门污染的政策可能造成的短期变暖。因此，我们建议制定的政策应同时减少三个部门的污染。这是面向净零转型的有用途径， 我们可以避免气溶胶污染减少的短期变暖影响。

▂▂▂▂▂

绿色复苏之路

如上所述，与COVID-19有关的直接气候影响几乎可以忽略不计，而中期的恢复战略，则可能产生一定的影响。为此，我们评估了不同情景的效果，包括化石燃料推动复苏的情景和两种不同的绿色激励情景（路径假设见表 1 ）。

由于短期污染物的变暖和冷却趋势不同，2020-2030年对不同途径的气候反应仍不确定，且无论恢复路径如何， 都可能微不足道（图4和图5）。然而，差异在2030年后将显现出来。图5显示了四种评估途径下预测的CO2排放量和气候变化。我们发现，到2050年， 两年短期路径（经济复苏保持当前投资水平）和化石燃料推动复苏路径都可能（>80%）超过比工业化前升温1.5°C的限制。相反，选择一条具有高强度绿色激励假设的途径（占全球国内生产总值（GDP）的1.2%），包括气候政策措施，很有可能（+55%）将全球温度变化控制在 1.5 oC 限制内，到 2050 年左右可减缓 0.3°C 左右的未来变暖趋势（中强度绿色激励路径为 0.2 °C）。

图5 |长期气候响应。a-c：CO2排放（a）、CO2浓度（b）和全球地面空气温度响应（c），用于表1的假设路径，由FaIR v.1.5模型模拟。基线路径也绘制了，但基本上被两年短期路径所覆盖。显示的是由5-95% 蒙特卡洛法抽样不确定度，根据其历史与观测结果（红色虚线）的历史拟合进行加权，如 c 所示。

我们的工作表明，该流行病短期导致的全球温度信号可能很小。这些结果表明，如果不实现经济的长期全系统脱碳，即使行为发生巨大变化，也只会使气候变暖速度略有降低。然而，经济复苏投资的选择将强烈地影响到本世纪中叶的变暖轨迹。在后疫情时代的经济危机中寻求绿色复苏，可以使世界走上保持《巴黎协定》长期温度目标的路径。

最后，通过结合地面空气质量网络的大型数据集与数据，我们说明了及时、方便地访问大数据对科学的好处。这些综合数据能助力流行病学和环境科学建立毁灭性大流行病的实证应急韧性恢复解决方案。我们鼓励谷歌、苹果和其他大数据提供商继续提供和扩大其数据服务。

一览众山小

免费下载

免费下载一览众山小提供的原文资料：

请在微信公众号 SustainableCity后台留言

或电邮 [e-mail] 

新冠疫情对今天和未来全球气候的影响

 • 一览众山小 - 可持续城市与交通 • 

我们  | 作为独立的专业志愿者团体

 秉承  | 专业理想与价值观

 信守  | 非盈利原则

 愿景  | 帮助中国城市可持续发展

 关注  | 城市、交通、公共空间与大数据

 至今  | 我们已经拥有遍布全球近500名志愿者

 推送  | 近3000篇原创专业译文

 感谢  | 过去6年多来您的支持

 欢迎  | 后台留言关键词“志愿者”了解报名方法

2014-2020 © 转载请注明：

转载自公众号“一览众山小-可持续城市与交通”