The COVID-19 pandemic elicited a global response to limit associated mortality, with social distancing and lockdowns being imposed. In India, human activities were restricted from late March 2020. This 'anthropogenic emissions switch-off' presented an opportunity to investigate impacts of COVID-19 mitigation measures on ambient air quality in five Indian cities (Chennai, Delhi, Hyderabad, Kolkata, and Mumbai), using in-situ measurements from 2015 to 2020. For each year, we isolated, analysed and compared fine particulate matter (PM2.5) concentration data from 25 March to 11 May, to elucidate the effects of the lockdown. Like other global cities, we observed substantial reductions in PM2.5 concentrations, from 19 to 43% (Chennai), 41–53% (Delhi), 26–54% (Hyderabad), 24–36% (Kolkata), and 10–39% (Mumbai). Generally, cities with larger traffic volumes showed greater reductions. Aerosol loading decreased by 29% (Chennai), 11% (Delhi), 4% (Kolkata), and 1% (Mumbai) against 2019 data. Health and related economic impact assessments indicated 630 prevented premature deaths during lockdown across all five cities, valued at 0.69 billion USD. Improvements in air quality may be considered a temporary lockdown benefit as revitalising the economy could reverse this trend. Regulatory bodies must closely monitor air quality levels, which currently offer a baseline for future mitigation plans.

<p>Green-blue-grey infrastructure (GBGI) offers environmental benefits in urban areas, yet its impact on air pollution is under-researched, and the literature fragmented. This review evaluates quantitative studies on GBGI's capability to mitigate air pollution, compares their specific pollutant removal processes, and identifies areas for further investigation. Of the 51 GBGI types reviewed, only 22 provided quantitative pollution reduction data. Street trees and mixed-GBGI are the most studied GBGIs, with efficacy influenced by wind, GBGI type vegetation characteristics, and urban morphology. Negative percentages denote worsening air quality, while positive reflect improvement. The 22 different GBGI grouped into eight main categories provide an average (± s.d.) reduction in air pollution of 16 ± 21%, with substantial reduction shown by linear features (23 ± 21%), parks (22 ± 34%), constructed GI (14 ± 25%), and other non-sealed urban areas (14 ± 20%). Other individual GBGI reducing air pollutants include woodlands (21 ± 38%), hedges (14 ± 25%), green walls (14 ± 27%), shrubland (12 ± 20%), green roofs (13 ± 23%), parks (9±36%), and mixed-GBGI (7 ± 23 %). On average, GBGI reduced PM₁, PM_2.5, PM₁₀, UFP and BC by 13 ± 21%, 1 ± 25%, 7 ± 42%, 27 ± 27%, and 16 ± 41%, respectively. GBGI also lowered gaseous pollutants CO, O₃ and NO_x by 10 ± 21%, 7 ± 21%, and 12 ± 36%, on average, respectively. Linear (e.g., street trees and hedges) and constructed (e.g., green walls) features can impact local air quality, positively or negatively, based on the configuration and density of the built environment. Street trees generally showed adverse effects in street canyons and beneficial outcomes in open-road conditions. Climate change could worsen air pollution problems and impact GBGI effectiveness by shifting climate zones. In Europe and China, climate shifts are anticipated to affect 8 of the 22 GBGIs, with the rest expected to remain resilient. Despite GBGI's potential to enhance air quality, the meta-analysis highlights the need for a standardised reporting structure or to enable meaningful comparisons and effectively integrate findings into urban pollution and climate strategies.</p>