《Journal of Environmental Sciences》：Distinct synoptic mechanisms driving source-receptor relationships for ozone pollution in central China
编辑推荐：
•三种具有不同变率特征的环流系统主导着太华区域的臭氧污染。•局地光化学反应贡献率为25.5%（T1）和35.8%（T3），且输出量较低。•具有明显特征的长三角/华北平原输送（43.4–72.6%），在920–750hPa层达到峰值，驱动了所有污染过程。引言对流层臭氧对人类健康
- •
三种具有不同变率特征的环流系统主导着太华区域的臭氧污染。
- •
局地光化学反应贡献率为25.5%（T1）和35.8%（T3），且输出量较低。
- •
具有明显特征的长三角/华北平原输送（43.4–72.6%），在920–750hPa层达到峰值，驱动了所有污染过程。
引言
对流层臭氧对人类健康、气候和生态系统构成严重威胁（Rich et al., 2018; Tan et al., 2019; Chen et al., 2023）。地表臭氧升高是全球城市和工业区关键的大气空气质量问题（Lefohn et al., 2018; Yang et al., 2024）。在中国，空气污染防止行动计划（2013–2017年）实施后的排放控制措施导致地表臭氧浓度和污染天数增加（Wang et al., 2022; Shen et al., 2023），在中国中部和东部地区的城市群尤为明显，包括华北平原（NCP）、长三角（YRD）、太华区域（THR）、四川盆地（SCB）和珠江三角洲（PRD）（Dang and Liao, 2019; Shen et al., 2022; Liu et al., 2025）。因此，了解臭氧污染的成因并制定相应的缓解策略具有重要意义。
大尺度天气环流驱动局地气象变率，从而影响臭氧的生成与扩散（Pu et al., 2017; Dong et al., 2020; Gao et al., 2021; Gong et al., 2022; Yang et al., 2024）。Hu等人（2024b）报道了中国高臭氧过程与西太平洋副热带高压（WPSH）的大量关联。天气环流还通过控制臭氧及其前体物的输送路径和空间来源来塑造源-受体关系（Song et al., 2022; Chen et al., 2022; Hu et al., 2024a; 2025）。例如，夏季季风南风将富臭氧空气从北部湾输送到下风向地区，从而改变了华南受体区的臭氧收支（Zhou et al., 2026）。而副热带高压的位置决定了长三角地区臭氧是局地累积还是区域输送（Shen et al., 2025b）。
太华区域位于中国中心位置，被主要城市群所环绕（图1），使其极易受到臭氧污染影响，近年来其臭氧增长率高达1.9 μg/(m3·yr)（Shen et al., 2023）。尽管其易受污染，但不同的天气环流型态如何影响太华区域臭氧的源-受体关系仍缺乏充分理解。为弥补这一空白，我们对臭氧污染过程（2015–2024年）期间的主要天气环流型态进行了分类，评估了它们的气象影响，并利用GEOS-Chem模型模拟了每种环流型态的臭氧源贡献，重点关注不同环流如何塑造太华区域的输送和累积模式。
章节摘要
数据
本研究的观测期为2015至2024年。日均最大8小时（MDA8）臭氧数据来自中国生态环境部。太华区域的区域平均臭氧浓度由24个监测站计算得出，用于识别污染日和清洁日。地表臭氧空间分布数据来自1公里分辨率的CHAP数据集（Wei et al., 2022; Wei and Li, 2023）。本文使用μg/m3作为臭氧浓度的主要单位，以保持与全国标准的一致性。
太华区域受体区的臭氧污染升高
图1a展示了2015至2024年区域污染日的MDA8臭氧浓度年际变化，表明近十年来显著增长，增长速率为0.9 μg/(m3·yr)。清洁日也呈现出上升趋势，记录到的速率为1.8 μg/(m3·yr)（图S4）。清洁日更高的增长率表明太华区域臭氧污染的易发性，需要我们重点关注。对于太华区域的污染日，这种持续
结论
2015至2024年间，太华区域的臭氧浓度显著增加，污染日和清洁日的增长率分别为0.9和1.8 μg/(m3·yr)。这一趋势凸显了缓解太华区域臭氧污染以及其易受进一步恶化的紧迫性。模型模拟显示，局地臭氧仅贡献了太华区域地表臭氧的18.3%，而其他中国中东部城市群的异地臭氧贡献约为该比例的两倍，确立了太华区域作为主要受体
CRediT作者贡献声明
沈丽娟构思了研究方案，进行了数值模拟并完成了分析。赵天亮和白永清参与了结果解读并主导了论文撰写。高磊、王鸿雷、史双双和刁一微参与了讨论并提供了指导。
利益冲突声明
作者声明不存在任何已知的可能影响本文所报告工作的竞争性经济利益或个人关系。
CRediT作者贡献声明
沈丽娟：论文审阅与编辑，撰写初稿，验证，方法论，获取资助，概念构思。赵天亮：论文审阅与编辑，验证，监督，调查研究，概念构思。白永清：论文审阅与编辑，监督，方法论，概念构思。高磊：撰写初稿，软件，方法论，形式分析，数据管理。王鸿雷：论文审阅与编辑，验证，监督，形式分析。
利益冲突声明
作者声明不存在任何已知的可能影响本文所报告工作的竞争性经济利益或个人关系。
致谢
本研究得到了国家自然科学基金（编号：42505181和42475196）、江苏省高校自然科学研究基金（编号：24KJB170022）、江苏省自然科学基金（编号：BK20231300）以及国家重点研发计划（编号：2022YFC3701204）的资助。
沈丽娟|赵天亮|白永清|高磊|王鸿雷|史双双|刁一微
