从快速下降到缓慢改善：中国PM2.5（2015-2024年）的十年非线性演变与区域预测关联

《Atmospheric Pollution Research》：From rapid decline to slower improvement: Decadal nonlinear evolution and regional predictive associations of PM 2. 5 in China (2015–2024)

　　

• •
  2015–2024年，中国PM₂.₅浓度整体下降，但近期改善速度放缓。
• •
  八大区域中有七个区域的下降趋势减弱，除西北地区外均出现此现象。
• •
  气象归一化分析表明，近期放缓趋势依然存在。
• •
  PM₂.₅上尾浓度和高污染天频率持续下降。
• •
  共污染物提供了额外的预测信息，但未指示来源贡献比例。

引言

细颗粒物（PM₂.₅）仍然是一个重大的环境和公共健康问题，因为它对健康、大气能见度和区域气候产生不利影响（Southerland等，2022年）。中国于2012年将PM₂.₅纳入国家环境空气质量标准，随后建立了全国监测网络并实施了日益严格的清洁空气政策（Wang等，2023年；Meng和Kc，2025年）。在2013年后密集的地面监测可用之前，卫星反演、再分析产品和统计重建被广泛用于表征PM₂.₅的长期变化（Wang等，2015年；Wei等，2021年）。这些研究通常表明，2000年代和2010年代初浓度上升或持续偏高，而在2013年主要清洁空气行动实施后出现大幅下降。全国排放分析和政策评估将2013年后改善的重要部分归因于加强排放控制和实施清洁空气政策（Zheng等，2018年；Xiao等，2020年；Wei等，2021年；Geng等，2024年；Li等，2024年）。现在可用的十年长期全国监测记录提供了利用直接观测重新评估这一政策时代转型的机会，并检查改善特征是否在2020年代初发生变化。

尽管中国PM₂.₅的长期下降趋势已得到充分确立，但其近期改善速率的演变仍不太确定。现有文献主要记录了2013年后的下降，而更新至2024年的新分析和聚焦事件的研究表明，后期轨迹可能既包括持续减排也包括局部短期反弹（Li等，2026a，2026b；Song等，2025年）。评估这一问题受到全国监测网络大幅扩展的复杂影响。观测站密度的增加改善了空间代表性，但变化的站点集合在计算时间序列的区域均值时也可能影响时间可比性；监测站选址并非空间随机的，可能会影响所代表的本地条件（Meng和Kc，2025年）。空间聚合引入了额外的不确定源，因为主要的污染-气候系统可能跨越多个行政单元，而单个省份可能涵盖对比鲜明的平原、盆地、高原和干旱地区（Bai和Liu，2024年；Chen等，2025年；Liu等，2020年，2024年，2025年；Wang等，2015年）。因此，全国或省级平均值可能掩盖了污染水平和近期改善速度方面的显著区域差异。因此，固定网络比较和地理一致的区域框架对于判断表面上的放缓是否反映了浓度轨迹的真正变化而非监测覆盖范围或空间聚合的变化是必要的。

近期PM₂.₅变化的解释进一步受到长期时间演变、气象、季节性、排放和共污染物之间强耦合的复杂影响。观测下降的减弱可能反映了排放控制效果或其他非气象因素的变化、年际气象变率、监测网络组成或这些因素的组合；热事件也可能通过气候、能源和大气的耦合过程改变空气污染（Chen等，2024年）。CO、NO₂、SO₂和O₃等共污染物与PM₂.₅共享大量的时间结构，并可能包含关于区域污染过程的信息，这在利用共存污染物和可解释机器学习模型进行PM₂.₅预测的研究所证实（Araki等，2022年；Lyu等，2025年；Wu等，2022年），但预测关联不能直接解释为来源贡献。气象归一化在此背景下特别有用，因为它调整了由纳入的气象变量所代表的气象驱动变率，使剩余轨迹可以与排放和空气质量管理等更广泛非气象变化进行对照检查，同时不构成政策有效性的因果估计（Grange等，2018年；Grange和Carslaw，2019年；Vu等，2019年）。同样，与持续性大规模气候指数的关系需要对趋势和序列相关性进行明确处理；以往研究将中国PM₂.₅或雾霾变率与ENSO、PDO和区域气象变化联系起来，但仅限于特定的季节和地理背景（Qu等，2025年；Xie等，2022年；Zhao等，2016年）。此外，平均浓度下降的放缓并不一定意味着严重污染恶化；上尾浓度和高污染天频率的变化提供了补充证据。对近期转型的稳健评估需要多线独立证据，而非依赖单一趋势或归因指标。

因此，本研究利用截至2024年的地面观测数据，对中国八个地理区域提出三个相关问题进行调查。首先，我们检验PM₂.₅的长期下降是否近期放缓，以及这一变化是否对监测网络扩展、替代趋势诊断方法、季节行为和高压污染条件具有稳健性。其次，我们评估在考虑时间和气象变率后，共污染物是否为PM₂.₅保留了额外的预测信息，但不将这些关联解释为来源贡献。第三，我们量化经天气归一化后PM₂.₅趋势的区域变化，以确定在调整了模拟气象变率后放缓是否持续，并评估相关的大规模气候变率。这些分析共同区分了持续改善与其近期速度的变化，为讨论清洁空气管理后期阶段在各区域间的差异提供了基础，同时未对任何单独的政策赋予因果效应。

章节摘要

研究区域

本研究覆盖中国陆地，使用八个地理分区来代表地形、气候和社会经济条件的广泛差异（图1）。遵循Chen（2022年）的划分，这些分区为东北地区（NE）、华北地区（NC）、西北地区（NW）、华中地区（CC）、华东地区（EC）、华南地区（SC）、西南地区（SW）和青藏高原（TP）。与传统的按省分组相比，这一方案将青藏高原作为

PM₂.₅的空间和季节分布

2015–2024年间，PM₂.₅浓度在中国各地表现出显著的空间异质性（图2）。区域均值最高的是华北地区（48.5 μg m^?3）和华中地区（47.6 μg m^?3），其次是西北地区（41.7 μg m^?3），而青藏高原（16.8 μg m^?3）和华南地区（27.3 μg m^?3）的数值最低。在站点层面，高浓度主要集中在华北平原和几个内陆盆地，另有少数高值站点

讨论

本研究提供了趋同证据，表明中国PM₂.₅的改善持续至2024年，但近年来速度放缓，且存在显著的区域异质性。这些变化发生在连续实施清洁空气政策和排放控制措施的大背景下。固定网络比较表明，广泛的下降不是监测网络扩展的伪影，而KZ和气象归一化分析独立识别出大多数区域近期下降趋势减弱

结论

总体而言，综合分析一致表明，2015–2024年间中国PM₂.₅污染持续改善，但近年来改善速度放缓并日益呈现区域特征。主要结论如下。

• (1)
  2015–2024年间，中国PM₂.₅浓度大幅下降，固定网络分析证实这一整体下降趋势对监测网络扩展具有稳健性。八大区域中全部区域日均95百分位浓度均下降

CRediT作者贡献声明

王伟：初稿撰写、方法论、调查研究、概念设计。郭浩：审阅与编辑、项目管理。何山风：审阅与编辑、指导。王东娇：可视化、软件、审阅与编辑。阿力木·萨马特：审阅与编辑。

利益冲突声明

作者声明，他们不存在任何可能被认为影响本文所报告工作的已知竞争性财务利益或个人关系。

王伟|郭浩|何山风|王东娇|阿力木·萨马特