利用广义加性模型对中国汾渭平原一个以煤炭为基础的城市中PM2.5和NO2污染的定量归因分析

《Atmospheric Pollution Research》：Quantitative attribution of PM2.5 and NO2 pollution in a coal-based city of Fenwei Plain, China using a generalized additive model

　　

Jinxi Hua|Yuanxun Zhang|Jiwei Chen|Benjamin de Foy|Ishaq Dimeji Sulaymon|Yongjie Shang

中国山西省太原市太原理工大学建筑与艺术学院

摘要

太原作为中国典型的资源型城市，正在经历从重工业向清洁发展的能源转型。评估其转型政策带来的空气质量改善效果，可以为面临类似挑战的其他工业城市提供宝贵的借鉴。为了定量分析太原主要空气污染的原因，我们使用广义加性模型（GAM）建立了细颗粒物（PM_2.5）和二氧化氮（NO₂）的归因模型，研究时间跨度为2020年1月至2024年12月。模型分析了排放、气象变量和空气团输送的非线性影响。观测数据显示，太原在治理煤烟污染方面取得了显著成效，SO₂浓度下降了37.3%。量化结果显示，在这5年内，排放减少导致PM_2.5浓度下降了20%，NO₂浓度下降了15%。边界层高度增加751米、相对湿度增加24.5%以及温度升高11.3°C对PM_2.5浓度的影响分别约为-25%、65%和65%。NO₂主要受本地排放影响，而来自南方的空气团输送则导致PM_2.5浓度上升15%。通过识别排放和气象变化对太原PM_2.5和NO₂浓度的影响，我们得出结论：这些结果可以为其他处于类似转型阶段的工业城市或地区的环境管理和可持续发展政策提供参考。

引言

随着工业化的加速，以化石燃料为主的高碳经济迅速扩张。煤炭是空气污染物排放的主要来源，占中国总排放量的58%以上（Lu等人，2020年）。中国实施了一系列空气污染防治政策，大幅改善了全国大部分地区的空气质量（Cai等人，2024年；He等人，2025年）。尽管这些政策干预带来了显著的环境效益，但汾渭平原持续的空气污染仍然是一个不容忽视的严峻问题。

太原位于中国汾渭平原，是山西省的省会，拥有庞大的重工业基础，供应全国近三分之一的煤炭（Xiong等人，2025年）。以煤炭为主的产业结构加剧了其空气质量问题，使其成为典型的燃煤污染区域（Li等人，2021年）。2019年5月，山西被列为国家能源革命试点城市，太原随之实施了一系列能源转型政策和措施。自2021年以来，已有超过27.25万户家庭从燃煤转向使用天然气或电力（人民网，2025年）。同时，太原淘汰了970万吨过时的焦化产能，并推动了钢铁、水泥等能源密集型行业的低碳改造（山西省生态环境厅，2025年）。此外，太原还加快了新能源产业的发展，并加强了关键行业的节能和减排工作。因此，太原是量化能源转型措施对空气质量改善效果的理想案例，有助于为其他资源型城市制定有效的可持续发展政策（Stratoulias等人，2025年）。

污染物浓度主要受地形、本地排放、气象条件和远距离传输的影响。本地排放是大气污染物浓度变化的主要驱动因素（Jiang等人，2025年；Li等人，2026年）。气象条件影响大气污染物的扩散、传输和沉降（Xian等人，2024年；Liu等人，2025年），以及颗粒物的吸湿增长、光化学反应等大气化学过程（Liu等人，2019年；Zender-?wiercz等人，2024年）。伴随气象变量变化的空气团远距离传输，会在数千公里的范围内影响空气质量（de Foy等人，2024年）。

现有的定量归因方法主要分为源导向模型和受体导向模型。源导向模型从排放源的角度模拟污染物浓度的变化，但往往耗时较长，并且受到缺乏及时准确排放清单更新的制约（Zhang等人，2020年；Sulaymon等人，2021年）。基于观测的机器学习模型具有很强的预测能力，但其可解释性有限。在分析各因素之间的相互关系时，这些模型往往像黑箱一样难以区分每个因素的独立贡献（Gao等人，2021年；Mallet，2021年）。线性回归方法通常建立排放因素、气象变量和污染物浓度之间的线性关系，但无法捕捉PM_2.5与气象变量之间的非线性关系（Analitis等人，2020年；de Foy等人，2021a）。

广义加性模型（GAM）是一种灵活的统计模型，可用于探索非线性回归效应，具有强大的预测能力和可解释性。与参数模型相比，GAM不需要先验知识，可以通过数据驱动分析来确定测量数据中的关系。近年来，GAM被应用于解决大气污染归因问题。Ma等人（2020年）使用GAM方法估算了中国兰州的对流层臭氧影响。GAM分析还区分了区域生物质燃烧传输、局部风效应和垂直混合对小时污染物浓度的影响（de Foy等人，2021b，2025年）。此外，GAM还被用于估算节假日和COVID-19封锁对中国北京PM_2.5和NO₂浓度的影响（Hua等人，2021a，2021b）。

尽管GAM在大气污染归因中的应用日益增多，但在经历深刻能源转型的典型煤炭依赖型工业城市中的应用仍较少。太原作为以煤炭为主的经济型工业城市的代表，其能源结构加剧了大气污染问题，同时该市正在中国能源革命试点计划下向清洁发展转型。此外，虽然GAM能有效区分气象影响和排放驱动的趋势，但将GAM与拉格朗日粒子扩散模型（FLEXPART）结合以量化远距离传输、本地排放和气象因素贡献的研究仍然非常有限，尤其是在污染严重的汾渭平原地区。

以太原为例，本研究量化了2020-2024年能源转型期间PM_2.5和NO₂浓度的变化。通过将这些污染物和气象数据的每小时观测值与GAM和FLEXPART结合，确定了关键驱动因素。GAM分离了排放、气象因素和远距离传输的贡献，逐步变量选择提高了模型的拟合度。研究结果为资源型城市的空气质量管理和有针对性的控制政策提供了科学依据。

章节摘录

空气污染物和气象数据

研究区域为太原市（112.53°E，37.87°N），位于中国太原盆地北部。2020年1月至2024年12月的每小时空气污染物浓度（PM_2.5、PM₁₀、NO₂、SO₂、CO、O₃）数据来自国家空气质量实时发布平台。共有八个空气质量监测站（图2），分别为上兰（SL）、南寨（NZ）、建曹坪（JCP）、太原（TY）、武城（WC）、晋胜（JS）、下店（XD）和晋源（JY）。

观测污染物浓度的时间变化

基于每小时观测数据，使用年度平均SO₂、NO₂、PM₁₀、PM_2.5浓度，以及日平均CO浓度的第95百分位数（CO-95per）和8小时平均O₃浓度的第90百分位数（MDA8-O₃-90per）来评估主要污染物浓度的年度变化。从2020年至2024年太原市六种主要污染物的年度评估浓度数据（表2）可以看出

结论

本研究基于2020年至2024年的五年每小时污染物浓度和气象数据，分析了研究期间太原市主要污染物的时空变化。结果表明，在工业转型期间，太原在治理煤烟污染方面取得了显著成效，SO₂浓度下降了37.3%，PM_2.5浓度下降了23.7%，PM₁₀浓度下降了17.1%。太原市的空间分布特征

CRediT作者贡献声明

Jinxi Hua：概念构思、正式分析、可视化、初稿撰写。Yuanxun Zhang：监督、撰写——审阅与编辑。Jiwei Chen：正式分析、可视化。Benjamin de Foy：正式分析、撰写——审阅与编辑。Ishaq Dimeji Sulaymon：撰写——审阅与编辑。Yongjie Shang：正式分析、可视化。

利益冲突声明

作者声明没有已知的财务利益或个人关系可能影响本文的研究结果。

致谢

本工作得到了山西省基础研究项目（编号：202203021222134）的支持。