中国长江三角洲绍兴地区的臭氧生成机制与VOCs来源解析:光化学建模与机器学习的启示

《Journal of Environmental Sciences》:Ozone formation mechanism and VOCs source apportionment in Shaoxing, Yangtze River Delta, China: insights from photochemical modeling and machine learning

【字体: 大 中 小 】 时间:2026年07月24日 来源:Journal of Environmental Sciences 6.5

编辑推荐:

  •一种整合框架(PMF、OBM和机器学习)用于识别中国长江三角洲地区臭氧生成的驱动因素。•燃料燃烧是臭氧生成的主要来源,而机器学习分析显示,溶剂使用对臭氧浓度的变化具有最高的统计重要性。•这两种模型之间的对比为工业城市中的臭氧控制提供了新的思路。引言臭氧在中国已成为重要的空气质量

  
  • •
    一种整合框架(PMF、OBM和机器学习)用于识别中国长江三角洲地区臭氧生成的驱动因素。
  • •
    燃料燃烧是臭氧生成的主要来源,而机器学习分析显示,溶剂使用对臭氧浓度的变化具有最高的统计重要性。
  • •
    这两种模型之间的对比为工业城市中的臭氧控制提供了新的思路。

引言

臭氧在中国已成为重要的空气质量与公共卫生问题(Lu等人,2022年)。尽管在控制氮氧化物和挥发性有机化合物等传统前体物方面取得了显著进展,但长江三角洲地区仍频繁出现臭氧浓度超标现象,该地区的背景臭氧浓度持续上升,城市地区的臭氧峰值也始终存在(MEE,2024年、2025年)。持续且不断加剧的臭氧污染对人类健康和农业构成严重威胁,会导致呼吸系统及心血管疾病,还会影响受影响地区的农作物产量(Xu等人,2026年)。要弄清臭氧生成的主要机制,就需要全面且深入地了解当地的光化学过程以及相关前体物。目前控制臭氧污染所面临的挑战,主要源于挥发性有机化合物与氮氧化物之间复杂的相互作用,而这两种物质正是对流层臭氧形成的关键前体物(Zhao等人,2023年)。在环境空气中,由挥发性有机化合物和氮氧化物氧化反应产生的ROx,尤其是RO2和HO2,共同作用于臭氧的生成过程(Morino等人,2023年)。
在众多评估模型中,基于最大增量反应性的臭氧生成潜力值是一种用于衡量挥发性有机化合物对臭氧生成贡献程度的关键指标(Zhang等人,2023年)。然而有研究指出,这种评估方法往往会低估高活性挥发性有机化合物的实际影响(Ma等人,2022年)。除了利用臭氧生成潜力值进行评估外,基于化学机理模型的观测型模型还能帮助人们详细了解环境条件下的光化学反应过程以及自由基的传播规律(Li等人,2022年)。通过计算相对增量反应性,这类模型能够确定臭氧的生成路径,以及ROx和氮氧化物对臭氧生成的各自贡献,从而为制定有效的臭氧管理策略提供有力依据(Song等人,2025年)。不过在实际大气环境中,臭氧浓度对挥发性有机化合物和氮氧化物浓度变化的响应往往十分复杂,并非呈直接比例关系(Xu等人,2021年)。挥发性有机化合物或氮氧化物浓度的微小变化,都可能导致臭氧浓度出现极为显著或极轻微的变化,甚至产生意想不到的结果,这增加了理解城市地区臭氧生成过程的难度(Deng等人,2025年)。近年来,人工智能技术,尤其是机器学习算法,在预测环境臭氧生成方面取得了显著进展,因为这些算法能够有效处理复杂的非线性关系(Hou等人,2022年)。具体而言,SHapley加性解释方法若应用于性能优异的机器学习模型,比如极端梯度提升模型,就能帮助人们把握复杂的非线性关联,同时量化出复杂大气系统中各种前体物和气象因素的相对重要性(Zhang等人,2024年)。这些技术进展为结合传统方法与数据驱动方法、提升臭氧预报精度提供了可能。此外,最近的一些研究开始将挥发性有机化合物的来源解析与臭氧评估相结合。有人在石家庄市应用PMF–OBM模型进行臭氧来源解析,结果发现工业燃烧是该地区臭氧生成的最大来源(Zhan等人,2023年);还有研究在深圳市采用正矩阵分解与机器学习相结合的方法分析臭氧生成情况,发现车辆排放是影响臭氧生成的最主要因素(Cheng等人,2023年)。以往的许多研究都仅采用单一方法来评估城市地区的臭氧生成情况。但由于臭氧化学过程的复杂性及非线性特征,不同的评估框架可能会得出不同的结论,导致对污染源的贡献以及臭氧生成过程的解读出现差异。纯粹的OBM模型主要模拟局地的光化学过程,不会考虑水平或垂直方向的物质传输,这一结构上的限制使得这类模型在空间代表性方面存在不足,也无法完全体现背景浓度积累、区域传输以及动态气象变化等多种因素的综合影响。相反,传统的机器学习模型虽然能够捕捉到相关的预测关联,但却缺乏化学动力学约束,因此容易受到气象因素的干扰。
为克服这些固有缺陷,本研究为长江三角洲地区的重要工业城市绍兴构建了一套完整的数据集,其中包含了挥发性有机化合物、氮氧化物等各类污染物以及多种气象参数。我们采用了PMF模型进行污染源解析,基于化学机理模型的OBM模型用于分析化学反应过程,同时还运用XGBoost–SHAP模型来揭示影响实际环境臭氧浓度变化的非线性统计关系。尤为重要的是,我们还引入了双重机器学习框架,用于区分气象因素的干扰,从而准确找出挥发性有机化合物来源对臭氧浓度变化的真实影响。通过结合机理分析与统计方法,本研究构建了一个互补的双视角分析框架。最终,这一方法能为长江三角洲地区的工业城市提供更有力的支持,帮助它们制定更加精准有效的臭氧控制策略。

章节要点

采样地点与仪器设备

采样点位于绍兴市袍江中学的屋顶上,其坐标为北纬30.073度、东经120.619度。绍兴是长江三角洲地区典型的工业城市,2024年的GDP高达8369亿元人民币。由于该市拥有较为发达的制造业,尤其是纺织和服装产业,因此非常适合用来研究工业领域的挥发性有机化合物排放与臭氧生成之间的关联。
从2023年1月到2024年12月,研究人员使用相关仪器对73种挥发性有机化合物进行了逐小时的定时监测。

臭氧浓度与气象条件的变化情况

图2a展示了2023年至2024年间绍兴市每日臭氧浓度的时间变化趋势。臭氧浓度呈现出明显的季节性变化规律,夏季浓度达到最高值,冬季则处于最低水平。夏季的平均臭氧浓度为46.3 ppbv,几乎是冬季平均浓度23.7 ppbv的两倍。这一夏季平均值与其他长江三角洲地区主要城市的臭氧浓度水平相当,比如上海的臭氧浓度为41.1 ppbv(Zhang等人,2025b年),这说明长江三角洲地区的光化学反应规律具有相似性。

结论

通过结合两年的观测数据以及OBM、PMF和XGBoost等多种集成建模方法,本研究对中国绍兴市臭氧污染的主要驱动因素及污染源贡献进行了全面分析。研究结果表明,臭氧的生成受到挥发性有机化合物的限制,在污染期间,光化学反应是推动臭氧生成的主要因素,此时臭氧的生成速率会显著加快。OVOCs被确定为最主要的前体物类别,其对臭氧生成速率的贡献接近40%。考虑到……

作者贡献说明

陈丹云:论文撰写——审阅与编辑、论文撰写——初稿撰写、数据可视化、方法设计、数据整理、研究构思。 庞晓兵:论文撰写——审阅与编辑、研究指导、项目管理工作、资金筹集、研究构思。 吴振涛:论文撰写——审阅与编辑、论文撰写——初稿撰写、数据可视化、方法设计、数据整理、研究构思。 赵晓希:论文撰写——审阅与编辑、数据可视化、研究构思。 蒋灿毅:论文撰写——审阅与编辑、数据……

利益冲突声明

所有作者均声明,自己不存在任何可能影响本研究结果的已知财务利益或个人关系。
某位作者是本期刊的编委会成员/主编/副主编/特邀编辑,但他并未参与本文的编辑审核工作,也未参与决定本文是否发表的相关决策。
各位作者声明自己存在以下可能被视为利益冲突的财务利益或个人关系:

致谢

本研究得到了中国国家自然科学基金(项目编号为42327806、42575194和52370108)以及浙江省“先锋”研发计划(项目编号为2025C01055)的支持。
Danyun Chen|Xiaobing Pang|Zhentao Wu|Xiaoxi Zhao|Canyi Jiang|Lian Yu
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号