关于臭氧源分配的新视角：中国珠三角地区沿传输路径的白天增量源的空间演变

《Journal of Environmental Sciences》：A new perspective on ozone source apportionment: spatial evolution of daytime increment sources along transport pathways in the PRD, China

　　**张新龙|陈慧云|周宁|袁欣|黄银燕|钟壮民|陈多红|黄志聪|郑俊宇**
**中国广州511443，济南大学环境与气候研究所环境与气候学院**

**摘要**
中国地表臭氧污染构成了一个严重的环境挑战，这一问题的复杂性与城市间空气输送的动态特性密切相关，这种特性决定了白天臭氧浓度的峰值形成。本研究采用“白天增量”源分配视角，旨在识别珠江三角洲地区（PRD）沿输送路径驱动这些污染峰值的主要来源，并将其与传统的全天（24小时）分析方法进行对比。通过使用天气研究与预报-社区多尺度空气质量建模系统，我们研究了臭氧来源的空间演变及其形成机制。研究结果表明，源归属存在根本性的反转：虽然全天分析显示区域间输送是臭氧浓度的主要影响因素（占48%-88%），但“白天增量”主要由PRD内的排放（各城市的本地排放及城市间的区域内部输送）驱动。在这些路径上，该增量的来源归因从上游城市的本地排放（占40%-70%）转变为下游城市的区域内部输送（占60%-90%）。过程分析证实，这种增量是光化学反应的产物，主要是由于氧化性挥发性有机化合物（OVOCs）的氧化作用所致，而这些化合物占白天羟基自由基反应性的40%-65%，且主要来源于PRD内部。这些发现表明，有效的“削峰”策略迫切需要PRD内部的协调减排，而新的分析视角为此提供了更为精准的科学依据。

**引言**
地表臭氧（O3）对生态系统和人类健康构成了严重威胁（Cape, 2008；Liu et al., 2018），导致农作物产量大幅减少，并增加了心血管和呼吸系统疾病的死亡风险（He et al., 2023；Hu and Yang, 2024；Jin et al., 2025；Li et al., 2022a）。与欧洲和北美观察到的下降趋势不同（Christiansen et al., 2022；Paoletti et al., 2014），中国的地表臭氧水平呈现出持续上升的趋势（Zheng et al., 2023）。最新数据显示，O3已取代细颗粒物（PM2.5）成为中国的主要空气污染物（Chen et al., 2025）。这一挑战在珠江三角洲地区尤为严峻，该地区是中国经济最活跃、人口最密集的区域之一（Lu et al., 2019）。尽管PM2.5水平有所改善，但自2013年以来，PRD的日最大8小时平均（MDA8）O3浓度仍以每年1.11 ppbv的速度显著增加（Cao et al., 2024）。因此，臭氧现已成为该地区空气污染的主要来源，几乎导致了2022年所有未达到空气质量标准的日子（Song et al., 2022；Zheng et al., 2023）。

**臭氧污染治理的核心挑战**
臭氧污染的本质上是区域性的。由于臭氧及其前体的大气寿命长达数天至数周，它们可以通过盛行风传输数百甚至数千公里（Chen et al., 2022；Guo et al., 2017；Niemi et al., 2002），因此任何城市的臭氧浓度不仅受本地排放影响，还受到周围甚至遥远地区的输入影响（Zhang and Ying, 2011）。这种跨界性质给臭氧控制带来了巨大挑战，而臭氧控制通常在城市层面实施，因此孤立的控制措施显然不足（Mao et al., 2022；Zhang et al., 2022）。因此，协调的城市间区域控制变得必不可少（Wang et al., 2023a）。研究发现，在特定气象条件下，污染物输送往往遵循相对固定的“输送路径”（Baker, 2010；Lam et al., 2005；Ma et al., 2023；Yao et al., 2023）。准确识别并实施沿这些路径的上游和下游城市之间的协调减排措施被认为是最高效和最具经济效益的控制策略。为了支持精确的区域协调，明确了解这些输送路径上的源贡献是关键的科学前提（Zhan et al., 2023）。臭氧源分配的主要方法可分为基于观测的方法（OBMs）和基于排放的方法（EBMs）（Liu et al., 2020）。OBMs主要利用受体模型（如正矩阵分解（PMF）从观测数据中解析源贡献（Ling et al., 2011；Paatero and Tapper, 1994），但它们通常仅适用于特定的时间和地点（Liu et al., 2020）。相比之下，EBMs利用空气质量模型通过敏感性分析（例如暴力法）（Wang et al., 2022）、响应模型分析（Xing et al., 2011）和标记物种方法（例如综合空气质量模型-扩展臭氧源分配技术（CAMx-OSAT）、社区多尺度空气质量-综合源分配方法（CMAQ-ISAM）（Burr and Zhang, 2011；Li et al., 2022b；Mao et al., 2022）等技术来量化不同地区和部门的贡献。其中，标记物种方法因其在单次模拟中能够追踪多个来源而得到广泛 ??（Tian et al., 2024；Wang et al., 2023b, 2023c）。

**先前研究进展**
应用这些方法，先前研究已经建立了对PRD臭氧来源的基本理解（Li et al., 2012；Zhou et al., 2024；Zou et al., 2023）。从地理来源来看，臭氧贡献高度依赖于主导天气系统：在台风外围下沉气流的影响下，来自北方省份的远距离输送增强，非本地贡献从约32%增加到超过50%；相反，在亚热带高压系统下，本地和区域内部来源成为主导，其贡献比例可高达44%（Chen et al., 2024）。源贡献还表现出明显的季节性和时间尺度特征；例如，PRD内部的排放在夏季贡献最大，而前几天的排放积累在污染事件中起着关键作用（Li et al., 2013）。从部门来源来看，以往研究将交通运输和工业排放确定为主要的人为前体（Yang et al., 2019），其重要性在不同地区有所差异：交通运输在广州和深圳等核心城市尤为突出，而在广州和佛山等制造业中心，工业过程和溶剂使用是主要VOC来源（Fang et al., 2021；Lu et al., 2016）。

**存在的知识空白**
尽管已经确认了城市间影响的存在（Du et al., 2024；Li et al., 2019；Wang et al., 2020），但系统研究沿输送路径从上游到下游的臭氧来源（包括地理和部门）动态演变的研究仍较为缺乏。这限制了对传输过程中臭氧形成和积累机制的全面理解，从而阻碍了基于路径的精确控制策略的实施。此外，现有的源分配研究主要集中在24小时平均浓度上（Du et al., 2024；Wang et al., 2023b；Yang et al., 2020），尽管一些研究基于总浓度分析了不同白天的源贡献（Geng et al., 2024）。这种传统的分析视角常常将主要由本地光化学反应驱动的白天“污染峰值”与主要由远距离输送主导的夜间“背景基线”混淆。通过平均这些不同时间段，区域间的背景贡献可能会稀释或掩盖本地和区域内部排放对白天峰值形成的真实影响（Li et al., 2012），这可能会误导政策制定者，使其低估了本地和区域内部控制措施在“削峰”方面的效果。

**研究目的**
为了解决这些研究空白，本研究旨在利用天气研究与预报-社区多尺度空气质量（WRF-CMAQ）模型，结合先进的源分配（综合源分配方法ISAM）和过程分析（综合过程速率/综合反应速率IPR/IRR）技术，对2022年秋冬季节PRD的主要臭氧输送路径进行深入研究。具体目标包括：1）系统量化沿识别出的输送路径的地理和部门来源贡献的空间演变；2）引入并应用新的“白天增量”源分配视角，与传统“全天”分析方法进行对比，以更准确地识别驱动臭氧超标的关键来源；3）最终为设计针对PRD的削峰和协调控制策略提供更加精准和科学的基础。

**研究领域和时期**
本研究聚焦于位于中国南部的珠江三角洲地区（图1a），该地区包括九个城市：广州（GZ）、深圳（SZ）、珠海（ZH）、佛山（FS）、东莞（DG）、中山（ZS）、惠州（HZ）、江门（JM）和肇庆（ZQ）。PRD的臭氧污染具有明显的季节性变化，通常在秋季达到峰值（Wu et al., 2024）。值得注意的是，2022年9月，该地区经历了持续25天的臭氧污染事件。

**臭氧分配的新视角**
沿三条主要输送路径的不同地点（上游、源地和下游）的日臭氧剖面均显示出一致的“基线+增量”模式（附录A图S2）。这一模式的特点是在夜间和清晨（当地时间20:00-08:00）臭氧浓度相对稳定且较低，我们将其定义为夜间臭氧基线。日出后，随着太阳辐射和温度的升高，臭氧浓度开始急剧上升。

**结论**
本研究采用WRF-CMAQ模型，结合源分配（ISAM）和过程分析（IPR/IRR），研究了2022年秋冬季节PRD的臭氧污染情况。传统的全天分析表明，区域间输送决定了PRD的臭氧背景，贡献占比为48%-88%。然而，关注“白天增量”——即直接导致超标部分的新型视角——揭示了逆转的源贡献特征。

**作者贡献声明**
张新龙：撰写——原始草稿、方法论、调查、正式分析、数据管理、可视化。
陈慧云：方法论、调查、数据管理。
周宁：方法论、调查、数据管理。
袁欣：调查、数据管理、可视化。
黄银燕：调查、可视化。
钟壮民：调查、数据管理。
陈多红：调查、数据管理。
黄志聪：概念化、调查、方法论、撰写与审阅。

**利益声明**
作者声明不存在可能影响本文工作的已知竞争性财务利益或个人关系。