|
| 新研究揭示五大污染物季節(jié)性耦合規(guī)律 |
空氣的“味道”隨四季流轉而悄然變化——冬晨常彌漫著略帶刺鼻的燃燒源氣息，夏午則常見一層淡藍色光霧懸于天際。這些感官差異并非偶然，而是全球大氣污染物濃度在地球公轉驅動及氣候系統(tǒng)反饋作用下，呈現出的周期性化學演變。
近日，中國科學院華南植物園研究員王法明團隊在《環(huán)境污染》發(fā)表研究，首次基于連續(xù)72個月的衛(wèi)星遙感觀測，在全球尺度上系統(tǒng)解析了二氧化氮、臭氧、一氧化碳、二氧化硫和甲醛五種關鍵污染物隨季節(jié)與氣象條件的耦合規(guī)律。
論文通訊作者王法明對《中國科學報》表示，該研究整合衛(wèi)星遙感與氣象再分析數據，系統(tǒng)刻畫了全球多種大氣污染物的季節(jié)變化、空間分區(qū)及2019-2024年的近期演變趨勢，為氣候變化背景下制定區(qū)域化、季節(jié)適應性空氣質量管理策略提供了科學依據。
五大污染物“各有時節(jié)”
空氣污染關乎全球公共健康、生態(tài)安全和可持續(xù)發(fā)展。二氧化氮、臭氧、一氧化碳、二氧化硫和甲醛來源各異，其生成、傳輸與清除過程同時受人為排放和氣象條件的雙重調控。
論文第一作者、中國科學院華南植物園博士后Muhammad Naveed指出，以往研究多聚焦于單一污染物或局部區(qū)域，缺乏在統(tǒng)一方法框架下對全球多污染物季節(jié)性協(xié)同變化及其氣象驅動機制的系統(tǒng)評估。
在國家重點研發(fā)計劃、國家自然科學基金等項目資助下，研究團隊整合2019-2024年Sentinel-5P TROPOMI衛(wèi)星產品與ERA5-Land氣象再分析資料，分析了上述五種污染物及溫度、降水、相對濕度和風速等關鍵氣象因子。
全球空氣污染季節(jié)性、氣象驅動、生態(tài)健康影響及政策響應的研究框架示意圖。研究團隊供圖“我們采用單因素方差分析、季節(jié)性Mann-Kendall趨勢檢驗、Sen斜率估計、像元尺度相關分析和K-means聚類等方法，建立了涵蓋季節(jié)差異識別、近期趨勢檢測、多污染物空間分區(qū)及氣象關聯(lián)分析的綜合技術框架。”王法明說。
研究結果表明，五種污染物均呈現顯著季節(jié)性波動。南亞和東亞冬季二氧化氮濃度較其他季節(jié)最高可增約40%，綜合反映了冬季燃煤供暖等能源消耗增加、大氣邊界層降低及水平擴散減弱的疊加效應。中緯度地區(qū)夏季臭氧濃度最高可升約35%，高溫和強太陽輻射顯著加速了氮氧化物與揮發(fā)性有機物間的光化學反應，促進臭氧生成。
非洲、亞馬遜流域及南美其他生物質燃燒活躍區(qū)的一氧化碳峰值濃度可超過背景水平兩倍以上，甲醛高值區(qū)則與熱帶天然植被排放及生物質燃燒區(qū)域高度重合。二氧化氮和二氧化硫的高值中心集中于東亞、南亞、歐洲和北美的城市群、工業(yè)區(qū)及能源基地，呈現出明確的人為源主導特征。
氣候變暖或加劇光化學污染風險
季節(jié)性Mann-Kendall趨勢分析顯示，2019-2024年全球二氧化氮、甲醛、臭氧及氣溫均呈統(tǒng)計顯著上升態(tài)勢，其中甲醛增幅最為突出；一氧化碳和二氧化硫則未呈現全球一致變化，區(qū)域差異顯著。
溫度與臭氧和二氧化氮分別呈較強正相關，相關系數（r）為0.52和0.68，表明升溫可能通過加速前體物轉化、增強光化學反應速率及改變邊界層垂直混合，加劇部分地區(qū)臭氧及二次污染風險。相比之下，降水、相對濕度和風速總體上對一次污染物具有抑制效應——降水通過濕沉降有效清除可溶性氣體與氣溶膠，較大風速利于污染物的水平輸送與稀釋。二氧化硫與溫度和降水均呈較強負相關，進一步印證了暖濕環(huán)境下氧化轉化和濕清除效率的提高。
研究人員據此強調，空氣污染并非僅由排放總量決定，氣候與天氣條件同樣是調控污染風險的重要因子。持續(xù)升溫可能強化臭氧等光化學污染，而降水、濕度及風場變化則會以不同方式影響一次污染物的積累、輸送與清除過程。
該研究還捕捉到2020年新冠疫情管控期間的大氣響應。在主要管控月份，西歐大部分地區(qū)二氧化氮柱濃度下降約20%-30%，北美東部下降約15%-25%，南亞和東亞部分地區(qū)下降約15%-35%，部分城市與工業(yè)區(qū)降幅超過40%。疫情后多區(qū)域二氧化氮出現恢復性上升，反映了交通、工業(yè)生產和社會經濟活動恢復對大氣成分的快速影響。上述結果表明，衛(wèi)星觀測不僅能夠識別持續(xù)性排放變化，亦可捕捉重大社會經濟事件引發(fā)的短期大氣擾動。
與此同時，歐洲和東亞部分地區(qū)二氧化氮和二氧化硫呈現長期下降趨勢，與電力、工業(yè)和交通部門持續(xù)推行的末端治理政策成效一致，驗證了針對重點行業(yè)實施減排措施可產生可監(jiān)測的空氣質量改善效果。
為氣候敏感型治理提供科學支撐
鑒于不同區(qū)域在能源結構、發(fā)展階段、污染來源及氣候背景方面差異顯著，研究指出全球空氣污染治理不宜采取單一模式，而應依據區(qū)域特征和季節(jié)規(guī)律，因地制宜、因季施策。所建立的診斷框架可服務于污染季節(jié)預測、風險預警、重點區(qū)域識別和精準減排，尤其對地面監(jiān)測網絡稀疏地區(qū)具有重要補充價值。
研究團隊同時指出，6年觀測序列更適于識別“近期方向性變化”，尚不足以完全外推至長期氣候趨勢；衛(wèi)星反演的整層大氣柱濃度也需審慎對應近地面人群實際暴露水平。未來需進一步融合地面監(jiān)測、區(qū)域觀測試驗、排放清單與大氣化學傳輸模型，延長觀測時間序列，并發(fā)展基于機器學習的多源數據融合方法，以提升全球空氣質量評估與預測的可靠性。
審稿人認為，將連續(xù)6年的全球Sentinel-5P衛(wèi)星觀測與氣象數據相結合，并在統(tǒng)一分析框架下比較五種主要空氣污染物的季節(jié)動態(tài)，體現了較強的創(chuàng)新性和全球視野。同時建議進一步細化數據質量控制與統(tǒng)計分析過程，謹慎解釋短期趨勢，補充研究局限，并加強對氣象驅動機制、新冠疫情管控影響及成果應用價值的討論。
研究團隊據此對數據篩選、統(tǒng)計檢驗、趨勢表述和不確定性分析進行了系統(tǒng)完善，使研究結論更加嚴謹、完整，也進一步突出了其對區(qū)域化、季節(jié)適應性空氣質量治理的現實意義。
研究人員指出，該研究將多污染物衛(wèi)星觀測、氣象再分析與統(tǒng)計聚類方法統(tǒng)一起來，形成了一套具有可重復性和可遷移性的全球空氣污染診斷框架。研究結果可服務于污染季節(jié)預測、風險預警、重點區(qū)域識別和精準減排，有助于提升地面監(jiān)測網絡不足地區(qū)的空氣質量評估能力。
“守護藍天，不僅在于管好煙囪和排氣管，更在于深刻理解氣候系統(tǒng)對污染物的調節(jié)機制。”王法明表示，該研究不僅提供了一套可遷移、可復制的全球污染診斷工具，更提醒我們——在氣候變化背景下，治污必須‘讀懂’季節(jié)的語言。未來，融合衛(wèi)星、地面監(jiān)測與人工智能的預測系統(tǒng)，有望推動空氣污染治理從被動應對向主動預警轉變。（來源：中國科學報 朱漢斌）
相關論文信息：https://doi.org/10.1016/j.envpol.2026.127728