使用 AXA（ACSM、Xact、Aethalometer）仪器组合在中国六个城市评估实时源解析方法

为何快速追踪污染很重要

天气应用上通常把空气污染简化为一个单一数值，但真正重要的是每分钟谁或什么在产生那些有害颗粒。在许多中国城市，冬季浓雾霾可以快速积聚，促使决策者在几小时内决定是否限制交通、关闭工厂或减少其他活动。到目前为止，这些决策在很大程度上是在缺乏关于真正罪魁祸首的实时信息下做出的。这项研究提出并测试了一种新系统，能够在几乎实时的条件下，在六个主要城市中解开导致有害细颗粒的主要来源。

给肮脏空气做“指纹识别”的新方法

研究人员构建了一个近实时的源解析系统，本质上是一个智能分析器，不仅测量空气中有多少细颗粒物（PM2.5），还可以在数分钟内判断这些颗粒来自何处。该系统耦合了三台连续观测仪器，统称为 AXA 组合：一台跟踪有机颗粒和主要离子，一台测量痕量元素如金属，第三台关注吸光的黑碳。每种来源——交通、煤炭、生物质、扬尘或工业排放——在这些测量中都会留下各自的化学“指纹”。专门的软件随后利用这些指纹将混合的污染自动分解为各来源的贡献，而不需专家持续监控。

在六个城市的现场测试

为了检验这种方法在实验室外的可行性，团队在 2020 到 2022 年间在北京、廊坊、石家庄、西安、武汉和重庆开展了为期数月的监测活动。首先，他们对完整数据集进行了慎重的、较慢的“离线”分析，以识别每个城市的主要来源及其化学特征。这些离线结果作为参考。然后他们用这些来源谱来配置实时模型，让其像在线运行那样逐步处理数据，每次加入一个时间步的测量值。在最后两个城市石家庄和武汉，模型也以真实的近实时方式运行，在每次测量数分钟内提供更新的来源构成。

关于霾本身的发现

在六个城市中，研究证实二次污染物——由氮氧化物、二氧化硫、挥发性有机物和氨等气体在大气中形成的颗粒——是 PM2.5 的主要驱动因子，通常占细颗粒物质量的一半或更多。硝酸盐、硫酸盐和富含氧的有机物尤为重要。一次排放，如煤炭和生物质燃烧的烟、车辆磨损和尾气以及工业活动，仍然有显著贡献，通常占质量的约 10–30%，在特定事件中有时更高。例如监测期间廊坊经历了沙尘暴，导致风成矿物尘在较长时间内主导颗粒水平。季节性模式也很明显：冬季取暖增加了固体燃料的烟雾，而晴朗时段则更有利于大气中二次颗粒的累积。

实时源分离有多可靠？

关键问题是快速自动化系统是否能与更谨慎的离线工作相匹配。作者用多种方式比较了两套结果。当实时模型使用由慢速分析优化得出的来源指纹时，其对每个主要来源的估计与参考结果高度一致，所有主要来源的统计相关（R²）均高于 0.82。随后他们以仅用三分之二数据训练、用剩余三分之一测试的方式挑战系统，模拟其在从未“见过”的新时期中的部署。即便在这种条件下，模型也能较好地重现大多数来源，尽管像烹饪和生物质燃烧等高度可变的来源略显精度不足。更具挑战性的测试是使用通用的“多城”平均指纹而非本地指纹，结果喜忧参半，凸显为了最佳性能仍需考虑本地配置和仪器细节。

局限、挑战及更广泛的意义

研究还指出了若干挑战。污染源和大气条件随季节变化，因此基于冬季取暖排放调优的模型可能无法准确描述夏季化学过程。不同站点的仪器并不总是测量相同的一组污染物，这会影响单个来源的可分离性。并且因为该系统设计为无人干预运行，它为稳健性和便于非专家在常规监测网络中使用而牺牲了一定灵活性——例如，减少了频繁手动重新调整来源谱的能力。

对更洁净城市空气的意义

对普通读者而言，结论是：这项工作表明现在可以在近实时条件下获得主要城市中谁在污染空气的分解信息——不再只是空气有多差。基于 AXA 的新模型可以在数分钟内估算出某小时内细颗粒中来自交通、煤炭和生物质等固体燃料、扬尘或大气中二次生成的比例，其准确性接近更慢的专家驱动方法。尽管还需要覆盖全年周期的进一步测试，此类工具可以帮助当局在霾情期间更精准地作出响应——在恰当时间针对恰当部门——从而最终促进更好的健康结果和更高效的空气质量管理。

引用: Manousakas, M.I., Cui, T., Wang, Q. et al. Evaluation of real-time source apportionment approaches in six Chinese cities using the AXA (ACSM, Xact, Aethalometer) instrumental set-up. Sci Rep 16, 9890 (2026). https://doi.org/10.1038/s41598-026-38154-x

关键词: 空气污染, 颗粒物, 实时监测, 源解析, 中国城市