近日，学院教师王刘铭在SCI期刊《Air Quality, Atmosphere & Health》发表题为“Quantifying contributions of anthropogenic emissions and meteorology to ozone trends in the Pearl River Delta (2015–2024): Insights from interpretable machine learning” 的研究论文。该研究以2015-2024年珠江三角洲城市群臭氧污染为研究对象，综合利用地面臭氧观测资料、ERA5-Land再分析资料和卫星遥感反演数据，定量识别人为排放与气象条件对臭氧变化的相对贡献，为区域臭氧污染精细化防控提供了科学依据。

由于臭氧生成具有显著非线性特征，传统统计方法难以准确区分人为排放和气象条件的相对作用。针对这一问题，研究团队构建了基于LightGBM的机器学习模型，并结合气象归一化方法和SHAP可解释性分析，对珠江三角洲臭氧变化进行归因。模型在臭氧浓度模拟中表现出较高精度，交叉验证决定系数达到0.85，均方根误差为9.79 ppb，表明该方法能够较好刻画臭氧与多种气象因子之间的复杂非线性关系。

研究结果表明，2015-2023年珠江三角洲臭氧年际变化主要受人为排放变化驱动，其平均贡献率为85.7%；气象条件平均贡献率为14.3%。其中，人为排放贡献由2015-2018年的促进臭氧升高，逐步转变为后期的抑制作用，说明珠江三角洲地区臭氧污染防控措施已取得一定成效。与此同时，气象条件对臭氧变化的影响呈现明显时空差异，2019年后总体上由抑制作用转为促进作用，表明在气候变暖背景下，气象因素对臭氧污染过程的放大效应亟需引起重视。

研究进一步揭示，近地面气温、露点温度、太阳辐射和经向风是影响珠江三角洲臭氧变化的主要气象因子。其中，SHAP分析表明，2米气温和2米露点温度的贡献率分别为20.6%和20.3%，是最重要的气象驱动因子；太阳辐射和经向风的贡献率分别为18.5%和12.9%。

本研究从人为排放和气象条件双重视角，系统量化了珠江三角洲城市群臭氧污染变化的驱动机制。研究表明，持续削减人为前体物排放仍是臭氧污染长期治理的核心路径，同时还应加强高温、低湿、强辐射等不利气象条件下的臭氧污染预报预警和应急管控。

图1 2015-2024年珠三角各站点气象条件对O3–8h浓度的贡献

图2 2015-2024年珠三角11项气象参数的SHAP特征贡献值

本论文由中国气象局青年创新团队项目（CMA2024QN15）资助，由占明锦博士/教授指导完成。

论文来源：

https://link.springer.com/article/10.1007/s11869-026-02029-x?utm_source=rct_congratemailt&utm_medium=email&utm_campaign=nonoa_20260603&utm_content=10.1007%2Fs11869-026-02029-x

论文引用：Wang, L., Li, G., Liu, X. et al. Quantifying contributions of anthropogenic emissions and meteorology to ozone trends in the Pearl River Delta (2015–2024): insights from interpretable machine learning. Air Qual Atmos Health 19, 138 (2026). https://doi.org/10.1007/s11869-026-02029-x

图文/王刘铭 审核/占明锦