标题：
Multi-platform observations and constraints reveal overlooked urban sources of black carbon in Xuzhou and DhakaPravash Tiwari
期刊：
Communications Earth & Environment
作者：
Pravash Tiwari, et al.
DOI:
https://doi.org/10.1038/s43247-025-02012-x
引用：
Tiwari, P., Cohen, J.B., Lu, L. et al. Multi-platform observations and constraints reveal overlooked urban sources of black carbon in Xuzhou and Dhaka. Commun Earth Environ 6, 38 (2025).
1. 引言
黑碳作为空气污染的重要成分，其排放和积累对空气质量、气候变化以及公共健康有重要影响。传统的黑碳源识别方法通常基于固定的地面监测点，无法全面反映城市中的复杂污染源。本文提出通过多平台的观测方法，结合地面监测、卫星遥感和模型模拟，来更加精确地识别和评估城市黑碳的来源。研究目的是揭示这两个城市的黑碳排放特征，尤其是城市交通、工业和家庭能源使用对黑碳排放的贡献。
2. 结果
徐州和达卡的黑碳排放源
徐州和达卡的黑碳排放特征有显著差异。徐州在冬季采暖季节中，家庭和工业燃料使用对黑碳排放贡献较大，而达卡的主要来源是交通和垃圾焚烧。
通过高分辨率的遥感数据，研究发现，尽管两城市的黑碳浓度有显著的季节性变化，但黑碳排放的空间分布模式和贡献源却存在显著差异。
黑碳的物理特性
黑碳颗粒在徐州和达卡的核心大小和混合状态也有所不同。徐州的黑碳颗粒较小且多为混合型颗粒，而达卡的颗粒则较大，且主要由黑碳核心构成。
这两种类型的颗粒分别代表了不同的排放源，徐州的排放源主要集中在工业和采暖中，而达卡则以交通为主。
气象条件对黑碳积累的影响
气象条件，特别是风速和大气稳定性，显著影响了黑碳的积累和扩散。冬季的低风速和较低的混合层高度导致徐州和达卡的黑碳浓度显著升高。
在较为晴朗的天气条件下，黑碳的浓度能够迅速扩散，减少其对地面空气质量的影响。
3. 讨论
黑碳源的时空差异
研究揭示了徐州和达卡在黑碳源上存在显著差异，尤其是交通和家庭采暖在徐州和达卡的黑碳排放中占主导地位。这表明，不同地区的黑碳排放源及其物理特性具有显著的区域性特征，需要根据当地的经济活动和气候条件制定更为精准的减排政策。
传统观测方法的局限性
文章指出，传统的黑碳源识别方法通常依赖于地面监测站点，但这些方法存在一定的局限性，无法有效捕捉到城市中分布较广的污染源。通过多平台观测，可以更全面地识别和量化城市不同区域的污染源，并改善空气质量的评估。
政策启示
本研究强调了通过使用高分辨率遥感数据提高黑碳排放源识别的准确性，为制定更加有效的城市空气质量管理和污染源减排策略提供了新的视角。特别是在发展中国家，交通管理和工业排放控制将是减少黑碳排放的关键。
4. 方法
观测平台与数据采集
本研究结合了多个平台的数据，包括地面监测站数据、卫星遥感数据和移动监测数据。地面监测站通过对空气质量中的黑碳浓度进行实时监测，卫星遥感则提供了大尺度的空气污染分布信息。
复原力评估指标
通过对不同平台数据的结合，研究利用高分辨率的遥感平台和模型模拟，分析了徐州和达卡城市的黑碳源特征。使用遥感数据和地面监测数据的结合，进一步分析了不同排放源对黑碳浓度的贡献，并评估了季节性变化和空间分布模式。
气象条件与污染扩散模拟
通过与气象数据的结合，研究分析了风速、大气稳定性等气象条件对黑碳排放的影响。利用模拟软件对黑碳在不同天气条件下的扩散过程进行了量化分析，验证了气象条件对黑碳积累的实际影响。
5.重要图表
图1. 关于 BC 尺寸、核壳尺寸比和混合状态的 PDF 图
图2. BC 大小和混合状态的逐月变化
图3. 达卡和徐州上空的 BC 质量（mc）、总质量（Mc）和数柱密度（Nc）的 PDF 和加权气候学数据
图4. 徐州上空的 EOF 和 PC 分析
图5. 达卡上空的 EOF 和 PC 分析
图6. 徐州上空的风动力学和 BC 发散模式
图7. 利用 TROPOMI 和 AERONET 的 SSA 约束条件得出的保留粒度示例
图8. 该方法的示意图概览
6.数据可用性与代码可用性
数据可用性
AERONET 数据集可通过其在线数据库获取：
https://aeronet.gsfc.nasa.gov
TROPOMI/Sentinel-5P 近紫外气溶胶光学深度和单散射反照率 L2 (TROPOMAER) 的 2 级数据集可从 Earth Data GES DISC 数据库获取：
https://disc.gsfc.nasa.gov/datasets/TROPOMAER_1/summary?keywords=TROPOMAER_1.The
ERA-5 风数据可从以下网址获取：
https://cds.climate.copernicus.eu/cdsapp#!/dataset/reanalysis-era5-pressure-levels?tab=form
波长为 388 nm 的 OMI SSA 数据来自 OMIAuraAER 第 2 级产品：
https://disc.gsfc.nasa.gov/datasets/OMIAuraAER_1/summary?keywords=OMIAuraAER_1
MERRA-2 再分析产品来自
https://disc.gsfc.nasa.gov/datasets/M2T1NXAER_5.12.4/summary.The
CAMS 再分析产品下载自：
https://ads.atmosphere.copernicus.eu/datasets/cams-global-reanalysis-eac4?tab=download
徐州及周边地区不同污染源（工厂、发电厂等）的地理坐标来自生态环境部提供的
https://data.epmap.org/page/index
（http://permit.mee.gov.cn）
达卡的砖窑厂位置是根据一些文献和 Haque 等人的近似值确定的（参考文献69）。 农田通过谷歌地图确定。 所有结果数据集均可在数据储存库中获取：
https://doi.org/10.6084/m9.figshare.23557263
代码可用性
米氏模型代码是根据 Mätzler, C. (2002) 编写的。 用于米氏散射和吸收的 MATLAB 函数，第 2 版
(https://omlc.org/software/mie/maetzlermie/Maetzler2002.pdf).
有关米氏模型、使用 EOF 的时空数据分解和发散分析的示例代码可在
https://doi.org/10.6084/m9.figshare.23557263 的示例代码文件夹中找到。
英文摘要
Here we use multi-waveband single scattering albedo observations from ground-based instruments and satellite to constrain black carbon aerosol's physical properties and loading over Xuzhou, China, and Dhaka, Bangladesh. Our daily high-resolution findings reveal smaller black carbon cores and spatially variable morphology dominate both regions. Column loadings reveal higher black carbon mass in Dhaka, while higher total aerosol mass and number are observed in Xuzhou. These findings reflect differences in emission sources, atmospheric conditions, and regulatory policies. Spatial analysis reveals notable enhanced black carbon along Dhaka’s urban riverbanks (8–9 mg m−2), and over rapidly changing, small industrial sites in China, indicating overlooked sources. Complex daily interactions between wind, accumulation, and dispersion challenge traditional seasonal dynamics. These findings demonstrate high-resolution data can be tailored from available remote sensing platforms, providing nuanced insights into regional air quality, enhancing assessment capabilities and informing targeted mitigation strategies.
相关信息
AERSC@CUMT团队是由 Cohen Jason 与秦凯教授共同领导的碳排放与空气质量遥感团队，团队面向碳减排与空气质量改善需求，聚焦能源行业的环境与气候影响，利用天-空-地观测，开展“观测反演-排放量化-影响归因”研究，长期致力于运用遥感技术监测空气质量应对气候变化挑战，并在相关领域取得了丰硕成果。
——END——
P.S. 构建了一个双碳NetZero的交流群，用于双碳领域、生态领域的学术交流，数据分享等，可以添加下方加入（备注单位+姓名）。
