字数：6052
阅读时间：18分钟
1. 引言
自工业革命以来，大气中温室气体浓度增加造成的人为变暖，部分被人为排放的气溶胶颗粒及其前体造成的降温所抵消。大气气溶胶粒子直接散射和吸收入射辐射(气溶胶-辐射相互作用，ARI)，并充当云凝结核(CCN)。因此，气溶胶负荷的增加预计将导致更明亮和更具反射性的云(气溶胶-云相互作用，ACI)。在对历史气候强迫的评估和对未来气候的预估中，ACI一直是不确定性的最大来源之一。造成这种情况的原因之一是ACI对颗粒排放扰动的非线性响应，这种响应在清洁大气中比在污染大气中更强烈。随着我们进入一个更温暖的未来，预计空气污染的缓解将带来更清洁的大气，从而减少气溶胶的冷却作用，天然气溶胶及其相关反馈的重要性可能增加。为了准确地捕捉这些效应，需要在地球系统模式(ESMs)中可靠地表示和评估天然气溶胶反馈。
生物次生有机气溶胶(BSOA)驱动的反馈是一种自然反馈机制，已被提出用于补偿部分人为气溶胶排放的减少。这种反馈是由温度与BVOCs的排放之间的强烈正相关引起的，BVOCs在大气中氧化后形成SOA。SOA的增强产生可以通过增加气溶胶光学深度(与ARI相关)和CCN的数量浓度(与ACI相关)来冷却地表。尽管在BSOA反馈建模中投入了大量的研究工作，但反馈强度的估计仍相差巨大。
北方森林和热带森林目前分别占全球森林面积的27%和45%。这些森林生态系统是向大气排放BVOC和全球SOA总负担的最大来源之一，因此是潜在BVOC反馈的重要驱动因素。热带森林的特点是树种多样性高，而北方森林的树种较少，针叶树的比例较大。这导致这两个生态系统排放的挥发性有机化合物的光谱不同:热带地区的挥发性有机化合物主要是异戊二烯(IP)，而北方森林排放的挥发性有机化合物主要是单萜烯(MT) 。热带森林与北方森林之间的差异包括BVOC排放的驱动因素、排放物种的分子光谱、氧化化学、水文循环和云层，因此分析这两种环境以了解反馈的全面影响至关重要。
在大多数最先进的ESM中，由BVOC形成SOA的模型相似：首先，BVOC排放量是根据土地利用、植被和环境条件计算的。通常预计，至少部分排放量与温度呈指数关系。然后，BVOCs在大气中被OH、臭氧和NO3等常见氧化剂氧化，并且假设氧化产物的一定百分比形成SOA。BVOCs的氧化产物被集中到一些示踪剂中，这些示踪剂具有不同的代表性分子特性，影响它们的行为，例如参与新粒子形成(NPF)。ESM需要在流程细节和计算负担之间取得平衡。这就提出了一个问题：为了确保对BVOC -气溶胶-云-气候反馈的足够准确的预测，简化到什么程度是可以接受的?改进ESM的重点是什么？
图1 与生物挥发性有机化合物(BVOC)-气溶胶-云-气候反馈相关的关键参数和过程说明。
在这里，使用了代表北方和热带森林环境的两个新出现的长期原位数据集以及卫星数据，根据图1所示反馈回路中变量之间的建模关系来评估ESM。芬兰南部的生态系统-大气关系测量站(SMEAR-II)用于北方地区，亚马逊高塔天文台(ATTO)测量站用于热带雨林。利用环境条件的自然变率作为受扰动气候状态的代理，通过检查BVOC-气溶胶-气候反馈链的组成部分来评估这些模式：即，评估了天气自然变率下反馈回路中变量之间的关系。研究试图深入了解这两个全球重要森林生态系统中影响BVOC -气溶胶-云-气候反馈强度和行为的关键过程，以及它们在ESM中的代表。根据定义，总反馈是辐射强迫(F)随温度(T)的变化，可以分解为：
其中 CCN 是云凝结核浓度，OA 是有机气溶胶质量，“cloud prop”指云属性。
使用大于50 nm、100 nm和200 nm的颗粒数浓度(N50、N100、N200)来研究OA与CCN之间的联系。
2. 方法
在每个站点，将重点分析预计生物SOA将主导OA预算的时期，并进一步限制时间期限，以避免季节性因素对结果产生重大影响。对于SMEAR-II，将重点放在7月和8月。对于ATTO，将重点放在2月至4月，届时生物SOA预计将主导OA，云性质和OA的季节性变化的影响较弱。
2.1. 观测站数据
对于有机气溶胶，使用气溶胶化学形态监测仪(ACSM)在SMEAR-II站的北方森林冠层内(距离地面4m)和ATTO站的热带森林冠层(距离地面60 m，距离冠层顶部约20 m)进行测量。SMEAR-II和ATTO的OA数据分别覆盖2012-2018年和2014-2018年。利用差迁移率粒径仪(DMPS)测量了北方森林冠层内的颗粒数大小分布。用扫描迁移率粒度仪(SMPS)测量了ATTO颗粒数大小分布，采样距离地面60 m 。首先将粒径分布线性插值到更细的直径分辨率，然后对粒径分布进行积分，计算出粒径浓度N50、N100和N200。对于SMEAR-II，尺寸分布测量达1000 nm，因此Nx表示x nm到1000 nm之间的颗粒浓度。对于ATTO，尺寸分布测量只到500 nm，所以这里的Nx表示x nm到500 nm之间的颗粒浓度。模型使用相同的间隔。
2.2. 建立SOA模型
表1 模型组成
NorESM和EC-Earth都有两种氧化产物：极低挥发性有机化合物(ELVOC)和低挥发性有机化合物(LVOC)。两者在凝结过程中都被视为基本不挥发，但只有ELVOC可以参与NPF和早期生长。NorESM的摩尔产率为：
IP + (OH/O3/NO3)→5(12.33)%LVOC
MT + (OH/NO3)→15(18.5)%LVOC
O3 + MT→15(18.5)% ELVOC
EC-Earth的摩尔产率为：
IP + OH→0.97(3.3)%LVOC + 0.03(0.11)% ELVOC
IP + O3→0.99(3.37)%LVOC + 0.01(0.036)% ELVOC
MT + OH→14(23.8)% LVOC + 1(1.8)% ELVOC
MT + O3→10(17)% LVOC + 5(9.1)% ELVOC
UKESM有一种称为LVOC的氧化产物，在冷凝过程中被视为基本上不挥发。UKESM的摩尔产率为：MT + (OH/O3/NO3)→26(28.7)%LVOC。
ECHAM-SALSA有一个挥发性基础集参数化，标准温度和压力(STP)下的饱和蒸汽浓度分别为0、1和10 μg/m3，分别记为V0、V1、V10。通过求解每个尺寸的冷凝方程来计算气相和颗粒相之间的分配。摩尔产率为：
MT + (OH/O3/ NO3)→10(10)% V0 + 3.7(3.7)% V1 + 8.5(8.5)% V10
IP + (OH/O3/ NO3)→2.95(5.9)%V1 + 4.53(9.06)%V10
2.3. 模拟描述
尽可能对所有模型使用相同的设置，模拟从2012年到整个2018年的时期，并将2011年作为基线年。使用基于社区排放数据系统(CEDS)清单的历史排放量，这是CMIP6中推荐的历史模拟，直到2014年底。在此之后，使用SSP2-4.5排放量。由于技术限制，EC-Earth使用SSP3-7.0作为排放标准。
2.4. 对比模型和观测
从模型中输出每小时的数据，除了UKESM及EC-Earth的云属性只能以3小时的分辨率输出。使用SMEAR-II模拟大气的底部模式层和ATTO的第二层来进行分析。底层通常覆盖地表以上约100米，覆盖了两个站点的入口高度，但由于ATTO气溶胶测量的入口在60米，使用第二层来解释可能未表示的边界层动力学。在NorESM中，OA对粗模态的贡献不大，因此总OA是PM1的可接受近近值。类似地，对于ECHAM-SALSA, SOA的划分是通过求解所有的凝聚方程来计算的。然而，由于PM1的面积体积比高于粗模式，SOA对PM1的贡献将比粗模式更大。
2.5. 云属性
使用3级MODIS-Aqua数据日间COT和reff值。对于这些模型，使用日间中值进行分析，将reff限制为reff > 1 μm，因为模拟的reff分布向比观测值小得多的值偏移。用于云特性分析的范围是60-66°N, 22-30°E, 8-1°S, 67-52°W。通过使用指示冰的输出来过滤/掩盖模型输出中的冰云。为了生成最终的图，CWP的bin均匀分布在每个数据源的最低值和CWP的第95个百分位之间。
2.6. 估算云性质变化的置信区间
高OA日和低OA日之间的中位COT和云滴有效半径存在差异，代表了云对模式或观测中OA扰动的敏感性。选择考虑OA，因为适当的CCN代理将根据环境条件而变化，特别是水蒸气混合比和上升气流。置信区间表示高浓度与低浓度中位数差异的抽样不确定性，通过50,000次迭代的自举和百分位数方法估计。置信区间的上限和下限分别取结果分布的第5和第95个百分位数。中位数表示原始样本的中位数。分析中使用的3级MODIS数据产品中每个网格单元的随机检索约为15%。
2.7. 总反馈强度对比
为了比较观测和模型中概述的过程链的总体影响，计算了reff和COT随温度的变化。我们对每个数据源的dOA/dT进行估计，方法是对源取最拟合的指数函数OA = f(T)。首先通过对高OA和低OA之间的X变化进行平均来估计ΔX，并通过每个CWP仓中的天数加权来估计dX/dOA。然后用OA日数中位数与OA日数中位数之差作为ΔOA估计值，最后计算出dX/dOA≈ΔX/ΔOA。
3. 结果
3.1. 温度与有机气溶胶质量浓度的关系
图2 ESM中温度与OA质量浓度的关系(ECHAMM-SALSA、NorESM、EC-Earth和UKESM分别为蓝色、红色、橙色和紫色)以及生态系统-大气关系测量站(SMEAR-II)和亚马逊高塔天文台(ATTO)在已知生物源性次生OA主导OA的时期(SMEAR-II为7 - 8月，ATTO为2 - 4月)的观测值(黑色)。
SMEAR-II和ATTO的观测数据均显示温度与有机气溶胶(OA)质量浓度之间存在明显的正相关关系(图2)，其描述形式为SOA = α exp(βT)。这与预期的温度和BVOCs排放之间的指数关系是一致的。在方程中，α包含了与BVOCs的基线排放强度、SOA产率和SOA损失率相关的因素，而β项与温度依赖性相关。在SMEAR-II中，所有模式都低估了OA质量浓度。然而，尽管BVOCs的排放方案不同，β在所有模型中都得到了良好表示。这意味着在SMEAR-II中，如果SOA产量按比例增加，在其他条件相同的情况下，模型将非常符合观察结果。另一方面，对于ATTO，模型之间和观测结果之间表现出非常不同的行为，UKESM甚至显示OA与温度之间没有真正的关系。如果排除异常年份，那么ECHAM-SALSA更接近观测值，。NorESM和EC-Earth的β-值都小于观测值，但这伴随着对OA质量浓度的严重高估。与SMEAR-II相反，模型中ATTO的OA浓度一直过高，其中NorESM最为极端。ATTO的温度范围比SMEAR-II小得多,这是热带与北方环境的自然结果，在ATTO中比在SMEAR-II中引入了更多的噪声。
这些结果证实了简化过程链(图1)中的步骤(1)，即在预计生物源性SOA主导OA预算的季节，温度确实是调节北方和热带森林环境大气OA的关键因素。研究的ESM在北方地区相当好地再现了这一关系，但在热带环境中，模式之间存在很大差异，似乎没有一个模式可以合理地捕捉OA形成及其与温度的关系。
鉴于上述结果，考虑到北方地区的MT和热带地区的IP占主导地位，调整IP和MTd的SOA产量以提高模拟OA浓度似乎很有吸引力。然而，对NorESM的进一步研究表明，在当前的模型设置下，这个调优问题可能没有解决方案，改进模型可能需要更复杂的产率计算和相关的氧化化学。
3.2. 有机气溶胶质量与颗粒数量/大小的关系
不同粒径范围内OA质量浓度和颗粒数浓度之间的关系表明，当SOA的产生发生变化时，气溶胶粒径分布的哪些部分受到干扰，从而表明图1所示过程链中BVOC排放增加可能导致CCN和云性质的变化有多强。例如，如果SOA主要凝结成粗模粒子，那么即使排放发生强烈变化，气候效应也可能很弱，因为这些粒子已经大到足以充当CCN。另一方面，如果在CCN范围内有大量的新颗粒，那么即使相对适度的排放增强，气候影响也可能非常大。
图3 日OA质量浓度中位数与大于50 nm (N50)、100 nm (N100)和200 nm (N200)的粒子数浓度的关系
图3所示的观测结果证实了SMEAR-II和ATTO的OA与N50、N100和N200之间存在明显的正相关关系，这在模型中也得到了体现。然而，对比表明，在模型如何表示大到足以充当CCN的粒子对OA质量扰动的敏感性方面存在很大的差异。由于SOA在这些地点和时间支配着OA预算，因此本文描述了与气候相关的颗粒数浓度对SOA形成的敏感性。NorESM显著高估了OA对N100和N50的影响，同时低估了OA对N200的影响。这可能与NorESM中相当高浓度的艾特肯模式粒子有关。UKESM和EC-Earth的表现非常相似，是最接近于捕捉对N200影响的模型，而ECHAM-SALSA和NorESM都低估了这一点。
SMEAR-II观测结果显示，高OA浓度对N50和N100的影响有明显的缓冲作用，这种关系可以通过对数函数Nx = a + b ln(c + OA)很好地捕捉到。这种缓冲在ATTO中不会以同样的方式出现。由于许多不同的原因，可以预期会出现缓冲：首先，随着OA的增加和数量浓度的增加，有机蒸汽将凝结成更多的颗粒，从而限制了OA每增加一个颗粒的生长。其次，高负荷的OA可以抑制新颗粒的形成(NPF)，这将被增加的冷凝汇和凝聚汇所抑制。即使在夏季，SMEAR-II也有频繁的NPF，而ATTO则很少，这可以解释两个站点之间的差异。另一方面，也可能是由于ATTO的气溶胶浓度与SMEAR-II相比太低，因此只有在浓度较高的情况下才能看到缓冲作用。没有一个模型在ATTO有缓冲。如果用线性回归对两种环境进行拟合，则观察到的OA与浓度之间的关系几乎相同。观测到的斜率的一致性可能是偶然的，或者它可能是现实中限制尺寸分布动态的某些过程的症状，而这些过程目前在模型中没有很好地表示。
总的来说，这些结果揭示了在SOA形成的模拟过程中存在很大的不确定性，并强调了充分捕获气溶胶大小分布动态的重要性。
3.3. OA和云属性的关系
图4 高、低OA浓度日间云性质的变化
在此分析了模拟和观测对云特性的影响，以云光学厚度和云滴有效半径为代表。通过云水路径(CWP)进行分类，限制了不同云系/类型对分析的影响，并有效地将其主要限制在云反照率效应上，将其他气溶胶-云相互作用排除在本研究范围之外。研究关注的是OA变化导致的云属性变化(图4)，而不是CCN，因为激活直径在模型内部和模型与现实之间可能会发生变化。
从SMEAR-II和ATTO周围区域的卫星数据中得出的云性质对OA的响应与图1所示的简化图很好地吻合：在同一CWP区域内，与低OA日相比，高OA日的云光学厚度(COT)中值普遍较高，云滴有效半径(reff)较低(图4)。对于大多数CWP仓来说都是如此，尽管有些仓的差异并不显著，结果表明云对BVOC排放的变化很敏感。
另一方面，ESM不能提供云属性对OA变化响应的统一图像。对于SMEAR-II，所分析的模型中没有一个一致地复制在OA高与OA低的天数中观察到的COT增加和reff减少。虽然NorESM对COT和reff的差异给出了正确的符号，但与观测值相比，响应的幅度显然过高。这可能是由于高估了OA与N100和N50之间的斜率，这意味着对于高OA浓度而言，CCN的增加过于强烈，可能表明模式总体上对气溶胶的敏感性太强。ECHAM-SALSA通常接近中位数的观测值，但不确定性很高，只有极少数CWP仓的响应显著不同。这些结果与高N100和低N50的相同分析形成对比，表现出更强、更显著的反应。因此，OA与N50之间的弱关系(见图3)可能在减少OA对云性质的影响发挥了重要作用。UKESM和ECEarth仅对北方环境中CWP最低的区域有显著的响应，在那里，观测显示云性质的变化非常微弱。EC-Earth在N100和N50较高的CWP仓中缺乏响应的情况与OA相似。这限制了反馈的影响，与观测值不一致，特别是对于CWP的中间值。
对于ATTO，所有的模型都低估了随着OA浓度升高的reff变化，ECHAM-SALSA可能是例外。另一方面，对于COT, NorESM与观测结果非常相似，尽管对中间CWP仓有一些不显著的高估。ECHAM-SALSA高估了所有CWP仓的响应。ATTO 中所有模型的模拟响应较低可能与模型中的液滴尺寸较小有关，使云不容易受到扰动。这与云特性对高N50和低N100的响应一致，N50和N100与OA相似低，也与模式高估ATTO的气溶胶浓度这一事实一致。特别是在NorESM中，对该地区OA和粒子数量的极度高估(图2和3)，可能导致云系受到上升气流的限制，而不是受CNN限制。这与SMEAR-II的情况相反，在SMEAR-II中，大多数模型对N50和N100的变化过于敏感。
云特性的变化在比较和解释方面都是最具挑战性的，例如，由于模式中表现形式的多样性，以及卫星产品的不同分辨率和不确定性。此外，这些模型并没有完全相同的诊断结果，它们对云量的表示也有很大差异。尽管存在这些挑战，但研究认为上述结果至少清楚地表明：(1)SMEAR-II和ATTO的观测数据证实了所提出的反馈链的最后一步(图1)，即驱动液相云bvoc -气溶胶-云-气候反馈的关键依赖关系；(2) NorESM高估了北寒带的反馈强度；(3)大多数模型低估了对亚马逊地区的影响，从而降低了这些模型在该环境下的反馈强度；(4)总体而言，ESM不能提供对OA的COT和reff响应的一致图像，这强调了改进反馈循环中对这一关键过程的约束的必要性。
4. 结论
随着人为气溶胶排放因空气质量政策而减少，预计自然气溶胶反馈在未来将变得更加重要。其中一个反馈是由高温下生物源性挥发性有机化合物(BVOC)排放的增加引发的，导致二次有机气溶胶(SOA)的产生增加，并通过对云辐射特性的影响使地表冷却。由于地球系统模式(ESM)的反馈强度相当广泛，使用来自北方和热带森林的两个长期观测数据集，以及卫星数据，对四个ESM中的BVOC -气溶胶-云反馈进行了基于过程的评估。模型评估表明，最弱的模型反馈估计可能被排除在外，但突出了补偿误差，使得很难得出最强估计的结论。总的来说，沿着过程链进行评估的方法有望确定不确定性来源和约束模拟气溶胶反馈。
原文链接：
https://www.nature.com/aticles/s41467-024-45001-y
本文编辑 |
张仪茗 复旦大学环境科学与工程系 2020级本科生
李红杰 沈阳建筑大学风景园林硕士
关于我们
本公众号由复旦城市生态与暴露生态学研究组(Urban Ecology and Exposure Ecology Lab, UEEE)运营维护，发布相关研究成果，更传播城市生态与暴露生态学最新研究与实践。欢迎专家学者将研究成果在此发布（发送邮件:zhaowu_yu@fudan.edu.cn），让更多人了解您的研究及工作。
