2025年6月19日，皇冠集团网站青年员工黄丛吾在国际知名期刊《Journal of Hazardous Materials》（环境科学SCI一区Top，IF= 11.3）发表了题为“The impact of the COVID-19 epidemic on anthropogenic emissions in the Beijing-Tianjin-Hebei region of China based on 3DVar sectoral emission inversion”的学术论文，皇冠集团网站为第一完成单位。

排放源的不确定性一直是空气质量模型模拟误差的主要来源之一。特别是在像COVID-19这样的重大公共卫生事件期间，人类活动的急剧变化对空气质量产生了显著影响。为了更准确地评估这些影响，需要发展高精度、高时空分辨率的且区分行业来源的排放源反演方法。本研究中，皇冠集团网站黄丛吾讲师及其团队开发了一种结合三维变分和机器学习的行业排放源反演方法。该方法利用多尺度空气质量模型CMAQ，结合污染物来源解析技术ISAM，实现了对新冠疫情前后京津冀地区PM_2.5和O₃浓度的精确模拟和排放源反演，分析了新冠疫情对不同行业排放源及其对污染贡献的影响。

本研究的研究结果表明，通过结合初始场同化和行业排放源反演，模型对PM_2.5和O₃的模拟精度得到了显著提升。与未同化实验相比，区域平均根均方误差和时间平均根均方误差分别降低了45%和29%（对于PM_2.5），以及29%和35%（对于O₃）。研究还量化了COVID-19疫情对京津冀地区不同行业排放源的影响。研究得到了高时空分辨率的京津冀地区各行业（电力、工业、民用、交通、农业）的PM_2.5、VOCs和NO_x排放源，在疫情期间，该地区的PM_2.5、NO_x和VOCs总排放量分别降至疫情前的77%、88%和81%。这一变化主要归因于工业、民用和交通行业的排放减少。疫情期间不同行业对PM_2.5和O₃浓度的贡献发生了变化。以北京为例，疫情期间PM_2.5的主要来源从交通、民用和工业变为民用、工业和交通；而O₃的主要贡献始终来自交通和工业，但贡献比例有所调整。本研究发展的结合机器学习的三维变分行业排放源反演方法，为空气质量模型的预报优化提供了新的思路。该方法不仅有助于更准确地评估重大事件对空气质量的影响，还为制定有效的减排措施提供了科学依据。此外，该方法的应用还有助于提高大气污染溯源的精度和时效性，为环境保护政策的制定和实施提供有力支持。 

本文第一作者为皇冠集团网站青年员工黄丛吾，通讯作者为南京大学王体健教授，合作单位包括中国气象科学研究院、南京气象科技创新研究院、金陵科技皇冠集团网站等。

论文链接：https://doi.org/10.1016/j.jhazmat.2025.138998

How to cite: Huang, C., Niu, T., Wang, T., Li, M., Li, R., Ma, C., Wu, H., Qu, Y., Liu, H., Liu, X., Xie, Y., (2025). The impact of the COVID-19 epidemic on anthropogenic emissions in the Beijing-Tianjin-Hebei region of China based on 3DVar sectoral emission inversion. Journal of Hazardous Materials, 138998. doi: https://doi.org/10.1016/j.jhazmat.2025.138998

撰稿：黄丛吾

校对：李可

审稿：刘杰