近日,北京大学深圳研究生院环境与能源学院大气组在环境科学领域顶级期刊Environmental Science & Technology上发表了题为“Unveiling the HONO Offsetting Effect: Rethinking NOx Emission Controls during Urban Ozone Pollution Episodes”的最新研究成果。研究以深圳市臭氧污染日为案例,将机器学习推导的真实大气中HONO–NOx协同减排关系嵌入基于观测的光化学模型(OBM-MCM),揭示了在考虑HONO和VOCs同步削减效应后,NOx减排依然能有效降低城市O3污染,突破了传统EKMA框架中“VOCs控制区下NOx削减致O3上升”的认识,强调了臭氧防控策略中NOx控制的可行性与科学性。同时,这也是环能学院“AI4S”在大气领域取得的又一新成果。


研究背景
随着我国臭氧污染问题加剧,传统控制策略主要针对氮氧化物和挥发性有机物的削减。然而,作为羟基自由基重要前体物的亚硝酸(HONO)在调节大气氧化能力和臭氧生成中的关键作用长期被低估。由于HONO的来源复杂且难以精确模拟,其与NOx的协同变化对臭氧敏感性及污染控制效果的影响仍缺乏系统研究,从而制约了臭氧污染的精准防控策略制定。
研究方法
本研究基于观测数据结合机器学习与光化学模型开展分析。首先利用机器学习建立真实大气中HONO与NOx的协同变化关系,并将其嵌入OBM-MCM模型,以定量评估不同NOx和VOCs削减情景下HONO对臭氧生成敏感性的调节作用。通过约束与非约束HONO情景对比,计算臭氧净生成速率和相对增量反应性,结合改进的经验动力学建模方法(EKMA)绘制臭氧敏感性等值线图,从而揭示HONO变化对NOx减排引起的臭氧响应的抵消效应。

研究结果
相较于未考虑HONO的传统模拟,引入观测约束的HONO后,白天臭氧净生成速率提高了95%,这是由于HONO光解增强了OH自由基的生成,加速了VOCs氧化以及HO2/RO2+NO反应途径。HONO的相对增量反应性(RIR)与NOx呈显著负相关(R2= 0.86),表明NOx导致的O3升高越明显,HONO引起的O3降低效应也越强。机器学习结果进一步预测,在大气中NOx削减10%时,HONO和总VOCs浓度将分别同步下降约7.6%和3%。这一变化使得通过EKMA得到的臭氧净生成速率由原本最高升高28%,转变为下降14%,从而表明HONO的降低可以抵消NOx减排所引发的O3升高效应。

研究意义
该成果表明,在多数城市处于VOCs控制区下,考虑HONO协同变化后,NOx减排仍可有效降低臭氧水平,从而为高臭氧地区实施更为积极的NOx控制政策提供了科学支撑。此外,研究将机器学习与光化学模型结合,定量刻画了HONO与NOx削减的关系,为未来精细化空气质量模拟与政策评估提供了新方法。
北京大学深圳研究生院环境与能源学院南燕特聘副研究员唐梦雪为论文通讯作者,博士研究生姜震为论文第一作者,何凌燕教授和黄晓锋教授为论文合作作者。该研究得到了国家重点研发计划(2023YFC3709201)和国自然科学基金(42407145)的支持。
原文链接:https://pubs.acs.org/doi/full/10.1021/acs.est.5c04831