关于中国未来臭氧污染事件预测的研究报告：基于极端值理论的多情景分析

第一， 研究作者、单位及发表信息 本研究由北京大学物理学院大气与海洋科学系的万峰威和沈璐，以及清华大学能源环境经济研究所的黎明为共同完成。研究论文以“Projecting future ozone episodes in China by 2060 under diverse emission and climate pathways: Insights from extreme value theory”为题，发表于2025年的期刊 *Geophysical Research Letters*。该文在线发表日期为2025年9月2日，接收日期为2025年5月8日。

第二， 学术背景与研究目的 本研究隶属于大气环境科学和气候变化的交叉领域，核心关注中国未来近地面臭氧（O₃）极端污染事件的演变趋势。尽管自2013年《大气污染防治行动计划》实施以来，中国在细颗粒物（PM₂.₅）污染控制方面取得了显著成效，但同期地表臭氧浓度却持续上升，成为新的突出环境问题。臭氧污染对人类健康具有严重影响，其形成依赖于前体物（氮氧化物NOx、挥发性有机物VOCs等）的光化学反应，并强烈受温度、湿度等气象条件的非线性影响。以往的研究多使用大气化学传输模型（CTM）或化学气候模型（CCM）来预测未来臭氧平均浓度的变化，但这些方法或计算成本高昂，或未能充分纳入气候变化的影响。此外，传统统计模型常以线性参数化简化臭氧与气象的关系，难以准确捕捉极端事件（具有重尾、非高斯特征）的概率。因此，开发一种高效、能同时整合多种排放路径与气候情景、并专注于预测极端臭氧事件频率的方法，对于科学评估未来风险和制定精准的污染控制策略至关重要。

本研究的核心目标是：利用极端值理论（Extreme Value Theory, EVT）这一专为分析极值事件概率而设计的统计框架，结合先进的大气化学模拟（GEOS-Chem）和最新的气候模式预测（CMIP6），系统性地预测到2060年，中国在不同人为排放路径和气候情景组合下的臭氧超标天数（污染事件频率）。研究旨在量化排放变化与气候变化各自的贡献，并特别探究臭氧污染事件对温度的敏感性如何随前体物减排而变化，从而为制定长效减排政策提供科学依据。

第三， 详细研究流程与方法 本研究构建了一套整合大气化学模型、极端值统计模型和未来气候预测数据的“GC-EVT”方法体系，其工作流程包含以下几个关键步骤，每个步骤都有明确的研究对象和处理方法：

1. 基础数据准备与模型验证：此步骤旨在建立可靠的模拟基准。

   • 研究对象与数据：使用中国生态环境部（MEE）国家空气质量监测网络2014-2022年的逐小时地面臭氧观测数据作为验证基准。同时，获取了同期的高分辨率（0.5°×0.625°）区域大气化学传输模型GEOS-Chem的模拟数据，该模型由MERRA-2再分析气象场驱动，并采用了中国的多尺度排放清单（MEIC）。
   • 处理与实验：将GEOS-Chem模拟的最大日8小时平均（MDA8）臭氧浓度与地面观测数据进行时空对比验证。如图1b和1c所示，模型在主要污染区域（如华北平原NCP、长三角YRD）的模拟结果与观测值在空间分布和时间序列上均表现出高度一致性（相关系数>0.9），验证了模型能够可靠再现历史臭氧的分布和变化动态，为后续基于模拟数据训练统计模型奠定了基础。

2. 未来排放情景与“固定气象”模拟：此步骤旨在分离出纯粹由排放变化驱动的未来臭氧变化信号。

   • 研究对象：采用了中国动态排放预测模型（DPEC）开发的六种面向2060年的人为排放路径。这些路径反映了不同的政策力度，从最清洁的“1.5度目标”（1.5D）情景到污染最严重的“基准”（Baseline）情景，分别对应于不同的共享社会经济路径（SSP）气候情景（如SSP119, SSP460等）。这些情景下，氮氧化物（NOx）的排放量差异巨大，从1.5D情景的2.3 Tg到基准情景的33.9 Tg（图1d）。
   • 处理与实验：使用GEOS-Chem模型，在保持2014-2022年历史气象条件不变的情况下，分别输入这六种2060年的排放清单进行模拟。这样得到的结果（称为“固定气象”模拟）排除了未来气候变化的直接影响，仅反映了不同排放政策下臭氧浓度的潜在变化，用于量化“排放贡献”。

3. 极端值理论（EVT）模型的构建与训练：这是本研究的核心创新方法，用于建立臭氧极端事件与气象条件之间的非线性统计关系。

   • 研究对象：以步骤2中每个排放情景下的GEOS-Chem模拟MDA8 O₃数据（2014-2022年气象条件下）作为训练数据集。针对每个地理网格点独立构建模型。
   • 方法与算法：
     • 阈值确定：为每个网格点动态设定臭氧超标阈值。首先计算该网格点MDA8 O₃的90%分位数，然后与两个政策相关阈值（中国国标82 ppb和世界卫生组织过渡目标-2的61 ppb）比较。若90%分位数超过任一政策阈值，则采用该政策阈值；否则，以90%分位数本身作为阈值。这确保了阈值既反映当地污染水平，又关联政策目标。
     • 气象因子处理：选取五个关键气象变量（日最高温、相对湿度、纬向/经向风、地面短波辐射）作为预测因子。为消除多重共线性，采用主成分分析（PCA）将其转化为两个互不相关的主成分（PC1和PC2），这两个主成分能解释原始变量70%以上的方差。
     • 点过程（Point Process, PP）模型：采用EVT中的点过程模型进行拟合。该模型假设超标事件的发生服从泊松过程，并估计描述分布尾部的三个关键参数：位置参数（μ）、尺度参数（σ）和形状参数（ξ）。其中，尺度参数σ被建模为两个气象主成分（PC1, PC2）的指数函数（公式2），从而将气象条件的影响纳入模型。
     • 模型训练与验证：通过最大化似然函数（公式3）来优化模型参数。研究采用“留一年交叉验证”法进行评估，即将9年数据中的1年作为测试集，用其余8年训练模型。结果显示，PP模型预测的臭氧超标天数空间格局与GEOS-Chem模拟结果高度吻合（空间相关系数>0.95），证明了模型的可靠性（图1f）。此外，模型表现出“阈值不变性”，即用固定阈值训练的模型，也能准确预测更高阈值（如100 ppb）下的超标概率（图1e），这增强了方法在不同风险等级评估中的适用性。

4. 未来气候数据的处理与臭氧事件预测：此步骤将训练好的统计模型应用于未来气候情景，以预测气候变化下的臭氧风险。

   • 研究对象：使用第六次国际耦合模式比较计划（CMIP6）中12个气候模式在2050-2060年期间的气象预测数据。每个排放情景都匹配一个相应的CMIP6气候情景（SSP）。
   • 处理与实验：
     • 偏差校正：为确保气候模式输出与历史观测数据在统计上一致，采用分位数增量映射法（Quantile Delta Mapping）将CMIP6的未来气象变量（如温度）相对于MERRA-2再分析数据进行偏差校正。
     • 预测执行：将偏差校正后、并计算得到的气象主成分（PC1， PC2），输入到已针对特定排放情景训练好的PP模型中。对每个排放-气候情景组合，循环计算12个CMIP6模式成员的结果，从而生成概率性预测并量化不确定性。
   • 贡献分解：通过对比不同模拟组合的结果，可以分离排放和气候变化的贡献：
     • 排放贡献 = （2060年排放 + 历史气象）下的超标天数 - （2019年排放 + 历史气象）下的超标天数。
     • 气候贡献 = （2060年排放 + 未来气象）下的超标天数 - （2060年排放 + 历史气象）下的超标天数。

5. 人口加权暴露与敏感性分析：此步骤从公共卫生影响角度评估结果，并深入分析关键驱动机制。

   • 研究对象：计算全国及重点区域（如华北平原）的人口加权超标天数（PWE）和人口加权温度（PWT）。
   • 处理与分析：
     • 暴露评估：结合高分辨率人口数据（WorldPop），计算未来不同情景下中国人口面临的臭氧污染事件频率。
     • 温度敏感性分析：针对每个排放情景和每个CMIP6模式，分析年度PWE与年度PWT之间的线性关系。其回归斜率代表了臭氧超标频率对温度的敏感度（单位：天/°C）。这有助于理解在不同排放水平下，气候变暖对臭氧污染事件的放大效应有何不同。

第四， 主要研究结果 本研究通过上述流程，获得了以下层层递进的重要结果：

1. 未来臭氧污染事件的多情景预测：图2展示了2060年在排放与气候变化共同作用下的全国臭氧超标天数空间分布。结果表明，未来污染水平高度依赖于排放路径。在最污染的基准情景下，全国人口加权年均超标（>82 ppb）天数将达到65天，其中华北平原（NCP）高达112天，部分地区甚至超过120-180天，显示东部地区将面临广泛且严重的臭氧污染。相反，在最清洁的1.5D情景下，全国超标（>61 ppb）天数可大幅降低至15天。这表明强有力的减排政策能显著遏制未来臭氧极端事件的发生。

2. 排放变化与气候变化的贡献分解：图3和表1量化了排放和气候变化各自的贡献。

   • 排放变化的贡献：在清洁情景（如1.5D）下，深度减排（尤其是NOx）能大幅减少超标天数，在中部和南部地区减少效果尤为明显（可达90-120天）。然而，华北平原的减排效果相对较弱。通过补充的GEOS-Chem敏感性模拟（将NOx排放增加20%），研究发现这主要是因为夏季华北平原已处于NOx限制区，臭氧生成对NOx变化的响应不如南部地区敏感；而在冬季，该地区呈VOC限制区，增加NOx甚至可能因滴定作用而降低臭氧。在污染加剧的基准情景下，排放增加则会导致全国超标天数增加约20天。
   • 气候变化的贡献：在所有情景下，气候变化（主要体现为变暖）都会增加臭氧超标天数，且这种增加效应在北方（特别是京津冀地区）和高排放情景下更为显著。在基准情景下，气候变化贡献了全国约18天、华北平原约38天的超标增加。这说明，即使排放得到控制，气候变化本身仍会通过气象条件恶化而推高臭氧污染风险，抵消部分减排效益。

3. 臭氧事件温度敏感性的关键发现：本研究一个极具洞察力的发现是，臭氧超标事件的频率对温度的敏感性并非固定不变，而是强烈依赖于人为排放水平，特别是NOx的排放量。如图S12所示，随着国家NOx排放总量的降低，臭氧超标频率对温度的敏感性（PWE-PWT回归斜率）呈现系统性下降趋势。在基准情景（高NOx）下，敏感性高达6.5 ± 0.6 天/°C；而在最清洁的1.5D情景（低NOx）下，敏感性降至1.1 ± 0.6 天/°C。这一结果揭示了NOx减排的双重益处：不仅直接降低平均臭氧浓度和超标频率，还能削弱臭氧污染对气候变暖的“放大响应”，从而在气候变化背景下更有效地提升空气质量的韧性。

4. 华北平原的特殊性：多项结果均凸显了华北平原作为臭氧污染防治重点和难点的区域。即使在最清洁的1.5D情景下，该地区每年仍有56天超过WHO过渡目标-2（61 ppb）。其臭氧形成机制复杂（冬夏季化学机制不同），对NOx减排的响应相对较弱，同时又对气候变化（变暖）极为敏感。这使得该区域未来面临较大的臭氧污染压力，需要更精细化的协同控制策略。

第五， 研究结论与价值 本研究的核心结论是：到2060年，中国臭氧污染事件的频率将由人为排放和气候变化共同塑造，但NOx减排在其中扮演着决定性角色。强有力的排放控制能极大降低全国范围的臭氧超标风险，而气候变化则会加剧污染，特别是在北方地区。研究最重要的科学见解是，NOx减排不仅能直接减少臭氧污染，还能显著降低臭氧极端事件对气候变暖的敏感性，这一发现为在气候变化背景下设计“气候-空气质量”协同治理政策提供了关键理论依据。

该研究的应用价值在于：所开发的“GC-EVT”方法，为快速、高效地预测极端空气污染事件在未来多种不确定情景下的演变提供了一种新颖而强大的工具。与运行成本高昂的全套化学气候模型相比，该方法在保证预测可靠性的同时，极大提高了计算效率，使大规模、多情景的极端事件概率评估成为可能。研究结果可直接服务于中国中长期空气质量管理和气候变化适应规划的制定，帮助决策者识别高风险区域和时段，评估不同减排政策的潜在效果，并理解气候变化带来的附加风险。

第六， 研究亮点 1. 方法创新：首次将极端值理论（EVT）中的点过程模型，与大气化学模型GEOS-Chem以及多模式气候预测CMIP6深度结合，创建了一个专门用于预测未来臭氧极端事件概率的集成框架（GC-EVT）。该方法巧妙地克服了传统模型在模拟极端事件和集成气候情景方面的局限性。 2. 情景全面：系统考虑了六种具有政策代表性的人为排放路径和四种气候情景，并对12个CMIP6模式进行了集合分析，提供了涵盖政策与气候不确定性的全面、概率性未来图景。 3. 机制洞察：超越简单的频率预测，首次在多情景框架下量化并揭示了臭氧污染事件温度敏感性随NOx排放量减少而降低的关键规律。这深化了对臭氧污染化学-气象非线性相互作用机制的理解，指出了NOx减排在增强系统应对气候变化韧性方面的独特价值。 4. 精细评估：不仅给出了全国平均结果，还重点剖析了华北平原等重点区域的特殊响应，并采用了人口加权暴露指标，使评估结果更具公共卫生意义和区域针对性。

第七， 其他有价值的内容 研究团队在文中也坦诚指出了本研究的局限性：即EVT模型通常要求观测值独立同分布，而实际的臭氧极端事件可能存在“聚类”现象（如连续多天超标）。本研究为了最大化利用数据信息（这对评估超标总天数很重要），遵循了一些先前研究的方法，将所有超标日视为独立事件进行处理，未进行“去聚类”操作。作者承认这一处理可能带来的影响，并建议未来可探索适用于聚类数据的极端值建模方法作为进一步研究方向。这种对方法局限性的讨论体现了研究的严谨性。

此外，研究中所有使用的数据（观测数据、模型代码、人口数据及研究结果数据集）均提供了公开获取途径，遵循了开放科学的原则，有利于其他研究者的验证和后续研究。