本文由周民锋、张晓华和缪青等作者撰写，发表于《地球与环境》2024年第52卷第1期。研究单位为江苏省苏州环境监测中心和江苏省环境保护空气复合污染监测重点实验室。该研究基于2018年至2022年苏州甲烷（CH₄）在线观测数据，结合多种统计分析方法，探讨了苏州甲烷浓度的时间变化特征及其影响因素。

研究背景与目的

甲烷（CH₄）是仅次于二氧化碳（CO₂）的重要温室气体，其全球增温潜势（GWP）在100年内是CO₂的28倍，20年内更是高达84倍。工业革命以来，人类活动导致大气中CH₄浓度持续增加，目前全球大气中CH₄浓度已是工业革命前的两倍以上。长三角地区作为中国经济发展最快的区域之一，其工业活动和能源消费结构对温室气体排放有显著影响。苏州作为长三角经济发达城市之一，其CH₄排放特征及影响因素的研究对理解区域温室气体排放具有重要意义。

研究方法与流程

研究基于2018年至2022年苏州甲烷在线观测数据，结合机器学习算法、HYSPLIT后向轨迹模型和潜在贡献因子分析（PSCF）等方法，分析了苏州甲烷浓度的时间变化特征、相关性及其主要潜在源区。具体研究流程包括以下几个步骤：

1. 数据收集与处理：研究使用了苏州市三香路102号的温室气体监测仪（G2301，Picarro Inc.）的CH₄浓度数据，以及苏州市国家气象站的气象数据（气温、相对湿度、风速等）。数据经过质量控制，剔除了异常值。

2. 机器学习气象归一化分析：为了评估排放和气象条件对CH₄浓度趋势变化的影响，研究采用了随机森林算法进行气象归一化分析。该方法通过建立CH₄浓度与气象因子和排放因子之间的回归模型，剥离气象条件对浓度变化的贡献。

3. 时间变化特征分析：研究分析了苏州CH₄浓度的年际和日变化特征，发现CH₄浓度在秋季较高，春季较低，日变化呈单峰型，峰值出现在早晨5:00至7:00之间。

4. 相关性分析：研究分析了CH₄浓度与大气污染物（如CO₂、SO₂、NO₂等）及气象要素（如风速、温度、湿度）的相关性。结果显示，CH₄与CO₂的相关性最高，与风速呈显著负相关。

5. 后向轨迹与潜在源区分析：通过HYSPLIT模型，研究分析了苏州CH₄的气团来源及其传输特征。结果显示，来自海面的气团CH₄浓度较低，而来自内陆的气团CH₄浓度较高，主要潜在源区分布在安徽省东南部和浙江省西北部。

6. 疫情管控对CH₄浓度的影响：研究还分析了2022年初苏州疫情管控期间CH₄浓度的变化，发现疫情管控期间CH₄浓度未见明显下降，但解除管控后，复工复产导致CH₄浓度显著上升。

主要结果

1. 时间变化特征：苏州CH₄浓度整体呈秋季高、春季低的特征，日变化呈单峰型。气象归一化分析表明，2019年CH₄浓度在近四年中最高，主要受人为排放影响。

2. 相关性分析：CH₄浓度与风速呈显著负相关，表明风的传输和扩散作用对CH₄浓度有显著影响。此外，CH₄与CO₂、NO₂等污染物呈显著正相关，表明工业生产和交通排放是CH₄的重要来源。

3. 后向轨迹与潜在源区分析：苏州CH₄的主要潜在源区分布在安徽省东南部和浙江省西北部，呈环状分布特征。来自内陆的气团CH₄浓度较高，表明上游城市的传输对苏州CH₄浓度有显著影响。

4. 疫情管控的影响：疫情管控期间，CH₄浓度未见明显下降，但解除管控后，复工复产导致CH₄浓度显著上升。

结论与意义

研究得出以下结论： 1. 苏州CH₄浓度受人为排放和气象条件共同影响，秋季浓度较高主要与生物源（如水稻田）有关。 2. 风速对CH₄浓度的扩散和传输有显著影响，来自内陆的气团CH₄浓度较高，表明上游城市的传输对苏州CH₄浓度有重要贡献。 3. 疫情管控期间，CH₄浓度未见明显下降，但解除管控后，复工复产导致CH₄浓度显著上升。

该研究为理解长三角地区城市甲烷排放特征及其影响因素提供了重要数据支持，对制定区域温室气体减排政策具有重要参考价值。

研究亮点

1. 时间变化特征的详细分析：研究首次系统分析了苏州CH₄浓度的年际和日变化特征，揭示了秋季浓度较高的原因。
2. 机器学习气象归一化分析：研究采用了随机森林算法进行气象归一化分析，有效剥离了气象条件对CH₄浓度变化的贡献。
3. 后向轨迹与潜在源区分析：通过HYSPLIT模型，研究明确了苏州CH₄的主要潜在源区及其传输特征，为区域温室气体减排提供了科学依据。

其他有价值的内容

研究还探讨了疫情管控对CH₄浓度的影响，发现疫情管控期间CH₄浓度未见明显下降，但解除管控后，复工复产导致CH₄浓度显著上升。这一发现为理解人为活动对温室气体排放的影响提供了新的视角。