空气污染物扩散模拟国际合作项目论文

空气污染物扩散模拟国际合作项目论文一.摘要

在全球气候变化和环境恶化的背景下，空气污染已成为影响人类健康和可持续发展的重大挑战。近年来，空气污染的跨境传输问题日益凸显，单一国家的治理措施难以有效应对。为应对这一全球性难题，国际社会亟需通过合作机制，提升对空气污染物扩散规律的认识，并制定科学有效的协同治理策略。本文以东亚地区空气污染物扩散为案例，构建了一个跨国界、多尺度的空气污染物扩散模拟国际合作项目。项目依托高分辨率气象数据和污染源清单，运用WRF-Chem模型进行模拟，并结合卫星遥感数据和地面监测站点信息，实现了污染物扩散路径的精准追踪和污染贡献的定量分析。研究发现，区域内的工业排放、交通尾气和跨境传输是空气污染的主要来源，其中长距离传输对邻近国家的污染贡献率高达40%以上。项目成果不仅揭示了污染物扩散的时空动态特征，还为各国制定协同减排政策提供了科学依据。通过对比分析不同减排策略的效果，项目进一步验证了多边合作在应对跨境污染中的必要性。结论表明，基于模拟结果的国际合作框架能够显著提升区域空气质量，为全球环境治理提供了创新性解决方案，并为未来类似项目的设计和实施奠定了坚实基础。

二.关键词

空气污染物扩散；国际合作；WRF-Chem模型；跨境传输；环境治理；协同减排

三.引言

空气污染作为全球性的环境问题，其复杂性和跨国性对现代人类社会构成了严峻威胁。随着工业化进程的加速和城市化规模的扩张，人类活动对大气环境的影响日益加深，空气污染不仅导致区域性健康问题频发，更引发了一系列生态破坏和社会经济矛盾。特别是在全球气候变化的宏观背景下，大气化学过程与气候变化之间的相互作用日趋复杂，使得空气污染问题进一步演变为涉及全球环境安全和可持续发展的系统性挑战。近年来，科学研究和环境监测数据表明，空气污染物的跨境传输现象愈发普遍，单一国家或地区的污染控制措施在全球化背景下效果有限，跨境污染已成为制约区域乃至全球环境质量改善的关键瓶颈。例如，东亚地区由于地理环境特殊、经济活动密集以及季风环流影响，已成为全球空气污染物扩散最为活跃的区域之一，中国的工业排放、印度的农业焚烧以及日本和韩国的本地污染源共同作用，形成了复杂的跨境污染传递网络，严重影响了区域内的空气质量及其相关的人类健康福祉。这种跨境污染的普遍性和危害性，使得传统的以国家为界的环境管理模式难以为继，亟需构建超越国界的国际合作框架，以应对这一全球性难题。

本研究聚焦于空气污染物扩散模拟领域的国际合作项目，旨在通过构建一个跨国界、多尺度的模拟系统，揭示区域空气污染物的扩散规律、识别关键污染源和传输路径，并探索有效的国际合作治理机制。研究的背景意义在于，首先，通过模拟技术能够定量评估跨境污染的规模和影响，为国际环境法制的完善和全球环境治理体系的构建提供科学依据；其次，模拟结果有助于识别不同国家和地区的污染责任，推动建立公平合理的污染分担机制，促进国际间的环境合作与对话；最后，通过模拟不同减排策略的效果，可以为各国制定科学的污染控制政策提供决策支持，提升区域空气质量的协同治理水平。在全球环境治理的实践中，国际合作已成为应对跨国环境问题的基本途径，而空气污染扩散模拟作为一项关键技术手段，其国际合作的开展不仅能够提升科学研究的深度和广度，更能促进各国在技术、数据和信息共享方面的协作，形成全球环境治理的合力。因此，本研究不仅具有重要的学术价值，更对推动全球环境治理实践具有深远意义。

本研究的主要问题在于，如何通过构建一个跨国界、多尺度的空气污染物扩散模拟国际合作项目，有效揭示区域空气污染物的扩散规律、识别关键污染源和传输路径，并探索建立科学有效的国际合作治理框架。具体而言，本研究旨在回答以下问题：第一，区域空气污染物的扩散路径和时空动态特征如何？第二，不同污染源对跨境传输的贡献率分别是多少？第三，基于模拟结果的国际合作治理框架应如何设计才能实现区域空气质量的显著改善？第四，不同减排策略在协同治理中的效果如何，是否存在最优的协同减排路径？为了解决这些问题，本研究提出了以下假设：第一，通过高分辨率的空气污染物扩散模拟，可以准确揭示区域污染物的扩散路径和时空动态特征，并识别出主要的跨境传输通道和污染热点区域；第二，基于源解析技术和模拟结果，可以定量评估不同国家和地区的污染源对跨境传输的贡献率，为建立公平合理的污染分担机制提供科学依据；第三，通过构建国际合作框架，各国可以共享数据、技术和经验，共同制定和实施减排策略，从而实现区域空气质量的协同改善；第四，通过模拟不同减排策略的效果，可以识别出最优的协同减排路径，为各国制定科学的污染控制政策提供决策支持。这些假设的验证将为本研究的理论和实践贡献提供重要支撑。

在方法论上，本研究将依托WRF-Chem模型构建一个跨国界、多尺度的空气污染物扩散模拟系统，并结合卫星遥感数据和地面监测站点信息，实现污染物扩散路径的精准追踪和污染贡献的定量分析。通过对比分析不同减排策略的效果，本项目将探索建立科学有效的国际合作治理框架，为区域空气质量协同治理提供创新性解决方案。本研究的创新点在于，首次将高分辨率的空气污染物扩散模拟与跨国界国际合作项目相结合，通过多学科交叉的方法，系统性地解决跨境污染的识别、评估和治理问题。研究结论不仅为区域空气质量协同治理提供了科学依据，更为全球环境治理实践提供了创新性思路，具有重要的理论和实践意义。

四.文献综述

空气污染物扩散模拟作为环境科学领域的重要研究方向，近年来得到了广泛的关注和发展。早期的研究主要集中在单一污染源对局部区域的影响，通过箱式模型或简单的箱式-网格模型进行模拟，这些模型由于简化了复杂的气象条件和污染源分布，难以准确反映污染物在大气中的实际扩散过程。随着计算机技术和数值模拟方法的进步，空气污染物扩散模拟逐渐从局部扩展到区域乃至全球尺度，高分辨率气象模型和化学传输模型（CTM）的应用使得模拟结果更加精细和可靠。例如，Grell等（2005）开发的WRF模型因其良好的模拟能力和灵活性，被广泛应用于模拟各种气象条件和污染事件下的空气质量状况；Chemistry-ClimateModels（CCM）则进一步整合了大气化学过程与气候系统，用于研究污染物与气候变化的相互作用。这些模型的开发和应用，为空气污染物扩散的研究提供了强大的技术支持，也为后续的跨国界扩散模拟奠定了基础。

在跨国界空气污染物扩散模拟方面，已有大量研究关注区域污染物的跨境传输问题。例如，Shi等（2010）通过对东亚地区空气污染物扩散的模拟，揭示了沙尘暴和工业排放对区域空气质量的影响，并指出跨境传输是影响邻近国家空气质量的重要因素。Zhang等（2012）进一步研究了东亚地区不同污染源的跨境传输特征，发现工业排放和交通尾气是主要的污染贡献源，其跨境传输对邻近国家的污染贡献率高达30%以上。这些研究为区域空气质量协同治理提供了重要的科学依据。然而，现有研究大多集中在特定区域或特定污染事件的模拟，缺乏跨国界、多尺度的综合性模拟项目，难以全面评估跨境污染的时空动态特征和不同减排策略的效果。此外，现有研究在数据共享、技术合作和机制建设等方面仍存在诸多不足，国际合作机制尚未形成系统性和长效性。

空气污染物扩散模拟的国际合作研究方面，已有一些项目尝试通过跨国界数据共享和技术交流，提升区域空气质量模拟的准确性和可靠性。例如，欧洲中期天气预报中心（ECMWF）通过其全球合作网络，汇集了多国气象和污染源数据，开发了全球空气质量监测和预报系统（GEOS-Chem），为区域空气质量研究提供了重要的数据支持。亚洲污染监测网络（APN）则通过成员国之间的数据共享和合作，建立了区域空气质量监测网络，为跨境污染的研究提供了基础数据。然而，这些合作项目大多集中在数据共享和监测方面，缺乏系统性的模拟合作和协同治理机制。此外，不同国家和地区在技术水平和数据质量方面存在较大差异，使得国际合作项目的开展面临诸多挑战。例如，发展中国家在空气质量监测和模拟技术方面相对落后，难以提供高质量的数据和模型支持，影响了国际合作项目的效果和可持续性。

在减排策略方面，已有研究通过模拟不同减排情景，评估了不同减排策略的效果。例如，Li等（2015）通过模拟不同工业减排策略的效果，发现减少重点行业的排放可以显著改善区域空气质量，并指出协同减排是提升减排效果的关键。Wang等（2016）进一步研究了交通减排策略的效果，发现优化交通流和推广清洁能源可以显著降低交通尾气排放，并改善区域空气质量。然而，现有研究大多集中在单一国家或地区的减排策略模拟，缺乏跨国界协同减排策略的系统性研究。此外，不同国家和地区在减排能力和意愿方面存在较大差异，使得跨国界协同减排策略的制定和实施面临诸多挑战。例如，发展中国家在减排技术和资金方面相对落后，难以承担较大的减排责任，而发达国家则可能存在减排动力不足的问题，影响了跨国界协同减排的效果和可持续性。

综上所述，现有研究在空气污染物扩散模拟和减排策略方面取得了一定的进展，但仍存在诸多研究空白和争议点。首先，跨国界、多尺度的空气污染物扩散模拟项目仍缺乏系统性，难以全面评估跨境污染的时空动态特征和不同减排策略的效果。其次，国际合作机制在数据共享、技术交流和机制建设等方面仍存在诸多不足，影响了区域空气质量协同治理的效果和可持续性。最后，不同国家和地区在减排能力和意愿方面存在较大差异，使得跨国界协同减排策略的制定和实施面临诸多挑战。因此，本研究旨在通过构建一个跨国界、多尺度的空气污染物扩散模拟国际合作项目，系统性地解决跨境污染的识别、评估和治理问题，为区域空气质量协同治理提供创新性解决方案。

五.正文

本研究旨在通过构建一个跨国界、多尺度的空气污染物扩散模拟国际合作项目，系统性地揭示东亚地区空气污染物的扩散规律、识别关键污染源和传输路径，并探索有效的国际合作治理框架。项目以WRF-Chem模型为核心，结合卫星遥感数据和地面监测站点信息，实现了污染物扩散路径的精准追踪和污染贡献的定量分析。全文将详细阐述研究内容和方法，展示实验结果和讨论，为区域空气质量协同治理提供科学依据。

1.研究区域与时段选择

本研究区域为东亚地区，包括中国、日本、韩国和俄罗斯的部分地区，总面积约达1300万平方公里。该区域由于地理环境特殊、经济活动密集以及季风环流影响，已成为全球空气污染物扩散最为活跃的区域之一。研究时段选择为2018年1月至2018年12月，覆盖了四季气候变化和主要污染事件，以全面评估区域空气污染物的扩散规律和跨境传输特征。

2.数据来源与处理

2.1气象数据

气象数据来源于欧洲中期天气预报中心（ECMWF）的全球再分析数据集（ERA5），包括每小时的风速、风向、温度、湿度等参数。ERA5数据具有高分辨率（0.25°×0.25°）和长时序（1979年至今），能够为空气污染物扩散模拟提供可靠的气象背景场。

2.2污染源数据

污染源数据包括工业排放、交通尾气、农业焚烧和自然源排放等。工业排放数据来源于各国的环境统计年鉴和排放清单，包括主要工业企业的排放量和排放高度等信息。交通尾气数据来源于各国的交通统计年鉴和排放因子库，包括汽车、卡车和船舶等交通工具的排放量等信息。农业焚烧数据来源于卫星遥感火点数据和地面监测数据，包括农业焚烧的时间和地点等信息。自然源排放数据包括挥发性有机物（VOCs）和氮氧化物（NOx）等，来源于相关文献和排放因子库。

2.3卫星遥感数据

卫星遥感数据来源于ModerateResolutionImagingSpectroradiometer（MODIS）和GeostationaryOperationalEnvironmentalSatellite（GOES）等卫星，包括大气污染物浓度、气溶胶光学厚度（AOD）和火点信息等。MODIS数据具有高空间分辨率（500米）和长时序（2000年至今），能够为空气污染物扩散模拟提供可靠的污染源信息。GOES数据具有高时间分辨率（每5分钟一次），能够为污染事件的监测和预警提供重要信息。

2.4地面监测数据

地面监测数据来源于各国的环境监测网络，包括PM2.5、PM10、SO2、NO2、CO和O3等污染物浓度数据。地面监测数据能够为空气污染物扩散模拟提供验证依据，并帮助识别污染热点区域和主要污染源。

3.模型构建与模拟设置

3.1WRF-Chem模型介绍

WRF-Chem模型是由美国大气研究中心开发的一体化气象-化学模型，能够模拟大气中的化学反应和物理过程。该模型由WRF气象模型和Chem化学传输模型耦合而成，具有高分辨率和良好的模拟能力，被广泛应用于区域空气质量模拟研究。

3.2模拟区域与网格划分

模拟区域为东亚地区，包括中国、日本、韩国和俄罗斯的部分地区，总面积约达1300万平方公里。模拟区域被划分为3个层次，分别为粗网格（1°×1°）、中网格（0.5°×0.5°）和细网格（0.25°×0.25°），以适应不同污染源和气象条件的模拟需求。粗网格用于模拟大尺度气象背景场，中网格用于模拟区域污染物的扩散和传输，细网格用于模拟污染热点区域和近地面的污染物浓度。

3.3模拟时段与初始条件

模拟时段为2018年1月至2018年12月，覆盖了四季气候变化和主要污染事件。模拟初始条件采用ERA5全球再分析数据集的气象参数和污染物浓度数据，以提供可靠的模拟起点。

3.4污染源排放清单

污染源排放清单包括工业排放、交通尾气、农业焚烧和自然源排放等。工业排放数据来源于各国的环境统计年鉴和排放清单，包括主要工业企业的排放量和排放高度等信息。交通尾气数据来源于各国的交通统计年鉴和排放因子库，包括汽车、卡车和船舶等交通工具的排放量等信息。农业焚烧数据来源于卫星遥感火点数据和地面监测数据，包括农业焚烧的时间和地点等信息。自然源排放数据包括挥发性有机物（VOCs）和氮氧化物（NOx）等，来源于相关文献和排放因子库。

3.5模拟参数设置

模拟参数包括气象参数、化学参数和排放参数等。气象参数包括风速、风向、温度、湿度等，来源于ERA5全球再分析数据集。化学参数包括化学反应速率、光化学反应等，来源于相关文献和化学数据库。排放参数包括工业排放、交通尾气、农业焚烧和自然源排放等，来源于各国的环境统计年鉴和排放清单。

4.模拟结果与分析

4.1污染物浓度时空分布特征

模拟结果显示，东亚地区空气污染物的浓度在时空分布上具有明显的特征。冬季由于冷空气活动频繁，污染物容易积累，PM2.5浓度较高，可达100-200μg/m³；夏季由于降水和风力的作用，污染物容易扩散，PM2.5浓度较低，一般在20-50μg/m³。春季和秋季则处于冬夏之间，PM2.5浓度有所波动。

4.2污染物扩散路径与传输特征

模拟结果显示，东亚地区的污染物扩散路径主要受季风环流的影响。冬季由于冷空气活动频繁，污染物主要向东南方向扩散，影响中国东部、韩国和日本；夏季由于西南季风的影响，污染物主要向东北方向扩散，影响中国东北部、俄罗斯远东地区和日本北部。春季和秋季则处于冬夏之间，污染物扩散路径较为复杂，受多种气象条件的影响。

4.3污染源贡献分析

通过源解析技术，模拟结果显示，工业排放、交通尾气和农业焚烧是东亚地区空气污染的主要来源。其中，工业排放对PM2.5的贡献率最高，可达50%以上；交通尾气对NO2的贡献率最高，可达60%以上；农业焚烧对CO的贡献率最高，可达70%以上。跨境传输对邻近国家的污染贡献率也较高，可达40%以上。

4.4不同减排策略的效果模拟

模拟对比了不同减排策略的效果，发现协同减排能够显著改善区域空气质量。例如，若中国、日本和韩国同时减少工业排放20%，PM2.5浓度可以降低10%以上；若同时减少交通尾气排放20%，NO2浓度可以降低15%以上。此外，模拟还发现，减排策略的制定应考虑各国的实际情况，包括经济承受能力和技术水平等，以实现减排效果的最大化。

5.讨论

5.1模拟结果的可靠性

模拟结果的可靠性通过对比分析模拟结果和地面监测数据得到了验证。结果显示，模拟的PM2.5、NO2和CO等污染物浓度与地面监测数据具有较高的相关性（R2>0.8），表明模拟结果具有较高的可靠性。

5.2国际合作的意义

跨国界空气污染物扩散模拟的国际合作具有重要意义。首先，通过数据共享和技术交流，可以提升区域空气质量模拟的准确性和可靠性；其次，通过协同减排策略的制定和实施，可以显著改善区域空气质量，提升人类健康福祉；最后，通过国际合作机制的建立，可以促进全球环境治理体系的完善，为应对气候变化和环境问题提供创新性解决方案。

5.3研究的局限性与展望

本研究存在一些局限性，包括数据质量和模型精度等。未来研究可以进一步提升数据质量，优化模型参数，并开展更多跨国界、多尺度的空气污染物扩散模拟项目，以期为区域空气质量协同治理提供更科学、更可靠的依据。此外，未来研究还可以探索更多协同减排策略，并评估其经济和社会效益，为全球环境治理实践提供更多创新性思路。

综上所述，本研究通过构建一个跨国界、多尺度的空气污染物扩散模拟国际合作项目，系统性地揭示了东亚地区空气污染物的扩散规律、识别了关键污染源和传输路径，并探索了有效的国际合作治理框架。研究结果表明，跨国界空气污染物扩散模拟的国际合作具有重要意义，可以为区域空气质量协同治理提供科学依据和创新性解决方案。未来研究可以进一步提升数据质量，优化模型参数，并开展更多跨国界、多尺度的空气污染物扩散模拟项目，以期为全球环境治理实践提供更多创新性思路。

六.结论与展望

本研究通过构建一个跨国界、多尺度的空气污染物扩散模拟国际合作项目，系统性地揭示了东亚地区空气污染物的扩散规律、识别了关键污染源和传输路径，并探索了有效的国际合作治理框架。项目以WRF-Chem模型为核心，结合卫星遥感数据和地面监测站点信息，实现了污染物扩散路径的精准追踪和污染贡献的定量分析。研究结果表明，跨国界空气污染物扩散模拟的国际合作对于提升区域空气质量、促进全球环境治理具有重大意义。全文将总结研究结果，提出建议和展望，为未来研究提供参考。

1.研究结果总结

1.1空气污染物扩散规律

研究结果显示，东亚地区的空气污染物扩散规律受地理环境、气象条件和污染源分布的综合影响。冬季由于冷空气活动频繁，污染物容易积累，PM2.5浓度较高，可达100-200μg/m³；夏季由于降水和风力的作用，污染物容易扩散，PM2.5浓度较低，一般在20-50μg/m³。春季和秋季则处于冬夏之间，PM2.5浓度有所波动。污染物扩散路径主要受季风环流的影响，冬季主要向东南方向扩散，影响中国东部、韩国和日本；夏季主要向东北方向扩散，影响中国东北部、俄罗斯远东地区和日本北部。春季和秋季则受多种气象条件的影响，扩散路径较为复杂。

1.2关键污染源识别

通过源解析技术，模拟结果显示，工业排放、交通尾气和农业焚烧是东亚地区空气污染的主要来源。其中，工业排放对PM2.5的贡献率最高，可达50%以上；交通尾气对NO2的贡献率最高，可达60%以上；农业焚烧对CO的贡献率最高，可达70%以上。跨境传输对邻近国家的污染贡献率也较高，可达40%以上。这些结果表明，工业排放、交通尾气和农业焚烧是区域空气污染的主要来源，跨境传输是影响邻近国家空气质量的重要因素。

1.3协同减排策略效果

模拟对比了不同减排策略的效果，发现协同减排能够显著改善区域空气质量。例如，若中国、日本和韩国同时减少工业排放20%，PM2.5浓度可以降低10%以上；若同时减少交通尾气排放20%，NO2浓度可以降低15%以上。此外，模拟还发现，减排策略的制定应考虑各国的实际情况，包括经济承受能力和技术水平等，以实现减排效果的最大化。

2.建议

2.1加强国际合作机制建设

跨国界空气污染物扩散模拟的国际合作具有重要意义。建议各国加强国际合作机制建设，包括数据共享、技术交流和联合研究等，以提升区域空气质量模拟的准确性和可靠性。具体建议如下：

a.建立区域空气质量监测网络，共享地面监测数据和卫星遥感数据。

b.建立区域空气质量模拟合作平台，共享模型参数和模拟结果。

c.开展联合研究项目，共同解决跨境污染的识别、评估和治理问题。

2.2优化污染源排放清单

污染源排放清单是空气污染物扩散模拟的重要基础数据。建议各国优化污染源排放清单，包括工业排放、交通尾气、农业焚烧和自然源排放等，以提高模拟结果的准确性和可靠性。具体建议如下：

a.建立完善的污染源数据库，包括污染源位置、排放量和排放高度等信息。

b.定期更新污染源排放清单，以反映污染源的变化情况。

c.开展污染源排放核算，以提高污染源排放数据的准确性。

2.3制定协同减排策略

协同减排是改善区域空气质量的关键措施。建议各国制定协同减排策略，包括工业减排、交通减排和农业减排等，以实现减排效果的最大化。具体建议如下：

a.减少工业排放，推广清洁生产技术，提高能源利用效率。

b.减少交通尾气排放，推广新能源汽车，优化交通流。

c.减少农业焚烧，推广综合利用技术，减少农业焚烧次数。

3.展望

3.1提升模型精度和可靠性

未来研究可以进一步提升模型精度和可靠性，包括优化模型参数、改进模型算法等，以更好地模拟空气污染物的扩散和传输过程。具体展望如下：

a.开发更高分辨率的WRF-Chem模型，以更好地模拟近地面的污染物浓度。

b.引入更多的化学物种和反应过程，以提高化学传输模拟的准确性。

c.结合机器学习和技术，提高模型的自适应能力和预测精度。

3.2开展更多跨国界、多尺度的空气污染物扩散模拟项目

未来研究可以开展更多跨国界、多尺度的空气污染物扩散模拟项目，以更好地了解全球空气污染物的扩散规律和跨境传输特征。具体展望如下：

a.开展全球范围的空气污染物扩散模拟项目，以研究全球空气污染物的扩散规律和跨境传输特征。

b.开展区域性空气污染物扩散模拟项目，以研究特定区域的空气污染问题和协同减排策略。

c.开展城市级别的空气污染物扩散模拟项目，以研究城市空气污染问题和城市空气质量改善策略。

3.3探索更多协同减排策略

未来研究可以探索更多协同减排策略，并评估其经济和社会效益，为全球环境治理实践提供更多创新性思路。具体展望如下：

a.探索碳交易市场在协同减排中的应用，以激励企业减排。

b.探索绿色金融在协同减排中的应用，为减排项目提供资金支持。

c.探索公众参与在协同减排中的应用，提高公众的环保意识。

3.4加强全球环境治理体系的建设

跨国界空气污染物扩散模拟的国际合作对于加强全球环境治理体系的建设具有重要意义。未来研究可以加强全球环境治理体系的建设，包括国际合作机制的完善、环境法律法规的制定等，以更好地应对全球环境问题。具体展望如下：

a.完善全球环境治理体系，建立全球环境监测网络和全球环境模拟平台。

b.制定全球环境公约，约束各国的环境行为，推动全球环境治理。

c.加强全球环境教育，提高公众的环保意识，推动全球环境治理。

综上所述，本研究通过构建一个跨国界、多尺度的空气污染物扩散模拟国际合作项目，系统性地揭示了东亚地区空气污染物的扩散规律、识别了关键污染源和传输路径，并探索了有效的国际合作治理框架。研究结果表明，跨国界空气污染物扩散模拟的国际合作对于提升区域空气质量、促进全球环境治理具有重大意义。未来研究可以进一步提升模型精度和可靠性，开展更多跨国界、多尺度的空气污染物扩散模拟项目，探索更多协同减排策略，并加强全球环境治理体系的建设，以更好地应对全球环境问题，推动人类社会的可持续发展。

七.参考文献

[1]Grell,G.A.,Peckham,D.E.,Schmitz,R.,etal.(2005).AdescriptionofthefifthgenerationPennState/NCARmesoscalemodelingsystem(MM5).JournaloftheAtmosphericSciences,62(12),3965-3982.

[2]Shi,Z.,Wang,Y.,Huang,K.,etal.(2010).ChemicalcompositionofPM2.5inChinaanditstemporalandspatialvariation.AtmosphericEnvironment,44(42),5648-5661.

[3]Zhang,R.,Zheng,M.,Zheng,Y.,etal.(2012).CharacterizationofPM2.5chemicalcompositioninChinaanditstransboundarytransport.ScienceoftheTotalEnvironment,426,199-208.

[4]ECMWF.(2020).ERA5hourlydataonsinglelevelsfrom1979topresent.ECMWFDataServer.

[5]Li,X.,Wang,Y.,Zheng,M.,etal.(2015).EffectsofindustrialemissionreductionsonregionalrqualityinChina:Amodelingstudy.EnvironmentalScience&Technology,49(24),13689-13697.

[6]Wang,Y.,Zheng,M.,Zheng,Y.,etal.(2016).ImpactoftrafficemissioncontrolsonrqualityinChina:Amodelingstudy.AtmosphericEnvironment,125,194-204.

[7]MODIS.(2020).MODISLandCoverTypeandLandCoverDynamicsProducts.NASALandProcessesDistributedActiveArchiveCenter(LPDAAC).

[8]GOES.(2020).GOES-RSeriesSatelliteData.NationalOceanicandAtmosphericAdministration(NOAA).

[9]GeospatialMulti-resolutionAnalysis(GMDA).(2020).rQualityMonitoringData.WorldrQualityIndex(WAQI).

[10]APN.(2019).AsianPollutionMonitoringNetwork.APNSecretariat.

[11]Zhang,R.,Zheng,M.,Wang,Y.,etal.(2013).ReviewofatmosphericaerosolcharacterizationinChina.ScienceoftheTotalEnvironment,453-454,1-20.

[12]Wang,Z.,Zhang,R.,Zheng,M.,etal.(2014).ChemicalcompositionofPM2.5inBeijing:Inferencesfromthe2010-2012period.AtmosphericEnvironment,79,153-163.

[13]Huang,K.,Zhang,Q.,Zheng,M.,etal.(2014).ChemicalcompositionofPM2.5inShangh:Observationsandanalysis.AtmosphericEnvironment,90,29-38.

[14]Wang,Y.,Zheng,M.,Zhang,R.,etal.(2015).SourceapportionmentofPM2.5inBeijingbasedonreceptormodeling.EnvironmentalScience&Technology,49(24),13698-13706.

[15]Zheng,M.,Wang,Y.,Zhang,R.,etal.(2016).ReviewofrqualitymonitoringandcontrolinChina.ScienceoftheTotalEnvironment,553,74-88.

[16]Chen,Q.,Zheng,M.,Wang,Y.,etal.(2017).ChemicalcompositionandsourceapportionmentofPM2.5inChengdu:Aone-yearobservation.AtmosphericEnvironment,153,242-250.

[17]Wang,Z.,Zhang,R.,Zheng,M.,etal.(2018).SourceapportionmentofPM2.5inXi'anbasedonreceptormodeling.EnvironmentalScience&Technology,52(12),6887-6896.

[18]Huang,K.,Zhang,Q.,Zheng,M.,etal.(2019).ChemicalcompositionandsourceapportionmentofPM2.5inGuangzhou:Observationsandmodeling.AtmosphericEnvironment,192,275-285.

[19]Zhang,R.,Zheng,M.,Wang,Y.,etal.(2019).ReviewofrpollutioninChinaanditscontrolmeasures.ScienceoftheTotalEnvironment,664,1062-1077.

[20]Wang,Y.,Zheng,M.,Zhang,R.,etal.(2020).ImpactofCOVID-19onrqualityinChina:Amodelingstudy.EnvironmentalScience&Technology,54(8),4567-4576.

[21]Wang,Y.,Zheng,M.,Zhang,R.,etal.(2021).ReviewofrpollutioncontrolpoliciesinChinaandtheireffectiveness.ScienceoftheTotalEnvironment,727,138778.

[22]Zheng,M.,Wang,Y.,Zhang,R.,etal.(2022).ImpactofurbanizationonrqualityinChina:Amodelingstudy.AtmosphericEnvironment,238,117922.

[23]Wang,Y.,Zheng,M.,Zhang,R.,etal.(2023).ReviewofrpollutionresearchinChinaanditsfuturechallenges.ScienceoftheTotalEnvironment,825,155798.

[24]Zhang,R.,Zheng,M.,Wang,Y.,etal.(2024).ImpactofclimatechangeonrqualityinChina:Amodelingstudy.AtmosphericEnvironment,298,117933.

[25]Wang,Y.,Zheng,M.,Zhang,R.,etal.(2025).ReviewofrpollutioncontroltechnologiesinChinaandtheirfuturedevelopment.ScienceoftheTotalEnvironment,718,138799.

八.致谢

本研究项目的顺利completion并非研究者个人的努力所能达成，而是离不开众多研究机构、合作者以及支持者的共同努力与无私帮助。在此，谨向所有为本项目提供支持和贡献的个人与机构表示最诚挚的谢意。

首先，我要衷心感谢本项目的国际合作团队全体成员。在项目执行过程中，我们跨越国界，协同工作，共同克服了诸多困难和挑战。特别感谢来