大气细颗粒物PM2.5影响全球辐射平衡、生态系统健康与人群公共卫生，是大气环境领域的研究热点和难点。准确识别其污染源对于制定有效的空气质量管理策略至关重要。当前的源解析研究中，常用的受体模型在样本有限、缺乏特异性示踪物时，会导致共线源之间重叠的难题，导致源识别精度不足。同时，对季节、昼夜差异及污染管控政策下源结构协同响应的精细刻画也存在着短板。天津地理位置和产业结构的多样性导致其PM2.5源构成复杂，亟需对现有方法进行探索和优化，为灵活、季节针对性的污染控制提供科学支撑。
图1. 研究流程图：（a）仪器分析定量有机无机标志物；（b）PMF初步识别来源；（c）结合真实源样本的化学特征，精确识别污染源；（d）通过情景模拟对不同污染源制定控制策略
我院戚羽霖团队以2022年天津冬、夏季的昼、夜分时段PM2.5样品（包含北京冬奥会以及疫情管控期间）为研究对象，将正定矩阵因子分解（PMF）与随机森林（RF）分类相结合，系统开展源识别与情景模拟分析。针对燃烧源与共线源有机物重叠问题，该模型在独立测试集上的准确率、精确率、召回率与F1分数均达到85–91%。此外，通过真实源样品的分子化学指纹，在样本数量有限与缺乏源特异性标志物条件下，RF显著提升了源解析的精度，尤其是有效的区分了机动车尾气、燃煤、生物质燃烧、烹饪等来源。研究发现，六类潜在因子呈现显著季节与昼夜性差异。通过情景模拟进一步发现，清洁取暖等节能减排政策能够显著改变PM2.5源结构，但也会进一步引发其他源的代偿效应，凸显出多源协同与大气化学反馈研究的重要性。
图2. 本研究采用的三种方法（PMF、PMF-RF结合、RF）对于PM2.5源解析结果的比较
总的来说，该项研究展示了受体模型、机器学习、化学分析相结合在识别重叠和共线性污染源中的潜力，显著增强了对传统能源与新兴源一次贡献的区分能力，为更灵活的、基于时间与空间分辨率的空气质量管控政策提供了科学依据。相关成果发表于Nature Index期刊《Journal of Geophysical Research: Atmospheres》。第一作者为我院2026届毕业生马晶莹，戚羽霖教授和傅平青教授为共同通讯作者。
文章信息：Jingying Ma, Yulin Qi*, Han Xu, Yufu Han, Jinfeng Ge, Ling Wen, Rui Jin, Chao Ma, Xiaoli Fu, Wei Hu, Junjun Deng, Libin Wu, Jialei Zhu, Pingqing Fu* (2026). PMF coupled with random forest method reveals detailed PM2.5 sources and their synergistic effects on air pollution control. Journal of Geophysical Research: Atmospheres. DOI: 10.1029/2025JD045770
