npj Climate and Atmospheric Science· Jieyao Liu·· 16 天前AI 评分54
区分混合态反演二次有机气溶胶吸湿性,改进气溶胶液态水与 CCN 预测
Refined SOA hygroscopicity reduces climate-relevant uncertainties in aerosol liquid water and CCN predictions
AI 导读
基于北京冬季外场观测,研究提出一种区分混合态的 κ SOA 反演方法,约 93% 的反演值超过 0.20,观测期平均为 0.47 ± 0.20,而传统方案对 ambient κ SOA 低估约 50%,这一偏差在大于 80 nm、混合态转变复杂的粒子上更明显。
- 背景
- 大气有机气溶胶吸湿性的大幅不确定性,限制了气溶胶理化演变、水相过程和气溶胶—云气候效应的准确评估。传统反演方法多采用简化的均相混合假设或依赖氧化程度的参数化,忽视环境混合态的非均相性,可能导致二次有机气溶胶吸湿性(κ SOA)估计出现系统偏差。
- 做法
- 作者基于北京冬季外场观测,发展了一种混合态分辨的反演方法:考虑气溶胶化学组分在疏水模态与吸湿模态之间的分配,反演分粒径的 κ SOA。研究还用化学与机理层面的验证来检验反演结果。
- 结论
- 反演得到的 κ SOA 中约 93% 超过 0.20,观测期平均为 0.47 ± 0.20,而传统方案对环境 κ SOA 的低估约 50%,在混合态转变复杂的大于 80 nm 粒子上尤为明显。高 κ SOA 主要来自水相酸催化反应生成的高吸湿性低分子量有机酸。采用该约束后,气溶胶液态水闭合 R² = 0.96,低湿条件下吸水低估减弱,云凝结核数浓度预测精度提高 3–10%。
- 意义
- 结果显示,显式解析气溶胶混合态是收窄有机气溶胶吸湿性不确定性、可靠模拟其环境与气候效应的关键。结论基于北京冬季一次外场观测,方法在其他季节和地区的适用性尚待检验。
本页是 AI 精读,不转载论文原文;完整论文(含方法、图表与参考文献)见原文
来源:npj Climate and Atmospheric Science · nature.com