引言

大气二氧化碳(CO₂)作为最重要的温室气体，其碳循环过程和源/汇收支状况是认识和减缓全球气候变化的基础，也是当前温室气体相关研究的核心与热点(Piao et al，2009)。自工业革命以来，大气CO₂浓度的不断增长与化石燃料燃烧、水泥生产及土地使用转变等人为活动排放密切相关(Arneth et al，2017；FernándezMartínez et al，2019)。大气CO₂在大气圈、海洋、陆地生态圈这三个碳库中不断进行交换(碳循环)，人为活动排放、陆地生态圈源/汇、海洋源/汇以及大气输送等因素均会影响碳循环过程(陶波等，2001；周广胜等，2004；Xia et al，2014；Holden et al，2018；Keller et al，2018；周芳成等，2024)，导致大气CO₂浓度在全球范围内分布极不均匀。为了深入理解碳循环过程并揭示其气候反馈，非常有必要对不同地区大气CO₂变化特征进行长期观测，在区域和全球范围内弄清大气CO₂的收支状况，研究其时空变化、长期趋势以及源/汇分布特征(Emmert et al，2012；Cheng et al，2017)。

中国气象局自20世纪90年代在青海瓦里关山顶建立了第一个内陆高原型全球大气本底站，随后陆续在北京上甸子、浙江临安、黑龙江龙凤山等地相继建立区域大气本底站开展大气CO₂等温室气体的观测(Pu et al，2014；Fang et al，2016；2022；张林等，2021；张勇等，2022)。各省(直辖市)也陆续开展本底站观测研究，探讨本地区大气温室气体浓度的变化特征、影响因子及源/汇分析(Zhang et al，2020；韦芬芬等，2020)。Ruckstuhl et al(2012)对温室气体本底数据进行筛分方法研究；胡智伟等(2024)利用长三角地区背景站点佐证了与北半球大多数站点相似CO₂浓度时空变化特征；叶思晴等(2024)探索了气象因子、远距离输送和潜在源区对苏州CO₂和CH₄浓度的影响；Xia et al(2020)基于观测数据进行区域大气CO₂的潜在源汇分析，发现源自长江三角洲途径安徽和江西的大气携带了污染气团，导致江西景德镇CO₂浓度的增加。

作为中国典型老工业基地和重要粮食生产基地，辽宁“碳达峰”目标的实现对于保障粮食安全、实现绿色低碳发展和减污降碳协同增效等方面都具有重要意义。然而，目前对于沈阳乃至辽宁地区大气CO₂浓度变化影响机制的相关研究并不多见，尤其对碳收支的定量化估算还缺乏科学合理的技术方法，因此亟待开展相关领域研究。本文以沈阳为研究对象，基于大气CO₂浓度数据筛分出本底和污染数据，利用本底数据评估大气CO₂浓度变化特征；利用后向轨迹模型进行统计聚类分析，探讨不同季节来自不同区域的远距离输送对沈阳CO₂浓度的影响；进一步基于潜在来源贡献算法，研究沈阳大气CO₂潜在排放源区分布变化特征；基于以上结果，对比分析不同季节区域碳排放源燃烧效率，并量化评估沈阳陆地生态系统碳收支和人为源碳排放的动态变化。研究成果可为辽宁地区“自上而下”的温室效应评估、气候变化监测以及归因分析提供科学依据，为辽宁科学实施碳管理提供技术支撑和理论参考。

1 资料和方法 1.1 研究区概况与观测仪器

沈阳属温带大陆性气候，四季分明，供暖期为每年11月至次年3月。沈阳城市生态站建于东北区域气象中心楼顶(海拔60 m)，温室气体采样口位于楼顶高塔之上，采样装置位于一个无人值守实验室内，除了不定时维护仪器外，站点受人为观测活动影响较小。该站长期测量CO₂、一氧化碳(CO)、甲烷(CH₄)等微量气体浓度，站点周边10 km范围内无重要的CO₂排放源。

2020年开始，沈阳城市生态站开展大气CO₂等气体高精度小时浓度数据的连续自动监测，采用LI7500DS型大气CO₂在线观测系统及自动气象观测仪。为了保证数据精确度，结合台站值班记录，人工过滤测量过程中的异常值(因标准气体量值不稳定、停机维护等仪器故障造成)，小时平均浓度数据为CO₂的5 min平均浓度汇总数据。本文出现的所有大气CO₂浓度数据为CO₂气体摩尔分数。利用2023年6月至2024年5月大气CO₂浓度逐小时数据，其中6—8月、9—11月、12—2月、3—5月分别代表夏季、秋季、冬季、春季。

地面风场数据来自沈阳基本气象观测站。

1.2 研究方法与数据处理

基于稳健局部回归(REBS)方法，利用局部近似回归原理，将逐小时CO₂浓度数据筛分为本底和非本底(未受局地污染的和混合均匀的)数据(Ruckstuhl et al，2012)；REBS算法是目前本底与非本底数据筛分中使用最广泛的方法(胡智伟等，2024；叶思晴等，2024；陈昆等，2023；Xia et al，2020)，可在统计软件R中的IDPmisc库中获取。

为研究区域大气输送对观测点大气CO₂浓度变化的影响，利用MeteoInfo(3.8.5版) 集成的混合单粒子拉格朗日积分轨迹分布模型(HYSPLIT)，结合空间分辨率为1°×1°的全球数据同化系统(GDAS)再分析数据(ftp://arlftp.arlhq.noaa.gov/pub/archives/gdas1)，以沈阳城市生态站(41°73′N、123°42′E)为起点，模型高度设为500 m，逐月计算每日02、08、14、20时(北京时，下同)到达沈阳城市生态站观测期内气团的72 h后向轨迹(Hsu et al，2003；Rousseau et al，2004；Fang et al，2016)，并采用欧几里得距离法将不同类型的气团轨迹进行聚类分析。

利用广泛使用的潜在源贡献函数(PSCF)方法计算大气CO₂的空间源分布。该方法可计算气团到达观测站点前在特定区域停留时间的概率密度函数，进而解析潜在排放源区贡献概率分布特征(张韵启等，2021)。PSCF函数定义为经过研究区域的气团到达观测点对应的某要素值超过设定阈值的条件概率。将研究区域划分为若干网格，则PSCF函数的计算公式为：

$ \operatorname{PSCF}_{i j}=M_{i j} / N_{i j} $

(1)

式中：N_ij为经过网络点(i, j)的后向轨迹总数目，M_ij为经过该格点的高浓度气团(阈值浓度为平滑拟合后的季节本底平均浓度)轨迹的数目(Hsu et al，2003；Polissar et al，1999)。为了减小N_ij对计算结果的影响(Zeng and Hopke, 1989)，引入权重系数W_ij(Polissar et al，1999；Zeng and Hopke, 1989；庞宇婷等，2023；Jiang et al，2023；赵平伟等，2023)，降低了计算结果的不确定性。

$ \mathrm{WPSCF}_{i j}=W_{i j} \times \mathrm{PSCF}_{i j} $

(2)

本研究中的W_ij设置为：

$ W_{i j}= \begin{cases}1 & N_{i j}>60 \\ 0.70 & 20＜N_{i j} \leqslant 60 \\ 0.42 & 10＜N_{i j} \leqslant 20 \\ 0.05 & N_{i j} \leqslant 10\end{cases} $

(3)

2 结果与分析 2.1 大气CO₂浓度时间序列变化趋势

图 1显示了2023年6月至2024年5月沈阳城市生态站CO₂本底浓度经平滑拟合后的逐月变化。在8365条有效数据中，7269条(约86.9%)归类为本底浓度数据，剩余约13.1%的观测数据归类为非本底(污染)浓度数据；CO₂的平均浓度为477.2×10^-6，本底浓度和污染浓度平均值分别为474.9×10^-6和519.4×10^-6，对比其他区域本底站，黑龙江龙凤山站CO₂本底浓度为(424.9± 0.6)×10^-6，沈阳站较之高50.0×10^-6(栾天等，2014)；对比其他城市站数据，杭州站应用REBS筛分方法后，约86%的数据被归类为本底数据，与本研究结论类似(陈啸鸣等，2024)，杭州站2022年CO₂本底浓度为(434.5±11.6)×10^-6、污染浓度为(447.8±15.8)×10^-6，沈阳站较之分别高40.4×10^-6、71.6×10^-6。沈阳CO₂浓度季节变化显著，冬季高，夏季低。6—9月，大气CO₂浓度维持在较低水平，最低值(438.0×10^-6)出现在8月，之后浓度逐渐升高，1月达到最高值(513.4×10^-6)，全年月平均变化幅度为75.4×10^-6。CO₂的季节变化主要受陆地生物圈的影响，夏季由于太阳辐射强，植被覆盖程度大，光合作用效率高，导致这一时段大气CO₂浓度低。冬季容易出现逆温现象，大气垂直扩散弱，大气中CO₂难以扩散，且用于供暖的生物质和化石燃料燃烧会贡献大量的CO₂，导致冬季大气CO₂浓度偏高(Nevison et al，2008)。

2.2 大气CO₂浓度日变化特征

沈阳城市生态站大气CO₂浓度日变化的季节分布如图 2所示，可以看出，各季节CO₂浓度呈现明显的日变化规律，且具有季节性差异。沈阳地区CO₂浓度日变化总体呈现清晨至上午高，午后至傍晚低的特征。这是由于从傍晚开始，多重因素共同作用导致CO₂浓度逐渐累积升高，最终使清晨至上午成为一日中CO₂浓度较高的时段：夜间植物呼吸作用产生CO₂，人为CO₂排放虽然减少，但此阶段前期累积的CO₂尚未充分扩散，仍处于大气中，且大气边界层湍流活动较弱，大气层结处于稳定状态，不利于CO₂的水平扩散与垂直稀释，使得CO₂在近地面层不断累积，浓度持续升高。日出后，环境条件发生转变，午后至傍晚CO₂浓度较低的原因主要有：植物光合作用增强，对大气中CO₂的吸收量大幅增加，加速了CO₂的消耗，大气层结由稳定转为不稳定，大气的水平运动和垂直运动均显著增强，为CO₂的扩散与稀释创造了有利条件，促使CO₂浓度进一步降低(黄晓娴，2015)。CO₂浓度日最大值在冬季最高，达到522.4×10^-6，春季最低，仅为486.9×10^-6；日最小值也在冬季最高，为501.5×10^-6，夏季最低，仅为430.3×10^-6。夏季、秋季、冬季、春季CO₂浓度日变化幅度分别为60.3×10^-6、44.4×10^-6、20.9×10^-6、22.8×10^-6。

2.3 地面风场影响

低层风向、风速的变化直接影响CO₂浓度的分布与聚散(田莉等，2020)，本研究基于筛分后的大气CO₂逐小时本底浓度数据与风向、风速数据，研究不同季节近地面风场对沈阳城市生态站CO₂浓度变化的影响(图 3)。据统计，春季、夏季、秋季沈阳地区盛行西南风，风速平均为2.7 m·s^-1；冬季盛行偏北风，风速平均为2.9 m·s^-1。春季、夏季沈阳城市生态站西南风向对应较高的大气CO₂浓度，秋季CO₂高浓度区较为分散，但整体上西南风向CO₂高于其他风向；这表明春季、夏季、秋季来自西南方向的辽宁渤海湾、营口等沿海地区，夏季辽宁大连、黄海海域，秋季渤海湾、大连地区的输送会给沈阳带来高浓度CO₂。冬季则有所不同，西北、西南方向对应较高的CO₂浓度，在风速为4~5 m·s^-1左右的NW—W方向上，污染浓度最高，这可能是由于冬季受西北风影响，西北方向受蒙古—西伯利亚高压控制，以下沉气流为主，易发生逆温，污染物不易扩散，且供暖期间生物质燃烧和煤炭燃烧的大气扩散也会导致大量CO₂在近地层聚集。

2.4 远距离输送影响

在HYSPLIT模式模拟结果中，轨迹较短表示气团移动速度慢、风速小，轨迹较长表示气团移动速度快、风速大(杨健儿，2011；庄晓翠等，2022；张晓茹等，2025)。如图 4和表 1所示，春季输送轨迹主要有5类：①途径俄罗斯、内蒙古东部的轨迹3, 占比为32.87%，属于长距离(大于1500 km)气流，移动速度快; ②途经黄海、山东半岛的轨迹5, 占比为24.72%，属于短距离(小于1000 km)气流，移动速度缓慢；③途经蒙古国、内蒙古、渤海湾的轨迹2, 占比为19.66%, 属于中等距离(1000~1500 km)气流，移动速度中等；④途径俄罗斯南部、蒙古国、内蒙古的轨迹1，占比为14.61%，属于长距离气流，移动速度快；⑤途径俄罗斯东部、黑龙江、吉林的轨迹4, 占比为8.15%, 属于中等距离气流，移动速度中等。计算每条气流轨迹所对应的CO₂浓度，将轨迹对应的CO₂浓度从高到低排序为：轨迹2>轨迹4>轨迹3>轨迹5>轨迹1，在各轨迹簇中，轨迹2和轨迹4携带的CO₂平均浓度远高于其他轨迹，说明沈阳春季CO₂浓度主要受西北和东北陆地中等距离气团输送的影响。轨迹2和轨迹3的气流合计占比为52.53%，轨迹浓度高于平均值，由此可以说明春季来自西北方向境外地区的气流对沈阳CO₂浓度的影响较大。

夏季输送轨迹主要有4类: ①途径山东半岛、黄海的轨迹1, 占比为36.26%, 属于短距离气流，移动速度慢；②途径黑龙江中部、吉林的轨迹2, 占比为35.44%，属于短距离气流，移动速度慢；③途径朝鲜海峡、黄海的轨迹4，占比为18.68%，属于短距离气流，移动速度慢；④途径贝加尔湖、蒙古国、内蒙古东部的轨迹3, 占比为9.62%，属于长距离气流，移动速度快。其中，轨迹1、轨迹4的CO₂平均浓度远高于其他轨迹，其原因是这两个轨迹簇均源于海上，运行速度慢，除了黄海海岸的天然湿地会释放CO₂以外，还可能受到航海船舶排放的温室气体影响(孟琪和赵鲁华，2024)，表明夏季沈阳CO₂浓度主要受海上短距离气团输送的影响。

秋季输送轨迹主要有3类: ①途径内蒙古、河北和辽宁交界处、渤海湾的轨迹3，占比为39.17%，属于短距离气流，移动速度慢；②途经俄罗斯南部、蒙古国东部、内蒙古东部的轨迹2，占比为35.83%，属于长距离气流，移动速度快；③途经俄罗斯东南部、内蒙古东北部的轨迹1, 占比为25.00%，属于中等距离气流，移动速度中等。其中, 轨迹1的CO₂平均浓度最高，其次是轨迹3，表明沈阳秋季CO₂浓度主要受北方陆地中等距离及海上短距离气团输送的影响。

冬季输送轨迹主要有5类：①途径俄罗斯东南部、内蒙古东北部的轨迹2，占比为37.78%，属于中等距离气流，移动速度中等；②途经俄罗斯南部、蒙古国东北部、内蒙古东北部的轨迹1，占比为21.94%，属于长距离气流，移动速度快；③途径蒙古国与俄罗斯交界处、内蒙古东部的轨迹5，占比为18.33%，属于长距离气流，移动速度快；④途径京津冀地区、渤海湾的轨迹4，占比为11.67%，属于短距离气流，移动速度慢；⑤途经俄罗斯南部、蒙古国东北部、内蒙古东部的轨迹3，占比为10.28%，属于长距离气流，移动速度快。在各轨迹簇中，轨迹2携带的CO₂平均浓度明显高于其他轨迹，说明沈阳冬季CO₂浓度主要受北方陆地中等距离气团输送的影响较大。

2.5 潜在排放源区分析

图 5为沈阳城市生态站大气CO₂潜在排放源区季节分布，WPSCF值大小代表排放源分布的权重，值越大，代表该区域为CO₂潜在排放源区的概率越大。由图 5可以看出，大气CO₂的潜在排放源贡献概率高(WPSCF值≥0.6) 的区域面积由大至小依次为：夏季、春季、秋季、冬季。春季，大气CO₂的潜在排放源区主要分布在吉林大部、黑龙江吉林交界处、内蒙古东部、京津冀地区、山东半岛及渤海湾。夏季，潜在排放源区主要分布在辽宁中西部、渤海湾以及黄海海域，说明夏季CO₂来源主要是沈阳周边地区的人为活动排放及海洋输送，夏季黄渤海地区水温较高会降低CO₂在水中的溶解度，同时盐度升高会进一步降低CO₂溶解度，从而使CO₂从水中逸出(薛亮和张龙军，2011)。秋季大气CO₂的潜在排放源区主要分布在俄罗斯、蒙古国与我国内蒙古交界带、内蒙古东部，朝鲜西部、黑龙江西南部，北京南部、山东西部、安徽北部等地区；冬季CO₂潜在源区分布比较集中，主要分布在内蒙古与辽宁交界区域东南部、辽宁中西部、河北与辽宁交界区域、辽宁东部等地。总体而言，沈阳地区大气CO₂四季潜在排放源区主要分布在辽宁大部、吉林大部、黑龙江南部、内蒙古东部、京津冀地区、山东半岛和黄渤海地区，部分潜在排放源区分布在朝鲜西部、山东西部、安徽北部等地的部分城市。潜在源区分析结果与后向轨迹聚类结果比较吻合，反映出不同季节区域输送或周边城市人为排放对沈阳地区大气CO₂季节性影响特征。

2.6 化石燃料燃烧与生态系统对大气CO₂浓度的贡献

大气CO₂浓度组成主要包括：化石燃料燃烧排放、生态系统排放/吸收以及本底值(胡诚等，2022)，CO排放主要来自不充分燃烧(张芳，2011)。因此研究分析CO₂和CO的排放源可以明确人为排放和生物活动对大气中CO₂浓度的贡献程度(孙天乐等，2022)。张韵启等(2021)在对2018—2019年赣州站大气CO₂和CO燃烧排放研究中，根据碳守恒原理将两者逐小时观测浓度与相应时刻经过计算得到的赣州站背景浓度差值记为两者的抬升浓度，以冬季的化石燃料燃烧贡献比值代表全年数值，量化估算出化石燃料燃烧排放和生态系统排放/吸收产生的CO₂。

本研究基于以上方法对沈阳地区大气CO₂进行了相应估算。将2023—2024年沈阳地区大气CO₂和CO逐小时观测浓度与相应时刻经过计算得到的背景浓度差值记为两者的抬升浓度(ΔCO₂和ΔCO)，将逐小时ΔCO₂/ΔCO的比值(r)作为化石燃料燃烧贡献比，并以冬季的r平均值(139.71)代表全年数值(不考虑夏季CO汇的影响)，与CO实测浓度相乘，估算出化石燃料燃烧排放的CO₂浓度；将CO₂实测浓度减去化石燃料燃烧排放的CO₂浓度，再与本底CO₂浓度的差值记为生态系统产生的CO₂浓度。沈阳冬季ΔCO₂和ΔCO的有效样本数为306，相关系数为0.43，通过0.01显著性水平检验。表 2显示，化石燃料燃烧排放产生的CO₂浓度范围在91.94×10^-6~131.78×10^-6，秋冬季化石燃料燃烧排放浓度较春夏季高，这是由于CO₂和CO在秋冬季的主要来源为化石燃料或生物质燃烧以及北方城市供暖(夏玲君等，2016)。生态系统收支方面，夏秋季为负值，主要表现为对CO₂的吸收效应；冬春季为正值，以排放为主。这是由于夏秋季植物生长茂盛，光合作用强，导致生态系统的碳吸收能力较强，冬春季则恰恰相反(张芳，2011)。

3 结论与讨论

(1) 沈阳城市生态站各季节CO₂浓度日变化均表现为清晨至上午高，午后至傍晚低的特征，CO₂浓度日变幅夏季最大、春季最小。CO₂浓度日最大值、最小值均在冬季相对最高，分别为522.4×10^-6、501.5×10^-6，其本底浓度季节变化呈现出冬季高、夏季低的特征，与四季CO₂浓度日变化结果(冬季CO₂浓度高，夏季CO₂浓度低)基本一致，最低值出现在8月，1月达到最高值。

(2) 春季、夏季沈阳城市生态站西南风向对应较高的大气CO₂浓度，秋季CO₂高浓度区较为分散，但整体上西南风向CO₂高于其他风向，表明在这三个季节，来自西南方向的辽宁南部沿海区域输送会给沈阳带来高浓度CO₂。冬季高浓度CO₂主要分布在西北、西南方向，最大抬升来自于西北风向，这可能是由于冬季受西伯利亚高压控制，以下沉气流为主，易发生逆温，污染物不易扩散，同时伴随供暖期间生物质燃烧和煤炭燃烧，导致大量CO₂浓度较高。

(3) 春季沈阳大气CO₂浓度气团主要受北方陆地中等距离气团输送的影响，夏季主要受海上中短距离气团输送的影响，秋季北方陆地中等距离及海上短距离气团输送均对其有较大影响，冬季则主要受北方陆地中等距离气团输送的影响。沈阳地区大气CO₂潜在排放源区主要分布在辽宁大部、吉林大部、黑龙江南部、内蒙古东部、京津冀地区、山东半岛和黄渤海地区，部分潜在排放源区分布在朝鲜西部、山东西部、安徽北部等地的部分城市。

(4) 沈阳冬季ΔCO₂和ΔCO表现出较强的相关性，大气CO₂在秋冬季化石燃料燃烧排放贡献较春夏季高，表明化石燃料和生物质燃烧的人为排放活动对寒冷季节CO₂浓度变化的影响显著高于其他季节。这与秋冬季CO₂和CO在冬季的主要来源为化石燃料或生物质的燃烧以及北方城市供暖有关。