课题组应用可变伸缩网格大气化学传输模型，GEOS-Chem High Performance（GCHP），量化了2015至2019年中国地区的地表背景臭氧，揭示了其在当前臭氧污染中的贡献，并详细讨论了其空间来源，自然源前体物排放贡献，以及年际变化驱动因素。相关研究成果以Spatial and temporal variations of surface background ozone in China analyzed with the grid-stretching capability of GEOS-Chem High Performance为题，于2024年1月5日发表在期刊《Science of The Total Environment》上。 阅读更多有关 应用GEOS-Chem高性能伸缩网格模拟中国地表背景臭氧

北京大学物理学院大气与海洋科学系张霖长聘副教授课题组与国际应用系统分析研究所WilfriedWiniwarter教授、维也纳自然资源与生命科学大学HaraldRieder教授等合作，结合减排效率和化学状态两种指标，指出欧洲因排放差异和大气化学的复杂性，其东西部区域存在不同的通过活性氮排放控制减缓大气PM_2.5污染的减排路径，在综合考虑氮排放控制成本后，其最优减排策略均更加强调氨的排放控制。相关研究成果以“为经济有效地减缓欧洲PM_2.5污染识别最优活性氮控制路径”（Optimal reactive nitrogen control pathways identified for cost-effective PM_2.5mitigation in Europe）为题，2023年7月17日在线发表于《自然·通讯》（Nature Communications）。

阅读更多有关 研究揭示缓解欧洲地区PM2.5污染最优的活性氮排放控制路径

北京大学物理学院大气与海洋科学系2020级博士研究生叶兴沛，在张霖老师的指导下，利用机器学习诊断并改进了大气化学传输模型GEOS-Chem模拟的地表臭氧偏差。研究发现，模型模拟的2018年暖季地表臭氧相比观测在中国多个地区存在显著的高估，该高估与云和湿度等相关变量高度相关。优化模型中臭氧在湿天气的干沉降参数化以及对云光学厚度的低估，可以有效降低模拟的臭氧偏差，并提高与观测比对的时间相关性。相关成果以“Diagnosing the Model Bias in Simulating Daily Surface Ozone Variability Using a Machine Learning Method: The Effects of Dry Deposition and Cloud Optical Depth ”为题，于2022年11月27日在线发表在杂志《Environmental Science & Technology》上。

阅读更多有关 利用机器学习诊断地表臭氧模拟日际变化的偏差

北京大学物理学院大气与海洋科学系2018级博士研究生王晓琳，在张霖老师和南方科技大学傅宗玫教授的指导下，结合多源观测数据及大气化学模拟，探究了2005-2016年东南亚地面和对流层臭氧的长期变化趋势及其驱动因子。研究指出，2005-2016年东南亚地面和对流层臭氧呈现较快的上升趋势，且人为排放的增加是导致臭氧变化的主要驱动因素。同时，东南亚地区自下而上的人为和生物质排放变化与观测相比存在偏差，未来评估该地区空气质量变化需要对排放清单进行进一步验证。相关成果以“Rapidly changing emissions drove substantial surface and tropospheric ozone increases over Southeast Asia”为题发表在2022年9月29日的杂志《Geophysical Research Letters》上。

  阅读更多有关 快速变化的人为污染物排放驱动东南亚地面和对流层臭氧上升