华东师范大学杨毅团队JHM：中国典型工业排放含铅细颗粒物的源特征指纹图谱和机器学习驱动的来源分配

本研究针对中国典型工业排放含铅细颗粒物（Pb-FPs）的污染问题展开系统研究。背景方面，随着含铅汽油退出市场，工业活动已成为我国大气铅污染的主导来源，但传统溯源方法存在源特异性识别精度不足的局限。研究目的旨在构建全国范围四种典型工业源（燃煤发电、钢铁冶炼、垃圾焚烧和生物质焚烧发电）的Pb-FPs多金属指纹谱库，并开发基于机器学习的精准溯源方法。通过单颗粒等离子体飞行时间质谱技术分析发现，不同工业源Pb-FPs具有显著差异化的元素指纹特征：钢铁冶炼源以富Fe/Mn颗粒为主，燃煤源以富Si/Al颗粒为主，垃圾和生物质焚烧源则呈现更复杂的多金属组合特征。研究创新性地采用XGBoost机器学习模型，实现了对Pb-FPs来源的精准识别（F1值达0.76），并在北京、上海PM2.5样本验证中成功解析出钢铁冶炼源的重要贡献（最高达38.1%）。结论表明，该研究建立的指纹数据库和机器学习溯源框架为大气铅污染的精细化管控提供了关键技术支撑，特别强调了对钢铁冶炼等高效排放源实施针对性减排策略的必要性。