目前我国面临大气污染和气候变化的双重压力，黑碳气溶胶是PM_2.5的重要组成成分，也是仅次于CO₂的大气增温物质，减少黑碳在大气中的含量有助于改善空气质量、调节全球气候和实现“碳达峰、碳中和”战略目标。厘清黑碳的区域来源及定量贡献，是制定科学有效减排政策的前提。然而，传统的源解析技术和现有的数值模拟方法在黑碳溯源过程中仍存在精度不足、空间分辨率有限、计算量巨大等问题，难以满足精细化污染控制的需求。
本研究引入奇异向量分析（Singular Vector Analysis; SVA）方法，基于中国气象局地球系统数值预报中心自主研发的大气-化学强耦合CMA-GFS-AERO切线性和伴随模式，构建了CMA-GFS-AERO-SVA黑碳源追踪系统。该系统通过计算在有限时间间隔内相对于特定权重算子增长最快的扰动，识别出对目标区域黑碳浓度最敏感的排放源区和初始扰动信息，从而实现高分辨率、高效率的黑碳污染溯源。相比于伴随敏感性分析方法，SVA在捕捉系统中最有效传播扰动方面具备更强的能力，能提供更具物理意义的敏感源区识别结果。
本研究进一步将CMA-GFS-AERO-SVA系统应用于多个典型黑碳污染过程的个例分析中，系统追踪了弱气压场型、低压辐合区型、高压后部型等不同污染天气类型下的黑碳敏感源区。结果表明，奇异值及对应奇异向量受模拟时间长度、气象条件、目标区域位置及大小等多种因素的影响，不同天气类型污染过程的敏感源区在空间分布和贡献强度上存在明显差异，体现了SVA方法在黑碳污染源追踪中的高适应性和可靠性。本研究为黑碳污染的高精度溯源和源区识别提供了一种新的技术路径，拓展了SVA方法在大气污染防治中的应用场景，为区域联防联控和精细化减排提供了科学支撑。

奇异向量分析，大气-化学强耦合伴随模式，源追踪，黑碳