Organische Aerosole sind eine wichtige und hochdynamische Komponente von Feinstaub, deren langfristige Reaktion auf Emissionskontrollen jedoch schlecht eingegrenzt ist. Wir analysieren ein Jahrzehnt (2013–2023) von winterlichen Aerosol-Massenspektrometriedaten aus dem städtischen Nanjing, Ostchina, und verwenden ein entwickeltes maschinelles Lernframework, das anthropogene emissionsbedingte Veränderungen von meteorologischen Veränderungen trennt. Die mittleren organischen Aerosolkonzentrationen sanken im Zeitraum von 2013 bis 2017 von 24,6 auf 16,5 μg m–3. Nach Berücksichtigung meteorologischer Einflüsse entfallen etwa 94 % des beobachteten Rückgangs auf Emissionskontrollen. Die Wirksamkeit der anthropogenen Emissionskontrollen auf das gesamte organische Aerosol wurde jedoch in den anschließenden Phasen der Emissionskontrolle um das 2- bis 8-fache geschwächt, insbesondere bei stärker oxidierten sekundären organischen Aerosolen, die nur einen minimalen weiteren Rückgang zeigen. Die attributive Analyse auf Basis von maschinellem Lernen zeigt, dass Rückgänge bei der Verbrennung fossiler Brennstoffe und verkehrsbedingten aromatischen Vorläufern im Durchschnitt etwa 50–60 % der langfristigen Variabilität der sekundären organischen Aerosole erklären, während der meteorologische Einfluss eine untergeordnete Rolle spielt. Diese Ergebnisse liefern beobachtungsbasierten, quellaufgelösten Beweis, dass aktuelle Maßnahmen abnehmende Erträge erzielen und dass zukünftige wirksame Kontrollen bisher übersehene Vorläufer und sekundäre Entstehungswege anvisieren müssen.
Zhang et al. (Sun,) untersuchten diese Frage.