一项由德国莱布尼兹对流层研究所领导的国际研究团队发现，现有气候模型在模拟城市气溶胶吸湿性增长方面存在显著偏差，这可能导致对区域气候趋势的误判。该研究发表于《通讯地球与环境》期刊，指出在德里、开罗等化学成分复杂且污染严重的地区，气溶胶颗粒的吸湿性增长速度快于模型预测，能吸收更多水分，从而增强云层对太阳辐射的反射。这一机制可能部分解释了亚洲和非洲大陆观察到的区域冷却趋势或变暖速度较缓的现象。 传统气候模型往往简化了气溶胶的吸湿性处理，忽略了颗粒在不同环境下的混合状态及粒径差异。为填补这一知识空白，研究人员开发了一种基于可解释机器学习的新方法，整合了来自北京、开罗、德里、德国、纳米比亚、美国、法国及大西洋沿岸等十个地点、历时十余年的观测数据。该方法不仅涵盖了多种粒径范围，还结合了化学成分、粒子数量分布及气象条件，有效填补了数据空白并提升了预测精度。 研究数据显示，在城市和人口稠密区，新排放的颗粒物与老化气溶胶的相互作用显著影响了吸湿性。在重度污染的大城市，气溶胶吸湿生长更快，这不仅导致地表接收到的辐射减少，产生冷却效应，还可能通过加剧雾霾影响公共健康。相比之下，传统模型因假设理想内部混合而忽视了粒子的来源和尺寸差异，因此在这些区域误差最大。 研究团队负责人强调，将这种基于数据驱动的区域内特定参数化方案纳入下一代气候模型，可使区域直接辐射强迫的估算值发生高达每平方米 0.1 瓦的显著变化。这一改进将大幅降低气候预测的不确定性，甚至可能改变气溶胶与辐射相互作用的性质，为全球气候研究提供更精准的依据。