天津市区夏冬季环境空气PM2.5中碳组分污染特征及来源研究

为了明确天津市区环境受体PM_(2.5)中碳组分的污染特征及来源,本研究分别于2016年2月(冬季)和8月(夏季)在天津市区设置6个采样点位同步采集PM_(2.5)样品,采用热光反射法测定样品中各个碳组分(OC1~OC4、EC1~EC3和OP(裂解碳))的含量,并计算得到OC、EC、CharEC和Soot-EC,以定性识别大气颗粒物中碳组分的来源.结果表明,夏季PM_(2.5)中OC平均浓度为(7.5±3.0)μg·m-3,占PM_(2.5)的11.7%±4.1%;而冬季相比于夏季OC的浓度和占比均有增加,分别为(13.1±7.0)μg·m-3和13.9%±2.8%.夏季和冬季EC浓度分别为(4.0±1.8)μg·m-3、(4.3±2.4)μg·m-3,占PM_(2.5)的6.1%±2.0%和4.6%±1.2%.OC与EC的相关性在夏季(r=0.83,p0.01)和冬季(r=0.96,p0.01)均显著,而冬季CharEC与OC(r=0.94,p0.01)、EC(r=0.98,p0.01)相关性明显高于夏季(OC:r=0.44,p0.01;EC:r=0.45,p0.01).PM_(2.5)中OC/EC平均值在夏季和冬季分别为1.9和3.0,估算得到夏季SOC为(2.6±1.4)μg·m-3,占OC的33.5%±13.6%;冬季为(3.5±2.5)μg·m-3,占OC的26.6%±12.0%.夏季Char-EC/Soot-EC为6.5,高于冬季(4.9),并且空间差异性显著(t检验,p0.05).正定矩阵因子模型(PMF)解析结果表明,天津市区大气PM_(2.5)中碳组分主要有4类来源:燃煤及生物质排放混合源、柴油车、汽油车、道路尘,对夏季PM_(2.5)中碳组分分担率分别为35.4%、16.4%、20.5%、14.4%;对冬季碳组分分担率分别为41.3%、15.5%、18.1%、16.3%.可见,燃煤和机动车是天津市区PM_(2.5)中碳组分的主要来源.     

广西玉林市大气PM10和PM2.5中有机碳和元素碳污染特征分析

2015年7月~2016年3月期间在广西玉林市3个空气监测点位共采集环境大气颗粒物PM_(10)样品218份,PM_(2.5)样品202份,利用多波段热/光碳分析仪分析其颗粒物中有机碳和(OC)和元素碳(EC)浓度水平、时空变化、污染特征及可能来源.结果表明,玉林市PM_(10)中OC和EC质量浓度分别为10.99μg·m~(-3)和5.11μg·m~(-3);PM_(2.5)中OC和EC质量浓度分别为7.51μg·m~(-3)和4.70μg·m~(-3).3个监测点位大气中PM_(10)和PM_(2.5)冬季的OC和EC浓度水平均高于其他季节,PM_(10)、PM_(2.5)中OC和EC的相关性较好,R2分别为0.58和0.60(P均小于0.01).应用最小OC/EC比值法对二次有机碳(SOC)含量进行了估算,冬季大气PM_(10)和PM_(2.5)中SOC平均质量浓度分别为14.50μg·m~(-3)和6.74μg·m~(-3),高于其他季节.PM_(10)和PM_(2.5)中SOC/OC比值均0.5,玉林市大气中粗细颗粒物均以SOC为主.夏季PM_(10)和PM_(2.5)中SOC/OC分别为80.6%和77.7%,为四季最高值,与夏季温度较高、光照强烈、有利于光化学反应将OC转化为SOC有关.     

南京北郊秋季PM2.5碳质组分污染特征及来源分析

本研究于2015年10~11月在南京北郊分昼夜采集PM_(2.5)样品,采用热光透射法(TOT)和离子色谱法对样品中的有机碳(OC)/元素碳(EC)和左旋葡聚糖(levoglucosan)的质量浓度特征进行分析.观测期间OC和EC的平均浓度分别为(11.3±4.9)μg·m-3和(1.1±0.9)μg·m-3,总碳TC占PM_(2.5)的质量分数为22.9%,OC/EC的平均值为7.4,SOC占OC的质量分数为51.9%.PM_(2.5)、OC、EC和SOC质量浓度都体现出夜晚白天的特征,白天OC和EC的相关性好于夜晚(相关性系数分别为0.86和0.7).通过分析PM_(2.5)、左旋葡聚糖和SOC质量浓度以及后向轨迹和火点数据可知南京北郊在13~16号受到来自河北等地生物质燃烧远距离输送的影响.采样期间K+和左旋葡聚糖与OC、EC和SOC的相关性显著(相关性系数分别为0.78、0.79和0.65),经受体示踪物方法估算采样期间生物质燃烧对OC的贡献为21.9%.     

宁波市PM2.5中碳组分的时空分布特征和二次有机碳估算

为了研究PM2.5中碳质组分的时空分布特征,于2012年12月至2013年10月4个季度典型时段在宁波市5个采样点采集环境大气中的PM2.5,分析了样品中有机碳(OC)和元素碳(EC)的质量浓度,并估算二次有机碳(SOC)对OC的贡献.结果表明:1宁波市PM2.5年均质量浓度为51.6μg·m-3,其中OC和EC的比例分别为17%和6%.反向轨迹模型的分析结果表明,来自内陆地区的区域传输可能是冬季和春季PM2.5浓度较高的主要原因.2OC/EC比值和OC与EC的相关性分析结果表明,夏季有大量SOC生成,而冬季则可能受华北地区燃煤供暖的显著影响.3用EC示踪法对宁波市的SOC进行了估算,结果表明宁波冬季和春季受到区域传输的显著影响,污染源较不稳定,不宜使用该估算方法.夏季和秋季的SOC质量浓度分别为2.5μg·m-3和2.3μg·m-3,占OC的42%和28%.     

长三角典型站点冬季大气PM2.5中OC、EC污染特征

对2015年1月9日~2015年1月31日临安、南京和苏州3个站点采集的PM_(2.5)样品(共计279组),使用热光反射法(thermal/optical reflectance,TOR)分析了样品中有机碳(OC)与元素碳(EC)的含量,并研究了长三角地区冬季PM_(2.5)中OC和EC的污染特征.结果表明,采样期间临安、南京和苏州的PM_(2.5)平均质量浓度分别为(123.56±61.11)、(144.77±62.91)和(156.5±68.97)μg·m-3,均超过我国《环境空气质量标准》(GB 3095-2012)规定的PM_(2.5)日均值75μg·m-3;其中3个站点OC与EC的平均质量浓度依次分别为(21.93±11.69)/(6±3.6)、(20.32±10.3)/(5.39±3.07)和(27.08±14.35)/(6.4±4.29)μg·m-3.临安作为长三角大气环境背景点,OC与EC的污染也较为严重.3个站点OC与EC的相关性为临安(R2=0.83)、南京(R2=0.72)和苏州(R2=0.72),表明冬季长三角地区的碳质气溶胶的来源较为一致和稳定.3个站点样品中的OC/EC值均大于2.0,样品的OC/EC值主要分布在2.5~6.0这个区间内,表明燃煤源和机动车尾气排放源是OC与EC的主要来源.使用EC示踪法估算临安、南京和苏州3个站点的二次有机碳(SOC)平均质量浓度分别为(9.23±5.26)、(6.82±4.36)和(12.56±7.52)μg·m-3,在OC中占比为42%、34%和46%,表明SOC是OC的重要组成部分.后向轨迹显示,PM_(2.5)、OC和EC的质量浓度与主要气团的传输路径有较好的相关性,自空气质量较差区域气团的PM_(2.5)、OC和EC的质量浓度是来自空气质量较好区域的1.14~1.7倍、1.55~2.1倍和1.94~2.47倍.     

太原市PM2.5中有机碳和元素碳的污染特征

采集了太原市4个点位冬季和夏季PM2.5样品,利用元素分析仪测定了PM2.5中有机碳(OC)和元素碳(EC)的质量浓度,并对碳气溶胶污染水平、时空分布、二次有机碳(SOC)以及OC和EC相关性等特征进行了分析.结果表明,太原市冬季有机碳(OC)、元素碳(EC)平均质量浓度为22.3μg·m-3和18.3μg·m-3,夏季OC、EC平均质量浓度为13.1μg·m-3和9.8μg·m-3,冬季和夏季总碳气溶胶(TCA)占PM2.5的比例分别为56.6%和36.5%;各点位OC和EC质量浓度均呈现冬季夏季的季节特征,冬季OC、EC浓度呈现出较好的均一性,夏季OC、EC质量浓度存在较明显的空间分布差异;太原市SOC污染较轻;冬季OC、EC相关性较强,夏季OC、EC相关性差.     

南京北郊夏季大气颗粒物中有机碳和元素碳的污染特征

采用DRI Model 2001A热/光碳分析仪对2013年5~7月期间南京北郊大气气溶胶9级惯性撞击式分级Andersen采样器膜采样样品中有机碳(OC)和元素碳(EC)的质量浓度进行了分析.结果表明,南京北郊夏季EC、OC的平均浓度,在PM2.1(空气动力学直径≤2.1μm)中分别为(2.6±1.1)μg·m-3、(13.0±5.2)μg·m-3,在PM9.0(空气动力学直径≤9.0μm)中,分别为(3.4±1.7)μg·m-3、(20.3±7.3)μg·m-3.EC主要富集在超细颗粒物中,OC主要存在于细颗粒物中,EC的PM1.1/PM9.0比值和OC的PM2.1/PM9.0比值分别为0.62和0.64.EC和OC浓度的平均最高值都出现在≤0.43μm粒径段中,分别占PM9.0中的总元素碳的33.4%和总有机碳的21.1%.南京北郊夏季PM1.1、PM2.1和PM9.0中EC、OC的相关性较好,说明存在共同的一次污染源.通过OC/EC特征物比值的方法得到南京夏季碳质颗粒物的主要来源有机动车尾气排放、燃煤排放和地面扬尘排放.     

万州城区夏季、冬季PM_(2.5)中有机碳和元素碳的浓度特征

在位于三峡库区腹心的山地城市万州城区采集夏季和冬季PM2.5样品,采用热光反射法(Thermal Optical Reflection,TOR)测定了PM2.5中有机碳(OC)和元素碳(EC)的浓度,探讨了其污染特征及来源.结果发现,OC和EC在夏季的平均浓度分别为(7.09±1.86)μg·m-3和(3.49±0.64)μg·m-3;冬季分别为(16.82±6.87)μg·m-3和(6.21±2.06)μg·m-3,高于夏季,这可能与冬季当地居民生物质燃烧的贡献显著增加有关.冬季OC和EC显著线性相关(r=0.89),表明冬季两者的一次污染来源相近.冬季PM2.5中总碳(TC)和水溶性K+含量的相关性(r=0.88)高于夏季(r=0.69),表明冬季生物质燃烧对碳污染贡献显著.利用OC/EC比值法对二次有机碳(SOC)进行估算,SOC的浓度均值在夏季为(2.17±1.46)μg·m-3,占OC比例为28.18%±13.85%;冬季为(4.46±3.69)μg·m-3,占OC的23.13%±12.30%.通过计算PM2.5中8个碳组分丰度,初步判断机动车尾气排放和生物质燃烧是万州城区碳组分的主要来源.     

菏泽市PM2.5碳组分季节变化特征

于2015年8月到2016年4月在菏泽市城区采集PM_(2.5)颗粒,利用热/光碳分析仪测定了颗粒物中8种碳组分,获得了有机碳(OC)和元素碳(EC)的质量浓度,分析了OC与EC的比值、相关性,使用OC/EC比值法估算了二次有机碳(SOC)的浓度,并使用主成分分析法研究8种碳组分含量.结果表明,(1)PM_(2.5)中OC、EC的年质量浓度变化范围分别为1.2~60.6μg·m~(-3)、0.6~24.8μg·m~(-3),OC/PM_(2.5)、EC/PM_(2.5)的季节分布特征相似:冬季春季秋季夏季;(2)OC/EC的年平均值为2.6±1.0,春夏秋冬OC、EC的相关系数分别为0.91、0.56、0.86、0.75,估算的SOC年平均浓度为(4.7±5.0)μg·m~(-3);(3)不同季节8种碳组分质量分数均为EC1最高,EC3最低.主成分分析结果显示,春秋冬这3个季节碳组分的主要来源为燃煤、机动车和生物质燃烧.     

冬夏季广州城区碳气溶胶特征及其与O_3和气象条件的关联

2008年1月1日～31日和7月1日～31日在广州城区每天采集1个PM2.5样品,对样品进行碳成分分析,得到有机碳(OC)、元素碳(EC)浓度.同步观测了气象因子以及SO2、NO2、O3气态污染物浓度.结果发现,冬季和夏季PM2.5日均值质量浓度分别为(81.2±61.4)μg.m-3和(53.7±23.2)μg.m-3,OC质量浓度分别为(24.6±19.3)μg.m-3和(14.0±5.6)μg.m-3,EC质量浓度分别为(7.9±5.4)μg.m-3和(4.7±2.2)μg.m-3,OC/EC比值分别为2.9±0.6和3.2±1.0.冬夏季非降雨的稳定天气条件下二次有机碳气溶胶(SOC)浓度分别为(6.1±6.6)μg.m-3和(5.8±5.2)μg.m-3.冬夏季SOC和O3浓度显著相关(p0.01).东南风和西南风条件下,OC、EC浓度普遍较高,表明东莞、江门和佛山地区的工业污染源对广州地区污染物累积和霾天气的形成有一定的贡献.     

石家庄市采暖前后大气颗粒物及其碳组分特征

为研究石家庄市大气颗粒物、碳组分特征和污染来源,采集2016年11月1日—12月31日石家庄市大气颗粒物（PM₁₀、PM_2.5和PM₁）样品,分析采暖前后PM₁₀、PM_2.5和PM₁及其中OC（有机碳）、EC（元素碳）和WSOC（水溶性有机碳）浓度水平,计算颗粒物与碳组分间相关性,进行OC/EC（质量浓度之比,下同）特征比值法和8个碳组分（OC1、OC2、OC3、OC4、OPC、EC1、EC2和EC3）研究.结果表明:①采暖后ρ（PM₁₀）和ρ（PM_2.5）比采暖前分别增加了26.4%和32.1%,而采暖后ρ（PM₁）比采暖前降低了12.2%.采样期间ρ（PM₁₀）与ρ（PM_2.5）显著相关,而ρ（PM₁）分别与ρ（PM_2.5）和ρ（PM₁₀）相关性差.采暖后散煤燃烧造成ρ（PM₁₀）和ρ（PM_2.5）增加,区域机动车限行和工业限产/停产导致ρ（PM₁）降低.②Pearson相关系数计算可知,ρ（OC）与ρ（EC）强相关;ρ（PM₁₀）和ρ（PM_2.5）分别与ρ（OC）和ρ（WSOC）强相关,而ρ（PM₁）分别与ρ（OC）和ρ（WSOC）中等相关;ρ（PM₁₀）和ρ（PM_2.5）分别与ρ（EC）弱相关,ρ（PM₁）与ρ（EC）中等相关.③采暖后PM₁₀、PM_2.5和PM₁中ρ（OC）比采暖前分别增加了215.1%、97.2%和18.5%;采暖后PM₁₀和PM_2.5中ρ（EC）比采暖前分别增加了65.2%和5.3%,而采暖后PM₁中ρ（EC）比采暖前降低了10.9%.集中供热和散煤燃烧排放了大量OC;PM₁₀和PM_2.5中EC主要来源于散煤燃烧,PM₁中EC主要来源于工业排放和机动车尾气.④采暖前PM₁₀、PM_2.5和PM₁中OC/EC平均值分别为4.5、4.5和4.3;采暖后PM₁₀和PM_2.5中OC/EC平均值分别为9.8和9.7,而PM₁中OC/EC平均值为7.4.采暖前后SOC/OC（质量浓度之比,下同）平均值的范围为0.36~0.65,石家庄市冬季大气中SOC污染严重;⑤8个碳组分分析发现,石家庄市机动车限行导致PM₁中ρ（EC1）降低,而采暖后集中供暖和散煤燃烧的增加,导致ρ（OC2）明显增加.研究显示,大气颗粒物中碳组分采暖前主要来源于机动车尾气,而采暖后主要来源于燃煤燃烧,尤其是散煤燃烧.      

邯郸市PM2.5中碳组分的浓度、来源及其变化

为明确邯郸市PM_(2.5)中碳组分污染浓度、来源和近年来的变化,分别于2015和2017年1、4、7、10月在河北工程大学能环实验楼4层采集PM_(2.5)样品,采用热/光碳分析仪测定了样品中8种碳组分含量,并计算得到有机碳(OC)、元素碳(EC)、Char-EC和Soot-EC含量.结果表明,2017年PM_(2.5)中碳组分浓度较2015年下降约15%,质量分数下降约17%,季节变化均表现为冬高夏低的特点;2017年SOC浓度和SOC/PM_(2.5)、SOC/OC比值均低于2015年,SOC浓度和SOC/PM_(2.5)比值下降约36%,季节分布特征相似(秋冬高、春夏低).两年除夏季外,其余季节OC、EC相关系数均高于0.7,表明存在共同来源;2017年OC、OC1与EC相关性高于2015年,此外,两年中EC1～EC3、Char-EC和Soot-EC与各组分相关系数差异较大;两年中Char-EC与OC、EC的相关性(r=0.5～1.0)明显高于Soot-EC与OC、EC的相关性(r=0.1～0.6),这主要与二者形成机理有关.碳组分之间的关系和主成分分析结果表明,燃煤、生物质燃烧和柴油车尾气的混合源是2015年碳质组分的主要来源,而2017年则来源于燃煤和机动车尾气排放.     

朔州市市区PM2.5中元素碳、有机碳的分布特征

采集朔州市市区4个点位采暖季和非采暖季环境空气PM2.5样品,利用Elementar Analysensysteme Gmb H vario EL cube型元素分析仪测定其中元素碳(elemental carbon,EC)和有机碳(organic carbon,OC)含量,并对碳组分的浓度水平、时空分布特征和主要来源进行分析.结果表明,朔州市市区非采暖季PM2.5中OC和EC的平均浓度为(14.3±2.7)μg·m-3和(10.3±3.1)μg·m-3,采暖季OC、EC平均浓度分别为(23.3±5.9)μg·m-3和(20.0±5.7)μg·m-3;4个点位OC和EC的浓度均表现为采暖季大于非采暖季,其中在采暖季,点位SW中OC和EC浓度分别为28.5μg·m-3和28.1μg·m-3,高于其它采样点,在非采暖季,点位PS中OC和EC的浓度分别为17.7μg·m-3和14.1μg·m-3高于其它采样点;采暖季和非采暖季PM2.5中OC/EC值均小于2,但OC和EC相关性不好(在采暖季和非采暖季的相关系数分别为0.66和0.52),说明PM2.5中碳气溶胶来源复杂.控制碳组分一次排放来源,如燃煤烟尘、生物质燃烧及机动车尾气排放,同时关注二次污染是控制朔州市PM2.5的关键.朔州市市区采暖季和非采暖季PM2.5中二次有机碳(secondary organic carbon,SOC)浓度分别为(6.44±2.77)μg·m-3和(4.11±1.92)μg·m-3.     

忻州市环境空气PM10中有机碳和元素碳污染特征分析

采集了忻州市4个监测点位采暖季和非采暖季环境空气PM10样品,利用Elementar Analysensysteme GmbH vario EL cube测定有机碳(organic carbon,OC)和元素碳(elemental carbon,EC)的质量浓度,通过OC和EC的时空分布、比值以及相关性分析揭示忻州市的碳组分污染特征.结果表明,忻州市PM10中OC和EC的平均质量浓度分别为(18.5±4.5)μg·m-3和(16.1±4.3)μg·m-3,采暖季和非采暖季TCA占PM10的比例分别为70.7%和43.8%;4个监测点位采暖季OC的质量浓度均高于非采暖季,XT、DC和KQ监测点采暖季EC的质量浓度高于非采暖季,SQ监测点则相反,采暖季燃煤是OC和EC的主要来源;监测点XT的OC质量浓度最高,为24.1μg·m-3,DC的EC质量浓度最高,为22.0μg·m-3,SQ的OC和EC质量浓度最低,分别为17.2μg·m-3和14.5μg·m-3,区域性污染特征存在差异;OC/EC均值小于2,一次污染严重;非采暖季OC与EC浓度相关性较好(R2=0.55),二者排放源单一,主要来源为机动车尾气排放,采暖季相关性不显著(R2=0.13),二者排放源复杂.忻州市主要通过控制燃煤、机动车尾气、生物质燃烧、工业源等的一次排放来减轻碳组分污染,进而提高环境空气质量.     

城区与县区不同空气质量下碳组分污染特征对比分析

为对比城区与相邻县区不同空气质量下的碳组分污染特征,分别在成都市和仁寿县采集霾期及非霾期PM_(2.5)有效样品共计88个,确定其相应质量和各碳组分浓度[有机碳(OC)、元素碳(EC)和二次有机碳(SOC)等],并进行各碳组分之间的相关性及主成分分析.结果表明,不同空气质量下的城区污染物浓度均高于县区.OC和EC密切相关,非霾期的相关性系数较霾期大.与城区相比,霾期县区的SOC/PM_(2.5)较大,说明其受二次有机物污染更为明显;但城区非霾期二次气溶胶占比明显高于霾期,表明霾期的一次排放是城区大气污染的主要原因.燃煤、机动车排放和生物质燃烧均是两个区域PM_(2.5)的主要来源.     

兰州春夏季PM10碳组分昼夜变化特征与来源分析

为探讨兰州市春夏季大气可吸入颗粒物(PM_(10))中碳气溶胶的昼夜变化特征及来源,从2015年4月1日至8月30日分白天(08:00~20:00)和夜间(20:00~次日08:00)对兰州市区PM_(10)样品进行采集,并分析了其中的有机碳(OC)和元素碳(EC)的昼夜浓度.结果表明,采样期间白天PM_(10)、OC和EC的平均浓度分别为(136.0±84.3)、(12.4±3.2)和(2.3±0.7)μg·m-3.夜间,PM_(10)和OC、EC的平均浓度分别为(196.0±109.2)、(16.0±5.3)和(5.0±2.1)μg·m-3.PM_(10)、OC和EC浓度均呈现出夜间高于白天.采样期间白天二次有机碳占有机碳的比值均高于夜间,表明白天受二次有机碳的污染更严重.沙尘日PM_(10)和OC浓度均高于非沙尘日,而EC浓度与非沙尘日接近.沙尘日,二次有机碳和总碳气溶胶的浓度均较高,但对PM_(10)的贡献相对较低.对碳气溶胶8种组分进行主成分分析,结果表明在非沙尘日,白天碳气溶胶主要来源于燃煤、汽油车、柴油车排放和生物质燃烧,夜间主要受到燃煤、扬尘以及柴油车和生物质燃烧的影响.     

南京春季北郊地区大气PM2.5中主要化学组分及碳同位素特征

PM_(2.5)是大气的重要污染物之一,其成分复杂,为研究PM_(2.5)的污染特征及来源,于2016年3月采集南京北郊地区大气中的PM_(2.5),利用Dinoex ICS-3000和ICS-2000型离子色谱和DRI Model 2001A热/光碳分析仪分别测定了PM_(2.5)中的阴阳离子和碳质组分,利用元素分析仪-同位素质谱仪测定大气PM_(2.5)中的总碳同位素(δ~(13)CTC)组成特征.结果表明,2016年3月期间南京北郊地区PM_(2.5)污染严重,平均浓度达(106.16±48.70)μg·m~(-3),且88%观测天中存在明显的二次有机污染,SOC平均浓度为(3.58±2.78)μg·m~(-3),且在晴天条件下高浓度的二次有机碳(SOC)与紫外线作用下的O_3具有较强的相关性.大气PM_(2.5)中δ~(13)CTC值范围是-26.56‰~-23.75‰,平均值为(-25.47‰±0.63‰),结合化学组分的三相聚类分析结果可知,大气PM_(2.5)主要来源于燃煤过程、机动车排放,此外还受地质源和生物质燃烧源的影响.     

珠江三角洲二氧化碳源汇演变特征及驱动因素

随着经济与人口快速增长，珠江三角洲（珠三角）地区是我国碳中和压力最大的区域之一.通过建立珠三角地区二氧化碳（CO₂）源汇历史趋势清单，分析碳排放与碳汇的历史演变特征，并基于指数分解法识别了影响珠三角碳源汇的关键驱动因素.结果表明：① 2006~2020年珠三角碳排放总量从2.18亿t上升至3.66亿t，呈现出波动上升的演变特征，总体上升了67.86%，尚未实现碳达峰；② 2006~2020年珠三角绿地碳汇总量从1567.26万t下降至1552.59万t，呈现出波动下降的趋势特征，总体下降了0.94%，碳汇量远低于碳排放量，距离碳中和仍有很大缺口；③珠三角碳源主要来源于能源部门（40.38%）和工业部门（26.33%），碳汇主要来源于林地（67.92%）和耕地（18.09%）；④"十一五"至"十三五"期间，碳源的主要正向驱动因素是经济增长和人口规模，主要负向驱动因素是能源强度（单位GDP的能源使用量），但"十三五"以来，降低能源强度可以释放的CO₂减排潜力正在减弱，未来需要挖掘能源、工业和交通等方面结构调整的负向驱动潜力；⑤"十一五"至"十三五"期间，碳汇的主要正向驱动因素是绿地规模，源于"十一五"期间城市绿地面积增加，主要负向驱动因素是碳汇系数，源于自然灾害导致的水稻等高碳汇系数作物减产，未来绿地增汇需重视绿地结构调整.研究可为珠三角制定降碳增汇政策提供科学支撑.