英文原题：Source Identification of Atmospheric Particles via Low-Voltage Electron Microscopy Image Recognition: A Case Study of Submicrometer Particles
通讯作者：赵普生，大气颗粒物电镜分析联合实验室；冯银厂，南开大学
作者：Zhao Peng（赵鹏），Zhao Pusheng（赵普生），Zhang Wei（张威），Tong Menghan（佟梦晗），Yang Yatao（杨亚韬），Gary S. Casuccio，Li Long（李龙），Gao Jian（高健），Li Jiang（李江），Feng Yinchang（冯银厂）
背景介绍
大气颗粒物源解析是大气污染防控与健康风险评估的关键技术支撑。经典源解析方法存在污染源识别精细度不足、结果不确定性高等局限。计算机控制扫描电镜（CCSEM）可快速获取大气单颗粒形貌、粒径、化学元素信息，为大气颗粒物溯源提供了新思路。团队前期基于CCSEM数据构建的RX模型（Environ. Sci. Technol., 59 (7), 3645-3655, 2025）已在微米级一次颗粒物溯源中实现高精度解析并投入业务化应用。但常规CCSEM分析方法的电子信号穿透深度大，亚微米（0.2–1.0μm）颗粒成像易受基底与颗粒内部信号干扰，形貌特征失真，直接影响亚微米颗粒溯源的准确性，成为该技术应用的核心瓶颈。
文章亮点
▶ 本研究对CCSEM分析方法进行优化，采用低加速电压（5kV）开展样品分析，有效降低电子信号穿透深度，减少基底与颗粒深层信号干扰，清晰保留亚微米颗粒表面精细形貌特征，大幅提升单颗粒图像数据质量，为构建形貌驱动的溯源模型奠定数据基础。
▶ 基于低电压CCSEM获取的高质量单颗粒图像，研究团队构建了ImageTracerNet深度学习源解析模型，通过解决图像批次差异、背景干扰等问题，结合迁移学习与交叉验证策略，实现仅依靠单颗粒形貌特征完成亚微米颗粒物的精准溯源。
图1.基于ImageTracerNet模型的大气颗粒物溯源技术框架
总结与展望
本研究进一步完善了基于CCSEM与深度学习的大气单颗粒源解析方法体系，ImageTracerNet与团队前期开发的RX模型优势互补，分别覆盖亚微米与微米尺度颗粒溯源，系列方法具有分析通量高（>1000颗粒/小时）、自动化程度高等优点，具备业务化推广潜力。
相关论文被遴选为Environmental Science & Technology Letters主封面（Front Cover）论文，南开大学博士生赵鹏为第一作者，赵普生研究员和冯银厂教授为共同通讯作者。
图2.期刊封面
通讯作者简介：
赵普生 研究员
赵普生，研究员，生态环境部大气颗粒物电镜分析联合实验室，执行负责人，从事大气颗粒物理化特征及溯源技术的研究，以及相关产品的开发。北京市优秀人才，北京市科技新星。
冯银厂 教授
冯银厂，教授，南开大学环境科学与工程学院，国家重大研发计划项目首席科学家、京津冀环境综合治理国家科技重大专项的总体专家组成员。主要从事大气污染成因与来源解析技术、大气污染防治技术等方面研究。主导制定了多项国家环境保护行业标准。出版专著三部，发表科研论文200余篇。
扫描二维码阅读英文原文
Environ. Sci. Technol. Lett. 2026, 13, 360−366
Publication Date: August 14, 2025
https://doi.org/10.1021/acs.estlett.5c00700
© 2026 American Chemical Society
Editor-in-Chief
Bryan W. Brooks
Baylor University
Environmental Science & Technology Letters 作为一个国际性的交流平台，在快速发表环境科学领域实验或理论研究成果的同时，也在促进环境学科实验及理论话题的快速讨论，以及新兴环境科学与技术主题的简短评论。
2-Year Impact Factor
CiteScore
Time to First Peer Review Decision
8.8
15.5
25.5
点击“阅读原文”
你“在看”我吗？
