黑碳是一种对天气气候、空气质量和人体健康都有重要影响的气溶胶成分。利用基础数据和排放因子等建立的黑碳排放清单还有很大的不确定性,Streets 等人曾计算了亚洲地区各种大气成分源排放的不确定大小(取95％的置信区间),SO2 仅有±16％,而BC 源的不确定性高达±360％,亟需完善更新。我们将先进的集合卡尔曼滤波方法(EnKF)用于反演订正大气黑碳气溶胶。基于化学天气预报模式CUACE 气溶胶模块构建了黑碳气溶胶源强反演系统,深入研究了其在反演源强中的关键科学问题和解决方法,包括：1)开发利用傅里叶快速变换及马尔科夫链过程产生随空间、时间相关的源强扰动清单技术；2)研究奇异值分解等方法优化集合样本的方案；3)通过局域化浓度与源强间的背景场误差协方差矩阵等方法剔除有限样本引进的虚假信息；4)考察了关于观测的空间分布、时间间隔、误差大小问题等因素对反演准确率的影响。利用中国地区30 余个黑碳气溶胶地面站的小时观测数据,对2008 年1 月中国黑碳源清单进行了偏差订正。研究结果表明订正后的源排放数据,模拟预报浓度的均方根误差有了明显减少,特别是观测站点较为密集的中国东部。该方法也可以通过气溶胶间的排放比例等对没有观测数据的大气成分进行源反演,这是我们后面工作的主要研究方向。