机器学习技术在大气科学领域得到了广泛的应用。然而，机器学习技术预测大气成分的能力是否可以外推到具有显著空间和时间差异的不同领域仍然有待研究。在本工作中，我们通过整合深度学习（DL）和化学传输模型（CTM）方法，对地表一氧化碳（CO）和臭氧（O3）预测进行比较分析。我们利用2015-2018年中国地表CO观测数据训练的深度学习模型表现出良好的空间和时间外推能力，2019-2020年中国地表CO预报良好。我们利用2015-2018年中国和美国地面O3观测数据训练的深度学习模型，预测了2015-2022年中国、美国和欧洲地面O3小时浓度，我们发现深度学习模式对中国、美国2019-2022年地表臭氧的预测能力优于GEOS-Chem模式模拟（时间外推）；深度学习模式对欧洲2015-2022年地表臭氧的预测能力与GEOS-Chem模式模拟相当（空间外推），这表明深度学习模型具有捕获普适规律的能力。

一氧化碳,臭氧,深度学习,GEOS-Chem