基于耦合后向轨迹模型的机器学习方法研究污染物传输对本地臭氧污染的影响
            
                编号:453
                访问权限:仅限参会人
                                    更新:2024-04-10 20:28:55                浏览:1338次
                口头报告
            
            
            
                摘要
                污染物的区域输送是O3污染治理面临的严峻挑战。表征污染物传输的传统空气质量模型在很大程度上依赖于准确的前体排放清单、化学反应机制和气象输入。本研究采用耦合后向轨迹模型的随机森林回归方法(Traj-RFR)评估污染物传输对本地O3污染的贡献。海南空气质量受东亚季风影响较大,是研究污染物传输的理想地点,因此选择其作为本研究的目标区域。Traj-RFR模型对O3显示出良好的预测性能,在仅包含污染物浓度和气象数据的独立测试集上,相关性系数(R2)为0.68。Traj-RFR模型的结果表明,来自上风区域的直接O3输送对海南较高的O3背景浓度贡献显著,可能超过了前体物输送的重要性。与传统算法相比,这种改进的机器学习方法在评估污染物输送对区域空气质量的影响方面更加稳健。
 
             
            
            
            
                    稿件作者
                    
                        
                                    
                                                                                                                        
                                    刘俊
                                    中国科学院生态环境研究中心
                                
                                    
                                        
                                                                            
                                    楚碧武
                                    中国科学院生态环境研究中心
                                
                                             
                          
    
发表评论