第八届青年地学论坛

深度学习在大气环境研究中的应用正在快速的扩展。本报告将介绍我们使用深度学习方法模拟、解析和预测大气污染物来源和变化的研究进展。我们首先使用深度学习方法模拟我国城市地表臭氧(O₃)对二氧化氮(NO₂)浓度变化的响应，研究发现氮氧化物排放降低导致我国内地城市2015-2020年地表O₃浓度增加；在此基础上，我们进一步使用深度学习方法解析人类活动和气象条件变化对华北平原O₃浓度的影响，研究发现气象条件变化导致华北平原2019-2021年O₃浓度降低。此外，我们评估了深度学习方法的时间和空间扩展性。我们首先使用深度学习方法预测我国2015-2020年地表一氧化碳(CO)浓度，研究表明深度学习相比卡曼滤波同化能够更好的预测我国地表CO浓度；在此基础上，我们进一步使用深度学习方法预测我国、美国和欧洲的地表O₃浓度，研究发现深度学习能够较好的学习大气成分对排放和气象条件变化的响应。本报告展示的内容有助于进一步拓展深度学习方法在大气环境领域的应用。
 

深度学习,臭氧,一氧化碳,氮氧化物