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
ID:453 View Protection:ATTENDEE Updated Time:2024-04-10 20:28:55 Hits:1935 Oral Presentation

Start Time:2024-05-19 09:28(Asia/Shanghai)

Duration:12min

Session:S12 主题12、大气物理与气象气候 » S12-4主题12、大气物理与气象气候 专题12.2(19日上午,222)

No files

Abstract
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。
 
Keywords
臭氧污染,后向轨迹,区域传输,机器学习
Speaker
刘俊
中国科学院生态环境研究中心

Submission Author
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
Submit Comment
Verify Code Change Another
All Comments
Important Date
  • Conference Date

    May 17

    2024

    to

    May 20

    2024

  • Mar 31 2024

    Draft paper submission deadline

  • Mar 31 2024

    Contribution Submission Deadline

  • May 20 2024

    Registration deadline

Sponsored By
青年地学论坛理事会
Organized By
厦门大学近海海洋环境科学国家重点实验室
中国科学院城市环境研究所
自然资源部第三海洋研究所
Contact Information
Previous Conferences