报告详情
基于深度学习模型和GEOS-Chem模式研究中国和美国O3对NOx变化的响应
编号：3683
访问权限：私有
更新：2023-04-16 19:46:34 浏览：618次
快闪报告
报告开始：2023年05月06日 11:30（Asia/Shanghai）
报告时间：5min
所在会场：[14B] 14B、气溶胶与大气环境 [14B-4] 14B-4 气溶胶与大气环境
暂无文件
摘要
深度学习模型在模拟城市臭氧浓度方面表现优异：深度学习模型和GEOS-Chem化学传输模型模拟的与观测的地表臭氧日变化的相关系数在中国北部、南部和美国东部分别为0.88和0.79，0.87和0.90，0.87和0.49。此外，基于数据的方法发现中国内陆北部城市地区的VOC-limited状态，美国东部城市地区为过渡状态；相比之下，GEOS-Chem模式在上述区域都显示出强烈的NOx-limited状态。GEOS-Chem模拟敏感性分析结果显示由于粗糙的模式分辨率（0.5°×0.625°）和较强的区域输运，使得城市NO2浓度被低估，最终导致O3对NOx排放的响应与其他方法不一致。本文研究中的臭氧对NOx变化的响应提供了对城市臭氧污染的更好理解，例如，2014-2020年，NOx排放的减少导致四川盆地地表臭氧增加了约7 ppb，而模式则显示臭氧会减少。
关键词
臭氧,深度学习,变化机理,GEOS-Chem模型
报告人
陈小康
在读博士生 中国科学技术大学稿件作者
全部评论
重要日期
-
会议日期
05月05日
2023
至05月08日
2023
-
03月31日 2023
初稿截稿日期
-
05月25日 2023
注册截止日期
主办单位
青年地学论坛理事会
中国科学院青年创新促进会地学分会
中国科学院青年创新促进会地学分会
承办单位
武汉大学
中国科学院精密测量科学与技术创新研究院
中国地质大学（武汉）
中国科学院精密测量科学与技术创新研究院
中国地质大学（武汉）
发表评论