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:858次 口头报告

报告开始:2024年05月19日 09:28(Asia/Shanghai)

报告时间:12min

所在会场:[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)

暂无文件

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。
 
关键词
臭氧污染,后向轨迹,区域传输,机器学习
报告人
刘俊
中国科学院生态环境研究中心

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
验证码 看不清楚,更换一张
全部评论
重要日期
  • 会议日期

    05月17日

    2024

    05月20日

    2024

  • 03月31日 2024

    初稿截稿日期

  • 03月31日 2024

    报告提交截止日期

  • 05月20日 2024

    注册截止日期

主办单位
青年地学论坛理事会
承办单位
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
联系方式
历届会议
移动端
在手机上打开
小程序
打开微信小程序
客服
扫码或点此咨询