| 基于随机森林的南京市PM2.5和O3对减排的响应 |
| |
| 引用本文： | 尚永杰,茅宇豪,廖宏,胡建林,邹泽庸.基于随机森林的南京市PM2.5和O3对减排的响应[J].环境科学,2023,44(8):4250-4261. |
| |
| 作者姓名： | 尚永杰 茅宇豪 廖宏 胡建林 邹泽庸 |
| |
| 作者单位： | 南京信息工程大学环境科学与工程学院, 江苏省大气环境监测与污染控制重点实验室, 江苏省大气环境与装备技术协同创新中心, 南京 210044;南京信息工程大学环境科学与工程学院, 江苏省大气环境监测与污染控制重点实验室, 江苏省大气环境与装备技术协同创新中心, 南京 210044;南京信息工程大学气象灾害教育部重点实验室, 气象灾害预报与评估协同创新中心, 气候与环境变化国际联合研究实验室, 南京 210044 |
| |
| 基金项目： | 江苏省自然科学基金项目(BK20220031) |
| |
| 摘 要： | 自2013年《大气污染防治行动计划》实施后，南京市大气污染有所改善，但仍面临着细颗粒物(PM2.5)和臭氧(O3)污染问题.为探究污染物浓度对其前体物减排的响应，获得有效的减排策略，常利用大气化学模式进行多组基于排放扰动的敏感性试验，而这需要消耗大量计算时间和计算资源.应用随机森林算法对2015年大气化学传输模式(GEOS-Chem)模拟结果进行机器学习，高效地预测了南京2019年PM2.5浓度日均值和日最大8 h臭氧(MDA8 O3)浓度对不同人为源排放控制情景的响应.随机森林结果表明2019年中国人为排放每减少10%,南京ρ(PM2.5)季节平均值下降2～4μg·m-3.当2019年中国人为源减排比例高于20%时，南京ρ(PM2.5)年均值将低于国家二级限值(35μg·m-3).若仅对中国地区O3前体物氮氧化物(NOx)和挥发性有机污染物(VOCs)同比例减排，反而...
|
| 关 键 词： | 细颗粒物(PM2.5) 臭氧(O3) 随机森林 减排情景分析 GEOS-Chem模式 |
| 收稿时间： | 2022/9/17 0:00:00 |
| 修稿时间： | 2022/11/3 0:00:00 |
Response of PM2.5 and O3 to Emission Reductions in Nanjing Based on Random Forest Algorithm |
| |
| SHANG Yong-jie,MAO Yu-hao,LIAO Hong,HU Jian-lin,ZOU Ze-yong.Response of PM2.5 and O3 to Emission Reductions in Nanjing Based on Random Forest Algorithm[J].Chinese Journal of Environmental Science,2023,44(8):4250-4261. |
| |
| Authors: | SHANG Yong-jie MAO Yu-hao LIAO Hong HU Jian-lin ZOU Ze-yong |
| |
| Institution: | Jiangsu Key Laboratory of Atmospheric Environment Monitoring and Pollution Control, Jiangsu Collaborative Innovation Center of Atmospheric Environment and Equipment Technology, School of Environmental Science and Engineering, Nanjing University of Information Science and Technology, Nanjing 210044, China;Jiangsu Key Laboratory of Atmospheric Environment Monitoring and Pollution Control, Jiangsu Collaborative Innovation Center of Atmospheric Environment and Equipment Technology, School of Environmental Science and Engineering, Nanjing University of Information Science and Technology, Nanjing 210044, China;Key Laboratory of Meteorological Disaster, Ministry of Education (KLME), Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters (CIC-FEMD), International Joint Research Laboratory on Climate and Environment Change (ILCEC), Nanjing University of Information Science and Technology, Nanjing 210044, China |
| |
| Abstract: | |
| |
| Keywords: | fine particulate matter (PM2 5) ozone (O3) random forest emission reduction scenarios GEOS-Chem model |
|
| 点击此处可从《环境科学》浏览原始摘要信息 |
| 点击此处可从《环境科学》下载免费的PDF全文 |
|
