| 基于随机森林的南京市PM2.5和O3对减排的响应 |
| |
| 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： | 2022-09-17 |
| 修稿时间： | 2022-11-03 |
|
| 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 |
|
