基于机器学习解释上海地区臭氧污染的长期变化及其政策启示.pdf

《基于机器学习解释上海地区臭氧污染的长期变化及其政策启示.pdf》由会员分享，可在线阅读，更多相关《基于机器学习解释上海地区臭氧污染的长期变化及其政策启示.pdf（19页珍藏版）》请在三个皮匠报告上搜索。

1、基于机器学习解释上海地区臭氧污染的长期变化及其政策启示2023年年9月月1日日李 莉1，张 坤1，薛 金1，翟翮翮1，金 丹2，段玉森2，伏晴艳2，罗东民31 上海大学环境与化学工程学院2 上海市环境监测中心3 美国加州空气资源局2023年9月1日2全国O3污染态势Li et al.,PNAS.2019Liu et al.,ES&T.20233 加州南滨O3_8h_90%呈下降趋势：快速下降阶段（19802000年，-2.26 ppb/year）、震荡阶段（20002021年，-0.29 ppb/year）长三角呈波动性增长，20132021年平均变化速率为1.37 ppb/year，且在20

2、142021年之间浓度均高于加州南滨上海O3变化长三角O3污染与加州南滨地区对比长三角与加州对比SEMCO3浓度=1.背景浓度+2.光化学生成（气象+排放）3.沉降 4.化学去除全球背景、平流层、远距离传输、天然源VOCs、NOx、CO干沉降、湿沉降森林城市交通工厂草地NOx+BVOCs O3NOx+VOCs+hv O3NOx、VOCs局地化学生成BVOCsNOx+O3背景浓度O3+NO NO2+O2 沉降沉降沉降太阳闪电化学去除平流层对流层O3平流层入侵O3污染的源和汇滴定、化学去除区域传输5 臭氧生成受到前体物排放与气象条件共同影响 如何从观测值中剥离气象的影响，对于政策成效评估与新政策制

3、定至关重要O3浓度的可解释性区域局地6机器学习集成方法7空气质量数据 站点:上海选取淀山湖（区）、普陀（城区）及浦东汇南站（上风向/区域背景站）；洛杉矶选取阿苏萨（下风向/郊区）、北大街（城区）、威彻斯特站（上风向站）日期:上海2013年-2021年(4-9月)小时数据；洛杉矶2011-2021年（4-9月），小时数据 因子:O3 来源:上海市环境监测中心，美国EPA气象数据 数据集名称：ERA5/ERA5-LAND 再分析数据 空间分辨率：ERA5（0.25 0.25），ERA5-LAND（0.1 0.1）日期:1997年-2021年 因子：d2m,t2m,u10,v10,sp,ssr,tp

4、,tcc,blh 来源：欧洲中期天气预报中心（ECMWF）上海地区洛杉矶地区机器学习集成方法：数据输入8 2013 年(0.783.55ppb)、2017年(3.959.13ppb)气象对三个站点 为 O3贡 献 为 正；2015 年、2016 年 及 2021 年(-8.86-4.41ppb)气象对三个站点臭氧贡献为负值 相对湿度在三站点影响最为显著 DSL站点风向的平均扰动可以达到4.85 ppb，气团交汇影响显著 PDHN站PBL贡献占总O3_MET的43%，传输影响显著PTDSLPDHN3_=3_+3_观测观测气象扰动气象扰动去气象值去气象值气象对上海地区臭氧演变的影响9 O3区域背景

5、浓度约为48.8 0.3 ppb，近年来呈现-0.018 ppb/year-1的下降趋势 O3_RBG占比：PDHNPT DSL DSL较低的O3_RGB表明该站点存在较强的本地光化学生成；而O3_RGB对PDHN站的贡献为三站中最高，进一步证实了跨区域传输对该站有着较强的影响3_=3_+3_去气象值去气象值区域背景区域背景本地本地区域背景变化3_=3_+3_观测观测气象扰动气象扰动去气象值去气象值8490.5%76.7-85.4%86.6-96.0%10 自2013年以来，城市PT站的O3_LC开始以每年0.6 ppb的速率增加，于2018年达到9.2 ppb。随后，在2018-2021年期

6、间，O3_LC以每年0.8 ppb的速率下降至6.5 ppb DSL具有最高的局地光滑化学生成贡献，其次是PT和PDHN站，O3_LC由临海向内陆增加 PDHN站O3_LC呈波动变化（5.56.9 ppb），2021年由于NOx大幅下降，其O3_LC降至2.5 ppbPTPDHNDSL9.2 ppb6.5 ppb2.5 ppb局地光化学的贡献8.914.6 ppb(15.423.0%)5.99.0 ppb(10.715.6%)2.57.4 ppb(4.6%13.2%)11 大气污染防治行动计划（20132017）实施，PT站、DSL站和PDHN日间臭氧分别反弹了11.3ppb（20.3%），5