[快闪报告]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

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 稿件编号：2131 访问权限：私有更新：2023-04-16 19:46:34 浏览：1245次快闪报告

报告开始：2023年05月06日 11:30 （Asia/Shanghai）

报告时间：5min

所在会议：[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NO_x-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NO_x排放的响应与其他方法不一致。本文研究中的臭氧对NO_x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，NO_x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。