基于机器学习方法的臭氧和 PM2.5 污染潜势预报模型
——以成都市为例
2021-11-17王馨陆黄冉张雯娴吕宝磊杜云松张巍李波兰胡泳涛
王馨陆 黄冉,† 张雯娴 吕宝磊 杜云松 张巍 李波兰 胡泳涛
1. 杭州矮马科技有限公司, 杭州 311121; 2. 华云升达(北京)气象科技有限责任公司, 北京 102299; 3. 四川省生态环境监测总站,成都 610091; 4. School of Civil and Environmental Engineering, Georgia Institute of Technology, Atlanta, GA 30332;
环境空气质量的好坏对公众健康有着显著影响, 不论是极端重污染事件还是长期暴露于低浓度空气污染环境中, 均会直接增加人体心血管和呼吸系统等多种疾病的发病率[1–2]。近年来, 我国大多数城市的空气质量持续改善, 尤其是秋冬季细颗粒物(PM2.5, 空气动力学直径小于或等于 2.5 μm 的气溶胶粒子)污染程度下降明显[3–4], 但春夏季臭氧污染呈现上升趋势[5–6]。空气污染物源排放是影响空气质量的决定性因素, 天气形势及气象条件亦为关键因素。气象条件的变化直接或间接地影响大气中污染物的化学反应、传输、扩散稀释和沉降等过程[7–11], 对空气质量的影响呈现多时空尺度、影响大及变化快的特点[12]。对一定的区域而言, 如果短期内污染源排放相对稳定, 其空气质量则主要取决于气象条件[13–14]。当出现静稳天气等不利气象条件时, 污染物浓度容易在短时间内出现大幅增长,造成严重的空气污染事件[15–18]。因此, 研究天气形势及气象条件对污染物在大气中传输和转化的影响, 开展空气污染潜势预报预警, 对评估气象条件对空气污染的贡献以及辅助大气环境精细化管理和科学决策具有重要意义。
污染潜势预报是在假定污染源排放不变的情况下, 以可能影响污染物时空分布的天气形势及气象条件为主要依据, 对未来气象条件下的空气污染状况进行预测[19–21]。……