Presentation Details
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
ID：3683
View Protection：PRIVATE
Updated Time：2023-04-16 19:46:34 Hits：1033
快闪报告
Start Time：2023-05-06 11:30（Asia/Shanghai）
Duration：5min
Session：14B 14B、气溶胶与大气环境 »
No files
Abstract
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NOx-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NOx排放的响应与其他方法不一致。本文研究中的臭氧对NOx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，NOx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。
Keywords
臭氧,深度学习,变化机理,GEOS-Chem模型
Speaker
陈小康
在读博士生 中国科学技术大学Submission Author
All Comments
Important Date
-
Conference Date
May 05
2023
toMay 08
2023
-
Mar 31 2023
Draft paper submission deadline
-
May 25 2023
Registration deadline
Sponsored By
青年地学论坛理事会
中国科学院青年创新促进会地学分会
中国科学院青年创新促进会地学分会
Organized By
武汉大学
中国科学院精密测量科学与技术创新研究院
中国地质大学（武汉）
中国科学院精密测量科学与技术创新研究院
中国地质大学（武汉）
Contact Information
- 管小彬
- gu******@whu.edu.cn
- +86********
- 孙佳妮
- sc******@aconf.org
- +86********
Submit Comment