中国气象学会气象青年科技交流会暨2021年青年科学家论坛

在过去的几十年中，全球气溶胶浓度都在发生着显著的变化。美国、欧洲等发达地区的气溶胶及其前体物排放在减少，而东亚、南亚等地区排放在长时期趋势上是增加的。近十年来我国由于大力减排，PM_2.5浓度显著降低。本研究基于机器学习方法，构建了我国和全球历史和未来气溶胶浓度数据集，并区分了气候和排放变化对气溶胶浓度的影响。
由于观测数据的短缺，本研究利用长期大气能见度结合机器学习方法重构了我国历史PM_2.5浓度数据集。研究发现本文构建的机器学习模型对于观测的PM_2.5预测能力较好，我国年均PM_2.5浓度在1980–2014年逐步上升，2014年后显著下降；1980–2014年中国东部PM_2.5浓度增加，最大增速为5–10 μg/m³/decade；实行污染减排后，2014–2019年华北平原PM_2.5的降低速率超过50 μg/m³/decade，证实了污染物减排政策的有效性。
此外，我们利用大气化学传输模式GEOS-Chem结合机器学习方法构建了全球气溶胶浓度预测模型，并利用第六次国际耦合多模式比较计划数据和训练好的模型预测了未来全球气溶胶浓度。研究发现在低排放情景下，2091–2100年东亚的PM_2.5浓度相较于2015–2024年将降低40%，南亚降低25–35%，欧洲和北美降低15–25%。若仅考虑气候变化的影响，在高排放情景下华北地区PM_2.5将增加10–50%，南亚降低10–25%。气候越暖将会对全球气溶胶起更强的调节作用。在高排放情景下，气候变化对气溶胶浓度的影响甚至与排放变化的作用相当，突出了气候变化对未来空气质量的重要影响。
 

机器学习,气溶胶,PM2.5