基于机器学习的CMIP6历史表面臭氧在中国1950-2014期间的纠正
Yuanxi Tong1, Yingying Yan1, Jintai Lin2
1Department of Atmospheric Science, School of Environmental Sciences, China University of Geosciences, Wuhan, 430074, China.
Environmental pollution (Barking, Essex : 1987)
|June 21, 2024
概括
在中国,历史上的臭氧数据很少. 这项研究使用机器学习来纠正气候模型臭氧数据,揭示了1950-2014年间由于排放和气候变化而导致的表面臭氧的显著增加.
科学领域:
- 大气化学 大气化学
- 气候科学 气候科学
- 机器学习应用 机器学习应用
背景情况:
- 中国有限的历史地表臭氧度数据阻碍了准确的趋势分析.
- 现有的气候模型 (CMIP6) 显示了对历史臭氧水平和趋势的低估.
研究的目的:
- 重建中国的长期 (1950-2014) 和大规模地表臭氧度数据.
- 分析臭氧的历史演变,趋势和气象因素的影响.
- 评估机器学习在改善历史臭氧评估方面的有效性.
主要方法:
- 综合观测,再分析和气候模型 (CMIP6) 数据.
- 应用了XGBoost机器学习算法来纠正CMIP6表面臭氧度.
- 分析了长期臭氧趋势,年间变化和气候影响.
主要成果:
- 与CMIP6模拟相比,XGBoost衍生臭氧数据显示了更好的准确性 (R2=0.66每天,0.74每月).
- 从1950年到2014年,表面臭氧度和超值在中国各地普遍增加.
- 人为排放对臭氧增强有显著的贡献;气候变暖给臭氧带来了惩罚,特别是在中国中部和西部.
结论:
- 机器学习为评估历史地表臭氧演变提供了强大的方法,克服了气候模型的局限性.
- 调查结果为未来气候模型开发提供了关键数据,并为中国的臭氧污染控制政策提供了信息.
- 观察到臭氧增强的季节性变化,其中春季的最大增加,突出显示了大气动态的演变.
更多相关视频
10:28Investigating the Relationship between Sea Surface Chlorophyll and Major Features of the South China Sea with Satellite Information
Published on: June 13, 2020
5.8K
11:19Measuring Carbon-based Contaminant Mineralization Using Combined CO2 Flux and Radiocarbon Analyses
Published on: October 21, 2016
11.9K
