一个系统的方法来减轻台湾北部的臭氧污染:从去污染分析的证据
Thi-Thuy-Nghiem Nguyen1, Manisha Mishra2, Laddawan Noynoo3
1Institute of Environmental Engineering, National Yang Ming Chiao Tung University, Hsinchu, Taiwan.
Environmental pollution (Barking, Essex : 1987)
|July 2, 2025
概括
尽管有空气质量法规,但台湾仍存在臭氧 (O3) 污染. 机器学习模型显示,气象学显著影响O3水平,而将工业CO,SO2和VOC减少50%可以在污染期间将O3降低20%以上.
科学领域:
- 环境科学 环境科学
- 大气化学 大气化学
- 数据科学数据科学数据科学
背景情况:
- 台湾的空气质量法规已经减少了PM2.5和气体污染物,但臭氧 (O3) 水平仍然很高,经常超过标准.
- 臭氧在台湾北部是一个严重的空气质量问题,年平均度超过台湾环境空气质量标准 (AAQS).
研究的目的:
- 通过机器学习研究气象参数,排放源和其他污染物对台北O3形成的影响.
- 开发新的污染物和天气模型,以量化减排和气象因素对环境O3水平的影响.
主要方法:
- 积极矩阵因子化-eXtreme梯度提升-SHapely增量解释 (PMF-XGB-SHAP) 机器学习模型的应用.
- 分析了三年的每小时数据,包括气象参数,排放源和污染物度.
- 开发除污染物模型以模拟减排影响和除气候模型以评估气象影响.
主要成果:
- 气象学对O3水平的贡献很大,白天为46.7-54.8%,夜间为44.9-54.0%,相对湿度 (RH) 和边界层高度 (BLH) 是主要因素.
- NOx始终显示出与O3的负相关性,而PM2.5在白天具有积极的相关性. 汽车VOC与O3的相关性每年变化.
- 减少50%的工业CO,SO2和VOC可以在污染事件日减少13.4-22.6%的O3度.
结论:
- 机器学习模型有效地确定了城市环境中O3形成的关键驱动因素.
- 脱污染物建模方法为前体控制提供了定量,源特定的途径,为管理复杂的O3污染提供了一个框架.
- 对工业排放的有针对性的减少显示出缓解O3污染事件的巨大潜力.
相关概念视频
00:46Bioremediation
Bioremediation is the use of prokaryotes, fungi, or plants to remove pollutants from the environment. This process has been used to remove harmful toxins in groundwater as a byproduct of agricultural run-off and also to clean up oil spills.
01:30Environmental Applications of Microorganisms
Microorganisms play a pivotal role in maintaining ecosystem balance by recycling essential elements such as carbon, nitrogen, and phosphorus, as well as supporting processes like bioremediation, wastewater treatment, and biofuel production.Microbes in Elemental CyclesIn the carbon cycle, microorganisms decompose organic matter, releasing carbon dioxide via aerobic respiration. This carbon dioxide is subsequently used by photosynthetic organisms to synthesize organic compounds, closing the...