在2022年北京冬季奥运会期间,利用LiDAR垂直观测网络和机器学习模型构建PM2.5度的3D空间分布
Zenan Wang1, Yan Xiang1, Ying Pan2
1State Key Laboratory of Opto-Electronic Information Acquisition and Protection Technology, Institutes of Physical Science and Information Technology, Anhui University, Hefei 230601 Anhui, China.
Environment international
|October 23, 2025
概括
中国的区域空气污染,特别是PM2.5,在中国.
科学领域:
- 大气科学与环境监测
- 环境研究中的人工智能
背景情况:
- 尽管有排放控制措施,但由于区域运输,中国仍面临持续的空气污染事件.
- 了解PM2.5动态对于空气质量管理至关重要,尤其是在北京冬季奥运会等重要活动期间.
研究的目的:
- 在2022年北京冬奥会期间,调查PM2.5在北京-天津-河北 (BTH) 地区的3D分布和传输机制.
- 评估深度学习模型在重建PM2.5时空动态中的有效性.
主要方法:
- 来自34个LiDAR站和表面监测的综合数据.
- 采用并比较了六种机器学习模型:XGBoost,随机森林,LightGBM,RNN,CNN-RNN和CNN-BiLSTM.
- 利用表现最好的CNN-BiLSTM模型进行PM2.5逆转和传输分析.
主要成果:
- 在重建PM2.5.5时,CNN-BiLSTM模型实现了高精度 (R2=0.924).
- 观察到明显的PM2.5分布模式:BTH事件前南方的上层大气污染,事件期间在北京/天津的近地峰值,以及事件后的南方运输.
- 运输流量强度 (TFI) 分析显示了重要的跨区域污染运输路径,事件后的TFI峰值为7.8 × 105 μg·m−1·s−1.1.
结论:
- 深度学习模型,特别是CNN-BiLSTM,是PM2.5逆转和理解复杂空气污染动态的有效工具.
- 在2022年北京冬季奥运会期间发生了重要的跨区域PM2.5传输,影响了当地空气质量.
- 调查结果为加强BTH地区区域空气质量管理战略提供了关键的见解.


