Changes in air pollutants during the COVID-19 lockdown in Beijing:Insights from a machine-learning t

来源 :大气和海洋科学快报(英文版) | 被引量 : 0次 | 上传用户:sudejun888
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
基于2015-2020年北京35个环境空气站和20个气象站观测资料,应用机器学习方法(随机森林算法)分离了气象条件和源排放对大气污染物浓度的影响.结果发现,为应对疫情采取的隔离措施使北京2020年春节期间大气污染物浓度降低了35.1%-51.8%;其中,背景站氮氧化物和一氧化碳浓度的降幅最大,超过了以往报道较多的交通站点.同时,2020年春节期间的气象条件不利于污染物扩散,导致多次霾污染事件发生.为进一步改善北京空气质量,未来需要优化减排策略.
其他文献
基于培养核心素养的课堂教学,是落实新课标理念的要求,以”带电粒子在磁场中运动”复习课教学设计为例,通过核心问题导学,引导学生在课堂上协同探究,体验科学思维形成的过程,探讨核心素养理念下的复习课课堂教学.
大数据时代是指当前以大数据技术为代表的信息化新时代,其不同于传统的信息化时代,该时代以数据量为核心,通过强大的信息处理能力,提升实际工作效果.因此,本文将从高校科研经费管理现状入手,全面展开基于”放管服”改革视角大数据时代下高校科研经费管理的办法探究.
先前的观测研究表明,南太平洋四极子海温模态(SPQ)可以有效地作为ENSO的前兆信号.本文利用20个CMIP6模式及其对应的20个先前的CMIP5模式的工业化前气候模拟试验数据,评估和比较了CMIP6以及CMIP5模式对SPQ与ENSO的关系的模拟能力.结果表明,大多数CMIP5和CMIP6模式可以合理地模拟SPQ的基本特征.与早期的CMIP5模式相比,CMIP6模式能够更加真实地模拟SPQ与ENSO之间的关系.进一步分析表明,CMIP6模式模拟SPQ与ENSO关系的能力提高,是因为CMIP6模式能够更好
本研究从气象条件和减排两方面探讨了COVID-19封锁期间严重雾霾发生的原因”研究目的”,并定量的分析了气象条件和减排对PM2.5浓度的相对影响”创新点”.使用WRF-Chem在2019年2月3日-16日和2020年2月3日-16日进行了三个数值模拟试验,分别为2019年气象场与MEIC-2019(2019年中国多分辨率月度排放清单),2020年气象场与MEIC-2019,2020年气象场与MEIC-2020”研究方法”.结果表明COVID-19封锁期间严重雾霾的原因是不利气象条件增加的PM2.5浓度大于
本文利用8个CMIP5模式的日资料,预估了RCP4.5和RCP8.5情景下全球增温达1.5℃和2.0℃时西北太平洋夏季30~60天和10~20天季节内振荡(ISO)强度的变化情况.大多数模式都认为,无论增温水平或情景如何,预估结果均显示从中南半岛南部到菲律宾以东的带状区域内ISO强度增加,并且关键气象要素背景的变化会对ISO强度异常的空间分布造成影响.具体表现为,ISO强度增大的区域往往伴随着低层湿度和湿静力能的增加.其中菲律宾东部的湿度变化最为明显,ICP南部的湿静力能变化最为明显,上述区域的ISO强度