中国环境科学

作者：钱韵, 吴健生, 谭羲, 罗宇航, 陆天华

单位：1. 北京大学城市规划与设计学院, 城市人居环境科学与技术重点实验室, 广东 深圳 518055;2. 北京大学城市与环境学院, 地表过程分析与模拟教育部重点实验室, 北京 100871;3. 北京大学深圳研究生院, 广东 深圳 518055

关键词：甲醛柱浓度,时空变化,BP神经网络,RBFN神经网络,长三角城市群

基金：国家重点研发计划（2019YFB2102000）

通过OMI卫星数据分析了2005~2016年长江三角洲对流层甲醛柱浓度的时空变化规律.同时结合2008年和2010年各部门VOCs人为源排放量，利用BP神经网络和RBFN神经网络模型对对流层甲醛柱浓度进行了县域尺度上的回归模拟和各部门排放量贡献度分析.结果表明：长三角城市群对流层甲醛柱浓度在2005~2010年存在着增加趋势，2011~2016年甲醛浓度有下降的趋势.高值区域分布在皖北苏北、上海及其附近，低值区域分布在浙西南一带.人为源排放使得经济发达地区的甲醛柱浓度显著增高.工业源在长三角的分布较为广泛，电力源分布稀疏且VOC排放量远小于工业源排放量，居民源的VOC排放量介于工业源和电力源之间，有明显的南北差异.交通源主要集中在苏南、浙北和上海附近，少部分沿交通线条状分布.机器学习算法可以较好地利用人为源排放数据对甲醛柱浓度进行模拟.神经网络的拟合精度可以达到0.6~0.8，比线性回归的拟合精度超出0.3~0.4.模型变量重要性计算显示各部门中居民源对甲醛柱浓度的贡献程度最高.研究对流层甲醛柱浓度的长期时空变化及其影响因素有利于深入研究臭氧污染，同时也为大气治理和政策制定提供了科学依据.

来源：2021年第11期

《中国环境科学》期刊编辑部

查看中国环境科学杂志2021年第11期