近期，中國科學院合肥物質院安光所謝品華研究員團隊在國際環境領域TOP期刊《環境科學與技術》（Environmental Science & Technology）上發表文章（ “以中國華北平原與長三角為例，建立區域氣象過程和臭氧濃度日際變化的映射模型”）。科研人員基于可融合天氣過程時空演變特征的序列卷積長短期記憶網絡框架（CNN-LSTM），建立了華北平原和長三角地區臭氧濃度日際變化預測模型，為臭氧污染預警提供了新的技術手段。

近地面臭氧是我國夏季主要大氣污染物，其高濃度污染常與高溫、低濕等局地氣象條件相伴出現。然而，臭氧濃度與溫度并不總是呈現正相關關系，還受到大氣環流、太陽輻射、邊界層高度及云量等多因素綜合影響，區域天氣過程對臭氧污染形成至關重要。目前，機器學習臭氧預測研究往往忽略天氣過程的時空演變特征，而數值模式預測則存在計算成本高、對臭氧重污染事件預測能力不足等局限，提高臭氧重污染事件的預測準確性已成為環境管理部門的迫切需求。

針對這些問題，研究團隊基于氣象預報數據和CNN-LSTM框架， 建立了多尺度天氣過程與臭氧濃度日際變化的精準映射模型，設計了涵蓋多個時空尺度的氣象場數據訓練場景，系統評估了該模型在不同場景下的臭氧濃度預測精度和高濃度污染事件預報準確率。研究發現，適度增加氣象訓練數據的時空范圍可有效提升臭氧濃度預測精度，尤其對高濃度臭氧污染事件的預報效果改善顯著。在華北和長三角地區，該模型對MDA8≥160 μg/m³的高濃度臭氧污染事件命中率分別達到83%和56%，同時能夠充分釋放氣象數據解釋臭氧濃度逐日變化的潛力（R²≥0.85）。此外，該模型可準確量化臺風位置變化對華北和長三角地區臭氧濃度的影響，在城市及區域臭氧重污染預警中展現出良好的應用潛力。

安光所博士生胡峰為該論文的第一作者，謝品華研究員為通訊作者。該工作得到了國家自然科學基金項目的支持。

文章鏈接：

https://doi.org/10.1021/acs.est.4c11988

https://doi.org/10.1016/j.scitotenv.2023.167237

https://doi.org/10.1016/j.scitotenv.2024.175048

圖1：可融合天氣過程時空演變特征的CNN-LSTM機器學習框架

圖2：模型對于華北和長三角地區關鍵城市2024全年的臭氧預測性能，關鍵城市包括北京、濟南、天津、上海、南京和杭州。