474 / 2026-03-18 10:42:51

利用深度学习揭示城市异戊二烯成因及环境影响

深度学习；异戊二烯；污染跨圈层

主题2 大气物理、化学、环境 > 专题2.15 污染物的跨圈层行为、效应与协同模拟

异戊二烯（Isoprene）是全球排放量最大的非甲烷挥发性有机物，对大气氧化性和臭氧（O3 ）生成具有重要影响。然而，受限于排放清单的不确定性及化学机制的复杂性，精准模拟异戊二烯的时空演变一直是大气科学领域的挑战。本研究构建了一个集成物理知识约束（PINN）与迁移学习（Transfer Learning）策略的可解释深度学习框架（PINN-ResMLP），无需依赖本地化排放清单即可实现对全球数十个城市异戊二烯浓度的精准反演。研究揭示，在短期尺度上，温度、辐射和地表压力是驱动异戊二烯变化的核心气象因子。在长气候尺度（1990–2023年）下，研究发现：香港的异戊二烯浓度受城市绿地扩张与气候变暖共同驱动呈现显著上升趋势；而伦敦则通过严格的交通排放控制，有效抵消了气候变暖本可能引发的浓度上升（+31 pptv vs. -755 pptv）。未来情景展望表明，在高排放情景下，到2100年由增温引发的异戊二烯上升可能导致 O3 风险增加 1.7 倍。然而，通过大幅度削减氮氧化物（NOx ）排放，可将这一增幅降至 1.2 倍。本研究不仅为理解气候敏感型自然源的反馈机制提供了新方法，也为全球变暖背景下的大气污染精准防控提供了科学依据。