报告详情
基于多源观测、深度学习与资料同化的PM2.5化学组分多尺度表征方法研究
编号：1193
访问权限：仅限参会人
更新：2026-04-14 11:02:44 浏览：92次
口头报告
报告开始：2026年04月26日 15:05（Asia/Shanghai）
报告时间：10min
所在会场：[S2-16] 专题2.16 大气环境多尺度监测与智慧决策 [F9] 专题2.16 大气环境多尺度监测与智慧决策
暂无文件
摘要
针对PM2.5化学组分监测中地面观测离散、垂直探测不足和区域连续表征能力有限等问题，本研究构建了“地面重构-垂直反演-机理解释-同化再分析”一体化技术框架。首先，基于多源地面观测和深度学习模型，实现了PM2.5关键化学组分小时浓度的高精度重构；进一步结合地基激光雷达长期观测与物理约束深度学习方法，获得了硫酸盐（SO42-）、硝酸盐（NO3-）、铵盐（NH4+）、有机物（OM）和黑碳（BC）等组分的边界层垂直廓线，拓展了化学组分从地面到垂直方向的连续监测能力。在此基础上，以硫酸盐为例，利用可解释人工智能方法定量揭示其垂直分布的关键驱动因素，结果表明气象条件总体贡献高于化学前体物，湿度、温度及区域输送对边界层硫酸盐演变具有重要影响。最后，构建了传统化学传输模式同化系统和增量式人工智能同化系统，提升了PM2.5化学组分区域连续模拟与再分析能力。研究可为大气环境多尺度监测、污染成因诊断及智慧决策提供科学支撑。
关键词
PM2.5化学组分；多源观测；深度学习；资料同化
报告人
李弘毅
全职博士后 中国科学院大气物理研究所稿件作者
全部评论
重要日期
-
会议日期
04月25日
2026
至04月29日
2026
-
04月07日 2026
初稿截稿日期
-
04月29日 2026
注册截止日期
主办单位
未来大气科学论坛理事会
承办单位
河海大学海洋学院
南京大学南京赫尔辛基大气与地球系统科学学院
南京大学南京赫尔辛基大气与地球系统科学学院
联系方式
- 秦箭煌
- qi******@hhu.edu.cn
- 173********
- 薛廉
- li******@nju.edu.cn
- 156********
- 孙佳妮
- sc******@chytey.com
- 152********
历届会议
-
2025年04月17日 中国 北京
第一届未来大气科学论坛
发表评论