-
沙尘天气中较低的相对湿度会减弱SO2的转化
摘要尘埃颗粒可通过异质反应促进二氧化硫的转化,但目前大多数研究基于实验室实验和模型模拟,由于硫酸盐观测数据有限,实际尘埃环境中的观测证据较为缺乏。在本研究中,我们提出用二氧化硫与一氧化碳的比值(SO₂/CO)来反映二氧化硫的转化情况,并分析了2021年3月15日至18日中国北方一
来源:Atmospheric Environment
时间:2026-07-23
-
科威特PM10的特性与来源
摘要在阿拉伯半岛及周边地区,气溶态沙漠尘埃是空气中颗粒物(PM)的主要来源,这类颗粒物会带来多种不良健康影响。而在城市中,各类人类活动也会产生空气中的颗粒物,使得不同尺寸的颗粒物浓度居高不下。PM10指的是气动直径≤10微米的颗粒物,它同样会对环境和人体健康造成多种影响。因此,识
来源:Atmospheric Environment
时间:2026-07-23
-
NO2与羟基磷灰石颗粒的异质反应:对磷的水溶性的影响
摘要模型模拟表明,大气酸化会提高矿物粉尘中磷的溶解度,从而改变许多磷限制型生态系统中的初级生产力。然而,目前仍缺乏实验室模拟研究的结果。我们利用流动反应系统研究了二氧化氮与羟基磷灰石之间的非均相反应。研究结果表明,该反应会产生硝酸盐,并提高羟基磷灰石中磷的水溶性。在50 ppm二
来源:Atmospheric Environment
时间:2026-07-23
-
利用探针采集方法研究大气中·OH的变化趋势与来源分析:以冬季某山区观测站为例
摘要大气中的羟基自由基(·OH)是衡量氧化能力的重要指标,对大气的自我净化起着关键作用。然而,在冬季湿度较高的地区,关于其生成与转化的研究仍较为有限。研究冬季期间·OH的变化规律有助于了解其在不同区域特征下的行为表现,为预防、控制和管理冬季污染提供科学依据。本研究采用原位探针捕获
来源:Atmospheric Pollution Research
时间:2026-07-23
-
用于美国本土NOx排放的雅可比正则化模拟器
摘要:及时更新排放清单对于精确的空气质量建模至关重要,但传统的逆向建模受化学传输模型的高计算成本限制。我们开发了一种基于雅可比正则化U-Net架构的排放调整框架,该框架能够模拟CMAQ模型,高效更新美国本土的NOx排放数据。两个仿真器分别使用2011年和2014年6月、7月、8月
来源:Atmospheric Environment
时间:2026-07-23
-
北京城市表面热环境对气态污染物空间分布的驱动作用
摘要:本研究利用MODIS地表温度数据与TROPOMI对流层浓度数据,分析了2020年至2024年间北京平原地区地表温度以及NO2、CO和HCHO等气态污染物的时空演变规律。随后采用地理探测器方法量化地表温度对这些污染物空间分布的影响,并运用K均值聚类算法将研究区域划分为不同热环
来源:Atmospheric Environment
时间:2026-07-23
-
北京北部山前地带冬季山地-平原风场环流结构:行星边界层模式的相关特征与模拟不确定性
•在北京市山前地区,研究揭示了冬季山地与平原间风场的精细垂直结构。•八种行星边界层模型在风场表现上存在高度和度量标准相关的差异。•弱风过滤可降低近地面风向误差,但对过渡层误差影响不大。•500–800米高度的风向过渡层仍是各类模型难以准确描述的区域。•没有一种模型能在所有高度层和
来源:Atmospheric Research
时间:2026-07-23
-
CABT-Net:一种融合CNN、注意力机制、BiLSTM和Transformer的模型,用于科罗拉多州前山地区的短期PM2.5预报
摘要准确预测PM2.5浓度对于应对大气环境管理中的这一关键挑战以及保护公众健康至关重要。本研究提出了一种新型的双路径并行混合深度学习架构CABT-Net(CNN-Attention-BiLSTM-Transformer),用于准确预测科罗拉多州前山地区四个站点(亚当斯、博尔德、丹
来源:Atmospheric Pollution Research
时间:2026-07-23
-
中国中部9月降水量の10年尺度変動:太平洋年代际振荡与北大西洋海表温度的协同效应
•中国中部的9月降水量在1986/1987年和2003/2004年左右出现了两次显著的年代际变化。•中纬度波列和西北太平洋反气旋是主要的大气环流系统。•太平洋年代际振荡和北大西洋海表温度可能对中国中部降水量の年代际变化产生协同影响。引言中国异常的秋季降水量会对农作物生产造成严重影
来源:Atmospheric Research
时间:2026-07-23
-
一种可用于街道级多污染物预测的可解释堆叠集成学习方法
摘要
城市空气污染对公共健康构成重大威胁,因此亟需高精度且易于理解的污染物浓度估算方法。本研究提出了一种可解释的堆叠集成学习框架,该框架整合了街景图像、气象数据以及月份周期编码,用于估算六种污染物(PM1.0、PM2.5、PM10、SO2、NH3和O3)的浓度。该框架以随机森
来源:Atmospheric Environment
时间:2026-07-23