排放和气象对疫情前后武汉不同类型点位大气污染物的影响
Huan jing ke xue= Huanjing kexue(2023)
Abstract
采用随机森林算法剥离了排放和气象对6种大气污染物(SO2、NO2、CO、PM10、PM2.5和O3)浓度的贡献,识别了疫情前后武汉市中心城区、郊区、工业区、三环线交通点和城市背景点这5种类型点位的大气污染物浓度变化.结果表明,与管控前相比,管控期间PM2.5/CO、PM10/CO和NO2/CO分别减小了10.8~21.7、9.34~24.7和14.4~22.1倍,表明排放对PM2.5、PM10和fNO2贡献减小;O3/CO增加了50.1~61.5倍,表明二次生成增加明显.解除管控后排放对各类污染物的贡献均增加.管控期间,受一些不可间断工序的运行影响,工业区PM2.5降幅最小(20.5%).与管控期间相比,解除管控后居民生活、交通出行和工业生产等基本恢复,使5种类型站点PM2.5排放贡献量的降低值减小.管控期间O3排放贡献量的升高与NO和颗粒物浓度降低有关,O3升高部分抵消了NO2和PM2.5浓度降低带来的空气质量改善效果.解除管控后郊区和城市背景点气象贡献的ρ(O3)分别升高了16.2μg·m-3和16.1μg·m-3,与气温升高和相对湿度降低有关.三环线交通点和中心城区交通、工业减排导致的PM2.5浓度降低及O3浓度增加,可为当前开展分区域PM2.5和O3协同精准管控提供参考.
MoreTranslated text
Key words
COVID-19,air pollutant,functional region,random forest(RF),spatial-temporal variation
AI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined