文献类型：期刊文章

作　　者：周红[1] 王鸣[1] 柴文轩[2] 赵昕[3]

ZHOU Hong;WANG Ming;CHAI Wen-xuan;ZHAO Xin(Collaborative Innovation Center of Atmospheric Environment and Equipment Technology,Jiangsu Key Laboratory of Atmospheric Environment Monitoring and Pollution Control,School of Environmental Science and Engineering,Nanjing University of Information Science&Technology,Nanjing 210044,China;China National Environmental Monitoring Centre,Beijing 100012,China;Nanjing Intelligent Environmental Science and Technology Co.,Ltd.,Nanjing 211800,China)

机构地区：[1]南京信息工程大学环境科学与工程学院,江苏省大气环境与装备技术协同创新中心,江苏省大气环境监测与污染控制高技术研究重点实验室,南京210044 [2]中国环境监测总站,北京100012 [3]南京科略环境科技有限责任公司,南京211800

出　　处：《环境科学》

基　　金：国家自然科学基金项目(41505113)。

年　　份：2024

卷　　号：45

期　　号：5

起止页码：2497-2506

语　　种：中文

收录情况：BDHX、BDHX2023、CAS、CSCD、CSCD2023_2024、EAPJ、EI、EMBASE、JST、PUBMED、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：明确臭氧(O_(3))与前体物的非线性关系是O_(3)防控措施制定的基础和关键.基于北京城区站点2020年4~9月O_(3)、挥发性有机物(VOCs)、氮氧化物(NO_(x))和气象要素在线观测,分析了O_(3)及其前体物污染特征,利用随机森林(RF)模型结合SHAP值探究了影响O_(3)的关键因素,并通过多情景分析探讨了O_(3)-VOCs-NO_(x)敏感性.相关性分析结果显示O_(3)小时浓度与温度(T)呈显著正相关,与TVOCs和NO_(x)呈显著负相关;但从每日结果来看,O_(3)与T、TVOCs和NO_(x)均呈显著正相关.RF模型模拟的O_(3)浓度与实测值吻合较好,进一步计算了各个特征变量的SHAP值,结果显示T和NO_(x)对O_(3)影响最高,但前者是正向影响,而后者是负向影响.以观测期间O_(3)污染天的NO_(x)和VOCs平均值为基础情景,设置了对应不同NO_(x)和VOCs的多种情景,并利用RF模型计算不同情景下的O_(3),得到O_(3)等值线(EKMA曲线),结果显示北京城区O_(3)-VOCs-NO_(x)敏感性处于VOCs控制区,与基于观测的盒子模型(OBM)得到的结果一致,这说明RF模型可以用作O_(3)-VOCs-NO_(x)敏感性分析的一种补充方法.

关 键 词：北京  臭氧(O_(3))  O_(3)-VOCs-NO_(x)敏感性  随机森林(RF)  SHAP值  

分 类 号：X515]