随机森林气象归一化模型用于瑞士PM10趋势分析 | Atmos. Chem. Phys.

背景：空气质量趋势受气象变化、排放活动和大气化学变化等多因素影响，其中大气化学变化对评估空气质量干预措施的效果至关重要。由于污染物浓度高度依赖气象条件，气象变化可能掩盖排放变化驱动的趋势，因此需要气象归一化方法来控制气象影响。研究目的：本研究针对1997至2016年瑞士31个PM10监测站点，构建预测性随机森林模型，利用地表气象参数、天气模式、边界层高度及时间变量解释PM10日均浓度，通过气象归一化分析PM10浓度趋势，并揭示相关物理和化学过程。结论：随机森林模型在大多数站点表现良好（R²为54%至71%），风速、儒略日和反向轨迹是关键变量。1997至2016年间，除两个站点外，所有站点PM10归一化浓度均显著下降，年均降幅0.09-1.16 μg/m³，城市交通站点下降更明显。气象归一化趋势估计值比未归一化更负，表明气象条件掩盖了排放变化。模型识别出两种导致PM10升高的机制：一是扩散条件差的冬季模式，二是边界层高度高、光化学活性强的暖季模式，后者促进二次气溶胶生成。研究验证了排放管控措施的有效性，并展示了该技术用于分析异常事件（如火山喷发）的潜力。