第七届青年地学论坛

一氧化碳是一种有毒气体，随着工业化、城市化的发展，地表一氧化碳已经成为一种主要的空气污染物。我国高密度的地表一氧化碳观测为研究一氧化碳污染提供了重要观测数据来源；大气化学输运模式被广泛应用以解释观测到的一氧化碳变化。结合地面观测和模式模拟的数据同化方法，则可以进一步增强模式模拟的可靠性。在传统的数据同化方法之外，新兴的基于机器学习的研究方法在大气环境研究中的应用正在逐步增加。在本工作中，我们对比研究机器学习方法和传统数据同化方法（卡曼滤波）预测我国地表一氧化碳浓度的实际效果，以期理解机器学习方法的优势与不足；并以此为基础，研究我国2015-2020年一氧化碳分布和变化规律。使用2015-2018年一氧化碳观测数据作为训练集，我们发现机器学习方法可以较好的预测我国2019年地面一氧化碳浓度。

机器学习,卡曼滤波,一氧化碳