空气质量机器学习模型需要哪些气象数据?

Question

有没有研究讨论过如果我用机器学习建立一个空气质量模型，我应该看什么气象数据?也就是说，如果我的存储容量有限，我应该首先从NCEI或ERA5中提取什么?

像风速这样的东西是非常明显的，但我还应该寻找什么?

Answer 1

机器学习所需的变量与标准空气质量模型不同。这实际上是一个更短的列表，因为你不需要数值模拟大气运动/化学/沉积。

大多数aqm都有一个具有水平和垂直深度的空间域。然而，我所看到的机器学习预测仅适用于测量气象和空气质量变量的点位置。也就是说，机器学习模型是使用来自地面站的变量训练的，并且只对该位置有效。你可以使用相似的变量训练多个地点，但每个站都有自己的一组数据来训练。

我看过华盛顿州立大学的机器学习预测臭氧和PM2.5，重要气象变量列表基本一致。

对于臭氧，他们说:

使用来自4公里WRF档案的6个气象变量(2m的温度和相对湿度、风成分u & v、行星边界层高度和海平面压力)的小时数据、时间信息(月、工作日和小时)以及前一天观测到的移动8小时平均O3混合比来训练RF分类器模型。

欲了解更多信息，请参阅最新简报．

Answer 2

摘自Seigneur C.， Dennis R.(2011)(免费获取在这里，可能不是最终出版的形式):

空气质量模型的输入包括初级空气污染物和次级空气污染物前体的排放率、气象学(风、湍流、温度、压力、边界层高度、相对湿度、云和太阳辐射的三维场)和边界条件(特定源模型的基线或背景条件;见图8.1)。

Seigneur C.， Dennis R.(2011)大气模型。见:Hidy G.， Brook J.， Demerjian K.， Molina L.， Pennell W.， Scheffe R.(编)多污染物空气质量管理的技术挑战。施普林格,多德雷赫特。https://doi.org/10.1007/978-94-007-0304-9_9

我没有资格来区分上述气象参数中哪个是最重要的，但与环流和温度有关的参数是关键因素是有道理的。