SA 深度学习模型预测排放削减下PM2.5日浓度

🌫️文献来源: Shigan Liu et al., A deep learning model for predicting daily PM2.5concentration in response to emission reduction.Sci. Adv.12,eaef5759 (2026). 🧪 研究主题： 空气污染是全球健康的主要威胁，PM2.5每年导致数百万人过早死亡。化学传输模型（CTMs）是评估排放控制如何改善空气质量的核心工具，但计算极其耗时——在中国以36公里分辨率进行全年模拟需数天时间，严重限制了情景分析的规模和速度。 本研究开发了CleanAir，一个基于残差对称三维U-Net架构的深度学习模型，以36公里水平分辨率模拟每日PM2.5浓度及其化学成分对排放削减的响应。CleanAir可在GPU上10秒内或在CPU上160秒内完成全年模拟——比CTMs快3–4个数量级。 模型在2,416个CMAQ排放情景上训练（覆盖国家、省级和网格级空间尺度，15维排放削减率），在未见过的气象和排放条件下表现良好。 CleanAir已部署于在线平台（http://cncap.org.cn），支持短期应急措施和长期减排路径的快速情景评估，为更及时的政策决策提供科学支撑。 #科研绘图 #科研学习 #深度学习