基于机器学习的分析：COVID-19疫情前后香港空气质量的变化开放获取

首页今日动态人才市场新技术专栏中国科学人云展台
BioHot
云讲堂直播会展中心特价专栏技术快讯免费试用

生物通官微
陪你抓住生命科技
跳动的脉搏

生物通首页 > 今日动态 > 正文

《Environmental Science: Atmospheres》：Machine learning-driven insights into change of air quality in Hong Kong before, during and after COVID-19Open Access

【字体：大中小】 时间：2026年08月15日 来源：Environmental Science: Atmospheres 3.5

编辑推荐：

　　打开图表查看器香港的空气污染存在显著的时空变化。然而，不同地区空气中污染物的长期变化趋势尚未得到充分了解。

香港的空气污染存在显著的时空变化。然而，不同地区空气中污染物的长期变化趋势尚未得到充分了解。本研究旨在分析2014年1月至2024年12月间香港七个监测站点的空气质量变化情况。由于COVID-19疫情的爆发，2020年2月至2023年2月这一时期尤为值得关注。与疫情前的长期趋势相比，COVID-19疫情期间及之后，PM??、PM2.5、SO?、NO?和NO?的浓度显著下降，而臭氧污染则持续上升。研究认为，隔离措施导致的交通排放减少是疫情期间空气质量改善以及七个监测站点间污染物浓度出现显著差异的重要原因。研究还运用机器学习方法来分析污染物与气象条件之间的复杂关联。研究发现，在香港，尤其是COVID-19疫情期间，可吸入颗粒物、NOx和风速对空气污染有着重要影响。在预测PM??、PM2.5、SO?、O3、NO?和NO?的变化趋势方面，人工神经网络模型和极端梯度提升模型相较于轻量级梯度提升模型和随机森林模型表现更为出色。