Atribución de la Variabilidad del Carbono Negro en China (2000-2019) desde una Perspectiva de Aprendizaje Automático
Autores: Fan, Ruonan; Ma, Yingying; Jin, Shikuan; Liu, Boming; Li, Yunduan; Gong, Wei
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Atribución de la Variabilidad del Carbono Negro en China (2000-2019) desde una Perspectiva de Aprendizaje Automático
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Astronomía
Palabras clave
Carbon negro
Emisiones
Condiciones meteorológicas
China
Gestión de la contaminación del aire
Aprendizaje automático
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 7
Citaciones: Sin citaciones
Las emisiones sustanciales de carbono negro (BC) en China han generado serias preocupaciones debido a su influencia significativa en el cambio climático y la salud. Sin embargo, el conocimiento sobre las contribuciones relativas de las emisiones y las condiciones meteorológicas a la dinámica del BC es limitado pero esencial para la gestión de la contaminación del aire. Por lo tanto, las concentraciones de BC impulsadas por emisiones y meteorología en China durante 2000-2019 fueron cuantificadas mediante un marco de aprendizaje automático, centrándose en cinco regiones (NC: Norte de China, YRD: Delta del Río Yangtsé, PRD: Delta del Río Perla, SCB: Cuenca de Sichuan y CC: China Central). Además, se investigaron los mecanismos impulsores de los factores meteorológicos clave utilizando la Explicación Aditiva de Shapley (SHAP). Los resultados muestran un papel dominante de las emisiones en la variabilidad del BC, con proporciones de cambios promedio regionales de BC a cambios totales que varían del -140.50% al 76.40%. Especialmente, la disminución más pronunciada ocurrió en NC durante 2013-2019, con una caída de BC de 1.56 g/m. Aun así, el impacto de condiciones meteorológicas extremadamente adversas en las variaciones del BC no puede ser ignorado. El promedio anual más alto de BC en YRD (0.17 g/m) y PRD (0.30 g/m) se observó en 2004, mientras que el BC positivo en NC, SCB y CC alcanzó su punto máximo en 2013, con valores de 0.26, 0.18 y 0.18 g/m, respectivamente. En cuanto a los valores de SHAP de cada característica, los efectos meteorológicos en NC, YRD, SCB y CC fueron dominados por la altura de la capa límite y la temperatura, mientras que en PRD fueron principalmente regulados por la precipitación y el viento. Estos hallazgos proporcionan una nueva perspectiva para atribuir la variabilidad del BC y ofrecen valiosos conocimientos para optimizar las estrategias de control del BC regional y los modelos de calidad del aire.
Descripción
Las emisiones sustanciales de carbono negro (BC) en China han generado serias preocupaciones debido a su influencia significativa en el cambio climático y la salud. Sin embargo, el conocimiento sobre las contribuciones relativas de las emisiones y las condiciones meteorológicas a la dinámica del BC es limitado pero esencial para la gestión de la contaminación del aire. Por lo tanto, las concentraciones de BC impulsadas por emisiones y meteorología en China durante 2000-2019 fueron cuantificadas mediante un marco de aprendizaje automático, centrándose en cinco regiones (NC: Norte de China, YRD: Delta del Río Yangtsé, PRD: Delta del Río Perla, SCB: Cuenca de Sichuan y CC: China Central). Además, se investigaron los mecanismos impulsores de los factores meteorológicos clave utilizando la Explicación Aditiva de Shapley (SHAP). Los resultados muestran un papel dominante de las emisiones en la variabilidad del BC, con proporciones de cambios promedio regionales de BC a cambios totales que varían del -140.50% al 76.40%. Especialmente, la disminución más pronunciada ocurrió en NC durante 2013-2019, con una caída de BC de 1.56 g/m. Aun así, el impacto de condiciones meteorológicas extremadamente adversas en las variaciones del BC no puede ser ignorado. El promedio anual más alto de BC en YRD (0.17 g/m) y PRD (0.30 g/m) se observó en 2004, mientras que el BC positivo en NC, SCB y CC alcanzó su punto máximo en 2013, con valores de 0.26, 0.18 y 0.18 g/m, respectivamente. En cuanto a los valores de SHAP de cada característica, los efectos meteorológicos en NC, YRD, SCB y CC fueron dominados por la altura de la capa límite y la temperatura, mientras que en PRD fueron principalmente regulados por la precipitación y el viento. Estos hallazgos proporcionan una nueva perspectiva para atribuir la variabilidad del BC y ofrecen valiosos conocimientos para optimizar las estrategias de control del BC regional y los modelos de calidad del aire.