课题组基于卫星遥感数据和再分析资料在中国边缘海域对异戊二烯进行模拟，探究了海洋生源组分对海洋边界层大气中污染组分的影响，研究成果在Atmosphere期刊上发表了题为Machine Learning to Characterize Biogenic Isoprene Emissions and Atmospheric Formaldehyde with their Environmental Drivers in the Marine Boundary Layer的论文，2021级硕士生汪天雨为第一作者。

       海洋浮游生物生产排放的异戊二烯是对海洋边界层大气影响最大的生物源挥发性有机物，本研究采用极端梯度提升（XGBoost）机器学习方法和聚类方法，结合卫星观测和模型模拟，探讨以异戊二烯为代表的海洋生源排放对海洋边界层甲醛（HCHO）的影响。结果表明，浮游植物功能类型（PFTs）和生物降解对海洋生物源排放有显著影响。受人类活动严重影响的气团中海洋生物源排放的增加可以在一定程度上降低海洋大气HCHO的水平；然而，在受人类活动影响较小的地区，海洋生物源排放可能导致更高水平的HCHO污染。

原文链接：Tianyu Wang, Shanshan Wang, Ruibin Xue, Yibing Tan, Sanbao Zhang, Chuanqi Gu, Bin Zhou. Machine Learning to Characterize Biogenic Isoprene Emissions and Atmospheric Formaldehyde with Their Environmental Drivers in the Marine Boundary Layer. Atmosphere, 15, 679, 2024. DOI: https://doi.org/10.3390/atmos15060679