课题组基于MAX-DOAS技术和机器学习模型评估了COVID-19期间封控措施对NO₂和HCHO垂直分布的影响，在Journal of Geophysical Researc-Atmosphere期刊发表了题为"Impact Assessment of COVID-19 Lockdown on Vertical Distributions of NO₂ and HCHO From MAX-DOAS Observations and Machine Learning Models"的论文，2021级博士张三保为第一作者。

图1. 基于袋装树模型模拟不同气象条件和地面污染水平下的NO₂和HCHO垂直分布。

       基于多轴差分吸收光谱（MAX-DOAS）观测获得的垂直廓线和大量实时数据，建立并对比了四种机器学习模型，包括多元线性回归、支持向量机、袋装树和人工神经网络。其中袋装树模型再现NO₂和HCHO垂直分布的效果最佳。采用袋装树模型对不同气象和地面污染情景进行了预测，并评估COVID-19封控期间NO₂和HCHO廓线变化的相应影响。模拟结果表明，与2017年、2018年和2019年相比，2020年NO₂分别下降了43.8%、45.5%和44.6%。对于HCHO，封锁引起的下降分别为28.6%、32.1%和10.9%。针对垂直分布的变化，NO₂在各个高度层都呈下降的现象，而HCHO在低海拔呈下降，在高海拔呈上升的现象。在封控期间，地面污染物变化引起的NO₂和HCHO减少主要在0.5 km以下，而对应的气象因素在0.5 km以上发挥更重要的作用。

       原文链接：Zhang, S., Wang, S., Xue, R., Zhu, J., Tanvir, A., Li, D., & Zhou, B. (2022). Impact assessment of COVID-19 lockdown on vertical distributions of NO2 and HCHO from MAX-DOAS observations and machine learning models. Journal of Geophysical Research: Atmospheres, 127, e2021JD036377. https://doi.org/10.1029/2021JD036377