Un equipo de investigación dirigido por el profesor Xie Pinhua, de los Institutos de Ciencias Físicas de Hefei de la Academia China de Ciencias, ha desarrollado un novedoso modelo de predicción de la concentración de ozono superficial en las regiones de la llanura del norte de China (NCP) y el delta del río Yangtsé (YRD). El modelo aprovecha un marco de red de memoria a largo plazo convolucional secuencial (CNN-LSTM) para integrar características meteorológicas espaciotemporales, abordando así las principales limitaciones de los métodos de pronóstico existentes.
por Zhang Nannan, Academia China de Ciencias
Los resultados de la investigación, publicados en Environmental Science & Technology , proporcionan un nuevo enfoque técnico para la alerta temprana de la contaminación por ozono .
El ozono superficial se ha convertido en un importante contaminante del aire durante el verano, a menudo asociado a altas temperaturas y baja humedad. Sin embargo, los niveles de ozono también se ven influenciados por factores meteorológicos complejos como la circulación atmosférica, la radiación solar , la altura de la capa límite y la nubosidad, lo que dificulta constantemente la realización de pronósticos precisos. Los modelos convencionales de aprendizaje automático suelen ignorar estas dinámicas espaciotemporales, mientras que los modelos numéricos presentan altos costos computacionales y una capacidad limitada para predecir episodios de alta concentración de ozono.
En este estudio, los investigadores construyeron un modelo de mapeo multiescala utilizando datos de pronóstico meteorológico y la arquitectura CNN-LSTM. Al incorporar campos meteorológicos en diversas escalas espaciotemporales, el modelo logró una alta precisión de predicción, con índices de acierto del 83 % en el NCP y del 56 % en el YRD para eventos de alta concentración de ozono (MDA8 ≥ 160 μg/m³), y un R² superior a 0,85 para explicar la variabilidad diaria del ozono.
El modelo también cuantificó con éxito el impacto de los cambios de posición de los tifones en los niveles regionales de ozono, lo que demuestra aún más su robustez.
«Hemos obtenido una imagen más clara de cómo los patrones climáticos impulsan la contaminación por ozono, lo que realmente puede contribuir a mejores alertas tempranas para los días de alto riesgo de ozono», afirmó el profesor Xie Pinhua.
Más información: Feng Hu et al., Mapeo de los procesos meteorológicos regionales en relación con la variabilidad del ozono en la llanura del norte de China y el delta del río Yangtsé, China, Ciencias Ambientales y Tecnología (2025). DOI: 10.1021/acs.est.4c11988
