在過去十年，中國經歷了嚴重的空氣污染，尤其是PM2.5和臭氧污染?？諝馕廴緦γ癖娊】翟斐删薮蟮臐撛谖：?，已引起公眾的廣泛關注。近期，我司龐小兵教授團隊基于中國生態(tài)環(huán)境部空氣質量監(jiān)測網絡，全面分析了2015至2021年間中國城市群對PM2.5和臭氧的人口長期暴露風險（圖a）。在研究期間空氣質量的改善（主要是PM2.5）降低了過早死亡人數，而且新冠肺炎大流行使PM2.5人口暴露曲線低濃度部分更加陡峭，進而減少過早死亡人數。最后基于團隊的預測結果（2020-2060），我們發(fā)現(xiàn)PM2.5導致的過早死亡呈持續(xù)下降，而許多特定城市群中由臭氧導致的過早死亡會有上升，這表明臭氧污染防控的緊迫性。在未來實現(xiàn)碳中和過程中，國家有必要對PM2.5和臭氧進行協(xié)同控制，以降低空氣污染導致的長期暴露風險。相關結果發(fā)表于Science of  the Total Environment。

此外，團隊針對近些年京津冀地區(qū)日趨嚴重的臭氧污染，利用機器學習（隨機森林和決策樹回歸）較好地預測了2015-2021年京津冀地區(qū)臭氧的時空分布。研究表明與太陽輻射和溫度相關的變量對臭氧的預測具有重要作用（圖b），并且不同的區(qū)域也會影響變量的重要性。新冠肺炎大流行削減了污染物排放，這會影響VOCs等物種對臭氧形成的重要性。盡管隨機森林不擅長預測臭氧的極值，但是它對預測臭氧的時空分布以及識別臭氧形成的關鍵因子具有重要作用，在未來應該有更廣泛的應用。相關結果發(fā)表于Environmental Pollution。

 圖（a）2015-2021年中國城市群對臭氧和PM2.5的人口暴露曲線  （b）利用機器學習預測臭氧、識別臭氧形成關鍵因子。

論文明細

1. Lyu Y., Pang X. et al., Tracking long-term population exposure risks to PM2.5 and ozone in urban agglomerations of China 2015-2021. Sci. Total Environ. doi:10.1016/j.scitotenv. 2022.158599.

2. Lyu Y., Pang X. et al., Spatiotemporal variations of air pollutants and ozone prediction using machine learning algorithms in the Beijing-Tianjin-Hebei region from 2014 to 2021. Environ. Pollut.  2022.306: 119420.