在过去十年，中国经历了严重的空气污染，尤其是PM2.5和臭氧污染。空气污染对民众健康造成巨大的潜在危害，已引起公众的广泛关注。近期，我司庞小兵教授团队基于中国生态环境部空气质量监测网络，全面分析了2015至2021年间中国城市群对PM2.5和臭氧的人口长期暴露风险（图a）。在研究期间空气质量的改善（主要是PM2.5）降低了过早死亡人数，而且新冠肺炎大流行使PM2.5人口暴露曲线低浓度部分更加陡峭，进而减少过早死亡人数。最后基于团队的预测结果（2020-2060），我们发现PM2.5导致的过早死亡呈持续下降，而许多特定城市群中由臭氧导致的过早死亡会有上升，这表明臭氧污染防控的紧迫性。在未来实现碳中和过程中，国家有必要对PM2.5和臭氧进行协同控制，以降低空气污染导致的长期暴露风险。相关结果发表于Science of  the Total Environment。

此外，团队针对近些年京津冀地区日趋严重的臭氧污染，利用机器学习（随机森林和决策树回归）较好地预测了2015-2021年京津冀地区臭氧的时空分布。研究表明与太阳辐射和温度相关的变量对臭氧的预测具有重要作用（图b），并且不同的区域也会影响变量的重要性。新冠肺炎大流行削减了污染物排放，这会影响VOCs等物种对臭氧形成的重要性。尽管随机森林不擅长预测臭氧的极值，但是它对预测臭氧的时空分布以及识别臭氧形成的关键因子具有重要作用，在未来应该有更广泛的应用。相关结果发表于Environmental Pollution。

 图（a）2015-2021年中国城市群对臭氧和PM2.5的人口暴露曲线  （b）利用机器学习预测臭氧、识别臭氧形成关键因子。

论文明细

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.