机器学习辅助大气污染及暴露估算.pdf

《机器学习辅助大气污染及暴露估算.pdf》由会员分享，可在线阅读，更多相关《机器学习辅助大气污染及暴露估算.pdf（39页珍藏版）》请在三个皮匠报告上搜索。

1、机器学习辅助大气污染及暴露估算张宏亮上海理工大学 环境与建筑学院2025年长三角空气质量管理技术研讨会大气污染大气污染Miller，2022大气污染健康影响大气污染健康影响2019 全球前十致死危险因素2019 我国前十致死危险因素020040060080010001200饮酒营养不良肾功能受损高LDL高BMI高血糖空气污染饮食风险烟草高血压归因死亡人数（万）0100200300400饮酒肾功能受损不适温度高BMI高LDL高血糖空气污染饮食风险高血压烟草归因死亡人数（万）室外颗粒物142.2万低温62.2万室内空气污染36.1万臭氧9.3万室外颗粒物413.7万低温180.0万室内空气污染23

2、0.4万臭氧36.5万GBD,Lancet,2020暴露评估是研究关键暴露评估是研究关键研究路径 空气污染监测与建模（监测站/遥感/数值模式/AI）污染物暴露评估（核心环节）人群健康数据整合（住院/队列/临床检测）统计与因果分析（时间序列/C-R/贝叶斯）结果解读与政策建议（高风险人群/干预措施）暴露评估 高精度：空间=10 g m-3,L2=20 g m-3,L3=30 g m-3,L4=40 g m-3。短期暴露风险的计算方法：计算一年中每日PM1浓度超过标准值的天数比例；长期暴露风险的计算方法：计算年PM1浓度超过目标值的区域比例Flow ChartMeteorologyObservat

3、ionsPM componentsAODTRAINTESTFeatureLabelin preparation基于基于4D树模型的全球树模型的全球PM1浓度估算浓度估算PM1全球分布全球分布Disparities in global PM1exposure短期暴露风险：短期暴露风险：2021 年全球分别有 77%、71%和 51%的人至少有一天、一周和一个月暴露在不健康的 PM1（15 g m-3）中。长期暴露风险长期暴露风险:2021 年中亚98%的地区，北非98%的地区，南亚79%的地区暴露在不健康的 PM1（年均浓度 10 g m-3）中，而北美仅25%的地区，澳大利亚仅22%的地区，西

4、欧仅23%的地区暴露在不健康的 PM1（年均浓度 10 g m-3）中。在全球范围内，经济水平与人口加权 PM1浓度呈负相关；经济发展水平低的国家和地区PM1暴露水平更高PM1全球分布全球分布1.在全球范围内，经济水平与人在全球范围内，经济水平与人口加权口加权 PM1浓度呈负相关；基尼浓度呈负相关；基尼系数为系数为 0.59，集中指数为，集中指数为-0.12；2.经济发展水平低的国家和地区经济发展水平低的国家和地区PM1暴露水平更高；暴露水平更高；3.与一次能源相关的指标，如碳与一次能源相关的指标，如碳强度、天然气发电比例和化石燃强度、天然气发电比例和化石燃料消耗量与料消耗量与 PWC 呈正相

5、；呈正相；4.水力、太阳能和风能等清洁能水力、太阳能和风能等清洁能源与源与 PWC 呈负相关。呈负相关。in preparationPM1disparities可解释机器学习诊断臭氧对VOCs(HCHO)、NOx(NO2)和气溶胶(PM2.5)的敏感性多源时空数据融合多任务深度学习估算全球大气污染物浓度全球全球NOx-VOCs-O3-PM2.510km分辨率2005-2023年气象再分析卫星遥感人口和路网植被指数土地利用in preparation0.13 g m-3yr-1*0.07 g m-3yr-1*农村HCHO抑制效应增强城市NO2抑制效应减弱-0.03 g m-3yr-1*郊区颗粒物

6、抑制效应增强2005年臭氧：郊区年臭氧：郊区 农村农村 城市城市2023年臭氧：农村年臭氧：农村 城市城市 郊区郊区由于农村地区臭氧的下降幅度更大，导致城乡差异不断缩小由于农村地区臭氧的下降幅度更大，导致城乡差异不断缩小全球臭氧城乡差异的时空变化趋势全球臭氧城乡差异的时空变化趋势in preparation2005年，年，超过超过75%的国家城市臭氧低于农村的国家城市臭氧低于农村2005-2023年，年，超过超过60%的的国家臭氧城乡差异呈增加趋势国家臭氧城乡差异呈增加趋势1.33 g m-3yr-1*国家尺度臭氧城乡差异的时空变化趋势国家尺度臭氧城乡差异的时空变化趋势in preparati