我院孟夏、阚海东课题组在PM2.5精准暴露评价的方法学领域取得重要进展

供稿：王维栋

近期，我院孟夏、阚海东课题组在PM_2.5精准暴露评价的方法学领域取得重要进展，研究结果以“Estimating PM_2.5 concentrations in Northeastern China with full spatiotemporal coverage, 2005-2016 “为题在线发表于遥感领域权威杂志Remote Sensing & Environment (文章链接为 https://doi.org/10.1016/j.rse.2020.112203，IF：9.1)。

高精度的暴露评价是开展高质量PM_2.5相关流行病学研究的关键步骤。越来越多的研究利用卫星遥感技术反演的气溶胶光学厚度 (aerosol optical depth, AOD)这一参数来预测地面PM_2.5浓度。但是云覆盖或者高反射地面（例如冰雪覆盖）会导致AOD的显著缺失，进而影响PM_2.5暴露评价的准确性。该问题在我国东北地区尤其突出。

受云覆盖和地面冰雪覆盖的影响，我国东北地区的年均AOD时空覆盖率仅为32%，并且缺失主要集中在PM_2.5污染较重的冬季。例如2015年冬季，AOD在研究范围内的50%地区完全缺失，这将显著增加该地区PM_2.5暴露评价的误差。

针对该问题，孟夏、阚海东课题组与美国埃默里大学刘阳课题组合作，在我国东北地区利用AOD、气象参数、同化数据和土地利用等数据，基于随机森林方法在日均值和1km×1km 空间分辨率水平预测了地面PM_2.5浓度。研究利用不包含AOD的随机森林模型实现了研究范围内PM_2.5预测的100%时空覆盖，同时整合包含AOD的随机森林模型来进一步提升预测准确度。整合后的每日水平的PM_2.5预测值与实测值的一致性较高（R²=0.81，图1）。该方法将东北地区冬季PM_2.5预测的时空分辨率从20%提升到100%，同时将预测误差从28%降低到2.5%，显著提升了PM_2.5暴露评价的准确性。

图1. 合并模型的PM_2.5预测值(x轴)和地面监测站PM_2.5实测值(y轴)比较的密度散点图

黑色斜线代表y=x回归线，红色斜线代表实测值和预测值的线性回归

  基于该研究建立的PM_2.5预测数据集，研究人员进一步分析了东北地区2005-2016年PM_2.5的时空分布特征。时间趋势分析发现东北三省PM_2.5浓度自2005年开始上升，在2008-2009年间达到第一个高峰，在2013-2015年间达到最高浓度，随后显著下降（图2）；尽管如此，2016年东北地区PM_2.5浓度仍然高于我国空气质量标准GB3095-2012中规定的35 μg/m³的年均浓度限制。空间分布上，东北地区PM_2.5浓度自北向南逐渐上升，高浓度PM_2.5集中出现在哈尔滨-长春-沈阳沿线及周边的城市群。在捕获城市之间PM_2.5浓度变异的同时，该方法还可以在千米水平识别城市内部PM_2.5浓度的梯度变化（图3）。该暴露数据库可以进一步有力支持空气质量改善评估以及流行病学研究。

 图2. 东北地区(All)、辽宁省(LN)、吉林省(JL)和黑龙江省(HLJ)2005-2016年PM_2.5浓度变化的年际趋势

图3. 我国东北地区2013年1km×1km 空间分辨率PM_2.5年均浓度的空间分布

对比左侧两幅小图可以发现沈阳市区内绿地覆盖 (红色方格) 区域PM_2.5浓度相应降低

我院青年副研究员孟夏和博士后刘聪为论文共同第一作者，阚海东教授和美国埃默里大学刘阳教授为共同通讯作者。该研究得到了国家自然科学基金重大研究计划“大气细颗粒物的毒理与健康效应”的支持。