《自然-通訊》（Nature Communications）近日發(fā)表一項(xiàng)來(lái)自美國(guó)馬里蘭大學(xué)韋晶和李占清團(tuán)隊(duì)的全球PM2.5衛(wèi)星遙感反演及環(huán)境健康應(yīng)用研究。研究利用機(jī)器學(xué)習(xí)和大數(shù)據(jù)獲取了全球首個(gè)逐日1公里無(wú)間隙PM2.5濃度，揭示了全球每天每個(gè)地方空氣污染詳細(xì)時(shí)空分布情況及疫情前后多年變化趨勢(shì)。研究發(fā)現(xiàn)，2022年地球上有96%的人類居住區(qū)域及幾乎所有大城市（99.7%）至少有一天暴露于不健康空氣中。在暴露風(fēng)險(xiǎn)和持續(xù)時(shí)間方面，發(fā)達(dá)國(guó)家與發(fā)展中國(guó)家、城市與農(nóng)村以及城市內(nèi)部（甚至街區(qū)）之間存在顯著的差異。在COVID-19疫情封鎖之前、期間和之后，空氣質(zhì)量在全球范圍內(nèi)發(fā)生了波浪式變化，與空氣污染事件相關(guān)的死亡風(fēng)險(xiǎn)也有類似的劇烈變化。研究結(jié)果還揭示了許多由自然引起的空氣污染事件，如生物質(zhì)燃燒。本研究對(duì)空氣質(zhì)量監(jiān)測(cè)、氣候變化和公共衛(wèi)生研究方面具有重要價(jià)值，能夠?yàn)槲磥?lái)中小尺度尤其是城市地區(qū)的空氣污染防治提供重要的科學(xué)依據(jù)。
研究背景
空氣污染是全球主要環(huán)境問(wèn)題，被列為人類健康第四大風(fēng)險(xiǎn)因素，特別是PM2.5污染。地面PM2.5比較可靠，但時(shí)空分布很不均勻，許多污染嚴(yán)重的發(fā)展中國(guó)家有很少甚至沒(méi)有地面PM2.5站點(diǎn)。利用衛(wèi)星遙感技術(shù)對(duì)區(qū)域PM2.5 估算已經(jīng)廣泛開(kāi)展，但在全球尺度上的研究卻甚少。尤其缺乏全球高空間分辨率的逐日PM2.5數(shù)據(jù)，此類數(shù)據(jù)在人口稠密及污染嚴(yán)重的城市地區(qū)尤其重要。因?yàn)楣鈱W(xué)影像受云的影響嚴(yán)重，無(wú)處不在的云導(dǎo)致了大范圍的數(shù)據(jù)缺失，嚴(yán)重阻礙我們常規(guī)監(jiān)測(cè)PM2.5污染的能力。本研究旨在估算全球逐日1公里全覆蓋PM2.5數(shù)據(jù)并用它來(lái)解決一些重要問(wèn)題，如1）在特定日子，本地、區(qū)域和全球的PM2.5濃度是多少？2）對(duì)PM2.5污染的每日暴露風(fēng)險(xiǎn)及其對(duì)公共健康的影響是什么？3）野火和COVID-19等極端事件對(duì)本地和全球尺度空氣質(zhì)量的影響有多大？
研究方法
研究團(tuán)隊(duì)利用先進(jìn)的機(jī)器學(xué)習(xí)模型反演得到了全球陸地長(zhǎng)時(shí)間序列逐日、無(wú)間隙、1 km分辨率的PM2.5濃度。本研究整合、集成了與PM2.5相關(guān)的大量信息，包括全球地面PM2.5實(shí)測(cè)數(shù)據(jù)、衛(wèi)星遙感反演的整層氣溶膠光學(xué)厚度（AOD）產(chǎn)品（1 km分辨率的MODIS MAIAC產(chǎn)品）、氣溶膠和PM2.5化學(xué)傳輸模型模擬結(jié)果、全球氣象再分析數(shù)據(jù)、人為污染物排放清單、地形、人口密度和區(qū)域發(fā)展經(jīng)濟(jì)水平等要素。研究團(tuán)隊(duì)在機(jī)器學(xué)習(xí)模型中還特別考慮了空氣污染的時(shí)空自相關(guān)和差異特性，解決了被動(dòng)遙感普遍存在的多云和冰雪等亮地表無(wú)法反演問(wèn)題，通過(guò)融合衛(wèi)星氣溶膠產(chǎn)品和大氣化學(xué)模式模擬數(shù)據(jù)，團(tuán)隊(duì)得到了全天候、無(wú)空隙AOD和PM2.5產(chǎn)品，使得逐日產(chǎn)品的數(shù)據(jù)覆蓋率提高了36%。最后利用多種空間和時(shí)間相互獨(dú)立的驗(yàn)證方法評(píng)估了PM2.5數(shù)據(jù)的可靠性，從衛(wèi)星估算的PM2.5日數(shù)據(jù)與地面觀測(cè)值吻合度R2和均方根誤差分別為0.91和9.2 μg m-3。該產(chǎn)品時(shí)空覆蓋完整、分辨率高且更準(zhǔn)確，首次使得在全球范圍內(nèi)逐日評(píng)估空氣污染、暴露風(fēng)險(xiǎn)和健康負(fù)擔(dān)成為可能。研究結(jié)果清晰反映了世界各國(guó)因新冠疫情發(fā)生前后，以及針對(duì)疫情所采取的不同封控政策引起的空氣質(zhì)量和健康風(fēng)險(xiǎn)的劇烈變化和影響。
研究結(jié)果
全球逐日1公里PM2.5污染的無(wú)間隙洞察
作為例子，圖1展示了2020年10月8日衛(wèi)星反演的全球PM2.5分布及其與地面站點(diǎn)實(shí)測(cè)對(duì)比?？傮w來(lái)看兩者結(jié)果高度一致。在加拿大、美國(guó)東部、歐洲和澳大利亞等地，空氣非常清潔。相反，在中國(guó)東部的京津冀地區(qū)、印度北部的印度-恒河平原以及南非的贊比亞污染十分嚴(yán)重，特別是在它們各自的大城市（如北京、新德里和盧薩卡）周?chē)?，這與其高人口密度和大量人為活動(dòng)導(dǎo)致的大規(guī)模人為排放密切相關(guān)。由自然和人為火災(zāi)引起的極高的PM2.5值在美國(guó)西部（尤其是加利福尼亞州）和南美洲中部觀測(cè)到；此外，在北非的撒哈拉沙漠和中國(guó)西北部的塔克拉瑪干沙漠，監(jiān)測(cè)到了較高的PM2.5濃度，這與當(dāng)?shù)厣硥m活動(dòng)有關(guān)。傳統(tǒng)的基于衛(wèi)星遙感方法僅適用于晴空條件，導(dǎo)致PM2.5的分布非常零散，嚴(yán)重阻礙了識(shí)別PM2.5污染空間模式的能力，尤其是在小尺度上，大大增加了錯(cuò)過(guò)捕捉關(guān)鍵高污染事件的可能性。作者還利用可解釋機(jī)器學(xué)習(xí)（XAI）分析了每日PM2.5變化背后的驅(qū)動(dòng)因素，發(fā)現(xiàn)在有地面PM2.5實(shí)測(cè)數(shù)據(jù)地區(qū)，衛(wèi)星反演的AOD 以及模式模擬的PM2.5是估算全球地面PM2.5的最主要預(yù)測(cè)因子，占51%，其次是氣象變量（特別是相對(duì)濕度和邊界層高度）及氣溶膠吸濕性。不同地區(qū)影響PM2.5污染的因素和作用不大相同，這為制訂更有效的空氣污染防治政策提供了科學(xué)依據(jù)。
圖1.全球首個(gè)每日1公里無(wú)間隙PM2.5遙感制圖示例（2020年10月8日）
全球日常接觸PM2.5 污染的健康風(fēng)險(xiǎn)
圖2全面評(píng)估了2022年全球1 km2細(xì)網(wǎng)格的人口PM2.5日暴露風(fēng)險(xiǎn)。除了印度-恒河平原和華北平原等人口密集地區(qū)，其它地區(qū)嚴(yán)重污染超標(biāo)天數(shù)相對(duì)較少，隨著空氣質(zhì)量健康標(biāo)準(zhǔn)提高，日暴露風(fēng)險(xiǎn)覆蓋區(qū)域及強(qiáng)度迅速增加。對(duì)于WHO空氣質(zhì)量指導(dǎo)水平，即日均值15 µg m-3，幾乎全球所有人口居住地區(qū)都暴露于短期PM2.5風(fēng)險(xiǎn)之中，全球范圍內(nèi)87%的國(guó)家以及幾乎所有的大城市（約99.7%）至少有一天內(nèi)暴露于不健康的空氣中，包括一些發(fā)達(dá)國(guó)家，如意大利、波蘭和斯洛伐克，以及美國(guó)的洛杉磯等大城市，有超過(guò)40%的天數(shù)不達(dá)標(biāo)。超高日暴露風(fēng)險(xiǎn)集中在發(fā)展中國(guó)家，特別是南亞地區(qū)。類似情況也存在于許多大城市，包括墨西哥城、智利的圣地亞哥大都會(huì)區(qū)、巴西的圣保羅、南非的豪登省、伊朗的德黑蘭、泰國(guó)的曼谷、越南的胡志明市和朝鮮的平壤等。整體上，地球上分別有超過(guò)96%、82%和53%的人口居住區(qū)至少有一天、一周和一個(gè)月超過(guò)了WHO推薦的每日PM2.5空氣質(zhì)量指導(dǎo)水平。隨著大氣污染暴露風(fēng)險(xiǎn)的上升和暴露時(shí)段的延長(zhǎng)，發(fā)達(dá)國(guó)家和發(fā)展中國(guó)家之間的差距迅速擴(kuò)大，凸顯了中低收入國(guó)家在短期空氣污染暴露風(fēng)險(xiǎn)方面所面臨的巨大挑戰(zhàn)。
圖2.全球2022年每1 km2暴露于環(huán)境 PM2.5 污染的短期日暴露風(fēng)險(xiǎn)空間分布圖，插入的柱狀圖顯示了全球、發(fā)達(dá)國(guó)家和發(fā)展中國(guó)家至少有 1、7 或 30 天超過(guò) WHO 每日標(biāo)準(zhǔn)的面積百分比
COVID-19期間全球PM2.5污染和死亡負(fù)擔(dān)變化
為了定量評(píng)估COVID-19 封控對(duì)空氣質(zhì)量的影響，研究團(tuán)隊(duì)利用牛津大學(xué)的冠狀病毒政府應(yīng)對(duì)措施的封城指數(shù)，分析了大流行年（2020）以及前后基準(zhǔn)年（2018-2022）的逐日 PM2.5 變化的時(shí)間序列。發(fā)現(xiàn)PM2.5污染對(duì)疫情防控措施反應(yīng)迅速：當(dāng)封城指數(shù)急劇上升時(shí)，PM2.5迅速下降，而當(dāng)限制措施放松時(shí)，PM2.5逐漸恢復(fù)。在全球范圍內(nèi)，大多數(shù)國(guó)家實(shí)施了嚴(yán)格的封鎖措施來(lái)對(duì)抗流行?。ㄆ骄怄i持續(xù)時(shí)間為44天），導(dǎo)致了主要大氣污染物排放顯著減少，這表現(xiàn)為全球約80%的國(guó)家出現(xiàn)了PM2.5減少，特別是亞洲、北歐和北非的一些國(guó)家，下降幅度更大（如中國(guó)和印度分別下降了14%和21%）。相反，在南美洲南部、東南亞和南歐的少數(shù)幾個(gè)沿海國(guó)家觀察到了相反的增長(zhǎng)趨勢(shì)。整體上，與前疫情時(shí)代相比，2020年全球PM2.5在嚴(yán)格封鎖期間減少了約9%，空氣質(zhì)量改善為全球大多數(shù)國(guó)家?guī)?lái)了顯著的健康益處，挽救了約19000（95% CI: 13.0, 24.9）條生命，當(dāng)然這與COVID-19本身造成的約330萬(wàn)人死亡（僅2020年）相比微不足道。在后疫情時(shí)代，全球PM2.5污染和相關(guān)死亡風(fēng)險(xiǎn)的變化有顯著差異。北美、歐洲、北非、中東和南亞大多數(shù)國(guó)家的 PM2.5 水平（如印度增加了27%）和相關(guān)過(guò)早死亡均大幅增加，這主要?dú)w因于人為排放量的快速激增。相比之下，南美洲、南非、東亞和東南亞以及大洋洲的大多數(shù)國(guó)家都出現(xiàn)了相反的下降趨勢(shì)（如中國(guó)仍比2020年低4%）。整體約59%的國(guó)家PM2.5污染發(fā)生了反彈，導(dǎo)致了14400（95% CI: 9.9, 18.9）條生命的喪失。盡管如此，僅有32%的國(guó)家恢復(fù)到大流行前的PM2.5水平。
圖3.全球COVID-19最嚴(yán)格封鎖期間（2020）與前疫情時(shí)代（2018-2019）、后疫情時(shí)代（2021-2022）短期PM2.5 污染和死亡負(fù)擔(dān)變化分布圖
研究的附加價(jià)值
本研究獲得的全球陸地逐日無(wú)間隙1 km高分辨率PM2.5數(shù)據(jù)為從街區(qū)到全球、從日到年多時(shí)空尺度上監(jiān)控顆粒物空氣污染變化，以及評(píng)估其對(duì)環(huán)境、天氣、氣候和公共衛(wèi)生影響提供了獨(dú)特且重要的科學(xué)數(shù)據(jù)，拓展、提高了在這些領(lǐng)域開(kāi)展相關(guān)深入研究的能力。該數(shù)據(jù)能較全面、客觀、準(zhǔn)確地反映世界各地人們普遍關(guān)心的空氣污染情況，尤其是在人口密集、污染嚴(yán)重的城市地區(qū)；還可較詳細(xì)評(píng)估大城市內(nèi)不同市區(qū)污染的不均勻性、變化及其暴露的健康風(fēng)險(xiǎn)，也能更深入地了解城鄉(xiāng)、地區(qū)、國(guó)家間的差異?？梢愿鶕?jù)居民收入水平解析城市區(qū)域，為環(huán)境正義研究提供科學(xué)支撐。這一數(shù)據(jù)對(duì)于公共衛(wèi)生意義重大，尤其是研究急性PM2.5暴露的健康影響。研究揭露的發(fā)達(dá)國(guó)家與發(fā)展中國(guó)家在短期暴露風(fēng)險(xiǎn)存在的顯著差異，突顯了全球?qū)崿F(xiàn)WHO空氣質(zhì)量指南目標(biāo)仍然是一個(gè)需要國(guó)際共同努力的挑戰(zhàn)。為此，值得強(qiáng)調(diào)的是：受全球大氣環(huán)流影響，空氣污染即是局部問(wèn)題，也是全球問(wèn)題，因此該數(shù)據(jù)也為研究全球范圍內(nèi)空氣污染物輸送提供有益信息。
參考文獻(xiàn)
1. Wei, J. et al. Reconstructing 1-km-resolution high-quality PM2.5 data records from 2000 to 2018 in China: spatiotemporal variations and policy implications. Remote Sens. Environ. 252, 112136 (2021).
2. Li, Z., et al. Aerosol and boundary-layer interactions and impact on air quality. Natl. Sci. Rev. 4, 810-833 (2017).
3. WHO. WHO global air quality guidelines. Particulate matter (PM2.5 and PM10), ozone, nitrogen dioxide, sulfur dioxide and carbon monoxide. Geneva: World Health Organization, 2021, License: CC?BY-NC-SA?3.0?IGO.
4. Orellano, P., et al. Short-term exposure to particulate matter (PM10 and PM2.5), nitrogen dioxide (NO2), and ozone (O3) and all-cause and cause-specific mortality: Systematic review and meta-analysis. Environ Int. 142, 105876 (2020).
5. Hale, T., et al. A global panel database of pandemic policies (Oxford COVID-19 Government Response Tracker). Nat. Hum. Behav. 5, 529-538 (2021).