清華新聞網(wǎng)2月28日電（通訊員 溫軼凡）近日，清華大學(xué)環(huán)境學(xué)院張少君副教授課題組與斯坦福大學(xué)王元（Yuan Wang）助理教授課題組合作開發(fā)了基于動態(tài)交通大數(shù)據(jù)和機(jī)器學(xué)習(xí)算法的特大城市大氣污染濃度高分辨率預(yù)測方法，并對美國洛杉磯地區(qū)不同社會族群空氣污染暴露的環(huán)境公平性開展了深入研究。該研究以美國洛杉磯地區(qū)為對象，開發(fā)了一種基于機(jī)器學(xué)習(xí)的高分辨率空氣質(zhì)量模擬方法，實現(xiàn)了美國洛杉磯地區(qū)連續(xù)整年的公里-小時級空氣質(zhì)量動態(tài)模擬，揭示了美國洛杉磯地區(qū)不同人種和收入群體污染物暴露的不公性。研究首次將動態(tài)交通數(shù)據(jù)引入基于機(jī)器學(xué)習(xí)的空氣質(zhì)量模擬方法中，并揭示了其在優(yōu)化城市空氣質(zhì)量時空分布特征方面的重要作用，進(jìn)而能夠更準(zhǔn)確評估社區(qū)層面人口污染暴露差異及環(huán)境公平性。
圖1.研究成果入選《環(huán)境科學(xué)與技術(shù)》（Environmental Science & Technology）補(bǔ)充封面
空氣污染在全球特大城市中造成了重要的公共健康威脅。對于洛杉磯這樣的特大城市，其污染源、人群和社群分布存在顯著的空間差異，不同族裔、收入群體的空氣污染暴露水平也并不相同。因此，空氣污染暴露的環(huán)境公平性成為研究的焦點。受實驗資源、數(shù)據(jù)準(zhǔn)備及計算效率的制約，僅僅依靠實際觀測或物理/化學(xué)傳輸模型難以實現(xiàn)特大城市空間范圍下街區(qū)尺度空氣污染暴露高精度、持續(xù)性的動態(tài)評估。數(shù)據(jù)驅(qū)動的地理統(tǒng)計模型大多停留在利用靜態(tài)路網(wǎng)分布代表交通排放特征的層面，缺乏對交通活動高度流動性和時空特異性的考慮。因此，亟需耦合機(jī)器學(xué)習(xí)方法和動態(tài)交通流數(shù)據(jù)構(gòu)建城市人群空氣污染暴露精細(xì)化評估方法，以充分體現(xiàn)道路交通對人群暴露空間異質(zhì)性的影響。
針對上述難題，研究團(tuán)隊開發(fā)了一種融合動態(tài)交通數(shù)據(jù)的機(jī)器學(xué)習(xí)方法，實現(xiàn)了美國洛杉磯地區(qū)連續(xù)一整年公里級空氣質(zhì)量逐時模擬。研究發(fā)現(xiàn)，在模型中引入真實動態(tài)交通數(shù)據(jù)使二氧化氮（NO2）、日最大8小時平均臭氧（MDA8 O3）和細(xì)顆粒物（PM2.5）模擬的空間保真度分別提高了47%、4%和15%。該方法成功捕獲了由于交通活動導(dǎo)致的PM2.5濃度超標(biāo)的情況，并提供了一個“超標(biāo)地圖”工具，以識別高污染社區(qū)內(nèi)的暴露差異。相比之下，沒有引入實際動態(tài)交通數(shù)據(jù)的模型缺乏捕捉交通引起的暴露差異的能力，并且嚴(yán)重低估了居民對PM2.5的暴露。對于有色人種和低收入群體這樣的弱勢社區(qū)，這種PM2.5暴露濃度低估更為嚴(yán)重。研究揭示了將實時交通數(shù)據(jù)納入社區(qū)尺度污染物暴露差異及環(huán)境不公性評估的重要性。
圖2.引入動態(tài)交通數(shù)據(jù)前后PM2.5濃度及不同種族/族裔暴露情況模擬結(jié)果對比
相關(guān)研究成果以“機(jī)器學(xué)習(xí)空氣質(zhì)量模擬中引入動態(tài)交通數(shù)據(jù)改善了環(huán)境正義評估”（Dynamic Traffic Data in Machine-Learning Air Quality Mapping Improves Environmental Justice Assessment）為題，近日在線發(fā)表于《環(huán)境科學(xué)與技術(shù)》（Environmental Science & Technology）期刊上。
環(huán)境學(xué)院博士后溫軼凡為論文第一作者，張少君與王元為論文通訊作者。研究得到國家重點研發(fā)計劃、國家自然科學(xué)基金、博士后創(chuàng)新人才支持計劃和清華大學(xué)“水木學(xué)者”計劃等的資助。
論文鏈接：
https://pubs.acs.org/doi/10.1021/acs.est.3c07545
供稿：環(huán)境學(xué)院
編輯：李華山
審核：郭玲
