《自然-通讯》（Nature Communications）近日发表一项来自美国马里兰大学韦晶和李占清团队的全球PM2.5卫星遥感反演及环境健康应用研究。研究利用机器学习和大数据获取了全球首个逐日1公里无间隙PM2.5浓度，揭示了全球每天每个地方空气污染详细时空分布情况及疫情前后多年变化趋势。研究发现，2022年地球上有96%的人类居住区域及几乎所有大城市（99.7%）至少有一天暴露于不健康空气中。在暴露风险和持续时间方面，发达国家与发展中国家、城市与农村以及城市内部（甚至街区）之间存在显著的差异。在COVID-19疫情封锁之前、期间和之后，空气质量在全球范围内发生了波浪式变化，与空气污染事件相关的死亡风险也有类似的剧烈变化。研究结果还揭示了许多由自然引起的空气污染事件，如生物质燃烧。本研究对空气质量监测、气候变化和公共卫生研究方面具有重要价值，能够为未来中小尺度尤其是城市地区的空气污染防治提供重要的科学依据。研究背景
空气污染是全球主要环境问题，被列为人类健康第四大风险因素，特别是PM2.5污染。地面PM2.5比较可靠，但时空分布很不均匀，许多污染严重的发展中国家有很少甚至没有地面PM2.5站点。利用卫星遥感技术对区域PM2.5 估算已经广泛开展，但在全球尺度上的研究却甚少。尤其缺乏全球高空间分辨率的逐日PM2.5数据，此类数据在人口稠密及污染严重的城市地区尤其重要。因为光学影像受云的影响严重，无处不在的云导致了大范围的数据缺失，严重阻碍我们常规监测PM2.5污染的能力。本研究旨在估算全球逐日1公里全覆盖PM2.5数据并用它来解决一些重要问题，如1）在特定日子，本地、区域和全球的PM2.5浓度是多少？2）对PM2.5污染的每日暴露风险及其对公共健康的影响是什么？3）野火和COVID-19等极端事件对本地和全球尺度空气质量的影响有多大？
研究方法
研究团队利用先进的机器学习模型反演得到了全球陆地长时间序列逐日、无间隙、1 km分辨率的PM2.5浓度。本研究整合、集成了与PM2.5相关的大量信息，包括全球地面PM2.5实测数据、卫星遥感反演的整层气溶胶光学厚度（AOD）产品（1 km分辨率的MODIS MAIAC产品）、气溶胶和PM2.5化学传输模型模拟结果、全球气象再分析数据、人为污染物排放清单、地形、人口密度和区域发展经济水平等要素。研究团队在机器学习模型中还特别考虑了空气污染的时空自相关和差异特性，解决了被动遥感普遍存在的多云和冰雪等亮地表无法反演问题，通过融合卫星气溶胶产品和大气化学模式模拟数据，团队得到了全天候、无空隙AOD和PM2.5产品，使得逐日产品的数据覆盖率提高了36%。最后利用多种空间和时间相互独立的验证方法评估了PM2.5数据的可靠性，从卫星估算的PM2.5日数据与地面观测值吻合度R2和均方根误差分别为0.91和9.2 μg m-3。该产品时空覆盖完整、分辨率高且更准确，首次使得在全球范围内逐日评估空气污染、暴露风险和健康负担成为可能。研究结果清晰反映了世界各国因新冠疫情发生前后，以及针对疫情所采取的不同封控政策引起的空气质量和健康风险的剧烈变化和影响。
研究结果
全球逐日1公里PM2.5污染的无间隙洞察
作为例子，图1展示了2020年10月8日卫星反演的全球PM2.5分布及其与地面站点实测对比。总体来看两者结果高度一致。在加拿大、美国东部、欧洲和澳大利亚等地，空气非常清洁。相反，在中国东部的京津冀地区、印度北部的印度-恒河平原以及南非的赞比亚污染十分严重，特别是在它们各自的大城市（如北京、新德里和卢萨卡）周围，这与其高人口密度和大量人为活动导致的大规模人为排放密切相关。由自然和人为火灾引起的极高的PM2.5值在美国西部（尤其是加利福尼亚州）和南美洲中部观测到；此外，在北非的撒哈拉沙漠和中国西北部的塔克拉玛干沙漠，监测到了较高的PM2.5浓度，这与当地沙尘活动有关。传统的基于卫星遥感方法仅适用于晴空条件，导致PM2.5的分布非常零散，严重阻碍了识别PM2.5污染空间模式的能力，尤其是在小尺度上，大大增加了错过捕捉关键高污染事件的可能性。作者还利用可解释机器学习（XAI）分析了每日PM2.5变化背后的驱动因素，发现在有地面PM2.5实测数据地区，卫星反演的AOD 以及模式模拟的PM2.5是估算全球地面PM2.5的最主要预测因子，占51%，其次是气象变量（特别是相对湿度和边界层高度）及气溶胶吸湿性。不同地区影响PM2.5污染的因素和作用不大相同，这为制订更有效的空气污染防治政策提供了科学依据。
图1.全球首个每日1公里无间隙PM2.5遥感制图示例（2020年10月8日）
全球日常接触PM2.5 污染的健康风险
图2全面评估了2022年全球1 km2细网格的人口PM2.5日暴露风险。除了印度-恒河平原和华北平原等人口密集地区，其它地区严重污染超标天数相对较少，随着空气质量健康标准提高，日暴露风险覆盖区域及强度迅速增加。对于WHO空气质量指导水平，即日均值15 µg m-3，几乎全球所有人口居住地区都暴露于短期PM2.5风险之中，全球范围内87%的国家以及几乎所有的大城市（约99.7%）至少有一天内暴露于不健康的空气中，包括一些发达国家，如意大利、波兰和斯洛伐克，以及美国的洛杉矶等大城市，有超过40%的天数不达标。超高日暴露风险集中在发展中国家，特别是南亚地区。类似情况也存在于许多大城市，包括墨西哥城、智利的圣地亚哥大都会区、巴西的圣保罗、南非的豪登省、伊朗的德黑兰、泰国的曼谷、越南的胡志明市和朝鲜的平壤等。整体上，地球上分别有超过96%、82%和53%的人口居住区至少有一天、一周和一个月超过了WHO推荐的每日PM2.5空气质量指导水平。随着大气污染暴露风险的上升和暴露时段的延长，发达国家和发展中国家之间的差距迅速扩大，凸显了中低收入国家在短期空气污染暴露风险方面所面临的巨大挑战。
图2.全球2022年每1 km2暴露于环境 PM2.5 污染的短期日暴露风险空间分布图，插入的柱状图显示了全球、发达国家和发展中国家至少有 1、7 或 30 天超过 WHO 每日标准的面积百分比COVID-19期间全球PM2.5污染和死亡负担变化
为了定量评估COVID-19 封控对空气质量的影响，研究团队利用牛津大学的冠状病毒政府应对措施的封城指数，分析了大流行年（2020）以及前后基准年（2018-2022）的逐日 PM2.5 变化的时间序列。发现PM2.5污染对疫情防控措施反应迅速：当封城指数急剧上升时，PM2.5迅速下降，而当限制措施放松时，PM2.5逐渐恢复。在全球范围内，大多数国家实施了严格的封锁措施来对抗流行病（平均封锁持续时间为44天），导致了主要大气污染物排放显著减少，这表现为全球约80%的国家出现了PM2.5减少，特别是亚洲、北欧和北非的一些国家，下降幅度更大（如中国和印度分别下降了14%和21%）。相反，在南美洲南部、东南亚和南欧的少数几个沿海国家观察到了相反的增长趋势。整体上，与前疫情时代相比，2020年全球PM2.5在严格封锁期间减少了约9%，空气质量改善为全球大多数国家带来了显著的健康益处，挽救了约19000（95% CI: 13.0, 24.9）条生命，当然这与COVID-19本身造成的约330万人死亡（仅2020年）相比微不足道。在后疫情时代，全球PM2.5污染和相关死亡风险的变化有显着差异。北美、欧洲、北非、中东和南亚大多数国家的 PM2.5 水平（如印度增加了27%）和相关过早死亡均大幅增加，这主要归因于人为排放量的快速激增。相比之下，南美洲、南非、东亚和东南亚以及大洋洲的大多数国家都出现了相反的下降趋势（如中国仍比2020年低4%）。整体约59%的国家PM2.5污染发生了反弹，导致了14400（95% CI: 9.9, 18.9）条生命的丧失。尽管如此，仅有32%的国家恢复到大流行前的PM2.5水平。
图3.全球COVID-19最严格封锁期间（2020）与前疫情时代（2018-2019）、后疫情时代（2021-2022）短期PM2.5 污染和死亡负担变化分布图
研究的附加价值
本研究获得的全球陆地逐日无间隙1 km高分辨率PM2.5数据为从街区到全球、从日到年多时空尺度上监控颗粒物空气污染变化，以及评估其对环境、天气、气候和公共卫生影响提供了独特且重要的科学数据，拓展、提高了在这些领域开展相关深入研究的能力。该数据能较全面、客观、准确地反映世界各地人们普遍关心的空气污染情况，尤其是在人口密集、污染严重的城市地区；还可较详细评估大城市内不同市区污染的不均匀性、变化及其暴露的健康风险，也能更深入地了解城乡、地区、国家间的差异。可以根据居民收入水平解析城市区域，为环境正义研究提供科学支撑。这一数据对于公共卫生意义重大，尤其是研究急性PM2.5暴露的健康影响。研究揭露的发达国家与发展中国家在短期暴露风险存在的显著差异，突显了全球实现WHO空气质量指南目标仍然是一个需要国际共同努力的挑战。为此，值得强调的是：受全球大气环流影响，空气污染即是局部问题，也是全球问题，因此该数据也为研究全球范围内空气污染物输送提供有益信息。
参考文献 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).