清華新聞網(wǎng)6月25日電（通訊員 溫軼凡）清華大學(xué)環(huán)境學(xué)院張少君助理教授課題組與加州理工學(xué)院聯(lián)合團(tuán)隊(duì)在交通環(huán)境與空氣質(zhì)量模擬領(lǐng)域取得新進(jìn)展。研究基于氣象和交通等長(zhǎng)時(shí)期、小時(shí)級(jí)動(dòng)態(tài)數(shù)據(jù)，構(gòu)建了時(shí)間序列土地利用隨機(jī)森林模型，追蹤分析了洛杉磯地區(qū)新冠疫情期間交通活動(dòng)變化對(duì)城市空氣質(zhì)量的影響，并預(yù)測(cè)了未來(lái)氣候變化和交通排放控制等情景對(duì)當(dāng)?shù)乜諝赓|(zhì)量的潛在影響。
洛杉磯是美國(guó)空氣污染最嚴(yán)重的城市之一，20世紀(jì)40年代至50年代曾發(fā)生的光化學(xué)煙霧事件也開(kāi)啟了全球機(jī)動(dòng)車(chē)排放污染治理的歷程；洛杉磯目前是世界上機(jī)動(dòng)車(chē)排放法規(guī)最為嚴(yán)格的地區(qū)。2020年新冠疫情在當(dāng)?shù)匕l(fā)生以來(lái)，加利福尼亞州從2020年3月進(jìn)入疫情緊急狀態(tài)，期間交通活動(dòng)的大幅度變化為探究城市交通對(duì)空氣質(zhì)量的動(dòng)態(tài)影響提供了重要機(jī)會(huì)。
研究交通排放與空氣質(zhì)量響應(yīng)的傳統(tǒng)方法主要依靠排放清單編制和大氣化學(xué)傳輸模型計(jì)算，對(duì)排放清單分辨率和動(dòng)態(tài)性要求較高，也受到清單和模型本身的不確定性影響。聯(lián)合團(tuán)隊(duì)基于洛杉磯地區(qū)2019年1月至2020年6月長(zhǎng)達(dá)1年半的逐小時(shí)路網(wǎng)交通流、空氣質(zhì)量和氣象觀(guān)測(cè)數(shù)據(jù)，構(gòu)建了時(shí)間序列土地利用隨機(jī)森林模型。該模型以氣象、交通和土地利用輸入預(yù)測(cè)參數(shù)，模擬NO2、O3和PM2.5濃度表現(xiàn)優(yōu)異，對(duì)上述三種污染物濃度的擬合R2達(dá)到0.88，0.86和0.65，同時(shí)對(duì)影響污染的氣象和交通參數(shù)具有更佳的解釋度（圖1）。研究進(jìn)一步分析了疫情期間交通活動(dòng)變化對(duì)加州空氣質(zhì)量的影響，在最嚴(yán)格的封鎖期間（2020年4月第2周），交通活動(dòng)降低導(dǎo)致NO2和PM2.5濃度分別下降27.8%和17.5%，O3日最高8小時(shí)濃度增加了6%；貨車(chē)是造成這些變化的主要原因，分別貢獻(xiàn)了NO2和PM2.5濃度削減的61.0%和70.4%（圖2）。
圖1 隨機(jī)森林模型對(duì)NO2、O3和PM2.5日均濃度的模擬效果和變量重要性排序
圖2 疫情期間污染物濃度實(shí)際觀(guān)測(cè)值與無(wú)疫情情景預(yù)測(cè)值的對(duì)比(A)及整體交通和貨車(chē)車(chē)隊(duì)對(duì)污染物濃度削減的貢獻(xiàn)(B)
機(jī)器學(xué)習(xí)方法不僅在模型靈活度和計(jì)算效率方面具有更明顯的優(yōu)勢(shì)，還能夠直接構(gòu)建排放源特征和污染物濃度的曲面響應(yīng)關(guān)系（圖3）。結(jié)果顯示，控制貨車(chē)和客車(chē)排放都能有效降低NO2濃度；對(duì)于O3濃度，研究發(fā)現(xiàn)洛杉磯地區(qū)大部分空氣質(zhì)量站點(diǎn)目前處于比較明顯的VOC控制區(qū)，NOx排放強(qiáng)度較高的貨車(chē)流量降低會(huì)導(dǎo)致O3濃度增加，控制小汽車(chē)排放對(duì)改善目前O3污染作用相對(duì)明顯；PM2.5濃度對(duì)貨車(chē)流量變化較為敏感，控制貨車(chē)排放對(duì)改善PM2.5濃度作用突出。
圖3 污染物濃度對(duì)貨車(chē)與客車(chē)活動(dòng)水平的曲面響應(yīng)
研究基于該機(jī)器學(xué)習(xí)模型進(jìn)一步預(yù)測(cè)了未來(lái)氣候變化和交通減排政策對(duì)洛杉磯空氣質(zhì)量的潛在影響。結(jié)果顯示，今后洛杉磯地區(qū)大規(guī)模的交通電動(dòng)化將顯著減少NO2濃度并改善PM2.5污染；但需要較為深度的減排后才能避免O3濃度上升，即降低當(dāng)?shù)豋3污染生成的VOC靈敏性（圖4）。目前，非道路移動(dòng)源和外州柴油貨車(chē)對(duì)洛杉磯NOx排放貢獻(xiàn)也較高，為實(shí)現(xiàn)空氣質(zhì)量的全面改善，除了實(shí)施本地嚴(yán)格的交通減排政策，也需要加強(qiáng)非道路機(jī)械、外地貨車(chē)等NOx源管控和揮發(fā)性化學(xué)產(chǎn)品等VOC源的協(xié)同治理。
圖4 2035及2050年不同交通情景下NO2、MDA8 O3、PM2.5濃度相對(duì)于2019年的下降率。(A-E)和(F-J)分別為基準(zhǔn)交通排放情景（不考慮額外電動(dòng)化政策）、3種電動(dòng)化情景（非貨車(chē)和貨車(chē)電動(dòng)化比例見(jiàn)右側(cè)圖片）和未來(lái)氣候變化情景。
該研究以“從新冠疫情到未來(lái)電動(dòng)化：利用機(jī)器學(xué)習(xí)方法評(píng)估交通對(duì)空氣質(zhì)量的影響”（From COVID-19 to Future Electrification: Assessing Traffic Impacts on Air Quality by a Machine Learning Model）為題，于6月22日在《美國(guó)科學(xué)院院刊》（Proceedings of the National Academy of Sciences）在線(xiàn)發(fā)表。
論文共同第一作者為加州理工學(xué)院博士生楊佳妮和清華大學(xué)環(huán)境學(xué)院博士生溫軼凡。論文通訊作者為加州理工學(xué)院王元研究員、清華大學(xué)環(huán)境學(xué)院張少君助理教授和美國(guó)科學(xué)院院士、加州理工學(xué)院約翰·賽恩菲爾德（John H. Seinfeld）教授。環(huán)境學(xué)院吳燁教授、郝吉明院士等人對(duì)結(jié)果討論等方面提供了重要幫助。研究得到了國(guó)家重點(diǎn)研發(fā)計(jì)劃、國(guó)家自然科學(xué)基金等項(xiàng)目的資助。
論文鏈接：
https://www.pnas.org/content/118/26/e2102705118
供稿：環(huán)境學(xué)院
編輯：李華山
審核：呂婷
