全球高分辨率超细粒子数度通过数据融合与机器学习
Pantelis Georgiades1,2, Matthias Kohl3, Mihalis A Nicolaou4
1Computation-based Science and Technology Research Centre (CaSToRC), The Cyprus Institute, Nicosia, Cyprus. p.georgiades@cyi.ac.cy.
Scientific data
|November 14, 2025
概括
小于100纳米的超细颗粒 (UFP) 对健康构成重大风险. 这项研究创建了第一个全球1公里分辨率的粒子数度 (PNC) 地图,揭示了UFP的主导地位和城市地区的高度.
科学领域:
- 环境科学 环境科学
- 公共卫生 公共卫生
- 大气化学 大气化学
背景情况:
- 大气污染,特别是颗粒物 (PM),导致每年数百万人死亡.
- 超细颗粒 (直径小于100纳米的UFP) 越来越令人担忧,因为它们深入肺部并对全身健康产生影响.
- 颗粒数度 (PNC) 是UFP流行的一个关键指标,因为UFP主导着颗粒数.
研究的目的:
- 开发PNC和UFP在陆地1公里分辨率上的第一个全球数据集.
- 利用机器学习来预测2010-2019年每年PNC水平.
- 通过提供可靠的UFP数据来支持全球暴露评估和健康影响研究.
主要方法:
- 结合地面站测量与机器学习 (XGBoost模型).
- 综合多样化的全球环境和人为变量进行预测.
- 采用空间和时间交叉验证和可靠间隔的合规预测框架.
主要成果:
- 在受污染的城市地区,获得的R2≥0.9和平均相对误差为~30%.
- 全球年平均PNC的范围从数千个到超过40,000个粒子/cm3.
- UFPs约占PNCs总数的91%. 在所有PNC中,UFPs约占91%.
结论:
- 这项研究为PNC和UFP提供了前所未有的全球高分辨率数据.
- 开发的模型准确地预测PNC水平,并量化UFP暴露.
- 这些数据对于理解和减轻与UFP空气污染相关的健康风险至关重要.
