MEIC团队成果入选“2021年度中国生态环境十大科技进展”

2022-06-05 | MEIC团队

在2022年6月5日世界环境日之际,中国科协生态环境产学联合体向社会发布“2021年度中国生态环境十大科技进展”。该评选是在中国科协指导下,由两院院士、联合体各成员单位和全国大专院校、科研机构推荐,经公示、初评和院士专家终评产生,旨在反映我国生态环境科技领域前沿发展动态,引领生态环境领域技术创新,为我国生态环境保护和生态文明建设提供科技支撑。MEIC团队的科研成果“大气污染时空变化驱动力研究”入选。

大气污染在时空尺度上具有复杂的变化特征,准确刻画大气污染的时空变化特征并厘清其驱动因素是科学界和决策者共同关心的问题,对于解析污染来源成因和有效制订控制策略具有重要意义。大气污染的时空变化是大气传输、化学反应等自然因素和经济增长、能源消费、减排政策等社会经济因素作用的结果,不同因素之间存在着复杂的非线性关联机制,需构建驱动因素解耦技术以厘清不同因素的贡献,长期以来一直未能取得突破。

项目团队瞄准这一重要问题,通过耦合大气科学、环境科学、统计学、经济学、流行病学等多学科的多种方法工具,构建了自然科学和社会科学深度交叉耦合的技术体系,研制了高分辨率大气污染时空变化近实时追踪数据集,突破了自然驱动因素与人为驱动因素的解耦技术,揭示了社会经济系统和大气环境系统的复杂非线性关联机制。

基于这一技术体系,项目建立了中国大气污染逐日浓度在线反演技术平台,研制了时空覆盖完整的中国长时间序列PM2.5、PM2.5组分和O3逐日浓度数据集;解析了2002–2017年间我国大气细颗粒物(PM2.5)污染及其健康影响的长期变化趋势及主要驱动因素,首次定量分解了经济水平增长、污染末端治理、能源结构转型、经济结构优化、气象条件变化、人口总量增长、人口老龄化和医疗条件改善等8项主要因素对中国大气PM2.5污染和健康影响长期变化的贡献;定量评估了火电行业碳减排政策和污染治理减排策略对改善大气污染的相对贡献,发现碳减排的同时必须协同实施高污染机组提前淘汰和逐步加严污染控制水平等靶向污染治理策略,才能够实现协同效益最大化。

研究系统解析了我国PM2.5污染及健康影响历史长期变化的主要驱动因素,揭示了污染治理和能源结构转型措施对推动PM2.5污染改善和相关死亡风险下降的决定性作用。成果对于我国制订下一步大气污染防治政策、实现空气质量持续改善具有重要指导意义。

成果于2021年在Nature Geoscience、Nature Climate Change等国际高水平期刊上发表多篇论文,其中发表在Nature Geoscience的论文被选为当期封面论文,发表在Nature Climate Change的文章入选Nature杂志“研究亮点”。研究成果被《科技日报》《澎湃新闻》《中国科学报》等国内主流媒体正面采访报道。项目研发的具备自主知识产权的高分辨率大气污染时空变化近实时追踪数据集通过在线平台公开共享(http://tapdata.org.cn),被国内外300多家机构的800多名用户下载使用,在中国工程院组织开展的“打赢蓝天保卫战三年行动计划”实施效果评估和北京冬奥会空气质量保障中得到应用。

成果主要完成人均来自清华大学MEIC团队,包括张强教授、耿冠楠助理研究员、同丹助理教授、肖清扬助理研究员、郑逸璇副研究员(现工作单位为生态环境部环境规划院)和贺克斌院士。研究受到国家自然科学基金委资助(41921005、41625020)。

2021年生态环境十大科技进展:大气污染时空变化驱动力研究(来源:中国科协生态环境产学联合体)

相关成果及链接:

1.Geng, G., Zheng, Y., Zhang, Q., Xue, T., Zhao, H., Tong, D., Zheng, B., Li, M., Liu, F., Hong, C., He, K., & Davis, S.J. (2021). Drivers of PM2.5 air pollution deaths in China 2002–2017. Nature Geoscience, 14, 645-650 https://doi.org/10.1038/s41561-021-00792-3

2.Tong, D., Geng, G., Zhang, Q., Cheng, J., Qin, X., Hong, C., He, K., & Davis, S.J. (2021). Health co-benefits of climate change mitigation depend on strategic power plant retirements and pollution controls. Nature Climate Change, 11, 1077-1083 https://doi.org/10.1038/s41558-021-01216-1

3.Geng, G., Xiao, Q., Liu, S., Liu, X., Cheng, J., Zheng, Y., Xue, T., Tong, D., Zheng, B., Peng, Y., Huang, X., He, K., & Zhang, Q. (2021). Tracking Air Pollution in China: Near Real-Time PM2.5 Retrievals from Multisource Data Fusion. Environmental Science & Technology, 55, 12106-12115 https://doi.org/10.1021/acs.est.1c01863

4.Xiao, Q., Geng, G., Xue, T., Liu, S., Cai, C., He, K., & Zhang, Q. (2021). Tracking PM2.5 and O3 Pollution and the Related Health Burden in China 2013–2020. Environmental Science & Technology https://doi.org/10.1021/acs.est.1c04548

5.Xiao, Q., Zheng, Y., Geng, G., Chen, C., Huang, X., Che, H., Zhang, X., He, K., & Zhang, Q. (2021). Separating emission and meteorological contributions to long-term PM2.5 trends over eastern China during 2000–2018. Atmospheric Chemistry and Physics, 21, 9475-9496 https://doi.org/10.5194/acp-21-9475-2021

6.Xiao, Q., Geng, G., Cheng, J., Liang, F., Li, R., Meng, X., Xue, T., Huang, X., Kan, H., Zhang, Q., & He, K. (2021). Evaluation of gap-filling approaches in satellite-based daily PM2.5 prediction models. Atmospheric Environment, 244, 117921 https://doi.org/10.1016/j.atmosenv.2020.117921