npj CAS｜极端污染事件期间 PM2.5 和网络活动的动态变化
政务
2024-09-06 09:00
湖北
转自：地球平衡与稳态
在空气污染对环境和公众健康构成重大威胁的时代，我们提出了一种基于网络的方法来揭示极端污染事件的动态。利用来自美国本土741个监测站的数据，我们使用每小时颗粒物（PM2.5）数据的时滞相关性创建了动态网络。建立的空间相关网络揭示了2020年和2021年野火季节的显著PM2.5异常，证明了该方法对检测区域污染现象的敏感性。该方法还提供了对烟雾传输和网络响应的见解，突出了可见烟雾时段之外空气质量问题的持续性。此外，我们探讨了气象变量对网络连接的影响。这项研究增强了时空污染模式的理解，定位空间相关网络作为环境监测和公共卫生监督的宝贵工具。空气污染仍然是一个关键的全球健康风险。在美国，超过30%的人口居住在危险空气污染水平的地区，由于极端污染事件对年度趋势的影响越来越大，预计这一数字将显著上升。这反过来又导致每年估计有85，000 - 200，000人死亡。本研究采用了复杂网络的方法来分析空气质量数据作为一种替代解决方案下的污染事件时，毒性评估是超出了常规的颗粒物测量方法的限制。使用2019-2021年美国邻近地区FRM/FEM监测器之间的PM2.5时间序列相关性，我们构建了空间相关性网络，并每天更新网络结构。然后，我们研究了网络结构的动态变化与极端空气污染事件的进展，以识别系统范围和本地的影响。在以前的研究中，基于网络的方法已被证明在捕获环境事件和污染颗粒扩散中的关键转变方面是有效的。在这里，我们对多种极端污染情景进行了全面的全国性检查，大大超出了传统的基于点的分析。基于网络的方法提高了我们对区域空气污染影响的理解。它还可以提供一个更加综合的风险沟通战略，旨在减轻空气污染对公众健康的不利影响。我们将空气质量监测器概念化为网络中的单个节点，并使用从2019年，2020年和2021年美国连续的FRM/FEM监测器收集的每小时PM2.5数据构建无向，无权重网络。根据参考文献32中提出的方法，如果两个节点之间的每小时时滞互相关超过临界阈值c，则在两个节点之间建立链接，这个概念网络被称为PM2.5的空间相关网络。研究显示，与正常条件下捕获的空气质量变化相反，图1e呈现了一种截然不同的情况，其特征是城市地区附近的野火造成的大规模污染。这种紧急情况反映在空气质量监测器A到E的网络行为中，这些监测器现在呈现出密集的连接网络，表明监测器读数之间的相关性越来越高。这种高级别的连接性，量化为总度2L = 20，表示与先前的场景相比，所有连接的总和大幅增加。这种广泛的连通性表明，污染物在整个区域的分布是均匀的，监测器集体检测到的是一种均匀的环境干扰，而不是局部差异。在我们对全国范围内PM2.5水平和网络动态的调查中（图2a），我们首先建立了一个基线，以了解极端污染事件期间监测网络的季节模式和结构响应。每日PM2.5中位数水平的基线是使用野火影响最小的年份（即2013年，2014年和2016年）的数据设定的。2019年作为对照期进行比较，因为PM2.5水平主要与预期的季节性波动一致，并保持接近基线。由于挥发性有机化合物（VOC）和氮氧化物（NOx）之间的反应产生二次PM2.5颗粒，夏季月份通常会出现自然PM 2.5峰值。然而，在2019年，尽管夏季通常会增加，但PM2.5测量和网络连接表明没有重大的区域污染事件。2019年6月，当阿尔伯塔野火的烟雾到达美国中西部和南部时，促使几个城市发布空气质量警报。接下来，我们深入研究了在不同气候区域分解的空间相关网络，以揭示我们基于网络的方法可以帮助理解空气污染物空间分布的详细方式。基于网络的方法使我们能够调查区域间的影响和由于跨界污染传输而造成的广泛空气质量影响的可能性。区域气候条件深刻影响空气质量，因此PM2.5分布在全国各地显示出不同的区域模式。我们比较不同时期和场景的平均度值，以识别这些模式。在2019年9月，一个没有重大污染事件的时期，所有地区都显示出相似的平均度值，东北部最高为0.47，西南部最低为0.28。相比之下，于二零二零年六月，美国南部近40%的监测站的PM2. 5浓度超过美国环保署的空气质量标准，原因是大量沙尘烟流穿越加勒比海盆地。这一事件导致美国南部在网络中表现出最高的平均度，峰值为0.78，而其他地区受影响较小，保持平均度μ= 0.39，接近2019年全国平均水平μ= 0.38。2021年8月，在北方落基山脉上空观察到了最高的平均温度，这与源自加州的野火直接相关。在此期间，注意到全国的平均程度增加（图2h）（μ= 0.67），突出了污染物超出其初始热点的广泛影响。这种连通性增强的模式主要归因于加拿大和加州野火事件产生的污染物的远距离迁移。网络连接的每月高峰与极端污染事件的发生同步，突出表明了此类事件对环境的广泛影响。此外，对不同区域的比较分析表明，虽然有些区域保持了相对稳定的趋势，但其他区域则在不同年份之间出现了重大波动，这与它们所遇到的局部影响相对应。在建立框架的基础上，我们测试了我们的连接指数在解释烟雾笼罩的日子的功效。之所以选择这种具体措施，是因为先前的研究记录了其对健康的重大影响。烟雾暴露不仅是空气质量下降的标志，而且还与各种不良健康结果有关，因此对公共卫生监测和应对至关重要。为了评估我们的指数的解释力，我们分析了其在2021年野火影响的4个月内的表现。图3a显示了PM2.5的空间分布，图3B显示了这段时间内美国烟雾笼罩天数的空间分布。受影响地区的空间模式和严重程度在这两个面板中不一致，这表明虽然野火产生的烟雾可以产生视觉上密集的污染区域，但它并不总是与各地区的地面PM2.5测量值相对应。相反，图3c显示了120天的总程度，显示了与烟雾覆盖天数（图3B）相比，PM2.5浓度中位数（图3a）的空间分布具有更大的一致性。这种相似性表明，来自我们的空间相关网络的网络连接性是野火烟雾在大地理范围内传播和影响的更好代理。除了捕捉空气污染事件的国家和区域影响之外，我们还测试了基于网络的方法以高时间分辨率捕捉空气污染事件动态的能力。因此，我们进一步深入研究了2020年的火灾季节，并每天检查空间相关网络。我们日常网络的动态揭示了网络连接和烟雾传输之间的时间差。图4a-c展示了一系列地图，显示了2020年8月下旬三个不同日子美国上空的空间相关网络。2020年8月21日，图4a，网络在西部地区高度互连，再次对应于直接受野火烟雾影响的地区。当我们继续到8月25日时（图4B），网络显示由于烟雾扩散到受体区域，整个美国的连通性不断增加。到8月27日，可见烟雾覆盖范围明显减少;但是，网络仍然密集连接。所观察到的现象是由于卫星图像的限制：尽管提供了其柱状范围的全面视图，但它在捕捉阴天期间的烟雾和精确定位烟雾的垂直分布方面福尔斯不足-无论是在地面附近盘旋还是悬浮在更高的高度。即使烟雾的视觉迹象减少，持续的连通性表明地面PM2.5的影响仍然很高，这表明空气质量问题不仅限于可见烟雾的时期，而且可能随着颗粒物沉降到更接近地球表面而持续存在。我们基于网络的指数巧妙地捕捉污染的影响，即使传统数据可能不完整或不存在。我们的空气污染分析网络模型面临着局限性，特别是在数据依赖性方面。该网络的有效性依赖于FRM/FEM监测站的PM 2.5测量结果的高质量和一致可用性，这些测量结果可能具有不均匀的分布，可能导致数据盲点。虽然低成本的空气传感器提供了增加数据密度的机会，但其准确性需要彻底验证。此外，验证FRM/FEM数据的非实时性限制了模型的即时分析能力。我们的方法通过网络分析阐明了PM 2.5的空间和时间动态，尽管它没有区分排放类型，这限制了我们识别颗粒大小和成分变化的能力，例如初级颗粒物与次级颗粒物的形成。我们的方法没有模拟PM2的详细化学转化。然而，认识到大气化学对网络相关性的影响至关重要。未来的研究应该整合化学传输模型和低成本传感器，以完善我们对PM2.5动态的理解，并提高实时数据的准确性。在这项研究中开发的大规模空间相关网络代表了我们对空气质量动力学的理解的一个重大理论进步。这项研究没有依赖计算成本高的大气模型或容易出错的估算模型，而是通过深入研究物理系统中固有的相关机制来解释污染物的同质性和相关的风险因素。通过将空气质量监测器概念化为一个相互连接的节点网络，我们提供了一个框架，可以捕获本地和区域空气质量事件的独立性和相互依赖性。这个网络超越了传统的基于点的分析，提供了一个整体的观点，反映了空气污染作为一个多方面现象的复杂性。理论上的影响超出了单纯的数据汇总;它们重新定义了我们对空气质量模式的理解，将其视为复杂系统的紧急属性，其中局部事件可以在广阔的地理范围内产生涟漪效应。这一转变促使人们重新评估空气污染的建模方式，转向更加综合和面向系统的方法。我们的空间相关性网络的实际应用在公共卫生方面特别引人注目。定义烟雾覆盖天的能力，空气质量下降的关键标志，对于公共卫生监测和响应是非常宝贵的。我们网络的高时间分辨率可以为烟雾扩散提供早期预警，使卫生当局能够及时发布警报并采取先发制人的行动来保护弱势群体。从政策制定的角度来看，从我们的网络分析中收集的见解可以为空气质量标准和污染控制措施的制定提供信息。通过阐明空气污染物的跨界性质，我们的方法可以推动制定更具协作性和有效性的环境政策，反映生态系统的相互联系并超越政治边界。因此，这种基于网络的方法有可能通过提供对污染相关风险的更敏感和更准确的评估来改变空气质量管理和公共卫生政策。Bashan, N.F., Li, W. & Wang, Q.R. Dynamics of PM2.5 and network activity during extreme pollution events. npj Clim Atmos Sci 7, 171 (2024).【知识转载，翻译难免有误，详细查看原文，侵权联系删除】投稿、转载、合作、申请入群可在后台留言（备注：姓名+微信号）或发邮件至sthjkx1@163.com
