近日，皇冠集团网站张笑瑞老师与香港浸会大学高蒙教授合作，在大气科学领域国际顶级期刊《美国气象学会会刊》（Bulletin of the American Meteorological Society，简称 BAMS）发表论文《Unveiling future individual and compound heat and air pollution extremes in China: insights for mitigation》中，结合机器学习方法与CMIP6气候模式数据，构建了未来我国日尺度空气质量预测数据集，系统评估了21世纪不同排放情景下空气污染极端事件及高温—空气污染复合事件的演变趋势，并量化了减排措施可能带来的环境效益。
研究指出，现有全球气候模式通常仅提供月尺度空气污染物信息，难以刻画影响公众健康的日尺度极端污染事件。为此，研究人员利用XGBoost机器学习算法，将CMIP6月尺度空气质量模拟结果降尺度至日尺度，成功重建了未来我国臭氧（O3）和细颗粒物（PM2.5）的逐日变化特征。
研究结果显示，未来我国空气污染格局将发生显著变化。在大多数社会经济发展情景下，PM2.5污染事件将持续减少，到本世纪中叶我国东部地区污染天数有望大幅下降。然而，臭氧污染改善幅度明显滞后，部分地区甚至呈增加趋势。到21世纪中后期，臭氧有可能取代PM2.5，成为影响我国空气质量的主要污染物。除单一污染事件外，研究还发现，高温—臭氧复合极端事件未来将持续增加。即使在较强减排情景下，气候变暖仍会通过增强光化学反应促进臭氧生成，从而加剧复合风险。
研究团队进一步评估了短寿命气候强迫因子（NTCFs）减排的影响。结果表明，减排措施能够有效降低PM2.5和臭氧浓度，减少空气污染事件发生频率；但与此同时，气溶胶减少削弱了其对气候系统的冷却作用，可能导致部分地区升温加剧，进而增加高温—臭氧复合事件发生风险。实现空气质量改善与气候变化减缓的协同治理，将成为未来环境管理的重要方向。在持续推进污染物减排的同时，还需进一步降低温室气体排放，以有效控制全球变暖带来的复合环境风险。
图片1 研究构建的机器学习时间降尺度框架示意图。该框架利用CMIP6月尺度空气质量数据和逐日气象要素，实现未来我国日尺度PM2.5和O3浓度重建，并用于评估空气污染与高温复合极端事件变化
图片2 未来不同排放情景下我国高温事件、臭氧污染事件、PM2.5污染事件及复合极端事件变化特征
皇冠集团网站张笑瑞老师为论文第一作者，香港浸会大学高蒙教授为论文通讯作者，皇冠集团网站为第一完成单位。该研究得到国家自然科学基金项目、中国气象局城市气象重点开放实验室开放基金等项目的资助。
论文链接：https://doi.org/10.1175/BAMS-D-25-0333.1
通讯员：张笑瑞
编辑：刘新星
审读：刘目兴
