科研成果 | 凌成秀课题组建立中度空气污染与严重空气污染的联合时空模型

大量流行病学研究指出，短期暴露于严重的可吸入颗粒物污染会引发严重的急性心血管和呼吸系统疾病，造成巨大的经济损失与人员死亡。然而，过去的空气污染的时空模型研究大多集中于可吸入颗粒物的中度污染及其形成、传播模式。

考虑极端空气污染的形成和传播可能存在潜在差异，近期，西交利物浦大学慧湖药学院凌成秀博士团队就此进行研究，并在期刊“Environmental and Ecological Statistics”上发表了题为“Spatio-temporal Joint Modelling on Moderate and Extreme Air Pollution in Spain”的相关论文。该研究利用贝叶斯分层方法对年均PM10和年最大PM10建立了联合时空建模，分析了地理、气候、社会经济及人口因素在中度空气污染和极端空气污染中存在的相似/反向效应，应用excursion functions分析了极端污染超过阈值的地区联动发生的风险水平（simultaneous exceeding probability）。本文的研究成果有助于人们对极端空气污染的形成及其传播的深入了解，提高人们对极值现象研究的重视，为空气污染严重的地区制定针对性的措施提供依据，为进一步分析极端空气污染对相关呼吸道疾病等健康影响奠定基础。

该研究基于2017年至2021年西班牙342个监测站的日平均PM10浓度数据，提取出年平均和年最大PM10浓度（即年均值和年最大值），分析其时空模式及其影响因素。尽管西班牙的空气质量普遍较好（年平均值较低），但在一年中的某些时期仍会出现极端PM10污染（年最大值较高；见图1）。这种情况表明极端污染的风险并不能用传统的均值回归模型进行分析，而需要极值理论来研究极端污染在产生和传播方面的潜在差异。

图1：西班牙地区在2017-2021年的年最大PM10浓度水平的空间分布

数据来源: European Environment Agency (EEA) Report。热力图中展示了按照EEA的空气质量类别的6类时空差异

该研究对平均值和最大值分别运用高斯随机场（Gaussian random field）和双指数分布（Gumbel）拟合，并用structured SPDE-AR(1) approach（结构化的随机偏微分方程空间模型-一阶自回归模型）来描述时空间相关性。模型的新颖之处在于考虑了共享显著固定效应和共享随机效应。通过sharing fixed effect 对应的coefficients反映均值模型与极值模型的影响因素的方向（相似/反向）及其幅度，而sharing random effect使得均值模型的良好推断得以提高极值模型的拟合精度与预测能力。该复杂的时空联合模型通过integrated nested Laplace approximation (R-INLA.org) 算法实现。该方法相对于蒙特卡洛（Markov Chain Monte Carlo (MCMC)）速度更快，结果更精确。

该研究发现年均降水量 （precipitation）与年均浓度和最大浓度均呈显著负相关，但是海拔(altitude)与平均值呈负相关，但与最大值呈正相关。此外，年平均温度 (temperature)对平均浓度的影响统计不显著，但对最大值的影响显著。这一结果表明，地理和气象因素在极端空气污染的扩散中起着不同且至关重要的作用，这一结果与其他环境研究中不利气象条件在严重空气污染事件中发挥压倒性（overwhelming）作用（相比于人为原因）的研究结果相符 （见表5和6）。

此外，该研究利用联合模型中的年最大值子模型和positive and negative excursion functions进行了对整个西班牙地区的严重空气污染的联动空间风险分析。热力图直观地显示了特定区域的空气质量，图2表明西北部、中部和南部的红色区域同时超过50微克每立方米100微克每立方米这一阈值（较严重污染）的概率较高。其中中部地区（马德里）很可能出现超过的非常严重的污染（图3）。

图2：阈值为50微克每立方米的正（左）和负（右）excursion functions。红色位置的年最大浓度水平非常可能超过阈值，而青色位置的浓度水平低于阈值

图3：阈值为100微米每立方米的正（左）和负（右）excursion functions。红色位置的年最大浓度水平极有可能超过阈值，而青色位置的浓度水平低于阈值。

凌成秀博士指出，该文系我院生物统计第一届（2021届）优秀学生之一王开的硕士毕业论文提高完成。王开于2021年获得艾博杰出研究生奖学金,硕士毕业后于2023年6月获得西浦全额博士奖学金进入课题组继续攻读博士学位，围绕空间极值统计方法及其在生物统计中的应用课题展开相关研究。该团队将致力于如何将极值统计方法、系统风险管理定量分析思想，以及空间流行病学相关统计等方法融合发展，应用到极端环境、人群健康及其医疗跟踪的综合统计分析。

全文链接

https://doi.org/10.1007/s10651-023-00575-6

凌成秀博士简介

凌成秀博士

西浦慧湖药学院副教授

瑞士洛桑大学博士

凌成秀，副教授，精算学博士，2014年毕业于瑞士洛桑大学高等商学院保险精算专业，随后继续在洛桑大学继续1年的博士后，回国后先后于西南大学统计博士后流动站工作，继而于2018年获国家留学基金委资助访问瑞士洛桑大学，德国洪堡大学，波兰弗罗茨瓦夫数学系做访问学者。她于2019年1月加入西交利物浦大学数学与物理学院，于2021年7月-至今加入西浦慧湖药学院。2019 年9月-2021年6月期间担任本科精算学专业负责人。其研究兴趣主要包括极值统计理论、巨灾风险模型、极端环境统计分析、公共健康风险的空间统计模型、定量风险管理及系统风险分析等。凌博士在2021荣获高教区独墅湖国际学科领军人才称号，2022-2025年荣获江苏省青蓝工程中青年学科带头人人才培养项目。她在国际专业期刊如Extremes，Insurance: Mathematics and Economics, One Health, Science of China等SCI, SCIE收录期刊以通讯作者发表同行评议论文19 余篇，完成国家自然科学基金等多项科研项目。如有兴趣想要合作交流的同行，请联系邮箱：[e-mail]或[e-mail]。

供稿人 | 王开、凌成秀

编辑 | 占婷

新媒体 | 和卓美

监制 | 管君哲

更多阅读

  READ MORE

关于西浦慧湖药学院

西浦慧湖药学院由西交利物浦大学与苏州工业园区管委会共建，旨在协同政府、产业、社会多方合力，孵化世界一流生物医药国际创新生态，助力苏州“一号产业”打造世界级生物医药产业地标。学院开展本科和硕博层次教育，培养具备产业实操技能、勇于开拓创新的国际化复合型行业精锐。学院实施基础研究和专注于促进产业发展的研究战略，致力于满足产业需求的科研实践，重点发展人工智能药物研发与药物智能制造、生物材料与药物递送、药事监管与制药管理三大基础研究方向。

欢迎关注

西浦慧湖药学院

Scan QR code to

 follow WLAP

微信公众号: 

西浦慧湖药学院

Official Account: 

XJTLU-WLAP