PM_2.5作为大气主要污染物，不仅会危害人体健康，更会显著影响生态系统过程和服务。比如，PM_2.5浓度过高会降低能见度、降低动物种群密度和物种多样性、影响植被健康和粮食作物产量等。生态风险评价旨在定量化评价生态环境灾害在未来发生的几率，是环境评价的重要分支和组成部分。常规的PM_2.5有毒元素生态风险评估方法精度高，但成本较高，难以实现时空上的全覆盖，进而导致对总体风险估计错误。在世界卫生组织对空气质量提出更高要求的背景下，对PM_2.5进行全覆盖、高分辨率和多情景的生态风险评价，为环境监测与生态环境风险管理提供决策支持具有重要意义。

　　中国科学院城市生态格局、过程与规划研究组（唐立娜团队）以2013-2018年为基准年，应用卫星反演的闽三角城市群基准年PM_2.5年均浓度数据和机器学习算法，构建PM_2.5预测模型。结合未来不同RCP情景下的气候变化、土地利用规划信息和社会发展多源数据，科学预测了2030年闽三角城市群在不同RCP场景下1 km分辨率的年均PM_2.5浓度分布，有效提高了生态风险研究基础数据的时空分辨率。在此基础上，叠加现有的PM_2.5临界负荷指标和不同区域的PM_2.5背景值，构建PM_2.5污染超载指数（PM_2.5 Pollution Overload Index，PPOI），刻画出闽三角城市群PM_2.5污染生态风险的空间分布情况，促进了PM_2.5污染生态风险时空变化研究的发展。

　　结果表明，RCP 8.5情景下PM_2.5污染生态风险的变化幅度和空间差异明显较RCP 4.5大，这是土地利用变化和气候变化的共同作用结果（图1）。其中，闽三角城市群的建设用地、水域和农田的生态风险高于草地和森林。特别要警惕的是在预测中，基准年和2030年的沿海饮用水源地均处于中高风险状态（图2和图3）。

　　本研究显示出土地利用、人口迁移和气候变化在不同RCP情景下如何加剧或缓解PM_2.5污染生态风险，并以闽三角城市群为案例，推演出未来潜在的高风险区域。通过高分辨率PM_2.5污染模拟和建立PPOI指数，本研究首次评估了PM_2.5污染生态风险的全覆盖高分辨率时空变化，该PM_2.5污染生态风险框架可广泛用于其他区域，对持续改善空气质量、保障大气污染生态风险全区域分级管理和多场景决策分析工作具有重要指导意义，也为践行习近平生态文明思想提供科学助力，以不断满足人民日益增长的优美生态环境需要。

　　研究成果发表于Journal of Environmental Management，特别研究助理王琳为第一作者，唐立娜研究员和刘阳教授为通讯作者。该研究得到国家重点研发计划（2016YFC0502902）的支持。

图1 闽三角城市群基准年和2030年不同RCP情景下的PM2.5浓度变化及生态风险分布

图2 基准年和2030年闽三角城市群不同土地利用类型的PM2.5污染生态风险

图3 基准年和2030年闽三角城市群保护区生态风险分布情况

　　论文链接