基於可解釋AI的大灣區極端天氣驅動的大氣復合污染形成機理與預測研究

粵港澳大灣區（以下簡稱“大灣區”）大氣細顆粒物（PM2.5）與臭氧（O3）復合污染日益加劇，且受極端天氣（如台風外圍、熱浪等）影響顯著。兩者的協同風險已成為大灣區公共衛生與氣候治理面臨的重大挑戰。然而，現有研究對極端天氣下PM2.5-O3復合污染的形成機制、主導驅動因子及其長期演變趨勢仍存在顯著的認知空白。本項目擬通過多維數據融合，構建近30年大灣區高時空分辨率的氣象-空氣質量數據集，開發物理約束的可解釋機器學習模型，系統探究極端天氣下PM2.5-O3復合污染的成因及其歷史與未來趨勢，並開展復合污染預測應用示范。此外，項目還將評估空氣治理策略的有效性，以及不同氣候、排放情景下未來PM2.5-O3復合污染風險。項目聚焦兩大關鍵科學問題：一、極端天氣對PM2.5-O3復合污染的作用機制和貢獻；二、極端天氣與PM2.5-O3復合污染耦合效應的年代際演變規律。研究成果將為大灣區制定“極端天氣-污染”協同防控策略提供理論支撐，助力區域空氣質量在氣候變暖和碳中和路徑下的科學治理。