基于区块链同位素大数据追踪全球 PM 来源与干预措施：解锁空气污染治理新密码

大气颗粒物（PM）污染严重威胁全球环境与公众健康，精准溯源和评估干预效果至关重要。研究人员建立区块链同位素数据库，分析全球 PM 同位素大数据，揭示其来源特征及变化，预测未来趋势。该研究为治理空气污染提供关键指引。

　　在地球的大气层中，一场看不见的 “战争” 正在持续上演。大气颗粒物（PM）污染就像一个隐匿的 “杀手”，悄无声息地影响着地球的辐射平衡、全球气候，还严重威胁着人类的健康。哪怕是低浓度的 PM，也会对人体造成伤害。世界卫生组织（WHO）在 2021 年更新了 PM_2.5（直径≤2.5μm 的颗粒物）的年度暴露限值，可全球仍有绝大部分地区和人口暴露在超标环境中。

要想打赢这场对抗空气污染的 “战争”，精准找到 PM 的排放源头，评估以往污染治理措施的效果十分关键。然而，PM 的成分极为复杂，既包含本地排放，也有区域传输的 “贡献”，这使得其污染水平与排放之间呈现出复杂的非线性关系。传统的自下而上排放清单和基于分子、元素的自上而下追踪方法都存在不确定性。虽然同位素技术能提供高精度的溯源手段，但长期、全球尺度的多化合物同位素数据的缺失，限制了全面分析。

为了突破这些困境，中国科学院生态环境研究中心等机构的研究人员开展了一项极具创新性的研究。他们建立了基于区块链的同位素数据库（IDGAR），收集了来自 66 个国家、1890 次污染事件中全球 PM 及其排放的 34815 个同位素指纹数据。通过对这些大数据的分析，研究揭示了许多关键信息，还预测了未来 PM_2.5的变化趋势。这一研究成果发表在《Nature Communications》上，为全球空气污染治理提供了重要的方向指引。

在研究方法上，研究人员主要运用了以下几种关键技术：一是数据整理，从大量文献中提取相关数据，并进行标准化处理；二是利用区块链技术构建 IDGAR 数据库，确保数据的准确性和可追溯性；三是采用多种统计分析方法，如 Bootstrap 程序、t - 分布随机邻域嵌入（t-SNE）分析等，探究 PM 同位素指纹的时空变化；四是运用贝叶斯稳定同位素混合模型（MixSIAR）进行 PM_2.5的源解析；五是结合全球变化评估模型（GCAM）和天气研究与预报化学耦合模型（WRF-Chem）模拟未来 PM_2.5污染趋势。

研究结果

1. IDGAR 数据库的构建：研究人员成功开发了 IDGAR 数据库（http://idgar.org/ ），整合了 1957 - 2024 年间的 34815 个非冗余全球同位素观测数据，涵盖 14 种元素。同时，将区块链架构融入数据管理系统，利用安全哈希算法（SHA256）将数据和用户操作转化为唯一字符串存储，确保数据的不可篡改和可追溯性12。
2. 全球 PM 来源的同位素地图：基于 IDGAR 绘制的全球 PM 来源同位素地图显示，不同 PM 物种的来源信息存在差异，且多数同位素指纹在不同来源间变化显著，部分物种的来源同位素指纹还存在区域异质性。但经检验，同位素指纹与经纬度无统计相关性3。
3. 不同 PM 物种的主要来源和干预措施：通过分析同位素指纹的时间趋势和变化率，研究人员确定了不同 PM 物种在不同时期的主要来源和干预效果。例如，PM 中元素碳（EC）的主要排放源在 2014 年发生了从非化石燃料（生物质燃烧）到化石燃料（煤炭或石油）燃烧的转变；有机碳（OC）的主要来源则在 2015 年前后从化石燃料燃烧转变为生物质燃烧。此外，研究还发现有效的干预措施仅针对部分 PM 成分的主要来源，且效果仅在特定时期显现456。
4. 利用同位素大数据对 PM_2.5进行排放约束：借助同位素大数据、MixSIAR 模型和 PM_2.5各成分的质量浓度，研究人员对 PM_2.5化合物进行源解析，估算出各细分来源对 PM_2.5的贡献。结果表明，全球范围内，生物质燃烧和煤炭燃烧是 PM_2.5的主要来源，且不同地区 PM_2.5及其成分的来源组成存在差异。例如，亚洲的 PM_2.5排放主要源于煤炭燃烧，而欧洲和美洲则以生物质燃烧为主789。
5. 考虑气候变化的未来 PM_2.5干预效果：研究人员结合 IDGAR 数据库、GCAM 模型和 WRF-Chem 模型，预测了美洲和亚洲在气候缓解情景下到 2100 年的 PM_2.5污染趋势。结果显示，在两种情景下，美洲和亚洲的 PM_2.5污染水平均呈下降趋势，但到 2100 年，亚洲的 PM_2.5浓度仍将远超 WHO 推荐限值，这表明除了实施更严格的气候目标外，还需针对性干预措施来控制 PM_2.5污染1011。

研究结论与讨论

研究人员构建的 IDGAR 数据库为 PM 溯源提供了区域特定的源端同位素值。通过对同位素大数据的长期趋势和变化率分析，揭示了不同 PM 物种的主要来源和异步干预情况。气候缓解情景下的预测结果表明，控制生物质燃烧等自然源对于达到 WHO 的 PM_2.5指南限值至关重要。

该研究不仅有助于深入理解 PM 的来源和传输，还为制定精准的空气污染治理策略提供了科学依据。未来，可基于 IDGAR 框架开发同位素引导的智能系统，为不同 PM 物种设计动态干预措施。此外，将同位素大数据与公共卫生或政策因素数据集相结合，有望推动源特异性健康效应评估和智能政策制定。