地理与环境科学学院陈莉团队联合中国环境科学研究院、美国华盛顿大学、澳大利亚联邦科学与工业研究组织在《Science of the Total Environment》共同发表论文“A hybrid approach to estimating long-term and short-term exposure levels of ozone at the national scale in China using land use regression and Bayesian maximum entropy”，该文章耦合土地利用回归（LUR）模型和贝叶斯最大熵（BME）模型准确预测全国范围内臭氧(O3)长期和短期暴露水平。

O3分布范围广，并具有时空间尺度变异性，长期或短期暴露都会对人体健康产生影响。陈莉团队构建了LUR和BME的复合模型，该模型考虑了LUR模型的区域变异性并将O3监测数据的不完整性纳入到BME框架中。LUR模型预测变量包括1000m缓冲区内的道路长度、温度、风速、3000m缓冲区内的工业用地面积和海拔。研究结果与普通时空克里金模型（包含或不包含“软”数据）的结果进行了对比，发现基于比值法预测的O3长期暴露水平与监测数据相关性较好。LUR/BME模型(R2 =0.80， RMSE = 23.5 μg/m3)比普通时空克里金模型模拟效果更好，不论是包含“软”数据(R2 = 0.57, RMSE = 49.2 μg/m3)或不包含“软”数据(R2 = 0.52, RMSE =58.5 μg / m3)。研究结果表明LUR/BME模型具备准确模拟国家尺度高时空分辨率的O3暴露水平的能力，该研究为O3流行病学的研究提供基础。

Fig. 4. Observed (red circles) and modeled covariance of the residual O3 concentrations on daily time scale shown as a function of spatial lag and temporal lag in BME. “All directions Empirical” means isotropy assumption.

该研究工作近期被《Science of the Total Environment》接收发表（https://www.sciencedirect.com/science/article/abs/pii/S0048969720353092）。该研究得到了国家重点研发计划青年项目“土壤风蚀型开放源颗粒物精细网格动态排放清单的建立方法及不确定性研究”（2016YFC0201700）的资助。