日前，中国科学院广州地球化学研究所研究员王新明团队与清华大学教授张强、美国加州大学尔湾分校教授亚历克斯·冈瑟等合作，在国际期刊《自然·通讯》上发表了基于GEE-MEGAN框架的新模型。该模型可在10—30米尺度实现近实时生物源挥发性有机物排放估算，并支持全球应用，助力精准治理城市空气污染。
植物叶片持续释放的生物源挥发性有机物全球排放量约为人为活动排放源的7倍多，且反应活性更强。它们通过参与臭氧和二次有机气溶胶的生成，深刻影响区域和全球大气环境质量，并对公众健康构成重大威胁。尤其在城市化与气候变暖背景下，高温会促进挥发性有机物排放，加剧臭氧和颗粒物污染，威胁呼吸系统、心血管健康及人体发育。然而，在城市、森林边缘等人类活动强烈、景观破碎的区域，传统模型因分辨率低、参数更新滞后，所得出的数据与实际情况有显著偏差。
新模型动态融合多源遥感与机器学习算法，可实时更新叶面积指数和植物功能类型等关键参数，从而支持从局地级到全球级的多尺度高精度排放估算。
经验证，新模型表现出更好精度与一致性：与全球多站点通量观测数据比对，挥发性有机物通量的误差降低21.6%—48.6%；叶面积指数估算也比传统方法的误差降低9%—12%。同时，新模型计算效率大幅提升，以南美地区为例，模型运行速度提高81—102倍，数据传输量减少97%—99%。
新模型显著提升了对城市和森林边缘区域生物源挥发性有机物的估算能力。以伦敦、洛杉矶、巴黎、北京为例，新模型估算的挥发性有机物排放强度较传统模型高出1.6—25倍，能够有效识别零星绿地、行道树与灌丛的挥发性有机物排放情况。
这一模型能更精准地评估生物源挥发性有机物对空气污染的影响，并将排放估算细化至街区和社区尺度，为优化城市树种配置、制定协同减排策略等提供关键技术支持。
