面對新冠疫情，在目前還沒有特效藥的情況下如何應對才是最有效的方式🧑🏿🚀🧕？近期🦌，全球新冠疫情反彈👨🏻🦲，世界衛生組織16日發布的全球新冠疫情周報顯示，一些國家報告的新增確診病例數又創歷史新高👈🏽。專家認為，疫情反彈與季節變化❤️、病毒變異📘、過早解封👩🚀🙋🏿、疫苗接種不足等諸多因素有關⬆️。多國近期紛紛收緊防疫措施，加快疫苗接種🤹🏻♀️，以控製疫情反彈🐈📢。專家指出，未來打好抗疫“攻堅戰”，離不開防控措施、疫苗和治療藥物多管齊下♿。
恒行2平台環境科學與工程系王戎課題組首次使用全球空氣汙染的實時衛星觀測資料量化了非藥物幹預措施與新冠病毒傳播速率之間的大數據關聯，揭示了限製經濟活動（如交通限製🧜🏿♀️、居家隔離以及取消集會等）的大規模非藥物幹預措施的必要性和有效性，表明經濟活動減少是大多數地區病例加速度下降的驅動因素👼🏻，但同時🧑🏿🎤，要在至少持續保持3周的條件下，才能充分地顯現出來非藥物幹預措施的效果😾。
研究特別指出👷，在2020到2021年冬季，如果結合衛星遙感的實時觀測數據優化非藥物幹預措施實施的時間和強度，在歐美等疫情嚴重的國家和地區可以避免每天近100萬例新冠新感染病例🤹🏻♀️🤗。該研究提出一種應對突發公共衛生事件的應急思路🛠，即在特效藥或疫苗廣泛應用之前，通過監測和限製社會經濟活動量，優化非藥物幹預措施的實施時間和強度👐🏿，最大限度地降低公共衛生事件的風險👩🚒。該研究為中國等國家或地區積極抗擊疫情的有效性提供了科學證據，同時為其它國家抗擊疫情提供了經驗。
針對新冠肺炎具有臨床嚴重性和易傳播性等特點，早期對疫情的遏製或緩解主要采用非藥物幹預措施(Non-pharmaceutical interventions, NPIs)👷♂️🧏🏼♂️，例如中國率先采取的武漢封城措施。非藥物幹預措施的遏製疫情策略是有效的🔠🫴🏼，但這些幹預措施在全球不同地區的施加效果以及施加時機如何⬇️，仍缺乏定量評估。
針對這一挑戰性問題，王戎課題組與國內外團隊合作，使用高分辨實時衛星遙感觀測資料，應用機器學習技術，在全球範圍內定量評估了非藥物幹預措施對新冠病毒傳播的影響◾️，並在此基礎上建立模型優化非藥物幹預措施實施的時間和強度👩🏻🏭，提高控製的有效性🍣。
該研究使用基於經濟活動量的經驗模型優化全球各地非藥物幹預措施控製的策略，利用空氣汙染的衛星遙感觀測數據🎙、新冠病例數據以及機器學習方法⛹🏻♂️，構建了一個預測非藥物幹預措施影響新冠病毒傳播的模型♦︎🧜🏽♂️。該模型使用實時的二氧化氮（NO2）衛星觀測數據反映全球各地非藥物幹預措施的強度，將消除氣象波動影響的每周NO2濃度相對於同期的變化率作為一個新指標，引入到COVID-19的流行病控製因素中，將其與各地區每周新冠病例的增長率（V, %天-1）和加速度（A, %天-2）進行統計學相關分析與因果分析，建立二者的大數據關聯，以此建立機器學習模型，預測全球各地的疫情暴發強度↔️。
觀測數據表明，在新冠疫情暴發後，在中國🙎🏽、美國、歐洲的人口密集區👮🏻，NO2空氣柱濃度分別下降了47%🦝🤘🏻、15%和7%，表明中國采用的非藥物幹預措施強度更大，在采取控製措施的地區，每日新增病例數的增長率有不同程度的下降。相反，在2020年10月至11月期間👨🏼🦳，全球範圍多數國家NO2空氣柱濃度出現了明顯的增加，在中國🙋、美國、歐洲的人口密集區，NO2空氣柱濃度分別增長了27%🤘🏽，15%和31%，該數據表明了這一時期全球範圍的經濟和社會活動的恢復🦁，而歐美每日新增病例數增長率有不同程度的回升👨🏻🦯➡️，表明疫情反彈。
該研究成果以《結合空氣汙染衛星觀測數據與機器學習方法預測幹預措施對新冠病毒傳播的影響》（“Predicting the effect of confinement on the COVID-19 spread using machine learning enriched with satellite air pollution observations”）為題於8月9日發表於《美國科學院院刊》（PNAS）
（https://doi.org/10.1073/pnas.2109098118）🎣。
環境科學與工程系本科生楊芮浦與博士生邢曉帆、熊元康為論文共同第一作者🧑🏽⚖️，青年研究員王戎為通訊作者。
■ 該研究結合使用大氣遙感資料與機器學習方法預測非藥物幹預措施對新冠病毒傳播的影響
