面对新冠疫情，在目前还没有特效药的情况下如何应对才是最有效的方式？近期，全球新冠疫情反弹，世界卫生组织16日发布的全球新冠疫情周报显示，一些国家报告的新增确诊病例数又创历史新高。专家认为，疫情反弹与季节变化、病毒变异、过早解封、疫苗接种不足等诸多因素有关。多国近期纷纷收紧防疫措施，加快疫苗接种，以控制疫情反弹。专家指出，未来打好抗疫“攻坚战”，离不开防控措施、疫苗和治疗药物多管齐下。
复旦大学环境科学与工程系王戎课题组首次使用全球空气污染的实时卫星观测资料量化了非药物干预措施与新冠病毒传播速率之间的大数据关联，揭示了限制经济活动（如交通限制、居家隔离以及取消集会等）的大规模非药物干预措施的必要性和有效性，表明经济活动减少是大多数地区病例加速度下降的驱动因素，但同时，要在至少持续保持3周的条件下，才能充分地显现出来非药物干预措施的效果。
研究特别指出，在2020到2021年冬季，如果结合卫星遥感的实时观测数据优化非药物干预措施实施的时间和强度，在欧美等疫情严重的国家和地区可以避免每天近100万例新冠新感染病例。该研究提出一种应对突发公共卫生事件的应急思路，即在特效药或疫苗广泛应用之前，通过监测和限制社会经济活动量，优化非药物干预措施的实施时间和强度，最大限度地降低公共卫生事件的风险。该研究为中国等国家或地区积极抗击疫情的有效性提供了科学证据，同时为其它国家抗击疫情提供了经验。
针对新冠肺炎具有临床严重性和易传播性等特点，早期对疫情的遏制或缓解主要采用非药物干预措施(Non-pharmaceutical interventions, NPIs)，例如中国率先采取的武汉封城措施。非药物干预措施的遏制疫情策略是有效的，但这些干预措施在全球不同地区的施加效果以及施加时机如何，仍缺乏定量评估。
针对这一挑战性问题，王戎课题组与国内外团队合作，使用高分辨实时卫星遥感观测资料，应用机器学习技术，在全球范围内定量评估了非药物干预措施对新冠病毒传播的影响，并在此基础上建立模型优化非药物干预措施实施的时间和强度，提高控制的有效性。
该研究使用基于经济活动量的经验模型优化全球各地非药物干预措施控制的策略，利用空气污染的卫星遥感观测数据、新冠病例数据以及机器学习方法，构建了一个预测非药物干预措施影响新冠病毒传播的模型。该模型使用实时的二氧化氮（NO2）卫星观测数据反映全球各地非药物干预措施的强度，将消除气象波动影响的每周NO2浓度相对于同期的变化率作为一个新指标，引入到COVID-19的流行病控制因素中，将其与各地区每周新冠病例的增长率（V, %天-1）和加速度（A, %天-2）进行统计学相关分析与因果分析，建立二者的大数据关联，以此建立机器学习模型，预测全球各地的疫情暴发强度。
观测数据表明，在新冠疫情暴发后，在中国、美国、欧洲的人口密集区，NO2空气柱浓度分别下降了47%、15%和7%，表明中国采用的非药物干预措施强度更大，在采取控制措施的地区，每日新增病例数的增长率有不同程度的下降。相反，在2020年10月至11月期间，全球范围多数国家NO2空气柱浓度出现了明显的增加，在中国、美国、欧洲的人口密集区，NO2空气柱浓度分别增长了27%，15%和31%，该数据表明了这一时期全球范围的经济和社会活动的恢复，而欧美每日新增病例数增长率有不同程度的回升，表明疫情反弹。
该研究成果以《结合空气污染卫星观测数据与机器学习方法预测干预措施对新冠病毒传播的影响》（“Predicting the effect of confinement on the COVID-19 spread using machine learning enriched with satellite air pollution observations”）为题于8月9日发表于《美国科学院院刊》（PNAS）
（https://doi.org/10.1073/pnas.2109098118）。
环境科学与工程系本科生杨芮浦与博士生邢晓帆、熊元康为论文共同第一作者，青年研究员王戎为通讯作者。
■ 该研究结合使用大气遥感资料与机器学习方法预测非药物干预措施对新冠病毒传播的影响
