Skip to main content
Ir a la página de inicio de la Comisión Europea (se abrirá en una nueva ventana)
español es
CORDIS - Resultados de investigaciones de la UE
CORDIS

High-Speed Rail, Environmental Inequality, and Spatial Variation in China: A Causal Machine Learning Approach

Descripción del proyecto

Trenes de alta velocidad, contaminación atmosférica y desigualdad medioambiental

Las infraestructuras de transporte pueden impulsar el desarrollo económico, pero también pueden generar impactos medioambientales desiguales entre las distintas regiones. Comprender cómo las grandes inversiones en infraestructuras afectan a la contaminación atmosférica y a la desigualdad medioambiental es esencial para unas políticas de desarrollo sostenibles y equitativas. Con el apoyo de las acciones Marie Skłodowska-Curie, el proyecto RAILJUST está investigando cómo la red ferroviaria de alta velocidad de China influye en la contaminación por partículas finas y en su distribución entre las distintas regiones. Utiliza datos de calidad del aire obtenidos por satélite y métodos de aprendizaje automático interpretables y causales para evaluar el impacto del tren de alta velocidad en la desigualdad en materia de contaminación. Asimismo, identificará los factores que determinan las diferencias regionales. En general, el objetivo del proyecto es promover el desarrollo ecológico mediante una planificación de infraestructuras sostenible y fundamentada, así como políticas de justicia medioambiental.

Objetivo

Infrastructure development can foster economic growth but may also exacerbate environmental inequalities by creating uneven exposure to air pollution. This project examines the environmental impacts of China’s high-speed rail network, with a focus on the particulate matter with a diameter of 2.5 micrometers or less (PM2.5) pollution and its unequal distribution across regions. Using satellite-derived PM2.5 data and causal, interpretable machine learning methods, the project will (i) estimate the impact of high-speed rail on pollution inequality and (ii) uncover spatial variation in its drivers. By integrating remote sensing, causal inference, and machine learning, the research advances interdisciplinary approaches to assessing infrastructure impacts and environmental justice. The results will provide insights relevant not only to China but also to Europe and beyond, supporting policy debates on sustainable infrastructure, regional cohesion, and the EU Green Deal.

Ámbito científico (EuroSciVoc)

Palabras clave

Programa(s)

Tema(s)

Régimen de financiación

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Ver todos los proyectos financiados en el marco de este régimen de financiación

Convocatoria de propuestas

(se abrirá en una nueva ventana) HORIZON-MSCA-2025-PF

Ver todos los proyectos financiados en el marco de esta convocatoria

Coordinador

UNIVERSITA DEGLI STUDI DI MACERATA
Aportación neta de la UEn
€ 193 643,28
Dirección
VIA CRESCIMBENI 30-32
62100 Macerata
Italia
Región
Centro (IT) Marche Macerata
Tipo de actividad
Higher or Secondary Education Establishments
Enlaces
Coste total
Sin datos