Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano it
CORDIS - Risultati della ricerca dell’UE
CORDIS

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

Descrizione del progetto

Treni ad alta velocità, inquinamento atmosferico e disuguaglianza ambientale

Le infrastrutture di trasporto possono favorire lo sviluppo economico, ma possono anche determinare impatti ambientali disomogenei tra le diverse regioni. Comprendere in che modo i grandi investimenti infrastrutturali influenzano l’inquinamento atmosferico e la disuguaglianza ambientale è essenziale per politiche di sviluppo sostenibili ed eque. Con il sostegno del programma di azioni Marie Skłodowska-Curie, il progetto RAILJUST sta analizzando in che modo la rete ferroviaria ad alta velocità cinese influisca sull’inquinamento da particolato fine e sulla sua distribuzione tra le regioni. Il progetto utilizza dati satellitari sulla qualità dell’aria e metodi di apprendimento automatico interpretabili dal punto di vista causale per valutare l’impatto delle ferrovie ad alta velocità sulle disuguaglianze in materia di inquinamento. Identificherà inoltre i fattori all’origine delle differenze regionali. Nel complesso, l’obiettivo del progetto è promuovere lo sviluppo verde attraverso una pianificazione informata delle infrastrutture sostenibili e politiche di giustizia ambientale.

Obiettivo

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.

Campo scientifico (EuroSciVoc)

Parole chiave

Programma(i)

Argomento(i)

Meccanismo di finanziamento

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

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

(si apre in una nuova finestra) HORIZON-MSCA-2025-PF

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

UNIVERSITA DEGLI STUDI DI MACERATA
Contributo netto dell'UE
€ 193 643,28
Indirizzo
VIA CRESCIMBENI 30-32
62100 Macerata
Italia
Regione
Centro (IT) Marche Macerata
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale
Nessun dato