基于卫星遥感和随机森林算法的泰国PM2.5与NO2死亡负担及经济影响评估

《Environmental Challenges》：Mortality and economic burden of PM 2.5 and NO 2 in Thailand using satellite remote sensing and Random Forest algorithms

本研究针对泰国地面监测站点覆盖不足的问题，通过整合Terra/Aqua卫星的AOD数据和Sentinel-5P的TROPOMI NO2数据，构建随机森林模型，实现了2018-2022年全国范围PM2.5和NO2浓度的高精度估算（测试集R2分别为0.71和0.73）。研究进一步结合浓度反应函数和统计生命价值法，揭示两种污染物年均分别导致20,487例和15,394例死亡，造成23.13亿和17.38亿泰铢的经济损失。该成果为东南亚发展中国家开展卫星遥感驱动的空气污染健康风险评估提供了可复制的范式。

　　

在东南亚快速城市化的浪潮中，泰国正面临严峻的空气污染挑战。每年旱季，北部地区农作物焚烧产生的滚滚浓烟与曼谷都市区川流不息的机动车尾气交织，形成笼罩全国的污染阴霾。尽管泰国污染控制部建立了地面监测网络，但有限的站点分布难以捕捉农村和偏远地区的真实暴露水平，这为精准评估污染对居民健康的威胁带来了巨大困难。传统基于站点数据的研究往往低估了无监测覆盖区域的污染程度，导致疾病负担评估存在偏差。正是为了突破这一瓶颈，玛希隆大学的研究团队在《Environmental Challenges》上发表了开创性研究，首次将多源卫星遥感与机器学习算法相结合，系统揭示了2018-2022年间泰国全境两种关键污染物——细颗粒物（PM_2.5）和二氧化氮（NO₂）的空间分布规律及其健康经济影响。

研究团队采用了多层次的技术路线。在数据层面，整合了Terra/Aqua卫星的氣溶膠光學厚度（Aerosol Optical Depth, AOD）数据和Sentinel-5P卫星的TROPOMI NO₂数据，同时引入归一化植被指数（NDVI）作为环境调节因子。通过时空匹配技术，将卫星过境时刻（10:00-14:00）的地面监测数据与卫星观测值对齐，构建了包含92个监测站点的训练数据集。在建模方法上，采用随机森林（Random Forest）机器学习算法，分别建立PM_2.5和NO₂的浓度估算模型，并通过80/20保留验证和10折交叉验证评估模型性能。健康影响评估阶段，应用浓度反应函数（Concentration-Response Function）计算归因死亡数，并采用统计生命价值（Value of Statistical Life, VSL）法进行经济负担量化。

3.1. 地面监测的PM_2.5和NO₂浓度

监测数据显示泰国空气质量存在显著地域差异。北部省份成为PM_2.5污染重灾区，清莱、清迈等地年均浓度突破25μg/m3，远超泰国国家标准（15μg/m3）和世卫组织指南值（5μg/m3）。相反，NO₂污染集中在曼谷都市区，最高值达20.18ppb，主要源于交通排放和工业活动。

3.2. 泰国PM_2.5和NO₂浓度的季节和区域变化

季节分析揭示旱季（11月-次年2月）污染最严重，全国PM_2.5均值达27.75μg/m3，NO₂为10.95ppb。雨季（7-10月）因降雨冲刷作用，浓度显著降低。空间上呈现"北部高PM_2.5、都市区高NO₂"的鲜明对比，凸显污染源差异：农业焚烧主导北部颗粒物污染，而机动车排放决定城市氮氧化物分布。

3.3. 随机森林算法估算PM_2.5和NO₂的模型性能

随机森林模型表现出色，PM_2.5模型训练集R²达0.94，测试集保持0.71；NO₂模型训练集R²为0.94，测试集0.73。10折交叉验证进一步证实模型稳定性，虽然对极端值存在平滑效应，但成功捕捉了全国浓度的空间梯度。

3.4. 模拟的PM_2.5和NO₂浓度空间分布（2018-2022）

模拟结果清晰显示污染热点：PM_2.5在北部农业区形成连续高值带，NO₂在曼谷及东部工业走廊呈现斑块状分布。值得注意的是，北部 Lampang 省因湄莫火电厂运营成为NO₂异常高值区，证实模型对点源污染的识别能力。

3.5. PM_2.5和NO₂暴露导致的死亡负担

五年间全国总死亡258万人，PM_2.5暴露导致20,487例超额死亡（95%CI：12,833-28,079），归因分值0.79%；NO₂对应15,394例死亡（95%CI：10,281-20,487），归因分值0.60%。死亡负担空间分布与污染格局高度一致。

3.6. PM_2.5和NO₂导致的死亡经济负担

经济评估显示，PM_2.5相关死亡年均造成23.13亿泰铢损失（95%CI：14.49-31.71亿），NO₂为17.38亿泰铢（95%CI：11.61-23.13亿）。曼谷单城五年累计损失达175亿泰铢，凸显空气污染对经济核心区的冲击。

这项研究通过创新性地融合卫星遥感与机器学习技术，首次实现了泰国全境双污染物暴露评估与健康经济影响的一体化分析。研究结果不仅证实了北部农业焚烧和都市交通排放分别对PM_2.5和NO₂浓度的主导作用，还定量揭示了这两种污染物对泰国居民健康构成的重大威胁。特别值得关注的是，研究发现的污染空间异质性为差异化治理提供了科学依据：北部需要重点控制开放式燃烧，而都市区则应优先推广清洁交通技术。尽管模型在极端值捕捉和局部气象因素考量方面存在改进空间，但这项研究无疑为东南亚发展中国家建立了一套可复制的空气污染健康风险评估范式。随着卫星遥感技术的持续进步，这种"天空地"一体化的监测评估方法有望在更广阔的区域推广应用，为全球空气质量管理与公共健康防护提供关键技术支持。