中国城市群PM1污染驱动机制解析：基于OPGD-RGWR模型的多维因子交互与空间异质性研究

为解决PM1污染驱动机制不明、传统模型忽略空间非平稳性等问题，研究人员整合最优参数地理探测器（OPGD）与稳健地理加权回归（RGWR）模型，揭示了中国城市群PM1>污染的自然、人为及前体物因子的交互作用与空间异质性。研究发现北方以社会经济与燃烧排放为主导，南方则受植被与气象因素显著影响，为精准治污与城市可持续发展提供科学依据。

　　

随着中国城市化进程加速，PM_2.5引发的雾霾问题已广受关注，但更微小的PM₁（空气动力学直径<1微米）因其穿透性强、毒性高，对健康和气候的影响更为严峻。然而，现有研究多聚焦局部区域或单一因子，缺乏对PM₁宏观驱动机制的系统解析，且传统地理探测器（GDM）依赖经验性数据离散化方法，难以准确量化因子贡献。为此，来自西安科技大学等机构的研究团队在《Environmental Research》发表论文，首次整合最优参数地理探测器（OPGD）与稳健地理加权回归（RGWR）模型，揭示了中国六大城市群PM₁污染的多维驱动机制。

研究采用2015年PM₁栅格数据及26项自然、人为与前体物因子，通过逐步回归筛选关键变量，利用OPGD优化分层参数以量化因子影响力及交互效应，再结合RGWR解析空间非平稳性。技术核心在于OPGD通过最大化q统计量确定最优离散化方案，而RGWR通过加权迭代降低异常值干扰，二者协同提升模型鲁棒性。

研究结果

1. PM₁空间分布特征：PM₁呈现“东高西低、北高南低”格局，北方平原及东部经济密集区污染最重，与人口集聚和工业活动高度相关。
2. 主导因子识别：OPGD显示北方PM₁主要受社会经济（如能源消耗）和燃烧排放驱动，而南方以植被覆盖（NDVI）和气象条件（如边界层高度）为主导；前体物（SO₂、NO_x）的影响呈现复杂非线性特征。
3. 交互作用：气象因子与人为/自然因子的交互均表现为双变量增强或非线性增强，如温度与工业排放协同加剧北方污染。
4. 空间异质性：RGWR表明同一因子在不同区域的回归系数差异显著，例如燃烧排放对京津冀城市群的促进效应是珠三角的2.3倍。

结论与意义
该研究首次从城市群尺度系统阐明了PM₁的多尺度驱动机制，突破传统模型忽略参数优化与空间非平稳性的局限。实践层面，为区域差异化治理提供依据：北方需优先控制工业与能源排放，南方应加强气象预警与生态调控。方法论上，OPGD-RGWR框架为环境健康风险研究提供了可推广的分析范式，助力实现“双碳”目标下的精准治污与可持续发展。