融合可解释AI与因果推断的中国区域空气质量驱动机制多尺度解析

针对中国空气质量改善面临的空间异质性难题，研究人员创新性地开发了CADEPT多尺度因果推断框架，整合Local Moran's I空间检测、TabPFN-SHAP可解释建模、LiNGAM因果推断等技术，揭示了气候缓解效应与工业加剧效应的非线性阈值，为区域差异化治理提供科学依据。

　　

空气污染已成为21世纪最严峻的全球公共卫生挑战之一。世界卫生组织(WHO)早在2013年就将大气污染物列为1类致癌物，每年导致超200万人过早死亡。中国自2013年实施《大气污染防治行动计划》以来，虽然全国污染物浓度整体下降，但东部工业密集区、中部农工交错带、东北寒地能源区及西部生态脆弱区呈现出显著的空间异质性。这种差异使得"一刀切"的治理模式收效甚微——例如东部SO₂与工业排放的协同效应、西部沙尘暴的独特驱动机制，亟需建立能解析区域特异性因果链的分析框架。

针对这一科学难题，河南某高校团队在《Journal of Environmental Management》发表研究，创新性地提出CADEPT（因果分析-检测-解释-预测-阈值）多尺度框架。该研究整合2014-2022年全国277个城市的空气质量监测数据，结合气候、社会经济等多维指标，通过空间统计、机器学习与因果推断的交叉融合，首次系统揭示了中国不同区域AQI的差异化驱动机制。

关键技术方法
研究采用五步法：1) 基于Local Moran's I和最优参数地理探测器(OPGD)识别空间聚类格局；2) 应用Transformer架构的表格先验拟合网络(TabPFN)进行高精度预测，结合SHAP值解析变量贡献；3) 通过线性非高斯无环模型(LiNGAM)剥离虚假相关，量化真实因果效应；4) 采用广义加性模型(GAM)和部分依赖图(PDP)捕捉非线性阈值；5) 在CMIP6框架下模拟SSP1-2.6/SSP2-4.5/SSP5-8.5三种情景的2050年空气质量演变。

研究结果

空间聚类与区域异质性
Local Moran's I分析显示：京津冀及周边省份呈现持续性的"高-高"聚类，PM_2.5与SO₂排放的空间耦合度达0.68；而青藏高原表现为稳定的"低-低"聚类，其主导因素为降水量（解释力Q=0.53）而非工业排放。OPGD检测揭示东部地区工业结构调整的边际效益是西部的2.3倍，证实治理政策需区域定制化。

非线性驱动机制
TabPFN-SHAP模型显示：温度每升高1°C，华北平原AQI下降4.7%，但在东北地区仅降1.2%，揭示气候缓解效应的纬度梯度。更关键的是发现工业产值与PM_2.5存在明显阈值效应——当第二产业占比超过38%时，其对AQI的边际贡献骤增217%。

因果效应量化
LiNGAM因果网络证实：SO₂排放对AQI的直接因果效应系数为0.34（p<0.01），而传统回归模型因忽略中介效应会高估19%。特别在长三角地区，工业扩张通过"排放-二次气溶胶生成"的间接路径贡献了总效应的61%。

阈值协同效应
GAM模型识别出气象-排放因子的关键交互区间：当相对湿度>70%且PM_2.5>75μg/m³时，两者协同效应使AQI超标概率提升3.8倍。这解释了为何华南雨季反而出现污染峰值。

情景预测
SSP1-2.6路径下，2060年全国AQI有望比2020年降低42%，但SSP5-8.5情景中东北老工业基地的改善幅度仅为其他区域的1/3，凸显低碳转型的紧迫性。

结论与意义
该研究通过CADEPT框架破解了传统方法的三大局限：1) 突破线性假设，首次量化工业规模与污染的非线性阈值；2) 借助LiNGAM剥离了气候与排放的混杂效应，证实华北地区降温1°C等效于减排12% SO₂；3) 构建的区域特异性因果图谱显示，东部需严控二次气溶胶前体物，而西部应优先防治沙尘-工业复合污染。这些发现为中国"十四五"大气污染防治的分区施策提供了理论基石，其"检测-解释-干预"的研究范式对全球发展中国家具有重要借鉴价值。