广州城市超细颗粒物高分辨率暴露模型构建：基于土地利用回归框架的污染热点识别与健康风险评估

为解决发展中国家特大城市超细颗粒物（UFPs）高分辨率暴露模型缺失问题，研究人员在广州市建立96个监测点的季节性观测网络，开发了首个珠三角地区土地利用回归（LUR）模型。该模型整合交通网络、餐饮密度等新型预测变量，解析出主干道100米范围（贡献率52.4%）和餐饮活动为UFPs主要来源，最终模型解释76%空间变异（LOOCV R2=0.69），为热带季风气候区超细颗粒物健康风险研究提供新范式。

　　

随着全球城市化进程加速，空气污染已成为威胁人类健康的第四大风险因素，其中直径小于100纳米的超细颗粒物（Ultrafine Particles, UFPs）因其特殊的物理化学特性备受关注。这些微小颗粒具有极高的比表面积，能吸附大量有毒物质并穿透肺泡进入血液循环，流行病学研究显示其单位质量毒性远超PM_2.5等大颗粒物。然而在发展中国家快速扩张的特大城市中，由于监测技术限制和排放源复杂性，UFPs的高分辨率暴露评估始终是重大挑战。世界卫生组织2021年新版《空气质量指南》特别强调需将UFPs纳入常规监测体系，但中国除上海和台湾地区外，作为典型亚热带季风气候区的珠三角城市群尚未建立相关暴露模型。

针对这一科学空白，来自中国的研究团队在广州市开展了开创性研究。这座拥有1500万人口、380万辆机动车的超大城市，兼具高湿度气候特征和复合型污染排放源，为UFPs研究提供了独特样本。研究人员设计了两阶段观测方案：在2021-2022年干湿两季，使用便携式监测仪在96个代表性位点测量30-120纳米粒径范围的颗粒物数量浓度（Particle Number Concentration, PNC），同时采集包括交通路网、土地利用、社会经济指标等在内的多维环境参数。通过监督式前向逐步回归分析，最终构建的空间分辨率达1公里的土地利用回归（Land-Use Regression, LUR）模型，成功破解了热带城市UFPs暴露评估难题。

关键技术方法包括：1）建立覆盖城市全域的96站点季节性监测网络；2）采用便携式颗粒物计数仪获取PNC数据；3）提取100-1000米多级缓冲区内的交通、餐饮、工业用地等预测变量；4）通过LOOCV（留一法交叉验证）评估模型稳健性。

【Characterization of Study Areas】
研究揭示广州UFPs浓度呈现显著时空异质性，干季平均浓度（19,563±6,239 particles/cm³）高于湿季（19,266±4,868 particles/cm³），这与季风气候下的湿度差异和大气扩散条件密切相关。

【Measured UFPs Concentrations】
昼夜动态分析显示，湿季夜间浓度峰值达21,907±7,789 particles/cm³，而干季呈现午后高峰，暗示光化学反应主导的二次生成机制差异。

【Key Findings】
模型识别出四大核心预测因子：100米缓冲区主干道长度（解释变异52.4%）、餐饮网点密度、工业用地面积和绿地空间。特别值得注意的是，餐饮活动对UFPs的贡献首次在亚热带城市模型中得以量化，这区别于欧美以交通源为主的传统认知。

【Conclusions】
该研究创建的LUR框架具有三重突破：首次在珠三角建立UFPs暴露模型；揭示餐饮源与交通源的协同贡献机制；开发适用于高湿度环境的季节性修正算法。成果发表于《Environmental Research》的这项研究，不仅为环境流行病学提供精准暴露数据，更指导城市规划者优化道路布局和商业区分布，对实现"健康城市"目标具有重要实践价值。模型预测的污染热点（如天河商业区、环城高速沿线）已纳入广州大气治理重点区域清单，彰显科学研究的政策转化潜力。