基于GTR-Transformer的超高分辨率地面臭氧建模及其长期暴露风险评估研究

针对中国地面臭氧(O3)污染精细化暴露评估需求，本研究突破传统公里级分辨率建模局限，开发了地理时空残差增强转换器(GTR-Transformer)模型。该模型整合双向时间注意力与空间编码技术，构建了2020-2023年中国典型区域100米分辨率的月均臭氧浓度数据集，确定系数(R2)高达0.94，通过SHAP分析揭示2米露点温度(4.88)和地表太阳辐射(3.83)等关键驱动因子，证实光化学调控机制，为精准臭氧管控提供新范式。

　　

随着中国PM_2.5浓度持续下降，地面臭氧(O₃)污染却呈现上升趋势，成为威胁公共健康和生态安全的重要挑战。臭氧不仅通过光化学氧化作用损害农作物产量，降低生态系统碳汇能力，更会引发呼吸系统疾病、内分泌紊乱和心血管疾病风险增加。作为典型的二次污染物，臭氧在交通干道等区域与NO等活性物质发生复杂反应，导致城市内部出现显著的小尺度浓度差异。然而，中国现有约1500个监测站点平均间距超过25公里，传统1-10公里分辨率的模拟精度难以满足精细化暴露评估需求。世界卫生组织(WHO)2021年基于峰值季节臭氧浓度制定的新评估标准，更凸显了获取高时空分辨率数据的紧迫性。

针对这一科学难题，中国研究人员开发了地理时空残差增强转换器(GTR-Transformer)模型。该创新工作通过整合多源动态变量，构建了2020-2023年中国典型区域100米分辨率的月均最大日8小时平均(MDA8)臭氧浓度数据集，相关成果发表在环境领域权威期刊《Environment International》上。

研究团队采用四项关键技术：1)融合卫星遥感(TROPOMI)与ERA5再分析数据等多源异构数据；2)开发包含时序处理器(TS)、地理球面处理器(GS)、残差自增强模块(RSEB)的四组件架构；3)应用SHAP可解释性分析解析驱动因子贡献度；4)建立基于Voronoi图的加权验证框架评估稀疏监测区性能。

研究结果显示，模型在样本验证中R²达0.94，RMSE仅7.59?μg/m³。空间验证表明，67.64%站点R²>0.9，84.03%站点RMSE<10?μg/m³。SHAP分析揭示2米露点温度(D2M=4.83)和地表太阳辐射(SSRD=3.88)是主导因子，印证光化学机制。100米分辨率地图捕捉到县域尺度6?μg/m³的臭氧梯度变化，在武汉等地区发现臭氧浓度与道路密度正相关的反常现象，提示VOCs主导机制。

暴露评估显示，京津冀(BTH)夏季人口加权浓度达170?μg/m³，长三角(YRD)呈现更高空间异质性。对比1公里数据，100米分辨率使县域暴露评估差异最高达8.9个百分点，结合人口普查数据时差异进一步放大。2023年西南地区IT1标准暴露人口比例超95%，显示区域风险加剧。

该研究突破性地实现了臭氧污染的米级精细化模拟，首次系统量化了分辨率提升对暴露评估的影响。模型捕捉到传统方法难以识别的街区尺度1-5?μg/m³浓度波动，为精准环境干预提供新工具。研究揭示的道路密度关联特征，为差异化管控NO_x和VOCs排放提供科学依据。时空多维验证框架的建立，也为大气污染物建模树立了新范式。未来通过融合动态排放清单和地面VOCs监测，有望进一步揭示臭氧形成的化学机制，推动中国空气质量管理从"粗放式"向"精准化"转型。