受物理启发的带卫星梯度约束的 PM2.5 归纳时空克里金

《Atmospheric Environment》：Physics-inspired inductive spatiotemporal kriging for PM 2.5 with satellite gradient constraints

　　

**要点摘要**

- SPIN通过归纳式物理启发图克里金法在未监测站点推断PM2.5浓度。
- 平流和扩散图核编码了传输启发的结构信息。
- 卫星气溶胶光学厚度（AOD）作为带掩膜的空间梯度约束项引入，而非直接输入。
- 尽管研究区域约90%的网格时段AOD数据缺失，推理阶段仍不需要AOD。
- 在留出站点上的平均绝对误差为9.52 μg/m3，比最强的图基线方法低25%。

---

**引言**

环境细颗粒物（PM2.5）是威胁人类健康的主要环境风险因素之一。长期暴露与心血管疾病和呼吸系统疾病的发病率和死亡率密切相关（Xi等，2022；Chai等，2019），全球评估表明每年有数百万人因环境PM2.5而过早死亡（Burnett等，2018；Southerland等，2022）。量化这一健康负担并在行政边界之间协调空气污染治理，取决于掌握各地（而非仅在监测站点处）的浓度信息。由于京津冀等区域大气环境跨越城市和省份边界进行污染物交换，中国的区域联防联控策略需要空间连续的PM2.5场，而非孤立的点状观测值。跨区域传输污染事件进一步凸显了这一需求的紧迫性：例如2025年4月的极端风沙复合灾害在数天内导致中国北方大部分地区空气质量恶化（Zhang等，2025），而这种影响的空间范围是稀疏的点状监测网络难以充分捕捉的。然而，稀疏且分布不均的地面监测网络恰恰无法提供这样的区域连续场：监测站点集中在城市建成区，而农村、山区和偏远地区附近几乎没有观测点，尽管这些地区的暴露水平同样可能相当可观。

过去十年间，固定监测站点的空气质量预报取得了重大进展，深度学习模型能够捕捉已知位置的时序动态特征（Qi等，2019；Wang等，2020；Xiao等，2022；Ma等，2025；Wang等，2025；Teng等，2023；Teng等，2024；Zhang等，2026）。然而，这一进展也揭示了另一个更为基本的局限。全球和区域映射研究均记录到地面监测网络的分布极不均匀，即使在监测相对密集的区域也是如此（Geng等，2021；Southerland等，2022；Wei等，2023）。在京津冀及周边地区（BTHSA），152个国家站点需要服务超过2亿人口、覆盖约43万平方公里的区域，因此大片农村和山区没有附近观测值。因此，相关的科学问题从"预报已知站点的未来值"转向"推断未监测站点的当前值"，本文将此任务定义为归纳式时空克里金推断。

现有的空间完整PM2.5映射方法分为三类，每类在卫星AOD不可用时对未监测站点进行推断均存在公认的局限性。化学传输模型（如CMAQ和WRF-Chem）求解大气平流-扩散方程，具有机制可解释性，但公里级逐小时模拟计算成本高昂（Woody等，2016），且其依赖的排放清单往往比实际排放滞后数月至数年（Li等，2017）。如何在数据驱动的推断中利用物理知识，而不必承担化学传输模型的全部成本和输入要求，仍是地球系统科学中的一个开放性问题（Reichstein等，2019；Karniadakis等，2021）。数据驱动的图神经网络已成为建模时空依赖关系的常用工具（Li等，2018；Wang等，2020；Xiao等，2022；Ma等，2025；Lin等，2025），但大多数模型属于传递式（transductive）模型：它们在训练过程中学习固定图结构，无法泛化到该图之外的节点——而这恰恰是需要推断的场景。卫星AOD已被用于补充空间信息（van Donkelaar等，2016；Wei等，2021b），结合AOD与气象数据的集成机器学习模型也改善了历史重建精度（Xiao等，2018；Kim等，2017；Di等，2019；Xiao等，2017；Wei等，2021a）；然而，当AOD作为直接输入特征时，其非随机缺失性反而成为不利因素。云层覆盖、夜间和亮面地表会导致大量AOD反演数据缺失（Levy等，2013；Zhang等，2019），因此依赖AOD的模型在数据缺失时必须依靠插补、填补或备用策略，这可能削弱适用性并引入伪影。

另一个难点在于：柱状AOD与地面PM2.5并不等价。二者的关系取决于气溶胶垂直廓线、吸湿增长和边界层动力学，且随时间和空间变化（Hoff和Christopher，2009；Rogozovsky等，2021；Rogozovsky等，2025）。我们在第3.1节中对研究区域进行了定量分析：逐小时网格单元间的相关性仅为中等且异质性明显，网格时段计数显示约90%的京津冀及周边地区网格时段没有有效反演数据。因此，在这种逐小时场景下，AOD不能作为始终可用的地面PM2.5直接逐点预测因子。此外，无论是冬季还是夏季，实际缺失率均约为90%，即使在连续映射最为重要的冬季雾霾季节，数据覆盖率仍然很差。这些发现促使我们设计一种方案：AOD在训练阶段用于指导空间结构，但推理阶段不需要它。

SPIN（时空物理启发的推断网络，Spatiotemporal Physics-Inspired Inference Network）正是为此场景而构建。它在图结构上使用基于距离的扩散算子和风驱动的平流核，使得梯度驱动的平滑处理和方向性传输分别由不同的传播通道处理。该模型并非大气传输方程的数值求解器，而是利用主导传输项来定义图算子和归纳偏置，而浓度场本身则从观测数据中学习得到。在网格任务中，AOD仅出现在损失函数中，作为带掩膜的空间梯度项——具体而言，是先分别用训练集统计量对预测的PM2.5场和AOD场进行标准化处理后再计算的。标准化使这些有限的图边梯度具有可比性，掩膜移除了无效反演的边，而较小的损失权重则确保站点观测值作为量级的锚定基准。在训练过程中，动态节点掩膜机制迫使模型对图中暂时被隐藏的位置进行预测。我们在2016–2020年间、0.25°网格上的152个京津冀及周边地区站点上验证了SPIN，将其与基于特征、时序和图的基线方法进行比较，测试了树模型中直接使用AOD输入的效果，并考察了四种卫星数据可用条件下的网格场表现。我们将输出描述为连续的区域0.25°（约28 km）PM2.5场。若在更高分辨率下应用同一方法，则需要更精细的气象、排放和观测数据。

---

**问题定义**

我们将该任务定义为归纳式时空克里金推断：从稀疏观测和辅助物理场中学习一种映射关系，用于在未观测位置推断PM2.5浓度，并且能够泛化到训练图中不存在的节点。设G=(V,E)为一个图，其中节点集V代表空间位置，可以是站点图Gs或网格图Gg。在每种设定下，节点集被划分为观测节点Vobs和目标节点Vtarget。给定Vobs处的观测PM2.5数据，以及……

---

**AOD缺失情况与AOD-PM2.5的关系**

在评估模型之前，我们首先刻画了模型被要求利用的卫星信号特征，因为将AOD作为约束而非输入这一设计选择正是基于这些特性。通过对京津冀及周边地区0.25°逐小时网格中的有效反演数据进行计数，我们发现Himawari-8卫星AOD在整个记录期间的缺失率约为90%，冬季为89.8%，夏季为91.0%（图6）。这些缺失并非随机的，而是遵循云层覆盖、夜间和亮面地表的规律，且……（原文截断）

---

**讨论**

我们的目标是：从稀疏的站点观测出发构建连续的区域PM2.5场，并在卫星AOD缺失或有偏时保持合理空间结构。有两项结果尤为突出。第一，物理启发的图设计在站点推断上优于所评估的各基线方法，其中绝对增益最大的季节出现在冬季，此时传输和累积动力学最难被表征。第二，在网格推断方面，将AOD作为标准化、带掩膜的空间梯度项使用，使得……（原文截断）

---

**结论**

稀疏的、偏向城市的地面监测网络导致区域中大部分地点缺乏附近PM2.5观测。卫星AOD有助于空间覆盖，但在我们的京津冀及周边地区网格时段计数中，约90%的网格时段缺失AOD数据，且其与地面PM2.5的关系仅为中等且变化较大。SPIN通过扩散通道和风驱动平流通道传播信息来应对这一场景，并且在网格推断中，将AOD在训练阶段作为标准化、带掩膜的空间梯度项而非直接输入来……（原文截断）

---

**CRediT作者贡献声明**

- 王硕：写作—审阅与编辑、写作—初稿撰写、软件、方法学、调查研究、概念构思
- 滕梦帆：写作—审阅与编辑
- 程云：软件、方法学、概念构思
- Lothar Thiele：方法学、概念构思
- Olga Saukh：方法学、概念构思
- 何双双：方法学
- 张远婷：方法学
- 张江：写作—审阅与编辑、监督、项目管理
- 张刚峰：写作—审阅与编辑、数据管理

---

**数据与代码可用性**

地面PM2.5观测数据来自国家环境监测中心；ERA5气象数据来自欧洲中期天气预报中心（ECMWF）；中国多分辨率排放清单（MEIC）来自清华大学（http://meicmodel.org）；Himawari-8气溶胶光学厚度数据来自日本气象厅。模型代码、报告中各项结果的精确复现脚本和检查点、处理与分析脚本（包括AOD-PM2.5相关分析……）（原文截断）

---

**生成式人工智能及AI辅助技术在论文准备过程中的使用声明**

在本修订稿的准备过程中，作者使用了OpenAI Codex辅助语言编辑、格式检查和一致性审计。使用该工具后，作者对内容进行了审阅和编辑，并对已发表文章的全部内容负全部责任。

---

**利益冲突声明**

作者声明不存在任何可能影响本文所述工作的已知竞争性经济利益或个人关系。

---

**致谢**

我们感谢中华人民共和国生态环境部、日本气象厅和欧洲中期天气预报中心为本研究提供的数据支持。本研究得到国家自然科学基金委（项目编号：42450183、12275020、12135003、12205025、42461144209）和中国科技部（项目编号：2023YFE0109000）的资助。王硕感谢[相关基金]的资助。

**作者名单：** 王硕、滕梦帆、程云、Lothar Thiele、Olga Saukh、何双双、张远婷、张江、张刚峰、袁星远、范晶芳