利用上风向观测和传输时效预测台湾北部跨界PM10污染

《Environmental Pollution》：Forecasting transboundary PM 10 pollution in northern Taiwan using upwind observations and transport timing

　　

• •
  上游分布式观测数据提供了主要的预报提升。
• •
  纳入上游观测的CatBoost模型相比持续性预报，平均RMSE降低了13.0%。
• •
  轨迹时间信息提供了互补的、受体依赖的精细化改进。
• •
  多高度敏感性分析显示，随着回溯时间的增加，传输路径分化程度逐渐增大。
• •
  上尾诊断区分了排序技能与阈值校准。

引言

矿物粉尘是大气颗粒物的重要组成部分，影响能见度、辐射传输、生物地球化学循环以及远离源区的居民暴露。其洲际重要性及源区多样性已有充分研究（Prospero等, 2002; Shao等, 2011; Ginoux等, 2012）。台湾有着东亚粉尘影响的长期记录：Lin（2001）报告了来自内蒙古的2–3天传输过程，以及主要集中在500–1,500 m高度的浓度升高；Lin等（2005）估计北部和东部台湾PM₁₀中远程贡献的平均值约为30 μg m^?3。后续研究发展了事件识别程序（Liu等, 2006），结合观测与模拟传输路径（Lin等, 2007），区分干式和湿式传输混合（Lin等, 2012），并记录了台湾北部空气动力学直径≤ 2.5 μm的颗粒物（PM_2.5）的霾和冬季传输（Wang等, 2016; Hung等, 2019）。在气候变化条件下，本地河流尘事件也可能影响台湾的空气质量（Tsai和Chen, 2024）。

近期的大气污染预报已从单点时序模型转向多站点和传输感知表征。Chen等（2025）使用有向图学习量化邻近城市的影响，而Gu等（2025）利用风驱动传输动态调整站点间关系。这些进展强化了一项与此直接相关的过程导向原则：当空间信息的时间与连接性与污染物可能的移动一致时，其最为有用。近期方法学评估也强调需要区分预测技能与因果解释，并谨慎使用可解释的机器学习诊断（Vachon等, 2024; Shao等, 2026）。

基于轨迹的过程诊断与受体尺度预测之间仍存在方法学缺口。受体PM₁₀反映了矿物粉尘、本地再悬浮、海盐、人为粗颗粒物以及气象调制作用的混合。因此，本研究框架评估了与传输相关的PM₁₀预测以及物理上自洽的信息流；要量化矿物特异性或城市特异性的质量贡献，需要组成分辨的观测数据。

台湾的业务化沙尘预警实践提供了互补的背景。环境部（MOENV）在确认空气质量响应之前，会评估东亚沙尘发生情况、气象和沙尘模式传输引导、卫星信息以及指示站点行为（MOENV, 2018）。当前PM₁₀跨界事件筛查也将指定北部或离岸站点的高浓度与天气形势和地面风证据相结合（MOENV, 2026），而第二阶段的《空气污染防治计划》将跨界传输认可为外部空气质量因素（MOENV, 2023）。本研究通过结合独立的轨迹诊断与按时序评估的基于观测的预测因子层级体系，区分了上游信息的预测价值与传输时间的影响。该研究将源-传输-监测逻辑转化为受体特异性的PM₁₀预报，旨在：(1) 量化大陆上游观测的提升作用；(2) 评估过渡和区域背景信息；(3) 确定轨迹衍生的传输时间在不加约束的上游滞后之外的附加价值；以及(4) 比较这些贡献在沿海、城市和城郊工业受体之间的差异。

章节片段

研究区域与监测网络

本研究将九个大陆观测哨兵城市与台湾北部连接起来（图1）。这些城市的配对日PM₁₀和PM_2.5记录涵盖了2014–2024年建模区间，并共同采样了北部、东北部、东部、中部和内陆大陆扇区。总体而言，它们为上游颗粒物变异性提供了广泛的观测覆盖。Matsu、Wanli和Yangming分别代表离岸、沿海和高程过渡/背景条件，而Keelung、Wanhua，

上游异常与激活特征

使用训练期的中位数和中位数绝对偏差（MAD）估算月度稳健基线。PM₁₀、粗颗粒物代理（PM₁₀?PM_2.5）以及一日PM₁₀增量被转换为稳健z分数。主要上游激活准则要求PM₁₀ z ≥ 3.0，同时粗颗粒物z ≥ 1.5或一日增量z ≥ 1.5。月度基线考虑了季节性，而激活取决于观测到的颗粒物信号。标准化后的

全网络颗粒物特征与经验传输时间

大陆监测站的上尾PM₁₀浓度显著高于台湾受体站，且网络中各站的粗颗粒物比例存在差异（补充表S4）。92个事件筛选的轨迹案例跨越9月至次年5月（补充图S2）；因此，路径分析代表了秋冬春季条件。

在87个发展案例中的50个激活条件剖面中，最大权重置于滞后3天（0.28；补充表

多时效预报性能

所有纳入上游观测的树模型相比持续性预报均降低了平均RMSE（补充表S5；图3a）。S-CAT产生了最低的总体RMSE（11.04 μg m^?3）和MAE（8.54 μg m^?3），相比持续性预报（12.70 μg m^?3）RMSE降低13.0%，且具有最高的皮尔逊相关系数（$$ = 0.474）。TiXGB达到11.10 μg m^?3，TBE为11.15 μg m^?3，S-LGBM为11.18 μg m^?3，AGXGB为11.19 μg m^?3，S-XGB为11.24 μg m^?3。RMSE最低的模型在受体-时效组合间存在差异（补充

上游信息的预测价值

加入大陆观测产生的提升大于加入轨迹衍生的时间信息块。在按时序的比较中，RMSE从L-XGB的11.57 μg m^?3降至S-XGB的11.24 μg m^?3，而TiXGB达到11.10 μg m^?3。S-XGB、S-LGBM和S-CAT保持接近，其中S-CAT最低为11.04 μg m^?3，突出了信息含量是核心结果。TBE平均为11.15 μg m^?3，而TiXGB为11.10 μg m^?3。

这一发现与强调

结论

本研究评估了本地、区域背景、大陆上游和传输时间信息如何贡献于台湾北部1–4天PM₁₀预报。时序嵌套设计与三高度轨迹敏感性分析及受体特异性连续浓度和上尾事件评估相结合。

最大的改善来自大陆观测网络：从L-XGB到S-XGB平均RMSE降低了2.9%。传输时间复合

未引用参考文献

台湾环境部, 2018; 台湾环境部, 2023; 台湾环境部, 2024; 台湾环境部, 2026。

利益冲突声明

作者声明不存在可能影响本文报告工作的已知竞争性经济利益或个人关系。

数据可用性

台湾空气质量观测数据来自环境部监测网络，上游区域观测数据来自AQI Study平台（AQICN）。经处理的建模数据可由通讯作者根据合理请求提供。

资金支持

本工作由国家科学及技术研究会（NSTC），台湾，资助，项目编号NSTC 114-2622-M-019-002。

利益冲突声明

? 作者声明不存在可能影响本文报告工作的已知竞争性经济利益或个人关系。

致谢

作者感谢MOENV提供空气质量监测数据和公开沙尘信息，感谢AQI Study平台（AQICN）提供上游区域数据，以及感谢NOAA提供HYSPLIT模式。作者还感谢陈永泰协助数据收集和组织。

Wei Chih-Chiang