《Environmental Pollution》：Short-term PM
2.5 data continuity: Cross-site prediction of portable measurements using a nearby fixed monitoring station
编辑推荐：
•附近的监管站点可以重建缺失的可移动PM2.5数据。•可移动PM2.5测量值与固定站点PM2.5测量值高度相关。•气象变量显著提高了预测性能。•最终模型解释了可移动PM2.5变异的98.7%。引言由于交通运输、工业活动和经济增长导致排放增加，城市地区已广泛存在细颗粒物（PM2
- •
附近的监管站点可以重建缺失的可移动PM2.5数据。
- •
可移动PM2.5测量值与固定站点PM2.5测量值高度相关。
- •
气象变量显著提高了预测性能。
- •
最终模型解释了可移动PM2.5变异的98.7%。
引言
由于交通运输、工业活动和经济增长导致排放增加，城市地区已广泛存在细颗粒物（PM2.5；空气动力学直径≤2.5 μm）（Thanvisitthpon等人，2024；Wang等人，2019；Yousefi等人，2023）。长期暴露于PM2.5会显著增加心血管和呼吸系统疾病的风险，即使在低于当前监管限值的浓度下也是如此（Henning，2024；Li等人，2022），这凸显了城市环境中综合空气质量评估的重要性（Ivanovski等人，2025；Wang等人，2025；Yousefi等人，2023）。在东南亚城市环境中，包括曼谷在内，PM2.5浓度主要由城市排放源驱动：以机动车排放为首，其次是工业排放和二次气溶胶（Ahmad等人，2022；Chuersuwan等人，2008；Singh等人，2017）。此外，受气象条件影响，它们也表现出显著的时间变异性（Wang等人，2019；Yousefi等人，2023）。鉴于城市地区对空气污染的关注日益增加，精确的空气质量监测对于有效的空气质量管理和提升公众健康意识以及政策应对至关重要（Ou等人，2024）。尽管精确的高分辨率空气质量数据对于了解环境健康风险至关重要，但维护和运营参考级监测网络的成本和复杂性构成了重大挑战（Petri?等人，2025）。由政府机构管理的国家空气质量监测网络通常使用参考级仪器（如TEOM、β射线衰减监测仪（BAMs）和重量法采样器），能够提供可靠的测量数据（Ravindra等人，2024）。然而，高昂的运营成本有限的空间覆盖范围限制了其检测污染物浓度局部变化的能力（Barkjohn等人，2021；Concas等人，2021；Kumar，2015；Wang等人，2025）。为解决这些局限性，可移动PM2.5监测仪器作为增强空气质量研究的有前景的工具应运而生，能够提供更广的地理和时间覆盖，特别是在解决源识别、热点特征表征和短期暴露评估方面的关键空白（Concas等人，2021；Lung等人，2022）。
先前的研究表明，可移动设备能够捕捉到时间变异性，并与参考仪器高度相关（Atfeh等人，2025；Petri?等人，2025）。然而，其测量值通常表现出受相对湿度和温度等环境因素影响的系统偏差（Concas等人，2021；Petri?等人，2025）。这是因为它们并不直接测量颗粒物质量，而是通过散射光强度来推断质量，而散射光强度受到颗粒物粒径分布、组成和环境因素的影响（Concas等人，2021）。此外，由于传感器故障、维护中断、停电和运营失败等原因导致的数据缺失（Du等人，2020），使得统计分析、预测建模和决策制定难以达到理想水平（Hua等人，2024）。
尽管统计学方法、机器学习方法和基于网络的插补方法已被应用于重建长期和短期监测中不完整的PM2.5数据集，但其有效性取决于缺失数据的程度、数据结构和是否存在广泛的监测网络（Hadeed等人，2020；Hua等人，2024；Rivera-Mu?oz等人，2021）。因此，一种更简单且操作上更可行的替代方案是评估相邻的监管空气质量监测站点在短期现场数据缺失时能否提供替代PM2.5读数（Pyae & Kallawicha，2024）。在曼谷这样的超大城市中，已有大量研究探讨了长期PM2.5趋势及其决定因素；然而，对于实际城市环境中便携式监测设备短期测量数据的缺失评估，相关研究尚属空白。
本研究评估了来自附近固定站点监管监测站的同步PM2.5测量值能否提供预测信息，以维持曼谷城市地点短期DustTrak监测的连续性。本研究并未假设监测地点或仪器可以直接互换，而是研究了它们的时间对应关系和站间浓度差异，并测试了特定地点的经验模型来恢复孤立的缺失6小时DustTrak观测值。通过将直接使用固定站点浓度、仅使用固定站点信息的线性模型以及整合气象信息的模型进行比较，评估了预测性能。采用留一法交叉验证和时间结构化留出验证来评估样本外性能。本研究旨在确定在哪些条件和限制下，相邻且常规可用的固定站点测量值可以提供短期便携式监测数据的连续性。
章节摘要
研究区域
本研究在泰国曼谷的城市环境中开展，该地区以人口密度高和交通相关污染严重而闻名。监测地点位于曼谷中心地区一个高度城市化和受交通影响显著的区域，受到混合人为排放的影响，尽管它们在即时微环境和垂直采样设置上存在差异。曼谷通常呈现热带季风气候，其年平均气温——
PM2.5测量值的描述性统计和时间模式
描述性统计使用每个监测源的所有可用观测PM2.5测量值计算。DustTrak测量值在所有24个采样时段均可获得，而来自59T固定站点的完整同期6小时测量值在22个时段可获得，因为2024年8月13日和19日的数据不可用。DustTrak监测仪的PM2.5浓度均数±标准差为59.58 ± 39.44 μg/m3（n = 24），59T站点的均数为78.18 ± 42.16 μg/m3（n = ——
讨论
本研究评估了附近固定站点监管监测站常规可用的PM2.5测量值能否支持中断的短期DustTrak监测的连续性，且未假设监测地点或测量系统可以直接互换。研究揭示了三个主要发现。首先，DustTrak和59T浓度在所有22个完整配对监测时段中表现出极强的时间对应关系（Spearman的ρ = 0.979），
5．结论
本研究证明了短期DustTrak PM2.5测量值与附近59T固定站点监测站的同期测量值之间存在很强的时间对应关系，同时也表明两种数据来源不能直接互换。直接替代59T浓度会导致预测误差显著增大，而使用59T测量值的特定地点回归模型则显著改善了孤立缺失6小时数据的样本外重建——
CRediT作者贡献声明
Kraiwuth Kallawicha：写作——审阅与编辑，监督，方法学，调查，概念化。Tin Saw Pyae：写作——初稿撰写，方法学，调查，资助获取，形式化分析，概念化
未引用参考文献
Badura等人，2018；Decorte等人，2024；Zwack等人，2011。
生成式人工智能和人工智能辅助技术声明
在本工作准备过程中，作者使用了QuillBot来提高英语语言的可读性和清晰度。作者已根据需要审阅和编辑了内容，并对已发表文章的内容承担全部责任。
资助
本研究由泰国曼谷朱拉隆功大学90周年奖学金资助。
利益冲突声明
? 作者声明不存在任何已知的竞争经济利益或个人关系可能影响本研究中所述工作。
Tin Saw Pyae | Kraiwuth Kallawicha
