面向决策支持的PM2.5可解释性预报：南亚地区贝叶斯优化Extra Trees方法的空气质量预测研究

《Geocarto International》：Explainable PM2.5 forecasting for decision support: a Bayesian-optimized extra trees approach for South Asia

　　

本研究采用超参数调优的额外树回归（Extra-Tree Regression, ETR）模型估算2012—2024年南亚15个主要城市的PM2.5浓度。研究人员纳入气象、土地覆盖及社会经济数据，以全面理解污染在空间与时间维度上的变化规律。研究结果表明，平均PM2.5水平极高（超过70 μg m?3），冬季污染最严重（可达125 μg m?3）。增强ETR模型优于基准决策树（Decision Tree Regressor, DTR）模型，整体模型决定系数（R2）达0.819，城市专属模型最高R2为0.882（巴特那Patna），最低均方根误差（RMSE）为2.552（科伦坡Colombo）。基于SHAP（SHapley Additive exPlanations）值的模型可解释性分析显示，地表气压（Surface Pressure, PS）与植被指数（NDVI/EVI）是关键预测因子。研究表明南亚亟需快速推行空气质量管控政策，集成树模型可有效预测污染，为未来环境监测工作奠定基础。

论文解读——《Explainable PM2.5 forecasting for decision support: a Bayesian-optimized extra trees approach for South Asia》（发表于Geocarto International）

一、研究背景与立项依据

南亚是全球PM_2.5污染最严重的区域之一，尤以印度河—恒河平原（Indo-Gangetic Plain, IGP）为甚。现有研究多集中于单一城市或发达国家，南亚多城市、跨时空尺度的比较研究匮乏；地面监测网络覆盖不均且存在数据缺口；传统化学传输模式计算量大，神经网络等"黑箱"模型缺乏可解释性。此外，既有预测多未充分整合卫星遥感土地覆被（NDVI、EVI）与社会经济代理变量（夜间灯光NTL）。因此，研究人员开展此项研究，旨在构建一种基于多源遥感与再分析数据、经贝叶斯（Bayesian）优化的可解释Extra Trees回归（ETR）框架，对南亚15个快速扩张城市进行PM_2.5时空预测与驱动因子解析，为差异化的空气质量管理政策提供科学依据。

二、主要关键技术方法

研究人员选取南亚15个主要城市，获取2012—2024年月尺度数据：MERRA-2再分析的PM_2.5、近地表气温（AT）、地表气压（PS）、风速（WS）、比湿（SH）、降水；MODIS的归一化植被指数（NDVI）、增强植被指数（EVI）、昼夜地表温度（LST_Day/LST_Night）；VIIRS夜间灯光辐射（NTL）及MCD12Q1土地覆被。通过Welch's单因素ANOVA与Pearson相关分析检验城市间异质性与线性关联。分别建立基准决策树回归（DTR）与贝叶斯优化超参数的额外树回归（ETR）模型，并按城市专属与跨区域通用两种模式训练，按时间顺序分层划分训练集与测试集。采用决定系数（R²）、均方根误差（RMSE）、平均绝对百分比误差（MAPE）评估性能；利用SHAP（SHapley Additive exPlanations）值量化特征贡献及非线性影响；通过向输入特征注入±5%、±10%、±15%高斯噪声进行敏感性测试。

三、研究结果

3.1 Spatiotemporal dynamics of particulate materials in South Asia（南亚颗粒物时空动态）

研究人员通过MERRA-2数据分析发现，年均PM_2.5在IGP超过70 μg m^?3，喜马拉雅高海拔区低于5 μg m^?3；2012—2016年中度上升，2017年后孟加拉湾沿岸升高，2019—2022年略降（与COVID-19封城有关），2022年后回升。季节上，冬季（DJF）IGP PM_2.5超125 μg m^?3，春季（MAM）最低，夏季（JJA）全境最低。15城市中巴特那（Patna）均值最高（62.03±32.15 μg m^?3），德里（Delhi）、拉合尔（Lahore）次之；马累（Malé）最低。12个月滚动均值显示无持续单调上升，封城期多数高污染城市显著下降，海德拉巴（Hyderabad）年均增速最快（0.481 μg m^?3/年），巴特那略有下降。

3.2 Association of particulate materials with timeseries meteorological parameters, nighttime light radiance and NDVI（PM_2.5与气象、夜间灯光及植被指数的关联）

Welch's ANOVA表明PS、SH与NDVI具显著空间异质性（F值分别为519291、1081.4、967.4）。Pearson相关分析显示：PM_2.5与AT在喀布尔（Kabul, r=0.76）、白沙瓦（Peshawar, r=0.66）正相关，在达卡（Dhaka, r=-0.71）、巴特那（r=-0.65）负相关；与降水大多负相关（达卡最强，r=-0.70）；NDVI/EVI多呈负相关（吉大港Chattogram r≈-0.75），喀布尔与马累呈弱正相关；NTL与PM_2.5在海德拉巴（r=0.45）、坎普尔（Kanpur, r=0.42）弱正相关，部分城市不显著或微负。

3.3 Model evaluation statistics and feature importance（模型评估与特征重要性）

经贝叶斯优化后ETR整体R²=0.819，城市模型中巴特那最高（R²=0.888），科伦坡RMSE最低（2.552 μg m^?3）。优化后ETR普遍优于DTR与随机森林（RFR），过拟合程度降低（训练—测试R²差距缩小23.7%）。SHAP分析表明：通用模型中地表气压（PS）平均SHAP值最高（8.1287），高PS抑制边界层混合致污染物累积；德里、坎普尔、艾哈迈达巴德（Ahmedabad）、拉合尔等城市专属模型中EVI为最重要因子，植被通过滞尘与改变局地微气候降污；降水与NDVI具负SHAP值（湿沉降与植被过滤效应），NTL与LST重要性较低。时间系列全期预测MAPE最低为德里（2.45%）、巴特那（2.51%）、坎普尔（2.61%）。

四、讨论与结论

讨论部分指出，IGP冬季高污染主因系逆温与低边界层高度，作物残茬焚烧贡献峰值40%—60%；SHAP识别出EVI/NDVI为快速城市化城市关键负向驱动因子，支持将城市绿化纳入量化政策目标；PS作为区域滞留事件代理变量，强调跨界协作必要性（如BIMSTEC框架下）；COVID-19封城短期降幅可作为季节性应急减排基准；海德拉巴等二线城增速警示需前瞻管控。敏感性测试中卡拉奇（Karachi）最稳健，混杂通用模型较敏感，IGP核心城市表现可接受。局限性含依赖再分析/卫星数据、月尺度缺失日变化、缺点源排放清单。

研究结论（翻译浓缩）：

研究人员证明，在数据稀疏的南亚地区，融合MODIS、VIIRS与MERRA-2数据并辅以贝叶斯优化ETR及SHAP可解释性分析，可有效预测PM_2.5并识别城市特异性与区域性驱动因子——通用模型PS最重要，城市模型EVI/NDVI突出。该框架为资源受限地区提供了可扩展的空气质量决策支持范式，证实集成树模型在捕捉南亚复杂污染动力学上的优势，并为制定因地制宜的减缓措施（冬季燃烧管控、城市绿廊建设、跨界空气 shed 协作）提供了量化依据。IGP均值超WHO指导值14倍，冬峰值威胁公众健康，亟待政策干预。未来建议引入更高时空气象观测与排放清单以提升精度。