利用卫星观测和机器学习方法在希腊大雅典都市区1公里×1公里网格上建立PM2.5预测模型

《PLOS One》：Development of a predictive model for PM2.5 over the greater Athens metropolitan area, Greece, at a 1 km by 1 km grid using satellite measurements and machine learning methods

　　

背景：环境PM_2.5暴露与不良健康效应（包括全因死亡率）密切相关。然而，全球范围内监测网络的缺乏使得更好地理解近地表PM_2.5污染的时空分布变得必要。虽然传统上地面污染物在固定站点测量，但整合土地利用和大气再分析数据可以捕捉到高分辨率暴露评估所需的广泛地理空间趋势和特定气溶胶成分。本研究旨在证明在希腊雅典，利用集成建模以高时空分辨率估算近地表PM浓度的准确性和可靠性。方法：采用堆叠集成机器学习模型来估算每日PM_2.5浓度，该模型结合了分布式随机森林、梯度提升和前馈神经网络算法，以最小化与单个模型相比的预测误差。所有基学习器的输入集由2007年至2019年间空气质量监测器的每日观测数据与卫星衍生估算数据组合而成，共提供了描述区域气溶胶、天气和土地利用特征的61个变量。结果：研究人员观察到集成模型具有强大的预测性能，平均R²为0.85，平均误差为4.18 μg/m³。PM_2.5的年平均浓度（22.30 μg/m³）超过了当前世界卫生组织和欧盟的指导标准，且在整个大雅典地区存在显著的时空变化。最高的年平均PM_2.5浓度出现在2007年（33.18 μg/m³），并且平均而言，PM_2.5浓度在仲冬月份最高，这与该地区预期的季节性最大值一致，可能由住宅供暖增加以及冬季气象条件（如逆温和浅薄稳定的行星边界层）驱动。意义：这是首批利用多样化的卫星和土地利用数据，以高时空分辨率估算大雅典地区PM_2.5暴露的研究之一。该框架使得在缺乏地面监测的地区能够研究累积暴露情况。

**论文解读：基于卫星与机器学习的雅典PM_2.5高分辨率预测模型研究**

**研究背景与问题**
空气污染是全球范围内人类健康面临的主要环境风险之一。细颗粒物（PM_2.5）尤其与多种不良短期和长期健康结局相关，包括心血管疾病、呼吸系统疾病恶化、癌症、糖尿病、发病率和死亡率。为评估PM_2.5暴露的健康效应，环境流行病学研究需要准确、高分辨率的周围环境浓度估算，这些数据通常来自空气质量模型。然而，PM_2.5浓度受到排放源、气象条件和地形特征复杂相互作用的强烈影响。传统的估算方法，如基于物理的化学传输模型（CTM，例如社区多尺度空气质量模型系统CMAQ和综合空气质量模型及其扩展CAMx）和基于回归的模型（如土地利用回归、地理加权回归和混合效应模型），在泛化到不同地理和研究背景时面临权衡。CTM计算需求高，且依赖于源解析的准确性，其空间分辨率通常较粗，难以捕捉城市环境中的局部梯度。回归模型则容易过拟合，且可能无法捕捉输入变量与污染物浓度之间的复杂关系。因此，在缺乏密集地面空气质量监测基础设施的地区，需要一个可行的替代方案来生成高分辨率PM_2.5估算。

**研究目的与意义**
本研究旨在开发一个高时空分辨率的集成机器学习模型，以估算希腊大雅典都市区2007年至2019年每日PM_2.5浓度，空间分辨率为1公里×1公里。通过整合卫星衍生的气象、气溶胶成分和土地利用数据，该模型能够在无需连续监测网络的情况下捕捉污染水平的复杂时空变化。这项研究为希腊的公共卫生研究提供了高保真度的纵向数据集，并建立了一个可扩展、可转移的框架，适用于全球面临监测网络有限挑战的城市地区。该论文发表于《PLOS One》。

**主要技术方法**
研究人员为2007年1月1日至2019年12月31日期间的大雅典地区收集了61个预测变量，并将其整合到一个堆叠集成机器学习框架中。模型采用三种基学习器：分布式随机森林（RF）、梯度提升（GB）和前馈神经网络（NN）。数据来源包括：1）希腊环境与能源部（GMEE）维护的15个固定监测站点的PM_2.5和NO₂监测数据，并补充了经过验证的PM_2.5估算值以扩大覆盖范围；2）来自美国国家航空航天局（NASA）地球观测系统中Terra和Aqua卫星上中分辨率成像光谱仪（MODIS）的1公里分辨率气溶胶光学厚度（AOD）数据；3）来自雅典国家天文台中央气象站的每小时气象数据（包括温度、湿度、风速、风向和沙尘事件），以及来自欧洲中期天气预报中心第五代大气再分析（ERA5）的卫星衍生气象变量（如行星边界层高度、紫外线辐射、云量等）；4）来自NASA现代研究与应用回顾性分析第2版（MERRA-2）的气溶胶成分数据（如矿物尘、黑碳等）；5）来自美国国家海洋和大气管理局综合地面数据库的能见度数据；6）土地利用和土地覆盖数据，包括归一化植被指数（NDVI）、高程、道路密度和城市土地利用分类。对于缺失数据，研究人员采用了线性插值或训练单独的随机森林模型进行插补。最终，基学习器的预测结果被输入一个更高层次的广义线性模型（元学习器）以生成最终估算，并通过10折交叉验证评估模型性能。

**研究结果**
* **模型性能**：最终集成模型表现出色，交叉验证平均R²为0.85，平均均方根误差（RMSE）为4.18 μg/m³。空间R²平均值为0.84，时间R²平均值为0.79，表明模型能较好地捕捉PM_2.5的时空变化。集成模型的性能略优于任何单个基学习器。
* **变量重要性**：不同基学习器对预测变量的依赖不同。随机森林和梯度提升模型主要依赖NO₂浓度、日期相关特征、边界层高度和MERRA-2总沙尘气溶胶。神经网络模型则更依赖于风向、土地利用分类、AOD相关变量和MERRA-2黑碳气溶胶，表明其提供了互补信息。
* **PM_2.5浓度水平与时空分布**：大雅典地区2007-2019年的年平均预测PM_2.5浓度为22.30 μg/m³，显著超过世界卫生组织（5 μg/m³）、美国国家环境空气质量标准（9 μg/m³）和欧盟环境空气质量标准（10 μg/m³）。空间上，中部、西部和西北部市镇（如雅典市中心、比雷埃夫斯港、埃莱夫西纳、阿斯普罗皮戈斯、佩里斯特里和艾加莱奥的炼油厂周边）浓度最高，常超过30 μg/m³；北部和东部居民区和混合用途区浓度较低，但仍在20 μg/m³左右。时间上，年浓度在2007-2009年最高，2014年及2017-2019年最低，整体呈下降趋势。季节上，PM_2.5浓度在11月至2月的冬季月份达到峰值。

**讨论与结论**
研究人员开发了一个集成机器学习模型，用于估算大雅典都市区1公里×1公里分辨率的每日历史PM_2.5暴露。结果表明该地区PM_2.5水平很高，且存在时空变化，并在2007年至2019年间逐年下降。空间差异与工业活动、港口作业和城市密度有关。季节峰值与冬季逆温、住宅供暖（如生物质燃烧）增加有关。模型局限性包括：集成模型相对于基学习器的提升有限；气溶胶光学厚度数据存在非随机缺失；标准交叉验证可能引入时空自相关。尽管如此，该建模框架为类似地理环境（尤其是地中海和北非地区）提供了可复制或可适应的蓝图。其优势在于：1）针对具有代表性的城市区域开发；2）利用了多样化的公开数据集；3）通过单独预测模型处理缺失数据；4）通过集成方法结合了不同算法的优势。

**研究结论**
据研究人员所知，这是在考虑多种公开可用数据的情况下，首批在区域层面以良好模型性能和预测精度估算PM_2.5浓度的机器学习模型之一。研究人员开发了一个基于三种基机器学习算法的集成模型，使用总共61个变量来预测2007年至2019年大雅典地区1公里×1公里分辨率的每日PM_2.5浓度，在估算中实现了良好的模型准确性，总体R²为0.85，总体RMSE为4.18 μg/m³，表现出强大的空间和时间性能。模型估算表明，该地区PM_2.5浓度较高，且随地点和年份变化。随着环境流行病学不断将细颗粒物污染与不良健康影响联系起来，如此高分辨率的历史估算对于减少健康效应估算中的暴露测量误差至关重要。最终，研究人员的建模框架为其他缺乏直接空气质量监测数据的地区提供了一个可直接部署的蓝图。