应用卫星衍生的PM2.5数据于政策相关的空气质量指标

《GeoHealth》：Applying Satellite-Derived PM2.5 Data to Policy-Relevant Air Quality Metrics

　　

自2000年以来，美国肺脏协会（American Lung Association, ALA）每年发布“空气状况”报告，基于向美国环境保护局（Environmental Protection Agency, EPA）报告的管理监测数据，对美国（United States, U.S.）城市和县进行分级和排名。研究人员评估了卫星衍生的细颗粒物（fine particulate matter, PM_2.5）网格化数据集，作为在缺乏管理监测的县支持ALA评估的一种可能方法。研究人员的分析比较了两个公开可用的、年平均的、卫星衍生的PM_2.5网格化数据集，采用三种不同方法分配给美国各县。将县内第90百分位网格化PM_2.5值作为县级指标，在地面监测PM_2.5结果与卫星衍生PM_2.5结果之间产生中等强度的一致性，对于8年的华盛顿大学全球（Washington University global, WashU GL）数据，空间相关系数为0.76。该一致性根据浓度值、排名以及将被定义为“通过”或“未通过”ALA年度PM_2.5基准（9.0 μg/m³，即2024年EPA国家环境空气质量标准中年度PM_2.5的限值）的县进行了评估。虽然大多数未监测县“通过”了ALA基准，但研究人员识别出63个县，如果使用卫星数据分配ALA等级，这些县将被归类为“未通过”。改进分析卫星衍生数据以与监测指标进行比较的方法，可以支持在中国和美国以及全球范围内更广泛地利用空间数据。

**论文解读：利用卫星衍生PM_2.5数据支持政策相关的空气质量指标**

**研究背景与问题**

细颗粒物（PM_2.5）是全球领先的环境健康风险因素，与心血管疾病、呼吸系统疾病及过早死亡密切相关。美国环境保护局（EPA）通过地面监测网络评估PM_2.5浓度，这些监测数据被视为“金标准”，用于判断是否符合国家环境空气质量标准（NAAQS）。然而，美国仅有约20%的县设有管理监测站点，多数县（尤其是农村和偏远地区）缺乏监测数据，导致空气质量评估存在空白。美国肺脏协会（ALA）自2000年起发布年度“空气状况”报告，基于EPA管理的监测数据对县进行分级和排名，但未监测县的空气质量状况无法被纳入。为解决这一问题，研究人员探索利用卫星衍生的网格化PM_2.5数据集，作为补充方法来评估未监测县的空气质量，使ALA报告更具全面性，并促进卫星数据在公共卫生和政策决策中的应用。

**研究方法**

研究人员使用了两个公开可用的、空间分辨率为0.01°×0.01°的卫星衍生PM_2.5数据集：华盛顿大学北美区域估计（WashU NA）V5.NA.04和华盛顿大学全球估计（WashU GL）V5.GL.05。这两个数据集融合了多种卫星传感器（如MODIS、MISR、VIIRS）的气溶胶光学厚度（AOD）反演数据、GEOS-Chem化学传输模型以及地面监测数据。研究人员将数据按美国人口普查局2020年县界进行分配，并采用三种方法计算县级设计值等效值（CDVE）：第90百分位数网格值、县内平均值和最大值。然后，将这些CDVE与EPA基于地面监测计算的县级设计值（CDV）进行比较，使用皮尔逊相关系数（r）和斯皮尔曼秩相关系数（r_s）评估一致性。研究覆盖2016至2023年，并重点关注与ALA分级标准（2012年NAAQS的12.0 μg/m³和2024年NAAQS的9.0 μg/m³）对应的“通过”/“未通过”分类。

**研究结果**

**3.1 县级“通过”和“未通过”等级**

通过比较不同CDVE计算方法，研究人员发现第90百分位数方法在模拟地面监测CDV方面表现最佳，平均皮尔逊相关系数r为0.71（WashU NA）和0.76（WashU GL），平均斯皮尔曼秩相关系数r_s为0.73（WashU NA）和0.74（WashU GL）。基于第90百分位数方法，使用WashU GL 2023年CDVE，研究人员评估了所有3,142个县（阿拉斯加一个县无数据）的空气质量。在536个有监测的县中，CDVE与CDV的平均绝对偏差为0.90 μg/m³，均方根误差为1.23 μg/m³。相对于2024年NAAQS（9.0 μg/m³），有监测的县中CDV方法识别出115个（21.5%）“未通过”，而卫星衍生CDVE方法识别出108个（20.1%）。在2,606个未监测县中，研究人员识别出63个县（占2.4%）的CDVE超过9.0 μg/m³，如果使用卫星数据分级，这些县将被评为“未通过”。这些县分布在19个州，主要位于加利福尼亚州谷地、墨西哥湾沿岸等已知高污染区域。相比之下，卫星衍生结果比地面监测结果更保守，即更少的县被判定为“未通过”。

**3.2 县级污染排名**

研究人员基于WashU GL 2023年CDVE第90百分位数方法，对所有县进行了污染排名（从最污染到最清洁）。在最污染的前1%县中（CDVE ≥ 10.43 μg/m³），31个县中有5个缺少监测站点；在最污染前2%中，31个县中有14个无监测站点；在最污染前5%中，95个县中有39个无监测站点；在最污染前10%中，157个县中有90个无监测站点。这些结果表明，高污染县中超过一半缺乏地面监测覆盖。加州拥有最多最污染前1%的县，而前2%至5%的污染县延伸至俄勒冈州，与美国南部边境和中部地区的高污染区域一致。

**讨论与结论**

研究人员在讨论部分指出，卫星衍生数据与地面监测数据的差异源于多种因素，包括卫星AOD反演的不确定性、垂直廓线转换误差、野火烟雾导致的低估、以及监测站点布局可能未捕捉到县内最高污染水平。此外，近年来野火活动增加使得地面监测站对极端污染事件的代表性下降，加剧了卫星与监测数据之间的差异。尽管存在这些局限，第90百分位数方法为将卫星衍生估计与县级监测值对齐提供了实用途径。研究人员强调，卫星衍生数据并非要替代地面监测，而是作为补充工具，尤其适用于缺乏监测的农村和偏远地区。研究结论部分指出，卫星数据在支持政策相关的设计值指标方面具有潜力，但当前一致性水平下，其价值取决于健康与空气质量组织的优先级和约束。未来需进一步改进卫星数据产品，并通过机器学习等方法提升精度，以促进卫星衍生PM_2.5在美国空气质量决策框架中的广泛应用。论文发表在《GeoHealth》。