综述：多模型集成方法在空气质量预测中的应用：从化学传输模型到混合机器学习的综合综述

《Atmosphere》：Multi-Model Ensemble Approaches in Air Quality Prediction: A Comprehensive Review from Chemical Transport Models to Hybrid Machine Learning

　　

在过去的二十年中，空气质量预测已从主要单一模型范式转向明确利用模型、观测和数据流之间多样性的集成系统。本综述连接了通常被分别处理的发展：化学传输模型（CTM）集成、基于树的集成和混合机器学习集成、深度学习架构、物理信息神经网络以及分布式方法如联邦学习。从近期系统综述和协调建模计划中总结的证据表明，在可比较的验证设置中，集成模型在PM_2.5、PM₁₀、O₃、NO₂、CO和SO₂的预测中通常优于单一模型，涵盖广泛的空间尺度和标准误差指标，包括均方根误差（RMSE）、平均绝对误差（MAE）和相关系数。运行性CTM集成，例如哥白尼大气监测服务（CAMS）欧洲系统（包含11个区域模型），提高了臭氧和颗粒物的预报技能和不确定性表征。在数据驱动应用中，基于树的集成（随机森林（RF）、梯度提升、XGBoost、LightGBM）和混合深度架构（卷积神经网络-长短期记忆网络（CNN-LSTM）模型、基于注意力的多分支网络、图神经网络（GNN））现在构成了从结构化多源数据中进行空气质量指数（AQI）和颗粒物估计的最新技术核心。报告的性能在结构良好的表格数据集上可能非常高，在选定的基准测试中R²值超过0.99，在多模态研究中相对于经典统计基线RMSE降低23-45%；然而，这些值不能直接互换，因为污染物类型、预测范围、监测密度和验证设计在不同研究中有所不同。本综述提出了一个实用的集成策略分类法，并用它来解释为什么多样性（而非仅仅是模型数量）是可靠空气质量预测的核心。研究人员借助协调的欧洲和北美模型评估计划（AQMEII，HTAP）以及在复杂地形和气象条件的意大利地区（波河谷、那不勒斯都市区和坎帕尼亚）的案例研究，表明有效的集成设计需要在多样性、冗余性、计算可行性和可解释性之间取得平衡。基于结构化叙事综合，主要研究空白涉及物理信息和可解释的集成框架、可迁移和自适应模型、标准化基准、严重污染事件预报以及可扩展的分布式架构。开放问题包括如何设计紧凑的非冗余CTM子集成，以及如何在下一代运行系统中将深度学习与化学传输物理学耦合。

论文主体部分围绕空气质量预测中的多模型集成方法展开，依次讨论了引言、综述范围与方法、集成方法分类学、多模型CTM集成、扰动物理集成、树集成机器学习、混合统计-时间序列ML集成、混合CTM-ML集成、深度学习集成、物理信息神经网络集成、联邦与分布式集成、复杂环境案例研究、可解释性、益处与挑战、研究空白与未来方向以及结论。

**1. Introduction**
研究人员指出空气污染是21世纪重大环境与公共卫生挑战，暴露于PM_2.5、O₃、NO₂等污染物与心血管和呼吸疾病死亡率升高、认知功能下降及经济成本增加相关。早期空气质量预测依赖确定性化学传输模型（CTM），但这类模型受结构不确定性影响（如排放不完全已知、化学机制简化、气象输入不确定）。多模型集成成为自然且必要的扩展。CTM配置本身是一个建模问题，涉及网格、初始边界条件、气象驱动、化学机制等众多选择，机器学习（ML）可通过代理建模、贝叶斯优化、发射反演等方式辅助参数选择与校准。集成原理在数值天气预报和气候科学中已成熟，空气质量建模通过早期协调多CTM练习（如AQMEII和CAMS区域集成服务）采纳了该原则。数据驱动领域也发生了并行转型，随机森林（RF）、XGBoost、LightGBM等树集成方法在表格数据中表现强劲，CNN-LSTM、图神经网络（GNN）等混合深度架构成为时空预测核心。联邦学习（FL）和边缘计算开始重塑多站点监测与集成预测。尽管文献丰富，CTM集成与ML/DL集成仍常被分开讨论，本综述将两者统一，关注多样性、冗余性和可解释性等实践问题。

**Review Scope and Methodology**
本文是结构化叙事综述，证据基础通过对Web of Science、Scopus、Google Scholar等数据库的迭代搜索构建，覆盖2000-2026年。搜索字符串组合了“air quality”、“chemical transport model”、“multi-model ensemble”、“CAMS”、“AQMEII”、“Bayesian model averaging”、“machine learning”、“deep learning”、“graph neural network”、“physics-informed neural network”、“federated learning”等术语。纳入标准为直接相关于集成空气质量预测、模型组合、CTM后处理、源解析混合建模或不确定性感知预报的研究。证据按多样性来源（独立CTM、扰动物理、自助/提升、混合分解、CTM-ML后处理、深度时空架构、物理信息学习、分布式/联邦学习）进行定性综合。报告的性能值（R²、RMSE、MAE等）作为特定研究基准保留，未统计合并。分类法迭代开发自证据图，研究空白通过文献限制、方法-应用矩阵空单元格和专家评估三角验证得出。意大利案例（波河谷、那不勒斯、坎帕尼亚）因其复杂地形、强局地排放、撒哈拉沙尘影响及CAMS/AQMEII连续性而被选为示例。综述五个目标：提出统一分类法、综合性能增益证据、强调集成多样性理论、讨论意大利案例、识别研究空白。

**2. A Taxonomy of Ensemble Approaches in Air Quality**
基于近期系统综述、运行实践和证据映射，该分类法将空气质量建模的集成方法分为八类，见表2。类别由集成多样性来源、成员使用的物理或统计信息以及组合方式定义。数值性能值不可跨研究直接比较：站点级小时AQI模型采用随机拆分验证，区域CTM集成用独立站点验证，卫星融合模型用空间交叉验证，它们回答不同验证问题。高R²值（如>0.99）应结合污染物浓度范围、监测站数量与分布、超标记录平衡性及验证拆分来解释。分类法比近期侧重时空ML/DL预测的综述更广泛，其统一特征在于预测多样性和物理信息进入集成的机制，将独立CTM、扰动物理成员、MOS/EMOS偏差校正、源贡献特征、树集成、深度时空网络、PINN求解器及联邦系统置于同一设计轴。该分类法还区分了污染物浓度预测与AQI分类，强调估计与预报任务在集成设计上的差异。

**Practical Guidance for Constructing Ensembles for Unseen Data**
运行使用需要指导如何构建泛化到校准数据集之外的集成。稳健工作流程始于定义部署目标（站点预报、网格化浓度场、AQI类别等）、可用预测因子和验证制度。模型选择应使用时间块、空间留站点测试或外部城市/年验证。实用决策序列如下：若需物理一致的网格化预报且有多CTM可用，紧凑多CTM集成后接MOS/EMOS、贝叶斯融合或ML偏差校正通常是最强设计；若仅有一个CTM，扰动物理成员或源解析输出可提供定向多样性，树或神经网络后处理层可纠正偏差；若无CTM但稠密观测、气象、土地利用和卫星预测因子可用，RF、梯度提升和堆叠树集成是低成本的表格估计基线；若动态空间传输占主导且标记数据足够稠密，GNN、CNN-LSTM/GRU混合、注意力模型及其快照/深度集成更合适，但需更严格的泄漏控制。在数据贫乏或迁移场景中，物理信息、层次化或域自适应混合优于纯局部黑箱模型。最有效组合依赖于上下文：充裕计算资源下推荐多样性CTM成员加校正后处理；有限资源下应选择非冗余CTM子集、单CTM加MOS或包含CTM、气象、源、土地利用和卫星特征的提升树模型。可解释性约束应用场景中，树集成加SHAP、源感知混合及贝叶斯或EMOS校准更易被接受。边缘或多机构部署中，仅当集中训练不可行或本地个性化重要时，联邦集成才有吸引力。

**3. Multi-Model CTM Ensembles**
**3.1. CTM Configuration, Parameters, and ML-Assisted Calibration**
CTM预报由大量配置选择决定，包括建模域、分辨率、旋转时长、气象驱动、边界条件、化学机制、气溶胶模块、排放清单等。ML可辅助敏感性筛选、代理模型、贝叶斯优化、源感知后处理及神经网络仿真器，但应视为物理建模的补充，而非无约束替代。

**3.2. Background: The Theory of Ensemble Methods**
集成方法的理论基础是经典偏差-方差分解。对M个不相关等技能模型求平均，方差分量按1/M缩减。实际中成员相关，若成对相关性为ρ，则期望集成方差公式表明规模本身不足，益处来自做出不同误差的成员。多CTM集成遵循相同原理：共享排放清单、边界条件或气象驱动造成相关误差，AQMEII分析显示CTMs还共享超出共同输入能解释的偏差和方差。这意味着选择多样性的精简集成可超过更大但冗余的集成。

**3.3. Bayesian Framework for Model Combination**
贝叶斯模型平均（BMA）将集成预测分布表示为加权混合，权重正比于给定观测的后验概率。BMA提供校准的预测分布而非点预测，对风险决策特别有价值。Riccio等人早期的贝叶斯处理表明CTM偏差的显著部分可由子网格空间变异解释，随后Riccio等人理论推导了中位数组合可作为BMA的特例。Solazzo等人发现多模型集成能比未加权均值提高5-40%的预报技能，但权重可移植性和训练数据集长度是限制因素。

**3.4. Operational Implementations**
首个大规模协调集成练习在欧盟联合研究中心ENSEMBLE平台下进行，中位数和BMA组合可靠优于单个成员。AQMEII倡议将其扩展到区域尺度，关键发现是未加权集成均值可通过最优选择的成员子集被超越，聚类方法可在不需先验知识的情况下识别有技能的精简集成。Copernicus大气监测服务（CAMS）代表当前运行性多CTM集成的最新水平，包含11个区域模型，提供PM₁₀、PM_2.5、O₃、NO₂、SO₂和CO的未来四天预报，组合产品为成员预报中位数，成员间离散度提供不确定性指示。更新排放时间廓线的敏感性分析显示NO₂周循环相关性提高高达0.1。

**3.5. Ensemble Diversity, Redundancy, and Optimal Combination**
性能提升不仅依赖个体精度，也依赖多样性，因为高度相关预测因子共享系统误差。CTMs共享偏差和方差的大比例，有效独立模型数远小于名义计数。选择多样性成员时需将技能与多样性分开考虑：最佳评分个体模型的相关性高，提供附加方差缩减有限；而精心选择的低相关模型子集能解释等效或更大的观测方差。BMA提供概率加权框架，但权重可移植性有限。AQMEII-4扩展了评估，揭示土地利用/覆盖差异引入额外结构不一致性。

**3.6. Multi-Model Ensembles for Health and Agricultural Impact Assessment**
多模型CTM集成被用于将模型不确定性传播到健康和农业影响评估。Solazzo等人使用AQMEII-3的12个PM_2.5和O₃场，经偏差调整后组合，使O₃场不确定性降低61%，PM_2.5场降低46%，转化为过早死亡和作物损失估计不确定性的等效降低，加强了排放控制政策的证据基础。

**4. Perturbed-Physics Ensembles**
扰动物理集成通过系统变化参数化（如行星边界层方案、化学机制、排放缩放因子）量化单一建模系统内的参数不确定性。与多CTM集成相比，所有成员共享相同动力核心，误差相关性更强，方差缩减有限，但具有计算优势，适合作为筛选工具。在区域空气质量建模中，PBL方案不确定性研究最为广泛，如WRF七成员集成在那不勒斯-卡塞塔地区显示TKE闭合方案（MYNN2）优于一阶闭合。化学机制和排放因子扰动也产生非可忽略的离散度。扰动物理与多CTM集成互补：前者筛选配置并识别非冗余成员。

**5. Ensemble Machine Learning: Tree-Based Methods**
树集成方法（装袋（RF）、提升（AdaBoost、梯度提升、XGBoost、LightGBM、CatBoost）和堆叠）已成为结构化表格数据空气质量预测的主要工具。其优势包括对缺失和异常值稳健、隐式特征选择、自然处理非线性交互。多个系统综述确认对于PM_2.5/PM₁₀估计，RF和梯度提升优于单一学习器。台湾空气质量数据集的加权投票集成（梯度提升、CatBoost、XGBoost、LightGBM）实现了验证R² 0.963和MSE 0.6553，优于15个基线。高验证分数需要明确限定：随机记录交叉验证主要测试插值，时间块、空间留站点和外部验证更严格。报告R²>0.99时应结合污染物范围、站点密度、超标比例和验证协议。

**6. Hybrid Statistical–Time-Series ML Ensembles**
混合统计-时间序列ML集成在污染物序列结合规则周期和突然非线性偏差时有用。经典分解方法（ARIMA、季节性分解）捕获持续性和季节性，ML或DL组件学习残差结构。信号分解策略（EMD、VMD、STL）可与梯度提升结合。Naizabayeva等在阿拉木图对PM_2.5实现R² 0.98，对CO实现0.99。

**7. Hybrid CTM–ML Ensembles (MOS and Data Assimilation)**
混合CTM-ML集成不替代物理建模，而是利用CTM输出作为物理信息预测因子，应用统计或ML层校正、校准和降尺度。CAMS-MOS产品（2024年推出）应用集成模型输出统计（EMOS）结合SPDE-INLA插值到CAMS多模型输出，实现接近零偏差，所有管制污染物相关系数超过0.9，显著改善超标预测。早期意大利应用使用CAMS集成输出作为MLP输入，纠正了PM₁₀的强季节性偏差。源感知混合统计-ML方法使用源贡献（如生物质燃烧、道路运输）作为预测因子，比黑箱校正更有效。

**8. Deep Learning Ensembles**
**8.1. Recurrent and Convolutional Architectures** LSTM和GRU网络捕获长期时间依赖，CNN提取局部空间特征，CNN-LSTM联合建模时空动态。深度模型在密集城市网络中短期预报一致优于浅层ML基线，单站下小时预测R²常见超过0.9。
**8.2. Attention Mechanisms and Multi-Modal Fusion** GNN通过可学习邻接矩阵显式建模站点间空间相关性，与LSTM或Transformer组件结合构成当前前沿。混合LSTM-CNN-GNN模型在北京数据集上实现R² 0.963、MAE 11.30和RMSE 15.60。多模态注意力时空网络MAST-Net结合LSTM、CNN、卫星影像和地面观测，PM_2.5、PM₁₀、NO₂和O₃的RMSE改进23-31%。
**8.3. Snapshot and Optimization-Trajectory Deep Ensembles** 快照集成沿循环学习率训练保存多个网络状态，平均预测。该方法在GPU时间有限时提供低成本多样性机制，但多样性较小，需通过独立验证确认其价值。

**9. Physics-Informed Neural Network (PINN) Ensembles**
PINN将物理定律（如平流-扩散-反应偏微分方程）嵌入损失函数或网络架构。CTENet嵌入欧拉表示下的平流-扩散-反应方程，在美国和中文数据集上分别实现RMSE改进45.8%和21.0%。Air-DualODE集成双分支神经常微分方程以建模开放系统动力学。PINN还可嵌入CTM作为可微分求解器或代理化学模块，需评估稳定性、守恒性、泛化能力和计算加速。

**10. Federated and Distributed Ensembles**
联邦学习（FL）相关于空气质量作为多站点、带宽受限或边缘计算监控系统的分布式预报架构。本地模型在监测站训练，仅模型更新传输到聚合器构建全局模型。早期的网格计算架构（如那不勒斯地区的MM5-PNAM-POM-WW3耦合系统）是分布式集成的前身。近期FL框架显示可在多站点城市中接近集中式基线精度。聚合算法FedAvg按本地数据集大小加权平均客户权重，扩展FedProx添加近端正则化处理非独立同分布数据。对于运行性空气质量，通信效率、鲁棒性、节点故障和优雅降级是重要工程问题。经验性比较一致显示FL在异构数据分布下接近但不完全匹配集中式基线。Fed-BiLSTM实现多城市PM_2.5预报RMSE 6.78，接近集中式LSTM，而避免传输完整本地传感器记录。多污染物基准仍稀缺。

**11. Case Studies in Complex Italian Environments**
意大利提供两个示例性案例：波河谷和那不勒斯都市区。
**11.1. Po Valley** 波河谷是欧洲最污染区域之一，多模型CTM集成在此自然适用。2024年2月极端污染事件中CAMS 11模型集成预报PM₁₀日最大值超过150 μg/m³，PM_2.5超过100 μg/m³，集成离散度为监管者提供了不确定性可视化。
**11.2. Naples and the Campania Region** 早期研究使用HYSPLIT后向轨迹集成结合k-means和PCA聚类分类八个主导气流型，关联O₃和PM₁₀水平。后续高分辨率WRF多物理集成显示TKE闭合方案（MYNN2）最优。Giarra等人基于六年后向轨迹的滞留时间分析识别七个气流簇。最先进的源解析研究使用高分辨率WRF-CAMx-PSAT框架，将NO₂、PM_2.5、PM₁₀和SO₂归因于主要排放部门（道路运输、住宅供暖、航海排放）。相关移动情景分析显示船舶岸电电气化降低NO_x约18%，SO₂约7%，PM₁₀约12%；针对高排放车辆的淘汰更有效，降低NO_x约37%，PM₁₀约43%，PM_2.5约49%。
**11.3. A Synthesis** 意大利案例揭示可迁移经验：CAMS集成离散度是波河谷预报不确定性的可靠预测因子；层次贝叶斯数据融合有效调和网格平均CTM与点观测的尺度不匹配；集成轨迹方法结合统计聚类提供了气象变异与污染物分布的可解释桥梁。意大利示例展示了CTM建模的两种互补用途：高分辨率WRF-CAMx-PSAT支持源归因和情景分析，CAMS-MLP PM₁₀应用展示神经后处理可纠正季节性偏差。

**12. Explainability and Interpretability in Ensemble Air Quality Models**
可解释性是监管采用的关键。SHAP作为树集成的占主导解释工具，分配特征贡献，揭示气象与排放变量间的相互作用。德里的SERM研究中SHAP分析识别PM_2.5和CO为AQI波动的主要驱动因素。PINN通过嵌入物理定律提供结构上不同的可解释性路径。混合物理-可解释AI框架结合PINN与SHAP已被提出。CAMS国家合作计划意大利（2024年第二阶段）展示了运行集成系统向更高可解释性和降尺度能力的演化。

**13. Benefits and Challenges**
**13.1. Documented Benefits** 多模型集成持续减少RMSE和偏差，尤其当基模型多样且训练数据充分时；集成离散度和概率公式提供校准的不确定性估计；结合多样模型降低单成员灾难性故障风险；对神经网络系统，深度集成提供可扩展的预测不确定性估计；多模型集成在派生量（健康影响、作物损失）上减少不确定性远大于单模型改进。
**13.2. Key Challenges and Open Problems** 计算成本高；深度和混合集成常为黑箱；性能关键依赖训练和验证数据质量；集成在区域或时期之间泛化差；共享输入或训练数据的模型存在相关误差导致过度自信的不确定性估计；许多ML模型低估极端事件峰值；缺乏普遍接受的基准协议进行跨研究比较。

**14. Research Gaps and Future Directions**
表3总结了研究空白矩阵，优先方向包括：可解释集成（如混合物理-ML架构）；可迁移和自适应集成（跨区域迁移学习、元学习、在线自适应）；标准化评估协议（区分随机、时间、空间和外部验证）；严重污染事件预报（峰值专用指标结合CTM和ML）；联邦集成扩展到国家和大陆传感器网络；纳入健康和气候模型的集成预测链；下一代运行系统（CTM与AIoT架构无缝耦合）。

**15. Conclusions**
多模型集成方法已成为现代空气质量预测的核心，在可比设置中常优于单模型，但增益幅度依赖上下文。理论和AQMEII等大规模比较支持性能提升。多样性和技能需联合考虑但不混淆。结构依赖性和冗余性限制增益，基于信息论多样性度量、贝叶斯加权和数据驱动后处理的原则性设计至关重要。意大利案例（波河谷层次贝叶斯融合、那不勒斯WRF多物理集成、高分辨率源解析）展示了原则的实践转化。深度学习的综述强调时空相关性的显式表示，WRF敏感性实验确认气象不确定性为一阶控制因素，可解释堆叠集成说明预测技能最有价值时需转化为特征级证据。物理信息神经网络、可解释AI、联邦学习和下一代动力学CTM的融合为集成设计开辟新方向。结合物理一致、可解释和计算高效的预测与严格的不确定性量化（包括严重污染事件预报）将是推动空气质量科学转化为可操作的公共卫生和气候政策的关键。