可解释机器学习揭示的用于降低PM2.5氧化潜能的源特定控制策略
《Environmental Pollution》:Source-specific Control Leverage for Reducing Oxidative Potential of PM
2.5 Revealed by Explainable Machine Learning
【字体:
大
中
小
】
时间:2026年07月23日
来源:Environmental Pollution 7.2
编辑推荐:
摘要细颗粒物(PM2.5)的氧化潜力已被视为除质量浓度之外与健康相关的另一重要指标。然而,由于化学成分与排放源之间的非线性相互作用,决定氧化潜力的机制及其对源头控制的影响仍难以明确。本研究通过对台湾中部地区PM2.5的化学组成及氧化潜力进行为期一年的观测,分析了导致氧化潜力变化的
摘要
细颗粒物(PM2.5)的氧化潜力已被视为除质量浓度之外与健康相关的另一重要指标。然而,由于化学成分与排放源之间的非线性相互作用,决定氧化潜力的机制及其对源头控制的影响仍难以明确。本研究通过对台湾中部地区PM2.5的化学组成及氧化潜力进行为期一年的观测,分析了导致氧化潜力变化的非线性因素,并探讨了这些因素对减排策略的启示。研究结合可解释机器学习方法与不同污染状态下的响应映射,分析了化学物质种类及来源差异对氧化潜力的影响。
基于化学成分的分析显示,过渡金属、水溶性有机碳以及气溶胶中的液态水之间存在非线性依赖关系和相互作用,而这些关系无法通过线性模型来描述。为从源头角度进行分析,研究采用正矩阵分解法识别主要排放源,并通过交互作用分析量化这些来源在不同污染状态下的影响。研究结果表明,在不同的污染条件下,不同的来源组合可能会增强或削弱氧化潜力。基于这些规律,研究构建了一个基于源头解析的氧化潜力减排框架,用于评估通过控制源头降低氧化潜力的效果与可行性。
煤炭和重油燃烧以及工业排放的氧化潜力减排效果最为显著,其次是二次硝酸盐和二次硫酸盐,而交通排放和灰尘的减排效果则相对有限。本研究提供了一个系统性的框架,将氧化潜力的响应动态与基于源头解析的减排效果联系起来,为超越传统PM2.5质量控制的、以毒性为导向的空气质量管理提供了定量依据。
引言
空气污染是一严峻的环境问题,它会对气候变化、大气能见度以及人类健康产生深远影响(Manisalidis等,2020)。流行病学研究表明,颗粒物暴露与多种不良健康后果之间存在密切关联,包括心血管疾病、哮喘、肺癌和肺部疾病(Bai等,2007;Krittanawong等,2023)。由于PM2.5的气动直径很小,能够深入人体呼吸系统,因此受到了广泛关注。一种被广泛认可的机制是,PM2.5会促使活性氧物质的过量生成,包括超氧化物(•O2?)、过氧化氢(HOOH)和羟基自由基(•OH),进而引发氧化应激并导致细胞损伤(Shen等,2011)。
PM2.5引发活性氧的能力通常用其氧化潜力来表示,这一指标已被视为与不良健康效应相关的又一重要健康相关指标(Weichenthal等,2016;Yang等,2016)。目前,可以通过细胞实验和无细胞实验来测定氧化潜力。在大气研究中,由于操作简单且效率高,无细胞实验被更广泛地应用。在各类无细胞实验中,DTT实验因其对PM2.5中氧化还原活性成分的高灵敏度而被最常使用(Bates等,2019;Hellack等,2017)。不过,这种测定方法也存在一些局限性。首先,尤其是通过无细胞实验得到的氧化潜力值并不能直接反映生物体的实际反应(Fang等,2019;?vrevik,2019)。其次,不同的氧化潜力测定方法对PM2.5中不同成分的灵敏度存在差异,这会导致不同的检测结果,进而可能使人们对颗粒物的毒性产生不同理解(Calas等,2018;Campbell等,2021)。尽管在解读氧化潜力时需要考虑这些局限性,但它仍然是一个有价值的指标,因为它能够提供关于PM2.5产生活性氧能力的机制信息。
PM2.5的氧化潜力并非仅由其质量浓度决定,而是受到其化学成分的强烈影响。先前的研究已经确定,水溶性有机碳、二次有机气溶胶以及水溶性过渡金属是影响氧化潜力的关键因素(Guo等,2019;Tuet等,2017;Wang等,2018;Yu等,2022)。此外,PM2.5中各成分与氧化潜力之间的非线性关系,以及不同化学成分之间的相互作用,尤其是过渡金属(如铁、锰和铜)与水溶性有机碳中的醌类物质和类腐殖质物质之间的相互作用,也已有大量研究报道(Charrier & Anastasio,2012;Guo等,2020;Lin & Yu,2019)。因此,像多元线性回归这样的线性方法可能无法充分体现这些非线性和交互作用,从而导致某些因素的作用被忽视,不同研究的结果也可能存在不一致。
由于机器学习具备捕捉非线性关系的能力,因此被越来越多地应用于环境科学领域(Zhong等,2021)。在氧化潜力研究方面,已有不少研究通过以化学成分或PM2.5的来源构成作为模型输入,成功预测了氧化潜力,从而揭示了PM2.5各组分之间复杂且此前未被发现的关联(Esu等,2024;Famiyeh等,2025;Koo等,2025;Lee等,2025;Li等,2024;Zhao等,2025)。虽然基于化学成分的模型为理解氧化潜力提供了重要见解,但气溶胶的物理化学性质,如气溶胶中的液态水含量和气溶胶pH值,在这类模型中得到的关注相对较少。这些性质会影响气溶胶中金属的溶解度、有机金属的络合以及氧化还原循环过程(Giorio等,2022;Scheinhardt等,2013),进而可能改变氧化潜力水平。因此,将这类物理化学性质纳入分析,有助于更全面地理解氧化潜力的变化规律。
此外,基于来源贡献的模型也还存在一定局限性。目前大多数研究主要是通过SHAP值来进行特征重要性分析,以确定各因素的重要性(Famiyeh等,2025;Li等,2024;Zhao等,2025)。虽然这类分析有助于确定污染源的归属,但要了解不同污染源之间的相互作用如何影响氧化潜力,对于制定有效的减排策略而言至关重要。据我们所知,只有少数研究探讨了不同排放源之间的相互作用(Borlaza等,2021;Wei等,2025),而且目前还没有建立起将这类相互作用转化为具体减排指导的定量框架。为弥补这一不足,本研究将机器学习模型与优化技术相结合,而优化技术在其他决策支持系统中也被广泛应用(Liao & Hou,2015;Xing等,2019)。通过将污染源之间的相互作用与减排分析相结合,该框架能够为确定优先减排的策略提供以危害为导向的依据,而不仅仅局限于分析特征的重要性。
在本研究中,我们将城市环境中PM2.5的氧化潜力响应视为由相互作用的化学成分以及由不同污染源构成的污染状况所决定的反应结构,而非各单独成分或污染源的简单线性叠加。通过结合可解释机器学习分析与不同污染状态下的响应映射,本研究系统地分析了不同污染背景下氧化潜力的响应特征。在此基础上,研究进一步构建了一个基于源头解析的控制效应框架,用于识别高毒性污染源,并为制定以保障健康为目标的减排策略提供依据。因此,本研究的主要目标包括:(1)分析氧化潜力的季节性和日变化规律;(2)确定驱动氧化潜力的关键化学成分和气溶胶性质;(3)阐明这些因素之间相互作用的潜在机制;(4)找出对氧化潜力有影响的主要排放源及其之间的相互作用;(5)通过开展减排情景分析,为制定切实可行的污染控制策略提供参考。
章节节选
样品采集
PM2.5样品是在台湾中部的屯海大学(北纬24.18°,东经120.60°)采集的,该地点靠近一条主干道、多个工业区、台中港以及台中燃煤发电厂(见图S1)。样品采集使用了高容量采样器(TE-6070D,美国Tisch Environmental公司制造),采集时间覆盖四个季节:春季(2022年4月22日至5月15日)、夏季(2022年7月18日至8月19日)、秋季(2022年9月27日至10月28日)以及冬季(2023年2月1日至2月28日),共采集到197个样本。
PM2.5与氧化潜力的季节性和日变化规律
PM2.5、OPv和OPm的季节性及日变化情况如图1和表S3所示。从季节平均值来看,PM2.5的质量浓度在秋季和冬季最高,分别为22.46μg/m3和27.68μg/m3,这一数值几乎是春季和夏季观测值的两倍。通过PMF分析,共识别出六大主要污染源,分别是煤炭和重油燃烧、交通排放、工业排放、灰尘、二次硝酸盐以及二次硫酸盐(见图S6–S7),相关的污染源特征描述见文本S5。
如图S8所示,
结论
本研究将PM2.5的氧化潜力响应视为一种由相互作用的化学成分以及由不同污染源构成的污染状况所决定的非线性反应结构,而非各单独成分或排放源的简单线性叠加。通过结合可解释机器学习分析与不同污染状态下的响应映射,我们发现氧化潜力受非线性依赖关系、阈值效应以及相互作用的影响,而这些是传统的基于相关性分析的方法无法揭示的。
CRediT作者贡献说明
杨希贤:写作——审阅与编辑,验证。 洪月玲:写作——审阅与编辑,数据收集与分析。 程玉祥:写作——审阅与编辑,验证。 黄传秀:写作——审阅与编辑,数据收集与分析。 洪成宇:写作——审阅与编辑,原始稿撰写,数据可视化,方法设计,数据收集与分析,正式分析,数据整理,研究构思。 丁玉哲:写作——审阅与编辑,原始稿撰写,数据可视化,研究指导。
利益冲突声明
? 作者声明不存在任何可能影响本文研究结果的已知利益冲突或个人关系。
致谢
本研究得到了台湾国家科学技术委员会的资助,相关项目编号为NSTC 113-2628-E-002-013-MY3和114-2221-E-002-190-MY3。
洪成宇|丁玉哲|黄传秀|洪月玲|程玉祥|杨希贤
台湾国立台湾大学环境工程研究所,台北,台湾
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号