超越基于浓度的分析：可解释人工智能识别影响城市PM10变化的环境因素

《Science of The Total Environment》：Beyond concentration-based analysis: explainable AI identifies environmental settings influencing urban PM 10 variability

　　摘要：本研究采用可解释人工智能框架，利用单个监测站的常规监管空气质量数据来分析PM10的变异情况，尤其针对数据有限的状况。研究分析了2020年至2023年的四年间PM10、PM2.5、NO2、SO2、O3以及气象预测因子的数据集，运用集成机器学习模型并结合元启发式超参数优化方法。表现最佳的模型具有很高的预测性能（R2=0.913），为基于模型的解释提供了支持。通过对SHAP衍生的预测因子影响特征进行聚类，发现了十种与PM10浓度升高、降低或变化相关的常见环境状况。其中，模型得出的最显著正贡献与寒冷季节的积聚状况有关：E0现象较为频繁且多发生在夜间，平均影响值为50.9微克/立方米；而E7现象虽较少见，但平均影响值最高，为82.9微克/立方米，且昼夜均存在。相比之下，温暖季节和混合较好的环境中，模型得出的影响为负值，PM10浓度比模型预测的基准值低约26–29微克/立方米。这些结果表明，仅凭浓度水平无法完全描述研究地点的PM10变异情况，因为相似的浓度可能对应不同的污染物与气象条件组合。所提出的以环境状况为导向的机器学习-可解释人工智能框架为从缺乏详细化学成分数据的常规监测数据中提取可解释信息提供了实用方法，但要实现更广泛的适用性，还需在更多地点和不同环境条件下进行验证。

引言：空气污染仍是全球面临的重大挑战，对公共健康和环境可持续性构成严重威胁，导致全球数百万人过早死亡（Fuller等人，2022年）。在各种空气污染物中，颗粒物因其与呼吸系统疾病和心血管疾病的密切关联而占据重要地位。尽管欧盟在空气质量管理方面取得了持续进展，但仍有大量地区超过世界卫生组织设定的颗粒物指导值，这凸显出城市空气污染问题的持续性（欧洲环境署，2023年；Targa等人，2023年；Ileni?等人，2024年）。颗粒物污染的复杂性源于其多样的自然和人为来源，以及显著的空间和时间变化性，而这些变化又受到气象条件的强烈影响（Behera和Sharma，2010年；Peri?i?等人，2015年；Stoji?等人，2016年）。颗粒物可在大气中持续存在，通过长距离传输，并通过与气态前体的相互作用参与二次气溶胶的形成（Squizzato等人，2012年；Zhang等人，2015年）。这些相互关联的过程使得污染物行为具有高度的非线性和情境依赖性，从而难以确定排放、大气化学过程和气象因素之间的相对作用。传统上，源解析方法主要依靠扩散模型或受体模型。扩散模型利用排放清单和气象数据来模拟污染物的传输过程，但对排放、化学过程和边界层现象的不确定性较为敏感（Mircea等人，2020年）。受体模型则根据现场测量数据推断各污染源的贡献，当有经过化学分析的数据集时，能够给出定量结果（Hopke，2016年；Vestenius等人，2021年）。然而，这类模型在监管应用中的有效性往往受到数据要求、对污染源特征的假设以及气象因素和时间动态整合程度不足的限制（Chen等人，2011年）。常规空气质量监测主要依赖于在固定站点测量的有限种类污染物数据，通常以日平均值形式呈现。虽然欧洲的监测网络拥有数千个监测站点，但只有少数站点具备进行全面源解析所需的详细化学成分数据（欧洲环境署，2023年；欧盟委员会，2025年）。这就导致了现有监测数据的规模与传统源解析技术的要求之间存在根本性的不匹配（Xiao等人，2014年；Travis等人，2022年）。因此，有必要开发出能够从常规测量数据中提取与污染过程相关信息的方法。在数据受限的情况下，机器学习方法越来越多地被用于模拟空气污染状况（Karmoude等人，2025年）。虽然机器学习模型能够捕捉污染物与气象变量之间复杂的非线性关系，但若仅将其作为预测工具使用，其可解释性和与实际过程的关联性仍然有限（Huang等人，2015年；Nguyen等人，2023年；Han等人，2023年）。近年来，可解释人工智能技术的进步为解决这一难题提供了新途径，它能够实现对模型的解释，揭示各种环境因素的相对重要性及其相互作用。在空气污染研究中，基于SHAP的方法为理解污染物动态提供了与过程一致的见解，包括影响PM氧化能力的因素（Lee等人，2025年；Li等人，2024a、2024b）、O3形成过程中的非线性相互作用（Yao等人，2025年），以及城市热岛效应与空气污染之间的关联（Liu和Hang，2026年）。目前现有的机器学习-可解释人工智能研究大多侧重于解释单个预测因子或其相互作用，通常依赖经过化学分析的数据集，或针对特定的污染物和污染过程。而将此类方法应用于常规监管监测数据的研究还比较少，尤其是在没有化学成分信息和源解析数据的情况下。在本研究中，我们采用了另一种思路，即将环境状况概念应用于PM10分析，依据模型得出的预测因子影响而非单纯的污染物浓度对观测数据进行分析归类。这种方法有助于识别出在实际情况中影响PM10变异的常见、多变量型的污染物-气象条件组合。通过结合基于SHAP的归因方法和预测因子影响聚类分析，所提出的框架为数据有限环境中的空气质量动态提供了结构化且易于理解的表征方式。环境状况概念是一种基于可解释人工智能的框架，可用于描述复杂城市环境中的污染物动态（Radi?等人，2025年；Be?li?等人，2026年）。该概念最初是在新冠疫情期间对苯浓度变化进行的短期、事件驱动型研究中得到应用的，当时通过大量的预测因子成功识别出了在人类活动迅速变化情况下的不同污染状况（Radi?等人，2025年）。后续研究将这种方法扩展到使用常规监测的气体污染物和气象变量的多年度数据集，结果表明，在典型的城市环境下，少数几种稳定的环境状况会持续影响污染物的变化趋势（Be?li?等人，2026年）。在该框架中，环境状况是由各种环境变量之间的相互作用模式来定义的，而非仅仅依据污染物浓度。这一定义为基础，使得该框架可以进一步应用于颗粒物研究，因为在颗粒物系统中还存在多种排放源、二次形成过程、长距离传输以及重新悬浮等现象，增加了系统的复杂性。不过，该框架在颗粒物研究中的应用目前还很少被探索。本研究将环境状况框架扩展到PM10分析，并评估其在更为复杂的大气条件下的适用性。与以往的机器学习-可解释人工智能空气质量研究相比，本研究的创新之处不在于单独使用SHAP技术，而在于以SHAP衍生的预测因子影响特征作为识别常见环境状况的基础。与那些主要对单个预测因子进行排序、分析预测因子间的相互作用，或依赖经过化学分析/特定源数据的研究方法不同，所提出的框架是根据模型得出的污染物-气象贡献来对观测数据进行分析归类。据我们所知，这是首次仅利用常规监测的共污染物和气象变量，应用基于SHAP的环境状况框架来分析PM10。这种方法有助于区分由积聚、扩散和过渡过程导致的PM10状况，而这些状况仅凭浓度数据是难以识别的。本研究还探讨了在存在强非线性和多过程相互作用的污染物情况下，是否也能识别出稳定的环境状况。研究使用了来自东南欧某城市监测站的长期观测数据，这些数据反映了通风条件较差、受当地和区域污染共同影响的典型环境。研究利用常规测量的共污染物（NO2、SO2和O3）以及从全球数据同化系统获取的气象变量来构建PM10变化模型，同时通过基于Shapley值的解释方法和聚类技术来分析影响污染物行为的稳定环境状况。所提出的方法为数据有限环境中的空气质量评估提供了一种具有可扩展性且对政策制定有参考价值的工具。因此，本研究基于三个工作假设展开。首先，通过常规监测的共污染物和气象变量得到的SHAP衍生预测因子影响特征，可以被归类为一些具有重复出现特征且易于从物理角度理解的环境状况。其次，仅凭PM10浓度水平不足以区分导致其变异的各种环境状况，因为相似或相近的浓度可能对应着不同的模型衍生污染物-气象贡献模式。第三，模型得出的正向PM10贡献可能与寒冷季节、通风不良以及与燃烧相关的环境状况有关，而负向贡献则可能与温暖、混合较好的环境或有利于污染物清除的条件相关。这些假设是在现有监管数据集的基础上作为模型支持的关联关系来加以评估的，而非作为因果机制。

数据部分：为评估在数据有限的监管条件下，使用可解释机器学习框架分析PM10变异驱动因素的适用性，本研究使用了塞尔维亚诺维帕扎尔一个自动监测站提供的空气质量及气象数据。该监测站位于山谷地带，由于空气流通不畅，再加上当地排放（主要是交通和居民供暖）以及区域传输带来的污染，使得该地区的污染水平较高。

结果与讨论：研究进行了探索性、描述性和趋势性分析，旨在从不同时间尺度上了解污染物行为的整体情况，包括日变化、周变化、季节变化和年度变化趋势。该监测点的PM10和PM2.5浓度经常超过世界卫生组织的指导值（WHO，2021年）以及欧盟2008/50/EC指令规定的标准（欧洲议会和理事会，2008年），这表明该地区的颗粒物污染问题十分严重。研究还观察到了偶发的极端高浓度现象（见图）。

结论：本研究使用了来自塞尔维亚诺维帕扎尔一个城市监测站的四年间每小时监测数据，其中包括常规测量的共污染物数据以及来自全球数据同化系统的气象变量，旨在探究模型衍生的预测因子影响特征是否能够帮助在数据有限的条件下解读PM10的变异情况。经过优化的LightGBM模型能够解释大部分PM10变异情况（R2=0.913），为基于SHAP方法对模型输出结果进行解释提供了内在一致的依据。

CRediT作者贡献声明：Mirjana Peri?i?：写作——审阅与编辑，写作——初稿撰写，正式分析，概念构思。Gordana Jovanovi?：写作——审阅与编辑，写作——初稿撰写，概念构思。Timea Bezdan：可视化处理，验证，软件应用，正式分析。Svetlana Stani?i?：写作——初稿撰写，概念构思。Andreja Stoji?：可视化处理，验证，监督指导，软件应用，方法论设计，正式分析，数据整理，概念构思。

资金支持：作者感谢贝尔格莱德物理研究所提供的资助，该资助来自塞尔维亚共和国教育、科学和技术发展部以及塞尔维亚共和国科学基金会的支持，项目编号为#7373，项目名称为“利用基于人工智能的框架分析危机引发的空气污染变化”（crAIRsis）。

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财务利益或个人关系。所有作者都为本文的撰写做出了重要贡献。Mirjana Peri?i?负责概念构思、数据分析和论文初稿的撰写工作。Gordana Jovanovi?参与了数据解读以及论文的写作和编辑工作。Timea Bezdan则负责方法论框架的构建工作。