孟加拉国2020—2025年基于卫星的1公里分辨率每日PM2.5暴露估算：时空模式及其对环境健康的启示

《Environmental Pollution》：Daily 1 km satellite-based PM 2.5 exposure estimates in Bangladesh, 2020–2025: spatiotemporal patterns and implications for environmental health

　　

孟加拉国面临全球最高的环境PM2.5浓度之一，同时也是监测数据最匮乏的高负担地区之一。为弥补这一缺口，我们通过整合卫星观测、再分析产品和机器学习方法，开发了从2020年1月1日至2025年1月31日孟加拉国每日1公里PM2.5暴露估计。我们首先使用LightGBM重建了研究期间超过60%的MAIAC气溶胶光学厚度缺失反演值，生成空间完整的AOD数据集。然后，我们将填补空缺的AOD与气象、大气组成和地理空间预测因子结合，通过基于注意力的TabNet模型估计地面PM2.5浓度。在独立测试数据上，模型性能优异（R2 = 0.95，RMSE = 17.41 μg/m3，MAE = 9.38 μg/m3），并且比现有全球产品更准确地追踪观测到的污染极端值。预测的孟加拉国全国年均PM2.5浓度从2020年1月1日至1月31日在68至75 μg/m3之间，季节峰值在12月至2月间超过130 μg/m3，出现在污染最严重的走廊区域。为展示该暴露数据集对人群研究的适用性，我们将2022年年均PM2.5估计值与2022年孟加拉国人口与健康调查进行了关联。在探索性的地区级生态学分析中，年均PM2.5每增加1 μg/m3，五岁以下儿童急性呼吸道感染患病率升高0.08个百分点（95% CI：0.003–0.157；p = 0.043），成年男性高血压患病率升高0.527个百分点（95% CI：0.26–0.79；p = 0.003）。

引言

空气动力学直径小于或等于2.5微米的细颗粒物（PM2.5）是环境空气污染的主要成分，对全球环境系统和人类健康构成严重风险。1 在2010年至2019年间，全球PM2.5暴露持续增加，每年导致30万至40万人过早死亡。2 然而，这些影响分布不均，中低收入国家承担了总健康负担的将近89%。3 南亚城市面临最高的PM2.5死亡率，自2000年以来相关死亡人数增长了33%。? 在这些国家中，孟加拉国代表了该地区最极端和持续严重的空气污染案例之一，其暴露水平异常之高。? 2023年，该国被评为全球污染最严重的国家，年均PM2.5浓度为79.9 μg/m3，几乎是WHO推荐限值（5 μg/m3年均值）的16倍。??? 此外，孟加拉国在全球人口加权PM2.5暴露中位居首位，首都达卡负担尤为严重，持续位列全球污染最严重的城市之一。?,1? 如此极端的污染带来了深远的健康后果，使PM2.5成为孟加拉国影响预期寿命的主要威胁之一。11

孟加拉国PM2.5的主要来源包括砖窑、车辆排放、生物质燃烧、逸散铅、土壤扬尘和海盐。12 其中，砖窑是达卡最大的贡献者，在2010年至2012年间约占该市PM2.5污染的58%。13 尽管孟加拉国政府引入了多项政策，如2013年《砖块制造和窑炉建立法案》和全国范围内禁止含铅汽油，1? 但利益相关者的抵制和政治挑战阻碍了重大进展。1? 气象条件和跨境污染进一步加剧了污染水平，特别是在11月至3月的干季。1? 该时期降雨量极少，无法将污染物从大气中冲刷掉，且稳定的天气模式使排放物被困在近地面。在这些条件下，盛行风将印度-恒河平原上收获后的农业残留物燃烧产生的排放物输送过来。1? 这种跨境涌入的规模相当大，据估计，在这些月份，来自邻近地区的空气污染物占孟加拉国总PM2.5负担的43%。1? 因此，像达卡这样人口稠密的城市经历了污染的大幅飙升，冬季PM2.5浓度高达178.1 μg/m3。1? 如此强的空间和时间变异性凸显了持续监测和更新高分辨率数据集以追踪变化的污染模式的必要性。

多项研究已将孟加拉国如此高的PM2.5浓度与多种健康问题的风险增加联系起来，包括呼吸和心血管疾病、低出生体重和早产。2??22 据估计，空气污染每年在全国范围内导致97,198名成年人和5,258名儿童过早死亡。23 流行病学证据表明，早期生命阶段的PM2.5暴露增加了急性呼吸道感染（ARI）和儿童死亡的风险，在中低收入国家负担尤为沉重。2?,2? 仅达卡一地，约有10%的人口受到与环境空气污染密切相关的呼吸系统疾病的影响。2? 要准确评估孟加拉国PM2.5的健康影响，可靠的暴露数据对进一步的流行病学研究至关重要。然而，该国有限的监测能力构成了一项挑战。截至2017年，全国仅有11个官方监测站，均由电力部建立并位于主要城市地区。2? 获取孟加拉国全国PM2.5数据的其他方法面临空间和时间的限制。例如，GEOS-Chem模型提供的数据空间分辨率较粗，约为25公里。2? 此外，数据驱动的全球PM2.5产品旨在覆盖全球范围，往往会低估孟加拉国的PM2.5浓度。2?,3? 虽然这些数据集对于分析广泛趋势和大规模空气质量模式很有用，但通常不足以研究PM2.5在精细空间和时间尺度上的健康影响或识别具体的污染来源。此外，许多关于孟加拉国PM2.5与健康的现有研究集中在2020年之前的污染状况，导致在快速环境和社会变化期间的最近全国PM2.5动态缺乏充分特征描述。31

为了克服这些数据限制，卫星驱动的暴露建模已成为监测数据匮乏地区的一种实用方法。在南非、泰国和西非的研究表明，将卫星AOD与机器学习结合可以在地面网络不足的地区产生可靠的PM2.5估计。32?3? 最近的方法学进展进一步将该领域从现成算法推向物理信息和地理结构化的时空模型。3?,3? 在此基础上，我们开发了一套孟加拉国每日1公里PM2.5数据集，通过整合卫星遥感、再分析产品和机器学习，覆盖2020年1月1日至2025年1月31日。鉴于孟加拉国严重的数据稀缺，我们采用了两阶段设计，首先使用LightGBM模型重建缺失的MAIAC AOD反演值，然后使用基于注意力的TabNet模型为每个观测选择信息丰富的预测因子。由于稀疏的地面监测无法完全约束预测图，候选模型在误差指标和预测场的时空合理性上进行了联合筛选。为展示该数据集对健康研究的效用，我们将2022年年均PM2.5估计值与孟加拉国人口与健康调查中地区级心肺指标进行了关联。该高分辨率数据集有助于弥补持续的数据缺口，并可为未来孟加拉国的PM2.5暴露评估和环境健康研究提供支持。将AOD填补和基于误差指标及预测场时空合理性的模型筛选结合到针对极端监测稀疏制度的两阶段设计中，也可能有助于克服其他地区的类似数据约束。

分段节选

地面监测网络和PM2.5观测

孟加拉国位于南亚，占据了恒河-布拉马普特拉河三角洲的大部分，这是世界上最大的三角洲系统。3? 它三面与印度接壤，东南边界与缅甸共享一小段边界。面积约147,570平方公里，全国约80%由低洼冲积平原组成，这可能促进近地面污染物积聚。截至2025年，孟加拉国估计人口约为1.757亿。3? 根据

TabNet架构和特征构建

虽然传统的基于树的模型如随机森林和XGBoost很强大，但其性能可能受到大规模时空数据集计算需求的限制。?3 为克服这一限制，我们选择了TabNet，这是一种专为表格数据设计的深度学习架构，结合了基于树方法的可解释性和深度神经网络的表征能力。?? TabNet的一个关键创新是其使用顺序注意力机制，其

PM2.5模型性能和时空模式

在PM2.5预测方面，TabNet模型达到了很高的预测精度，测试数据集的R2为0.95，RMSE为17.41 μg/m3，MAE为9.38 μg/m3（图3）。TabNet模型在训练数据集的时空分块10折交叉验证中也保持了这种精度（R2 = 0.94，RMSE为18.68 μg/m3，MAE为10.67 μg/m3；图S8），这表明空间或时间自相关不太可能显著夸大报告的绩效。此外，

局限性

本研究的首要也是主要局限性在于地面PM2.5观测的质量和分布。在时间覆盖方面，PurpleAir站点通常提供间歇性数据，归因于断电、网络连接问题和维护不一致等因素。?? 在空间方面，用于模型训练的46个监测站主要位于高污染城市地区（图1），对广大农村地区覆盖不足。这

结论

我们为孟加拉国及邻近的印度和缅甸地区开发了一个每日1公里分辨率的PM2.5模型，生成了从2020年1月1日至2025年1月31日的PM2.5数据集。为获取后续PM2.5预测所需的空间完整气溶胶信息，我们首先训练了一个LightGBM模型来填补原始MAIAC AOD数据集中的缺失值。完整的AOD数据集和表S1中列出的其他预测因子随后作为输入特征用于TabNet模型预测PM2.5。我们

CRediT作者贡献声明

Yun Hang：写作–审阅与编辑，写作–初稿，监督，调查，资金获取，正式分析，概念化。Yang Liu：写作–审阅与编辑，监督。Ke Xu：数据管理。Qian Xiao：写作–审阅与编辑，监督。M. Ruhul Abid：写作–审阅与编辑，监督。Aodong Mei：写作–初稿，数据管理。Zhengyi Cui：写作–审阅与编辑，写作–初稿，可视化，验证，软件，方法论。

数据和材料可用性

本研究中使用的所有数据集均为公开可获取，但孟加拉国达卡环境与人口研究中心（EPRC）运营的5个私人PurpleAir监测站除外。

利益冲突声明

作者声明不存在任何竞争性的经济利益。

数据可用性

本研究生成的1公里每日PM2.5和填补空缺的AOD数据集目前尚未公开提供，因为它们正在用于正在进行的后续分析，将暴露估计与孟加拉国个体层面的健康结果相关联。这些数据集将在那些分析完成后公开提供。在此期间，它们可从通讯作者处通过合理请求获取。

利益冲突声明

? 作者声明他们没有已知的竞争性经济利益或个人关系，这些利益或关系可能影响本论文中报告的工作。

致谢

本研究由德克萨斯大学健康科学中心休斯顿分校公共卫生学院的启动资金资助。

作者信息

Zhengyi Cui | Aodong Mei | Ke Xu | Yang Liu | Ruhul Abid | Qian Xiao | Yun Hang
环境与健康科学系，公共卫生学院，德克萨斯大学健康科学中心休斯顿分校，德克萨斯州休斯顿77030，美国