使用XGBoost和基于SHAP的解释性方法评估马来西亚地区和季节性PM2.5及O3的变化

《Chemosphere》：Evaluating regional and seasonal variations of PM 2.5 and O 3 across Malaysia using XGBoost and SHAP-based interpretability

　　

摘要

评估区域性和季节性空气污染的变化对于监测热带环境至关重要。本研究利用马来西亚环境部（DOE）2018年至2023年的每日大气和气象观测数据，以及对ERA5再分析变量（边界层高度、太阳辐射和云量）的补充，评估了马来西亚五个地区的细颗粒物（PM_2.5）和地面臭氧（O₃的区域性和季节性变化。研究比较了多元线性回归（MLR）和极端梯度提升（XGBoost）方法，并应用了Shapley加性解释（SHAP）技术来解释各因素的重要性及非线性关系。Kruskal-Wallis和Dunn事后检验发现了这两种污染物的区域性和季节性差异。PM_2.5在空间上存在显著差异（χ² = 3239.530，p < 0.001），在季节上也有显著差异（χ² = 477.837，p < 0.001）；O₃同样在地理上（χ² = 2173.607，p < 0.001）和季节上（χ² = 69.579，p < 0.001）存在显著差异。XGBoost的建模效果优于MLR，对于PM_2.5其R²为0.576，RMSE为4.87 μg m^{?3₃，R2为0.543，RMSE为3.4 ppb。不同地区和季节下的模型表现有所不同，当考虑持久性因素时，R2可提升至0.85。SHAP分析表明，PM_2.5的变化与燃烧相关物质和气象因素有关，而O₃的变化则更受湿度和温度的影响，尤其在东北季风期间湿度的影响更为显著。这些结果表明，马来西亚的空气污染变化受排放模式和气象条件相互作用的支配，强调了基于季节性的评估、可解释性机器学习以及区域性评估在政策制定中的重要性。}

引言

空气污染仍然是一个重大的环境和公共健康问题，尤其是在快速城市化的地区。细颗粒物（PM_2.5）和地面臭氧（O₃是导致呼吸系统和心血管疾病以及环境退化的主要污染物。PM_2.5会侵入呼吸系统和血液，而长期暴露于O₃会降低肺功能并增加呼吸系统疾病的风险，尤其是在儿童、老年人和有基础疾病的人群中（Mueller等人，2020年；Nguyen等人，2022年）。在东南亚，生物质燃烧、跨界雾霾、城市排放以及气象条件的变化加剧了污染（Gu等人，2024年）。最近关于马来西亚空气质量和健康状况的综述和研究显示，污染对健康的负面影响显著，包括雾霾期间呼吸道入院人数的增加和污染相关风险的上升，这突显了在不同大气条件下理解污染物动态的必要性（Abd Rahim等人，2024年；Adebayo-Ojo等人，2022年；Azi等人，2026a,b年）。

马来西亚是一个研究热带空气污染的重要场所，因为该地区的污染物行为受到快速城市化、工业活动、气象条件和季节性季风环流的强烈影响。空气质量反映了当地排放与区域过程之间的相互作用，包括来自东南亚地区的跨界雾霾（Ahmad Mohtar等人，2022年；Sulong等人，2019年）。先前的研究报告称，马来西亚各地PM_2.5浓度存在显著的区域性和季节性差异（Chee等人，2024年；Rahman等人，2022年；Zaman等人，2021年），这主要是由于气象条件影响了污染物在季节期间的传输、混合和积聚（Suradi等人，2021年）。然而，季节性转换，特别是西南季风，通过增强区域性的烟雾传输进一步改变了这些模式。由于生物质燃烧、农业和泥炭火灾以及不断扩大的城市工业排放导致的持续气溶胶负荷，基于卫星的PM_2.5监测仍然具有挑战性（Zheng等人，2023年；Chee等人，2024年；Kamarul Zaman等人，2026年）。因此，了解马来西亚的空气污染需要同时考虑区域大气变化和季节性动态。

PM_2.5和O₃对气候条件、前体物质的可用性、传输机制以及季节性波动的反应不同，这使得它们无法用简单的线性关系来描述（Marvin等人，2023年；Wu等人，2025年）。多元线性回归（MLR）因其简洁性和可解释性而仍然有价值，但由于其在不规则天气状态下的局限性，其在模拟复杂和非线性相互作用方面的能力受到限制（Huang等人，2020年；Yohanna和San，2026年）。因此，马来西亚及其类似地区的经验表明，机器学习方法可以改善PM_2.5和O₃的预测，尤其是在污染物行为受气象变化和区域传输强烈驱动的情况下（Houdou等人，2024年；Karmoude等人，2025年；Neo等人，2022年；Rahman等人，2023年）。近年来，机器学习方法因能够捕捉这些复杂的相互作用而受到重视，像Shapley加性解释（SHAP）这样的可解释技术越来越多地被用于环境预测中，从空气污染物建模（Abohaia等人，2025年；Ergün和Ergün，2023年；Zhou等人，2024年）到尘埃和土壤侵蚀研究，SHAP揭示了体积密度、降水量、植被覆盖、土地利用和气象条件对尘埃排放、风蚀敏感性和颗粒物预测的主导影响（Gholami等人，2021年，2023年，2024年；Kalantari等人，2025年）。

Zaman等人（2024年）的一项最新研究利用卫星衍生的气溶胶光学深度和特定区域或季节的建模框架，推进了马来西亚PM_2.5的机器学习应用。该研究提高了PM_2.5的空间预测能力，但主要关注单一污染物和基于卫星的估计。相比之下，较少有研究同时使用基于地面的观测数据，结合统计评估、预测建模和可解释的AI方法，在一个统一的分析框架内研究PM_2.5和O₃。因此，本研究利用马来西亚环境部（DOE）2018年至2023年的观测数据，评估了马来西亚PM_2.5和O₃

节选

研究区域和时空分层

研究区域被划分为五个气候类型：中部、北部、南部、东海岸和东部马来西亚，如图1所示，以捕捉由城市化、沿海影响和地形引起的空间变化。季节性变化由东北季风（11月至3月）、西南季风（5月至9月）和季风间期（4月和10月）代表，反映了季风对降水量、湿度、风循环和污染物积累的控制作用

PM_2.5和O₃的日变化

每日PM_2.5浓度在五个研究区域内显示出显著的时空变化，如图3所示，中部和北部地区出现了短暂的高浓度峰值。持续的污染事件表明了局部人类排放的累积效应和周期性的跨界雾霾传输（Palanichamy等人，2021年）。相比之下，东部马来西亚的PM_2.5水平始终较低，如图3a所示

结论

本研究结合统计分析和可解释的机器学习方法，利用六年（2018-2023年）的数据集，评估了马来西亚五个地区PM_2.5和O₃的区域性和季节性变化，数据来自环境部（DOE），并补充了ERA5再分析变量。PM_2.5表现出明显的时间和空间变化，在干燥季节和雾霾期间中部和北部地区的浓度较高，这与之前的马来西亚研究结果一致（Zaman等人，2021年，2024年）

作者贡献声明

Emmanuel Yohanna： 负责撰写初稿、数据可视化、软件实现、方法设计及概念构建。Hwee San Lim： 负责审阅与编辑、验证、监督、软件开发、资源管理、方法实施、数据分析、数据整理及概念构思。

伦理审批

不适用。

资金支持

本研究未获得任何外部资金支持。

作者声明本文内容不存在任何利益冲突。没有任何资助机构参与本研究的设计、数据收集与分析、手稿撰写或决定提交发表的过程。

致谢

作者感谢马来西亚环境部管理层和工作人员的宝贵贡献。

Emmanuel Yohanna | Hwee San Lim

马来西亚科学大学物理学院，槟城，11800 USM，马来西亚