应用聚类技术估算巴伦西亚自治区背景PM2.5浓度

《Atmospheric Pollution Research》：Estimation of background PM 2.5 concentrations in the Valencian Community applying clustering technique

　　

研究人员分析了巴伦西亚自治区（Valencian Community, VC）农村站点1999至2022年共23年的PM2.5（空气动力学直径≤2.5 μm的细颗粒物）日均浓度时间序列，采用高斯混合模型（Gaussian Mixture Models, GMM）、隐马尔可夫模型（Hidden Markov Models, HMM）及百分位数法界定区域背景浓度。GMM与HMM均经贝叶斯信息准则（Bayesian Information Criterion, BIC）选为四簇，最低均值簇被解释为背景：GMM估得3.55 μg/m3（95% CI: 3.41–3.87），HMM估得3.90 μg/m3（95% CI: 3.47–4.78）；第20百分位数为快速替代指标，与两模型吻合。季节上夏季背景最高、冬季最低；Mann-Kendall检验显示年均浓度显著下降（τ=-0.530, p<0.001，Sen斜率-0.149 μg/m3/年）。该研究的背景值低于WHO 2021年年均指导值5 μg/m3，与南欧农村及台湾城市研究结果可比，证明聚类技术可在无城市源干扰下提供成本效益高的背景估算框架。

研究背景与立项依据

大气颗粒物（particulate matter, PM）尤其是PM_2.5（空气动力学直径≤2.5 μm的细颗粒物）因可深抵肺泡并进入血液循环，被列为关键空气污染物。背景浓度（background concentration）理论指剔除局地人为源后的自然本底，实际定义为局地自然源与长距离传输（含周边人为贡献）之和。现有背景估算多依赖城市站统计滤波、Kolmogorov-Zurbenko滤波或单一分布假设，在混合自然与人为贡献的异质数据中易偏倚。巴伦西亚自治区（Valencian Community, VC）位于西班牙地中海沿岸，尚无公开PM_2.5背景值，且高斯混合模型（Gaussian Mixture Models, GMM）在该区域背景识别中未见应用。研究人员因此基于农村背景站23年数据，比较GMM、隐马尔可夫模型（Hidden Markov Models, HMM）与百分位数法，旨在首次给出VC区域背景值并推荐快捷替代方案。论文发表于《Atmospheric Pollution Research》。

主要关键技术方法

研究人员取VC官方RVVCCA网络中11个农村背景站1999–2022年日均PM_2.5（缺测<5天者用邻日均值或插值补全，总可用率98.6%）。方法一为GMM（scikit-learn GaussianMixture，期望最大化算法估计权重/均值/协方差，BIC选簇数）；方法二为HMM（hmmlearn GaussianHMM，一阶马尔可夫链+Viterbi解码，BIC选隐状态数，1000次Bootstrap不确定性评估）；方法三为百分位数法作对照。两聚类模型均以最低均值簇作背景，簇数经BIC在1–10间优选。

研究结果

3.1 背景PM_2.5时空格局研究

全局池化数据显示农村背景站总体均值8.2±6.2 μg/m³，中位数低于均值，模态4 μg/m³，右偏（偏度2.00，峰度9.47）。季节上夏季均值最高（9.53 μg/m³）、冬季最低（7.33 μg/m³），夏季SDE（撒哈拉沙尘事件）贡献显著；年际Mann-Kendall呈显著下降趋势（τ=-0.530, Z=-3.646, p<0.001），Sen斜率-0.149 μg/m³/年，2014年后降幅更明。

3.2 高斯混合模型估算

全局GMM最优四簇，背景簇m2均值3.55 μg/m³（SD 1.41，权重0.38，95% CI 3.41–3.87）。季节背景：秋3.28、冬3.34、春3.63、夏5.17 μg/m³；背景簇高斯曲线左端截尾，但不影响簇序判定。

3.3 隐马尔可夫模型估算

全局HMM亦选四隐态，背景态m2均值3.90 μg/m³（SD 1.72，权重0.42，95% CI 3.47–4.78），其背景直方图更接近经典高斯尾。季节背景：冬3.10、春4.00、夏6.05、秋3.29 μg/m³。两模型年际标准差差最大0.65 μg/m³（2011），近岁差异趋小。

3.4 百分位数估算

第20百分位数全局值介于GMM与HMM之间，季节排序与两模型一致，作无编程快速代理指标。

3.5 方法比选

全局背景：GMM 3.55、HMM 3.90、P20居中；环境均值8.2约为背景两倍。2024年独立时段验证中P20（1.98 μg/m³）与GMM（1.40）、HMM（1.95）同量级。VC值低于台湾城市（4.4 μg/m³）高于加拿大洁净区（~2 μg/m³），与Gran Canaria郊区4–5 μg/m³可比对。

讨论总结

研究人员指出，GMM与HMM在VC农村数据上均稳定析出四态/四簇，最低态对应非 episodic 污染机制，背景估值3.55–3.90 μg/m³受地中海气候、SDE及旅游燃放等抬升但仍低于WHO 5 μg/m³指导值。HMM时序依赖建模使背景分布更近似正态，GMM则给出略低且计算轻量之替代。第20百分位数可作管理端速算阈值。背景序列自2014年显著走低，印证欧盟能效与管控政策成效。该研究补足VC背景空白，证明软聚类（soft clustering）技术较硬阈值更贴合异质气溶胶本底识别。

结论部分翻译

本研究对巴伦西亚自治区逾二十年的PM_2.5作出综合评估，报告均值8.2±6.2 μg/m³及自2014年以来的下降走势；各站年均值合规，夏季较最低季高约30%。研究人员首次用三种方法估算该区农村背景，聚类技术给出3.55（GMM）至3.90（HMM）μg/m³背景值，两模型皆析四簇。HMM背景分布更近正态，GMM估值稍低且可作未来背景评估可行替代；第20百分位数在精确模型缺席时提供实用快速代理。创新点在于区域条件下高级时间序列聚类法对比及高效背景界定替代方案识别，夯实空气质量评估方法基并供环境管理工具。