基于多源观测数据的垂直方向PM2.5浓度估算：一种深度学习融合模型

《Journal of Hazardous Materials》：Leveraging Multi-Source Observations for Vertical PM 2.5 Estimation: A Deep Learning Fusion Model

　　

摘要

PM_2.5的垂直信息对于理解气溶胶演化和支持空气污染管理具有重要意义，然而，大多数机器学习研究主要集中在近地表PM_2.5，对垂直分辨的气溶胶和气象观测数据的利用不足。本研究开发了一种基于AM-CNN-BiLSTM的多源数据融合框架，以估计2022年7月至2023年6月深圳气象梯度塔200和300米处的高度PM_2.5浓度。该模型集成了激光雷达导出的气溶胶消光系数（EC）、微波辐射计（MWR）热力学廓线、气象变量以及塔基PM_2.5观测数据。为减少时间信息泄露，模型性能通过时间顺序测试集和带验证策略的滑动窗口进行评价。AM-CNN-BiLSTM在200和300米高度处的R²值分别达到0.87和0.83，优于基线模型。SHAP分析、消融实验和敏感性分析一致表明EC是垂直PM_2.5估算的主导约束因素。同时，相对湿度（RH）、温度和风速变量提供了互补的热力学和输送信息。研究结果表明，多源观测数据用于沿海城市站点垂直PM_2.5估算具有可行性。然而，所学到的EC与PM_2.5之间的关系以及湿度响应应视为站点特定的，需要进一步的多年和跨区域验证。

引言

颗粒物（PM）在云和雨的形成与增长过程中起着重要作用，因此对天气和气候具有显著影响[1], [2]。此外，PM散射和吸收太阳辐射，影响全球气候变化[3], [4]。PM_2.5是指空气动力学当量直径小于或等于2.5 μm的悬浮颗粒物[5], [6]。其主要成分包括有机物质、硫酸盐、硝酸盐、铵盐、碳和其他金属物质[7], [8], [9]。高浓度的PM_2.5可以直接导致雾霾天气并降低大气能见度[10], [11], [12]。许多研究报告指出，暴露于高PM_2.5浓度会增加呼吸系统和死亡率的风险[13], [14], [15]。因此，以长期有效的方式监测PM_2.5浓度的空间变化特征十分必要。

近地面PM_2.5的估算方法有很多种，例如土地利用回归模型（LUR）[16], [17]和化学传输模型（CTM）[18], [19]。其他研究利用卫星遥感获取气溶胶光学厚度（AOD）来反演PM_2.5浓度[20], [21]。近年来，随着计算机和大数据的发展，越来越多的机器学习（ML）模型被用于模拟空气污染物[22], [23], [24]。然而，基于地面的PM_2.5监测不足以揭示污染物在整个边界层中的传输以及区域污染物的形成过程[25], [26]。因此，许多研究集中在获取PM_2.5的垂直廓线上。激光雷达是获取PM_2.5浓度垂直廓线最广泛使用的技术之一[27], [31]。激光雷达与机器学习方法的结合可以提供更可靠的PM_2.5结果。例如，Ma等人（2021）[32]利用气溶胶消光系数（EC）和气象数据，结合线性模型（LM）和四种机器学习算法来估算PM_2.5浓度。

然而，这些方法往往忽略了气溶胶和气象变量时空演化对PM_2.5浓度的动态影响。卷积神经网络（CNN）模型有效地从输入数据中提取局部空间特征，但在捕获长期依赖关系方面存在一定困难。长短期记忆网络（LSTM）和双向长短期记忆网络（BiLSTM）旨在跨不同尺度学习数据序列，克服了传统循环神经网络（RNN）的局限，但它们往往难以捕获不同空间特征之间的关系。因此，将CNN与LSTM相结合可以发挥CNN空间模式识别能力和LSTM序列学习优势。此外，注意力机制使模型在处理序列数据时能够为不同片段分配不同的权重，从而使模型关注对估算结果最为关键的信息。因此，本文提出了一种集成注意力机制的卷积双向长短期记忆网络（AM-CNN-BiLSTM）。该架构基于CNN进行空间特征提取，利用BiLSTM捕获时间依赖关系，并引入注意力层优化融合过程，从而实现高精度PM_2.5浓度模拟。另一方面，在大多数研究中，很少获得实际垂直PM_2.5值。此外，地面气象要素与高空之间的巨大差异会给反演结果带来误差。尽管由探空仪获得的气温和气湿廓线等气象信息可以融合到激光雷达反演算法模型中[33]，但气象探空每天仅能提供两次，无法满足激光雷达实时检测的需求。

本研究旨在开发一种更精确的基于机器学习的方法，描述从EC到PM_2.5浓度的非线性转换，并估算PM_2.5的时空演化。在本研究中，我们使用了弹性激光雷达的EC数据、微波辐射计（MWR）的温度（T）和相对湿度（RH），结合深圳2022年7月至2023年6月的塔基观测数据，构建了AM-CNN-BiLSTM模型。该混合模型可按小时进行训练和模拟，以理解同时涉及空间分布和时间依赖变化的PM_2.5演化。同时，我们利用塔基观测的垂直高度上的PM_2.5浓度来提高模型估算结果的可靠性。论文结构如下：第2节描述观测站、数据来源及数据处理；第3节介绍混合模型的建立和参数配置；第4节开展实验并分析模型训练结果，同时呈现一次污染事件的PM_2.5垂直廓线分析及统计分析；最后，第5节对本研究进行总结。

章节摘要

数据集与方法

深圳是中国南部珠江三角洲地区的一座海滨城市（113°43′~114°38′E, 22°24′~22°52′N）。由深圳国家气候观测站管理的深圳气象观测基地（以下简称实验基地）距海岸线约10公里。深圳气象梯度塔（SMGT）位于实验基地，周围环绕着水库附近的林地。SMGT高度为365米，由13层气象观测平台组成。

AM-CNN-BiLSTM模型

获取PM_2.5浓度数据的数据流程图如图2所示。输入数据包括532 nm波长的激光雷达EC数据、MWR的T和RH，以及220米和330米高度的ERA5风速（WS）和风向（WD）数据。值得注意的是，由于仪器故障或天气原因，数据可能会出现缺失。这里我们利用基于实际时间戳的加权平均方法进行插值，确保即使原始数据存在非均匀时间间隔，插值结果仍能保持时间精度。

模型性能对比

为评估各模型的准确性，我们使用测试集评估指标（包括R²、RMSE和MAE）对所有模型的性能进行了评估。将五种机器学习模型（RF、Catboost、LSTM、BiLSTM和CNN）与我们提出的AM-CNN-BiLSTM方法进行对比，分析2023年5月至2023年6月在200米和300米高度处的PM_2.5浓度估算值，结果见图3和图4。结果表明，在200米（300米）高度，常用机器学习方法的R2值为0.71（0.69）。

总结与结论

结合深圳365米气象梯度塔（SMGT）的2022年7月至2023年6月的多源数据，我们开发了一种混合AM-CNN-BiLSTM模型来估算PM_2.5垂直浓度。与传统模型（RF、Catboost、CNN、LSTM和BiLSTM）相比，该混合模型表现更优，在200米和300米高度处最高R2分别为0.87和0.83，RMSE分别为5.70 μg/m3和3.80 μg/m3。此外，该混合模型能够更好地提取垂直方向上的

未被引用的参考文献

[28]; [30]

作者声明

陈震义、李飞龙、金乾凯和纪成力提出了研究构思。刘爱民、顾瑞昌、张春生和王志成进行了现场测量。李飞龙、金乾凯、高丽娜和刘启凯进行了数据分析。赵培涛、姚志亮和毛佳佳为本研究提供了学术帮助。金乾凯和陈震义撰写了论文，所有合著者均参与了修改和撰写。

CRediT作者贡献声明

刘启凯：形式分析。刘爱民：资源、数据管理。姚志亮：方法论、概念构思。金乾凯：写作—审阅与编辑，写作—原稿撰写，可视化，验证，数据管理，概念构思。纪成力：验证，资源，形式分析，数据管理，概念构思。李飞龙：形式分析，数据管理。赵培涛：资源，形式分析。陈震义：写作—审阅与编辑，写作—原稿撰写，可视化。

利益冲突声明

作者声明不存在任何可能影响本论文所述工作的已知竞争性经济利益或个人关系。

致谢

本研究得到了国家自然科学基金（批准号：U2442214）、中国气象局创新发展专项项目（项目编号：CXFZ2026J067、CXFZ2024J011和CXFZ2024J057）、国家重点研发计划（项目编号：2024YFC3711701）以及风云卫星应用先导项目（FY-APP-2024.0103）的资助。作者感谢参与本站点激光雷达和MWR系统运行的同事以及其他

陈震义 | 李飞龙 | 金乾凯 | 姚志亮 | 刘爱民 | 刘启凯 | 王志成 | 毛佳佳 | 高丽娜 | 顾瑞昌 | 张春生 | 纪成力 | 赵培涛

北京工商大学 食品链污染控制国家环境保护重点实验室，北京，100048，中国