基于混合Transformer-TabPFN框架的中期臭氧污染预报技术及其应用

《Atmospheric Environment》：Medium-range Ozone Pollution Forecasting Techniques via a Hybrid Transformer-TabPFN Framework and Application

　　

## 摘要

中等范围臭氧预报对于主动开展空气质量管理和公共健康防护至关重要，但由于较长时间范围内未来污染物观测数据不可用，这一任务仍具有挑战性。本研究提出了一种两阶段混合框架，将用于时间序列生成的Transformer模型与用于基于表格数据精细修正的表格先验数据拟合网络（TabPFN）相结合，实现在站点、城市和区域尺度上10天（240小时）的逐小时臭氧预报。该框架使用北京-天津-河北（BTH）地区13个城市2019年至2023年的气象预报和空气质量观测数据进行开发和评估。基于SHAP的特征重要性分析揭示了层次化的贡献结构，其中热力学和辐射变量的贡献占比为51.4%，污染物相关变量为34.9%，动态变量为13.6%。在所检验的模型中，Transformer和TabPFN分别在各自所属模型类别中表现最优。该混合框架在240小时预报时距下，所有站点的总体决定系数（R2）达到0.78，且相较于单独的Transformer，在各季节和各评估指标上均有提升。在2023年6月一次严重臭氧污染事件的案例研究中，该模型能够提供长达七天的有效早期预警，并捕捉了该事件的时空演变过程。研究结果表明，所提出的框架为仅使用常规气象预报和污染物观测数据实现中等范围臭氧业务化预报提供了一种可行的方法。

## 引言

近年来，近地面臭氧（O?）已成为全球最主要的二次空气污染物之一，对公共健康和生态系统完整性构成严重威胁（Guan等，2021；Malley等，2017；Wang等，2025）。近地面臭氧浓度升高通过氧化应激及相关通路引发呼吸系统和心血管系统的疾病（Lyu等，2023；Maji等，2019），同时抑制植物生长、降低作物产量并损害生态系统功能（Fan等，2020；Li等，2022）。尽管中国在过去十年中实施了严格的排放控制措施，细颗粒物（PM2.5）浓度已实现大幅下降，但暖季臭氧浓度仍呈现持续且显著的上升趋势，严重污染事件仍然频繁发生（Hu等，2024；Wei等，2021）。与一次污染物不同，臭氧并非直接排放，而是在有利的气象条件（如高温和强太阳辐射）下，通过前体物挥发性有机物（VOCs）和氮氧化物（NOx）等参与的复杂非线性光化学反应生成（Escudero等，2019；Zhang等，2023）。这种内在的非线性和对气象条件的强依赖性给污染控制和预警系统带来了严峻挑战。臭氧具有显著的日变化特征，严重污染事件往往与人类活动高峰期重合（Chen等，2020, 2015；Xia等，2021）。因此，准确的中长期逐小时臭氧预报至关重要，它为实施减缓措施提供了必要的前瞻时间，并能够精确识别高暴露时间窗口以保护公共健康。

有效应对严重臭氧污染事件通常需要7至10天的预报提前期，以便及时制定应急控制策略（Dong等，2025）。从大气可预报性的角度来看，当前数值天气预报（NWP）模型的实际预报极限约为10天（Krishnamurthy，2019），然而在此时间范围内的气象预报场仍具有足够的可靠性，可作为中等范围臭氧预报的驱动因子。这为气象驱动的中等范围臭氧预报提供了物理基础。然而，现有方法在实现该时间范围方面仍面临重大挑战。

化学传输模型（CTMs）长期以来一直是臭氧预报的传统方法。然而，即使由天气研究与预报模型（WRF）驱动，其预报性能随提前期增加也会显著下降（Jiang等，2026）。Huang等（2025）进一步证实，CTM的输出对多种排放源类别和边界条件设定具有高度敏感性。这种对复杂、高保真输入数据集的强烈依赖严重制约了CTMs在中等范围业务预报中的实际应用。虽然CTMs提供了明确的物理化学表征，但它们严重依赖高分辨率的未来排放清单和化学边界条件——这些数据本质上难以获取——且计算成本过高（Cheng等，2021；Pan等，2023）。此外，这些模型在用于中长期业务预报时表现出显著的系统性偏差（Zhong等，2021）。

为克服数值模型固有的高计算成本和系统性偏差，数据驱动方法近年来发展迅速，在臭氧预报中展现出可观的前景（Di Salvo，2022）。现有的数据驱动方法大致可分为两条技术路径。第一条路径仅依赖气象预测变量。Weng等（2022）采用随机森林回归方法证明，仅温度、太阳辐射和相对湿度等气象变量即可解释中国各区域日间臭氧变化量的50%至60%，凸显了气象驱动因子对臭氧生成的一阶控制作用。在此基础上，Luo等（2024）利用ERA5再分析气象场与极端梯度提升（XGBoost）模型，成功估算了北京-天津-河北（BTH）地区的日最大8小时平均臭氧浓度（MDA8_O3）。第二条路径通过融合多源观测特征来提高预报精度。Jiang等（2025）通过Attention-CNN-LSTM架构整合了八类关键环境变量，实现了多步预报。Zheng等（2025）利用12类多源数据通过时空Transformer框架实现了逐小时预报。Cang等（2026）开发了DLinear-LSTM混合模型，能够实现24小时的提前预报。Li等（2024）将CNN与区域NAQPMS模型相结合，将预报提前期延长至96小时。模型架构已从集成学习方法逐步演进至深度时序网络，最近更是发展出Transformer和TabPFN等先进架构（Hollmann等，2025；Zheng等，2025）。然而，这些高精度成果几乎仅限于1至96小时的提前期，很少有研究成功将逐小时预报扩展至中等时间范围。这一提前期限制的根本原因在于，随着预报时间范围的延长，输入特征的可用性发生了质的变化。在短期预报中，历史臭氧观测数据凭借其强烈的时间自相关性可显著提高预测精度。然而，当预报时距延长至7至10天时，气象变量仍可通过欧洲中期天气预报中心（ECMWF）等可靠的数值天气预报系统获取（Krishnamurthy，2019），而未来的臭氧和前体物浓度则变得不可用。这种根本性的不对称性导致传统模型要么通过自回归误差累积而发散，要么在排除污染物特征后精度严重下降。这构成了将逐小时臭氧预报延伸至中等时间范围的主要障碍。部分研究引入了基于CTM输出或序列模型生成的预测污染物浓度作为未来输入。然而，CTM辅助方法仍依赖未来排放清单和化学边界条件，而纯序列模型必须在同一架构中同时学习污染物演变和目标时刻气象-臭氧的非线性关系。为应对这一局限，所提出的Transformer-TabPFN耦合方案将这两项任务分配给方法上相匹配的组件：Transformer通过捕捉长程时间依赖性生成240小时的臭氧代理序列，而TabPFN则在表格框架中通过建模气象预报、时间描述子和代理污染物特征之间的非线性交互来精细修正目标时刻的预报。

本研究通过提出一种两阶段混合框架来应对这一挑战，将问题解耦为未来特征生成和目标时刻精细修正。第一阶段，利用表格模型建立气象变量与臭氧浓度之间的瞬时映射关系；系统性地对标了四种候选模型——随机森林（RF）（Dai等，2023）、轻量梯度提升机（LGBM）（Zhong等，2021）、XGBoost（Yafouz等，2021）和TabPFN，并采用SHAP分析识别主要驱动因子。由于未来预报时刻的观测臭氧不可用，第二阶段采用序列模型——从Transformer、长短期记忆网络（LSTM）（Hong等，2023）、CNN-LSTM（Rezaei等，2023）、残差LSTM（ResLSTM）（Wu等，2023）和门控循环单元（GRU）（Du等，2023）中选择——基于历史观测数据和ECMWF预报生成240小时范围内的逐小时臭氧序列。这些预测序列随后作为代理特征与未来气象预报一起回填至第一阶段的表格模型中。

以BTH地区为案例，本工作的主要贡献有三点。第一，提出了不依赖CTM的代理特征耦合框架，将臭氧代理生成与目标时刻表格精细修正解耦。与CTM辅助方法不同，未来臭氧信息完全由历史观测和ECMWF预报生成；与纯序列模型不同，生成的臭氧序列还通过专用的表格模型进行进一步修正，以捕捉目标时刻气象与污染物之间的交互作用。第二，两个阶段处理的是结构上不同的子任务——序列生成与横截面精细修正；系统性的分阶段对标确认了Transformer和TabPFN分别为各自阶段的最佳选择，TabPFN的免训练、单次推理特性进一步实现了低成本的每周期重新拟合，这独特地适用于业务化滚动预报。第三，单个预报周期的完成时间不到三秒，赋予该框架极低的计算成本，使其能够轻松部署在缺乏复杂建模基础设施、资源受限的地面监测站点。

## 区域概况

选取BTH地区（图1）作为研究区域。该地区包括北京市、天津市和河北省11个城市，总面积约218,000平方公里。该地区地形特征为西倚太行山，北靠燕山山脉，东临沿海平原。该地区具有典型的温带季风气候，四季分明。冬季以寒冷干燥的偏北风为主，夏季温暖湿润的偏南风带来……

## 结果与讨论

在展示模型性能之前，首先刻画BTH地区臭氧污染的时空分布特征，为特征工程策略提供依据。

## 结论

本研究开发了一种用于BTH地区10天逐小时臭氧浓度预报的两阶段混合深度学习框架。该框架将Transformer用于时间序列生成，TabPFN用于基于表格数据的精细修正，解决了延伸范围空气质量预报中的一个关键挑战，即未来污染物观测数据不可作为模型输入的问题。

基于SHAP的特征重要性分析表明，热力学和辐射变量是主要的……

## CRediT作者贡献声明

张潇玲：撰写–审阅与编辑、监督、项目管理、资金获取、概念化。
姜博辉：撰写–初稿、可视化、方法论、形式化分析、概念化。
祁淼：验证、数据管理。
王小义：验证、形式化分析。
艾鑫：软件、调查。
秦欣莹：撰写–审阅与编辑、调查。

## 利益冲突声明

? 作者声明不存在任何已知的可能影响本文所报告工作的竞争性经济利益或个人关系。

## 致谢

本研究得到了中国国家重点研发计划（2023YFC3709301）、国家自然科学基金（42575198）、四川省重点研发计划（2025YFNZH0031）和中国气象局科技计划项目（CMAJBGS202308）的支持。

姜博辉 | 张潇玲 | 祁淼 | 艾鑫 | 王小义 | 秦欣莹
四川省复杂地形区域气候变化与资源利用重点实验室，成都信息工程大学大气科学学院，四川成都 610225