监测和估算西撒哈拉非洲地区的PM2.5和PM10浓度：挑战与前景

《Atmospheric Pollution Research》：Monitoring and estimating PM 2.5 and PM 10 concentrations in Western Sub-Saharan Africa: Challenges and perspectives

　　• 卫生组织（WHO）规定的PM2.5和PM10安全暴露每日限值在瓦加杜古大多被超过
• 深度学习（ANN）模型在低成本传感器的现场校准中表现出最佳性能
• 哈马坦季节由于撒哈拉沙尘的远距离传输而影响该地区
• PM2.5和PM10浓度的峰值既受人为排放影响也受自然因素影响
• CAMS和MERRA-2未能准确捕捉PM2.5和PM10的空间和时间变化

**引言**
颗粒物（PM）空气污染对公共卫生构成严重威胁，尤其在低收入地区（如大多数非洲国家）对脆弱人群影响尤为严重（Kassandros等人，2026年）。2023年，估计有387,000人死亡可归因于暴露于环境中的PM2.5（HEI，2025年）。多项研究（例如Raheja等人，2022年；Safo-Adu等人，2023年；Amooli等人，2024年；Attey-Yeboah等人，2025年；Westervelt等人，2025年；Owusu-Tawiah等人，2025年）报告称，撒哈拉以南非洲（SSA）和其他发展中国家地区的细颗粒物水平是全球最高的。根据Kalisa等人（2023年）基于卫星数据的广泛调查，1990年至2019年间，非洲大陆上PM2.5的平均表面浓度最高出现在西部SSA地区（89.36±20.23 μg/m3）。这些高颗粒物水平源于大多数非洲国家普遍存在的人为排放源，包括快速的人口增长和城市化（Attey-Yeboah等人，2025年）、持续的工业化（Nimo等人，2025年）、老化车辆的普遍使用（Amegah和Agyei-Mensah，2017年）、广泛使用木材和木炭作为住宅供暖、烹饪和熏鱼燃料（Safo-Adu等人，2023年）、固体废物燃烧（Abera等人，2020年）以及未铺砌道路上的道路灰尘重新悬浮（Linden等人，2012年）。特别是在干燥的哈马坦季节，西部SSA地区受到自然产生的沙尘气溶胶的严重影响（Nimo等人，2025年）。数以百万计的沙子和灰尘从撒哈拉沙漠被带到西部SSA国家，导致地球上最长且最严重的沙尘暴（Karimi等人，2020年）。尽管如此，关于PM空气污染及其对人类健康影响的了解在大多数非洲国家仍然不足，主要是由于缺乏可靠且持续运行的PM监测站（Kalisa等人，2023年）。这归因于安装和维护所需的资金资源匮乏（Alli等人，2021年）、电力供应不规律或缺失（Abera等人，2020年）、安全与保障问题（Awokola等人，2020年）、恶劣的环境条件、当地技术培训的缺口，以及公众和政策制定者对空气污染风险的认识有限（Gualtieri等人，2024a）。

目前，大多数非洲国家的地面PM2.5和PM10观测数据仅通过少数公开渠道获得，如OpenAQ（https://openaq.org/）等数据聚合器或世界卫生组织（WHO）的全球空气质量数据库（WHO，2024年）。虽然这些新来源提供了所需的数据，但它们也存在局限性。例如，WHO数据库更新频率较低（仅更新至2022年数据），且仅提供年度平均值，数据基于时间受限项目的官方报告。除了地面监测外，其他数据来源通常依赖于模型预测、卫星反演或远程感测的气溶胶光学厚度（AOD），导致表面PM2.5浓度的估算存在不确定性。例如，表面PM2.5浓度是通过结合多个卫星传感器的AOD数据与GEOS-Chem化学传输模型中的AOD与PM2.5之间的关系来估算的（Amir-ud-Din等人，2024年）。这种卫星反演数据与化学传输模型数据的结合被用于构建SatPM2.5数据库（https://sites.wustl.edu/acag/surface-pm2-5，2026年3月3日访问），由大气成分分析小组（ACAG）开发。该数据库提供了1998年至2024年每0.01°x0.01°分辨率的地面PM2.5浓度，包括年度和月度平均值（Shen等人，2024年）。基于遥感的产品，如NASA气溶胶机器人网络（AERONET）全球监测网络，提供了1993年至今全球多个城市的月度和日度AOD值（https://aeronet.gsfc.nasa.gov，2026年3月3日访问）。像Copernicus大气监测服务（CAMS）或现代时代回顾分析v.2（MERRA-2）这样的全球再分析数据集通过结合化学传输模型、卫星和地面观测数据，提供任何时间和地点的PM2.5和PM10浓度估计（Ali等人，2022年）。然而，这些估计具有较粗的空间分辨率（数十公里）。

近年来，低成本（LC）空气质量传感器技术的改进使得这些仪器足够成熟，能够填补SSA国家的监测空白。它们具备实时数据采集能力、准确和高分辨率的时空数据、低成本、便携性、易于使用以及较低维护需求（Giordano等人，2021年），从而促进了其在低收入和采样不足的非洲地区的广泛应用（Raheja等人，2022年）。在西部SSA地区，LC空气质量传感器技术已在加纳（Hodoli等人，2020年；Raheja等人，2023年；Nimo等人，2025年；Attey-Yeboah等人，2025年）、尼日利亚（Nwokorie等人，2026年）、喀麦隆（Ngangmo和Adiang，2025年）、多哥（Raheja等人，2022年）、科特迪瓦（Gnamien等人，2021年；Bahino等人，2024年）、尼日尔（Gualtieri等人，2024a）、布基纳法索（Nana等人，2024年）等多个国家得到应用。

布基纳法索的首都瓦加杜古是一个人口增长率较高的城市（4.79%，世界人口回顾，2026年），但目前尚未运行任何监管性的PM监测站（WHO，2024年）。迄今为止，只有Nana等人（2024年）对瓦加杜古的PM2.5浓度进行了长时间（2021年11月至2022年11月）的全面监测，他们部署了一个由19个Clarity移动式LC站组成的网络，并与Tapered Element Oscillating Microbalance（TEOM）参考仪器进行了校准。Awokola等人（2020年）在那里部署了13个PurpleAir LC站，但也仅使用了出厂校准的PM2.5传感器，监测期为一个月（2019年7月）。Boman等人（2009年）仅进行了为期两周的PM2.5监测。在瓦加杜古，针对PM2.5和PM10的监管级测量活动非常有限：Ouarma等人（2020年）进行了1天的测量，Eliasson等人（2009年）进行了7天的测量，Lindén等人（2012年）进行了1个月的测量。此外，很少有研究（例如Gualtieri等人，2024a）评估了提供非洲地区PM估计的全球再分析数据的可靠性，这限制了这些数据在没有实际地面观测数据校准前的应用。

本研究旨在解决上述文献中的空白，具体目标包括：（i）监测瓦加杜古的PM2.5和PM10小时浓度，覆盖干燥和湿润季节；（ii）测试极端环境下PM监测仪器（LC传感器与监管站）的稳健性和可靠性；（iii）分析LC传感器使用线性模型与ANN模型测量PM2.5和PM10小时浓度的校准性能；（iv）研究典型西部SSA大城市的PM空间分布模式，以推断其可能的人为和/或自然来源；（v）评估CAMS和MERRA-2在全球范围内预测西部SSA地区PM2.5和PM10小时浓度的可靠性。

**研究区域**
研究区域为瓦加杜古（图1），该城市约有265.3万居民（联合国，2021年），气候为炎热半干旱型，4月和5月的温度可升至43°C。雨季通常从5月持续到9月，平均累积降雨量为600–900毫米，而旱季从10月持续到4月（Linden等人，2012年），此时伴随频繁的沙尘暴出现最大量的大气尘埃传输。

**AirQino低成本空气质量传感器和DustTrak参考空气质量站**
在监测期间，DustTrak在前一个月（2025年3月1日至3月31日）正常运行，随后出现了一周的故障。该设备在接下来的一个星期（2025年4月7日至4月14日）再次正常运行，但随后由于异常积累的气溶胶导致过滤器错误而出现测量性能下降。未能及时更换过滤器以维持设定流量，使得仪器无法恢复正常运行。

**监测仪器的可靠性**
AirQino LC站证明了其在极端非洲环境中的稳健性，在瓦加杜古整个监测期间无需人工操作，去除异常值后的总体恢复率为72.6–76.0%（表2）。LC站的耐用性与之前在尼日尔尼亚美进行的类似监测活动一致，当时部署了三个类似的AQ单元，收集了约8个月的PM2.5和PM10 1小时浓度数据（Gualtieri等人，2024a）。

**结论**
在大多数非洲国家，目前可用的空气质量数据选项要么是通过AOD获得的高空间分辨率但低时间分辨率的地面PM2.5浓度估计，要么是通过全球再分析获得的高时间分辨率但低空间分辨率的PM2.5和PM10浓度估计。公开获取的地面站点观测数据也相当有限，更新频率不高，且通常仅提供年度平均值。因此，这些数据主要用于评估……

**作者贡献声明**
Maurizio Bacci：撰写 – 审稿与编辑、验证、资源管理、方法论、研究、资金获取、数据管理、概念构建。
Giovanni Gualtieri：撰写 – 初稿撰写、可视化、软件开发、方法论、研究、数据分析、数据管理、概念构建。
Carolina Vagnoli：撰写 – 审稿与编辑。
Bernard Nana：撰写 – 审稿与编辑、数据管理。
Daniel M. Westervelt：撰写 – 审稿与编辑。

**未引用的参考文献**
Borhani等人，2024年；Diokhane等人，2016年；Health Effects Institute（HEI），2025年；Léon等人，2021年；Ofosu等人，2016年；R Graphics Package；R Openair项目，2025年；R package-corrplot，2024年；R package-glmulti，2020年；R package-neuralnet，2019年；R package-pastecs，2024年；R Stats Package；Rémy等人，2022年；联合国，2021年；世界卫生组织（WHO），2021年；世界卫生组织（WHO），2024年。

**资金情况**
本研究未收到外部资助。

**利益冲突声明**
? 作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：AirQino原型在意大利政府资助的“SMART”研究-to-industry技术转移项目框架下被转化为商业产品。AirQino监测仪由TEA集团私人公司商业化。

Maurizio Bacci | Giovanni Gualtieri | Bernard Nana | Carolina Vagnoli | Daniel M. Westervelt