中国PM2.5的长期时空演变、相对热点持续性及其预测归因

《Environmental Pollution》：Long-term spatiotemporal evolution, relative hotspot persistence, and predictive attribution of PM2.5 across China

　　

•中国2019–2024年PM2.5的下降幅度仅为2014–2018年下降速率的30%。
•尽管人口暴露量急剧下降，相对热点区域仍然存在。
•空间检验支持全球XGBoost优于所测试的加权变体。
•未来年份的预测高度依赖于全国时间轨迹。
•空间折外SHAP排序与地面观测一致（ρ = 0.983）。

**引言**

空气动力学直径小于或等于2.5 μm的细颗粒物（PM2.5）仍然是危害人群健康的重大环境风险。长期暴露与广泛浓度范围内的超额死亡率相关（Cohen等，2017；Burnett等，2018），中国的一项准实验证据将持续的颗粒物污染与预期寿命缩短联系起来（Ebenstein等，2017）。中国在20世纪末至21世纪初经历了快速工业化、以煤炭为主导的能源使用、机动化和城市扩张，产生了严重的颗粒物污染，随后出台了逐步加强的排放标准和国家清洁空气行动。这些行动在2013年之后带来了显著的全国性改善，但不同控制阶段的减排速度和成本效益各不相同（Silver等，2018；Geng等，2024）。近年来的研究进一步表明，人为干预能力、城乡结构、功能区和建成景观格局会影响PM2.5变化的幅度和空间异质性（Meng等，2023, 2025；Yuan等，2025；Han等，2026）。因此，核心问题已从PM2.5是否下降转变为：下降速度是否减缓、高污染地点是否仍保持其相对位置、以及模型解释在采样区域外是否仍然可复现。

中国的监管网络提供了必要的观测数据，但2013年后的全国监测扩张限制了直接的长期比较。这一限制促成了将监测、卫星反演、化学传输信息和辅助预测因子相结合的暴露产品（Brauer等，2016；Hammer等，2020）。机器学习重建将全国PM2.5场在时间上向后延伸（Chen等，2018；Wei等，2021）。高分辨率制图也提高了对空间变异的表征（Wei等，2020）。然而，单一线性趋势可能会掩盖2013年后改善过程中的转换阶段，且年际气象条件可能放大或抑制观测到的变化。气象归一化有助于区分与天气相关的变异和长期的污染物变化（Grange等，2018；Grange和Carslaw，2019；Wang等，2022）。其推断依赖于模型设计和污染物-天气关系的稳定性。

全国平均值也会掩盖环境不平等。即使某一地点的绝对浓度大幅下降，它仍可能处于更清洁的全国分布的上尾。相反，相对热点的持续存在并不意味着人口暴露量持续处于高位。健康相关性既取决于浓度也取决于人口分布，而热点图通常总结的是空间排名。因此，面积加权的热点持续性和固定人口暴露必须一起评估。

不同模型家族回答了这一问题的不同方面。化学传输模型从机制上表征排放、化学反应、去除和传输，但其区域性能依赖于排放清单和过程参数化（Zhang等，2019）。地理和时间加权回归描述局部变化的系数，而最优参数地理探测器和稳健地理加权回归筛查非线性因子交互和局部异质性（Meng等，2025；Zhang等，2025）。非线性机器学习可以在不指定单一函数形式的情况下整合气象、土地覆盖、人口、地形和地理信息（Huang等，2018；Wei等，2020）。空间局部提升树方法包括地理加权梯度提升（Zhan等，2017）和全球-局部地理-XGBoost集成（Grekousis，2025）。然而，在监测稀疏的区域，局部拟合可能变得不稳定。因此，模型选择是一个实证的可迁移性问题，而非单纯由地理复杂性决定；数据驱动的归因是对基于过程的源解析的补充而非替代。

验证几何对该问题至关重要。随机分配空间观测数据往往将附近且环境相似的站点同时放入训练集和测试集，从而虚增表观可迁移性（Wenger和Olden，2012；Roberts等，2017）。空间分块更为严格（Valavi等，2019），但单一划分仍对分块位置敏感。地理预测因子和环境差异性也限制了空间泛化（Meyer等，2019；Meyer和Pebesma，2021）。未来年份验证提供了一种互补的时间迁移检验（Wenger和Olden，2012；Roberts等，2017）。本研究利用该检验来评估年份索引是否能在不支持可迁移预测关系的情况下复现全国下降趋势。

解释方面也存在并行的挑战。SHapley加性解释（SHAP）揭示了被全局系数隐藏的特定案例贡献（Roscher等，2020；Gevaert，2022）。相关性预测因子可以重新分配SHAP重要性（Aas等，2021）。为限制对训练集拟合的依赖，我们在从模型拟合中剔除的观测上评估解释结果。机器学习PM2.5产品的解释也可能复现其构建方式而非地面观测结构。因此，SHAP在折外生成、以地面观测响应进行复制、并以迁移性能为界限时最为可信。这些量描述的是预测归因而非因果效应（Jiang等，2024）。

本研究将长期转换检测与地理诚实的预测归因联系起来。研究有四个目标：（1）将CHAP v4与均一化地面观测进行比较，并量化2000-2024年的转换阶段及其断点敏感性。（2）确定气象归一化是否改变了推断阶段的排序。（3）区分相对热点的持续存在与绝对固定人口暴露的变化。（4）在重复地理和未来年份迁移条件下比较全球XGBoost与以区块为中心的地域加权变体（GeoXGBoost），并检验空间交叉拟合的SHAP结构是否与地面观测PM2.5一致地复现。这些目标共同询问哪些结论能够经受地理、时间、响应水平和模型形式的压力测试。

**区域片段**

**研究区域与分析基础**

研究区域覆盖中国全国制图范围。所有地图均使用未经修改的官方标准地图（地图审批号GS(2024)0650），包括台湾、南海诸岛和九段线（图1）。全国格网分析使用可用的CHAP陆地格元，而站点模型使用中国大陆31个省级行政区的1269个固定站点。站点面板跨越北纬18.25-50.43°和东经75.94-131.17°。

**地面一致性与长期演变**

使用决定系数、均方根误差、平均绝对误差和平均偏差对CHAP与地面观测的年度PM2.5进行比较。指标按所有站点-年对、按年份和按观测浓度十分位计算，以识别与范围相关的误差。

全国年度平均值按 $w_j = \cos(\phi_j)$ 进行面积加权，其中 $\phi_j$ 为格元 $j$ 的纬度：

$$\bar{C}_t = \frac{\sum_j w_j C_{jt}}{\sum_j w_j}$$

Theil-Sen斜率（Sen，1968）和Mann-Kendall检验（Mann，1945）量化了时间变化。断点证据为……

**CHAP复现了观测结果并揭示了2019年后下降放缓**

在2015-2019年间的6345个匹配站点-年对中，CHAP复现了地面观测变异（合并R2 = 0.956；RMSE = 3.48 μg/m3；MAE = 2.46 μg/m3）。总偏差为-0.06 μg/m3，年度R2范围为0.943至0.961，年度偏差保持在-0.18至0.14之间。近乎为零的总偏差却掩盖了范围压缩：CHAP对最低观测十分位高估了2.04 μg/m3，对最高十分位低估了1.90 μg/m3。因此，CHAP保留了大致对比但平滑了……

**全国改善放缓与相对热点持续并存**

25年的记录区分了三个阶段：2014年前的增长期、2014-2018年的快速下降期和2019-2024年的较小下降期。这一序列与国家和中国东部的重建结果一致，后者确定了2000年代初浓度上升和2013年后显著改善（Wei等，2021；Xiao等，2021）。在双断点模型类中，2014和2019比2013和2020拟合更好，但三断点模型加入了2007年并实现了更低的BIC。保留的……

**结论**

中国PM2.5全国轨迹从2014年前的增长转变为2014-2018年的快速下降，以及2019-2024年的较小幅度下降。气象归一化保留了阶段排序，表明天气调节但并未解释长期转换。

相对空间不平等在更清洁的分布中持续存在：75.2%-88.2%的早期热点区域仍位于相应的晚期尾部，而固定2020年人口暴露减少了19.57 μg/m3。

**CRediT作者贡献声明**

胡香香：撰写—初稿，项目管理，方法论，资金支持，数据管理，概念化。

石雅雅：撰写—审阅与编辑，软件，资源，调查，资金支持。

张欣：撰写—审阅与编辑，验证，软件，资源，方法论。

**代码可用性**

用于数据均一化、趋势分析、气象归一化、重复空间和时间验证、折外SHAP归因、人口暴露分析和图表生成的Python脚本可从通讯作者处按合理请求获取。

**论文撰写中生成式AI和AI辅助技术的声明**

在本工作准备过程中，作者使用了OpenAI Codex来支持手稿撰写、语言编辑、文档格式化和基于代码的质量检查。使用该服务后，作者对内容进行了必要的审阅和编辑，并对已发表文章的内容承担全部责任。

**资金支持**

本研究受国家自然科学基金（批准号42361020）和甘肃省教育厅高校教师创新基金重大项目（批准号2026A-158）资助。资助方未参与研究设计、数据收集、分析或解释、手稿准备或提交发表的决定。

**利益冲突声明**

作者声明不存在已知的可能影响本文工作的竞争性经济利益或个人关系。

**Xiangxiang Hu | Yaya Shi | Xin Zhang**