《Atmospheric Pollution Research》:Exploring ambient atmospheric lead in resource-limited rural areas: A comprehensive methodology integrating machine learning prediction and in-situ monitoring
编辑推荐:
陈英洛|庄明进|唐倩|李振宇|张宝峰|毛景东|林琪中国浙江省杭州市浙江省水污染控制与环境安全重点实验室,浙江大学环境工程系,邮编310058摘要在资源匮乏的农村地区,人们对环境中的大气铅含量的担忧日益增加,因为铅会对生态系统和人类健康造成危害。本研究提出了一种综合方法,结合基于机
陈英洛|庄明进|唐倩|李振宇|张宝峰|毛景东|林琪
中国浙江省杭州市浙江省水污染控制与环境安全重点实验室,浙江大学环境工程系,邮编310058
摘要
在资源匮乏的农村地区,人们对环境中的大气铅含量的担忧日益增加,因为铅会对生态系统和人类健康造成危害。本研究提出了一种综合方法,结合基于机器学习的PM2.5-铅预测与现场降尘监测,可有效用于农村地区的铅含量预测、污染源溯源以及区域差异分析。在评估了四种算法模型后,我们为中国浙江省北部的杭嘉湖平原建立了全区域PM2.5-铅预测模型。该模型经过验证,具备良好的时空泛化能力,能够准确预测农村地区的PM2.5-铅浓度。我们重建了2013年至2023年杭嘉湖平原农村地区的PM2.5-铅的县级时空序列,结果显示其年平均浓度呈显著下降趋势,从2013年的79.23 ± 4.68 ng/m3降至2023年的19.96±1.35 ng/m3。现场监测数据显示,2023年9月至2024年2月期间,平均大气铅沉降通量为0.82 ± 0.59 kg/km2/30d,秋季与冬季之间存在明显季节性差异。降尘中的铅主要来自煤炭燃烧,占比为59.73~67.79%。研究结果表明,区域PM2.5-铅浓度、工业发展水平以及气象条件都会显著影响铅沉降通量。控制燃煤排放很可能是进一步减轻大气铅污染的关键。
引言
铅是一种持久性有毒重金属,会对生态系统和人类健康造成危害(Zhao等,2024;Gopang等,2025)。先前的研究表明,由于远离工业区、城市群和道路交通等污染源,农村地区的大气环境受大气污染的影响较小(Liu等,2007;Zeng等,2008)。然而,最近的研究发现,区域大气铅浓度与农作物中的铅积累之间存在密切关联(Lin等,2022;Liu等,2024;Tang等,2026)。例如,Chuang等(2019)以降尘中的铅同位素比作为大气来源指标,发现空气中的铅占小麦颗粒中铅含量的80%。我们之前在浙江省19个县进行的关于大气PM2.5、土壤和农产品的对比采样研究表明,2017年空气中铅对油菜和意大利甘蓝的贡献率分别超过70%和92%。此外,2001年至2015年全国城市PM2.5-铅浓度与精米中铅浓度的元分析也显示两者存在同步下降的趋势(Lin等,2022)。相比之下,由于持续的大气沉降,这15年间农业土壤中的铅含量变化不大,甚至略有上升(Shi等,2019)。这些发现表明,农业生态系统易受长距离铅传输的影响,因此有必要研究农村地区的大气铅污染问题。
目前有多种方法可用于评估大气铅污染,其中气溶胶采样和分析是最常用的方法。该方法不仅能准确测定铅污染程度,还能通过分析共存元素来确定潜在污染源。但在资源匮乏的农村地区,长期气溶胶采样需要现场监督和定期仪器维护,应用起来较为困难。相比之下,被动式降尘收集方法成本低且操作简单,但通常需要一个月或更长时间的监测才能获得具有代表性的数据。Feng等(2019a)观察到,中国中南部地区的重金属沉降通量存在明显的季节性变化,这与污染源和气象条件有关。他们报告称,农村地区的平均大气铅沉降通量为1.33 kg/km2/30d,仅为城市地区的72%。长江三角洲地区也观察到了类似的结果(Shi等,2012;Huang等,2009;Chen等,2019;Liu等,2023)。大气沉降通量可在一定程度上反映污染程度,较高的有毒金属负荷通常意味着更强烈的人为活动(Tang等,2026)。然而,由于采样点周围环境的影响以及采样期间气象条件的变化,不同研究得出的沉降通量结果差异很大,这使得难以比较和描述大气重金属的季节性或年度变化趋势(Huang等,2009;Shi等,2012;Hou等,2014;Hu等,2018;Wang等,2020)。此外,先前的研究还发现大气铅沉降通量与农作物中的铅浓度之间不存在关联(Feng等,2019b)。尽管铅沉降通量呈现相反的变化趋势,但晚稻中的铅含量仍高于早稻(Feng等,2019b)。有研究认为,PM2.5-铅含量可能是影响农作物铅积累的关键因素(Gao等,2021;Lin等,2024)。因此,要全面了解农村地区的铅污染状况,不仅要关注铅沉降通量,还需考虑PM2.5-铅浓度以及铅沉降通量与气溶胶中铅浓度之间的关系。
基于机器学习的大气PM2.5-铅预测有望为资源匮乏的农村地区的大气污染研究提供新的思路(Bi等,2022;Liu等,2022)。自2013年以来,全国地面监测网络大幅扩展(Li等,2026),为深入研究大气环境奠定了坚实基础。不过,地面监测网络主要集中在城市地区,且PM2.5-铅并未纳入常规监测项目。我们的初步研究表明,杭嘉湖平原地区的大气PM2.5浓度与PM2.5-铅浓度在时间和空间上都具有较强的一致性。这些发现表明,基于常规空气质量参数和当地气象观测数据,建立一种具有位置感知能力的机器学习模型来预测PM2.5-铅是可行的。近年来,随机森林、极端梯度提升算法(XGBoost)和轻量级梯度提升机(LightGBM)等算法模型的不断发展,大大降低了将机器学习应用于专业研究领域的门槛(Yang等,2021;Derot等,2022)。越来越多的研究开始运用机器学习技术进行空气质量预测(Ma等,2019;2020)。
本研究以中国浙江省东北部的杭嘉湖平原为研究区域,旨在重建农村地区大气铅的时空变化规律,并探讨气溶胶中铅浓度与铅沉降通量之间的关系。我们假设,结合机器学习预测与现场监测的综合性方法,可有效用于农村地区的铅含量预测、污染源溯源以及区域差异分析。研究内容如下:(1)整合杭嘉湖平原三个大气监测站点的PM2.5-铅浓度数据,结合区域大气污染物数据集、气象变量和地理信息,建立具有强大时空外推能力的全区域PM2.5-铅预测模型;(2)重建2013年至2023年该平原地区农村地区的PM2.5-铅的县级时空序列;(3)通过现场监测确定铅沉降通量及潜在污染源;(4)基于偏最小二乘路径模型(PLS-PM),分析农村地区铅含量与气象变量、本地气溶胶颗粒物及工业发展水平等关键因素之间的关系。
章节要点
研究区域
杭嘉湖平原位于中国浙江省东北部,地处中国重要都市上海的西南方向,总面积约为8,430平方公里,是长江三角洲经济区的核心区域之一。该地区属于亚热带季风气候,秋季盛行东北风,冬季盛行西北风,季节变化明显,整体气候温暖潮湿。年平均降水量在1,100至
PM2.5-铅预测:模型构建与应用
杭嘉湖平原的三个大气监测站点分别于2018年、2017年和2021年在杭州、嘉兴和湖州建立。经过数据预处理后,这三个站点分别为本研究提供了2,191、2,556和1,095个日尺度样本。采用上述数据分割策略,我们比较了四种机器学习模型——SVM、BPNN、RF和LightGBM在预测这三座城市PM2.5-铅浓度方面的性能(见图S2)。基于
结论
本研究通过结合机器学习预测与现场监测,建立了一套综合性方法,用于研究资源匮乏的农村地区的大气铅污染问题。不过需要指出的是,所提出的框架主要适用于区域或县级层面的农村铅污染识别,难以实现精细化的暴露程度重建。研究结果表明,杭嘉湖平原农村地区的年平均PM2.5-铅浓度
CRediT作者贡献说明
毛景东:撰写——审阅与编辑。张宝峰:方法学。林琪:撰写——审阅与编辑、指导、资金获取、概念设计。庄明进:可视化、方法学。陈英洛:可视化、数据收集。李振宇:数据整理。唐倩:数据整理
未引用参考文献
Derot等,2020;Gong等,2003;Lai和Brimblecombe,2020;Ma等,2019;Ma等,2020;Penezi?等,2021。
利益冲突声明
? 作者声明不存在任何可能影响本文研究结果的已知利益冲突或个人关系。
致谢
本研究得到了中国国家自然科学基金的资助(编号:42077367,21677123)。