《Atmospheric Pollution Research》:Seasonal characterization and machine learning prediction of atmospheric pollutants in an agricultural–urban area of the Atlantic Forest biome
编辑推荐:
巴西农业—城市交界区的空气污染主要受土地利用变化和季节性生物质燃烧驱动。在巴西东南部的大西洋森林生物区,这些过程与当地气象条件相互作用,产生了复杂的空气质量动态。本研究提供了大西洋森林生物区农业—城市交界区首批基于长期(2017—2025年)观测的空气污染变异
巴西农业—城市交界区的空气污染主要受土地利用变化和季节性生物质燃烧驱动。在巴西东南部的大西洋森林生物区,这些过程与当地气象条件相互作用,产生了复杂的空气质量动态。本研究提供了大西洋森林生物区农业—城市交界区首批基于长期(2017—2025年)观测的空气污染变异性评估及颗粒物机器学习诊断预测之一。当地空气质量监测站的一氧化碳(CO)、氮氧化物(NOx)、臭氧(O3)、空气动力学直径≤2.5 μm的细颗粒物(PM2.5)和≤10 μm的可吸入颗粒物(PM10)原位测量揭示了显著的季节性特征:颗粒物浓度在冬季(旱季)达到峰值,此时太阳辐射强烈、湿度低、生物质燃烧剧烈且风速微弱,有利于污染物累积。PM2.5超过世界卫生组织(WHO)空气质量指南限值的天数占监测日数的30%以上,其中2024年为污染最严重年份。研究人员评估了多种统计和机器学习模型对当日颗粒物浓度的预测能力,包括多元线性回归(Multiple Linear Regression, MLR)、广义加性模型(Generalized Additive Model, GAM)、随机森林(Random Forest, RF)、极端梯度提升(eXtreme Gradient Boosting, XGBoost)、深度神经网络(Deep Neural Network, DNN)和长短期记忆网络(Long Short-Term Memory, LSTM)。多元线性回归、GAM和基于树的模型能够捕捉PM2.5和PM10的平均变化趋势,但系统性低估了高浓度区间;LSTM模型未能改善日尺度颗粒物变异的表征。引入特征工程化的时间预测因子后,模型性能得到提升,尤其是XGBoost模型识别出CO、NOx、相对湿度和露点温度为主要预测因子。采用时滞特征的特征工程化DNN模型取得了最优结果(PM2.5和PM10的R2 = 0.96;平均绝对误差MAE分别为2.02和5.17 μg m?3),能够更好地再现低浓度和高浓度区间。研究以简单持续性基准模型作为参考,RF、XGBoost和DNN均持续优于该基准,而LSTM即使在特征工程化后也未超过持续性基准,突显了循环架构在该数据集和建模配置下的局限性。这些结果表明,该农业—城市交界区颗粒物变异受燃烧示踪物、大气湿度和时间持续性的共同影响控制;同时也突显了将长期观测与诊断性机器学习基准相结合,以支持颗粒物估算、数据插补以及生物质燃烧区域站点特异性空气质量评估框架未来发展的重要价值。
本研究聚焦于巴西东南部大西洋森林生物区一个典型的农业—城市交界区——里贝朗普雷图(Ribeir?o Preto)市的大气污染问题,开展了对2017年至2025年长达约八年时间的大气污染物长期动态变化研究,并构建了统计与机器学习模型的诊断预测框架。该研究成果发表于《Atmospheric Pollution Research》。
研究背景与问题方面,大西洋森林生物区是全球最受威胁的热带森林之一,虽然大面积已被农田和城市基础设施取代,但残留的森林片段和绿色基础设施仍在调节局地气候和空气质量方面发挥重要作用。然而,周边农业景观,特别是在甘蔗产区,收获季或土地管理期间频繁采用生物质燃烧,尽管非法,却是农业区毗邻城市中心区域大气污染的显著来源。里贝朗普雷图市作为该区域人口最多、农业生产力最高的城市之一,被广泛的种植园、牧场和混合作物包围,甘蔗种植常涉及旱季非法的收获前焚烧,同时截至2024年该市注册车辆约564,691辆,机动车排放大量贡献NOx、CO和颗粒物。这种机动车排放与农业生物质燃烧的共存,使该市成为评估城市与农村源如何相互作用影响局地空气质量的突出案例。此外,持续的城市扩张增加了对农业资源的需求,加剧了土地利用,可能通过更频繁广泛的焚烧活动加剧空气污染。预测颗粒物浓度仍具挑战性,化学传输模型(Chemical Transport Models, CTMs)如WRF-Chem难以捕捉非线性关系,尤其在不确定天气条件或数据稀缺区域;城市多样排放源排放清单的制作困难也常导致CTMs无法准确表征空气污染变异性;高精度、高成本且稀疏分布的监测网络的局限性也制约了空间代表性。
研究人员开展了以下工作:表征关键大气污染物(O
3、NOx、CO、PM
2.5和PM
10)的长期行为和季节性,将其与旱季累积、燃烧示踪物和气象控制因素相关联;特别关注2023—2024年因区域发生强烈生物质燃烧事件;开发站点特异性的统计、机器学习和深度学习模型基准,用于在观测大气条件下对PM
2.5和PM
10进行当日诊断预测,比较了MLR、GAM、RF、XGBoost、DNN和LSTM模型,以评估模型准确性和不同方法再现颗粒物浓度区间及捕捉时间持续性效应的能力。
研究所用主要关键技术方法包括:数据来源为巴西圣保罗州环境公司(CETESB)里贝朗普雷图监测站(?21.20197°, ?47.76757°)的小时测量数据,以及美国国家海洋和大气管理局(NOAA)综合地表数据库(ISD)里贝朗普雷图机场站的风向、风速和露点温度数据;数据集时间跨度为2017年3月至2025年6月(3103天),其中1918天为各变量同步有效观测的完整案例;采用仅保留完整多变量记录日的策略,不进行数据插补;按时间顺序将数据分为训练集(前1342天,约70%)和测试集(后576天,约30%),并采用滚动窗口预测方法评估数据缺失对预测结果的影响;特征工程包括构建高达7天的滞后变量和移动平均变量;模型评估指标包括决定系数(R
2)、平均绝对误差(MAE)、均方根误差(RMSE)和偏差。
研究结果部分如下:
**3.1 气象描述、污染状况与季节特征**
全球辐射夏季和春季中位数约245—246 W m
?2,秋季和冬季降至165—169 W m
?2;气温夏季和春季最高(中位数约26 °C),冬季降至22.0 °C;相对湿度夏季最高(中位数71.2%),冬季最低(54%);露点温度夏季达20 °C,冬季降至约10.5 °C;风速春季最高(中位数2.9 m s
?1),秋季最弱(2.2 m s
?1)。颗粒物呈现强季节性变异,PM
10夏季中位数14.5 μg m
?3,秋季升至32.8 μg m
?3,冬季超过56 μg m
?3且极值超100 μg m
?3;PM
2.5夏季中位数7 μg m
?3,秋季13.7 μg m
?3,冬季峰值约21 μg m
?3且最大值超35 μg m
?3。NOx同样呈现旱季高值,O
3则呈相反季节周期,春季达峰值(中位数65 μg m
?3)。WHO指南超标方面,PM
2.5超标669天(占34.9%),PM
10超标485天(25.3%),2024年为污染最严重年份,各污染物超标率显著高于多年平均。通过风极坐标图分析,夏季西北、西南和东南风向伴随较低颗粒物浓度,反映有效扩散和湿清除;冬季东—东南风向携带高浓度颗粒物,西南方向的高值表明农业和牧场区生物质燃烧的区域传输贡献显著。
**3.2 统计与机器学习模型**
MLR对PM
2.5的R
2为0.86,PM
10为0.91,但两者均系统性高于约30 μg m
?3(PM
2.5)和50 μg m
?3(PM
10)时低估浓度。GAM的R
2较低(PM
2.5:0.72;PM
10:0.79),额外非线性灵活性未改善性能。RF和XGBoost无特征工程时能合理跟随低中浓度的1:1线,但高浓度区间系统性低估峰值;特征工程显著提升了这两种树模型性能,RF的R
2从0.64提升至0.78(PM
2.5)、0.71至0.83(PM
10);XGBoost提升至0.81和0.89,MAE分别降至2.92和6.82 μg m?3。特征重要性显示,滞后颗粒物(pm25_lag_1、pm10_lag_1)成为主导因子(贡献约60%),NOx、CO和湿度变量为次要解释因子。DNN无特征工程时PM10的R2已达0.89,能有效再现PM10高低值;加入特征工程后达到最优性能,PM2.5和PM10的R2均达0.96,MAE分别为2.02和5.17 μg m?3,预测值紧密聚集于1:1线。LSTM表现最差,无特征工程时MAE和RMSE最高,加入特征工程后甚至部分指标恶化,未能有效利用工程化时间预测因子。
**3.3 与简单持续性模型的比较**
采用年度滚动窗口验证,RF、XGBoost和DNN在MAE和RMSE上均优于持续性基准,确认特征工程化预测因子提供了超出短期记忆的附加信息;LSTM在多种情况下劣于持续性基准,尤其PM10。数据缺口可能增加滚动评估对特定污染事件的敏感性,但除LSTM外,各模型在滚动评估中保持稳定R2值。
讨论部分,研究人员指出所有评估模型系统性低估高颗粒物浓度,这源于极端浓度数据不足导致的数据不平衡。树模型在无特征工程时因固有平均行为而平滑高端变异;特征工程通过编码时间、气象信息使模型得以捕捉持续性、季节循环和排放动态。XGBoost识别的主导预测因子(CO、NOx、露点温度、相对湿度)兼具排放强度和大气清除能力指示意义,与旱季累积过程一致。DNN凭借内部特征提取能力,即使无特征工程也能达到竞争性指标,但加入时间特征后才完全消除偏差。LSTM在该数据集上表现不佳,可能因其未能有效利用数据集的时间结构。研究也指出单点监测的局限性,结果应解读为站点特异性,但仍能代表监测位置及其周边影响区域。未来需探索模型在不同排放特征区域的泛化能力,以及采用类别不平衡校正技术(如SMOTE)改善极端浓度预测,并发展大西洋森林生物区多区域集成模型。
研究结论翻译如下:本研究提供了巴西大西洋森林生物区一个农业—城市区域大气污染物季节性特征的综合刻画,以及统计与机器学习模型预测颗粒物的比较评估。PM2.5和PM10在冬季(旱季)达到峰值,由强烈太阳辐射、低湿度、高温和低风速驱动,频繁超过WHO日指南限值。气态污染物遵循一致的季节循环:NOx和CO在旱季因燃烧排放达峰,O3因光化学活动在春季达最大值。超过30%的监测日PM2.5超标,2024年因广泛生物质燃烧而出现特别严重的恶化。从建模角度,MLR和GAM能充分捕捉平均行为,但因无法表征非线性动态而持续低估高浓度水平。树模型集成改善了泛化能力,但在峰值浓度处仍存在类似局限。时间预测因子的加入显著提升了性能,尤其是特征工程化XGBoost模型(PM10的R2=0.89,PM2.5的R2=0.81)。最具影响的变量包括CO、NOx、露点温度和相对湿度,分别代表排放强度和大气清除能力,与旱季累积过程一致。DNN模型很好地捕捉了气象与化学协变量之间的复杂非线性关系。无特征工程(即无滞后PM预测因子)时,DNN已取得竞争性结果,尤其对PM10,表明在可获得同期气象和化学协变量时,其适用于当日诊断PM估算。然而,纳入时间特征显著提升了其预测技能。特征工程化DNN在所有测试模型中取得最优总体性能,PM2.5和PM10的R2值均达0.96,相应MAE/RMSE分别为2.02/3.98 μg m?3和5.17/8.66 μg m?3。该配置有效消除了污染峰值的低估,并以高精度再现了整个浓度区间,突显了时间持续性和累积效应在空气质量建模中的重要性。此外,通过年度滚动比较,研究表明特征工程化模型在预测PM浓度方面优于简单持续性模型。本研究的局限性在于极端浓度的预测技能降低,归因于训练数据中此类事件的稀缺性。一种可能的方法是将颗粒物浓度分为几个类别(如低、中、高)并应用类别不平衡校正技术(如合成少数过采样技术SMOTE)来增强高浓度测量。此外,未来工作应探索空气污染的空间变异及其在大西洋森林生物区不同区域集成模型中的应用。因此,将长期观测数据集与机器学习当日预测方法相结合,可为热带农业—城市交界区的空气质量变异带来新的见解。主导预测因子的识别支持诊断性监测,并为未来弱扩散条件下污染事件的早期预警应用提供了基础,而将模型嵌入区域决策支持系统对于指导排放控制政策至关重要。