基于过程信息的机器学习方法,用于印度尼西亚苏拉威西岛热带沿海城市的可解释空气质量预测

《Atmospheric Environment》:Process-informed machine learning for interpretable air-quality prediction in tropical coastal cities of Sulawesi, Indonesia

【字体: 大 中 小 】 时间:2026年07月08日 来源:Atmospheric Environment 3.8

编辑推荐:

  阿西夫·阿瓦卢丁|纳尼·乔利亚纳瓦蒂|利斯蒂·雷斯特·特里亚尼|阿斯里·因德拉瓦蒂|吉纳尔迪·阿里·努格罗霍|普拉维拉·尤达·科姆巴拉|桑尼·因德拉·普特拉|奥法·扎尔法拉尼·萨普鲁丁|蒂茵·西纳特拉|埃卡·迪安·普斯菲塔萨里|伊布努·法特里奥|哈利穆拉赫曼|艾莎·纳菲桑蒂|迪亚

  阿西夫·阿瓦卢丁|纳尼·乔利亚纳瓦蒂|利斯蒂·雷斯特·特里亚尼|阿斯里·因德拉瓦蒂|吉纳尔迪·阿里·努格罗霍|普拉维拉·尤达·科姆巴拉|桑尼·因德拉·普特拉|奥法·扎尔法拉尼·萨普鲁丁|蒂茵·西纳特拉|埃卡·迪安·普斯菲塔萨里|伊布努·法特里奥|哈利穆拉赫曼|艾莎·纳菲桑蒂|迪亚·阿里斯·坦蒂|迪波·尤德塔马|里兹基·塔兹基亚

印度尼西亚万隆桑库里昂街,BRIN气候与大气研究中心

摘要:在热带地区,空气质量研究主要集中于污染严重的特大城市,而污染程度较低或中等的区域城市环境中的污染物变化情况则了解较少。本研究构建了一个可解释的机器学习框架,通过整合非线性诊断筛选、多尺度气象特征工程以及随机森林/XGBoost模型,预测2021年印度尼西亚三个热带城市——马卡萨、肯达里和戈龙塔洛的污染物变化情况。研究采用收敛交叉映射法识别潜在的非线性污染物-气象关联,同时运用多重小波相干性方法作为探索性多变量相干性筛选工具。这些诊断方法与滚动统计量及离散小波变换特征相结合,通过SHAP技术进行模型训练与解释。所提出的模型在所有九组城市与污染物组合中的表现均优于持续性模型、ARIMA(1,1,1)模型以及传统的机器学习基准模型。其中PM2.5和SO2的预测性能最佳,马卡萨的PM2.5预测R2值为0.853,肯达里的PM2.5为0.805,肯达里的SO2为0.807,戈龙塔洛的SO2为0.851。敏感性分析表明,在原始数据、去趋势数据以及月度异常数据下的CCM测试中,只有马卡萨的降雨与PM2.5关系以及肯达里的降雨与PM10关系保持稳定,这说明其他通过CCM得出的关联应被视为探索性的非线性关联,而非确定的因果关系。经过红噪声蒙特卡洛检验、影响锥排除法以及假发现率校正后,MWC得出的相干性模式并未保持显著的统计意义,因此仅用于探索性特征筛选。SHAP分析显示,不同城市的模型依赖于不同的预测因子组合:马卡萨的PM2.5预测以PM10为主导,戈龙塔洛的气态污染物和气象预测因子较为重要,而肯达里则主要受时间聚合的风力和热力预测因子的影响。这些研究结果表明,热带地区城市中的污染物变化是由各城市特有的污染物间共变性、降雨带来的颗粒物清除作用、通风条件以及低频气象因素共同决定的。该框架为改善热带城市地区的空气质量预测并为其针对性管理提供了一种基于关联分析且具有物理依据的方法。

引言:空气污染被广泛认为是对人类健康最具威胁的环境问题之一。根据《全球空气状况报告》,2021年全球约有810万人因空气污染而过早死亡,使其成为全球第二大死亡风险因素(健康效应研究所,2024年)。在各种大气污染物中,细颗粒物(PM2.5)尤其值得关注,因为其较小的颗粒尺寸使其能够深入呼吸系统,甚至到达肺泡区域(李等人,2013年;杜等人,2018年;金等人,2018年)。一旦进入人体,PM2.5可通过涉及AMPK、MAPK、STAT1以及VEGF等生物途径,引发氧化应激、炎症以及基因表达变化(韩和庄,2021年;法尔肯-罗德里格斯等人,2016年;郑等人,2017年)。众多流行病学研究将暴露于PM2.5及相关污染物与呼吸系统疾病、心血管疾病,包括哮喘、慢性阻塞性肺病、心血管疾病以及肺癌联系起来(李等人,2018年;拉施-尼尔森等人,2013年)。

城市地区的空气质量通常比农村地区更差,因为城市集中了交通、工业活动以及能源消耗等人为排放源(林等人,2025年;刘等人,2021年)。发展中国家的快速城市化与经济增长加剧了这些排放源,使得人们对空气质量恶化及其带来的健康问题愈发担忧。近期的大量研究表明,长期的社会经济变革、当地气象特征以及突发性的排放中断事件(如新冠疫情)都会显著改变区域空气质量趋势以及污染物的时空分布情况(郭等人,2021年;郭等人,2023a年;郭等人,2024a年;乔等人,2025年)。在印度尼西亚的苏拉威西岛,随着城市基础设施、交通网络以及工业活动的不断发展,区域环境状况也受到了影响(劳夫等人,2021年)。不过,与高度工业化的特大城市相比,印度尼西亚的许多城市污染物浓度仍然相对较低。

以往的空气质量研究大多集中在污染严重的都市地区,因为这些地方的污染物浓度常常超过监管标准(惠利等人,2021年;肖等人,2018年)。相比之下,污染程度较低的都市环境虽然持续的低水平暴露仍可能带来重大健康风险,但相关研究却相对较少。在这些城市中,污染物变化可能更多受到气象变化、偶发性排放源以及区域传输过程的影响,而非持续的高水平排放。因此,了解这些环境中控制污染物行为的各种大气机制,对于提升科学认知以及加强城市环境管理具有重要意义。

气象条件在决定城市空气质量方面起着至关重要的作用。降雨、湿度、气温、风速以及太阳辐射等变量会影响污染物的扩散、化学转化以及清除过程(佩雷斯等人,2020年)。由于这些区域气象驱动因素的复杂性,人们越来越需要借助人工神经网络以及类似的预测模型,来准确把握它们对环境中PM2.5浓度的月度和日度影响(何等人,2022年)。例如,风速有助于增强大气混合与污染物扩散,而降雨则可通过吸附颗粒物以及促进可溶性气态物质如SO2和NO2的去除或转化,起到大气沉降的作用(舒克拉等人,2008年)。相对湿度会影响气溶胶的生长以及二次颗粒物的形成,而太阳辐射和温度则会影响导致臭氧生成以及二次气溶胶产生的光化学反应(伊斯蒂亚娜等人,2023年;乔利亚纳瓦蒂等人,2024年;魏等人,2025年)。由于这些关系往往是非线性的,并且会随时间尺度发生变化,因此无法总是用传统的线性统计方法来准确描述它们的影响(皮耶和卡拉维查,2024年)。

污染物之间的相互作用进一步复杂化了大气动力学过程。PM10、SO2和NO2与PM2.5密切相关,因为细颗粒物往往是由气态前体物质经过化学转化而来的(万等人,2024年)。PM2.5与O3之间的关系尤为复杂,因为涉及NO2的光化学反应可能会增加臭氧的生成,而较高的颗粒物含量则可能减少太阳辐射,从而抑制光化学反应(杨等人,2021年)。季节性气象变化也起着重要作用,由于湿沉降作用的增强,干燥季节的污染物浓度通常会升高,而雨季则会有所下降(亚武兹,2024年)。这些相互作用表明,污染物变化是由排放因素与气象作用共同作用所产生的复杂大气过程所决定的。

传统上用于分析污染物与气象关系的统计方法主要是基于相关性分析。尽管这类方法能够识别出统计上的关联,但却无法充分体现复杂环境系统中的非线性因果关系。收敛交叉映射法作为一种替代方法,能够识别时间序列数据中的定向与非线性交互作用(张等人,2022年)。先前的研究已经证明,CCM方法能够在包括中国和印度尼西亚在内的多个地区,有效揭示气象因素与PM2.5变化之间的因果关系(伊斯蒂亚娜等人,2023年)。与CCM相辅相成的是,多重小波相干性方法可以通过分析变量之间的时频相干性,来研究不同尺度上的交互作用(格林斯特德等人,2004年;乔利亚纳瓦蒂等人,2024年)。这两种方法结合使用,有助于更全面地了解影响污染物变化的多尺度大气驱动因素。

近年来,机器学习架构彻底改变了空气质量预报领域,梯度提升模型和神经网络取得了极高的统计预测性能。然而,这类模型常常被批评为“黑箱”,因为它们过度依赖自回归滞后值以及纯粹基于数据的特征选择方法。这类方法往往更注重数学上的持续性,而非对物理过程的呈现,从而掩盖了控制污染物变化的基本大气机制,如颗粒物清除、扩散以及化学转化等(M.-D.林等人,2024年)。在非线性大气诊断方法与机器学习框架之间建立联系,仍然是开发具有可解释性、基于物理原理的预测模型的重要课题。

为了解决这些问题,本研究提出了一种融合了非线性诊断筛选、多尺度特征工程、可解释机器学习以及基于物理约束的ERA5-CAMS验证方法的混合式、基于物理原理的框架。我们通过以下四个方面的创新,突破了传统的预测建模方式:
•基于物理原理的特征工程:我们利用CCM和MWC作为诊断工具,识别出非线性的污染物-气象关联以及探索性的多尺度时间模式。这些诊断结果会被转化为基于小波的以及聚合后的特征集,从而使机器学习模型能够利用具有物理意义的预测因子信息,而无需完全依赖自回归滞后值。
•热带城市空气质量模式的特征分析:将该框架应用于苏拉威西岛的三个沿海城市——马卡萨、肯达里和戈龙塔洛,以此分析不同城市在污染物共变性与气象敏感性方面的差异。分析结果显示,马卡萨的颗粒物共变性与降雨/通风相关的预测因子之间存在明显差异,戈龙塔洛则以气态污染物以及湿度/辐射相关的预测因子为主,而肯达里则主要受时间聚合的风力、降雨和热量预测因子的影响。
•基于物理约束的ERA5-CAMS稳健性验证:为了判断所识别的预测因子模式是否具备抵御潜在时间简化特征的稳定性,我们在排除了按时间顺序变化的平均值以及明确的日期变量之后,又进行了基于ERA5-CAMS的额外验证实验。该实验旨在评估当模型被限制在具有物理意义的气象、传输以及化学替代变量范围内时,各城市特有的预测因子结构是否依然存在。
•可解释的诊断结果与健康风险关联框架:我们将基于物理原理的机器学习输出结果与健康风险指标相结合,以便针对不同城市的具体情况对空气质量风险进行解读。这一框架可为在数据有限的热带地区识别重点污染物、相关气象预测因子以及潜在的治理目标提供有效的解决方案。

通过将该框架应用于2021年苏拉威西岛不同规模的城市,我们证明了即便在污染程度相对较低的地区,污染物变化也由特定于各城市的非线性关联以及气象预测因子模式所决定。所提出的模型在预测性能上优于持续性模型、ARIMA模型以及传统的机器学习基准模型,某些城市与污染物组合的R2值甚至可达0.85。该框架并非旨在证明具体的大气因果路径,而是提供了一种基于关联分析且具有物理依据的方法,用于提升预测精度、解读与模型相关的驱动因素,并为未来的观测研究以及基于排放因素的研究提供可验证的假设。

站点描述:苏拉威西岛是印度尼西亚第二大的岛屿,其独特的地理形态以及复杂的山脉分布造就了多样的降雨模式。这些降雨模式又受到厄尔尼诺-南方涛动以及印度洋偶极子等更大范围的气候现象的影响(胡等人,2019年)。苏拉威西岛主要有三种降雨类型:季风雨型、赤道雨型以及局部雨型(BMKG,2022年)。该岛分为六个省份,其中包括马卡萨省、肯达里省以及作为省会的戈龙塔洛省。

各类空气污染物之间的关系:通过CCM分析得出的污染物间非线性耦合结构表明,戈龙塔洛、肯达里和马卡萨三地的污染物交互网络存在明显差异,且可以定量区分(见图4)。弦图显示,各地区的污染物相互依赖性存在显著的空间异质性,其中马卡萨的污染物系统互联性最强、耦合程度最高;戈龙塔洛的气态污染物与颗粒物之间的耦合程度适中且结构清晰;而肯达里的耦合程度则相对较低。

综合模型性能与基于物理原理的解释:基准测试结果表明,所提出的特征工程框架在所有评估的城市与污染物组合中,都能提升预测性能,优于持续性模型、ARIMA模型以及传统的机器学习基准模型。不过,CCM和MWC的分析结果不应被视为具有确定性的物理因果关系的证据。在观测得到的大气数据集中,看似存在的非线性耦合关系,可能是由于数据同步性、共同的气象影响、相似的季节性变化等因素造成的。

结论:本研究通过整合CCM/MWC引导的特征筛选、多尺度气象特征工程以及随机森林/XGBoost模型,构建了一个可用于预测印度尼西亚三个热带城市空气质量的可解释机器学习框架。所提出的模型在预测性能上总体上优于持续性模型、ARIMA模型以及传统的机器学习基准模型,尤其是在预测某些城市中的PM2.5和SO2浓度方面表现优异。

CRediT作者贡献说明:阿西夫·阿瓦卢丁:撰写——审阅与编辑,撰写——初稿,可视化,验证,监督,软件,资源,项目管理,方法论,研究,资金获取,正式分析,数据整理,概念构思。纳尼·乔利亚纳瓦蒂:写作——审稿与编辑,写作——初稿撰写,可视化,验证,资源整理,方法论,正式分析,数据筛选,概念构建。利斯蒂·雷斯特·特里亚尼:资源整理,方法论,正式分析,数据伦理审批及参与同意书;伦理审批及参与同意书:不适用。资金支持:本研究得到了印度尼西亚先进发展研究与创新计划(RIIM)的资助,该计划由印度尼西亚教育捐赠基金(LPDP)提供资金,项目编号为105/II.7/HK/2025。利益冲突声明:作者声明没有已知的可能影响本文所述工作的财务利益或个人关系。致谢:作者感谢印度尼西亚环境与林业部提供的空气污染数据,以及印度尼西亚气象、气候与地球物理局提供的气象数据。本研究的部分工作在Telkom大学STAS-RG实验室完成。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号