遥感应用:社会与环境——一种结合地面与卫星数据的高分辨率泰国PM2.5估算混合两阶段机器学习框架
《Remote Sensing Applications: Society and Environment》:Remote Sensing Applications: Society and Environment A Hybrid Two-Stage Machine Learning Framework for High-Resolution PM2.5 Estimation in Thailand using Ground-Based and Satellite Data
【字体:
大
中
小
】
时间:2026年07月09日
来源:Remote Sensing Applications: Society and Environment 3.8
编辑推荐:
贾拉奈·帕通罗萨克恩|帕西查·恰伊考埃|西提乔克·普昂通图布|阿比谢克·杜塔|艾卡波尔·艾卡卡兰罗吉泰国巴吞他尼府12150,Neo Factory Company Limited ESG部门摘要在热带地区,由于云层持续覆盖、湿度高以及监测基础设施有限,准确估算地面PM2.5浓度
贾拉奈·帕通罗萨克恩|帕西查·恰伊考埃|西提乔克·普昂通图布|阿比谢克·杜塔|艾卡波尔·艾卡卡兰罗吉泰国巴吞他尼府12150,Neo Factory Company Limited ESG部门摘要在热带地区,由于云层持续覆盖、湿度高以及监测基础设施有限,准确估算地面PM2.5浓度仍面临挑战。本研究构建了一个两阶段机器学习框架,用于生成2018-2022年间泰国全境1公里空间分辨率的每日PM2.5浓度数据。在第一阶段,利用时空及气象预测因子重建MODIS MAIAC产品中缺失的气溶胶光学深度数据,以弥补云层带来的数据缺口。第二阶段则将重建得到的AOD值与气象及土地使用变量相结合,进而估算地表PM2.5浓度。在各类模型中,随机森林的表现最为出色,交叉验证的R2值为0.58,RMSE值为12.98微克/立方米。空间分析显示,泰国北部在生物质燃烧季节PM2.5浓度最高,而南部沿海地区的浓度则相对较低。经人口加权后的年均PM2.5浓度为21.46微克/立方米,这一数值超过了世界卫生组织的标准(15微克/立方米),表明当地居民普遍处于高污染环境中。要达到标准,需将浓度降低6.46微克/立方米,降幅达30.1%。该框架提升了空间覆盖率,减少了采样偏差,为云层密集的热带地区提供了可扩展的空气质量监测方法。由此产生的数据集有助于在数据匮乏的地区进行暴露评估、政策制定以及有针对性的减排措施。1. 引言空气污染依然是最严重的环境问题之一,尤其是在交通、工业和发电活动日益增多的城市和工业区。细颗粒物(PM2.5)会对健康造成严重威胁,具有短期和长期的不良健康影响。在泰国,由于曼谷被认定为因空气污染而疾病负担最重的地区,长期暴露问题尤为突出(Pinichka等人,2017年)。尽管地面监测站对空气质量监测至关重要,但其空间覆盖范围有限且分布不均,难以全面了解全国范围内的PM2.5变化情况,尤其是在主要城市之外的地区。先前的研究表明,PM2.5浓度与气象条件和土地使用模式密切相关。在曼谷,PM2.5浓度与降雨量和风速呈负相关,而与气压和工业用地使用呈正相关(Cheewinsiriwat等人,2022年)。在泰国北部,PM2.5浓度的变化主要受季节性生物质燃烧和地形环流的影响,其与温度呈正相关,与相对湿度呈负相关(Sirithian和Thanatrakolsri,2022年)。尽管已有这些研究结果,但全国范围的PM2.5估算仍然依赖于地面测量数据,卫星气溶胶信息的整合程度有限。卫星获取的气溶胶光学深度数据已被广泛用于全球许多地区的近地面颗粒物浓度估算(Xiao等人,2017年;Xie等人,2015年;Yang等人,2019年)。在中国、欧洲和美国,基于AOD的模型已展现出出色的PM2.5估算性能(Hu等人,2014年;Kloog等人,2011年)。随着遥感技术的发展,尤其是空间分辨率更高的AOD产品的出现,基于卫星数据的PM2.5建模可行性进一步提升。近年来,机器学习方法因其能够捕捉AOD、气象条件与地表PM2.5之间的非线性关系及复杂相互作用,逐渐被用来替代传统的回归分析方法。不过,大多数机器学习方法都是具有固定结构的一般模型,无法完全体现AOD与PM2.5关系中的空间变异特性(T. Li等人,2022年;Li等人,2024年)。对比研究表明,支持向量机、梯度提升法、神经网络、随机森林和高斯过程回归等机器学习模型,在减少偏差和更好地表现复杂相互作用方面,均优于传统线性模型(Amiri和Zare Shahne,2025年;Tian等人,2021年)。然而,在东南亚地区,基于卫星的PM2.5估算依然面临诸多挑战。由于卫星数据获取需要晴朗的天空条件,其覆盖范围通常比温带地区要小(Li等人,2020年)。此外,泰国的气溶胶环境十分复杂,包含生物质燃烧产生的污染物、城市污染物质以及海洋气溶胶等多种成分。这种复杂性使得AOD与PM2.5之间的关系变化极大,难以用单一阶段的模型来描述。再加上监测网络较为稀疏,进一步限制了模型的验证和推广能力,尤其是在农村地区。为应对这些挑战,本研究开发了一种专为数据稀缺、云层密集的热带地区设计的新型两阶段机器学习框架。在第一阶段,通过利用时空模式以及气象和环境协变量,重建因云层干扰而缺失的AOD观测数据,从而大幅提高每日AOD数据的覆盖率。在第二阶段,将重建得到的AOD值与气象及土地使用变量结合,进而估算出泰国全境1公里空间分辨率的每日地面PM2.5浓度。本研究的主要贡献有三:第一,建立了2018-2022年间泰国首套全国范围的1公里分辨率每日PM2.5数据集并进行了验证;第二,证明了针对性地填补AOD数据缺口能够显著提升模型在云层主导环境中的稳定性和预测精度;第三,通过将两阶段框架与单阶段方法进行对比,为数据稀缺地区的空气质量监测系统提供了参考标准。除了方法上的进步,这套高分辨率的PM2.5数据集还能为改善空气质量预报、在服务不足的地区开展针对性风险预警,以及在严重雾霾期间合理分配医疗资源带来实际益处。2. 研究区域与方法2.1 研究区域泰国位于东南亚,地理特征多样,北部有多山地带,东北部为高原,中部是肥沃的平原,南部则为沿海地区。从行政划分来看,泰国共分为77个省,隶属于四个大区域:北部、东北部、中部和南部。该国属于热带气候,大致可分为三个季节:夏季(3月至5月)、雨季(6月至10月)和冬季(11月至2月)。年平均气温在26至28摄氏度之间,年降水量则因地区而异,大约在1,200至1,600毫米之间。季节性的气候变化对空气质量有着重要影响。在干燥的冬季(12月至3月),由于农业生物质燃烧、气温逆温以及气象条件停滞,容易形成严重的雾霾,此时PM2.5浓度通常会达到峰值。而在雨季,由于降水增多和大气混合加强,污染物更容易被清除和扩散,因此PM2.5浓度通常较低。地面空气质量监测工作由污染控制局负责,该机构在全国范围内设立了105个监测站,用于检测包括PM10和PM2.5在内的关键空气质量参数。在2018-2022年间,共有87个监测站报告了PM2.5浓度数据,这些数据构成了目前该污染物最完整的地面监测数据集。这些监测站分布在56个省份,覆盖范围广,能够反映不同地区的空气质量差异。因此,污染控制局的监测网络可视为泰国全国地面PM2.5状况的代表。下载:下载高分辨率图像(512KB)下载:下载完整尺寸图像图1. 泰国各地地面PM2.5监测站的地理位置分布(红点)。2.2 数据收集2.2.1 地面站数据2018年至2022年间,通过Air4Thai平台从污染控制局获得了泰国87个监测站的每小时PM2.5数据。在进行分析之前,首先对数据进行了预处理,去除了无效值(小于0微克/立方米)。每小时的数据会被汇总为日均浓度,仅保留数据覆盖充足的日期。为确保数据的代表性和可靠性,各监测站需满足一定的质量控制标准:年度数据完整性至少达到75%,季度数据完整性至少达到60%。这样的标准使得用于模型训练和验证的地面数据集具有较高的质量。在128,419条每日PM2.5观测数据中,有15,028条数据存在缺失值。这些缺失值是通过所提出的机器学习框架,结合AOD、NDVI和气象变量重新估算得到的。2.2.2 卫星数据及其他辅助数据为了辅助PM2.5浓度估算,还整合了2018年1月至2022年12月的卫星数据。AOD数据来自MODIS MAIAC MCD19A2产品,空间分辨率为1公里,数据来自Terra和Aqua两个卫星平台。该数据集提供了适合区域空气质量建模的高分辨率气溶胶信息。然而,由于热带地区经常出现严重的云层覆盖和高湿度状况,很多AOD数据缺失。在全部128,419条观测数据中,只有25,325条数据的AOD值是有效的,其余103,094条数据均为缺失值。这些缺失的AOD值也是通过本研究开发的机器学习框架,利用气象变量重新估算得到的。MAIAC AOD数据是通过Google Earth Engine从MODIS Collection 6.1 MCD19A2_GRANULES产品中的Optical_Depth_047波段获取的。为了便于计算,AOD数值被缩放为0.001。在生成每日AOD数据时,首先筛选出所有对应的日历日期,然后再计算每日内所有观测值的平均值。为了比较卫星得到的AOD数据与地面PM2.5数据,还通过对五个监测站周围1公里缓冲区/网格多边形内的AOD像素值进行统计,得到了相应的平均值。在生成AOD数据时,直接使用了Google Earth Engine提供的标准MAIAC数据,没有对Terra和Aqua平台的数据进行额外合并,仅进行了每日数据组合。虽然原始的MAIAC产品包含内部质量保障信息,但本研究并未进行额外的质量筛选和有效像素阈值检查,因此在云层密集、湿度较高的热带大气条件下,数据可能存在一定不确定性。植被状况是通过归一化植被指数来表征的,该指数来自MODIS MOD13Q1产品,空间分辨率为250米,时间分辨率为16天。纳入NDVI数据是为了考虑地表特征对气溶胶动态和污染物扩散的影响。气象数据则来自Goddard地球观测系统组合预报模型。共使用了10个气象参数,包括行星边界层高度、地表皮肤温度、2米高度空气温度、10米高度空气温度、10米高度东风风速、10米高度北风风速、相对湿度、东风分量、北风分量以及地表气压。选择这些参数是为了反映影响气溶胶传输、扩散和形成的大气条件。本研究使用的所有参数的详细信息,包括其数据来源和特点,见表1。表1. 不同数据源提供的所有参数概览。参数简称单位数据来源空间分辨率时间分辨率行星边界层高度PBLH米GEOS27.75公里×27.75公里1小时2米高度空气温度T2MKGEOS27.75公里×27.75公里1小时10米高度空气温度T10MKGEOS27.75公里×27.75公里1小时10米高度东风风速U10M米/秒GEOS27.75公里×27.75公里1小时10米高度北风风速V10M米/秒GEOS27.75公里×27.75公里1小时相对湿度RH%GEOS27.75公里×27.75公里1小时地表皮肤温度TSKGEOS27.75公里×27.75公里1小时东风分量Ecompm/秒GEOS27.75公里×27.75公里1小时北风分量Ncompm/秒GEOS27.75公里×27.75公里1小时地表气压PS帕GEOS27.75公里×27.75公里1小时气溶胶光学深度AOD无量纲MAIAC(MCD19A2)1公里×1公里1天PM2.5浓度PM2.5微克/立方米PCD各监测站点1小时归一化植被指数NDVI无量纲NDVI_MOD13A21公里×1公里16天平均值2.3 基于机器学习的PM2.5浓度估算为了估算监测站点的PM2.5浓度,并生成全国范围的空间连续预测值,本研究开发了一种分层的两阶段机器学习框架。该方法整合了多种数据源。在第一阶段,运用不同的基于机器学习的填补模型,通过学习AOD与相关气象预测因子之间的非线性关系,来重建缺失的AOD值(公式1)。这一步骤旨在解决因云层干扰和数据获取失败导致的数据不连续问题,从而提升后续建模所需的AOD数据在空间和时间上的完整性。只要卫星数据有效,就会保留原有的MAIAC AOD观测值,只有在没有AOD数据的情况下,才会使用机器学习模型来填补数据缺口。因此,最终的AOD数据集由原始的MAIAC AOD观测值和重建得到的AOD值系列组成。(1)式中,表示第天第站点重建后的气溶胶光学深度;表示用于填补数据缺口的机器学习模型;表示第天第站点的行星边界层高度;表示第天第站点的相对湿度;表示第天第站点的10米高度东风风速;表示第天第站点的10米高度北风风速;表示第天第站点的2米高度空气温度;表示第天第站点的10米高度空气温度。在第二阶段,将第一阶段生成的填补完数据缺口的AOD值作为主要解释变量,与气象和土地覆盖预测因子一起,通过机器学习回归方法来估算地面PM2.5浓度(公式2)。第二阶段利用了更强的数据连续性,提升了模型稳定性、空间一致性以及在监测覆盖较少的地区的预测性能。(2)其中,表示第天站点观测到的PM2.5浓度;代表用于估算PM2.5的机器学习模型;表示第天站点表面的皮肤温度;表示表面气压;表示第天站点东向风速分量;表示第天站点北向风速分量;表示第天站点归一化差异植被指数。研究中共采用了三种基于树的集成学习算法——随机森林、梯度提升机以及极端梯度提升法,并对它们进行了比较。按照常规做法(Yang等人,2020年),使用90%的数据集进行模型训练,剩余10%用于测试。第二阶段的模型性能通过10折交叉验证来评估。图2展示了该两阶段机器学习框架在1平方公里空间分辨率下估算地面PM2.5浓度的完整流程。下载:下载高分辨率图像(697KB)下载:下载全尺寸图像图2. 泰国地区1平方公里空间分辨率下两阶段机器学习框架用于PM2.5估算的流程示意图。为减少所有机器学习模型的过拟合现象,针对每种算法分别进行了系统的超参数调整。针对特定模型的超参数(如树的数量、每次分裂时考虑的变量数量以及学习率)都经过了优化,以在模型复杂度与泛化能力之间找到最佳平衡。为全面评估所提模型的预测性能,采用了多种统计指标,包括平均绝对误差、均方根误差,以及空气中PM2.5浓度预测值与实际测量值的平均绝对百分比偏差(Chen等人,2022年)。此外,还通过决定系数来分析观测值与预测值之间的可预测性(Sujatha等人,2021年)。2.4 软件应用卫星数据是通过Python(3.0版本,Python软件基金会)结合Google Earth Engine(Gorelick等人,2017年)进行提取和处理的。统计分析以及基于树的机器学习模型则是在使用R语言(4.5.1版本,R核心团队,2024年)并通过randomForest、gbm和xgboost这些包来实现的,以此估算PM2.5浓度。PM2.5估算值的空间插值及全国范围制图工作则是在ArcGIS?(10.8.2版本,ESRI,2022年)中完成的。3 结果3.1 PM2.5及预测变量的描述性统计2018年至2022年研究期间,每日地面PM2.5浓度及其相关预测变量的描述性统计结果显示,泰国各地存在明显的时间和空间差异。PM2.5的平均浓度为21.14微克/立方米,数值范围在1.00到532.60微克/立方米之间。超过100微克/立方米的极高PM2.5浓度主要出现在北部地区,反映出该地区曾出现过严重的污染事件。气象变量也呈现出明显的季节性变化。平均大气光学厚度为0.38(范围:0.00–3.75),相对湿度平均为0.75(范围:0.30–0.98)%。表面气压在90,752.99帕到101,763.80帕之间,平均值为99,161.01帕。2米高度和10米高度处的平均气温分别为299.34开尔文(范围:282.90–308.50)和299.52开尔文(范围:283.52–308.09)开尔文。风况总体较弱但变化较大,表面北向风和东向风的速度平均值分别为0.71米/秒(范围:-9.75–9.78)和0.28米/秒(范围:-10.22–11.47)。10米高度处的北向风和东向风速度分别为0.46米/秒(范围:-7.18–7.52)和0.16米/秒(范围:-7.03–8.32)。行星边界层高度平均为576.74米(范围:82.25–1,612.60米),NDVI数值在0.02到0.86之间,平均值为0.40。所有变量的汇总情况见表2。表2. 2018–2022年泰国各地PM2.5浓度及其他预测变量的统计摘要变量单位均值标准差最小值最大值PM2.5微克/立方米21.1519.971.00532.60AOD无单位0.390.180.003.75NDVI无单位0.400.140.020.86PBL高度米576.74199.2182.251,612.58PS气压帕99,161.012,368.8390,752.99101,763.80RH%0.750.100.290.98TSK2米高度气温299.493.22281.86310.16T2MK10米高度气温299.342.79282.89308.51T10MK10米高度气温299.522.67283.52308.09E东向风速度米/秒0.282.81-10.2211.47U北向风速度米/秒0.161.84-7.038.32V10米高度北向风速度米/秒0.461.71-7.187.523.2 机器学习模型在预测AOD方面的比较首先,根据训练性能和10折交叉验证结果对重建后的AOD数据集进行了验证。在所测试的机器学习算法中,随机森林在AOD重建预测方面表现最佳,训练时的R2值为0.91,RMSE为0.09;而交叉验证时的R2值为0.50,RMSE为0.20。与此同时,梯度提升机和极端梯度提升法在训练和验证过程中的预测性能最差,且预测误差较大。相反,这些结果表明随机森林模型能够很好地捕捉AOD与气象变量之间的非线性关系,这样的关系有助于重建缺失的AOD观测值,进而作为后续PM2.5预测模型的输入。3.3 机器学习模型在预测PM2.5方面的比较表3总结了三种机器学习算法——随机森林、梯度提升机以及极端梯度提升法——基于训练结果和10折交叉验证的预测性能。表3. 机器学习模型在预测PM2.5浓度方面的比较机器学习算法模型R2值RMSE值MAE值MAPE值截距斜率随机森林训练阶段0.936.043.7063.90-3.671.1710折交叉验证阶段0.5812.988.03126.979.600.60梯度提升机训练阶段0.5014.539.47153.80-2.441.1210折交叉验证阶段0.5014.809.52154.92-2.101.10极端梯度提升法训练阶段0.5014.119.21144.91-2.101.1010折交叉验证阶段0.4814.489.33146.81-1.601.10在所测试的模型中,随机森林在所有评估指标上的预测性能都最为出色。在训练阶段,它取得了最高的R2值(0.93),同时RMSE最低(6.04微克/立方米),MAE为3.70微克/立方米,MAPE为63.90%。在10折交叉验证中,随机森林依然保持着出色的预测能力,R2值最高为0.58,RMSE最低为12.98微克/立方米。回归斜率(0.558)和截距(9.60)进一步表明,预测值与实际观测值之间存在稳定且一致的线性关系。相比之下,梯度提升机和极端梯度提升法的预测能力要弱得多。这两种模型的训练阶段R2值都较低,仅为0.50,且误差指标更高,RMSE在14.11至14.53微克/立方米之间,MAE在9.21至9.47微克/立方米之间,MAPE则在144.91%至153.80%之间。在交叉验证阶段,它们的表现依旧不佳,梯度提升机的R2值为0.50,极端梯度提升法的R2值为0.48,对应的RMSE分别为14.80微克/立方米和14.48微克/立方米。总体而言,在研究期间泰国复杂的空间条件和多变的气象环境下,随机森林在所有评估指标上均持续优于梯度提升机和极端梯度提升法,这体现了它在估算1×1平方公里网格尺度上的日PM2.5浓度时具有更强的稳健性和可靠性。随机森林的集成平均机制通过整合多棵互不相关的树的预测结果来降低预测方差,这一机制尤其适合于泰国这种PM2.5信号方差较大、来源多样的情况。三种模型预测值与实际观测值之间的关系如图3所示。下载:下载高分辨率图像(832KB)下载:下载全尺寸图像图3. 三种两阶段机器学习模型——随机森林、梯度提升机以及极端梯度提升法——预测的日PM2.5浓度与实际观测值的散点图。最高的实际观测PM2.5浓度为2020年3月20日在清莱站记录的532.60微克/立方米,当时泰国北部正遭受严重的雾霾侵袭。随机森林模型预测的对应浓度为399.12微克/立方米,这表明在极端污染情况下该模型存在一定低估现象。不过,该模型仍能较好地反映高污染天气出现的频率和时间规律。这一发现意味着,在严重雾霾等更为复杂的全球环境条件下,极高的PM2.5浓度可能会进一步增加预测的不确定性。为了进一步评估随机森林模型在不同PM2.5浓度区间内的表现,研究人员对其进行了额外分析。该模型存在较小的系统偏差(平均偏差约为0.07微克/立方米,标准化平均偏差约为0.31%),但随着污染状况恶化,其预测能力会下降。对于实际观测值而言,当PM2.5浓度高于50微克/立方米时,随机森林在估算浓度方面表现较差,此时会出现负的平均偏差(约-10.70微克/立方米)和负的标准化平均偏差(约-14.25%)。这些结果表明,在潜在污染风险较低且雾霾严重、生物质燃烧剧烈且气象条件复杂的背景下,预测的不确定性会随之上升。2018年至2022年间,研究区域的预测年均PM2.5浓度为21.46±4.33微克/立方米(见表4)。2020年的年均浓度最高,为23.56±4.32微克/立方米,这与当年生物质燃烧加剧的情况相符。从2020年开始,浓度呈现下降趋势,这可能得益于2020年后出台的监管措施、农业燃烧活动的减少以及年度间气象条件的变化。表4. 2018–2022年研究区域预测年均PM2.5浓度(微克/立方米)的统计摘要年份均值标准差最小值最大值2018年21.274.469.1140.482019年22.734.859.1641.442020年23.564.328.9145.32021年20.714.118.0439.062022年19.043.937.8637.882018–2022年整体均值21.464.179.4139.943.4 变量重要性图4展示了随机森林模型中各预测变量的排列重要性得分。大气光学厚度是影响最大的预测变量,占比达27.21%,这反映了气溶胶柱负荷与地表PM2.5之间的直接物理关联。这一结果表明,即便在云层较多的热带环境中,只要通过填补缺失数据来确保足够的覆盖范围,卫星获取的大气光学厚度数据依然具备较强的解释能力。下载:下载高分辨率图像(97KB)下载:下载全尺寸图像图4. 各预测变量的排列重要性得分。U:10米高度的东向风速;V:10米高度的北向风速;TS:地表皮肤温度;PS:表面气压;NDVI:归一化差异植被指数;AOD:气溶胶光学厚度。表面气压的重要性排名第二,占比为19.01%,它很可能代表了大尺度环流通风状况以及地形因素的影响:低压环境有利于边界层混合以及污染物扩散,而高压系统则会导致污染物滞留并积累。NDVI的重要性排第三,占比为17.48%,它体现了植被的双重作用——既可作为与人类活动排放减少相关的土地覆盖指标(NDVI较高的区域),也可间接反映北部森林中生物质燃料的可用性。总体来看,大气光学厚度、表面气压和NDVI这三大变量合计占据了变量重要性总量的大约64%,这说明随机森林模型的预测结果主要受气溶胶负荷、大气动力学以及地表特性这些相互关联的物理因素共同影响。这一结果凸显出将卫星数据与环境预测因子相结合的重要性,这样才能更好地理解热带地区PM2.5浓度变化的复杂成因。3.5 1平方公里分辨率下PM2.5估算值的空间分布图5展示了2018年至2022年1月到12月期间,泰国地区年均预测PM2.5浓度的空间分布情况。可以看出,泰国各地存在显著的空间差异,这反映了不同地区在污染源、地形以及气象条件等方面的差别。下载:下载高分辨率图像(1MB)下载:下载全尺寸图像图5. 2018–2022年1月至12月泰国地区年均预测PM2.5浓度的空间分布情况。在整个研究期间,泰国北部地区的年均PM2.5浓度始终最高。这一现象主要是由于旱季期间农业残余物燃烧以及森林火灾导致的季节性生物质燃烧所致。北部高地的山区地形,再加上冬季的逆温现象以及较薄的边界层,都容易使污染物滞留,从而引发严重的雾霾天气。曼谷都市圈及其周边平原地区的PM2.5浓度也处于较高水平,这是由于交通和工业活动持续排放污染物,再加上偶尔发生的区域传输作用所导致的。泰国东北部的PM2.5浓度通常低于北部,这可能是因为该地区地形较为平坦,有利于污染物水平方向扩散。相比之下,泰国南部的PM2.5浓度始终最低,这得益于海洋气流以及较高的降水量,这些因素都有助于清除污染物。1平方公里的空间分辨率使得人们能够识别出那些在较低分辨率数据集中无法发现的细微污染热点,这些热点包括城市工业带、主要交通干线以及局部农业燃烧区域。这类高分辨率的空间信息为有针对性的空气质量管理提供了重要依据,也有助于在次级行政区划和地区层面开展风险沟通,具体内容将在4.3.4节中进一步阐述。讨论4.1 两阶段框架的优势与创新仅基于不完整的大气光学厚度数据训练的单阶段模型很容易受到样本选择偏差的影响,尤其是在云层覆盖导致数据缺失的情况下。通过在第一阶段重建大气光学厚度,所提出的数据填补框架通过生成连续的空间和时间序列气溶胶数据,有效降低了这种偏差。这样一来,训练数据的范围就从有偏差的无云数据子集扩展到了更具代表性的各种大气条件范围。因此,两阶段的随机森林框架取得了0.58的决策系数值(RMSE为12.98微克/立方米,样本量为128,419),充分展现了其在捕捉泰国各地PM2.5时空变化特征方面的强大能力。为了进一步了解大气光学厚度重建阶段带来的价值,研究人员将所提出的两阶段框架与采用相同机器学习算法的传统单阶段框架进行了对比。结果发现,两阶段框架在各项指标上的RMSE和MAE值都要显著更低。随机森林模型的RMSE和MAE分别从16.63微克/立方米降至12.98微克/立方米,从10.44微克/立方米降至8.03微克/立方米。梯度提升机和极端梯度提升法也出现了类似的改善效果。这些结果表明,填补缺失的大气光学厚度观测数据可以提高PM2.5估算的准确性,同时降低预测误差。值得注意的是,在研究期间,只有19.7%的MAIAC多角度大气校正气溶胶光学厚度观测数据是可用的,超过80%的数据因为云层覆盖以及数据获取限制而缺失。在这种情况下,传统的单阶段框架仅基于原始的AOD观测数据来预测PM2.5,从而导致预测结果在时空上存在显著缺口。所提出的框架通过重建缺失的AOD观测数据,大大提升了预测数据的可用性,使得能够对泰国全境的PM2.5浓度进行连续估算。因此,这一两阶段框架的价值不仅在于提升预测性能,还在于实现全国范围的PM2.5分布图绘制及暴露程度评估。该框架的一个关键优势在于其模块化设计。两阶段结构使得各组件能够在新的数据源和方法出现时独立更新或替换。例如,AOD重建模块可通过基于深度学习的填补技术得到改进,或是整合如Himawari-8这样的地球静止卫星产品,这类卫星能够提供高时间分辨率的观测数据。同样,PM2.5预测模块也可以利用更新的地面监测数据重新训练,而无需修改AOD重建阶段。这种灵活性提升了框架的操作扩展性和长期适用性。此外,这种模块化结构还有助于将该框架应用到东南亚其他数据稀少的热带国家,比如缅甸、老挝和柬埔寨,这些地区同样面临着云层干扰、监测网络匮乏以及气溶胶成分复杂等问题。除了PM2.5之外,重建后的AOD数据集本身也具有很高的价值。完整的空间日度AOD数据可用于更广泛的应用,包括气溶胶气候学分析、辐射强迫评估以及数值天气预报模型的验证。这些额外的应用凸显了该框架对东南亚基于遥感的环境监测工作的重大贡献。与传统的单一方法相比,所提出的框架能够有效解决数据不完整的问题,而这正是热带地区遥感应用中的一个关键限制。
4.2. 机器学习模型在预测高分辨率PM2.5浓度方面的表现
表5展示了所提出框架与以往基于卫星的PM2.5估算研究之间的性能比较。尽管我们的随机森林模型的预测性能低于一些温带地区以及亚洲的研究结果,但这主要反映了泰国的热带气候特征,而非方法上的缺陷。在热带环境中,基于卫星的PM2.5模型通常呈现出中等水平的R2值,这可能是由多种相互作用因素共同导致的。表5. 基于卫星的机器学习模型在估算日度PM2.5浓度方面的比较研究区域气候方法分辨率时间范围R2值RMSE(微克/立方米)AOD覆盖范围本研究泰国热带季风2阶段随机森林1公里,日度2018-2022年0.5812.9819.72%Buya等人,2023年泰国热带季风随机森林1公里,日度2011-2020年0.7811.18<50%Jung等人,2021年日本受季风影响地区2阶段随机森林1公里,日度2011-2016年0.863.0215.48%Xiao等人,2017年中国亚热带地区MI+LME-GAM模型1公里,日度2013-2014年0.78无数据100%Wei等人,2019年中国温带季风STRF模型1公里,日度2016年0.8515.5736%Zaman等人,2021年马来西亚热带季风随机森林5公里,日度2018-2019年0.6211.40无数据Attey-Yeboah等人,2025年加纳热带草原GBM模型1公里,基于过采样技术2023-2024年0.555.8614.6%Adong等人,2025年乌干达热带雨林随机森林1公里,日度2023-2024年0.727.72无数据导致性能中等的有三个关键因素。首先,高相对湿度会促进气溶胶的吸湿增长,改变其光学特性,进而削弱AOD与PM2.5之间的关系(H?nel,1976;Tang & Munkelwitz,1994)。其次,频繁的云层覆盖(每年约180-220天)限制了有效的AOD反演,增加了对重建值的依赖,进而将不确定性传递到PM2.5的预测中(Banerjee等人,2021;He等人,2021)。第三,泰国的PM2.5来源于多种途径,包括生物质燃烧、交通、工业排放以及海洋气溶胶,这些不同的来源导致了气溶胶性质的多样性,进一步复杂化了AOD与PM2.5之间的关系(Chen等人,2022)。在所有评估的模型中,随机森林模型的表现优于GBRT和XGBoost模型,它获得了最高的交叉验证R2值(0.58)以及最低的RMSE值(12.98微克/立方米)。这一结果与先前的研究一致,即随机森林在非线性且存在噪声的条件下仍具有较强的稳定性(Breiman,2001;X. Li等人,2022),而基于提升法的模型则对重建输入中的残差变化和不确定性更为敏感(Zaman等人,2021)。先前的一些研究也证明了两阶段设计的优势,即通过AOD重建和时空建模可以提高模型性能(Wei等人,2019)。与其他现有研究的比较进一步支持了这些发现。在泰国,Buya等人(2023年)使用单阶段随机森林模型获得了更高的R2值(0.78),这可能是因为他们的AOD覆盖范围更广,且训练时间更长。而在日本和中国等温带地区,研究得到的性能更高(R2值约为0.78-0.86)(Jung等人,2021;Wei等人,2019;Xiao等人,2017),这是因为这些地区的气溶胶条件更为均匀,数据获取也更为便捷。相比之下,热带地区的研究结果则较为接近,比如马来西亚(R2值为0.62)(Zaman等人,2021)、加纳(R2值为0.55)(Attey-Yeboah等人,2025)以及乌干达(R2值为0.72)(Adong等人,2025),这表明在这类环境中,0.55-0.72的R2值可视为目前的基准水平。总体而言,所提出的两阶段框架提高了AOD数据的可用性,减少了采样偏差,并增强了模型稳定性,证明了在复杂的热带条件下依然可以实现可靠的高分辨率PM2.5估算,这为其在数据稀缺地区的全国性空气质量监测和暴露程度评估中的应用提供了依据。为了进一步评估该模型在不同地点的适用性,研究人员采用了留一站点法(LOSO)和留一省份法(LOPO)进行空间交叉验证。LOSO验证得到的R2值为0.33(RMSE为16.41微克/立方米),而LOPO验证的R2值为0.39(RMSE为15.66微克/立方米)。这两个数值都低于随机10折交叉验证的结果(R2值为0.58,RMSE为12.98微克/立方米),这说明随机验证可能在一定程度上利用了监测站点之间的空间相关性,因而高估了预测性能。不过,无论采用哪种验证方法,该模型都保持了较高的预测能力,这表明所提出的框架能够捕捉到全国范围内PM2.5浓度与预测变量之间的空间传递关系。
4.3. 社会应用
空气污染是泰国面临的一项严峻公共卫生挑战,据估计,它每年会导致32,200至38,410人过早死亡(健康影响研究所,2020年;Pinichka等人,2017年),占全国总死亡人数的5.4%-6.4%。仅PM2.5所带来的经济负担就超过70亿美元每年(Pinichka等人,2017年)。在曼谷,长期的PM2.5暴露每年会导致大约4,240人非意外死亡。健康影响评估表明,如果能够遵守世界卫生组织制定的年度空气质量指南,那么这些死亡人数中最多可有75%得以避免(Fold等人,2020年),这意味着全国每年可避免约24,000例死亡。尽管存在如此沉重的负担,但由于监测基础设施不足,全面的暴露评估仍然受到限制,目前仅有不到70个地面监测站,服务于约6600万人口。因此,泰国近45%的人口,尤其是农村地区的人们,无法获得实时的空气质量信息,而这些地区却经常遭受严重的季节性雾霾影响。本研究开发的高分辨率(1平方公里)PM2.5数据集填补了这一空白,使得城市和欠发达地区都能进行连续的空间暴露评估。利用该数据集,经人口加权计算得出的年均PM2.5浓度为21.46微克/立方米,这一数值远远超过了世界卫生组织的年度指南标准以及泰国的国家环境空气质量标准(15微克/立方米)(国家环境委员会,2026年;世界卫生组织,2021年)。根据假设人口分布均匀的人口加权暴露估算结果,整个泰国的居民都在面临如此高的PM2.5浓度,这凸显了环境空气污染所带来的广泛公共卫生风险。要达到世界卫生组织的标准,就需要将PM2.5浓度降低6.46微克/立方米,相当于降低30.1%。然而,研究中发现存在明显的空间差异,特别是在生物质燃烧季节,曼谷大都会区与北部省份之间的差异尤为明显。这些发现强调了制定协调一致的国家级空气质量管理策略的紧迫性,包括加强各关键领域的排放控制,以保护公众健康,并使泰国的空气质量标准与国际标准接轨。在泰国的流行病学研究中,每增加10微克/立方米的PM2.5浓度,非意外死亡的相对风险分别为1.01和1.02(Phosri等人,2025年;Teewunda等人,2021年)。根据这些浓度-反应关系,假设遵循对数线性暴露-反应函数,PM2.5浓度降低6.46微克/立方米预计可使全因死亡率降低约0.65%。若采用保守的统计生命价值估值,即每年200,000美元(经合组织,2012年),那么避免约24,000例过早死亡每年可带来约48亿美元的经济社会效益(24,000例避免的死亡人数×200,000美元/例)。这一估算仅考虑了避免死亡带来的益处,尚未计入因发病率下降而产生的其他好处,比如住院次数减少、医疗支出降低以及劳动生产率提高等。如果将这些因素也考虑进来,那么总的经济社会效益及其对国家经济表现的贡献还将进一步提升。
4.4. 研究局限性
本研究也存在若干局限性。首先,在所提出的两阶段框架中,第一阶段随机森林模型所估算的AOD精度会受到气象再分析输入数据质量的直接影响,这些输入数据包括行星边界层高度、相对湿度以及风场等,它们都是决定AOD与PM2.5之间关系的关键因素。这些气象变量的不确定性可能会在AOD重建过程中传递开来,进而影响地表PM2.5浓度的估算精度。未来的研究可以通过整合多源气象数据集、应用偏差校正方法或采用基于物理原理的垂直校正方法来增强AOD重建的稳健性。虽然重建后的AOD数据已经通过10折交叉验证进行了检验,但本研究并未对其进行与地面气溶胶观测数据(如AERONET网络)的独立验证。因此,由于观测数据的特性,第二阶段的PM2.5预测模型无法完全消除与重建AOD相关的所有不确定性。未来值得研究的是,将卫星观测得到的AOD数据与重建数据以及独立的气溶胶观测数据相互对比,以此分析两阶段建模框架中的不确定性传播情况。其次,本研究中使用的大部分气象预测因子最初的空间分辨率相对较低,约为27.75公里×27.75公里,而最终的PM2.5浓度估算则是基于MAIAC AOD数据生成的1公里空间网格数据。虽然气象变量经过了重采样处理,以匹配MAIAC网格的结构(采用的是双线性插值方法),但这并不会产生独立的精细气象信息,从而在最终的PM2.5浓度图中造成一种空间精度更高的假象。实际上,最终PM2.5产品的有效空间分辨率仍然受到分辨率较低的气象输入数据的限制。在地形复杂且局部气象梯度较大的地区,比如泰国北部的山区和南部的沿海地区,这些局限性可能更为突出。未来的研究可以通过使用更高空间分辨率的气象数据集、动态降尺度方法,或者针对不同气象数据和产品以及空间分辨率进行敏感性测试,来提高高分辨率PM2.5浓度估算的精度。第三,泰国地面PM2.5监测站点的空间分布极不均衡,城市地区的监测密度远远高于农村和山区。这种不平衡状况限制了模型的校准和验证工作,也在PM2.5浓度预测中引入了与地理位置相关的不确定性,尤其是在数据稀少的地区。未来的研究可以通过引入更多的观测数据集,比如低成本传感器网络或基于卫星的替代变量,以及运用空间交叉验证策略,来更好地量化并降低这类与位置相关的不确定性。第四,该建模框架假设在研究期间,预测因子与地表PM2.5浓度之间的关系具有时间稳定性。然而,排放源、监管政策、能源消费模式以及各种偶发事件都可能随时间发生变化,从而改变原有的预测因子-响应关系。这种非稳定性可能会导致模型预测出现时间偏差,尤其是在将基于历史数据训练的模型应用于后续年份时。此外,尽管随机森林模型在训练阶段的表现不错,但在交叉验证中的预测性能却大幅下降。这一现象表明,模型的泛化能力仍有待提升,PM2.5浓度中的部分变异可能无法完全通过现有的预测因子集合来解释。在PM2.5建模中,这种不确定性是很常见的,因为地表浓度是由排放源、化学转化过程以及气象过程等多种因素相互作用所决定的。未来的研究可以通过纳入随时间变化的排放清单、针对不同情况的专用建模方法,或是采用能够体现排放和大气过程时间变化的动态机器学习方法,来克服这一局限性。第五,极端PM2.5事件,比如严重的雾霾天气,对于机器学习模型来说非常重要,因为这类事件虽然发生频率较低,但却代表了机器学习模型难以给出准确预测的一种大气状况,即在大规模生物质燃烧以及极端恶劣气象条件下的雾霾天气期间。因此,在PM2.5浓度极高的情况下,预测的不确定性可能会进一步加剧,从而导致在高污染时段出现低估的情况。在模型训练中加入高健康影响污染事件的观测数据、结合与研究事件相关的预测因子,或选择适用于罕见和极端大气条件的预测模型,也有助于未来研究更稳健地模拟极端事件(这类事件在现有文献中较为少见)。第六,尽管我们采用了LOSO和LOPO交叉验证方法进行额外空间验证,但与随机10折交叉验证相比,这些方法的模型性能有所下降(LOSO:R2=0.33;LOPO:R2=0.39;随机10折交叉验证:R2=0.58)。这一结果表明,通过交叉验证方法得出的某些预测因子性能可能受到监测站之间空间依赖性的影响。因此,这些交叉验证统计值应被视为整体预测能力的估算值,而非独立的空间可迁移性指标。未来的研究应探讨更为严格的验证框架(如空间分块交叉验证和时空交叉验证),以量化模型在不同地理和大气条件下的普适性。5. 结论本研究构建了一个两阶段机器学习框架,用于估算泰国全境1公里空间分辨率下的每日PM2.5浓度,解决了云层频发的热带环境中基于卫星的空气质量建模所存在的关键问题。该框架首先重建气溶胶光学厚度,然后在第二阶段将其与气象及土地利用相关预测因子相结合,从而显著提升了数据完整性,减少了因云层干扰导致的观测偏差。所提出的方法经交叉验证后,R2值为0.58(均方根误差为12.98微克/立方米),在湿度高、云层持续覆盖且气溶胶成分复杂的条件下仍能保持良好性能。对比分析表明,这一性能与类似热带地区及数据匮乏区域中现有的先进模型水平相当,甚至更具竞争力。在所有评估的算法中,随机森林模型的预测能力最为出色,体现了其在捕捉PM2.5与其驱动因素之间的非线性及异质性关系方面的优势。由此生成的高分辨率PM2.5数据集显示出泰国各地明显的空间和季节性变化,北部地区在生物质燃烧期间浓度最高,而南部沿海地区的浓度则较低。这些常规监测网络无法捕捉到的细微变化,为了解局部污染动态及暴露差异提供了重要依据。除了方法学上的贡献外,本研究还展示了基于卫星的PM2.5估算在公共卫生和环境管理方面的实际价值。所生成的数据集可用于开展人群层面的暴露评估、支持早期预警系统,以及为缺乏地面监测地区的污染治理提供依据。估算得出的人群加权PM2.5浓度超过了国家和国际标准,这凸显了加强空气质量管理的紧迫性,同时也说明了减少污染所带来的潜在健康与经济益处。该框架的模块化设计进一步提升了其可扩展性,便于推广到面临类似挑战的其他热带地区。未来的工作应着眼于整合更高分辨率的人口数据、纳入地球静止卫星观测数据,并探索先进的深度学习方法,以进一步提升模型性能。总体而言,本研究为高分辨率空气质量监测提供了一个稳健且具有适应性的框架,推动了遥感技术在环境健康评估领域的应用发展。CRediT作者贡献说明Pasicha Chaikaew:写作——审稿与编辑、验证、监督、数据整理。Sitthichok Puangthongthub:监督。Abhishek Dutta:写作——审稿与编辑、验证、研究分析。Aekkapol Aekakkararungroj:软件应用、数据整理。Jiaranai Pathomrotsakun:写作——初稿撰写、可视化处理、软件应用、方法设计、概念构思未引用的参考文献Li等人,2022年;Python软件基金会。利益冲突声明作者声明不存在任何可能影响本文研究成果的已知财务利益或个人关系。
生物通微信公众号
生物通新浪微博
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