利用门控深度学习模型通过高分辨率联合反演对中国PM2.5与O3协同效应的量化分析

《Journal of Environmental Chemical Engineering》:Quantification of PM2.5–O3 synergistic effects by high-resolution joint retrieval using a gating deep learning model in China

【字体: 大 中 小 】 时间:2026年07月18日 来源:Journal of Environmental Chemical Engineering 7.5

编辑推荐:

  摘要中国已进入细颗粒物(PM2.5)与臭氧(O3)污染协同控制的关键阶段。PM2.5与O3之间存在强烈的双向相互作用,但其在全国范围内的影响规律仍需进一步研究。为同时分析这两种污染物的时空变化及双向影响机制,高分辨率的联合反演数据十分必要。本研究提出了AlphaAir模型,这是一

  

摘要

中国已进入细颗粒物(PM2.5)与臭氧(O3)污染协同控制的关键阶段。PM2.5与O3之间存在强烈的双向相互作用,但其在全国范围内的影响规律仍需进一步研究。为同时分析这两种污染物的时空变化及双向影响机制,高分辨率的联合反演数据十分必要。本研究提出了AlphaAir模型,这是一种基于深度学习的联合反演模型,它整合了AlphaEarth静态嵌入特征、13种每日卫星与气象数据以及地面监测数据。该模型能够以1公里分辨率同时输出PM2.5和O3的浓度值以及二者之间的双向影响强度。在随机交叉验证中,PM2.5和O3的R2值均达到0.93,这一性能优于此前研究中的单一污染物模型。根据AlphaAir在2021年至2024年期间生成的每日反演数据,按人口加权计算的PM2.5浓度从30.1μg/m3下降至29.2μg/m3,而每日8小时平均臭氧浓度则从88.4μg/m3上升至92.7μg/m3。定量分析显示,O3对PM2.5的影响强度是反向影响的4.3倍。双向影响指数在春季和秋季达到最高值,尤其在PM2.5浓度为40.0–45.0μg/m3时数值最大,这说明在这一时期开展协同治理具有重要意义。这些研究结果为中国实现PM2.5与O3的协同控制提供了科学依据,控制策略应根据不同地区和季节的特点进行调整。在减少污染物排放的同时,还需重视对大气氧化能力的调控。该模型的代码和数据可在以下地址获取:https://github.com/xc-bsh/AlphaAir.git。

引言

细颗粒物(PM2.5)和臭氧(O3)是两种严重危害人类健康和生态系统的重大空气污染物[1]、[2]。在全球范围内,极端PM2.5污染的危害分布不均,持续给人类健康带来巨大负担[3]、[4]。在亚洲地区,这一负担尤为严重,当地居民面临较高的健康风险[5]、[6]。由于有效实施了空气污染防治措施,中国自2013年起PM2.5浓度持续下降,总体降幅约为8%[7]、[8]。然而在同一时期,地表O3浓度并未出现明显下降趋势[9]、[10],因此对空气污染物的协同控制仍是一项长期任务。
PM2.5与O3并非独立的污染物,它们通过双向相互作用相互关联。O3会氧化气态前体物质并促进二次气溶胶的形成[11]、[12],而气溶胶则可通过散射和吸收太阳辐射来抑制光化学作用产生的O3[13]、[14]。不过,这两种污染物之间的影响强度至今尚未被精确量化。此外,同时暴露于PM2.5和O3环境中还会带来共同的健康危害,其导致的死亡风险高于单独暴露时的风险之和[15]、[16]、[17],这就更加凸显了协同控制的紧迫性。因此,准确评估PM2.5和O3的时空变化趋势,并定量分析它们之间的双向影响强度,显得极为重要。
为支撑这类研究,人们越来越注重利用高分辨率的PM2.5和O3时空数据,但目前现有的观测和建模方法仍存在一些局限性。地面监测网络覆盖范围有限,难以捕捉区域性的污染分布特征[18];化学传输模型依赖于准确的排放数据,且往往会产生系统性偏差[19]、[20],其空间分辨率通常为10–50公里,不足以反映城市内部或复杂地形中的浓度变化。卫星遥感技术则能够实现全球范围的连续观测,通过整合多源卫星和气象数据,可估算大范围区域的近地表浓度,这一方法成为克服上述局限的主要手段[21]、[22]、[23]。早期的研究主要依靠统计模型建立卫星观测值与地表浓度之间的关系[24]、[25]、[26],但由于预设的功能形式限制,这类模型难以适应复杂的时空变化,其空间分辨率也往往低于10公里[27]。随着机器学习技术的发展,包括随机森林和深度神经网络在内的新型方法提升了反演精度和空间分辨率,使其可达10公里级别[28]、[29]。通过结合气溶胶光学厚度、气象再分析数据以及土地利用信息,中国境内的PM2.5和O3浓度已可实现1公里级别的反演[30]、[31]。然而,在地形复杂或监测密度较低的农村地区,这类高分辨率模型的精度会明显下降,因为有限的地面观测数据制约了模型的泛化能力[32]。更为根本的问题是,目前的反演方法均基于单一污染物框架,这类框架无法有效描述PM2.5与O3之间复杂的物理化学相互作用,导致其决定系数R2值通常低于0.9,也无法计算出双向影响强度。因此,开展PM2.5与O3的联合反演工作,对于提升反演精度和确定双向影响强度至关重要,但目前尚缺乏1公里分辨率的此类模型。
为弥补这些缺陷,本研究提出了AlphaAir模型,这是一种基于深度学习的联合反演模型,能够以1公里分辨率对中国境内的PM2.5和MDA8 O3浓度进行同步反演,同时还能计算出二者之间的双向影响强度。具体而言,本研究旨在:(1)构建AlphaAir联合反演框架,该框架采用共享编码器与双分支结构,既能提取PM2.5和O3的共有特征,也能识别各自特有的特征,同时还引入了64维的AlphaEarth静态嵌入特征,用以评估这些特征对反演精度的贡献;(2)基于物理化学相互作用特征设计交互式调控模块,用于输出O3对PM2.5的影响强度、PM2.5对O3的影响强度以及双向影响指数,同时运用SHAP分析方法,量化各输入特征对两种污染物反演结果的贡献程度;(3)利用AlphaAir生成的反演数据,分析中国境内PM2.5和MDA8 O3的时空变化趋势及区域分布特征;(4)从空间分布与不对称性、时间变化规律、浓度阈值特征以及物理化学驱动因素四个方面,深入研究二者之间的双向影响强度特征。这些研究结果为评估PM2.5和O3共同暴露带来的健康影响,以及制定针对不同地区的环境协同控制政策,提供了重要的理论基础。

章节节选

研究区域

本研究区域为中国大陆,陆地面积约为960万平方公里。中国长期面临着PM2.5和O3污染问题。该国的地形从西部的高原和山脉逐渐过渡到东部的平原,气候则从北部的温带大陆性气候变为南部的亚热带季风气候。

数据来源

本研究共使用了五类数据(见表1):地面监测站观测数据、

交叉验证结果

在RDCV和SPCV两种评估指标下,AlphaAir模型的反演精度均很高(见图3)。在RDCV评估中,PM2.5的R2值为0.93,对应的均方根误差为8.17μg/m3,平均绝对误差为5.63μg/m3;MDA8 O3的R2值也为0.93,其均方根误差为11.24μg/m3,平均绝对误差为8.31μg/m3。在SPCV评估中,PM2.5和MDA8 O3的R2值分别为0.90和0.91,表明该模型在空间外推条件下仍保持稳定的精度。线性回归方程的斜率略低于1(PM2.5:0.84–0.87;MDA8 O3:0.84–0.85),说明其影响程度较为温和

结论

本研究提出了AlphaAir模型,这是一种基于深度学习的联合反演模型,能够实时反演2021年至2024年中国各地的PM2.5和MDA8 O3的日浓度值,并可量化二者之间的双向影响强度。主要研究结论如下:
  • a)
    AlphaAir模型在同时反演PM2.5和MDA8 O3浓度方面表现出极高的精度,其性能优于此前研究中的单一污染物反演模型。通过引入AlphaEarth特征,进一步提升了反演精度

CRediT作者贡献说明

郭海欣:论文撰写——审阅与编辑,研究指导。 王亚飞:论文撰写——审阅与编辑,研究指导,资金筹集。 丁乔:论文撰写——审阅与编辑,研究指导。 刘永春:论文撰写——审阅与编辑,资金筹集。 张世奇:方法设计,数据整理。 李云峰:论文撰写——审阅与编辑,研究指导。 肖超:论文初稿撰写,软件应用,方法设计,概念构思。 李启源:软件应用,定量分析。

利益冲突声明

所有作者声明,他们不存在任何可能影响本研究结果的已知财务利益关系或个人关系。

致谢

本研究得到了京津冀区域生态环境综合治理国家科技重大专项(2025ZD1204203 & 2025ZD1204204)以及国家自然科学基金(52470114)的支持。
肖超|李启源|张世奇|李云峰|丁乔|刘永春|郭海欣|王亚飞
北京石油化工学院机械工程学院,中国北京102617
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

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