《大气细颗粒物高精度暴露评估技术指南》标准征求意见稿

2 3 4 5 6 7 9 3本文件主要起草人：陈仁杰、阚海东、高亚、班41适用范围本文件规定了大气细颗粒物（PM2.5）高精度时空暴露评估的数据收集与预处理、暴露52规范性引用文件HJ633—2012环境空气质量指数（AHJ664—2013环境空气质量监测点63术语和定义细颗粒物fineparticulatematter(PM2.5)高精度暴露评估high-precisionexposureassessment化学传输模型chemicaltransportmodel(CTM)气溶胶光学厚度aerosolopticaldepthAOD土地利用回归landuseregressionLUR模型验证modelvalidation人口加权暴露population-weightedexposure指将特定区域网格内的污染物浓度预测值与其相应的人口数量进行加权平均计算得出74数据收集与预处理4.1一般要求大气化学传输模型（CTM）模拟数据、气象数据以及土地利用等辅助数据。所有数据在入时空分辨率及潜在偏差上的差异，制定相应的数4.2地面监测数据4.2.1数据获取4.2.2质量控制a)异常值剔除：应剔除负值、极高值等超出物理意义范围的记录，以及标记为仪器故4.2.3站点核准合前进行修正，以确保与卫星、土地利用等空4.3卫星遥感数据4.3.1产品选择应选择时空分辨率较高、反演算法成熟的气溶胶光学厚度（AOD）产品作为核心预测注：常用的产品包括MODISMAIACAOD或VIIRSDeepBlueAOD等。4.3.2数据处理a)质量筛选：应依据产品说明文档中的质量保证标识，剔除受云层、积雪、高地表反b)拼接与重投影：应将覆盖研究区域的影像进行拼接，并统一转换为标准地理坐标系4.4大气化学传输模型模拟数据4.4.1数据来源4.4.2变量提取84.5气象数据4.5.1数据来源4.5.2关键变量4.6土地利用与其他辅助数据4.6.1数据类型a)土地利用/覆盖数据：如耕地、林地、d)人口分布数据：提供高分辨率的人口密度信息，可从统计年鉴、人口普查数据或公4.6.2变量计算应利用地理信息系统（GIS）技术，以监测4.7数据时空对齐与整合为构建适用于模型训练的“时空-样本”数据集4.7.1空间对齐b)重采样：将卫星AOD、气象数据、c)格网化：将土地利用等矢量数据计算为标准4.7.2时间对齐将所有具有时间维度的预测变量（卫星、气象、CTM）与地面监测数据统一至目标时4.7.3数据匹配依据“站点-日期”键值，提取每个地面监测记录对应的时空协变量，生成结构化的模型95暴露评估模型构建5.1模型选择5.1.1基本原则捕捉PM2.5浓度与多源预测变量之间的复杂5.1.2选择决策表1模型选择决策指南高精度与大2树机制融合与具备CTM模拟数据、两阶段模型、机器学习校小样本与解5.1.3常用模型类型c)统计模型：结构简单、计算快捷且结果易于解释，适用于样本量较少或强调空间异5.2变量筛选与处理5.2.1共线性诊断a)诊断指标：宜使用方差膨胀因子（VIF）或皮尔5.2.2变量重要性筛选5.2.3缺失值处理——采用插值方法（如K-近邻插值、克里金插值）进行填补；5.3模型训练与参数优化5.3.1数据集划分b)划分方式：应采用随机抽样方式划分，并确保训练集与测试集在时空分布上具有一5.3.2交叉验证与超参数调优a)交叉验证：在训练集内部应采用K-折交叉验证（K-FoldCross-Validation）评估模型b)超参数调优：应针对机器学习模型的关键超参数（如决策树数量、最大深度、学习5.3.3最终模型构建6模型验证与不确定性分析6.1验证方法6.1.1样本内交叉验证在模型训练与参数优化阶段，应采用K折交叉验证（K-FoldCross-Validation）方法。将其中1个子集作为验证集，其余K−1（Leave-Time-OutCV）”,以避免因时空临近导致的过拟合高估。b)结果计算：计算K次验证结果的平均值，以此作为优选模型超参数或比较不同模6.1.2样本外独立验证b)验证目标：评估模型在未见时空点上的预测精度，以反映模型的真实泛化能力。6.2性能评价指标6.2.1核心指标应计算多种统计指标以综合评价模型的预测性能。核心评价指标及表2模型性能核心评价指标R2取值范围0～1，越接近1表明模型对PM2.5R2空间预测值越小表示预测精度越高，相较RMSE受极值越小表示总体误差越小，是经过标准化的总6.2.2指标计算公式b)均方根误差（RMSE6.3不确定性分析6.3.1不确定性来源分析a)输入数据不确定性：分析由于地面监测仪器测量误差化学传输模型（CTM）模拟偏差以及土地利用数据分类精度b)模型结构不确定性：分析由于统计模型或机器学习算法对现实物理化学过程的简化c)空间代表性不确定性：分析由于监测站点空间分布不均（如城镇密集、农村稀疏）导致的预测偏差。应特别关注在远离监测站点的区域，d)时空外推风险：当将模型应用于训练数据覆盖范围之外的时间段（如历史反演）或6.3.2不确定性量化方法c)分位数回归或预测区间：利用分位数回归森林等算法，直接输出预测结果的置信区7暴露评估结果生成与解读7.1暴露浓度场生成7.1.1预测数据集准备卫星AOD、气象参数、土地利用变量）处理方式、时空分辨率及变7.1.2浓度预测7.1.3结果聚合与输出a)时间聚合：根据研究需求，可将日均浓度场聚合为月均、季7.2人口暴露评估7.2.1评估方法7.2.2计算公式特定行政区域（如省、市、区县）内的人口加权暴露浓度按Cp'——区域人口加权暴露浓度，单位为微克每立方米(μg/m3i——第i个网格的PM2.5预测浓度，单位为微克每立方米(μg7.2.3数据要求计算所用的人口分布栅格数据（如WorldPop,LandScan）的空间分辨率应与PM2.5浓度7.3结果呈现与报告7.3.1结果可视化b)时间序列图：绘制重点区域人口加权暴露浓度的主要时间变化趋势（如月度变化、c)统计图表：宜使用箱线图、直方图等展示不同区域或人群暴露d)分组统计图：宜展示不同人口学特征（如年龄、性别）或敏感群体（如儿童、老年7.3.2报告内容b)性能评价：必须报告模型的验证结果，c)不确定性讨论：说明结果中潜在的不确定性来源及其对7.4应用与注意事项7.4.1应用领域b)区域或人群健康风险评估；e)与暴露参数调查的整合：建议将本指南7.4.2注意事项a)室外与个人暴露的差异：本评估结果代表室外环境浓度。由于未考虑室内源、室内b)空间尺度限制：网格化结果代表网格内的平均浓度，无法反映网格内部微环境（如交通干道旁与公园内部）的精细差异。不宜将结果用c)外推风险：在监测站点稀疏的偏远地区，模型预测结果的不确定性通常高于站点密8数据管理与共享8.1数据存储与版本控制8.1.1存储规范b)读写权限：应严格区分原始数据与过程数据。原始数据应设置为只读状态，严禁进c)文件命名：应制定统一的命名规则。文件名宜包含数据内容、时空分辨率、日期及d)存储格式：栅格数据宜采用GeoTIFF或NetCDF等通用格式；表格数据宜采用8.1.2版本控制a)代码管理：应对数据处理脚本、模型训练代码及分析代码实施版本控制，追踪变更b)数据备份：应定期对关键数据和代码进行备份，宜采用本地存储与网络存储相结合8.2元数据管理a)基本信息：数据集名称、摘要、创b)时空范围：数据覆盖的地理区域（如经纬度范围）和时间跨度；c)数据来源：列出生成该数据集所使用的所有原始数据d)处理方法：简要描述数据处理流程、模型构建方法及验证结果，或引用相关的技术e)数据字典：对数据文件中每个变量（字段）的名称、单位、数据类型、取值范围及f)坐标系统：明确数据所采用的地理坐标参考系8.3数据安全与脱敏8.3.1安全管理敏感数据，应采取加密存储、访问控制及日志审计等措施，8.3.2数据脱敏a)个人关联数据：涉及个体调查时，必须去除姓名、身份证号、具体住址等直接标识c)高分辨率人口数据：在发布极高分辨率（如建筑物级别）的人口数据时，宜进行空8.3.3敏感区域管控在发布前应进行安全评估。必要时应进行空间掩膜（Masking）或降低分辨率处理，避免通8.4共享与发布8.4.1共享内容b)核心代码：用于数据预处理、模型构建及结果分析的关键代码脚本；8.4.2发布渠道a)数据发布：应选择安全、稳定且支持权限管理的共享平台。推荐上传至国家生态环b)代码发布：代码宜通过公开的代码托管平台进行发布与维护。8.4.3引用与许可a)引用要求：发布的数据和代码应提供明确的引用格式。使用者在应用数据时应注明附录A（资料性附录）常用数据源列表及获取方式本附录列出了PM2.5高精度暴露评估中常用的公表A.1常用数据源列表数据类别数据集/平台名称更新频率主要内容/关键变量访问地址/获取途径全国城市空气质中国国家控点及部分省控点的测数据共享服务提供历史空气质