《大气细颗粒物高精度暴露评估技术指南》

ICS11.080

CCS***

团体标准

T/SPMA00X—2026

大气细颗粒物高精度暴露评估技术指南

Technicalguidelineforhigh-precisionexposureassessmentofatmosphericfine

particulatematter

（征求意见稿）

2026-XX-XX发布XXXX-XX-XX实施

上海市预防医学会发布

T/SPMA00X—2026

1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

评估模型构建、模型验证与不确定性分析、评估结果生成与解读以及数据管理与共享的要求。

本文件适用于开展环境流行病学研究、人群健康风险评估、大气污染防治政策健康效益

评估以及环境健康领域的大数据平台构建与数据融合应用。本文件适用于从全国宏观尺度到

省、市及区县级精细化尺度的PM2.5暴露评估，支持生成小时、日、月及年均浓度等不同时

间分辨率的暴露数据。可参照本文件的其他大气污染物包括PM10、NO2、SO2、O3等，对

于挥发性有机物（VOCs）等组分复杂的污染物，参照执行时应谨慎。

4

T/SPMA00X—2026

2规范性引用文件

下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期

的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括

所有的修改单）适用于本文件。

GB3095—2012环境空气质量标准

HJ633—2012环境空气质量指数（AQI）技术规定（试行）

HJ664—2013环境空气质量监测点位布设技术规范（试行）

5

T/SPMA00X—2026

3术语和定义

下列术语和定义适用于本文件。

3.1

细颗粒物fineparticulatematter(PM2.5)

指环境空气中空气动力学当量直径小于等于2.5μm的颗粒物。

[来源：GB3095—2012，3.4]。

3.2

高精度暴露评估high-precisionexposureassessment

指利用多源大数据和模型算法，生成具有高时空分辨率（空间分辨率通常≤1km×1km，

时间分辨率达日或小时级）的污染物浓度分布，以精细化评估个体或群体暴露水平的过程。

3.3

化学传输模型chemicaltransportmodel(CTM)

指基于大气物理和化学过程的数值模型，通过模拟污染物在三维空间中的排放、输送、

扩散、化学反应和沉降过程，预测其时空分布。

3.4

气溶胶光学厚度aerosolopticaldepthAOD

指表征大气垂直柱中气溶胶（如颗粒物）对光线消减作用（散射和吸收）的无量纲物理

量。

3.5

土地利用回归landuseregressionLUR

指一种基于地理信息系统的统计建模方法，通过建立污染物监测点浓度与周边地理环境

预测变量之间的回归关系，预测非监测点的污染物浓度。

3.6

模型验证modelvalidation

指利用独立于模型训练集的观测数据，系统评估暴露评估模型预测性能、准确性和稳健

性的过程。

3.7

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

的暴露指标。

6

T/SPMA00X—2026

4数据收集与预处理

4.1一般要求

构建高精度PM2.5暴露评估模型应收集多源数据，包括地面监测数据、卫星遥感数据、

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

库前应进行质量检查与预处理。应充分评估不同数据来源（如地面监测与卫星反演）在精度、

时空分辨率及潜在偏差上的差异，制定相应的数据融合与校正策略。

4.2地面监测数据

4.2.1数据获取

应从国家或地方生态环境监测网络获取目标时间段内的PM2.5浓度数据（小时值或日均

值），并同步获取监测站点的元数据（包括站点名称、城市及唯一的经纬度坐标）。

4.2.2质量控制

地面监测数据的质量控制应符合下列要求：

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

障或校准期间的数据；

b)有效性审核：计算日均值时，应符合GB3095和HJ633关于数据有效性的规定（如

每日至少有20个小时有效数据）。对于无效的日均值，模型训练时应予以剔除。

4.2.3站点核准

应对监测站点的地理坐标进行核查。若站点坐标与实际位置存在明显偏差，应在数据融

合前进行修正，以确保与卫星、土地利用等空间数据的准确匹配。

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

变量。

注：常用的产品包括MODISMAIACAOD或VIIRSDeepBlueAOD等。

4.3.2数据处理

卫星数据的预处理应包括：

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

照率影响的低质量像元；

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

（如WGS84）。

4.4大气化学传输模型模拟数据

4.4.1数据来源

可采用WRF-Chem、GEOS-Chem、CMAQ等模型自主模拟，或使用公开发布的全球/

区域大气成分再分析数据集（如CAMS）。

4.4.2变量提取

应提取与地面监测高度对应的近地面层PM2.5模拟浓度。宜根据模型机制提取辅助变量

（如硫酸盐、硝酸盐等组分浓度、边界层高度），用于校正系统偏差。

7

T/SPMA00X—2026

4.5气象数据

4.5.1数据来源

应收集覆盖研究区域的时空连续的气象数据，宜优先选用高分辨率的气象再分析数据集

（如ERA5）。

4.5.2关键变量

提取的气象变量应至少包括：

a)边界层高度（PBLH）：表征污染物垂直扩散能力；

b)2米温度与相对湿度：影响化学反应速率及吸湿增长；

c)10米风速与风向：影响水平输送与扩散；

d)地表气压与总降水量：表征大气稳定性及湿沉降作用。

4.6土地利用与其他辅助数据

4.6.1数据类型

应收集能反映局地排放特征和地理环境的空间数据，包括但不限于：

a)土地利用/覆盖数据：如耕地、林地、建筑用地等类型；

b)道路交通网络：包含道路等级与长度信息；

c)数字高程模型（DEM）：提供海拔高度信息；

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

开的高精度网格化人口数据集（如WorldPop、LandScan）获取；

e)夜间灯光数据：表征人类活动强度。

4.6.2变量计算

应利用地理信息系统（GIS）技术，以监测站点或预测网格为中心，结合污染物扩散特

性，计算不同缓冲区半径（如1km、3km、5km）内的空间变量（如道路总长度、工业用

地占比等）。

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，应执行以下对齐步骤：

4.7.1空间对齐

a)定义网格：建立覆盖研究区域的统一标准网格（如1km×1km）；

b)重采样：将卫星AOD、气象数据、CTM数据等栅格数据，通过双线性插值或最邻

近插值法重采样至标准网格；

c)格网化：将土地利用等矢量数据计算为标准网格内的统计值。

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

间分辨率（如“日”）。涉及小时数据合成日均值时，应遵循相应的算术平均或加权平均规则。

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

输入数据集。数据集应包含：站点ID、时间、经纬度、PM2.5观测值（因变量）以及所有对

齐后的预测变量（自变量）。

8

T/SPMA00X—2026

5暴露评估模型构建

5.1模型选择

5.1.1基本原则

应根据研究区域范围、数据源特性及精度要求选择适宜的暴露评估模型。模型应能有效

捕捉PM2.5浓度与多源预测变量之间的复杂非线性关系。

5.1.2选择决策

应参照表1，综合考虑数据规模、时空分辨率需求、计算资源限制及模型可解释性要求，

选择最适用的模型类型。

表1模型选择决策指南

决策维度情形描述推荐模型类型典型代表

随机森林(RF)、梯度提升

数据量大、追求高预测精

高精度与大树

度（如R2）、需处理复杂机器学习模型

数据(XGBoost/LightGBM)、深

非线性关系

度神经网络(DNN)

具备CTM模拟数据、

机制融合与两阶段模型、机器学习校

需全覆盖无缝预测、关注混合模型

覆盖正CTM模型

物理化学传输机制

数据量较小、计算资源有土地利用回归(LUR)、地

小样本与解

限、需明确解释变量对浓统计模型理加权回归(GWR)、线性

释性

度的影响机制混合效应模型(LME)

5.1.3常用模型类型

a)机器学习模型：适用于多源大数据融合的高精度评估，具有强大的非线性拟合能力，

但对计算资源要求较高，且解释性相对较弱；

b)混合模型：结合了化学传输模型（CTM）的机制优势与机器学习的数据挖掘能力，

适用于大尺度、全覆盖的暴露评估；

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

质性归因的研究。

5.2变量筛选与处理

5.2.1共线性诊断

在模型训练前，应诊断预测变量间的多重共线性。

a)诊断指标：宜使用方差膨胀因子（VIF）或皮尔逊相关系数矩阵；

b)处理要求：对于VIF＞10（或严格设定为＞5）或高度相关的变量对，应根据专业知

识保留数据质量更优或机制解释更明确的变量，剔除冗余变量。

5.2.2变量重要性筛选

宜利用树模型内置的变量重要性评估功能（如基尼指数降低量、置换重要性）对变量进

行排序。应保留对PM2.5浓度贡献较大的变量构建最终模型，以降低计算成本并防止过拟合。

9

T/SPMA00X—2026

5.2.3缺失值处理

a)因变量（PM2.5观测值）：若地面监测站点的PM2.5观测数据缺失，应剔除该条记录，

不得用于模型训练或验证；

b)自变量（预测变量）：对于预测变量的缺失（如卫星AOD缺失），应采取以下措施：

——采用插值方法（如K-近邻插值、克里金插值）进行填补；

——或选用能够自动处理缺失值的机器学习算法（如XGBoost）。

5.3模型训练与参数优化

5.3.1数据集划分

为了客观评估模型的泛化能力，必须将整理好的数据集划分为独立的训练集和测试集。

a)划分比例：训练集宜占总数据的70%～80%，测试集占20%～30%；

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

致性。严禁使用测试集参与模型训练或参数调优。

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

性能。对于时空数据，推荐使用10-折交叉验证（10-CV）；

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

率等）进行调优。宜采用网格搜索（GridSearch）、随机搜索（RandomSearch）或贝叶斯优

化方法寻找最优参数组合。

5.3.3最终模型构建

在确定最优超参数组合后，应使用完整的训练集（包含所有交叉验证折的数据）重新训

练模型，生成最终的PM2.5暴露评估模型。

10

T/SPMA00X—2026

6模型验证与不确定性分析

6.1验证方法

为评价暴露评估模型的预测性能与泛化能力，应采用样本内交叉验证和样本外独立验证

相结合的方法。

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。

a)操作流程：将训练数据集随机划分为K个（通常K＝10）互不相交的子集。轮流

将其中1个子集作为验证集，其余K−1个子集作为临时训练集，重复K次。

b)时空交叉验证：针对具有强时空自相关性的数据，宜采用时空交叉验证策略，如“留

一站点交叉验证（Leave-One-Station-OutCV,LOSO-CV）”或“留一时间段交叉验证

（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

型性能的依据。

6.1.2样本外独立验证

在模型最终构建完成后，必须使用独立的测试数据集进行样本外验证。

a)独立性要求：测试集数据严禁参与之前的任何模型训练、变量筛选或参数调优过程。

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。核心评价指标及计算要求见表2。

表2模型性能核心评价指标

指标名称符号评价维度评价要求与说明

取值范围0～1，越接近1表明模型对PM2.5

决定系数R2拟合优度

浓度变异的解释能力越强。

SpatialR2

空间预测评估模型对PM2.5空间分布差异的解释能力，

空间决定系数/LOOCV

能力通常基于留一站点验证结果计算。

R2

值越小表示预测偏差越小，对大误差（异常值）

均方根误差RMSE预测精度

较敏感。

值越小表示预测精度越高，相较RMSE受极

平均绝对误差MAE预测精度

端值影响较小。

平均分数偏差MFB系统偏差理想值为0；正值表示高估，负值表示低估。

值越小表示总体误差越小，是经过标准化的总

平均分数误差MFE总体误差

体误差指标。

6.2.2指标计算公式

核心指标按下列公式计算：

a)决定系数（R2）：

11

T/SPMA00X—2026

()!

!∑�"−�"

�=1−!

∑(�"−�‾)

b)均方根误差（RMSE）：

#

1

����=(�−�)!

�""

"$%

式中，�"为观测值，�"为预测值，�‾为观测均值，�为样本量。

6.3不确定性分析

6.3.1不确定性来源分析

在报告暴露评估结果时，应识别并分析模型结果的不确定性来源，主要包括：

a)输入数据不确定性：分析由于地面监测仪器测量误差、卫星AOD反演算法误差、

化学传输模型（CTM）模拟偏差以及土地利用数据分类精度等引入的不确定性；

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

（如未能完全捕捉复杂非线性关系）所引入的偏差；

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，模型预测性能可能下降的风险；

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

地理区域时，应评估并说明潜在的外推风险。

6.3.2不确定性量化方法

建议采用以下方法对不确定性进行量化分析：

a)蒙特卡洛模拟（MonteCarloSimulation）：通过对输入变量进行多次随机抽样模拟，

评估输入数据误差对输出结果的传递效应；

b)自助法（Bootstrap）：通过对原始数据集进行有放回的重采样，构建多个模型并计算

预测值的置信区间；

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

间（如95%置信区间），以量化点估计的不确定性范围。

12

T/SPMA00X—2026

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

应构建覆盖全研究区域的标准化预测网格（如1km×1km）。网格中的预测变量（如

卫星AOD、气象参数、土地利用变量）处理方式、时空分辨率及变量结构应与模型训练阶

段保持完全一致。

7.1.2浓度预测

利用训练好的最终模型，将预测数据集作为输入，逐日、逐网格估算PM2.5浓度，生成

高时空分辨率的暴露浓度场。

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、季均或年均浓度场；

b)数据格式：暴露浓度场数据宜存储为通用的栅格数据格式（如GeoTIFF或NetCDF），

并包含完整的地理坐标参考系统信息（如WGS84）。

7.2人口暴露评估

7.2.1评估方法

为准确反映PM2.5污染对人群的总体健康风险，应结合高分辨率的人口分布数据计算人

口加权暴露浓度。

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下列公式计算计算：

#

∑"$%(�"×�")

�&'=#

∑"$%�"

式中：

3

�&'——区域人口加权暴露浓度，单位为微克每立方米（μg/m）；

3

�"——第i个网格的PM2.5预测浓度，单位为微克每立方米（μg/m）；

�"——第�个网格的人口数量，单位为人（person）；

�——该区域内网格的总数。

7.2.3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

场保持一致。

7.3结果呈现与报告

7.3.1结果可视化

暴露评估结果应通过地图和图表清晰呈现，要求如下：

a)空间分布图：绘制年均、季均或特定污染事件的PM2.5浓度空间分布图。地图要素应

齐全，包括标题、图例（色标应清晰反映浓度梯度）、比例尺和指北针；

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、

年度变化）；

13

T/SPMA00X—2026

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水平的分布特征。

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

人）的暴露水平差异，以揭示暴露不均等性。

7.3.2报告内容

技术报告应具备完整性，必须包含以下核心内容：

a)方法说明：详细描述数据来源、模型类型、变量筛选过程及参数设置；

b)性能评价：必须报告模型的验证结果，包括交叉验证和独立验证的R2、RMSE等关

键指标；

c)不确定性讨论：说明结果中潜在的不确定性来源及其对评估结论的影响。

7.4应用与注意事项

7.4.1应用领域

本文件生成的暴露评估结果适用于：

a)环境流行病学研究中的暴露量化；

b)区域或人群健康风险评估；

c)大气污染防治政策的健康效益评估；

d)环境公平性分析；

e)与暴露参数调查的整合：建议将本指南生成的网格化浓度场，与个体时间-活动模式

及呼吸参数相结合，进行更精细的个人吸入剂量评估。

7.4.2注意事项

在使用评估结果时，应注意以下限制：

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

外渗透率及个人时间-活动模式，该结果不能完全等同于个人实际吸入暴露量；

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。不宜将结果用于超微尺度的点位暴露评估；

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

集区，使用时应予以说明。

14

T/SPMA00X—2026

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

a)目录结构：项目文件应建立清晰、逻辑化的目录结构，宜将原始数据、处理后数据、

代码脚本、结果文件及文档说明分类存放；

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

行原地修改，所有处理操作应生成新的文件；

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

版本号信息，避免使用模糊词汇；

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

CSV等开放格式，以确保数据的互操作性。

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

历史，支持多方协作与版本回溯；

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

的方式。

8.2元数据管理

为确保数据集的可发现性、可访问性、可互操作性和可重用性，每项发布的核心数据集

均应配备独立的元数据文件。元数据内容应至少包括：

a)基本信息：数据集名称、摘要、创建者及联系方式；

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来源及获取方式；

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

文档；

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

含义进行详细说明；

f)坐标系统：明确数据所采用的地理坐标参考系统（如WGS84）；

g)使用许可：明确数据的共享许可协议及引用格式要求。

8.3数据安全与脱敏

8.3.1安全管理

应建立数据安全管理制度，对数据实行分级分类管理。对于涉及个人隐私或国家安全的

敏感数据，应采取加密存储、访问控制及日志审计等措施，防止数据泄露或滥用。

8.3.2数据脱敏

在数据共享或公开发布前，必须对以下敏感信息进行脱敏处理：

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

符，并对间接标识符进行泛化处理；

b)高精度监测坐标：对于未公开的详细监测站点坐标，宜进行随机偏移或格网化处理，

15

T/SPMA00X—2026

仅保留行政区划层级信息；

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

间聚合（如聚合至1km网格），以保护隐私。

8.3.3敏感区域管控

对于涉及军事管理区、特殊生态保护区、重点工业保密区等敏感区域的高精度暴露数据，

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

过高精度数据反演敏感地理信息。

8.4共享与发布

8.4.1共享内容

在完成数据脱敏并保障数据安全和知识产权的前提下，宜开放共享以下研究成果：

a)最终数据集：经由模型生成的、覆盖全研究区域的高精度PM2.5暴露浓度栅格数据；

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；

c)说明文档：配套的元数据及用户使用指南。

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

境监测数据共享服务平台、国家人口与健康科学数据中心或支持数据永久标识符（DOI）的

公共科学数据存储库；

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

来源并引用相关成果；

b)开放许可：发布者应为共享数据和代码声明清晰的开放许可协议，明确使用者复制、

修改、分发及商业利用的权利与义务。

16

T/SPMA00X—2026

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开数据源及其主要内容、更新频率

和获取途径，供使用者参考。

表A.1常用数据源列表

数据集/平台

数据类别更新频率主要内容/关键变量访问地址/获取途径

名称

全国城市空气质中国国家控点及部分省控点的

地面监测小时:18007/

量实时发布平台PM2.5小时及日均浓度数据。

国家生态环境监提供历史空气质量监测数据下

地面监测测数据共享服务每日/定期载，包括PM2.5、PM10等常规污/sssj/

平台染物。

NASAMODIS/气溶胶光学厚度（AOD）产品

卫星遥感VIIRSAOD每日（Level2或Level3），是反演/

ProductsPM2.5的核心参数。

Copernicus

全球大气成分再分析数据，提供

化学传输模