《Journal of Hazardous Materials Advances》：Assessing Relative Population Exposure and Non-Carcinogenic Health Risks of PM
2.5 in Tehran Through Machine Learning, Satellite Observations, and Uncertainty Analysis
编辑推荐：
本研究针对德黑兰PM2.5空间分布精准估算难题，创新融合MODIS气溶胶光学厚度（AOD）数据与梯度提升机（GBM）模型，构建1公里分辨率污染图谱。研究发现中心城区相对暴露风险（RER）达"相对危险"级别，蒙特卡洛模拟揭示采用WHO指南（RfC=5μg/m3）时危害商数（HQ）超限概率近100%。该研究为高污染城市精准化健康风险管理提供方法论范式。
在空气污染持续威胁全球公共健康的背景下，细颗粒物PM2.5因其可深入肺泡并进入血液循环的特性，成为引发心血管疾病、呼吸系统病变的关键风险因子。德黑兰作为全球污染最严重的特大城市之一，长期面临PM2.5浓度超标挑战，但传统地面监测网络稀疏性限制了精准暴露评估。以往研究多依赖有限站点插值，难以捕捉城市内部污染梯度与人口动态的复杂交互，更缺乏结合高分辨率遥感与不确定性分析的综合性健康风险评估框架。
为突破此局限，伊朗医科大学环境健康技术研究中心的Majid Kermani团队在《Journal of Hazardous Materials Advances》发表研究，首次将1公里分辨率中分辨率成像光谱仪（MODIS）气溶胶光学厚度（AOD）数据与梯度提升机（GBM）机器学习模型相结合，构建2010-2021年德黑兰PM2.5时空分布图谱。通过整合相对暴露风险（RER）模型与危害商数（HQ）评估框架，并采用10,000次迭代的蒙特卡洛模拟量化不确定性，系统解析了22个行政区的健康风险格局。
关键技术方法涵盖：基于33个地面监测站PM2.5数据与MAIAC算法反演的AOD数据，耦合湿度、风速等气象参数构建季节性GBM模型；采用相对暴露风险模型融合人口密度栅格数据；运用三套参考浓度（RfC=5/15/35μg/m3）计算非致癌健康风险，并通过蒙特卡洛模拟解析参数不确定性。
4.1. 地面观测PM2.5浓度
2011-2021年期间德黑兰年均PM2.5浓度达31.27μg/m3，显著超过WHO年度指南（5μg/m3）6倍。月度数据揭示冬季污染峰值特征，2020年12月浓度高达53.38μg/m3，体现寒冷季节逆温层对污染物累积的放大效应。
4.2. 机器学习估算PM2.5
季节性GBM模型验证显示优异预测能力，相关系数冬季最高（R=0.87），夏季稍弱（R=0.74）。变量重要性分析表明湿度与风速为最具影响力气象因子，而降水因德黑兰半干旱气候特征贡献度最低。模型成功捕捉到北部高海拔区域浓度（21-28μg/m3）显著低于南部工业区（34-44μg/m3）的空间分异。
4.3. 估算PM2.5的空间格局
2010-2020年时空演变显示污染热点向中心城区与东部转移，西部区域改善明显。地形分析揭示阿尔布尔兹山脉围合的盆地地形导致南部低洼地区更易累积污染物，配合老旧机动车队与工业布局，共同塑造"北低南高"的污染地理格局。
4.4. 相对暴露风险评估
通过相对风险指数（Qi）量化显示，尽管超三分之二城区属安全范围，但人口密集的中心行政区（第6、7、10-12区）风险等级达"相对危险"。风险分布与人口密度空间耦合性显著，揭示城市内部环境正义问题。
4.5. 非致癌健康风险评估
采用多基准参考浓度评估发现：当使用监管标准（RfC=35μg/m3）时，全区危害商数（HQ=0.84-0.98）均低于阈值；但采用WHO年度指南（RfC=5μg/m3）时，HQ骤升至5.91-6.84。蒙特卡洛模拟进一步揭示，即使采用宽松标准，HQ超限概率仍达29-43%，而基于WHO标准时概率接近100%，表明传统风险评估可能严重低估实际健康威胁。
研究结论强调PM2.5健康风险评价高度依赖参考浓度选择，中心城区持续呈现高风险特征。通过机器学习与卫星遥感融合框架，研究实现了传统监测网络难以达成的高精度暴露评估，其不确定性量化方法为高风险区域精准干预提供科学依据。未来研究需整合排放清单与社会经济数据，以解析污染源贡献度与人群脆弱性交互机制。该成果对全球高污染城市的健康风险治理具有方法论借鉴意义，尤其为缺乏密集监测网络的发展中城市提供可推广的技术范式。
