《Journal of Hazardous Materials Advances》：Assessing the impact of data fusion and data quality on spatiotemporal characteristics of exposure models and probability maps - a case study for hazardous mineral fibres
编辑推荐：
针对数据稀缺和模型构建缺乏标准方法的问题，研究人员采用GIS数据融合工作流，评估了数据类型、质量与融合方法如何影响暴露模型。该研究以美国El Dorado Hills地区为案例，分析结果显示模型输出与概率图对数据融合和分辨率决策高度敏感。这项研究为在数据受限条件下评估新兴污染物的环境暴露提供了可复现的分析框架，具有重要的方法论意义。
当我们呼吸的空气可能潜藏着致癌的微小纤维时，如何评估和预测人群的暴露风险，就成了一项既紧迫又棘手的科学挑战。这些有害的矿物纤维，如自然界存在的石棉（Naturally Occurring Asbestos, NOA）和毛沸石等，广泛分布于岩石和土壤中。一旦因人类活动（如施工、交通）或自然过程（如风化）被扰动，它们就会变成可吸入的空气悬浮颗粒。这些针状纤维能够深入肺部，引发炎症、氧化应激，最终可能导致肺纤维化、肺病乃至癌症。然而，与PM2.5、NO2等已被充分研究的大气污染物不同，针对这些新兴或未被充分认识的污染物，暴露模型研究严重滞后。其根本困境在于数据稀缺：直接监测数据稀少且零散，关于其分布、扩散和健康影响的基础知识有限，更缺乏构建可靠暴露模型所需的数据选择、整合与解析的标准化方法。在数据受限的现实中，研究人员如何能够构建有意义的暴露评估模型？数据质量的高低、不同来源数据的融合方式，又会在多大程度上影响最终的风险预测图景？这正是本研究试图回答的核心问题。
为了应对这一挑战，由Dacey Zelman-Fahm、Katarzyna Sila-Nowicka和Jennifer A. Salmond组成的研究团队，在《Journal of Hazardous Materials Advances》上发表了一项创新性研究。他们开发并应用了一个基于地理信息科学（Geographic Information Science, GIS）的可复现数据融合工作流，旨在系统评估数据融合选择如何影响模型输出。该研究没有试图在数据不足的情况下强行产生“已验证”的暴露估计值，而是转向探索一个更具方法论意义的命题：当可用的监测数据有限时，通过应用一个严谨、透明的工作流，我们能够了解到什么？特别是，模型的敏感性如何显现？未来的数据收集应重点针对哪些方面，才能最大程度地提升对模型输出的信心？
本研究主要采用了以下几种关键技术方法：首先，构建了一个系统的GIS数据融合工作流，该流程涵盖数据获取、处理、融合、建模到不确定性分析的全过程。其次，进行了广泛的数据处理与标准化，包括对历史纤维监测数据（来源于美国环保局2006年在El Dorado Hills的调查）进行清理、地理配准，并与多时空分辨率的环境数据集（如地质、土地利用、地形、气象等）进行整合。第三，应用了多种时空数据融合技术，包括空间叠加提取（Extraction）、聚合（Aggregation）、插值（Interpolation，如普通克里金法OK和反距离加权IDW）以及距离连接（Distance Joins）。第四，建立了多尺度空间数据库来管理异构数据。最后，采用普通最小二乘回归（Ordinary Least Squares, OLS）进行基准模型校准，并运用多标准评估（Multi-Criteria Evaluation, MCE）生成暴露概率图，同时进行了系统的敏感性分析，以检验不同数据假设和阈值选择对结果的影响。
4.1. 融合方法选择
研究发现，融合方法的选择显著改变模型的输出表面。例如，对比使用全部样本数据、单日数据或单一高粉尘活动场景数据进行插值所产生的纤维浓度空间分布图，结果显示预测的暴露热点和模式存在巨大差异。使用全部数据会平滑峰值，而聚焦于特定场景则能突出热点但可能低估其他区域的暴露。这揭示了融合决策（包括选择哪些样本、以何种频率收集）与插值方法本身同等重要，都会极大地改变预测浓度的显著性和空间格局。
4.2. 采样设计及其影响
通过“假设”实验模拟不同采样布局（如均匀网格、随机布点、靠近道路布点、干/湿季节调查），研究团队直观展示了仅改变采样点的空间和时间位置，就会产生明显不同的模拟纤维浓度连续表面。这证明，采样计划本身对概率图的影响不亚于任何数据融合决策。在实际约束下，一个可行的折衷方案是在疑似源附近保持较密的采样网格，并在干湿季节重复调查以捕捉极端情况。
4.3. 处理融合过程中的分类数据
研究遇到了整合不同类型数据的挑战，例如矿物样本分类是离散类别（如石棉存在/不存在），无法直接插值。为此，团队采用了区域统计（Zonal Statistics）等替代聚合方法，将点样本汇总到预定义多边形中并计算摘要值（如众数），再与其他图层进行融合。
4.4. 空间关系与融合方法
在评估基于距离的融合方法时，研究以棒球场堆（一个高活动的裸土区）作为纤维源为例，对比了从多边形中心点和最近边缘计算欧氏距离两种方式。结果表明，从边缘测量平均使距离缩短了39.79%，提供了更高的精度，因为纤维可以从面状源内的任何点扩散，而不仅是从其中心。
4.5. 时间分辨率与时间融合
时间融合是时空融合的核心，但El Dorado Hills数据集存在明显的时间不匹配问题：活动样本跟踪1-2小时区间，固定环境泵运行约8小时，而风速数据仅提供日均值。缺乏精确的时间戳使得风速与浓度数据之间的时间连接不可靠。日均值平滑了可能触发短时纤维扩散峰值的气流，即使一小时的错位也可能在条件快速变化时歪曲暴露估计。研究指出，优化采样频率只能解决一半问题，如果其他模型变量（如气象、地形）仍然粗糙，模型无论如何都会模糊或错放暴露潜力。
4.6. 空间分辨率对齐
模型输出受输入图层空间分辨率的制约。研究以地形数据为例，对比了500英尺、30英尺和10英尺不同分辨率的数字高程模型（DEM）及其生成的坡度图。粗分辨率网格会模糊地形特征，而精细网格能揭示可能引导风流或截留纤维的山脊、陡坡和山谷。模型精度在输入分辨率与相关过程尺度匹配时得到改善，但每次分辨率提升都意味着更大的数据处理和计算需求。
4.7. 分辨率优化及其对暴露概率绘图的影响
初始敏感性分析中使用粗糙的土地利用数据（2006年NLCD，30米分辨率）导致预测性能低下，仅能解释14.6%的方差。通过手动数字化历史航空影像获取更精细的土地利用数据后，模型的R2提升至0.311。进一步细化到活动级别（如填充的运动场与周围未扰动土壤）的数据更好地表示了纤维更可能释放的区域。这证明，当模型使用在空间尺度和行为现实上更接近暴露情况的土地利用数据时，准确性得到提高。
4.8. 阈值选择的敏感性
通过对风速阈值（>2, >5, >8 mph）进行敏感性分析，研究发现参数选择会显著改变危险区域的边界。较低的阈值（2 mph）会产生更大的中风险区域，而较高的阈值（8 mph）则产生较小的区域。这说明了阈值不确定性如何在暴露潜力图中传递，强调了结果解读需谨慎，不应将其视为确定的风险边界。
4.9. 时间条件及其对暴露绘图的影响
研究还考察了 temporal 环境条件的影响，特别是干湿条件。当模型在干燥条件下运行时，高粉尘区域显示出广泛的中等概率暴露区；而在模拟湿润条件下，与粉尘相关的土地利用权重被降低，整个区域的风险等级降低。这凸显了环境条件的 temporal 变化会显著改变暴露概率的评估结果。
4.10. 数据可用性限制
研究面临的主要挑战是获取高质量的纤维浓度数据集。许多涉及有害矿物纤维的项目因担心公众反应而被保密，限制了数据获取。即使获得了数据，如El Dorado Hills的历史数据集，也存在着数据不一致、空间覆盖不均匀、样本聚集、缺乏GPS坐标和详细时间戳等问题，给清理、标准化和空间化带来了巨大困难，导致部分有价值的数据不得不被排除。
4.11. 框架整合
综合以上结果，研究表明暴露概率表面对数据融合和基础数据质量高度敏感。采样设计、空间分辨率的微小变化，或粗糙的土地利用、气象输入，都可能导致区域的风险等级被重新划分，或掩盖短时峰值。因此，暴露概率应根据创建它们时所使用的假设和数据来解读。该框架的产出最好被视为比较性诊断工具，用以揭示模型对数据和方法决策的敏感性，从而为确定未来数据收集和模型改进的优先级提供依据。
本研究的主要结论在于其方法论的贡献。研究表明，模型性能和概率图都对数据融合与分辨率决策高度敏感。输入图层的细化或补充能够改善模型输出，即使使用相同的基础数据，不同的融合方法也会导致预测暴露模式的显著差异。这些结果突出了数据质量与预测暴露空间格局之间复杂的相互作用。
在数据受限的条件下，这项研究并未旨在提供经过验证的暴露估计值，而是展示了一个可复现的工作流如何帮助解释混乱、不完整和不一致的数据。通过测试不同的采样布局、时空分辨率和融合决策，研究清晰地表明，数据的收集和处理方式直接塑造了模型输出。框架通过整合数据清理、融合和分辨率优化，评估了建模选择如何传递到暴露模型行为中。因此，生成的暴露概率图应被理解为揭示数据和方法决策敏感性的比较诊断工具，为确定未来数据收集和模型细化的优先顺序提供了基础。
该研究的意义在于为评估新兴污染物（尤其是有害矿物纤维）的环境暴露提供了一个实用且可适应的分析框架。它强调了在数据稀缺领域，透明化和方法论严谨性的重要性。研究指出的未来方向包括：标准化现场协议以确保数据可比性；采用结合扩散模型和土地利用回归的混合建模框架以更好地捕捉变异性；以及降低技术和实践壁垒，如扩大数据访问、开发保护隐私的空间分析工具等，以促进该框架在公共机构和非技术用户中的广泛应用。最终，这项工作为推动在数据挑战严峻的领域进行更稳健、更可靠的暴露评估迈出了关键的一步。
