DOI: https://doi.org/10.1038/s41598-026-37934-9
PMID: https://pubmed.ncbi.nlm.nih.gov/41882001
تاريخ النشر: 2026-03-25
المؤلف: Vivek Singh وآخرون
الموضوع الرئيسي: مراقبة جودة الهواء وتوقعاته
نظرة عامة
تقدم هذه الدراسة إطار عمل لتعلم الآلة الجماعي يهدف إلى تقدير تركيزات PM 2.5 في حوض الهند وجانج. تظهر الدراسة أن نموذج التكديس عزز بيانات MERRA-2 بشكل فعال، مما أدى إلى زيادة معامل التحديد ($R^2$) من 0.79 إلى 0.82 وتقليل خطأ الجذر التربيعي المتوسط (RMSE) من 27 إلى 31 ميكروغرام لكل متر مكعب. نجح مجموعة البيانات المحسنة في التقاط ذروات التلوث خلال فترات ما بعد الرياح الموسمية وفصول الشتاء، فضلاً عن الانخفاض في مستويات PM 2.5 خلال الرياح الموسمية.
استخدم التقييم المتكامل عشر سنوات من القياسات الأرضية من مجلس مراقبة التلوث المركزي (CPCB)، وإعادة تحليل MERRA-2، ونماذج تعلم الآلة، وتحليل المسار الجوي. تشير النتائج إلى أن بيانات MERRA-2 الخام كانت تقدر باستمرار تركيزات PM 2.5 بشكل أقل. بالإضافة إلى ذلك، كشفت تجمعات المسار وتحليل المسار الموزون بالتركيز (CWT) عن المناطق المصدر الرئيسية التي تسهم في ارتفاع مستويات PM 2.5 في المدن الكبرى مثل دلهي، ولكناو، وكانبور، وباتنا، مما يبرز أهمية مصادر التلوث المحلية في المنطقة.
مقدمة
تسلط المقدمة الضوء على القضية الحرجة للمواد الجسيمية الدقيقة (PM 2.5) كملوث رئيسي للهواء له آثار عميقة على صحة الإنسان والأنظمة البيئية والمناخ. يمكن لجسيمات PM 2.5، التي لها أقطار هوائية أقل من 2.5 ميكرومتر، أن تخترق أنسجة الرئة وتدخل مجرى الدم، مما يؤدي إلى مشاكل صحية خطيرة مثل الأمراض التنفسية وأمراض القلب والأوعية الدموية، والاضطرابات العصبية، وزيادة خطر الوفاة المبكرة.
ما يثير القلق بشكل خاص هو حوض الهند وجانج (IGB) في جنوب آسيا، الذي يشمل مدنًا ذات كثافة سكانية عالية وصناعية مثل دلهي، ولكناو، وكانبور، وباتنا. شهدت هذه المنطقة زيادات كبيرة في مستويات PM 2.5، تفاقمت بسبب أنشطة بشرية متنوعة. يتم تقييم تركيزات PM 2.5 مقابل معايير جودة الهواء الوطنية (NAAQS) في الهند وإرشادات جودة الهواء لمنظمة الصحة العالمية (WHO). تشمل المساهمات الرئيسية في PM 2.5 في IGB انبعاثات من المركبات، والأنشطة الصناعية، وحرق الفحم، واحتراق الكتلة الحيوية، مما يبرز الحاجة الملحة لاستراتيجيات فعالة لإدارة جودة الهواء في هذه المنطقة العابرة للحدود.
طرق
تحدد قسم المنهجية تصميم البحث والتقنيات التحليلية المستخدمة في الدراسة. يوضح اختيار مصادر البيانات، التي تشمل كل من مجموعات البيانات الأولية والثانوية ذات الصلة بأسئلة البحث. تستخدم الدراسة طرقًا كمية، حيث يتم استخدام التحليلات الإحصائية لاستخلاص رؤى من البيانات المجمعة. يتم تسليط الضوء على تقنيات محددة، مثل تحليل الانحدار واختبار الفرضيات، لتقييم العلاقات بين المتغيرات والتحقق من النتائج.
تُوصف مصادر البيانات بدقة، مما يشير إلى المعايير للاختيار وأهمية كل مجموعة بيانات لأهداف البحث. يبرز القسم أهمية نزاهة البيانات وموثوقيتها، مما يضمن أن التحليلات تستند إلى معلومات قوية وموثوقة. بشكل عام، تم تصميم المنهجية لتوفير إطار شامل للتحقيق في فرضيات البحث، مما يسهل فحصًا دقيقًا للظواهر الأساسية.
مناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على المساهمات الكبيرة في تلوث PM 2.5 في حوض الهند وجانج (IGB)، بما في ذلك الطهي المنزلي، وغبار الطرق، وأنشطة البناء، وحرق بقايا الزراعة، خاصة خلال فترة ما بعد الرياح الموسمية. تؤدي الظروف الجوية، مثل سرعات الرياح المنخفضة والانقلابات الحرارية، إلى تفاقم الوضع من خلال حبس الملوثات بالقرب من السطح، مما يؤدي إلى فترات طويلة من جودة الهواء السيئة. يراقب مجلس مراقبة التلوث المركزي (CPCB) مستويات PM 2.5 من خلال شبكة من محطات مراقبة جودة الهواء المستمرة (CAAQMS)، لكن التغطية غير متساوية، خاصة في المناطق شبه الحضرية والريفية. لمعالجة هذه الفجوة، تستخدم الدراسة الملاحظات الساتلية وبيانات تحليل MERRA-2 الحديثة، على الرغم من أن قيود MERRA-2 في الدقة المكانية وفرضيات النموذج تتطلب دمج تقنيات تعلم الآلة (ML) لتحسين تقدير PM 2.5.
تؤكد الدراسة على أهمية دمج المتغيرات الجوية جنبًا إلى جنب مع مكونات الهباء الجوي لتعزيز دقة النموذج. من خلال استخدام نموذج المسار المتكامل للجزء الفردي الهجين (HYSPLIT) لتحليل نقل الكتلة الهوائية، تحدد البحث أصول ومسارات الكتل الهوائية الملوثة، والتي تعتبر حاسمة لفهم تباين PM 2.5. تكشف النتائج أن نماذج تعلم الآلة، وخاصة نهج التكديس الجماعي، تتفوق بشكل كبير على MERRA-2 في توقع مستويات PM 2.5، مما يلتقط الذروات الموسمية ويقلل من التقديرات المنهجية. توضح تحليلات تجمع المسار وتحليل المسار الموزون بالتركيز (CWT) الديناميات النقل ومساهمات المصدر في PM 2.5، مما يبرز الحاجة إلى استراتيجيات تخفيف محددة للمدن مصممة وفقًا لملفات الانبعاثات المحلية. بشكل عام، توفر الدراسة إطارًا شاملاً لتقييم وإدارة جودة الهواء في IGB، من خلال دمج القياسات الأرضية، وبيانات إعادة التحليل، وتقنيات النمذجة المتقدمة.
DOI: https://doi.org/10.1038/s41598-026-37934-9
PMID: https://pubmed.ncbi.nlm.nih.gov/41882001
Publication Date: 2026-03-25
Author(s): Vivek Singh et al.
Primary Topic: Air Quality Monitoring and Forecasting
Overview
This research presents an ensemble machine learning framework aimed at estimating PM 2.5 concentrations in the Indo Gangetic Basin (IGB). The study demonstrates that a stacking model effectively enhanced MERRA-2 data, resulting in an increase in the coefficient of determination ($R^2$) from 0.79 to 0.82 and a reduction in root mean square error (RMSE) from 27 to 31 µg m⁻³. The improved dataset successfully captured pollution peaks during the post-monsoon and winter seasons, as well as the decline in PM 2.5 levels during the monsoon.
The integrated evaluation utilized ten years of ground measurements from the Central Pollution Control Board (CPCB), MERRA-2 reanalysis, machine learning models, and atmospheric trajectory analysis. Findings indicate that the raw MERRA-2 data consistently underestimated PM 2.5 concentrations. Additionally, trajectory clustering and Concentration Weighted Trajectory (CWT) analysis revealed the primary source regions contributing to elevated PM 2.5 levels in major cities such as Delhi, Lucknow, Kanpur, and Patna, highlighting the significance of local pollution sources in the region.
Introduction
The introduction highlights the critical issue of fine particulate matter (PM 2.5) as a major air pollutant with profound implications for human health, ecosystems, and climate. PM 2.5 particles, which have aerodynamic diameters less than 2.5 micrometres, can penetrate lung tissue and enter the bloodstream, leading to serious health problems such as respiratory and cardiovascular diseases, neurological disorders, and an increased risk of premature death.
Particularly concerning is the Indo-Gangetic Basin (IGB) in South Asia, which includes densely populated and industrialized cities like Delhi, Lucknow, Kanpur, and Patna. This region has experienced significant increases in PM 2.5 levels, exacerbated by various human activities. The concentrations of PM 2.5 are assessed against the National Ambient Air Quality Standards (NAAQS) of India and the World Health Organization (WHO) air quality guidelines. Major contributors to PM 2.5 in the IGB include emissions from vehicles, industrial activities, coal burning, and biomass combustion, highlighting the urgent need for effective air quality management strategies in this transboundary area.
Methods
The methodology section outlines the research design and analytical techniques employed in the study. It details the selection of data sources, which include both primary and secondary datasets relevant to the research questions. The study utilizes quantitative methods, employing statistical analyses to derive insights from the collected data. Specific techniques, such as regression analysis and hypothesis testing, are highlighted to assess relationships between variables and to validate the findings.
Data sources are meticulously described, indicating the criteria for selection and the relevance of each dataset to the research objectives. The section emphasizes the importance of data integrity and reliability, ensuring that the analyses are based on robust and credible information. Overall, the methodology is designed to provide a comprehensive framework for investigating the research hypotheses, facilitating a rigorous examination of the underlying phenomena.
Discussion
The discussion section of the research paper highlights the significant contributors to PM 2.5 pollution in the Indo-Gangetic Basin (IGB), including household cooking, road dust, construction activities, and agricultural residue burning, particularly during the post-monsoon season. Meteorological conditions, such as low wind speeds and temperature inversions, exacerbate the situation by trapping pollutants near the surface, leading to prolonged periods of poor air quality. The Central Pollution Control Board (CPCB) monitors PM 2.5 levels through a network of Continuous Ambient Air Quality Monitoring Stations (CAAQMS), but coverage is uneven, particularly in semi-urban and rural areas. To address this gap, the study employs satellite observations and the Modern-Era Retrospective Analysis for Research and Applications, Version 2 (MERRA-2) data, although MERRA-2’s limitations in spatial resolution and model assumptions necessitate the integration of machine learning (ML) techniques for improved PM 2.5 estimation.
The study emphasizes the importance of incorporating meteorological variables alongside aerosol components to enhance model accuracy. By utilizing the Hybrid Single-Particle Lagrangian Integrated Trajectory (HYSPLIT) model for air-mass transport analysis, the research identifies the origins and pathways of polluted air masses, which are crucial for understanding PM 2.5 variability. The findings reveal that machine learning models, particularly a stacking ensemble approach, significantly outperform MERRA-2 in predicting PM 2.5 levels, capturing seasonal extremes and reducing systematic underestimations. The trajectory cluster and Concentration Weighted Trajectory (CWT) analyses further elucidate the transport dynamics and source contributions to PM 2.5, underscoring the need for city-specific mitigation strategies tailored to local emission profiles. Overall, the study provides a comprehensive framework for assessing and managing air quality in the IGB, integrating ground measurements, reanalysis data, and advanced modeling techniques.