DOI: https://doi.org/10.1038/s41598-026-39305-w
PMID: https://pubmed.ncbi.nlm.nih.gov/41656328
تاريخ النشر: 2026-02-08
المؤلف: Wei‐Han Lin وآخرون
الموضوع الرئيسي: كيمياء الغلاف الجوي والهباء الجوي
نظرة عامة
يتناول هذا القسم من ورقة البحث دمج بيانات الأقمار الصناعية الثابتة، وبشكل خاص من جهاز قياس البيئة الثابتة (GEMS)، مع بيانات المراقبة الأرضية والبيانات الجوية لتعزيز مراقبة جودة الهواء في تايوان. استخدمت الدراسة نموذج تعزيز التدرج متعدد المخرجات (CatBoost) للتنبؤ بتركيزات ستة ملوثات هوائية رئيسية: الجسيمات الدقيقة (PM₂.₅ و PM₁₀)، الأوزون (O₃)، ثاني أكسيد النيتروجين (NO₂)، أول أكسيد الكربون (CO)، وثاني أكسيد الكبريت (SO₂). أظهر النموذج قدرات تنبؤية قوية، حيث حقق قيم R² تتراوح بين 0.52 و 0.86 لمختلف الملوثات وقيم خطأ مطلق متوسط (MAE) تتراوح بين 0.06 و 9.40. ومن الجدير بالذكر أن توقعات O₃ كانت مستقرة بشكل خاص، مما يدل على قوة النموذج.
تؤكد الاستنتاجات على فعالية الإطار المقترح في تقديم توقعات دقيقة وفي الوقت الحقيقي للملوثات الهوائية، متجاوزة أداء النماذج الحالية المعتمدة على GEMS. وقد تم التحقق من موثوقية النموذج من خلال نهج التنبؤ المتداول في التطبيقات العملية. تسلط النتائج الضوء على إمكانية الاستفادة من بيانات عالية الدقة ومتعددة المصادر وتقنيات التعلم الآلي المتقدمة لتعزيز مراقبة جودة الهواء، مما يمكن أن يؤثر على سياسات الصحة العامة وتقييمات مخاطر التعرض ليس فقط في تايوان ولكن أيضًا في مناطق أخرى.
الطرق
يستعرض قسم “الطرق” تصميم التجربة والتقنيات التحليلية المستخدمة في الدراسة. استخدم الباحثون نهجًا كميًا، حيث قاموا بإجراء تحليلات إحصائية لتقييم البيانات المجمعة من تجارب مختلفة. شملت المنهجيات المحددة تجارب محكومة لعزل المتغيرات ذات الاهتمام، تلتها تطبيق تحليل الانحدار لتحديد العلاقات بين هذه المتغيرات.
بالإضافة إلى ذلك، دمجت الدراسة تقنيات حسابية متقدمة لنمذجة الظواهر قيد التحقيق. شمل ذلك استخدام أدوات البرمجيات لتصور البيانات والمحاكاة، مما سمح بفهم شامل للآليات الأساسية. تم التحقق من الطرق بدقة من خلال التجارب المتكررة ومراجعة الأقران، مما يضمن موثوقية النتائج وقابليتها للتكرار.
النتائج
يسلط قسم النتائج الضوء على التقدم الكبير في توقع جودة الهواء، خاصة من خلال تطوير نماذج توقع متعددة الملوثات. ومن الجدير بالذكر أن وونغ وآخرين (2024) قدموا نموذج تجميع Geo-AI الذي حقق قيم $R^2$ عالية بلغت 0.95 و 0.93 لتوقعات تركيز PM 2.5 خلال ساعات الذروة الصباحية والمسائية في تايوان، على التوالي. على الرغم من التقدم، تؤكد الدراسة على التحديات في تفسير أداء النموذج بشكل موحد بسبب اختلافات في خصائص البيانات، والظروف البيئية، وأطر التحقق عبر دراسات مختلفة.
تركز هذه الدراسة بشكل خاص على توقع تركيزات الملوثات الهوائية في تايوان، حيث أبلغت عن خطأ مطلق متوسط (MAE) قدره 5.13 ميكروغرام/م³ ل PM 2.5. تشير النتائج إلى أن قيم الخطأ تتأثر بخلفيات الملوثات المحلية، ومصادر الانبعاث، والظروف الجوية. تكشف المقارنات مع الدراسات السابقة، مثل تلك التي أجراها جانا وآخرون (2024) ويانغ وآخرون (2023)، أنه بينما كانت أخطاء التنبؤ للملوثات مثل CO و NO₂ و SO₂ أقل بكثير في هذه الدراسة، لا يزال هناك مجال للتحسين في توقع O₃ و PM₁₀. يعزز دمج مصادر البيانات المتعددة والتحقق الدقيق من نافذة التنبؤ المتداول مصداقية طرق التعلم الآلي التقليدية في التقاط المعلومات الجوية المعقدة، مما يبرز أهمية جودة البيانات وهندسة الميزات في السياقات البيئية الصعبة.
المناقشة
في هذه الدراسة، تم تطوير مجموعة بيانات شاملة لتعكس بدقة تباينات الملوثات الهوائية عبر تايوان، مع دمج بيانات الأقمار الصناعية من منتج الهباء الجوي GEMS المستوى 2، وإعادة تحليل ECMWF v5، وبيانات محطات الأرصاد الجوية على مستوى الأرض. شمل عملية هندسة الميزات إنشاء متغيرات مكانية زمنية وتطبيق تقنيات تأخير الزمن لضمان أن توقعات تركيزات الملوثات الهوائية استخدمت فقط المعلومات السابقة، مما يتماشى مع ظروف التنبؤ الواقعية. تم استخدام نموذج CatBoost لتوقع تركيزات ستة ملوثات على مستوى الأرض، مع تحسين معلمات النموذج بناءً على إطار عمل التنبؤ المتداول. تم تقييم أداء النموذج بدقة باستخدام مقاييس مثل R² و MAE و RMSE و MAPE، مما يكشف عن تباينات ملحوظة في دقة التنبؤ عبر ملوثات مختلفة.
قدمت تحليل SHAP رؤى حول الآليات الدافعة وراء تركيزات الملوثات، مؤكدة المبادئ الجوية المعروفة. على سبيل المثال، كانت مستويات الأوزون مرتبطة إيجابيًا بالإشعاع الشمسي وسلبيًا بالرطوبة النسبية، بينما أثر سرعة الرياح سلبًا على تركيزات الجسيمات الدقيقة. تعالج نهج الدراسة المبتكر، الذي يجمع بين مصادر بيانات متعددة ويستخدم إطار عمل تحقق من التنبؤ المتداول، التحديات التي تطرحها التضاريس المعقدة في تايوان والظروف الجوية الديناميكية. على الرغم من القيم العالية لـ MAPE ل PM 2.5 و PM 10، المنسوبة إلى تأثيرات القيم الشاذة، تؤكد الدراسة على أهمية دمج مجموعات بيانات متنوعة لتحسين توقعات جودة الهواء وتبرز الحاجة إلى تفسير دقيق لمقاييس الخطأ في توقع الملوثات.
القيود
تنشأ قيود البحث بشكل أساسي من قيود الملاحظات الساتلية، وخاصة تلك من GEMS، الذي يعمل في طيف UV-Vis. هذا يقيد قدرته على اكتشاف ملوثات مثل أول أكسيد الكربون (CO) التي لديها ميزات امتصاص كبيرة في النطاق تحت الأحمر. وبالتالي، تظل دقة التنبؤ لمثل هذه الملوثات محدودة، حتى عند استخدام بيانات العمود الكلي من منتجات GEMS. بالإضافة إلى ذلك، تؤثر تشتت وامتصاص الغلاف الجوي على إشارات الأقمار الصناعية، مما يعقد اشتقاق تركيزات المستوى الأرضي ويجعل التنبؤ الدقيق بمستويات الملوثات السطحية تحديًا. كما أن الدقة المكانية لـ GEMS، التي تبلغ حوالي $3.5 \, \text{كم} \times 8 \, \text{كم}$، تحد من القدرة على التقاط توزيعات الملوثات الدقيقة، مثل تلك الموجودة على مستوى الشارع.
علاوة على ذلك، لم تستكشف الدراسة بشكل شامل العلاقات الفيزيائية والكيميائية بين تركيزات الملوثات الهوائية وبيانات الإشعاع الملاحظة بواسطة الأقمار الصناعية. بينما تم استخدام نموذج متعدد المخرجات للتنبؤ بستة ملوثات في وقت واحد، قد يواجه هذا النهج صراعات مستهدفة قد تعيق الأداء التنبؤي لبعض الملوثات، مما قد يؤدي إلى تفضيل النموذج لأنماط أبسط وتهميش أخرى. كما أن كثافة توزيع محطات المراقبة الأرضية تؤثر أيضًا على أداء النموذج، حيث من المحتمل أن تزداد أخطاء التنبؤ في المناطق ذات التغطية الضعيفة بسبب نقص بيانات الحقيقة الأرضية. أخيرًا، تطرح متطلبات الحوسبة لإطار عمل التنبؤ المتداول تحديات كبيرة، حيث لا يمكن تطبيق التحقق التقليدي من التقسيم المتقاطع k-fold. إن عملية الضبط، المقيدة بالمعلمات الرئيسية لتحقيق التوازن بين الكفاءة والدقة، تتعقد أكثر بسبب الحاجة إلى التحقق من المعلمات عبر مجموعة بيانات كاملة لمدة ستة أشهر، مما يجعل عمليات البحث الشبكية الكبيرة الحجم غير قابلة للتطبيق من الناحية الحوسبية.
DOI: https://doi.org/10.1038/s41598-026-39305-w
PMID: https://pubmed.ncbi.nlm.nih.gov/41656328
Publication Date: 2026-02-08
Author(s): Wei‐Han Lin et al.
Primary Topic: Atmospheric chemistry and aerosols
Overview
This research paper section discusses the integration of geostationary satellite data, specifically from the Geostationary Environment Monitoring Spectrometer (GEMS), with ground-based monitoring and meteorological data to enhance air quality surveillance in Taiwan. The study employed a multi-output categorical gradient boosting (CatBoost) model to predict hourly concentrations of six key air pollutants: particulate matter (PM₂.₅ and PM₁₀), ozone (O₃), nitrogen dioxide (NO₂), carbon monoxide (CO), and sulfur dioxide (SO₂). The model demonstrated strong predictive capabilities, achieving R² values ranging from 0.52 to 0.86 for different pollutants and mean absolute error (MAE) values between 0.06 and 9.40. Notably, O₃ predictions were particularly stable, indicating the model’s robustness.
The conclusions emphasize the effectiveness of the proposed framework in providing accurate, real-time predictions of air pollutants, surpassing the performance of existing GEMS-based models. The rolling prediction approach validated the model’s reliability in practical applications. The findings highlight the potential of leveraging high-resolution, multi-source data and advanced machine learning techniques to enhance air quality monitoring, which can inform public health policies and exposure risk assessments not only in Taiwan but also in other regions.
Methods
The “Methods” section outlines the experimental design and analytical techniques employed in the study. The researchers utilized a quantitative approach, employing statistical analyses to evaluate the data collected from various experiments. Specific methodologies included controlled experiments to isolate variables of interest, followed by the application of regression analysis to determine relationships between these variables.
Additionally, the study incorporated advanced computational techniques to model the phenomena under investigation. This involved the use of software tools for data visualization and simulation, allowing for a comprehensive understanding of the underlying mechanisms. The methods were rigorously validated through repeated trials and peer review, ensuring the reliability and reproducibility of the findings.
Results
The results section highlights significant advancements in air quality forecasting, particularly through the development of multi-pollutant prediction models. Notably, Wong et al. (2024) introduced a Geo-AI stacking ensemble model that achieved high $R^2$ values of 0.95 and 0.93 for PM 2.5 concentration predictions during morning and evening rush hours in Taiwan, respectively. Despite the progress, the research underscores the challenges in uniformly interpreting model performance due to variations in data characteristics, environmental conditions, and validation frameworks across different studies.
This study specifically focuses on forecasting air pollutant concentrations in Taiwan, reporting a mean absolute error (MAE) of 5.13 µg/m³ for PM 2.5. The findings indicate that error values are influenced by local pollutant backgrounds, emission sources, and meteorological conditions. Comparisons with previous studies, such as those by Jana et al. (2024) and Yang et al. (2023), reveal that while the prediction errors for pollutants like CO, NO₂, and SO₂ were significantly lower in this study, there is still room for improvement in predicting O₃ and PM₁₀. The integration of multiple data sources and rigorous rolling-window validation enhances the credibility of traditional machine learning methods in capturing complex meteorological information, emphasizing the importance of data quality and feature engineering in challenging environmental contexts.
Discussion
In this study, a comprehensive dataset was developed to accurately reflect air pollutant variations across Taiwan, integrating satellite data from the GEMS level 2 aerosol product, ECMWF Reanalysis v5, and ground-level meteorological station data. The feature engineering process involved creating spatiotemporal variables and applying time-lagging techniques to ensure that predictions of air pollutant concentrations utilized only prior information, thus aligning with realistic forecasting conditions. The CatBoost model was employed for predicting ground-level concentrations of six pollutants, with hyperparameter tuning optimizing performance based on a rolling prediction framework. The model’s performance was rigorously evaluated using metrics such as R², MAE, RMSE, and MAPE, revealing notable variations in prediction accuracy across different pollutants.
The SHAP analysis provided insights into the driving mechanisms behind pollutant concentrations, confirming established atmospheric principles. For instance, ozone levels were positively correlated with solar radiation and negatively with relative humidity, while wind speed negatively impacted particulate matter concentrations. The study’s innovative approach, combining multiple data sources and employing a rolling forecast validation framework, addresses the challenges posed by Taiwan’s complex topography and dynamic atmospheric conditions. Despite the high MAPE values for PM 2.5 and PM 10, attributed to outlier effects, the study underscores the importance of integrating diverse datasets for enhanced air quality predictions and emphasizes the need for careful interpretation of error metrics in pollutant forecasting.
Limitations
The limitations of the research primarily stem from the constraints of satellite observations, particularly those from the GEMS, which operates in the UV-Vis spectrum. This restricts its ability to detect pollutants like carbon monoxide (CO) that have significant absorption features in the infrared range. Consequently, the predictive accuracy for such pollutants remains limited, even when utilizing total column data from GEMS products. Additionally, atmospheric scattering and absorption affect satellite signals, complicating the derivation of ground-level concentrations and making precise predictions of surface pollutant levels challenging. The spatial resolution of GEMS, approximately $3.5 \, \text{km} \times 8 \, \text{km}$, further limits the ability to capture finer-scale pollutant distributions, such as those at street level.
Moreover, the study did not thoroughly explore the physicochemical relationships between air pollutant concentrations and satellite-observed radiation data. While a multi-output model was employed to predict six pollutants simultaneously, this approach may encounter target conflicts that could hinder the predictive performance for specific pollutants, potentially leading to the model favoring simpler patterns and marginalizing others. The distribution density of ground monitoring stations also affects model performance, with prediction errors likely increasing in areas with sparse coverage due to insufficient ground-truth data. Lastly, the rolling prediction framework’s computational demands pose significant challenges, as traditional k-fold cross-validation is not applicable. The tuning process, constrained to key parameters to balance efficiency and accuracy, is further complicated by the need to validate hyperparameters across a complete six-month dataset, making large-scale systematic grid searches computationally prohibitive.