关于《美国本土四十年（1980-2023）地表臭氧浓度：高分辨率估算与健康影响》研究的学术报告

一、 研究团队与发表信息 本研究由耶鲁大学公共卫生学院环境健康科学系与耶鲁大学气候变化与健康中心的Riyang Liu、Lingzhi Chu、Nicole C. Deziel和通讯作者Kai Chen*共同完成。研究成果发表于《环境科学与技术》（Environmental Science & Technology）期刊，文章于2026年4月30日被接受发表，并可在网上获取。

二、 研究背景与目标 本研究属于环境健康科学领域，聚焦于大气污染暴露评估与健康影响量化。地表臭氧（O3）作为一种重要的二次污染物，其短期和长期暴露均与心血管及呼吸系统疾病的发病和死亡风险增加显著相关。然而，全面评估臭氧相关的健康负担面临一个关键瓶颈：缺乏高分辨率、长时间跨度的历史地表臭氧浓度数据。现有数据要么时间覆盖不足（如卫星数据始于2000年后），要么时空分辨率粗糙（如年或月均值），无法精确捕捉短期暴露波动，亦难以充分覆盖监测站点稀疏的农村地区。这种数据缺口限制了对臭氧长期健康效应演变、气候变化影响以及城乡暴露差异的深入理解。

因此，本研究旨在解决三个核心问题：1）生成一套覆盖美国本土（CONUS）、时间跨度长达44年（1980-2023）、具有高时空分辨率（每日、约1公里网格）的地表臭氧浓度数据集；2）分析臭氧暴露的时空格局，特别是城乡差异；3）量化臭氧污染导致的健康负担（归因死亡数），并识别其变化的主要驱动因素。

三、 详细研究流程 本研究包含三个主要环节：臭氧浓度模型开发与验证、暴露格局分析、健康负担量化。研究流程严谨，并引入了创新的方法以应对数据稀疏和空间自相关等挑战。

第一环节：地表臭氧模型开发与验证 1. 数据准备：研究收集了1980-2023年间来自美国环保署（EPA）空气质量系统（AQS）数据库中3085个地面监测站的每日最大8小时平均（MDA8）臭氧浓度观测数据作为建模基础。同时，整合了多元化的高分辨率地理空间数据集作为模型预测变量，包括：来自EPA空气质量时间序列项目（EQUATES）数值模拟的多种大气成分（O3、NO2、HCHO、SO2、PM2.5）的地球物理先验信息（用于捕捉月度和星期尺度的时空模式）、气象因子、土地覆盖分类和排放清单等，共计88个最终预测变量。 2. 建模框架：研究采用了一个四阶段的统一建模框架，基于LightGBM（Light Gradient Boosting Machine）机器学习算法，并每年独立进行。 * 阶段一：创新性交叉验证策略。为解决监测站点空间分布不均及空间自相关导致的模型性能高估问题，研究采用了名为“K折最近邻距离匹配交叉验证”（k-fold nearest neighbor distance matching cross-validation, KNN-DM CV）的新型空间聚类交叉验证方法。该方法在划分训练集和验证集时，不仅考虑数据点本身，还显式地考虑了预测位置（即无监测数据的网格）与建模数据（有监测数据的网格）之间的地理分布模式差异。通过最小化验证集到训练集的距离分布与预测集到建模集的距离分布之间的差异（使用Wasserstein统计量衡量），KNN-DM CV能够更严格地评估模型在空间外推（尤其是数据稀疏区域）时的性能，避免了传统交叉验证可能产生的过度乐观结果。 * 阶段二：模型训练与超参数调优。在KNN-DM CV的框架内，使用LightGBM算法进行模型训练，并每年独立优化超参数，使模型能适应年度数据特征。 * 阶段三：最终模型预测。使用优化后的超参数训练最终模型，生成1980-2023年每日、空间分辨率为0.01°（约1公里）的美国本土MDA8臭氧浓度网格数据。 * 阶段四：模型可解释性分析。利用LightGBM内置的特征重要性评分和SHAP（Shapley Additive Explanation）值，分析各预测变量对模型精度和浓度估算的贡献，并与已有的领域知识进行比对。 3. 模型性能评估：研究通过KNN-DM CV、网格CV、样本CV和时间CV等多种策略全面评估模型性能。主要性能指标包括决定系数（R2）、均方根误差（RMSE）和平均绝对误差（MAE）。此外，还进行了基准测试，比较KNN-DM CV与网格CV在空间外推能力上的差异。

第二环节：暴露格局分析 1. 暴露指标计算：使用生成的1公里网格数据，计算了两个关键暴露指标：暖季（5-10月）平均浓度（反映典型平均污染水平）和年度超标天数（日浓度>70 ppb，反映高污染事件频率）。采用人口加权和面积加权两种方式将网格数据聚合到人口普查区（census tract）层面。 2. 城乡分类：采用美国农业部2020年版的城乡通勤区（RUCA）代码，将人口普查区分为五类：大都市中心区、大都市外围区、小都市中心区、小都市外围区、农村地区，以分析城乡暴露差异。 3. 趋势分析：计算了1980-1989年和2014-2023年两个十年期的平均暴露水平以平滑年际波动，并分析了人口普查区层面的长期线性趋势。

第三环节：归因死亡负担量化 1. 数据链接：将1990-2023年的县级每日死亡记录（来自美国疾控中心NCHS）与同尺度的臭氧浓度估算值进行链接。 2. 健康影响函数：采用对数线性浓度-反应关系，分别评估短期和长期臭氧暴露的归因死亡负担。短期暴露使用滞后0-1天的浓度，相对风险（RR）为每10 μg/m³增加1.0016；长期暴露使用暖季平均浓度，RR为每10 ppb增加1.014。设定了两个理论最小风险暴露水平（TMREL）：短期为70 μg/m³，长期为60 μg/m³（与WHO空气质量指南一致）。同时，还进行了敏感性分析，将TMREL设为零以评估全浓度范围的健康负担。 3. 归因死亡计算：基于上述参数，计算了每年由臭氧暴露导致的超额死亡人数及占总死亡的比例。 4. 驱动因素分解：通过敏感性分析，量化了四个因素（臭氧浓度水平、人口规模、人口年龄结构（以65岁以上人口比例代理）、基线死亡率）对1990年至2023年归因死亡负担变化的贡献。方法是固定其中三个因素，观察第四个因素变化带来的影响。

四、 主要研究结果 1. 模型性能与估算数据 * 模型表现优异且稳健：KNN-DM CV结果显示，模型在日尺度上的R²为0.64-0.80，RMSE为5.5-14.77 ppb；在月尺度和暖季年平均尺度上性能更优（R²分别为0.74-0.90和0.53-0.94）。模型在不同季节、不同人口普查分区以及城乡区域均表现出稳健的性能，尽管在监测稀疏的区域（如中西部、山区）早期年份性能相对略低。 * KNN-DM CV的有效性：基准分析证实，尽管KNN-DM CV在训练过程中报告的精度指标通常低于传统网格CV，但在面对预留的测试集（特别是模拟远程位置预测的测试集）时，其表现相似甚至略优。这证明了KNN-DM CV能更真实地评估模型在空间外推时的能力，是评估空气污染暴露模型空间准确性的更佳方法。 * 变量重要性：对模型贡献最大的预测变量包括气象因素（短波辐射、温度、云量、干旱指数、边界层高度、风速）和地球物理先验信息中的臭氧中位数，这与臭氧化学和传输的物理认知一致。排放清单的重要性相对较低，但在特定年份对估算值贡献较大，反映了人为因素的影响。

2. 地表臭氧暴露的时空格局 * 空间分布与长期变化：1980-1989年间，美国西部和东海岸广泛存在超过WHO临时目标1（100 μg/m³）的区域。到2014-2023年，高浓度区域收缩至美国西部，热点区（约120 μg/m³）集中在加州中央谷地和南加州。大部分地区暖季平均浓度下降，但山区略有上升。高污染天数（>70 ppb）的分布变化更为显著，历史高发区（东海岸、俄亥俄河谷、加州）大幅收缩，仅加州热点区持续存在。美国西南部干旱区呈现出“高基线、低峰值”的独特暴露特征。 * 显著的城乡差异： * 平均暴露水平：在研究初期，郊区和农村地区的暖季平均臭氧浓度普遍高于大都市中心区。然而，随着时间的推移，郊区和农村地区的浓度下降速度更快，导致到研究后期，许多地区（如新英格兰、东中南、山区）的大都市中心区平均浓度反而高于或与郊区/农村持平。 * 高污染事件频率：大都市中心区及外围区的高污染天数始终高于其他区域。 * 趋势分布：大多数城乡分类和地区的人口加权平均暴露呈下降趋势，但山区的大都市和小都市中心区呈现显著的上升趋势。

3. 归因健康负担及其驱动因素 * 负担趋势：1990年至2023年间，尽管臭氧暴露水平总体下降，但由短期和长期臭氧暴露导致的归因死亡人数分别增加了25%和18%。归因死亡的高峰出现在1990年代末。归因死亡占总死亡的比例略有下降（短期从0.26%降至0.22%，长期从2.33%降至1.92%）。 * 空间变化：仅约18-17%的县其归因死亡率在1990-1999年至2014-2023年间出现上升，这些县主要集中在德克萨斯、南达科他、新墨西哥和内华达等州。 * 驱动因素分解：分解分析揭示了健康负担变化的复杂驱动机制。 * 臭氧浓度下降是降低健康负担的主要因素（到2020年，使大都市和非大都市区的长期暴露归因死亡最大减少了40.89%和53.38%）。 * 人口老龄化是抵消臭氧浓度下降效益、推动健康负担增加的最主要驱动力。 * 人口增长在大都市区持续推动负担增加，而在非大都市区贡献相对稳定。 * 基线死亡率的变化（如新冠疫情的影响）在2020-2021年增加了所有区域的负担。 * 敏感性分析：当使用零值作为反事实浓度时，估算的健康负担更高，且增幅更大（短期+47%，长期+35%），峰值出现时间更晚（2021年），突显了低浓度臭氧暴露带来的新兴健康风险。

五、 研究结论与价值 本研究成功构建了首个覆盖美国本土、长达44年、具有高时空分辨率（每日、1公里）的完整环境臭氧浓度重建数据集，填补了该领域长期存在的关键数据空白。研究揭示了臭氧暴露在城乡间的差异化格局：农村地区平均暴露水平更高，而城市地区经历更多高污染日且浓度下降趋势更缓。更重要的是，研究量化了臭氧相关健康负担的长期变化，并明确指出：尽管臭氧浓度整体下降，但由于人口老龄化和增长，归因死亡人数仍在上升。这一发现强调了在评估空气污染控制政策效益时，必须同时考虑人口结构变化的影响。

六、 研究亮点 1. 方法学创新：首次将KNN-DM CV这一先进的空間交叉验证方法应用于大规模、长时间序列的空气污染建模，显著提升了模型在数据稀疏区域性能评估的可靠性，为未来相关研究提供了方法论参考。 2. 数据集的里程碑意义：产生的44年高分辨率臭氧数据集是前所未有的，为开展全生命历程流行病学研究、评估气候变化健康惩罚、支持基于证据的空气质量管理决策提供了至关重要的基础设施。 3. 深入的健康负担归因与分解：不仅量化了长期健康负担趋势，还通过精细的分解分析，清晰揭示了臭氧浓度下降、人口老龄化、人口增长和基线死亡率变化四大因素的独立贡献与交互作用，提供了比以往研究更深入的机制性见解。 4. 对城乡环境健康不平等的关注：利用高分辨率数据实现了对城乡暴露差异的无缝隙评估，并揭示了其不同的变化轨迹，为理解环境健康不平等提供了新的视角。

七、 其他有价值内容 研究还讨论了其局限性，例如：健康负担分析受限于县级死亡率数据的起始年份（1990年）；暴露分析与健康负担分析使用了不同的城乡分类体系，虽不影响定性结论但限制了直接定量比较；分解分析中使用65岁以上人口比例作为老龄化代理，未来可采用年龄特异的风险函数进行更精确的量化。这些坦诚的讨论为后续研究指明了方向。此外，所有数据和代码均已公开，确保了研究的可重复性和可扩展性。