Spatiotemporal assessment of urban PM₁₀ and population exposure using integrated satellite, meteorological, and socio-spatial data
Tudor Caciora · Grigore Vasile Herman · Monica Costea 等 6 人
结合卫星、气象和社会空间数据评估城市PM10浓度及人口暴露，构建综合暴露指数。
MODIS-MAIAC AOD与地面PM10、气象数据回归建模，结合人口密度、N
PM10冬季最高，年均20.5 μg/m³，约20.1%人口高暴露风险，暴露受多因素交互影响。
可延伸至农业区域PM暴露与作物影响，或结合高分辨率遥感与机器学习提升模型精度。
该研究聚焦城市PM10暴露评估，与三农、农业信息化等主题无关。
引言 颗粒物污染是影响人群健康的主要风险因素，尤其是在城市环境中，人为源、气象条件与建成环境特征之间的相互作用形成了复杂的空间暴露格局。在此背景下，本研究旨在通过整合卫星数据、地面监测数据和社会空间指标，估算罗马尼亚一座中等城市PM₁₀浓度的空间分布并评估人群暴露水平。方法 研究方法基于MODIS-MAIAC卫星产品获取气溶胶光学厚度（Aerosol Optical Depth, AOD）值，并将其与来自四个地面空气质量监测站的PM₁₀数据及气象变量进行相关性分析。基于这些数据，构建了多元回归模型以估算PM₁₀浓度，随后通过整合相关社会空间指标（如人口密度、建成环境特征、归一化植被指数（Normalized Difference Vegetation Index, NDVI）和地形海拔）构建了综合暴露指数。结果与讨论 研究结果凸显了PM₁₀浓度的显著季节性变化，冷季达到最大值（最高达41.8 μg/m³），年均值约为20.5 μg/m³，超过了世界卫生组织建议的阈值，但在欧盟设定的限值范围内。AOD与PM₁₀之间的直接关系相对较弱（R = 0.28），但整合气象变量后模型性能显著提升。综合指数分析表明，奥拉迪亚都市区约20.1%的人口居住在高暴露倾向区域，尤其是靠近工业区和建筑密集的城市环境。研究结果证实，人群对PM₁₀的暴露不仅取决于浓度水平，还取决于污染、人口分布和建成环境特征之间的复杂相互作用。所提出的综合方法为识别脆弱区域、支持城市规划和空气质量管理提供了有力工具，有助于制定降低人类健康风险的战略。