面向多区域多污染物的因果感知时空气质�预测模型

空气污染作为全球性问题，威胁公共健康、环境可持续性和气候稳定。由于复杂的多污染物相互作用、不断变化的气象条件以及区域特有的空间异质性，实现跨空间分布监测站点的精准且可扩展的预测具有挑战。为此，我们提出了 AirPCM—a 新型深度时空预测模型，集成了多区域、多污染物动态与显式气象-污染物因果建模。不同于现有仅限于单一污染物或局部区域的方法，AirPCM 采用统一架构，联合捕获跨站点的空间相关性、时序自相关性以及气象-污染物动态因果关系。这使我们能够在不同地理和时序尺度上进行精细且可解释的多污染物预测，包括突发污染事件。在多尺度真实数据集上的广泛评估表明，AirPCM 在预测准确性和泛化能力方面 consistently 超越了最先进的基线。此外，AirPCM 的长期预测能力提供了关于未来空气质量趋势和潜在高风险时段的可操作见解，为基于证据的环境治理和碳减排规划提供了及时支持。