大氣污染預警技術現狀及發展趨勢

王永飛，邱 陽

（1.佳木斯江心島水質監測站；2.佳木斯市環境保護監測站，佳木斯 154004）

近年來，隨著工業門類的快速增加，污染源的性質也發生了改變，大氣污染呈現出新的特點，傳統的煤煙型污染現已演變為煤煙型污染與光化學二次污染疊加產生的復合型污染。污染的演變，也促使當前的大氣污染預警技術來適應污染監測的新特點，從技術方法上去提升，適應環境監測與大氣污染防治、預警的需要。

當前，大氣污染的嚴峻環境促使大氣污染預警技術進一步革新和發展，然而大氣污染預警系統并非采取單一的技術，而是由各項功能技術環節共同組成的一個復雜的綜合性系統工程。如今對大氣污染預警技術的研究是全球共同面對的問題，也是環境科學研究領域的熱點與難點。本文首先分析了大氣預警的基礎技術理論，概述了空氣質量預報的現有技術和發展趨勢，然后探究了大氣污染預警新技術，并說明了大數據分析與認知技術在大氣污染預警技術平臺上的應用。

1 空氣質量預報技術

大氣污染預警技術，屬于空氣質量預報技術的范疇，它既要實現對當前空氣質量的數據監測采集處理，又要建立氣象數據等與預報相關的模型，以此來進行大氣污染的預報預警，從而實現監控、預測空氣質量變化的目的。

1.1 空氣質量預報技術分析

從技術原理來看，空氣質量預報的方法可以分為兩種：一種是統計預報，統計預報對大氣污染的預測，是基于對采集到的數據進行分析的結果，此種預報方法利用統計原理，對大氣環境的變化規律進行研究，建立大氣污染與氣象參數的關系模型，推測大氣污染狀況；另一種是數值預報，數值預報依據的技術原理是大氣動力學理論，以計算機來輔助預測大氣動態，數值預報通過對大氣物理與化學過程的分析，建立大氣污染濃度在空氣中輸送擴散的數值模式。

數值模式在大氣質量預報中更有優勢，是未來的發展趨勢。采用數值模式的優勢表現在它可以將大氣污染的物理化學變化進行量化，解析不同來源或過程的相對貢獻時空分布，在城市大氣污染預警系統中扮演重要角色。采取數值模式有利于評估污染防控措施的效果，為協同控制污染提供幫助。

1.2 空氣質量預報技術應用現狀

在數值模式的研究中，國內外誕生很多研究成果，形成了很多數值模式。美國建立的數值模型有多尺度空氣質量模型CMAQ、大氣化學完全耦合模式WRF-chem、綜合空氣質量模型擴展版CAMX；日本依據數值模型原理建立了化學天氣預報系統CFORS；法國建立了空氣模式系統多模式平臺NAQPMS；中國構建了嵌套網格空氣質量預報模式系統NAQMS。這些技術在不同程度上對大氣污染的預報作出了貢獻，中科院建立的NAQMS數值模式充分考慮了污染物的化學反應、傳輸、干濕沉降等因素，在預測大氣污染物方面取得了很好的效果，在現有空氣質量數值模式建立方面具有一定的優勢。

中國對大氣污染預警的技術研究成果主要來自于中國科學院（以下簡稱“中科院”），中科院在基礎技術模型開發及應用上獲得了成功，同時在新形式的環境預警需求下，開發了新技術，為環境預警提出了新的發展策略。中科院在大氣污染預警方面取得的實質性研究成果有：NAQMS、全球環境大氣輸送模式GEATM、多模式空氣質量集合預報系統EMS、大氣化學資料同化系統和沙塵暴資料同化系統，為我國的環境預警承擔了重要責任。其中，NAQMS是中科院開發的，依據目前國內城市大氣污染的排放傳輸、演變特點，以及當前國內計算機硬件條件和業務水平，借鑒國際上有代表性的數值模式，它是為國內大氣環境預報設計的，在國內多個省市，如鄭州、北京、上海、廣州、沈陽、哈爾濱等大中型城市都取得了良好的大氣污染預警效果，獲得了當地業務部門的認可。NAQMS的四個主要構成部分是：氣象處理、排放源處理、空氣質量模式及模式輸出，NAQMS采用嵌套網格技術可實現對從大到小的依次嵌套的多層區域同時模擬，其輸出結果包括污染物在大氣中的濃度值、氣象要素的時空變化、污染物的干沉降與濕沉降通量等，在城市或區域之間也可以提供相互影響狀況。

1.3 空氣質量預報技術發展趨勢

空氣質量預報技術發展趨勢主要體現在以下兩個方面：

一方面，綜合各項技術應用情況來看，多模式集合預報是當前大氣環境數值模擬的未來大力發展對象，國際上首個EMS多模式集合預報系統就是以中科院大氣物理所自主研發的NAQMS模式為核心，集成了CMAQ、CAMx、WRF-Chem等模式優勢，該系統服務于北京奧運會空氣質量預報預警，可提供72 h的氣象要素、污染物濃度三維時空變化，達到短期預測和預警的目的。法國大氣環境教育和研究中心同樣構建了多模式集合預報系統模型——Polyphemus模式系統，重點在于對模式內不同模塊、物料化學參數選取的集合集成。

另一方面，大氣污染預警技術在系統集成、數據分析、決策方面也有很大的發展前景，新興的大數據和認知技術分析和認知技術，也逐漸遷移到大氣污染預警的平臺建設上。基于大數據和認知技術的大氣污染預警平臺，開啟了大氣污染預警的新的研究方向。傳統技術包含了數據采集、處理和預報發布，但其忽略了對污染規律、污染原因等的挖掘，當新情況發生時，無法利用歷史數據資料及分析過程進行比照，沒有形成經驗的積累和利用，而IBM提出的認知計算和大數據技術為其提供了解決思路。

2 大氣污染預警新技術

由于空氣質量模式尚存在很大的不確定性，空氣質量模式尚不完全，我國在質量模擬、預報預警技術方面做了新的技術研究，主要涵蓋了以下技術：污染源追蹤和來源識別技術、大氣化學資料同化技術、污染源反演技術、空氣質量集合預報技術和區域大氣污染預警[1-3]。這些技術不同程度上也代表著大氣污染預警的發展趨勢。

2.1 識別和追蹤污染源技術

大氣污染物形成的復雜性，導致污染物濃度與前體物源排放呈非線性關系，造成大氣污染預測的誤差。傳統的技術解決辦法為源解析、氣象追溯兩種方式，需對模型過程進行多次情景設立，時間效率低，而識別和追蹤污染源技術結合了二者的特點，通過在線解析手段，減小了物理化學過程的非線性特征帶來的誤差，無需反復進行情景設定，提升了效率。該項技術契合當前城市污染復合性、區域性的特點，比傳統技術更高校、準確，能夠量化污染源的來源性和行業貢獻。

2.2 大氣化學資料同化技術

通常采取的描述或記錄大氣污染狀況的方式是觀測和模擬，觀測的目的是反映大氣環境的真實情況，沒有預測功能；模式模擬采取近似或參數化過程，模擬范圍涵蓋三維空間和時間維度的大氣環境，具有預測功能，缺陷是輸入量如排放源、氣象場、初始邊界條件等存在誤差，造成模式模擬的不確定性增加。大氣化學資料同化技術，融合了觀測與模擬模式的功能特點，通過對模擬信息和監測信息的統計，輸出最優組合方式，提供了更加精確的大氣污染三維分析數據，模擬預報的可靠性得到了提高。中科院在大氣化學資料同化技術方面，研制了大氣化學資料同化系統IPA/LAPCChemDAS，并將其集成到NAQPMS模式中。

2.3 污染源反演

污染源反演技術，是為了準確、快速確定排放源種類、數量等特征，為空氣質量模擬和預報提供數據來源。隨著經濟的快速發展變化，污染源種類及特征也急劇變化，實地調查取證的方式，效率低、獲得數據的準確性存疑，數據信息存在一定的滯后性，污染源反演通過觀測的數據，即可進行動態反演，有效提高排放源數據的準確性和時效性。中科院建立的區域和城市尺度大氣污染反演系統，充分利用集合卡爾曼濾波同化方法，進行觀測資料和大氣化學模式的優點，對污染源清單進行高時空分辨率的逆向修訂，快速動態更新污染源清單數據資料，在預報準確性和經濟成本上都取得了很好的效果。

2.4 集合預報

集合預報是數值預報的一種方法，它的突出特點是“群策群力”，強調各個不同模式在各自技術特點下的預測能力，強調大氣化學模式的差異化和代表性，通過集合各個模式的優點，獲得比以往單項預測更為全面、具有說服力的大氣環境預測。與傳統單項預報技術相比，集合預報的優勢表現在：其一，預報信息涉及范圍更全面，數據更豐富，可提供不同污染事件發生概率；其二，集合預報博采眾長，通過集合決策方法，提高了預報的精確性。具體模式集合的預報方法包括：算數平均、權重平均、多元回歸、神經網絡等，其中神經網絡應用效果最突出。

2.5 區域大氣污染預警

區域大氣污染預警是一種預警機制，該項機制是建立在多模式集合預報平臺和區域污染特征解析平臺的技術基礎上；大氣污染預警實現的目的是為相關部門提供報告，以此制定措施，盡力避免污染物對人們造成危害；區域大氣污染預警的內容，主要包括污染物來源、種類、持續時間和影響范圍等[4-6]。污染預警的關鍵在于預報是否準確，特別是污染的持續時間、轉折等方面，可供采取的技術方法有：一是延長區域的預報時長，以空氣污染與天氣系統關系資源庫為基礎，實現提前捕捉環境變化的目的；二是制定重污染預警相應預案，通過分析區域內的相互輸送量，在策略庫控制方案進行匹配，提供最優解決預案；三是區域大氣污染預警修正，通過分析綜合觀測數據，對關鍵參數和變量修正，進行再模擬和分析，降低污染預警的不確定性。

3 大數據分析、認知技術在平臺技術中的新發展

基于大數據認知技術的大氣污染預警系統，能夠發揮大數據、認知技術的信息化優勢，對長期積累的檢測數據資源加以分析利用、處理，建立融合多種模型及專家知識的預警平臺，實現有效的空氣質量分析，以應對環境的復雜性，滿足其復雜的功能訴求。

基于數據資源中心提供的統一的大數據共享平臺，可有效融合各類不同類型的空氣質量監測、不同預報系統的產品數據以及基礎輔助數據，建立數據匯交、共享、質控管理機制，通過上層預報預警、綜合分析、案例分析、應急決策支持四大子系統，從多模式集合預報結合專家調優支撐高性能預報會商應用，從大數據融合時空關聯分析深度挖掘大氣復合污染特征與污染成因，從多維度歷史污染過程和天氣形勢全自動化認知分析支撐重污染過程研判，從業務化仿真情景方案與污染溯源助力專業應急決策[7]。該項技術在北京環境保護監測中心具體實施，體現出系統的穩定性和高效性。

4 結語

未來，大氣污染預警技術應著重從預警技術環節的空氣質量預報模式的建立、預報相關的各個單項新技術手段、區域預警機制等方面來發展，同時注重大數據分析、認知技術在大氣污染預警系統中的數據管理、分析、決策等的應用，集成基于大數據融合的綜合分析系統、基于多維認知技術的案例分析系統。

參考文獻

1 皇甫瑋喆.區域大氣污染預報預警新技術與協同控制[J].低碳世界，2017，（5）：32-33.

2 潘錦秀.京津冀大氣重污染過程數值預報與評估[D].南京：南京信息工程大學，2016.

3 黃 思.京津冀地區顆粒物（PM10和PM2.5）的集合預報方法研究[D].北京：中國科學院大學，2015.

4 劉 娟.長三角區域環境空氣質量預測預警體系建設的思考[J].中國環境監測，2012，28（4）：135-140.

5 陸 濤.上海世博會長三角區域空氣質量預警聯動系統開發與應用[J].中國環境監測，2013，29（1）：141-146.

6 潘本鋒，許人驥，宮正宇，等.支撐京津冀區域大氣污染聯防聯控的大氣監測體系構建[J].中國環境監測，2017，33（5）：57-63.

7 李云婷，嚴京海，孫 峰，等.基于大數據分析與認知技術的空氣質量預報預警平臺[J].中國環境管理，2017，9（2）：31-36