大气污染预警技术现状及发展趋势

王永飞，邱 阳

（1.佳木斯江心岛水质监测站；2.佳木斯市环境保护监测站，佳木斯 154004）

近年来，随着工业门类的快速增加，污染源的性质也发生了改变，大气污染呈现出新的特点，传统的煤烟型污染现已演变为煤烟型污染与光化学二次污染叠加产生的复合型污染。污染的演变，也促使当前的大气污染预警技术来适应污染监测的新特点，从技术方法上去提升，适应环境监测与大气污染防治、预警的需要。

当前，大气污染的严峻环境促使大气污染预警技术进一步革新和发展，然而大气污染预警系统并非采取单一的技术，而是由各项功能技术环节共同组成的一个复杂的综合性系统工程。如今对大气污染预警技术的研究是全球共同面对的问题，也是环境科学研究领域的热点与难点。本文首先分析了大气预警的基础技术理论，概述了空气质量预报的现有技术和发展趋势，然后探究了大气污染预警新技术，并说明了大数据分析与认知技术在大气污染预警技术平台上的应用。

1 空气质量预报技术

大气污染预警技术，属于空气质量预报技术的范畴，它既要实现对当前空气质量的数据监测采集处理，又要建立气象数据等与预报相关的模型，以此来进行大气污染的预报预警，从而实现监控、预测空气质量变化的目的。

1.1 空气质量预报技术分析

从技术原理来看，空气质量预报的方法可以分为两种：一种是统计预报，统计预报对大气污染的预测，是基于对采集到的数据进行分析的结果，此种预报方法利用统计原理，对大气环境的变化规律进行研究，建立大气污染与气象参数的关系模型，推测大气污染状况；另一种是数值预报，数值预报依据的技术原理是大气动力学理论，以计算机来辅助预测大气动态，数值预报通过对大气物理与化学过程的分析，建立大气污染浓度在空气中输送扩散的数值模式。

数值模式在大气质量预报中更有优势，是未来的发展趋势。采用数值模式的优势表现在它可以将大气污染的物理化学变化进行量化，解析不同来源或过程的相对贡献时空分布，在城市大气污染预警系统中扮演重要角色。采取数值模式有利于评估污染防控措施的效果，为协同控制污染提供帮助。

1.2 空气质量预报技术应用现状

在数值模式的研究中，国内外诞生很多研究成果，形成了很多数值模式。美国建立的数值模型有多尺度空气质量模型CMAQ、大气化学完全耦合模式WRF-chem、综合空气质量模型扩展版CAMX；日本依据数值模型原理建立了化学天气预报系统CFORS；法国建立了空气模式系统多模式平台NAQPMS；中国构建了嵌套网格空气质量预报模式系统NAQMS。这些技术在不同程度上对大气污染的预报作出了贡献，中科院建立的NAQMS数值模式充分考虑了污染物的化学反应、传输、干湿沉降等因素，在预测大气污染物方面取得了很好的效果，在现有空气质量数值模式建立方面具有一定的优势。

中国对大气污染预警的技术研究成果主要来自于中国科学院（以下简称“中科院”），中科院在基础技术模型开发及应用上获得了成功，同时在新形式的环境预警需求下，开发了新技术，为环境预警提出了新的发展策略。中科院在大气污染预警方面取得的实质性研究成果有：NAQMS、全球环境大气输送模式GEATM、多模式空气质量集合预报系统EMS、大气化学资料同化系统和沙尘暴资料同化系统，为我国的环境预警承担了重要责任。其中，NAQMS是中科院开发的，依据目前国内城市大气污染的排放传输、演变特点，以及当前国内计算机硬件条件和业务水平，借鉴国际上有代表性的数值模式，它是为国内大气环境预报设计的，在国内多个省市，如郑州、北京、上海、广州、沈阳、哈尔滨等大中型城市都取得了良好的大气污染预警效果，获得了当地业务部门的认可。NAQMS的四个主要构成部分是：气象处理、排放源处理、空气质量模式及模式输出，NAQMS采用嵌套网格技术可实现对从大到小的依次嵌套的多层区域同时模拟，其输出结果包括污染物在大气中的浓度值、气象要素的时空变化、污染物的干沉降与湿沉降通量等，在城市或区域之间也可以提供相互影响状况。

1.3 空气质量预报技术发展趋势

空气质量预报技术发展趋势主要体现在以下两个方面：

一方面，综合各项技术应用情况来看，多模式集合预报是当前大气环境数值模拟的未来大力发展对象，国际上首个EMS多模式集合预报系统就是以中科院大气物理所自主研发的NAQMS模式为核心，集成了CMAQ、CAMx、WRF-Chem等模式优势，该系统服务于北京奥运会空气质量预报预警，可提供72 h的气象要素、污染物浓度三维时空变化，达到短期预测和预警的目的。法国大气环境教育和研究中心同样构建了多模式集合预报系统模型——Polyphemus模式系统，重点在于对模式内不同模块、物料化学参数选取的集合集成。

另一方面，大气污染预警技术在系统集成、数据分析、决策方面也有很大的发展前景，新兴的大数据和认知技术分析和认知技术，也逐渐迁移到大气污染预警的平台建设上。基于大数据和认知技术的大气污染预警平台，开启了大气污染预警的新的研究方向。传统技术包含了数据采集、处理和预报发布，但其忽略了对污染规律、污染原因等的挖掘，当新情况发生时，无法利用历史数据资料及分析过程进行比照，没有形成经验的积累和利用，而IBM提出的认知计算和大数据技术为其提供了解决思路。

2 大气污染预警新技术

由于空气质量模式尚存在很大的不确定性，空气质量模式尚不完全，我国在质量模拟、预报预警技术方面做了新的技术研究，主要涵盖了以下技术：污染源追踪和来源识别技术、大气化学资料同化技术、污染源反演技术、空气质量集合预报技术和区域大气污染预警[1-3]。这些技术不同程度上也代表着大气污染预警的发展趋势。

2.1 识别和追踪污染源技术

大气污染物形成的复杂性，导致污染物浓度与前体物源排放呈非线性关系，造成大气污染预测的误差。传统的技术解决办法为源解析、气象追溯两种方式，需对模型过程进行多次情景设立，时间效率低，而识别和追踪污染源技术结合了二者的特点，通过在线解析手段，减小了物理化学过程的非线性特征带来的误差，无需反复进行情景设定，提升了效率。该项技术契合当前城市污染复合性、区域性的特点，比传统技术更高校、准确，能够量化污染源的来源性和行业贡献。

2.2 大气化学资料同化技术

通常采取的描述或记录大气污染状况的方式是观测和模拟，观测的目的是反映大气环境的真实情况，没有预测功能；模式模拟采取近似或参数化过程，模拟范围涵盖三维空间和时间维度的大气环境，具有预测功能，缺陷是输入量如排放源、气象场、初始边界条件等存在误差，造成模式模拟的不确定性增加。大气化学资料同化技术，融合了观测与模拟模式的功能特点，通过对模拟信息和监测信息的统计，输出最优组合方式，提供了更加精确的大气污染三维分析数据，模拟预报的可靠性得到了提高。中科院在大气化学资料同化技术方面，研制了大气化学资料同化系统IPA/LAPCChemDAS，并将其集成到NAQPMS模式中。

2.3 污染源反演

污染源反演技术，是为了准确、快速确定排放源种类、数量等特征，为空气质量模拟和预报提供数据来源。随着经济的快速发展变化，污染源种类及特征也急剧变化，实地调查取证的方式，效率低、获得数据的准确性存疑，数据信息存在一定的滞后性，污染源反演通过观测的数据，即可进行动态反演，有效提高排放源数据的准确性和时效性。中科院建立的区域和城市尺度大气污染反演系统，充分利用集合卡尔曼滤波同化方法，进行观测资料和大气化学模式的优点，对污染源清单进行高时空分辨率的逆向修订，快速动态更新污染源清单数据资料，在预报准确性和经济成本上都取得了很好的效果。

2.4 集合预报

集合预报是数值预报的一种方法，它的突出特点是“群策群力”，强调各个不同模式在各自技术特点下的预测能力，强调大气化学模式的差异化和代表性，通过集合各个模式的优点，获得比以往单项预测更为全面、具有说服力的大气环境预测。与传统单项预报技术相比，集合预报的优势表现在：其一，预报信息涉及范围更全面，数据更丰富，可提供不同污染事件发生概率；其二，集合预报博采众长，通过集合决策方法，提高了预报的精确性。具体模式集合的预报方法包括：算数平均、权重平均、多元回归、神经网络等，其中神经网络应用效果最突出。

2.5 区域大气污染预警

区域大气污染预警是一种预警机制，该项机制是建立在多模式集合预报平台和区域污染特征解析平台的技术基础上；大气污染预警实现的目的是为相关部门提供报告，以此制定措施，尽力避免污染物对人们造成危害；区域大气污染预警的内容，主要包括污染物来源、种类、持续时间和影响范围等[4-6]。污染预警的关键在于预报是否准确，特别是污染的持续时间、转折等方面，可供采取的技术方法有：一是延长区域的预报时长，以空气污染与天气系统关系资源库为基础，实现提前捕捉环境变化的目的；二是制定重污染预警相应预案，通过分析区域内的相互输送量，在策略库控制方案进行匹配，提供最优解决预案；三是区域大气污染预警修正，通过分析综合观测数据，对关键参数和变量修正，进行再模拟和分析，降低污染预警的不确定性。

3 大数据分析、认知技术在平台技术中的新发展

基于大数据认知技术的大气污染预警系统，能够发挥大数据、认知技术的信息化优势，对长期积累的检测数据资源加以分析利用、处理，建立融合多种模型及专家知识的预警平台，实现有效的空气质量分析，以应对环境的复杂性，满足其复杂的功能诉求。

基于数据资源中心提供的统一的大数据共享平台，可有效融合各类不同类型的空气质量监测、不同预报系统的产品数据以及基础辅助数据，建立数据汇交、共享、质控管理机制，通过上层预报预警、综合分析、案例分析、应急决策支持四大子系统，从多模式集合预报结合专家调优支撑高性能预报会商应用，从大数据融合时空关联分析深度挖掘大气复合污染特征与污染成因，从多维度历史污染过程和天气形势全自动化认知分析支撑重污染过程研判，从业务化仿真情景方案与污染溯源助力专业应急决策[7]。该项技术在北京环境保护监测中心具体实施，体现出系统的稳定性和高效性。

4 结语

未来，大气污染预警技术应着重从预警技术环节的空气质量预报模式的建立、预报相关的各个单项新技术手段、区域预警机制等方面来发展，同时注重大数据分析、认知技术在大气污染预警系统中的数据管理、分析、决策等的应用，集成基于大数据融合的综合分析系统、基于多维认知技术的案例分析系统。

参考文献

1 皇甫玮喆.区域大气污染预报预警新技术与协同控制[J].低碳世界，2017，（5）：32-33.

2 潘锦秀.京津冀大气重污染过程数值预报与评估[D].南京：南京信息工程大学，2016.

3 黄 思.京津冀地区颗粒物（PM10和PM2.5）的集合预报方法研究[D].北京：中国科学院大学，2015.

4 刘 娟.长三角区域环境空气质量预测预警体系建设的思考[J].中国环境监测，2012，28（4）：135-140.

5 陆 涛.上海世博会长三角区域空气质量预警联动系统开发与应用[J].中国环境监测，2013，29（1）：141-146.

6 潘本锋，许人骥，宫正宇，等.支撑京津冀区域大气污染联防联控的大气监测体系构建[J].中国环境监测，2017，33（5）：57-63.

7 李云婷，严京海，孙 峰，等.基于大数据分析与认知技术的空气质量预报预警平台[J].中国环境管理，2017，9（2）：31-36