▲常态下“9·3”阅兵时对北京市五环内颗粒物浓度贡献率在万分之一以上的排放源分布。
常态下“9·3”阅兵时对北京市五环内颗粒物浓度贡献率在十万分之一以上的排放源分布。
黄顺祥
编者导读
进入深秋以来，空气污染的阴影时隐时现，再度为公众关注。不久前，由军地合作的蓝华团队研发的“全国空气质量高分辨率预报和污染控制决策支持系统”，即“呐思系统”成果发布。这个系统能为预报和防控空气污染做些什么？本版特约该系统的核心研发者、中国人民解放军防化学院研究员黄顺祥为读者做些解读。
改善空气质量 关键靠控制污染源
随着我国经济社会快速发展和工业化、城镇化进程不断加速，能源消耗增加，出现了一系列的大气环境问题。我国政府始终重视大气污染综合治理工作，在科学技术、法律法规和政策管理各方面均取得了显著的成绩，整体空气质量也得到持续改善。但在不利气象条件下，依然多次出现大范围和长时间的重度大气污染事件，尤其是雾霾污染问题突出，严重威胁人们身体健康，影响日常工作和生活。
发生严重大气污染往往取决于两个要素：一是不利的大气扩散条件，二是大量集中排放的污染源。当持续出现小风或静风，大气层结稳定，对于污染物的扩散稀释不利，污染物就容易聚积而使浓度升高，尤其是城市中建筑密度大，高楼林立，风速减慢，更进一步降低了大气扩散能力。
研究表明，如果在北京市打开5条宽度500米以上的一级通风廊道和形成10多条宽80米以上的二级通风廊道，通过改变扩散条件，可在一定程度上改善空气质量。但是，大气是一个开放系统，气象条件难以控制，通过改变地形地貌来改善扩散条件也非常困难，所以通常从控制污染排放源入手来改善空气质量。
污染源控制可分为长期控制措施和短期控制措施两大类，其中，通过产业结构调整减少污染物的排放，通过污染源优化布局避免污染物在城市区域内聚集，采取一些脱硫、脱硝、除尘等末端控制措施，这些就属于长期控制措施。而在重污染气象条件下，通过临时对工厂生产、交通、建筑工地等进行限制或关停，达到对污染物减排、限排效果，则属于短期应急控制措施。
一次性计算出 污染物浓度的贡献率
由于造成雾霾的污染源数量众多，无论是长期控制还是短期控制措施，都有必要对它们进行细致分析，得到它们对雾霾污染的贡献大小信息，并综合考虑控制成本和效益，对控制措施进行优化，以较小的代价达到有效控制污染的目标。这就提出了两个关键的科学问题，第一个是大气污染的精准溯源问题，第二个是污染控制措施的优化问题。为了实现定量分析，需要应用空气质量数值模拟技术这一利器。
当前，有些大中城市已经能够进行空气质量数值预报，其原理是在数值天气预报技术的基础上，根据大气污染物输送、沉降和化学转化等过程的机理，建立空气质量数值模式，在超级计算机上进行求解和预测。空气质量数值模拟技术，不仅可以实现未来几天高分辨率（1至3千米）多种污染物浓度分布及演变的预测，还可以用于对空气污染控制策略的效益进行分析和评估。
典型的分析方法是“开关法”，即根据特定的减排限排控制方案，在数值模式的输入参数中，将相应的污染源排放量减小或关闭，在计算机上进行仿真试验，评估方案的效果和对应的控制成本。但是，“开关法”用于计算每个排放源的贡献，其效率是很低的，不能满足实际控制的时效性需求。因为对于每一个源，都需要重新运行一遍数值模式，随着源的数量增加，总计算量将会增大到无法承受的程度。其他溯源方法也都有各自的局限性。
对于污染溯源问题，伴随方法可说是量身定做的。伴随方法通过构建空气质量数值模式的伴随模式，计算模式分辨率尺度下的所有排放源对于特定目标污染物浓度的贡献率，效率很高。蓝华团队研发了CAMx伴随模式，应用伴随模式可以一次性计算出各个污染源对目标区域污染物浓度的贡献率，即可以快速给出不同时段、不同区域各个污染源对目标区域污染浓度的贡献率。这一方法突破了大气污染溯源的技术瓶颈。
上图是应用伴随模式模拟了“阅兵蓝”期间，在没有采取减排限排措施的前提下，北京及周边地区污染源对北京五环内平均大气颗粒物浓度的贡献。精准的溯源分析结果，可为有针对性的减排限排提供定量的决策依据。伴随模式的应用，在大气污染优化控制找准源头方面，取得了关键性突破。
实时动态提供 污染控制优化决策方案
解决了大气污染的精准溯源问题，我们还要面临污染控制措施的优化问题。
大气污染动态优化控制是一个人类活动和自然规律相耦联的过程，需要同时考虑控制经济代价、社会效益和健康效应等多维影响。因此，在大气污染溯源的基础上，需要将控制的经济代价、社会效益和健康效应综合考虑，建立多目标优化控制模型及求解方法，以实现大气污染动态优化控制。
污染控制的目的，就是要将空气中污染的浓度降低到一定的阈值范围内，以减少空气对人体健康造成的影响。核心问题就是采取什么样的控制措施使污染控制的社会效益、环境效应和经济代价整体最优。这是一个多目标动态优化控制问题。
对此，蓝华团队建立了基于自然控制论的大气污染动态优化控制系统，建立了空气质量预报、污染溯源、控制成本、社会效益和健康效益等自然因素和社会因素之间的动力关系，使大气污染动态优化控制这一关键科学问题取得了突破。
对雾霾的综合彻底治理，仍然面临一些不确定的问题需要逐渐得到解决。空气质量数值模式的预报结果对于决定是否需要采取应急控制措施，以及采取怎样的控制方案起到关键的作用。由于气象场预报的不确定性、排放源清单的不准确性和部分污染物化学演变过程机理不清晰，导致空气质量预报存在不确定性，进而影响大气污染溯源和控制的效果。因此，动态污染控制还需要考虑溯源结果的不确定性因素，也就是说，实际污染控制中需要考虑来自污染预测不确定性引起的边界效应。
“呐思系统”可以在实际应用中，实时给出动态控制的减排限排方案、调控代价和调控效果。
延伸阅读
新型研究方法
快速识别污染物偷排企业
目前，空气质量预报系统均是基于常规排放源进行的，对于突发大气污染事故和企业偷排等非常规污染源无法识别，这也直接影响着事故应急和污染管理。
如何快速识别非常规污染源呢？面对这一重大科学难题，蓝华团队提出了解决思路，将在国家重点研发计划“大气重污染综合溯源与动态优化控制研究（青年项目）”中展开深入研究。对于可视的突发大气污染事故或企业偷排，我们可以通过卫星影像来识别，给出定性或半定量的结果；但对于不可视非常规排放源，还需要新的方法才能识别。
空气质量预报是在常规排放源清单基础之上进行的，预报结果与实际监测结果理论上具有一致性。当然由于排放源清单、气象场预报和化学模式的误差和不确定性，会造成预报结果和实际监测结果存在一定的差异，但这种差异可以通过建立空气质量监测网的监测结果与常态预报结果的关联矩阵来体现。那么，一旦该关联矩阵出现异常，就可以根据异常结果，从受体出发反演非常规排放源的位置、大小和排放时间，从而实现非常规排放源的识别，以期实现及时甄别偷排企业的位置和真实排污数据，同样也可以为重大突发大气污染事故的源项反演提供关键支撑。
联系客服
