空氣質量模型研究進展綜述*

高 雅 劉 楊 呂佳佩

(中國環境科學研究院環境基準與風險評估國家重點實驗室，國家環境保護化學品生態效應與風險評估重點實驗室，環境健康風險評估與研究中心，北京 100012)

由于工業和經濟發展的需要，化石燃料大規模使用，在全球范圍內引發了煤煙型污染、光化學煙霧污染、酸沉降等各種類型的大氣污染事件。隨著燃料結構和污染源的變化，大氣污染問題變得更加復雜多樣，二次污染加劇，復合型污染日趨嚴重。在污染范圍上，也從城市和局部污染發展成了區域性污染，甚至是全球性污染。

空氣質量模型是研究大氣污染物的時空分布特征和預測大氣環境質量的重要手段之一，在環境規劃與管理領域應用廣泛。目前，已經有多種成熟的空氣質量模型成功應用于大氣污染物擴散模擬過程中。選用合適的空氣質量模型應充分考慮污染源類型、污染物特征、地形和氣象條件等多種因素。本研究著重總結了不同尺度下的典型空氣質量模型及其應用研究進展，以期為使用者選擇空氣質量模型，推動空氣質量模型的進一步研究和應用提供參考。

1 空氣質量模型發展歷程

空氣質量模型是建立在梯度傳送理論、統計理論和相似理論等科學理論的基礎上，運用氣象學原理及數學方法模擬污染物在大氣中輸送、擴散、反應和清除等過程的模型，主要用于分析大氣污染物時空演變規律、機理和成因。自20世紀70年代以來，空氣質量模型發展主要經歷了3個階段。

(1) 20世紀70—80年代，基于質量守恒定律的箱式模型、基于湍流擴散統計理論的高斯模型和拉格朗日軌跡模型是第一代空氣質量模型，在模擬大氣物理化學參數時采用簡單線性化機制，適合用于惰性大氣污染物長期平均濃度的模擬。其中的高斯模型具有結構簡單、對輸入數據要求低、運算速度快等優點，是第一代空氣質量模型中應用最為廣泛的模型。然而，第一代空氣質量模型無法對大氣污染物的相互影響或相互轉化進行處理，因此難以解決復合型污染模擬問題。

(2) 20世紀80—90年代，大氣邊界湍流與擴散的研究取得一定突破，由此形成了以歐拉網格模型為主的第二代空氣質量模型，第二代空氣質量模型使用了更貼近實際的大氣擴散公式，增加了復雜的氣象模式、非線性反應機制，擴大了模擬范圍，具備了三維和時變功能，在光化學煙霧和酸沉降模擬中應用較多。

(3) 20世紀90年代后期，美國環境保護署(USEPA)研發出了以CMAQ模型為代表的第三代空氣質量模型，這是一種多模塊、多尺度網格嵌套的三維歐拉網絡模型，解決了前兩代模型無法模擬復合型污染的問題[1-2]。突破了前兩代模型只能針對單一污染物或單相污染物的情況，考慮了實際大氣中不同污染物之間的物理化學反應過程，以及污染物間的相互轉化和相互影響。

近年來，將機器學習和人工智能植入到空氣質量模型中使其能夠更好地處理非線性問題和交互關系、獲得更好的精確度的研究日益增多[3]，這為空氣質量模擬和預測提供了新的便利，有可能推動新一代空氣質量模型的誕生。

2 不同尺度下的典型空氣質量模型及其應用

2.1 中小尺度模型

中小尺度模型均屬于第一代空氣質量模型，以AERMOD模型、ADMS模型、CALPUFF模型為代表，以高斯煙羽(煙團)公式為基礎來模擬近地層大氣中污染物遷移擴散的物理化學過程，具有算法簡易、操作性強、基礎數據要求低、運算速度快等優點，缺點是適用尺度小，難以適用于二次污染物的模擬。AERMOD模型、ADMS模型和CALPUFF模型均被列為我國《環境影響評價技術導則 大氣環境》(HJ 2.2—2018)中的推薦模型。

2.1.1 AERMOD模型

USEPA聯合美國氣象學會研發出的AERMOD模型為穩態封閉型高斯模型，一般可用于模擬點源、面源、體源等排出的一次污染物的小時平均、日平均和長期平均濃度在50 km范圍內的分布和傳輸，在農村和城市地區都適用。

AERMOD模型包括3個模塊：AERMOD擴散模塊、AERMET氣象預處理模塊和AERMAP地形預處理模塊[4]。AERMET氣象預處理模塊為AERMOD擴散模塊提供參數化行星邊界層(PBL)需要的氣象數據，AERMAP地形預處理模塊為AERMOD擴散模塊提供預測點網格。AERMOD模型的優點有：(1)在對流層和平流層中均能進行模擬；(2)考慮了煙羽的抬升和浮力以及煙羽彎曲過程；(3)能在各類地形上預測；(4)能處理建筑物尾跡。AFZALI等[5]利用AERMOD模型預測了馬來西亞柔佛州工業區多個工業源排放的SO2、NO2和可吸入顆粒物(PM10)，預測和監測濃度之間有很好的一致性。CLAGGETT[6]利用AERMOD模型預測高速公路附近的污染物濃度，能夠較好地模擬近路邊污染物濃度情況。

2.1.2 ADMS模型

ADMS模型是以英國劍橋環境研究中心(CERC)為主研發的一種三維高斯模型，它包括ADMS-Screen、ADMS-Industrial、ADMS-Roads、ADMS-EIA和ADMS-Urban 5個子模型，將最新的大氣邊界層和大氣擴散理論應用到空氣污染物的擴散中，適用于50 km范圍內的模擬[7]。ADMS模型除了可以模擬點源、線源、面源和體源排放出的污染物濃度分布外，還可以處理建筑物下洗、干濕沉降等場景。

ADMS模型與其他模型的不同之處在于其使用了最小莫寧-奧布霍夫長度和邊界結構的最新大氣理論，對邊界層特征參數定義得更加準確，并且在不穩定條件下采用高斯概率密度函數及小風對流模式，可以更貼切地描述大氣擴散過程，提高污染物濃度計算結果的準確性[8]。RIGHI等[9]利用ADMS-Urban預測了城市交通相關污染物的擴散情況，結果顯示該模型預測值與監測值有良好一致性。HEIST等[10]評估發現，AERMOD模型和ADMS模型的模擬結果與監測結果相似度很高。

2.1.3 CALPUFF模型

20世紀80年代末，美國Sigma公司研究開發了CALPUFF模型，包括氣象模塊CALMET、拉格朗日煙團擴散模塊CALPUFF和后處理及可視化模塊CALPOST 3個主體部分，以及一系列對常規氣象、地理數據進行預處理的程序。CALPUFF模型采用的是三維非穩態拉格朗日軌跡模型，與高斯模型相比算法更簡易，在模擬50 km以上的長距離污染物傳輸方面也表現出較好的適應性。CALPUFF模型是非常適合用于模擬能見度情況、放射性核素遷移擴散情況、區域大氣環境容量情況、區域重點行業大氣污染物排放情況等。

CALPUFF模型的優點體現在：(1)能模擬一些非穩態情況，如靜小風、熏煙、環流等；(2)雖然AERMOD模型、ADMS模型、CALPUFF模型均可模擬揮發性有機物(VOCs)一次污染情況，但只有CALPUFF模型可模擬VOCs生成二次有機氣溶膠的情況；(3)能夠評估二次顆粒物濃度；(4)可以利用氣象中尺度模型MM5的網格風場作為觀測數據；(5)適用于粗糙、復雜地形。CHOI等[11]借助CALPUFF模型模擬了美國墨西哥邊界地區由于農作物燃燒而產生的粗顆粒物污染問題以及對空氣質量造成的影響。GHANNAM等[12]將MM5與CALPUFF模型進行耦合，用于評估地形復雜的沿海城市地區空氣質量，發現模擬結果非常接近監測結果。

2.2 綜合區域尺度模型

近年來，綜合區域尺度模型在重大科學研究、環境影響評價以及環境管理與決策等領域得到了廣泛應用[13]。由于綜合區域尺度大氣污染情況非常復雜，各種污染物之間存在復雜的物理化學反應以及相態之間的轉變，簡單的中小尺度模型無法對其進行模擬。CAMx模型、CMAQ模型、NAQPMS模型和WRF-Chem模型是典型的綜合區域尺度模型，它們在模擬O3、顆粒物、能見度、酸雨甚至氣候變化等各種復雜空氣質量問題和區域復合空氣污染問題方面發揮了巨大作用。

2.2.1 CAMx模型

CAMx模型是由美國ENVIRON公司開發的針對O3、SO2、顆粒物和霧霾天氣過程的綜合區域光化學空氣質量模型。它可以通過求解每個網格中各污染物的物理化學反應方程來模擬有毒有害氣體、顆粒物在空氣中的運輸、反應及干濕沉降等過程，適用于城市尺度及更大的區域尺度[14]。CAMx模型具有顆粒物源識別(PSAT)、O3源識別(OSAT)、多重嵌套及彈性嵌套、網格煙羽(PiG)、敏感性分析和反應示蹤等功能。CAMx模型可以免費使用，操作靈活、計算高效，對基礎數據和操作人員技術性要求低，但模擬準確性高，因此受到使用者的廣泛好評。

CAMx模型在O3、顆粒物、SO2等污染物的來源分析方面應用最為廣泛。李浩[15]使用CAMx模型解析2013年長三角地區的光化學污染事件中上海市、蘇州市等地環境中O3的主要來源，結果顯示夏季工業生產過程中工業鍋爐和窯爐排放的VOCs是高濃度O3的主要前體物。HUANG等[16]利用CAMx模型模擬了北京市供暖季節的SO2濃度，結果顯示北京市城區的供熱排放源和其他工業排放源是主要的SO2排放源。

2.2.2 CMAQ模型

CMAQ模型是USEPA開發的第三代空氣質量模型的典型代表。20世紀90年代以來，該模型一直不斷完善和發展，憑借其比較全面的大氣污染物化學反應和傳輸機制廣泛應用于科研、業務模擬中。CMAQ模型通常包括排放清單處理模塊、中尺度氣象模塊和通用多尺度空氣質量模塊3部分，其中通用多尺度空氣質量模塊是整個模型的核心，排放清單處理模塊為通用多尺度空氣質量模塊提供污染源的大小、位置和時間變化信息，中尺度氣象模塊則為通用多尺度空氣質量模塊提供基礎的網格氣象數據。

該模型的優點在于：(1)包含污染源排放、氣象處理和化學轉化等功能，可以同時模擬O3、顆粒物以及其他有毒有害污染物等從城市到區域尺度的污染過程和行為；(2)利用了高性能計算、模塊化設計、可視化技術等多種最新計算機技術，使得模擬更高效、更精確。但它基礎數據需求量極大、模型結構非常復雜，需要多學科專業人員配合。LI等[17]利用CMAQ模型模擬了中國典型地區(華北平原、長三角、珠三角和成渝地區)交通運輸對細顆粒物(PM2.5)的影響，發現北京市、天津市和上海市的PM2.5濃度水平相對較低，交通運輸是PM2.5的主要來源。BUONOCORE等[18]應用CMAQ模型評價了位于美國大西洋中部地區的一組電廠產生的PM2.5、NOx、SO2對公眾健康的影響，結果顯示SO2對公眾健康的影響最大。

2.2.3 NAQPMS模型

NAQPMS模型是中國科學院大氣物理研究所開發的集多污染類型和多尺度為一體的三維歐拉網格空氣質量模型。它集成了多尺度空氣質量數值模擬技術、多元同化反演技術、集成預報技術和精細溯源追蹤技術，可以對1～2周內的空氣質量進行精確預報，還具備追蹤污染物來源、實時同步監測數據和計算大氣環境容量等功能，目前在我國空氣質量預報領域應用較多。NAQPMS模型的優點在于：(1)能夠同時對上百個變量進行分析，并能分析變量敏感性和不確定性；(2)考慮了大氣復合污染中多種污染物之間的非線性關系，集成了蒙特卡洛不確定性分析和集合卡爾曼濾波同化算法，解決了二次污染物和前體物協同處理的難題。陳學舜等[19]利用NAQPMS模型模擬了北京市冬季新粒子的形成情況，發現人為的VOCs會促進顆粒物的形成。GE等[20]在改進NAQPMS模型的基礎上模擬了中國部分地區的酸沉降和濕沉降的源與受體之間的關系，發現華東和華中地區對其他地區的濕沉降有重要影響，西南和東北地區的酸沉降總量已經達到或超過其環境容量。

2.2.4 WRF-Chem模型

WRF-Chem模型是美國最新開發的區域大氣動力學與化學耦合的模型，集成了WRF模型與Chem模型的優勢。WRF模型具有多個動態核心，是集數值天氣預報、大氣模擬、數據同化于一體的模型，主要可用于大氣環境模擬、天氣研究、氣象預報等，并且還可以為CMAQ模型、CMAx模型、ADMS模型和CALPUFF模型等提供氣象場[21]。WRF-Chem模型全面考慮了大氣物理和大氣化學過程，包括污染物的排放、傳輸、化學轉化和干濕沉降等。WRF-Chem模型的優點在于：解決了空氣質量模型建模時化學過程獨立于氣象過程的問題，實現了氣象過程與化學過程在時間和空間上的完全耦合。LIU等[22]使用 WRF-Chem模型對南京市發生的重度氣溶膠污染事件中PM2.5的垂直剖面進行模擬，結果表明，模擬的地面氣象和空氣質量與監測結果吻合度較好，模型在白天對流條件下合理地捕獲了PM2.5的垂直剖面形狀，但在夜間的模擬效果還有待提高。WANG等[23]利用WRF-Chem模型很好地模擬了四川省18個城市的PM2.5濃度和O3日最大8 h濃度。

2.3 全球尺度模型

全球尺度模型主要模擬全球尺度的大氣污染物長距離傳輸及化學反應，可以與衛星遙感資料結合反演近地面大氣污染物濃度，對于一次污染物和二次污染物都可以進行模擬。目前應用較多的全球尺度空氣質量模型有MOZART模型和GEOS-Chem模型等。

MOZART模型是由美國國家大氣研究中心、地球物理流體動力學實驗室和馬克斯-普朗克氣象研究所聯合開發的一類全球化學輸運模型(CTM)。該模型的分辨率為1.9°×2.5°(約190 km×250 km)。MOZART模型可以模擬對流、邊界層傳輸、表面排放、光化學和干濕沉降等過程[24]。

GEOS-Chem模型由哈佛大學研發，是目前空氣質量模型中最受關注的全球化三維模型之一，已被廣泛應用于與大氣化學和空氣質量相關的研究課題[25-26]。該模型的分辨率為2.0°×2.5°(約200 km×250 km)，在模擬PM2.5和O3污染事件中發揮過較大作用，而且還可評估健康影響[27-28]。

3 展 望

近年來，空氣質量模型發展迅速，各類空氣質量模型在大氣污染研究領域得到廣泛應用[29-33]。大氣污染影響因素眾多、過程復雜，空氣質量模型是大氣污染研究的重要工具，它建立在科學的理論和假設基礎上，用數值方法模擬大氣中污染物的傳輸、擴散、化學轉化和去除過程，具有廣闊的應用前景。以下幾個方面將是未來空氣質量模型研究的重要方向：

(1) 地球系統無縫預測的實現

無縫預測是未來的一種前瞻性預測方式，適用于所有空間和時間尺度，可以實現從監管和政策分析到理解大氣化學和物理復雜相互作用的全方位應用。無縫至少體現在兩個方面，首先在過程尺度上，可以實現氣象因素和大氣成分在模型內的耦合，一個在線的、全耦合的、涵蓋多尺度的、多種類的、多過程的空氣質量模型是現階段世界范圍內預測發展的方向；其次從時間和空間尺度上考慮，模型應能夠在多個時間或空間分辨率下連續使用。

(2) 污染源排放清單的標準化

我國的污染源排放清單還呈“多樣化”局面，不同部門公布的污染源排放數據存在偏差，部分數據如污染源普查、環境統計、總量減排核查等數據還不能完全公開使用。污染源排放清單的標準化是未來空氣質量模型應用中非常關鍵的環節，當前應積極推進多源數據高精度排放清單的標準化研究，并重視排放清單的多維度驗證和不確定性分析。

(3) 多平臺觀測數據和資料的共享

由于空氣質量的觀測方法和指標有限，在模擬地形和氣象條件復雜的空氣污染事件時現有觀測數據有時較難對關鍵性參數進行有效率定，因此實現實時的多平臺觀測數據和資料共享，將是改進空氣質量模型的有效方法。在空氣質量模擬過程中，應加大研究模擬數據與地面觀測數據、衛星數據等多平臺數據和資料的結合手段。

(4) 人工智能、機器學習方法的融合

目前，許多國內外學者將人工智能、機器學習方法融合到了空氣質量模型中，這對實現空氣質量多尺度、高精度時空預報以及結果可視化具有重要意義。例如，通過深度學習方法揭示污染物間的非線性特征；結合復雜網絡理論劃分污染物水平分區；使用神經網絡檢索污染物排放量；利用機器學習實現對空氣質量演變趨勢的準確分析。

(5) 法規化空氣質量模型的建設

我國的環境空氣質量模型法規化還處于起步階段，目前僅有部分主流模型具有法規化地位，在HJ 2.2—2018中被推薦。應盡快建立空氣質量模型法規化認證制度和體系，規范法規化空氣質量模型的應用，在對歐美國家先進的模型進行法規化的同時也要促進我國自主研發的模型法規化。

(6) 新一代大氣污染防治科技體系的構建

通過對空氣質量模型的研究與應用，構建起新一代大氣污染防治科技體系，做到環境質量改善與氣候變化應對協同、PM2.5和O3污染治理協同。