Page 154 - 生态环境保护与环境监测研究

生态环境保护与环境监测研究

（二）推进搭建数值模拟和统计学习两类方法集成的预测技术体系
未来，因此准确度依赖于模型与实际大气状况的吻合程度，而并不需要历史

气象数据。再次，模型中污染源与空气污染之间清晰的因果关系使得模型的可读
性非常强。然而，数值模型的计算量异常巨大，大到难以想象。即使是超级计算

机，也需要很长时间，如果要追求模式的高分辨率就更难了——过高的计算代价
成为数据模型最大的劣势。况且，空气污染排放源数据的收集也很难做到全面、

真实。在大气这个混沌系统中，哪怕是微小的数据偏差也会导致结果的巨大差
异，因此数值模型不如预期的准确性也就可以理解了。数值方式是最主流、最正

统的天气系统预测方式，但巨大的计算量对硬件的要求极大限制了这种方式的普
遍性，使用者基本上以国家单位、科研机构为主。

近年来更热门的方法，是以统计学为基础，建立污染物浓度与气象场的联
系，从而预测未来一段时间内的空气质量。很多天气领域的商业公司，都在尝试

利用这种方法进行商用级别的精细化空气质量预测。由于本质上是基于历史数据
做预测，相对于数值方法，统计学方法的计算量要小几个数量等级，所以每次预

测的成本要低得多。反映在实际应用上，统计学方法在多频次的短期预测中具备
很大优势。但是统计学方法的劣势也显而易见——需要以大量历史空气质量数据

为模型训练基础来提高预测准确度。同时，统计学方法在对突发或非常规现象的
预测上也较为无力。近年来，由于计算能力的提高，机器学习——统计学和计算

机科学的跨学科领域蓬勃发展。目前，如何将物理模型和机器学习更好地结合用

于预测空气质量是一个很活跃的领域。即是说，两种类型的模型都会有自身的用
途，但是又无法完全替代对方。
（三）建立全面的空气质量预测方法技术规范体系

2020 年生态环境部发布《环境空气质量数值预报技术规范》（HJ1130—

2020），该标准对环境空气质量数值预报模式的基本要求、运算处理、效果评估
等内容进行了规定，是该领域首次发布相关技术规范标准，是我国空气质量预测

模拟业务化标准体系建设的重要开端。该技术规范的发布实施，将为我国环境空

146