导言

当周围空气中的气体、灰尘、烟雾或气味含量高到足以造成危害时，就会产生空气污染。也就是说，其含量会对人类和动物的健康造成危害，或足以对植物和材料造成损害。

污染通常以 空气质量指数（AQI） 评级，许多政府机构都用它来表示一个地区的空气污染程度。随着空气质量指数的增加，可能对健康产生不利影响的人口比例也会增加。

人们对空气污染的认识正在迅速提高，因此对准确空气质量预测的需求也在增加（Saadi 等人，2005 年）。

然而，污染预报和天气预报一样，是很难预测的。有大量的变量需要考虑，其中一些相当 "不可预测"，例如 政府干预 和自然灾害，两者都会对空气质量指数产生巨大影响（Dye，2003 年）。

尽管如此，准确的空气质量预测正成为越来越重要的工具，可以带来巨大的社会和经济效益，其中最大的效益就是规划（Saadi 等，2005 年）。通过预测，人们可以采取预防措施，避免或限制接触不健康水平的空气污染物（Dye，2003 年）。各国政府还可以利用早期预测，尽早制定有助于降低当地污染严重程度的程序（Saadi 等人，2005 年）。

影响污染水平的因素

污染与当地的天气条件和附近的排放物密切相关，但有越来越多的资料表明，污染的长程飘移是影响当地空气质量指数读数的另一个重要因素（NARSTO，2003 年）。因此，预测空气质量不仅涉及天气预报的困难，还需要了解周围和远处的污染物浓度和排放情况，同时考虑到污染物的移动和可能的转化（Saadi 等，2005 年）。

从影响空气质量指数预报的一系列因素来看，预报既可以是主观的，也可以是客观的。为了确保最准确的预报预测，我们需要扩大数据库--数据库越大，准确预测的可能性就越大。为了提高预测的准确性，预测项目还需要利用连续的实时数据，然后利用这些数据来开发预测方法、监控当前情况、评估预测效果并对预测进行相应的修正（Ballagas 等人，2003 年）。

空气质量预测技术

气象预报

气象预报或天气预报是以下所有技术的基石。要进行准确的空气质量预报，第一步就是获得或制作出色的天气预报。天气预报利用科学和技术进行预测。一般来说，预测中使用的方法组合越多，预测就越准确

预报是一项主观和客观兼备的技术，包含从简单到复杂的多种技术。预测的时间一般为一至三天--预测的时间越长，准确度越低。为简单起见，预测方法可分为三大类：（U.S. EPA, 1999）：

1. 气候学：

   气候学基于这样一个假设，即过去是未来相对较好的指标。这种方法基于特定气象条件与污染水平之间的关系，因此可能非常单一。这种方法通常扩展到天气模式--将天气模式与污染模式相匹配。

   气候学作为一种预测方法，通常被视为其他预测方法的补充工具。这主要是由于该方法的局限性，包括难以预测排放模式的突然变化，以及需要大量数据才能确定现实趋势。

2. 统计方法：

   空气质量与特定气象参数之间的联系可以通过各种统计技术进行量化。最常用的三种方法如下：

   1. 分类和回归树 (CART) - 这种统计方法旨在将数据分为不同的组别。它使用专门的软件来识别与环境污染水平密切相关的变量（气象或空气质量）。然后利用这些数据创建决策树，根据预测变量（天气条件）及其与污染物浓度的相关程度预测浓度。
   2. 回归分析 - 回归分析估计变量之间的关系。通过分析历史数据集，我们能够确定污染水平与气象数据变量之间的关联。由此得出的多元线性回归方程可用于预测未来的污染水平。
   3. 人工神经网络 - 历史数据可以更复杂的方式进行分析。人工神经网络通过应用自适应学习和模式识别技术，计算历史数据与大气因素之间的关联。这种方法使用基于计算机的算法，旨在模拟人脑的模式识别。利用复杂的非线性数据，识别数据中 "不可预见 "的趋势。由于采用了多维方法，这种方法可以说是最适合预测污染的方法。
      
      上述统计方法的一个缺点是，它们假定影响空气质量的过程是稳定的。因此，排放或气候的任何急剧变化（短期或长期）都会严重降低这些技术的准确性。不过，有一些更复杂的方法，即三维模型，试图将这些不足考虑在内。
3. 三维模型

   这是一种预测空气质量的确定性方法；它创建的三维模型试图从数学上表示对环境污染水平有影响的所有重要过程。该模型通过利用模型中心的多个子模型来模拟空气污染的排放、传输和转化。子模型包括

   1. 排放模型 - 这些模型模拟自然和人为来源的污染物排放的空间分布和随时间变化的排放。
   2. 气象模型 - 这些模型预测所有决定污染物的迁移、沉积、混合、化学和排放的气象条件。然后，该模型利用三维气象模型和之前收集的排放数据，通过创建轨迹模型来预测环境污染水平。
   3. 化学模型 - 化学模型研究一次（排放）污染向二次污染的转化，包括其成分和形态。该模型利用基本化学定律、光谱特性（紫外线）和热力学关系来确定污染物的最终成分和形态。

三维模型的分类基于模拟污染浓度分布的方法。它们可分为拉格朗日模型和欧拉模型：

1. 拉格朗日模型 利用气象现场数据，以单个气穴的形式显示污染物随时间的迁移和扩散。这就形成了一个计算效率高的网络。然而，这种方法的一个问题是，空气污染通常涉及非线性化学反应，因此很难描述大量单个污染源的相互作用。
2. 欧拉模型 欧拉模型在垂直和水平方向上都使用固定网格。所有化学方程都在网格中同时求解，包括单元之间的污染物交换。根据不同的条件和要求使用不同的网格。一般在农村地区（同质区域）使用较细的网格，在城市地区（异质区域）使用较细的网格。这些模型能够生成多种污染物的三维浓度场，但需要强大的计算能力和专业知识。

准确性

为确保预报尽可能准确，我们需要确保空气质量预报系统包含各种兼容组件。其中包括预测值/技术和能够提供大气状况实时测量值的观测网络。这些措施用于创建模型和评估预报质量。

结论

空气质量预报和天气预报一样，都是预测，本质上并不精确。尽管它们经常是准确的，但由于空气污染的不可预知性，有时会出现变化。两个特别难以预测的事件包括自然灾害和排放量的突然变化（工厂因某些事件而减少排放量，如政府批准的清洁空气）。

预测技术正在迅速改进，未来将继续变得更加准确。政府和公众都了解空气质量预测的必要性，这不仅是为了监测自身的健康和安全，也是为了政府采用适应性管理技术来减少空气污染。提高公众对空气污染的认识至关重要，而空气质量指数预报则是通过提供信息来提高认识的一种方式。