空气质量模型研究进展综述*

高 雅 刘 杨 吕佳佩

(中国环境科学研究院环境基准与风险评估国家重点实验室，国家环境保护化学品生态效应与风险评估重点实验室，环境健康风险评估与研究中心，北京 100012)

由于工业和经济发展的需要，化石燃料大规模使用，在全球范围内引发了煤烟型污染、光化学烟雾污染、酸沉降等各种类型的大气污染事件。随着燃料结构和污染源的变化，大气污染问题变得更加复杂多样，二次污染加剧，复合型污染日趋严重。在污染范围上，也从城市和局部污染发展成了区域性污染，甚至是全球性污染。

空气质量模型是研究大气污染物的时空分布特征和预测大气环境质量的重要手段之一，在环境规划与管理领域应用广泛。目前，已经有多种成熟的空气质量模型成功应用于大气污染物扩散模拟过程中。选用合适的空气质量模型应充分考虑污染源类型、污染物特征、地形和气象条件等多种因素。本研究着重总结了不同尺度下的典型空气质量模型及其应用研究进展，以期为使用者选择空气质量模型，推动空气质量模型的进一步研究和应用提供参考。

1 空气质量模型发展历程

空气质量模型是建立在梯度传送理论、统计理论和相似理论等科学理论的基础上，运用气象学原理及数学方法模拟污染物在大气中输送、扩散、反应和清除等过程的模型，主要用于分析大气污染物时空演变规律、机理和成因。自20世纪70年代以来，空气质量模型发展主要经历了3个阶段。

(1) 20世纪70—80年代，基于质量守恒定律的箱式模型、基于湍流扩散统计理论的高斯模型和拉格朗日轨迹模型是第一代空气质量模型，在模拟大气物理化学参数时采用简单线性化机制，适合用于惰性大气污染物长期平均浓度的模拟。其中的高斯模型具有结构简单、对输入数据要求低、运算速度快等优点，是第一代空气质量模型中应用最为广泛的模型。然而，第一代空气质量模型无法对大气污染物的相互影响或相互转化进行处理，因此难以解决复合型污染模拟问题。

(2) 20世纪80—90年代，大气边界湍流与扩散的研究取得一定突破，由此形成了以欧拉网格模型为主的第二代空气质量模型，第二代空气质量模型使用了更贴近实际的大气扩散公式，增加了复杂的气象模式、非线性反应机制，扩大了模拟范围，具备了三维和时变功能，在光化学烟雾和酸沉降模拟中应用较多。

(3) 20世纪90年代后期，美国环境保护署(USEPA)研发出了以CMAQ模型为代表的第三代空气质量模型，这是一种多模块、多尺度网格嵌套的三维欧拉网络模型，解决了前两代模型无法模拟复合型污染的问题[1-2]。突破了前两代模型只能针对单一污染物或单相污染物的情况，考虑了实际大气中不同污染物之间的物理化学反应过程，以及污染物间的相互转化和相互影响。

近年来，将机器学习和人工智能植入到空气质量模型中使其能够更好地处理非线性问题和交互关系、获得更好的精确度的研究日益增多[3]，这为空气质量模拟和预测提供了新的便利，有可能推动新一代空气质量模型的诞生。

2 不同尺度下的典型空气质量模型及其应用

2.1 中小尺度模型

中小尺度模型均属于第一代空气质量模型，以AERMOD模型、ADMS模型、CALPUFF模型为代表，以高斯烟羽(烟团)公式为基础来模拟近地层大气中污染物迁移扩散的物理化学过程，具有算法简易、操作性强、基础数据要求低、运算速度快等优点，缺点是适用尺度小，难以适用于二次污染物的模拟。AERMOD模型、ADMS模型和CALPUFF模型均被列为我国《环境影响评价技术导则 大气环境》(HJ 2.2—2018)中的推荐模型。

2.1.1 AERMOD模型

USEPA联合美国气象学会研发出的AERMOD模型为稳态封闭型高斯模型，一般可用于模拟点源、面源、体源等排出的一次污染物的小时平均、日平均和长期平均浓度在50 km范围内的分布和传输，在农村和城市地区都适用。

AERMOD模型包括3个模块：AERMOD扩散模块、AERMET气象预处理模块和AERMAP地形预处理模块[4]。AERMET气象预处理模块为AERMOD扩散模块提供参数化行星边界层(PBL)需要的气象数据，AERMAP地形预处理模块为AERMOD扩散模块提供预测点网格。AERMOD模型的优点有：(1)在对流层和平流层中均能进行模拟；(2)考虑了烟羽的抬升和浮力以及烟羽弯曲过程；(3)能在各类地形上预测；(4)能处理建筑物尾迹。AFZALI等[5]利用AERMOD模型预测了马来西亚柔佛州工业区多个工业源排放的SO2、NO2和可吸入颗粒物(PM10)，预测和监测浓度之间有很好的一致性。CLAGGETT[6]利用AERMOD模型预测高速公路附近的污染物浓度，能够较好地模拟近路边污染物浓度情况。

2.1.2 ADMS模型

ADMS模型是以英国剑桥环境研究中心(CERC)为主研发的一种三维高斯模型，它包括ADMS-Screen、ADMS-Industrial、ADMS-Roads、ADMS-EIA和ADMS-Urban 5个子模型，将最新的大气边界层和大气扩散理论应用到空气污染物的扩散中，适用于50 km范围内的模拟[7]。ADMS模型除了可以模拟点源、线源、面源和体源排放出的污染物浓度分布外，还可以处理建筑物下洗、干湿沉降等场景。

ADMS模型与其他模型的不同之处在于其使用了最小莫宁-奥布霍夫长度和边界结构的最新大气理论，对边界层特征参数定义得更加准确，并且在不稳定条件下采用高斯概率密度函数及小风对流模式，可以更贴切地描述大气扩散过程，提高污染物浓度计算结果的准确性[8]。RIGHI等[9]利用ADMS-Urban预测了城市交通相关污染物的扩散情况，结果显示该模型预测值与监测值有良好一致性。HEIST等[10]评估发现，AERMOD模型和ADMS模型的模拟结果与监测结果相似度很高。

2.1.3 CALPUFF模型

20世纪80年代末，美国Sigma公司研究开发了CALPUFF模型，包括气象模块CALMET、拉格朗日烟团扩散模块CALPUFF和后处理及可视化模块CALPOST 3个主体部分，以及一系列对常规气象、地理数据进行预处理的程序。CALPUFF模型采用的是三维非稳态拉格朗日轨迹模型，与高斯模型相比算法更简易，在模拟50 km以上的长距离污染物传输方面也表现出较好的适应性。CALPUFF模型是非常适合用于模拟能见度情况、放射性核素迁移扩散情况、区域大气环境容量情况、区域重点行业大气污染物排放情况等。

CALPUFF模型的优点体现在：(1)能模拟一些非稳态情况，如静小风、熏烟、环流等；(2)虽然AERMOD模型、ADMS模型、CALPUFF模型均可模拟挥发性有机物(VOCs)一次污染情况，但只有CALPUFF模型可模拟VOCs生成二次有机气溶胶的情况；(3)能够评估二次颗粒物浓度；(4)可以利用气象中尺度模型MM5的网格风场作为观测数据；(5)适用于粗糙、复杂地形。CHOI等[11]借助CALPUFF模型模拟了美国墨西哥边界地区由于农作物燃烧而产生的粗颗粒物污染问题以及对空气质量造成的影响。GHANNAM等[12]将MM5与CALPUFF模型进行耦合，用于评估地形复杂的沿海城市地区空气质量，发现模拟结果非常接近监测结果。

2.2 综合区域尺度模型

近年来，综合区域尺度模型在重大科学研究、环境影响评价以及环境管理与决策等领域得到了广泛应用[13]。由于综合区域尺度大气污染情况非常复杂，各种污染物之间存在复杂的物理化学反应以及相态之间的转变，简单的中小尺度模型无法对其进行模拟。CAMx模型、CMAQ模型、NAQPMS模型和WRF-Chem模型是典型的综合区域尺度模型，它们在模拟O3、颗粒物、能见度、酸雨甚至气候变化等各种复杂空气质量问题和区域复合空气污染问题方面发挥了巨大作用。

2.2.1 CAMx模型

CAMx模型是由美国ENVIRON公司开发的针对O3、SO2、颗粒物和雾霾天气过程的综合区域光化学空气质量模型。它可以通过求解每个网格中各污染物的物理化学反应方程来模拟有毒有害气体、颗粒物在空气中的运输、反应及干湿沉降等过程，适用于城市尺度及更大的区域尺度[14]。CAMx模型具有颗粒物源识别(PSAT)、O3源识别(OSAT)、多重嵌套及弹性嵌套、网格烟羽(PiG)、敏感性分析和反应示踪等功能。CAMx模型可以免费使用，操作灵活、计算高效，对基础数据和操作人员技术性要求低，但模拟准确性高，因此受到使用者的广泛好评。

CAMx模型在O3、颗粒物、SO2等污染物的来源分析方面应用最为广泛。李浩[15]使用CAMx模型解析2013年长三角地区的光化学污染事件中上海市、苏州市等地环境中O3的主要来源，结果显示夏季工业生产过程中工业锅炉和窑炉排放的VOCs是高浓度O3的主要前体物。HUANG等[16]利用CAMx模型模拟了北京市供暖季节的SO2浓度，结果显示北京市城区的供热排放源和其他工业排放源是主要的SO2排放源。

2.2.2 CMAQ模型

CMAQ模型是USEPA开发的第三代空气质量模型的典型代表。20世纪90年代以来，该模型一直不断完善和发展，凭借其比较全面的大气污染物化学反应和传输机制广泛应用于科研、业务模拟中。CMAQ模型通常包括排放清单处理模块、中尺度气象模块和通用多尺度空气质量模块3部分，其中通用多尺度空气质量模块是整个模型的核心，排放清单处理模块为通用多尺度空气质量模块提供污染源的大小、位置和时间变化信息，中尺度气象模块则为通用多尺度空气质量模块提供基础的网格气象数据。

该模型的优点在于：(1)包含污染源排放、气象处理和化学转化等功能，可以同时模拟O3、颗粒物以及其他有毒有害污染物等从城市到区域尺度的污染过程和行为；(2)利用了高性能计算、模块化设计、可视化技术等多种最新计算机技术，使得模拟更高效、更精确。但它基础数据需求量极大、模型结构非常复杂，需要多学科专业人员配合。LI等[17]利用CMAQ模型模拟了中国典型地区(华北平原、长三角、珠三角和成渝地区)交通运输对细颗粒物(PM2.5)的影响，发现北京市、天津市和上海市的PM2.5浓度水平相对较低，交通运输是PM2.5的主要来源。BUONOCORE等[18]应用CMAQ模型评价了位于美国大西洋中部地区的一组电厂产生的PM2.5、NOx、SO2对公众健康的影响，结果显示SO2对公众健康的影响最大。

2.2.3 NAQPMS模型

NAQPMS模型是中国科学院大气物理研究所开发的集多污染类型和多尺度为一体的三维欧拉网格空气质量模型。它集成了多尺度空气质量数值模拟技术、多元同化反演技术、集成预报技术和精细溯源追踪技术，可以对1～2周内的空气质量进行精确预报，还具备追踪污染物来源、实时同步监测数据和计算大气环境容量等功能，目前在我国空气质量预报领域应用较多。NAQPMS模型的优点在于：(1)能够同时对上百个变量进行分析，并能分析变量敏感性和不确定性；(2)考虑了大气复合污染中多种污染物之间的非线性关系，集成了蒙特卡洛不确定性分析和集合卡尔曼滤波同化算法，解决了二次污染物和前体物协同处理的难题。陈学舜等[19]利用NAQPMS模型模拟了北京市冬季新粒子的形成情况，发现人为的VOCs会促进颗粒物的形成。GE等[20]在改进NAQPMS模型的基础上模拟了中国部分地区的酸沉降和湿沉降的源与受体之间的关系，发现华东和华中地区对其他地区的湿沉降有重要影响，西南和东北地区的酸沉降总量已经达到或超过其环境容量。

2.2.4 WRF-Chem模型

WRF-Chem模型是美国最新开发的区域大气动力学与化学耦合的模型，集成了WRF模型与Chem模型的优势。WRF模型具有多个动态核心，是集数值天气预报、大气模拟、数据同化于一体的模型，主要可用于大气环境模拟、天气研究、气象预报等，并且还可以为CMAQ模型、CMAx模型、ADMS模型和CALPUFF模型等提供气象场[21]。WRF-Chem模型全面考虑了大气物理和大气化学过程，包括污染物的排放、传输、化学转化和干湿沉降等。WRF-Chem模型的优点在于：解决了空气质量模型建模时化学过程独立于气象过程的问题，实现了气象过程与化学过程在时间和空间上的完全耦合。LIU等[22]使用 WRF-Chem模型对南京市发生的重度气溶胶污染事件中PM2.5的垂直剖面进行模拟，结果表明，模拟的地面气象和空气质量与监测结果吻合度较好，模型在白天对流条件下合理地捕获了PM2.5的垂直剖面形状，但在夜间的模拟效果还有待提高。WANG等[23]利用WRF-Chem模型很好地模拟了四川省18个城市的PM2.5浓度和O3日最大8 h浓度。

2.3 全球尺度模型

全球尺度模型主要模拟全球尺度的大气污染物长距离传输及化学反应，可以与卫星遥感资料结合反演近地面大气污染物浓度，对于一次污染物和二次污染物都可以进行模拟。目前应用较多的全球尺度空气质量模型有MOZART模型和GEOS-Chem模型等。

MOZART模型是由美国国家大气研究中心、地球物理流体动力学实验室和马克斯-普朗克气象研究所联合开发的一类全球化学输运模型(CTM)。该模型的分辨率为1.9°×2.5°(约190 km×250 km)。MOZART模型可以模拟对流、边界层传输、表面排放、光化学和干湿沉降等过程[24]。

GEOS-Chem模型由哈佛大学研发，是目前空气质量模型中最受关注的全球化三维模型之一，已被广泛应用于与大气化学和空气质量相关的研究课题[25-26]。该模型的分辨率为2.0°×2.5°(约200 km×250 km)，在模拟PM2.5和O3污染事件中发挥过较大作用，而且还可评估健康影响[27-28]。

3 展 望

近年来，空气质量模型发展迅速，各类空气质量模型在大气污染研究领域得到广泛应用[29-33]。大气污染影响因素众多、过程复杂，空气质量模型是大气污染研究的重要工具，它建立在科学的理论和假设基础上，用数值方法模拟大气中污染物的传输、扩散、化学转化和去除过程，具有广阔的应用前景。以下几个方面将是未来空气质量模型研究的重要方向：

(1) 地球系统无缝预测的实现

无缝预测是未来的一种前瞻性预测方式，适用于所有空间和时间尺度，可以实现从监管和政策分析到理解大气化学和物理复杂相互作用的全方位应用。无缝至少体现在两个方面，首先在过程尺度上，可以实现气象因素和大气成分在模型内的耦合，一个在线的、全耦合的、涵盖多尺度的、多种类的、多过程的空气质量模型是现阶段世界范围内预测发展的方向；其次从时间和空间尺度上考虑，模型应能够在多个时间或空间分辨率下连续使用。

(2) 污染源排放清单的标准化

我国的污染源排放清单还呈“多样化”局面，不同部门公布的污染源排放数据存在偏差，部分数据如污染源普查、环境统计、总量减排核查等数据还不能完全公开使用。污染源排放清单的标准化是未来空气质量模型应用中非常关键的环节，当前应积极推进多源数据高精度排放清单的标准化研究，并重视排放清单的多维度验证和不确定性分析。

(3) 多平台观测数据和资料的共享

由于空气质量的观测方法和指标有限，在模拟地形和气象条件复杂的空气污染事件时现有观测数据有时较难对关键性参数进行有效率定，因此实现实时的多平台观测数据和资料共享，将是改进空气质量模型的有效方法。在空气质量模拟过程中，应加大研究模拟数据与地面观测数据、卫星数据等多平台数据和资料的结合手段。

(4) 人工智能、机器学习方法的融合

目前，许多国内外学者将人工智能、机器学习方法融合到了空气质量模型中，这对实现空气质量多尺度、高精度时空预报以及结果可视化具有重要意义。例如，通过深度学习方法揭示污染物间的非线性特征；结合复杂网络理论划分污染物水平分区；使用神经网络检索污染物排放量；利用机器学习实现对空气质量演变趋势的准确分析。

(5) 法规化空气质量模型的建设

我国的环境空气质量模型法规化还处于起步阶段，目前仅有部分主流模型具有法规化地位，在HJ 2.2—2018中被推荐。应尽快建立空气质量模型法规化认证制度和体系，规范法规化空气质量模型的应用，在对欧美国家先进的模型进行法规化的同时也要促进我国自主研发的模型法规化。

(6) 新一代大气污染防治科技体系的构建

通过对空气质量模型的研究与应用，构建起新一代大气污染防治科技体系，做到环境质量改善与气候变化应对协同、PM2.5和O3污染治理协同。