67、大气污染相关后果与建模挑战

大气污染相关后果与建模挑战

1. 引言

人类活动改变了地球。技术发展是人口增长的必要因素，但也产生了各种废弃物，其中一些废弃物污染了大气，导致了诸如臭氧空洞、气候变化、酸雨或雾霾等问题。这些问题涉及众多科学领域，如地球物理学、环境保护、物理与化学、生物学、医学与健康科学、工程与技术科学以及社会科学等，还可能涉及更细致的学科划分和跨学科研究。

研究大气污染问题需要考虑不同的空间和时间尺度。为了描述影响环境过程演变的变量之间的复杂关系，许多研究采用数学模型。自动化和自动控制在建模方面有着悠久的传统，涵盖了大规模跨学科系统，其中就包括环境系统。国际自动控制联合会（IFAC）成立了TC8.3环境系统建模与控制技术委员会，IFAC协调组8和9所属的其他IFAC委员会也涉及该复杂研究问题的各个方面。此外，国际应用系统分析研究所（IIASA）、欧盟环境与可持续发展研究所等机构也在推动该领域的系统方法发展。

下面将介绍波兰科学院系统研究所（SRI PAS）计算机建模部门（CDM）在大气污染各方面的一些建模研究，包括导致污染排放的人类活动建模、污染物在大气中的扩散、对人类健康风险的影响以及减排及其经济方面的研究。

2. 空气污染影响范围

大气空气质量涉及广泛的问题，包括污染物类型（气体、粉尘、气溶胶、雾霾、酸性化合物沉积）、相关过程范围（从局部影响到全球影响）以及环境影响（对人类健康的风险、土壤酸化、地表水和地下水污染、森林和农作物破坏、气候变化、平流层臭氧层退化）。

2.1 污染物来源与类型

污染物既来自自然源（如火山喷发、海洋排放、有机污染），也与人类活动直接相关，如能源、工业、市政服务、交通网络、农业、森林管理、土地利用变化等。污染物有多种形式，如气态（SO₂、CO₂、NOₓ、NH₄、O₃）、两相（颗粒物、微生物）或三相（气溶胶）。一些一次污染物在大气中发生化学反应，形成可能对环境更危险的二次污染物。例如，气态二次污染物NO₂由一次污染物NO产生，对流层臭氧O₃是光化学反应的结果；颗粒物二次污染物通常由气态一次污染物的化学或光化学转化形成，如二氧化硫（SO₂）转化为硫酸气溶胶（SO₄²⁻），二氧化氮（NO₂）转化为硝酸气溶胶（NO₃⁻），有机化合物转化为有机颗粒。

2.2 污染物的时空范围

污染物在大气中的停留时间（寿命）是一个重要参数，通常定义为由于大气过程，污染物排放质量在大气中降至初始值的1/e所需的时间。污染物的寿命与其对环境的空间影响范围直接相关，常见的空间范围包括：
- 局部（微尺度） ：局部尺度模型通常在20 km至超过100 km的范围内运行，主要污染物的时间活动范围为一天到一周左右，在此期间，污染物的大气传输、化学转化和地表沉积是决定其环境影响的主要过程。
- 区域（中尺度） ：中尺度模型范围约为20 km至数千公里，实际中通常涵盖局部和区域范围。中尺度空气污染分析和建模对于环境保护至关重要，涉及硫和氮污染物（一次和二次）、氨（NH₃）、颗粒物（主要是PM₁₀和PM₂.₅）、典型交通污染物（包括C₆H₆和CO）以及一些有机气体等。大气转化的重要产物包括臭氧、硫酸气溶胶、氮和铵离子以及二次颗粒，这些污染物是环境酸化的主要来源。在波兰，多环芳烃（PAHs）的影响非常重要，特别是来自市政部门煤炭燃烧（通常质量很低）的高致癌性苯并[a]芘（BaP）。近年来，中尺度模型越来越多地用于说明缓慢反应物质的行为，以将局部排放与局部测量联系起来，并帮助估计生物源排放。
- 大陆（天气尺度） ：区域和大陆模型的空间范围在文献中没有精确界定。
- 全球（行星尺度） ：全球范围模型包括发生在整个大陆甚至全球的大气现象。一些反应极慢的气体，如二氧化碳（CO₂）、甲烷（CH₄）、一氧化二氮（N₂O）以及寿命长达数千甚至数万年的气体（如氯氟烃、哈龙、其他工业气体），可以远距离传输并迁移到平流层。由于这些气体寿命长且转化过程相对缓慢，通常使用简单模型来描述其浓度变化，将大气或对流层和平流层描述为具有适当流入和流出的储层。

2.3 不同类型污染现象

• 雾霾形成 ：城市大气中雾霾形成较为典型，分为两种类型：
  • 黑色雾霾（伦敦雾霾） ：通常在气象停滞、逆温层和雾的较长时期出现。二氧化硫和细粉尘被雾滴吸收，与其他物质反应，烟雾和硫酸分子也作为水蒸气凝结中心，进一步增强雾霾形成强度。
  • 光化学雾霾（洛杉矶雾霾） ：常见于工业生产密集和交通流量大的大城市，是多种气态和物质的混合物，主要成分包括臭氧、一氧化碳、二氧化硫、氮氧化物、过氧乙酰硝酸酯（PAN）、硫酸和硝酸离子、甲醛、氨等。一些一次污染物（NO、CO、SO₂）在长时间日照期间与活性有机气体发生光化学反应，导致臭氧积累，在气象停滞和逆温层期间尤为危险。
• 温室气体影响 ：对于长寿命气体，如温室气体，其环境破坏通常是全球性的，主要表现为全球平均年温度逐渐升高，导致冰川过度融化和海平面上升。尽管其影响具有全球性，但不同地区受影响程度不同。温室气体对变暖的影响用全球变暖潜能值（GWP）表示，通常以100年为保留时间，例如，IPCC指南规定CH₄的100年GWP为25，N₂O为298，SF₆为22,800。通过该系数，排放可以换算为一个等效值，通常以CO₂当量（CO₂eq）表示。
• 平流层臭氧层破坏 ：近几十年来观察到的另一个全球影响是北极地区（主要是南极地区）平流层臭氧层的破坏，这是由于平流层冬春季节的特定气象条件以及氯氟烃和哈龙形成的氯和溴的催化作用。1987年签署的《蒙特利尔议定书》及其后续协议基本消除了这些气体的排放，但由于其寿命长，负面影响仍在持续。

2.4 污染物传播模型分类

时间 - 空间范围是污染物传播模型分类的重要参考，数学公式描述了大气中发生的过程和现象，对应于污染物的传播和转化。

下面用mermaid流程图展示污染物的传播过程：

graph LR
    A[污染物排放] --> B[大气传输]
    B --> C[化学转化]
    C --> D[地表沉积]
    A --> E[生物吸收]
    B --> F[扩散到不同区域]
    C --> G[形成二次污染物]
    D --> H[影响环境]
    E --> I[降低浓度]
    F --> J[不同尺度影响]
    G --> H

3. 综合大气建模

大气建模除了认知目标外，主要用于制定减轻大气污染有害影响的适当措施。综合建模包括污染物形成、传播、有害影响以及改善空气质量的行动选择等所有阶段。欧洲环境局（EEA）为此引入了DPSIR框架方法，具体组件如下：
|组件|描述|
| ---- | ---- |
|活动（Drivers）|所有引发排放的人类活动，特别是能源生产、工业、交通、农业和林业|
|排放（Pressures）|这些活动导致的污染物排放到大气中|
|空气质量（State）|以大气中有害物质的浓度表示|
|影响（Impact）|特别是人类健康恶化、动植物形式减少、建筑物破坏等，长期还会导致结构变化|
|纠正行动（Responses）|所有改善空气质量的措施，同时涉及成本|

对大气污染相关过程的更好理解需要测量技术的显著发展，包括从局部测量（如耕地气体排放测量、森林区域气体交换测量）、地面不同高度的大气浓度测量、飞行设备（无人机、气球）测量到卫星全球测量。综合大气建模可以综合这些来源的知识，开发连贯的工具，帮助理解、分析、预测和决策，在这个复杂系统中，正确的行动对人类命运至关重要。

考虑到中尺度污染的有害影响，欧盟在2008年发布了CAFE（欧洲清洁空气）指令。欧盟FP7项目APPRAISAL（区域和地方尺度综合战略空气污染政策评估）对改善欧盟国家空气质量的解决方案进行了审查。为了减少温室气体排放，1992年联合国里约热内卢会议通过了《气候变化框架公约》（UNFCCC），1997年通过了《京都议定书》，2015年经过长期谈判通过了《巴黎协定》。

下面用mermaid流程图展示DPSIR框架方法：

graph LR
    A[活动（Drivers）] --> B[排放（Pressures）]
    B --> C[空气质量（State）]
    C --> D[影响（Impact）]
    D --> E[纠正行动（Responses）]
    E --> A

4. 排放水平预测

评估某一区域的污染物排放水平需要对该区域的所有活动（所有排放源）进行清查，然后将它们产生的排放量相加。排放源的识别在很大程度上取决于区域的大小，确定排放源后，排放量通常根据以下数学公式计算：
[E_i = E_{Pi} \cdot A_i]
其中，(i)是排放源编号，(A_i)是其活动以物理量表示（例如燃烧燃料的吨数），(E_{Pi})是污染物排放因子，即单位活动排放的污染物量。

4.1 排放源分类

为了更精确地计算排放，排放源通常分为三类：
- 点源 ：能源或工业设施烟囱的排放。
- 线源 ：交通部门的排放。
- 面源 ：某一特定区域内较小排放量的总和。

这种分类通常是任意的，点源的选择通常基于排放量和烟囱高度，但不同尺度和数据源可用性下，标准可能会改变。同样，只有交通流量足够大的道路才可能被归类为线源，所有较小的点源或线源都包含在面源排放中。

4.2 高空间分辨率排放估计

为了模拟较小区域（如城市）的空气污染物扩散，需要高空间分辨率的排放估计，甚至在单元格尺寸远小于1 km的网格中。例如，为了模拟狭窄且建筑密集街道（峡谷型）的交通污染，需要在几到几十米的单元格中估计排放。这种高空间精度需要对大区域可用数据进行分解，这会引入额外的不确定性。通常使用与排放相关且具有高空间和/或时间分辨率的代理物理量进行分解，如人口密度或汽车交通强度。

4.3 GESAPU项目方法

作为FP7 - MC - IRSES项目GESAPU（地理信息技术、时空方法和全碳核算以提高温室气体清单准确性）的一部分，开发了一种仅依赖于数字地图分辨率的高空间分辨率排放编制方法。该方法用于估计波兰2012年的温室气体排放，具体步骤如下：
1. 排放源分解 ：排放估计遵循IPCC制定的方案，分别针对每种物质进行，考虑点源、线源和面源，并将这些源分解为基本对象。例如，固定等级的道路（高速公路、快速路等）按恒定限速分段，面源分为密集住宅区、农场、草地或耕地等部分。基本区域对象用多边形近似，以便在地理信息系统（GIS）中处理。
2. 数据收集与处理 ：通过检查每个对象，利用所有公开可用的信息，如谷歌地图确定精确坐标、土地利用地图、中央统计局提供的本地数据库、企业、市政当局、县和省网站上提供的数据，避免定位误差。例如，全球CARMA数据库中大型城市源（如热电联产厂）的位置可能存在误差，实际位置与数据库中的位置可能相差数公里。
3. 减少分解误差 ：为了减少分解误差，使用尽可能低层次的数据，并将源排放数据和对象信息保存在GIS数据库中，用于在所需的规则或不规则网格（如行政区）中编制最终清单，避免典型的舍入误差。
4. 条件自回归（CAR）建模 ：对于最不准确的面源排放分解，使用条件自回归（CAR）建模，考虑区域变量的空间相关性。假设第(i)个网格单元中某一变量(y_i)（如该单元中污染物的排放量），取决于变量(x_k)，其服从正态分布，期望值为：
[\mu_i = \sum_{k = 1}^{K} \beta_k x_k + \theta_i]
其中，(x_k)是一些代理变量（协变量），(\beta_k)是系数，(\theta_i)是空间相关变量，方差(\sigma_y^2)在整个考虑区域内恒定（与(i)无关）。例如，(y_i)可以表示施肥后土壤中氨的排放量（吨/年），(x_k)可以是欧洲环境局创建的CORINE土地覆盖地图中指定的土地利用数据。

在分解过程中，由于精细网格中(y_i)的值未测量，需要进行估计。通过[30, 31]中提出的方法，可以获得上述公式中参数的最大似然估计，从而计算出(\mu_i)的值，进而得到精细网格中的分解值估计。考虑空间相关性可以显著提高模型拟合度，例如在牲畜案例中，与不考虑空间相关性相比，考虑空间相关性时残差的均方误差下降超过45%，平均绝对误差下降近30%。与克里金方法相比，CAR方法在[32]的示例中给出了更准确的结果。

4.4 排放估计的不确定性

排放估计需要详细了解多种类型的数据，但市政和住房部门的数据通常难以获取，农业中N₂O的排放也难以准确估计。因此，污染物排放估计具有不同程度的不确定性，取决于排放源类型和污染类型。例如，大型工业设施的排放可以在几个百分点的精度内估计（如2 - 4%），而N₂O排放的不确定性甚至超过100%。然而，由于大型设施排放评估更准确以及统计平均效应，国家总排放量的不确定性通常不超过10%。

排放不确定性一直是许多研究的主题，一些研究提出了估计排放数据方差的方法。例如，[49]中提出了一种基于平滑样条的独立方法来估计国家清单报告（NIR）中排放数据的方差，尽管数据系列较短，但该方法得到的估计值与当时一些国家提供的估计值相当相似。此外，一些研究还探讨了NIR修订对评估其准确性时间演变的作用，[35]中提出了一种综合方法，假设估计的排放误差包含两个分量：排放清单编制产生的误差和修订产生的误差，公式为：
[S_t^y = H_y + V_t]
其中，(S_t^y)是在年份(t)（(t > y)）修订后年份(y)的最终估计排放误差，(H_y)是年份(y)的编制误差，(V_t)是年份(t)修订产生的校正误差。该方法是非参数的，在满足一定条件下可以证明问题解的唯一性并开发求解算法。

目前，排放清单是评估污染物排放最准确的方法。大气中污染物浓度的测量虽然能提供有价值的信息，但只能提供空间离散点的值，且受局部排放源影响较大，还包含难以评估的生物源污染，因此难以用于评估实际人为污染排放。不过，已经开发了从大气测量评估排放的方法。

4.5 不确定性研究方法总结

排放不确定性的研究方法多样，下面通过表格总结不同方法及其特点：
|研究方法|特点|
| ---- | ---- |
|平滑样条法|基于平滑样条估计国家清单报告（NIR）中排放数据的方差，虽数据系列短，但估计值与部分国家提供值相似|
|时间序列或修订值集分析法|分析NIR的修订，将其作为时间序列或给定年份的修订值集进行研究|
|综合方法|假设估计的排放误差包含编制误差和修订误差，非参数方法，满足条件可证明解的唯一性并开发求解算法|

下面用mermaid流程图展示排放估计及不确定性研究的整体流程：

graph LR
    A[排放源清查] --> B[排放量计算]
    B --> C[高空间分辨率估计]
    C --> D[GESAPU项目方法处理]
    D --> E[排放清单编制]
    E --> F[排放不确定性评估]
    F --> G[不同研究方法分析]
    G --> H[改进排放估计]

5. 大气污染建模的重要性与应用

大气污染建模在多个方面具有重要意义和应用价值，具体如下：

5.1 认知与理解环境过程

大气污染涉及众多复杂的环境过程，如污染物的传播、转化、沉积等。通过数学模型，可以描述这些过程中变量之间的复杂关系，帮助我们更好地理解大气污染的形成机制和演变规律。例如，在综合大气建模中，考虑了污染物形成、传播、有害影响以及改善空气质量的行动选择等所有阶段，利用DPSIR框架方法，将人类活动、排放、空气质量、影响和纠正行动等要素联系起来，形成一个系统的认知体系。

5.2 决策支持

在制定大气污染治理政策和措施时，需要综合考虑多个因素，如经济成本、环境效益、社会影响等。大气污染建模可以为决策提供科学依据，帮助决策者评估不同方案的效果和可行性。例如，在评估某一区域的污染物排放水平时，通过排放水平预测模型，可以准确计算不同排放源的排放量，进而分析减排措施的效果和成本，为制定合理的减排目标和政策提供支持。

5.3 环境管理与规划

大气污染建模可以用于环境管理和规划，帮助管理者制定合理的环境目标和规划方案。例如，在城市规划中，通过模拟空气污染物的扩散情况，可以合理布局工业、交通和居民区，减少污染物对居民健康的影响。同时，在区域环境管理中，利用大气污染模型可以评估不同区域的环境承载能力，制定相应的环境管理策略。

5.4 科学研究与创新

大气污染问题涉及多个学科领域，如地球物理学、化学、生物学、医学等。大气污染建模为跨学科研究提供了平台，促进不同学科之间的交流与合作。通过建立复杂的数学模型，可以深入研究大气污染的各种现象和机制，推动科学研究的创新和发展。例如，在研究污染物的化学转化过程中，结合化学动力学模型和大气传输模型，可以更准确地描述污染物在大气中的变化情况，为解决大气污染问题提供新的思路和方法。

下面用列表总结大气污染建模的重要性与应用：
- 认知与理解环境过程，描述变量间复杂关系，形成系统认知体系。
- 为决策提供科学依据，评估不同方案效果和可行性，支持减排目标和政策制定。
- 用于环境管理和规划，合理布局城市功能区，评估区域环境承载能力。
- 促进跨学科研究，推动科学研究创新，为解决大气污染问题提供新思路。

6. 大气污染建模面临的挑战与应对策略

尽管大气污染建模取得了一定的进展，但仍然面临着一些挑战，需要采取相应的应对策略。

6.1 数据质量与可用性

大气污染建模需要大量准确的数据，包括排放源数据、气象数据、环境监测数据等。然而，目前数据质量参差不齐，部分数据存在缺失、不准确或不一致的问题。此外，一些数据的获取难度较大，限制了模型的精度和应用范围。
应对策略：加强数据采集和管理，建立统一的数据标准和规范，提高数据质量。同时，拓展数据来源，利用新技术（如卫星遥感、无人机监测等）获取更多的数据信息。此外，加强数据共享和合作，促进不同部门和机构之间的数据交流和整合。

6.2 模型复杂性与计算成本

大气污染过程复杂，涉及多个物理、化学和生物过程，需要建立复杂的数学模型来描述。然而，模型的复杂性往往导致计算成本增加，计算时间变长，限制了模型的实时应用和大规模模拟。
应对策略：优化模型结构，采用简化模型或降阶模型，在保证模型精度的前提下，降低模型的复杂性和计算成本。同时，利用高性能计算技术（如并行计算、云计算等）提高计算效率，缩短计算时间。

6.3 不确定性处理

大气污染建模中存在多种不确定性，如排放源不确定性、气象条件不确定性、模型参数不确定性等。这些不确定性会影响模型的预测结果和决策的可靠性。
应对策略：采用不确定性分析方法，如蒙特卡罗模拟、贝叶斯方法等，对模型中的不确定性进行量化和分析。同时，结合多模型集成和模型平均方法，降低单一模型的不确定性，提高模型的可靠性和稳定性。

6.4 跨学科融合

大气污染问题是一个跨学科问题，涉及地球物理学、化学、生物学、医学、工程学等多个学科领域。在大气污染建模中，需要将不同学科的知识和方法进行融合，但目前跨学科融合还存在一定的困难。
应对策略：加强跨学科研究团队的建设，培养具有跨学科背景的人才。同时，建立跨学科交流平台，促进不同学科之间的沟通和合作。此外，在教育和培训中，注重跨学科知识的传授，提高研究人员的跨学科素养。

下面用表格总结大气污染建模面临的挑战与应对策略：
|挑战|应对策略|
| ---- | ---- |
|数据质量与可用性|加强数据采集和管理，拓展数据来源，加强数据共享和合作|
|模型复杂性与计算成本|优化模型结构，采用简化模型，利用高性能计算技术|
|不确定性处理|采用不确定性分析方法，结合多模型集成和模型平均方法|
|跨学科融合|加强跨学科研究团队建设，建立交流平台，注重跨学科知识传授|

最后，用mermaid流程图展示应对大气污染建模挑战的整体思路：

graph LR
    A[数据质量与可用性挑战] --> B[加强数据管理与共享]
    C[模型复杂性与计算成本挑战] --> D[优化模型与利用高性能计算]
    E[不确定性处理挑战] --> F[采用不确定性分析方法]
    G[跨学科融合挑战] --> H[加强团队建设与交流]
    B --> I[提高模型可靠性]
    D --> I
    F --> I
    H --> I

大气污染问题是一个复杂的全球性问题，需要综合运用多种方法和技术进行研究和治理。通过大气污染建模，我们可以更好地理解大气污染的形成机制和演变规律，为决策提供科学依据，促进大气环境质量的改善。同时，我们也需要不断应对建模过程中面临的挑战，推动大气污染建模技术的发展和应用。