生态中国网 >  智库观点 >  正文

中国工程院院士郝吉明:用好大数据这把“利器”,打赢蓝天保卫战

来源:生态中国网 时间:2023-12-14 10:43:59

字号

12月5日,在2023世界5G大会—5G与绿色环保论坛上,中国工程院院士、清华大学环境科学与工程研究院院长、环境前沿技术北京实验室主任郝吉明提出了关于科技支撑环境污染控制与治理的观点。



作为生态环保典型地区,京津冀及其周边地区是一个人口密度大、能源消耗多、开发强度高的复杂系统,大气污染治理难度极大。郝吉明总结,其主要面临三大困难:一是PM2.5具有区域性、累计性和复合性特点,其成因与来源没有形成科学系统全面认知。二是污染减排和质量快速改善需求之间差距大,经济社会高速发展,同时空气质量目标不断提升。三是科技创新与应用主体存在壁垒,科技成果难以快速落地。


郝吉明称,大气重污染成因与治理方面的研究,重点是摸清排放清单和空气质量模型的发展与结合。在排放清单方面,我国污染源的变化日新月异,传统的排放清单数据主要通过统计渠道获取,时间上通常滞后1年到2年,难以适应重污染天气应对的动态化需求。在空气质量模型方面,也面临着化学组分模拟不确定性、网格化误差、物理过程参数误差、排放源及下垫面更新不及时问题。


大数据探析大气重污染成因,解决治理难题


在数据大爆炸的新时代,环境大数据融合技术提供了解决上述问题的新机遇。郝吉明表示,通过多年的攻关研究,大数据应用取得了多方面的成果。


一是采集大气环境科学数据,建立了数据综合管理平台。平台中采集了7.5亿条结构性数据,66万条非结构化数据,总量达到4.3TB,通过平台形成了多元观测数据的统一质控体系,不仅保证了数据质量,而且实现了数据开放共享。


二是构建了科学的闭合研究体系,以大气重污染发生演变消散过程中的核心科学问题为导向,设计了大气污染与边界层的气象综合观测、试验分析和数据模拟相结合的闭合研究技术体系,实现污染排放化学机制、气象过程、传输规律的相互客观验证。


三是建立了从常规地面观测到天地空相互印证的立体观测体系,实现多元数据融合,通过地面站点观测和高空垂直探测,验证了京津冀及周边地区地面与卫星反演的臭氧浓度时空分布的一致性。


四是构建了高时空分辨率排放清单,全面掌握了主要污染物的空间布局、时间变化等情况。同时在传统排放清单的基础上,通过融合宏观经济数据,生活大数据、卫星遥感数据以及污染源在线监测等环境管理数据,实现了排放清单的动态化更新。


五是建立了排放空气质量快速响应关系,提出了区域环境容量的算法,建立了污染排放与空气质量的快速响应模型,开发了区域空气质量双向调控与综合科学决策技术的支撑平台,实现了减排措施成本效益动态评估的优化。


六是通过大数据融合同化,提升了空气质量数据模式预报性能;通过时间同化地面、探空以及雷达观测数据,建立了时空精细化的数值模型,实现空间精度2公里的逐小时滚动预报,精细研判污染过程演变,精准预报PM2.5浓度。


七是弄清区域秋冬季大气重污染成因与来源。2+26个城市超出常年环境容量50%以上污染物排放是重污染频发的根本原因;气候变暖背景下,气象条件更趋不利是重污染形成的重要诱因;高浓度氮氧化物和VOCs造成的大气强氧化性是二次PM2.5快速增长的关键因素。


大数据应用于大气污染防治可见成效,未来潜力无穷


以北京冬奥会空气质量为例,大数据在区域空气质量联防联控当中的应用十分亮眼。在冬奥会空气质量联防联控保障方案设计阶段,融合大气环境观测、污染排放清单、数据模式模拟等手段,可综合评估区域传输对受体城市PM2.5污染影响,划分联防联控区域范围各城市管控登记。


在空气检测数据应用方面,融合了国控区县—乡—镇三级空气质量监测点数据,形成高密度、高性能地面监测网络,并建立了上下三级联动的数据质量审核和数据质控保障工作体系,确保数据全面、真实和有效。在污染源监测数据应用方面,接入1.1万家工业企业在线监测数据,7.5万家重点企业工业用电监测数据和67个交通流量监测点的实测数据,对污染源变化进行近实时的动态监控和分析。


运用上述手段,可对联防联控期间采取的各项减排措施成效进行量化评估,联防联控期间重点工业污染源减排下降了30%,重点柴油车货车污染排放下降了35%左右。在大数据的强力支撑之下,北京冬奥会赛事期间,北京市PM2.5日均浓度为5微克/立方米到56微克/立方米,开闭幕式当天PM2.5浓度分别为5微克/立方米和9微克/立方米。


郝吉明表示,我国大气污染防治道阻且长,需要针对PM2.5和臭氧污染共同发力。在大气污染与气候变化协同治理方面,气候变化和空气污染相互影响,高湿干旱不利气象条件更加频率出现,对基于健康效应的大气污染防治提出了新的挑战。大气污染可通过影响辐射收支影响气候,同时气象变化能够对气温大气环流等产生影响,放大空气污染对人体健康、农业生产和生态的影响。


因此,郝吉明建议,应进一步挖掘环境大数据在空气质量趋势研判和污染源监管中的应用潜力。例如,时间序列分解和时间序列模型在空气质量趋势研判中的应用,机器学习等人工智能手段在空气质量预测预报和污染源排放短临预测领域的应用,统计推断等技术在污染源排放远程自动监管等领域的应用等,都有巨大的发展空间。(记者杨沛)

*本作品如有侵权,请联系我们及时删除。