数值模拟，是全球广泛应用的环境空气质量预报方法，主要通过超级计算机对污染物排放、物理扩散和化学反应进行数值表达，来预测未来一定时间内污染物的分布状态。但是，随着环境管理的需求日益精细化，提高数值模型的准确率、精确度和运算效率已刻不容缓。为此，浙江省生态环境监测中心积极推进人工智能(AI)和大数据技术在环境空气质量预报工作上的融合应用，进一步优化数值模拟方法，不断提升环境空气质量预报预警水平和管理决策支撑能力。
全面深化监测数据融合应用
提高污染过程预报准确率
全量归集全省地面、高空、雷达与卫星等生态环境监测数据，充分挖掘大数据应用潜力，利用先进的排放源反演技术，降低排放源清单不确定性，建立了“机器学习+数值模式”的双预报引擎智能择优预报技术体系，采用多源数据同化提升初始场精度，实现多时效空间分辨率最高达1km×1km的空气质量变化态势预报预测，提供未来24小时滚动临近预测、未来7天常规预测、未来15天中期和最长未来90天长期空气质量预测，空气质量模型预报预测准确率进一步提升，72小时模型等级预报准确率从60%左右提升至90%左右。
全过程支撑污染应对
提升精准治气精细化水平
面对日益严峻的臭氧污染形势，开发多源观测数据同化和融合欧拉及拉格朗日模型方法的网格化快速溯源技术，建立了智适应污染应对技术体系，以空气质量等级降级为目标， 快速智能制定区域协同、多措协同、污染因子协同的精细化管控措施。利用空气质量模型溯源解析工具，开展O3及其前体物来源贡献，利用粒子扩散模型及排放清单反演特征，针对重点目标区域的网格化来源解析，精准确定污染应对管控区域和管控因子。
建设完善大气预报预警平台
提升决策支撑智能化水平
进一步完善大气预报预警平台，开发了可视化、交互式数据智能挖掘工具，构建集预测预警、评估及管控技术为一体的智能化应对机制，通过流程再造实现技术和管理交叉闭环，为区域空气污染预警、管控措施实施提供有力技术支持和决策参考。
下一步，浙江省生态环境监测中心将以杭州亚运会环境空气质量保障为契机，深入推进AI与大数据技术集成应用，着力探索重大活动空气质量保障中臭氧污染区域联防联控支撑技术路径，提高臭氧污染防治精细化决策支撑能力，全面提升环境空气质量预报预警水平。
