本期嘉賓：中國氣象科學研究院研究員 張養梅
採訪人：本報記者 王玫珏
本期觀點：
汙染物濃度變化主要受排放和氣象條件兩個因素影響，在評估分析減排效果時，需剔除氣象條件的影響。
利用機器學習技術，結合大量觀測數據，通過對剔除氣象條件影響的主要汙染物濃度分析，可科學、定量地評估減排措施對空氣質量改善起了多少作用。
減排措施對不同的汙染物改善效果有所差異，其中對二氧化硫、硫酸鹽濃度的降低效果突出。進一步控制硝酸鹽和有機氣溶膠的汙染，是目前防治的主要挑戰。
近年來，一系列汙染防控措施落地，空氣質量得到改善。
除了排放因素之外，氣象條件對空氣質量也有不同程度的影響，且對空氣質量的作用複雜。中國氣象科學研究院張養梅團隊首次結合機器學習技術和大量觀測，進行了一項創新性研究，在剔除氣象條件影響定量評估主要汙染物濃度上取得突破。
在汙染物擴散中，天氣是“敵”是“友”？
氣象條件，包括環境溫度、氣壓、相對溼度、風向、風速、邊界層高度等，對空氣質量的影響具有兩面性——有的情況有助於改善空氣質量，有的條件則不利於汙染物的擴散。一般而言，當氣團來自乾冷地區、風速很大、環境相對溼度較低時，有利於汙染物的擴散；當氣團來自溼熱的地區、風速較小、環境相對溼度較大時，容易形成靜穩天氣，不利於汙染物的擴散。
“實際上，氣象條件對不同汙染物的影響是很複雜的，要從汙染物的物理、化學和光學特性等方面才能解釋清楚。”張養梅介紹，大致來說，環境溫度、太陽輻射強度、環境相對溼度等氣象條件對具有反應活性的汙染物影響更大，尤其是二次產物，比如臭氧和氣溶膠。
在風速很小、大氣氧化性強、氣團溼熱的情況下，二氧化硫、氮氧化物、揮發性有機物等不穩定的氣態汙染物，加速向顆粒態的轉化。與此同時，具有吸溼特性的大氣顆粒物粒子，還可通過吸溼增長、碰並增長等途徑加速“膨脹”，併為更多氣態汙染物向顆粒物的轉化提供反應表面，從而形成一個連環過程，導致空氣質量的不斷惡化。
評估汙染物濃度，機器學習有何“智慧”?
空氣質量的好與壞，通常用實際觀測的汙染物質量濃度數據來表示。由於汙染物濃度變化主要受排放和氣象條件兩個因素影響，在評估分析減排效果時，就需要剔除氣象條件的影響，否則就會影響評估結果的客觀性。
氣象條件對空氣質量的作用十分複雜，涉及很多參數，因此剔除氣象條件的影響並不是簡單的“加減法”，難點在於需要考慮諸多因素的影響，尤其在評估氣象條件對二次產物轉化的作用方面，更是難上加難。
在張養梅的研究中，利用機器學習技術在解決這一難題方面取得了一些突破。機器學習技術在很多領域發揮重要作用的前提就是大量數據的支持。
從2006年起，張養梅和科研團隊長期致力於我國不同區域亞微米氣溶膠特性的觀測實驗，積累了大量寶貴的科學數據。為了充分發揮和挖掘這些數據的科學價值，張養梅便想到了機器學習技術。
“我們將大量的氣象條件數據和空氣質量數據放到模型中，讓機器模型通過不同方法的比較、歸納，建立各個參數之間的關係。再將實際觀測的汙染物濃度歸一到具有代表性的平均氣象條件中，在完全相同的條件下計算出不同的汙染物濃度，從而實現間接剔除氣象條件影響的目的。”張養梅說。簡而言之，就是讓機器通過不斷學習，掌握氣象條件與汙染物濃度之間的複雜規律，再利用這一規律剔除氣象條件的影響。
機器學習在科研中的應用具備潛力
定量評估減排措施對空氣質量改善的效果，這是一個相當複雜的科學問題，也是大氣環境領域一項具有挑戰性的工作。
藉助機器學習技術的“智慧”，張養梅團隊定量評估了減排措施對空氣質量的改善效果。該項研究揭示出，我們所看到的空氣質量改善，在多大程度上與減排有關；一系列減排措施起到了什麼作用以及哪些汙染物得到了控制。
研究結果表明，實施《大氣汙染防治行動計劃》(簡稱《大氣十條》）以來，大氣汙染防治總體效果較好。數據顯示，近年來多項大氣汙染物濃度實現大幅下降，全國環境空氣質量總體改善。尤其在2017年以後，減排產生的效果顯著。
值得注意的是，減排措施對不同的汙染物改善效果也有所差異，其中對二氧化硫、硫酸鹽濃度的降低效果突出。但是，氮氧化物、硝酸鹽、銨鹽和有機氣溶膠濃度水平仍然存在很大的下降空間，也將是下一步汙染防控的重點和挑戰。
談及未來機器學習技術的應用，張養梅充滿了期待：“機器學習可以應用於更多的科學研究，例如提高天氣預報、霧-霾預報的準確性，在短臨天氣預警和短時災害天氣預警研究、環境治理、智慧城市規劃等方面，都大有用武之地。”
