今年4月，四川盆地发生多起北方强沙尘暴过程远距离传输入侵事件。“环境气象多要素智能感知及大模型预报系统”提前120小时精准预报了沙尘抵达四川盆地的时间和强度。图为四川成都，空气清新，白云舒卷。单英/视觉中国
【技术破题 绿见未来】
◎本报记者 代小佩
沙尘暴突袭、野火烟雾飘散、工业污染扩散……这是大气污染物“肆掠”的典型场景。如果能精准预测大气污染物出现和消散的时间，将大大提高人们的生活质量。
然而，此前的观测和预报技术难以满足日益复杂的空气质量监测和预报需求。
如何摆脱困境？一套由中国团队自主研发的“环境气象多要素智能感知及大模型预报系统”，实现了从监测装备到感知方法再到预报模式的全链条创新，为破解复杂大气污染难题提供了中国方案。
不久前，该系统入选中国科协生态环境产学联合体发布的“2024年度中国生态环境十大科技进展”。
解决监测预报三大难题
大气，就像一个精密运转的实验室。其中，气溶胶、臭氧、沙尘等成分直接影响着空气质量乃至全球气候。但长期以来，人类对这个“实验室”的监测和预报，始终面临着三重“卡脖子”难题。
首先是“看不清楚”。中国气象科学研究院副院长车慧正解释，过去，观测大气气溶胶的“超级眼睛”——地基遥感装备，几乎全靠进口，而且这些仪器的核心校准技术和数据解读方法从不公开。“这意味着，我们拿着别人的工具做研究，不仅成本高昂，关键数据还可能失真。”车慧正说。
更麻烦的是，我国地面观测站数量有限。在广袤的国土上，很多地区都是监测盲区。虽然卫星遥感能覆盖全局，但是它在夜间或阴天就会“罢工”，根本抓不到那些在暗处“作乱”的气溶胶。
其次是“算不明白”。车慧正说，传统物理模型依赖复杂的公式推演，但污染源排放数据不准、大气运动规律复杂、气溶胶化学反应机制难算清……一堆不确定因素叠加，导致预报结果常常“跑偏”。更棘手的是，一次高精度全球预报需超级计算机耗时数小时计算，难以满足污染快速变化的应急需求。
最后是“用不精准”。车慧正举例，环保部门在知道哪类污染物是“主力”后，才能针对性减排。而且，交通运输、空管等部门高度依赖高精度、实时更新的能见度数据，以此保障道路通行与航班起降安全。然而，传统监测体系提供的数据往往不够全面、更新滞后或精度不足，难以满足这些日益精细化、时效性强的实际管理需求。
当人类活动和气候变化让大气污染变得越来越复杂——沙尘与工业污染“联手”、臭氧污染在夏季“突袭”、野火烟雾跨洲际“旅行”——我国环境治理和空气质量预报面临的挑战也愈发严峻。“必须打造一套属于中国自己的‘大气智能感知与预报系统’。”车慧正说，这正是团队研发的初衷。
系统“铺设”强大“神经网”
2018年，中国气象科学研究院联合清华大学、中国科学院大气物理研究所等机构，组成跨学科研发团队。车慧正作为首席科学家，带领团队从“造装备、建方法、搭模型”三个方向攻坚，为“环境气象多要素智能感知及大模型预报系统”铺设“神经网”。
团队花了5年时间，研制出系统所需的重要装备——“全自动太阳—天空—月亮多波段光度计”。这台国产装备具备365天24小时连续稳定观测的能力，为全天候监测大气成分提供了坚实基础。
“它的原理很巧妙。”车慧正解释说，就像我们通过看阳光穿过雾霾时的颜色变化，能大致判断污染轻重一样，这台装备能捕捉不同波段的光线在大气中的轨迹。通过分析“光影密码”，它能算出气溶胶80多项关键参数，比如颗粒大小、成分、光学特性等。
团队还开发了“智能解码”算法，帮助系统对大气进行精密“成分诊断”，能精准量化不同来源和类型气溶胶对大气污染的“贡献”，解决了传统系统分不清谁是污染“主谋”的难题。
接下来，团队通过深度挖掘国际气溶胶观测网的历史资料，构建出包含近30年全球高精度气溶胶数据的庞大数据库。这相当于给系统准备了“海量习题集”，为后续的智能预报打下坚实基础。
“仅靠单一的地面观测远不够全面。”中国气象科学研究院副研究员桂柯坦言，“过去，来自卫星遥感、地基台站和数值模拟的多源异构数据，因其时空尺度、精度和观测原理的显著差异，如同散落的拼图，难以有效融合利用。”
为此，团队开发了智能融合感知方法，成功将卫星的广域覆盖优势、地基站点的高精度连续观测能力以及模式模拟的优势，整合成统一的“大气环境时空演变全景图”。
同时，研究团队收集了高时空分辨率历史数据，清晰记录了过去20年我国主要污染物的“迁徙路线”。比如，团队通过分析数据发现，2013—2020年我国人群PM2.5年均暴露水平下降48%，其中减排是PM2.5浓度下降的主导因素。这些数据为“环境气象多要素智能感知及大模型预报系统”打下了坚实基础。
研制“环境气象多要素智能感知及大模型预报系统”过程中最核心的突破，是团队开发的全球首个气溶胶—气象耦合预报AI大模型（AI-GAMFS）。这个包含13亿个参数的“超级大脑”拥有惊人的计算速度。传统超级计算机进行一次全球气象预报要“埋头苦干”数小时，而它1分钟内就能完成，还能精准预测沙尘的“行进路线”、污染物的“消散时间”。
桂柯表示，与国际顶尖的欧洲中期天气预报中心和美国航空航天局的气溶胶预报系统相比，AI-GAMFS在东亚地区的沙尘预报误差降低了38%—74%。
多地上岗“大气医生”
从西北沙漠到东部城市群，如今“环境气象多要素智能感知及大模型预报系统”已在中央气象台及新疆、宁夏、内蒙古、甘肃、陕西等14个省（自治区、直辖市）气象部门“上岗”。
2025年4月，四川盆地发生多起北方强沙尘暴过程远距离传输入侵事件。该系统下的AI-GAMFS模型提前120小时精准预报了沙尘抵达四川盆地的时间和强度，预报与实际高度吻合，显著提升了沙尘暴精细化预警和应急响应水平。
截至2024年底，该系统研发的相关成果已发表13篇SCI论文，获4项国家发明专利，还拿下了中国气象服务协会AI气象应用大赛的两项大奖。
在车慧正看来，大气污染防治就像医生看病，首先要“看清病灶”（精准监测），然后“找准病因”（机理研究），最后“对症下药”（精准治理）。而“环境气象多要素智能感知及大模型预报系统”正是一位“大气医生”，旨在让每一次污染过程都“可测、可报、可控”。
