沙塵暴突襲、野火煙霧飄散、工業污染擴散……這是大氣污染物“肆掠”的典型場景。如果能精準預測大氣污染物出現和消散的時間，將大大提高人們的生活質量。

　　然而，此前的觀測和預報技術難以滿足日益復雜的空氣質量監測和預報需求。

　　如何擺脫困境？一套由中國團隊自主研發的“環境氣象多要素智能感知及大模型預報系統”，實現了從監測裝備到感知方法再到預報模式的全鏈條創新，為破解復雜大氣污染難題提供了中國方案。

　　不久前，該系統入選中國科協生態環境產學聯合體發布的“2024年度中國生態環境十大科技進展”。

　　解決監測預報三大難題

　　大氣，就像一個精密運轉的實驗室。其中，氣溶膠、臭氧、沙塵等成分直接影響著空氣質量乃至全球氣候。但長期以來，人類對這個“實驗室”的監測和預報，始終面臨著三重“卡脖子”難題。

　　首先是“看不清楚”。中國氣象科學研究院副院長車慧正解釋，過去，觀測大氣氣溶膠的“超級眼睛”——地基遙感裝備，幾乎全靠進口，而且這些儀器的核心校準技術和數據解讀方法從不公開。“這意味著，我們拿著別人的工具做研究，不僅成本高昂，關鍵數據還可能失真。”車慧正說。

　　更麻煩的是，我國地面觀測站數量有限。在廣袤的國土上，很多地區都是監測盲區。雖然衛星遙感能覆蓋全局，但是它在夜間或陰天就會“罷工”，根本抓不到那些在暗處“作亂”的氣溶膠。

　　其次是“算不明白”。車慧正說，傳統物理模型依賴復雜的公式推演，但污染源排放數據不準、大氣運動規律復雜、氣溶膠化學反應機制難算清……一堆不確定因素疊加，導致預報結果常常“跑偏”。更棘手的是，一次高精度全球預報需超級計算機耗時數小時計算，難以滿足污染快速變化的應急需求。

　　最后是“用不精準”。車慧正舉例，環保部門在知道哪類污染物是“主力”后，才能針對性減排。而且，交通運輸、空管等部門高度依賴高精度、實時更新的能見度數據，以此保障道路通行與航班起降安全。然而，傳統監測體系提供的數據往往不夠全面、更新滯后或精度不足，難以滿足這些日益精細化、時效性強的實際管理需求。

　　當人類活動和氣候變化讓大氣污染變得越來越復雜——沙塵與工業污染“聯手”、臭氧污染在夏季“突襲”、野火煙霧跨洲際“旅行”——我國環境治理和空氣質量預報面臨的挑戰也愈發嚴峻。“必須打造一套屬于中國自己的‘大氣智能感知與預報系統’。”車慧正說，這正是團隊研發的初衷。

　　系統“鋪設”強大“神經網”

　　2018年，中國氣象科學研究院聯合清華大學、中國科學院大氣物理研究所等機構，組成跨學科研發團隊。車慧正作為首席科學家，帶領團隊從“造裝備、建方法、搭模型”三個方向攻堅，為“環境氣象多要素智能感知及大模型預報系統”鋪設“神經網”。

　　團隊花了5年時間，研制出系統所需的重要裝備——“全自動太陽—天空—月亮多波段光度計”。這臺國產裝備具備365天24小時連續穩定觀測的能力，為全天候監測大氣成分提供了堅實基礎。

　　“它的原理很巧妙。”車慧正解釋說，就像我們通過看陽光穿過霧霾時的顏色變化，能大致判斷污染輕重一樣，這臺裝備能捕捉不同波段的光線在大氣中的軌跡。通過分析“光影密碼”，它能算出氣溶膠80多項關鍵參數，比如顆粒大小、成分、光學特性等。

　　團隊還開發了“智能解碼”算法，幫助系統對大氣進行精密“成分診斷”，能精準量化不同來源和類型氣溶膠對大氣污染的“貢獻”，解決了傳統系統分不清誰是污染“主謀”的難題。

　　接下來，團隊通過深度挖掘國際氣溶膠觀測網的歷史資料，構建出包含近30年全球高精度氣溶膠數據的龐大數據庫。這相當于給系統準備了“海量習題集”，為后續的智能預報打下堅實基礎。

　　“僅靠單一的地面觀測遠不夠全面。”中國氣象科學研究院副研究員桂柯坦言，“過去，來自衛星遙感、地基臺站和數值模擬的多源異構數據，因其時空尺度、精度和觀測原理的顯著差異，如同散落的拼圖，難以有效融合利用。”

　　為此，團隊開發了智能融合感知方法，成功將衛星的廣域覆蓋優勢、地基站點的高精度連續觀測能力以及模式模擬的優勢，整合成統一的“大氣環境時空演變全景圖”。

　　同時，研究團隊收集了高時空分辨率歷史數據，清晰記錄了過去20年我國主要污染物的“遷徙路線”。比如，團隊通過分析數據發現，2013—2020年我國人群PM2.5年均暴露水平下降48%，其中減排是PM2.5濃度下降的主導因素。這些數據為“環境氣象多要素智能感知及大模型預報系統”打下了堅實基礎。

　　研制“環境氣象多要素智能感知及大模型預報系統”過程中最核心的突破，是團隊開發的全球首個氣溶膠—氣象耦合預報AI大模型（AI-GAMFS）。這個包含13億個參數的“超級大腦”擁有驚人的計算速度。傳統超級計算機進行一次全球氣象預報要“埋頭苦干”數小時，而它1分鐘內就能完成，還能精準預測沙塵的“行進路線”、污染物的“消散時間”。

　　桂柯表示，與國際頂尖的歐洲中期天氣預報中心和美國航空航天局的氣溶膠預報系統相比，AI-GAMFS在東亞地區的沙塵預報誤差降低了38%—74%。

　　多地上崗“大氣醫生”

　　從西北沙漠到東部城市群，如今“環境氣象多要素智能感知及大模型預報系統”已在中央氣象臺及新疆、寧夏、內蒙古、甘肅、陜西等14個省（自治區、直轄市）氣象部門“上崗”。

　　2025年4月，四川盆地發生多起北方強沙塵暴過程遠距離傳輸入侵事件。該系統下的AI-GAMFS模型提前120小時精準預報了沙塵抵達四川盆地的時間和強度，預報與實際高度吻合，顯著提升了沙塵暴精細化預警和應急響應水平。

　　截至2024年底，該系統研發的相關成果已發表13篇SCI論文，獲4項國家發明專利，還拿下了中國氣象服務協會AI氣象應用大賽的兩項大獎。

　　在車慧正看來，大氣污染防治就像醫生看病，首先要“看清病灶”（精準監測），然后“找準病因”（機理研究），最后“對癥下藥”（精準治理）。而“環境氣象多要素智能感知及大模型預報系統”正是一位“大氣醫生”，旨在讓每一次污染過程都“可測、可報、可控”。