新京报讯（记者张璐）作为服贸会专题论坛之一，“2025年北京国际大都市清洁空气与气候行动论坛”9月11日至12日举行。与会嘉宾、中国科学院大气物理研究所正高级工程师唐晓在接受新京报记者采访时透露，研究团队正在探索数值模拟+人工智能的大气环境预报新方式，在提升预报速度的同时，还将提高预报精度。

唐晓表示，近年来，我国PM2.5浓度降幅大，但仍处于高位，消除重污染天气、遏制臭氧上升成为国家重大战略需求。

目前空气质量预报主要使用的是数值模型，相当于对大气进行仿真，将排放的污染物去向和中间发生的化学反应机理弄清楚后，结合气象的影响在模型里进行表征，从而预测污染物未来将如何变化。这种方式依赖输入数据的精度，但自然类活动统计很难特别精准，人类排放活动非常复杂，PM2.5组分多，化学反应也很复杂，仍面临统计数据不准确、部分机理过程不清楚的挑战。“尽管空气污染等级预报准确率已达到70%以上，但距离真实情况仍有差距。”

如何进一步提升预报能力，科研人员想到了人工智能。据他介绍，目前有一些气象、环境领域的AI大模型，这些模型完全靠数据驱动，虽然性能较强，但也存在局限性，比如省略了仿真过程、参数量过大导致训练成本高、参数和真实物理世界的匹配性不强等。

对此，中国科学院大气所科研团队提出了一种新的技术路线，即在传统的数值模型基础上，叠加轻量化的人工智能模型进行耦合，形成大气污染数值预报新范式。“这种新范式预测速度可观，可以实现上百倍的加速。”

他介绍，目前我国区域空气质量预报分辨率可以达到3-5公里，但一些工厂、道路的分辨率只有几十米。在这一尺度上，传统数值模拟叠加土地、人口、交通路网等大数据后，可以建立新的AI模型，提升预报空间的解析度。同时，这种新范式可以对原有数值模拟的误差进行修正，对城市臭氧浓度预报精度可以提升20%左右。

他透露，目前这种数值模拟+人工智能的空气质量预测方式已经在杭州亚运会和北京进行研究应用。“我们最近正在和业务单位合作，进一步优化模型，将城市预报细化至区县街镇尺度，未来分辨率将达到1公里甚至更高。”

编辑 白爽

校对 刘军