雾霾之困：从感官体验到科学命题
清晨推开窗，灰白色雾气笼罩城市，能见度不足百米；地铁站里，行人戴着各色口罩匆匆而过；医院呼吸科门诊量激增，咳嗽声此起彼伏——这是中国北方冬季常见的雾霾场景。世界卫生组织数据显示，全球每年因空气污染早逝人数超700万，其中PM2.5颗粒物是主要元凶。这种直径不足头发丝1/30的污染物，能深入肺部甚至血液循环，引发哮喘、肺癌及心血管疾病。
雾霾的形成是自然与人为因素交织的结果。静稳天气下，近地面风速低于2米/秒，大气垂直对流减弱，污染物如同被“盖”在逆温层下难以扩散。工业排放、机动车尾气、燃煤取暖等人类活动持续释放二氧化硫、氮氧化物及挥发性有机物，在阳光照射下发生光化学反应，生成二次颗粒物。北京2013年严重雾霾期间，PM2.5浓度曾突破900微克/立方米，相当于每人每天吸入相当于20支香烟的颗粒物。
传统雾霾预警依赖地面监测站实时数据，但存在明显局限：站点分布稀疏导致数据代表性不足，污染物传输路径预测依赖经验模型，对突发污染事件响应滞后。2015年华北地区跨省雾霾过程中，因未及时捕捉上游污染团移动，多个城市启动应急响应时间相差12小时以上，加剧了健康风险。
数值预报：大气科学的“超级算盘”
数值天气预报（NWP）通过建立大气运动方程组，将地球大气划分为百万级网格，每个网格包含温度、湿度、风速、气压等变量，结合卫星遥感、雷达探测及地面观测数据，利用超级计算机进行数值求解。中国自主研发的GRAPES模式，网格分辨率已达3公里，能捕捉中小尺度天气系统演变，对雾霾形成所需的静稳天气条件预测准确率提升至85%以上。
污染物扩散模拟是数值预报的核心挑战。需将化学传输模型（CTM）与气象模型耦合，考虑湍流混合、干湿沉降、光化学反应等复杂过程。例如，WRF-Chem模型可模拟二氧化硫转化为硫酸盐的全过程，揭示二次颗粒物生成的关键路径。2022年冬奥会期间，北京气象部门利用该模型提前72小时预测到赛区可能出现逆温层，通过人工增雨作业使PM2.5浓度下降40%，保障了赛事空气质量。
机器学习为数值预报注入新动能。深度神经网络可挖掘历史数据中的隐藏模式，修正物理模型的系统性偏差。华为云盘古气象大模型将全球天气预报时效从6小时缩短至3小时，对雾霾相关的高空环流形势预测误差降低30%。上海市环境监测中心开发的AI预警系统，通过分析交通流量、工业排放与气象条件的非线性关系，将重污染预警发布时间从提前24小时延长至48小时。
科技向善：从预测到治理的闭环实践
数值预报的价值不仅在于预测，更在于支撑精准治理。河北省生态环境厅建立的“一市一策”管控平台，接入全省2.8万家企业排放数据，结合气象预报结果动态调整限产比例。2023年重污染天气期间，系统通过优化钢铁、水泥行业错峰生产方案，使区域PM2.5浓度峰值降低25%，同时减少经济损失12亿元。
公众参与是治理闭环的关键环节。北京市开发的“空气质量”APP，将数值预报结果转化为通俗的“空气质量指数”（AQI），并提供健康建议：AQI超过200时，建议儿童、老年人停止户外活动；超过300时，全市工地自动触发停工指令。这种“预报-预警-响应”的联动机制，使2024年北京重污染天数较2013年减少82%。
未来，数值预报将向更高分辨率、更全要素方向发展。欧盟“哥白尼”计划正在部署搭载激光雷达的卫星星座，可实现全球PM2.5浓度小时级监测；中国“风云”气象卫星已具备气溶胶垂直分布探测能力，为识别污染层高度提供关键数据。随着5G、物联网技术普及，城市路灯、出租车等基础设施将变身移动监测站，构建起“天-空-地”一体化监测网络。
