《Environment International》：Development of an advanced air pollution and climate change analysis and assessment system for the city of Madrid (SIMAD)
編輯推薦：
為應對日益嚴格的空氣質量標準和脫碳目標，本研究開發了SIMAD系統。該系統創新性地整合了三維解耦直接法(CMAQ-DDM-3D)獲取的敏感性系數與大規模匿名手機數據，構建了一個計算高效的簡化模型(RFM)，用于評估馬德里市關鍵污染物(NO2、O3、PM2.5)的源解析、減排措施效果及動態人口暴露，為城市層面的空氣質量管理與氣候政策制定提供了有力工具。
空氣污染是歐洲首要的環境健康風險，每年導致大量過早死亡。盡管各國努力減排，但許多歐洲城市的空氣污染物濃度仍超過世界衛生組織的指導值。與此同時，歐盟也設定了雄心勃勃的溫室氣體減排目標。城市作為人口和排放的集中地，是實現這些目標的關鍵戰場。西班牙首都馬德里，作為歐盟“氣候中和與智慧城市使命”的100個示范城市之一，面臨著在2030年前大幅減少二氧化碳排放并達到新空氣質量限值的雙重挑戰。然而，傳統的三維化學傳輸模型雖然精確，但計算成本高昂，難以支撐減排情景的快速、反復評估。此外，準確評估政策對公眾健康的影響，需要了解污染物濃度與人口動態的精細耦合，而非僅僅依賴靜態的戶籍人口數據。這些挑戰催生了對新型、高效、綜合性決策支持工具的需求。
為此，由R. Borge、D. de la Paz、L. Fernández等研究人員組成團隊，在《Environment International》上發表研究，開發并驗證了“馬德里高級空氣污染與氣候變化分析評估系統”（SIMAD）。該系統旨在為馬德里的空氣質量管理提供一套能夠一致性地整合源解析、情景分析和人口暴露評估的綜合工具平臺。
研究人員開展此項研究主要運用了幾個關鍵技術方法：1. 核心建模體系：采用WRF-SMOKE-CMAQ多尺度空氣質量模型系統，并利用其中的三維解耦直接法（CMAQ-DDM-3D）計算環境濃度對前體物排放變化的敏感性系數。2. 簡化模型構建：以上述敏感性系數為基礎，構建簡化模型（RFM），以極低計算負擔在500米×500米網格分辨率上估算濃度變化。3. 動態人口暴露評估：利用大規模匿名手機網絡數據，刻畫精細時空分辨率下的人口動態分布，替代傳統的靜態戶籍數據。4. 排放清單與更新：整合馬德里本地排放清單，并對住宅、商業、機構燃燒及道路交通等關鍵部門，基于近實時能耗和交通流量數據進行季度更新。
3.1. 敏感性系數
研究通過CMAQ-DDM-3D計算了基準情景下的敏感性系數。分析表明，馬德里市的NO2水平主要由道路交通的NOX排放主導，其對城市背景年均濃度的貢獻達8.5 μg/m3。O3濃度則主要受模型域外邊界條件的影響，但本地交通、非工業燃燒和溶劑使用部門的排放也有顯著貢獻，且對NOX排放呈負敏感性，表明在VOC限制區的馬德里，減少NOX排放可能導致O3濃度上升。PM2.5除受邊界條件影響外，本地來源中以道路交通的一次顆粒物（包括再懸浮）貢獻為主（2.1 μg/m3），非工業燃燒在秋冬季亦很重要。
3.2. 簡化模型的性能（減排情景）
研究人員設計了一個可行的中等減排情景，測試RFM模擬完整化學傳輸模型（CMAQ）響應的能力。結果顯示，對于NO2、O3和PM2.5的年均濃度變化，RFM與CMAQ的預測幾乎完全一致，相關性系數近乎為1，平均歸一化偏差極小。這表明在排放變化適度（約±30%）的范圍內，基于一階敏感性的RFM能夠完美復現完整模型的響應。
3.3. SIMAD的年度間性能
將SIMAD應用于基準年（2022年）之后的2023和2024年進行評估發現，盡管排放變化在RFM理論適用范圍內，但模型的性能相比2022年有所下降。進一步分析表明，這種性能惡化主要與氣象條件的變化有關，而非排放變化本身。其中，風速被確定為一個影響模型性能的關鍵氣象因子。盡管如此，對于年均濃度，大多數監測點的建模質量指標（MQI）仍可接受（MQI < 1）。
3.4. 暴露評估
基于動態人口數據的暴露評估顯示，居民在住所的時間是導致人口暴露的主導因素（對三種污染物的貢獻占比約57%-65%）。因此，暴露水平因居住區域不同而存在顯著差異。關聯社會經濟數據分析發現，較低社會經濟階層的人群對NO2的平均暴露水平比城市平均水平高8%，揭示了環境不公現象的存在。
該研究的結論與討論部分強調，SIMAD平臺成功地將排放計算、情景分析和人口暴露評估進行了有效整合。CMAQ-DDM-3D方法的應用，既為源解析提供了有效信息，指明了空氣污染對特定部門/季節前體物排放的敏感性，也支撐構建了能在適度排放變化范圍內完美模擬完整化學傳輸模型的RFM。這種方法極大降低了計算成本，支持多情景模擬和快速政策響應。研究也指出了當前方法的局限性，即模型在應用于未來年份時性能會因氣象條件變化而下降，但這在制定與修訂版《環境空氣質量指令》（EU）2024/2881相關的中期路線圖背景下是可以接受的。
更重要的是，引入大規模手機數據使系統能夠將空氣質量與動態人口暴露聯系起來，擴展了現有空氣質量模型工具的能力。初步分析表明，城市內部存在顯著的污染暴露差異，SIMAD有助于增進對暴露動態的理解，并可為優化本地減排策略、最大化健康效益和促進環境正義提供支持。未來的研究可探索在RFM中明確納入敏感性系數對基本氣象特征（如風速）的依賴性，并進一步細化一階敏感性的有效范圍。這項研究為城市尺度的空氣質量和氣候協同治理提供了一個強大的、可操作的范例。
