四川
蓝天是生态环境的靓丽底色，空气质量关乎每一个人的生活质量和幸福指数。在大气污染监测中，如何有效提高数据监测质量成为了大气环境监测领域的重中之重。
大气污染监测工具和高科技结合将会碰撞出怎样的火花？“大气污染AI小尺度溯源”来啦！
7月23日，由国家网信办、国家发改委、工信部、福建省人民政府主办的第五届数字中国建设峰会在福建省福州市召开，经过业内专家的评议推荐，成都市生态环境数智治理中心上报的“大气污染AI小尺度溯源”从全国众多生态环境信息化优秀应用案例中脱颖而出，被评选为“第五届数字中国建设峰会优秀应用案例”。
用“全域感知”“以算代测”方法
构建全新大气质量感知体系
传统大气监测系统基本依靠插值或数值模拟方法，在宏观尺度层面可以达到一定的准确度，但在中、微观层面准确率偏低，仅能在宏观趋势上进行拟合，而无法在小尺度层面提供精细化管控的依据。
“大气污染AI小尺度溯源”案例以“移动+固定”混合监测为感知手段，以城市气象、用地、产业、交通、生活等多源动态数据为学习基础，以大空间尺度空气质量数据为辅助，采用深度学习模型进行闭环学习和实时空气质量推断，建立“动态监测+小尺度全面域计算”体系，在1千米网格层面的实时推断准确率可达到80%-90%，为相关部门提供更加精确、时效性更高的大气质量数据。
利用城市多元大数据分析
提升大气污染溯源的科学性和精准性
传统城市大气治理信息系统多以传感器报警触发事件进行处置，通过人工现场排查污染源，耗费大量的人力和时间成本。
“大气污染AI小尺度溯源”案例通过全域“以算代测”感知大气环境质量现状，并结合各部门提供的实时多源大数据（包括交通流量、运渣车定位、工地扬尘在线监控、工厂电力监控、在线油烟监控等），对局部污染的特征进行模式匹配，并对现场排查反馈结果进行闭环学习，在时空小尺度下智能匹配污染事件与污染物/行业，不断提升研判的准确度，助力实现大气环境污染溯源的科学精准。
利用AI深度学习特性
助力实现大气污染防治精细化管控
传统信息化系统往往只提供监测点位和人工线下排查的历史数据，不具备污染成因反演和污染减排的量化预判能力。
“大气污染AI小尺度溯源”案例以历史管控数据和污染事件作为学习样本，建立污染案例库并按照场景提取关键因子，结合其高精度全域空气质量感知和污染源大数据进行深度学习，对大气环境日常管控、重污染天气预警、赛事活动保障等场景的管控措施进行评估和优化，助力实现“一厂一策”“一区一策”“一站一策”的大气精细化管控。
2021年11月至今，“大气污染AI小尺度溯源”平台已在成都市“5+1”主城区落地，持续提供大气治理智能化服务。在依托现有监测硬件条件下，平台仅在增加投入约50台移动式空气监测设备的情况下，通过深度学习和训练，打破了“人海战术”和“人盯源”的传统监管模式，有力地提升了大气环境监管能力。
成都日报锦观新闻 记者 李菲菲 责任编辑 何齐铁 实习编辑 卢娅芮
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
