四大基础数据决定准确预测预报PM2.5浓度
2016年秋冬季节以来，频发的重污染天气引起全社会广泛关注。在诸多问题中，预报预测的准确性直接关系到预警级别设置、应急措施实施、防护措施制定等，尤为引人关注。
一直以来，由于评价指标体系、分级标准和发布流程等方面存在差异，不同部门发布的霾预警信息有时存在不一致，给公众认知和地方政府应对工作带来了一定困扰。
事实上，目前，预测空气中PM2.5浓度的模式和机构众多，但只有个别机构和研究团队能够达到政府决策的要求。要准确预测预报空气中PM2.5浓度，必须具备四大基础数据：
一是污染源排放清单，这是决定PM2.5浓度的根本，即各种类型污染源排放的尘、二氧化硫、氮氧化物、挥发性有机物质及氨的量，还要考虑温度、高度和地理位置等，系统全面准确地掌握此类数据是预测PM2.5浓度和采取减排措施的核心；污染源通常从散布程度分布上又分类为有组织排放和无组织排放源，从空间分布上分类为点线面源，从经济分布上分类为工业、生活、交通源等。
二是气象参数，这是影响PM2.5浓度的外在条件，也是决定环境容量的关键因素，包括常规的地面风湿温参数、温度廓线、风廓线、逆温层强度和面积等；一般情况下，天气静稳、逆温、高湿度、低压强等容易导致大气环境容量降低，因为许多区域污染物排放强度高，也容易导致PM2.5浓度升高，但只能定性分析，无法仅依靠气象参数定量预测PM2.5浓度值。
三是PM2.5浓度现状值，更关键的是数据结构，即硫酸盐、硝酸盐、有机物等含量，其反映了一个区域各种大气污染物排放量的大小和结构以及传输影响，一定程度上反映了能源结构、产业结构和交通运输方式结构。通过长期实地监测和源解析得到各个城市数据构成是预测PM2.5浓度的基础。
四是大气化学反应参数。一百多个化学反应方程式构成了生成PM2.5的机理，即各类污染源排放的一次气态污染物等如何反应生成PM2.5。目前国内预测空气中PM2.5浓度的模式和机构多直接选用发达国家开发的工具，内嵌参数基本适用于低PM2.5值，不适用于国内高浓度情况。
预测PM2.5值，实质上是预测各组分（硫酸盐、硝酸盐、有机物等含量），然后加和得到，是一项科学性极强的工作。预测人员的经验也至关重要。预测到PM2.5高值发生时，政府要采取不同级别下的应对措施，要决策在哪里采取措施、对哪类污染源减排、力度多大，要付出一定经济代价。没有齐备的四大基础数据支撑预测结果，决策就会要么代价过高，要么没有效果。
-
焦点事件
