首都北京终于等来了吹散雾霾的风，2016年第一次空气质量“红色警报”如期解除了。然而，纵观全国，仍有很多城市仍在雾霾的笼罩下。许多一线、二线城市都向北京看齐，也发布了不同程度的雾霾警报。

根据2015年《柳叶刀》杂志全球疾病代价研究报告，当年环境颗粒物（不包含烟草烟雾）成本为1.031亿伤残调整寿命年（衡量人类生命质量和长度的单位，指从发病到死亡所损失的全部健康寿命年），在最有害健康的疾病危险因素中排名第6。世界各地城市将空气质量提高到世卫组织建议的水平之前，还有很长一段路要走。

在有针对性地治理雾霾源头之前，追踪雾霾的踪迹并依此发布雾霾警报、采取应急措施、减少进一步空气质量恶化，成为大气污染防治的必要手段。

那么，发布雾霾各级别警报的依据有哪些？据美国电气与电子工程师协会《光谱》杂志20日报道，人工智能及大数据技术已经能为治霾这类区域性措施提供决策支撑。

数据来源是什么

报道称，北京市政府去年已经测试过国际知名公司ibm和微软的空气污染预测工具。

ibm“绿色地平线”项目负责人介绍，利用认知计算、大数据分析以及物联网技术的优势，分析空气监测站和气象卫星传送的实时数据流，凭借自学习能力和超级计算处理能力，提供未来72小时的高精度空气质量预报，实现对城市地区的污染物来源和分布状况的实时监测。

ibm工具能整合北京35个官方多污染物空气质量检测站的传统数据来源，还能整合成本较低但更为广泛的其他来源，如环境监测站、交通系统、气象卫星、地形图、经济数据甚至社交媒体的数据。微软的系统整合了来自全国3000多个站点的数据。

此外，它与微软都将传统的大气化学物理模型与机器学习类数据统计工具相结合，试图在更短的时间内做出更好的预测，包括借助一种模拟工具，用于估算采取关闭工厂或者汽车限行等干预措施后的空气质量结果和经济后果。

预测准确度如何

据媒体报道，在实时监测与高精度预报的基础上，ibm借助大数据分析能力，还能够对可能影响空气质量的相关因素进行分析预测，判断各项影响因素在不同情况下与空气质量的量化关系，由其研发的“污染过程多维认知案例库”，可以实现针对全国367个特定城市、20多个维度的历史污染过程和天气形势进行全自动化认知分析从而帮助城市管理者进行环保决策。

“绿色地平线”项目负责人说，ibm对3天内的空气质量预测准确度超过80％，对7天到10天的预测准确度约为75％。升级版的“绿色地平线”只用2—3秒时间，就可以为未来15天匹配到历史上最相似的天气及其污染变化趋势，利用国际气候数据分析的积淀，最终形成空气预警和污染防治的决策建议，助力区域性联防联控的有效开展。

此外，微软向中国环境保护部提供的48小时空气质量预测，在2015年达到了6小时内准确度为75％，12小时内准确度为60％。

不同系统是否冲突

数据显示，估计未来5年，空气质量检测市场每年将增长8.5％，总额达到56.4亿美元。但作为政府而言，为所在城市选择正确的预测系统似乎是一个挑战。

英国科研团队2016年曾报告称，不同的设置会要求不同形式的机器学习能力，系统运算的数据量是决定计算成本的重要指标。

英国“哥白尼计划”大气检测服务负责人、大气科学家文森特－亨利·普埃奇说，对于北京而言，用仅有几年的空气质量历史数据集来比较不同模型的优劣并不可取，因为不同的模型各有所长，彼此并不矛盾。

有报告表明，与2014年相比，北京市政府的环境治理举措已将2015年的细颗粒污染水平降低了6％。今年冬天，经过测试的预测系统或可正式开始为首都乃至全国治理雾霾“效力”。

以上是网络信息转载，信息真实性自行斟酌。