2022年6月，EDF发布了首个允许用户追溯空气污染潜在来源路径的在线工具——“空气污染追踪器（Air Tracker）”。Air Tracker是EDF与美国犹他大学、卡耐基梅隆大学合作开发的开放式在线互动平台，将实时科学模型与空气污染数据、气象数据相结合，可以让用户更好地了解局地空气污染水平，并追溯潜在的污染来源，从而为改善社区空气质量提供科学指引。日前，该平台已正式上线，覆盖美国休斯顿、盐湖城和匹兹堡三个城市，未来可在全球其他城市进行复制推广。

整合前沿模型和精细化监测数据，实现实时小尺度溯源

Air Tracker是一项可以帮助用户了解污染来源的“污染物取证工具”（pollutant forensics tool），可用于追踪二氧化硫（SO2）、氮氧化物（NOx）、一氧化碳（CO）、细颗粒物（PM2.5）、可吸入颗粒物（PM10）以及有害空气污染物（HAPs）等类型的污染物，并能与任何城市的空气质量监测系统相衔接。Air Tracker不同于常规的污染溯源模型，它整合了EDF及合作伙伴在近五年的“超本地化”（hyperlocal）空气质量监测研究中积累的科学成果和进展（点击查看往期文章：城市管理者们：精细化空气质量监测指南来了） ，能够捕捉各类城市街区级别的小规模、小范围的空气污染热点。Air Tracker用户只要点击地图上的任意地点，便可查看任一特定时刻该地点的潜在源区（source area）。该功能已实现了小时级别的数据更新。

图1. Air Tracker能够显示某一地点在某一时段下潜在的污染来源轨迹

“空气质量监测站可以告诉我们空气的污染程度，但无法让我们知晓是什么造成了污染。有了Air Tracker这个平台，我们能够看到污染热点的潜在来源。这对空气质量受到多种污染排放源影响的城市来说，很有帮助。”——Tammy Thomps  EDF高级空气质量科学家、Air Tracker创建者

促进全民参与，强化监管问责

Air Tracker是开放式在线互动平台，免费面向公众开放。用户不仅可以在平台上了解身边的空气质量状况，还可以通过截图分享功能，把实时污染事件以及异常高值污染事件，发送给地方监管机构和官员，从而帮助城市管理者快速发现并锁定污染源，最大限度的减少污染源排放对空气质量和人体健康的影响。

“呼吸污染的空气会对我们的健康产生不利影响，且这些影响的分布往往是不平等的。更贫穷和更弱势的群体不成比例地承受了更多的空气污染暴露及不利健康影响。我们希望社区领袖和个人能够利用这些污染数据，来强化对污染者的监管和问责，倡导更有效的清洁空气政策。”——Sarah Vogel  EDF健康社区高级副总

Air Tracker具体功能介绍 

融合多个数据来源：Air Tracker使用公开可获取的美国大陆比例尺地图作为交互式可视化的基础，并融合了多个空气质量监测和气象数据集，包括：美国国家AirNow空气质量监测数据、本地的低成本传感器网络数据、NOAA高分辨快速更新同化气象模型（High Resolution Rapid Refresh Weather Model）等。

实时污染溯源：用户可以在地图中，点击任意点位进行任意时刻的污染气团后向轨迹溯源，识别该点位监测数据升高时的气团来源路径。同时，也可以选择叠加监测站点（国控站或低成本传感器网络）数据和工业源信息，从而快速识别污染类型，锁定目标，实施靶向治理。

历史高值污染事件分析：用户可通过调节时间轴回顾过去任意一天的任意时间段（每隔15分钟绘制一条轨迹）的空气质量数据、气象数据以及上风向的潜在源区，从而帮助用户更深入的了解高值区域的污染规律。

溯源案例：

由于缺乏分区管控，休斯顿塞特佳斯特（Settegast）社区的居民长期以来一直抱怨空气污染严重。社区的住宅、学校、教堂和医院附近分布着各种污染源，如铁路站场、钢铁加工厂、金属回收厂等，但在很长一段时间里都很难确定具体是哪家企业造成的污染。根据Air Tracker平台历史数据，研究人员发现在2022年5月11日和13日，该地区所属的国控站点的PM2.5污染水平高于城市周围的其他监测站点；同时，通过分析污染来源路径，可以发现污染高值的潜在污染源主要位于监测站点西部和西南部附近的联合太平洋铁路站场以及工业聚集区，进一步锁定了污染来源方向，为下一步制定监管措施提供依据。

Air Tracker由EDF与美国犹他大学、卡内基梅隆大学社区机器人、教育和技术赋能实验室（CREATE Lab）共同开发，基于拉格朗日大气污染扩散模型之一的STILT模型（Stochastic Time-Inverted Lagrangian Transport Model）。该模型近期已被纳入美国国家海洋和大气管理局（NOAA）的HYSPLIT模型（Hybrid Single-Particle Lagrangian Integrated Trajectory Model）。STILT模型的独特之处在于，作为后向轨迹模型,它可以反向模拟任意时间和地点下气团粒子的运动轨迹。在Air Tracker中，几千个气团的后向运动轨迹的集合将会被映射为潜在源区。

EDF美国环保协会全球清洁空气倡议项目（Global Clean Air Initiative）

旨在全球范围内推动空气污染监测和治理方面的创新实践，以应对日益凸显的城市空气质量问题。我们与美国、墨西哥、英国和中国的合作伙伴合作，利用科学和政策工具，为实现更清洁的空气质量、更健康的社区提供解决方案。

点击访问，了解更多关于Air Tracker以及EDF全球清洁空气倡议项目的信息

参考文献：

[1] Lin J C, Gerbig C, Wofsy S C, et al. A near-field tool for simulating the upstream influence of atmospheric observations: The Stochastic Time-Inverted Lagrangian Transport (STILT) model [J]. Journal of Geophysical Research Atmospheres, 2003, 108(4493):1211-1222.[2] Loughner CP, Fasoli B,et al. Incorporating Features from the Stochastic Time-Inverted Lagrangian Transport (STILT) Model into the Hybrid Single-Particle Lagrangian Integrated Trajectory (HYSPLIT) Model: A Unified Dispersion Model for Time-Forward and Time-Reversed Applications[J]. Journal of applied meteorology and climatology, 2021, 60(06): 799-810.[3] Environmental Defense Fund, Air Tracker Methodology, https://airtracker.createlab.org/assets/data/20220524_Air_Tracker_Methodology.pdf

* 本文由EDF美国环保协会清洁空气项目分析员杜晓丽、项目主管黄新皓编译整理。