用于模拟超本地城市空气质量的基于主体的框架

为什么城市空气会在街区间出现变化

任何从安静公园走到繁忙马路的人都能感受到空气质量在几步之内发生的变化。然而，大多数空气污染地图仍把整个社区甚至整座城市当作空气充分混合的整体来处理。本文提出了一种新方法，能够追踪肮脏空气如何在单个街区层面移动和累积，从而为更精确的健康建议、更智能的街道设计，甚至为通勤者提供更清洁的日常出行路线打开了可能。

把城市变成一个由微小街区组成的网络

研究者将城市视为一系列不断相互交换污染的小区域或主体。他们并不通过详尽的物理过程去追踪每一缕尾气，而是把城市划分为相互连接的网格，并记录每小时在这些单元之间移动的颗粒污染量。每个区域都有其本地特征，包括交通强度、土地利用、周边工厂、树木覆盖和天气。这些要素被融入一条简单的记账规则中，用来跟踪污染的产生、清除或进出流动，同时仍能在普通计算机上快速运行。

分别聆听本地源与移动的空气

该框架的一大优势是它将影响空气质量的两类主要因素分开表示。一项成分捕捉本地的源与汇，例如尾气管、烟囱以及有助于净化空气的树木；另一项则描述风和街道格局如何在相邻区域之间搬运污染。通过比较这两类影响，模型可以判断某个热点主要是由该街区内部产生，还是由外来较脏的空气吹入造成。在他们对印度金奈（Chennai）的案例研究中，靠近学校的区域在早晨出现与校车交通相关的尖峰，而某些工业区则更多受来自邻近区域输运的污染影响。

填补观测空白并展望未来

同一城市网络也可用作智能预测工具。真实的空气监测数据常有缺失值，因为传感器出现故障或移动监测装置无法覆盖所有地点。研究团队证明，他们的模型能比仅跨时间或仅跨空间处理的常用方法更准确地填补这些空白。由于模型理解区域间的连接关系，它能同时利用邻近地点与相近时刻的信息来推断缺失值。该模型在预测典型日循环污染浓度时，也优于若干标准时间序列技术，能够捕捉到市内浓度随一日升降的格局。

寻找穿越城市的更清洁路线

除了描述和预测，该框架还能帮助设计切实可行的应对策略。作者通过其主体网络计算了金奈两点间的“最低暴露”路线作为示范。一条路线在行程时间上最快，而另一条则依据模型估计穿过相对更清洁的空气。在他们的示例中，更清洁的路线更长、更慢，但总体污染暴露约减少了七分之一，因为它避开了最脏的街道。同样的思路可以用于指导步行、自行车或公交路线，从而更好地保护人们的肺部健康。

这对更清洁、更健康的城市意味着什么

简而言之，这项工作为城市尺度的“脏空气显微镜”。通过将城市分解为许多小而相连的单元，并将每个单元与真实世界的特征和天气关联，模型可以解释污染来自何处、预测未来数小时内会发生什么，并测试交通、土地利用或路线改变如何可能降低暴露水平。尽管当前研究聚焦于一种污染物、一个城市和一段较短的时间，但该方法具有灵活性，可扩展以包含更多的化学过程、更详细的气象信息以及不同的城市形态。对规划者和居民而言，它提供了一个更清晰的视角，说明日常选择如何在街区层面影响我们呼吸的空气。

引用: Swaminathan, S., Agrawal, P., McNeill, V.F. et al. Agent-based framework for modeling hyperlocal urban air quality. npj Clean Air 2, 32 (2026). https://doi.org/10.1038/s44407-026-00073-6

关键词: 城市空气质量, PM2.5, 基于主体的模型, 超本地污染, 城市规划