关于清风大模型

随着大气污染治理进程的推进，我国主要大气污染物的减排已进入深水区，迫切需要建立精准、高效的污染防治策略。大气化学传输模型作为刻画大气中污染物物理及化学演变过程的核心工具，能够模拟污染物浓度对前体物排放变化的响应，因此被广泛应用于污染应急调控、减排路径优化等领域。然而，传统的大气化学传输模型需解析复杂的物理化学过程，对计算资源依赖高且运行效率低，难以满足大规模、多方案、多维度减排模拟的实际需求。

针对这一问题，清华大学张强教授、黄小猛教授和耿冠楠副研究员课题组依托国家自然科学基金和国家重点研发计划，开发了基于人工智能的PM_2.5污染调控大模型：“清风大模型”。清风大模型面向PM_2.5污染减排调控问题研发，可快速模拟PM_2.5浓度对SO₂、NO_x、PM_2.5、PM₁₀、NH₃、VOCs、BC和OC等前体物排放变化的响应。模型采用残差三维U-Net深度神经网络架构，以WRF/CMAQ模型生成的日尺度减排情景数据集为训练样本构建，覆盖中国全域，水平分辨率36公里。用户可在每个网格单元中设定基于基准排放的差异化减排比例，支持电力、工业、交通、农业和民用等部门的SO₂、NO_x、PM（包含PM_2.5、PM₁₀、BC和OC）、NH₃和VOCs排放的独立调控。模型输出包括逐日网格化的PM_2.5及六种化学成分浓度：硫酸盐（）、硝酸盐（）、铵盐（）、黑碳（BC）、有机碳（OM）和其他组分。清风大模型在模拟精度上逼近CMAQ模型，同时运行效率提升超过1300倍，大幅降低了计算成本，为大规模、多样化的减排模拟任务提供了可能，突破了传统模式成本高、效率低的局限。

目前，清风大模型第1版已上线CNCAP平台，支持用户以2017-2020年MEIC排放清单为基准，基于2017-2024年气象场自定义污染调控任务并开展模拟。用户可在全国34个省级行政区层面设置电力、工业、民用、交通和农业五大部门的PM、SO₂、NO_x、NH₃和VOC减排比例（0-100%），并获取全年逐日PM_2.5及组分浓度模拟结果。CNCAP平台提供了便捷、友好的在线下载和绘图服务，用户可根据需要下载不同减排任务下的PM_2.5浓度模拟数据，也可在线查看和下载PM_2.5浓度时间序列和空间分布专题图。

未来，团队将持续在模型架构、物种覆盖、空间分辨率和调控维度等方面进行迭代升级，进一步拓展清风大模型在多物种模拟、应急响应评估与减排路径优化中的适用场景。同时，平台秉承开放共享的理念，推动模型工具、数据产品与研究成果在科研和管理的深度应用。欢迎感兴趣的研究人员与管理机构使用清风大模型并提出宝贵意见，如有合作意向，欢迎随时与团队联系（邮箱：cncap@tsinghua.edu.cn）！

模型特色 >

• 利用人工智能加速计算，实现了相较于传统大气化学传输模型超过1300倍的运行效率提升，大幅降低计算资源需求，可支撑大规模减排模拟任务。
• 支持多行业、多前体物的网格差异化减排方案，灵活性高，适用场景广泛。
• 模拟网格化逐日PM_2.5及组分浓度，可同时支持短期与中长期减排任务模拟。

支持机构 >

清风大模型的开发和维护受到以下项目和机构的支持：

• 国家自然科学基金
• 国家重点研发计划
• 地球系统数值模拟教育部重点实验室
• 区域环境安全全国重点实验室