基于模型框架的数据稀缺地区排放控制优先级研究：巴西圣卡塔琳娜州空气质量管理的启示

这篇研究为数据稀缺地区（如巴西圣卡塔琳娜州）提出了一种创新的空气质量管理框架，整合排放清单（BRAIN）、多尺度空气质量模型（CMAQ）及健康指标（如心肺疾病住院率），通过象限分类法识别PM10、PM2.5、NO2和O3超标区域，并量化减排目标，为资源有限地区提供可扩展的政策工具。

　　

Highlight

本研究开发了一个基于模型的框架，用于在数据稀缺地区（如巴西圣卡塔琳娜州）支持空气质量管理系统。通过整合排放清单（BRAIN）和社区多尺度空气质量模型（CMAQ），我们系统性地识别了PM₁₀、PM_2.5、NO₂和O₃的超标区域，并量化了达到监管标准所需的一级减排目标。

Spatial distribution of criteria pollutants

图3展示了2020年圣卡塔琳娜州PM₁₀、PM_2.5、NO₂（小时最大值）和O₃（8小时最大值）的空间分布。PM₁₀、PM_2.5和NO₂的污染热点集中在人口稠密的南部、Itajaí河谷和北部地区，其中PM₁₀浓度高达298 μg/m³，而O₃在内陆地区显著升高。

Conclusion

该框架通过结合排放强度与浓度超标数据，利用象限分类法划分优先控制区域，并引入健康指标（如心肺疾病住院率）进一步细化干预层级。研究证明，即使在监测数据有限的地区，模型驱动的方法也能有效指导政策制定和资源优化分配。