一、气象观测：捕捉雾霾的‘蛛丝马迹’
气象观测是天气预报的‘地基工程’。地面气象站通过激光雷达、能见度仪等设备，每分钟记录PM2.5、PM10浓度，结合温湿度、风速风向数据，精准描绘雾霾的‘三维画像’。例如，北京南郊观象台的激光雷达可穿透3公里厚的雾霾层，捕捉污染物垂直分布，为预警提供关键依据。
高空观测则依赖探空气球与风廓线雷达。探空气球携带传感器升至30公里高空，回传温度、气压、气溶胶数据，揭示雾霾形成的‘上层推手’——逆温层。风廓线雷达则像‘高空扫帚’，实时监测边界层高度，判断雾霾是否会因气流抬升而扩散。
二、雾霾的‘身份档案’：从成分到来源
雾霾并非单一物质，而是由硫酸盐、硝酸盐、有机碳、黑碳等数百种成分组成的‘混合体’。气象部门通过气溶胶质谱仪，10分钟内即可分析出PM2.5中各成分占比，锁定污染源头。例如，若硫酸盐占比超30%，则可能来自燃煤排放；若硝酸盐突出，则与机动车尾气相关。
- 卫星遥感：‘天眼’监测大范围污染。极轨卫星每12小时扫描一次中国，通过气溶胶光学厚度（AOD）数据，定位污染传输路径。如2023年冬季，卫星发现华北雾霾与蒙古国沙尘‘勾结’，形成跨区域复合污染。
- 移动观测车：穿梭城市‘毛细血管’。装备便携式颗粒物仪器的观测车，可实时监测道路、工地等局部污染热点，为精准治污提供‘活地图’。
三、从数据到预报：AI如何‘算’出雾霾？
传统雾霾预报依赖数值模式，需输入气象场、排放源等数据，通过超级计算机模拟污染物扩散。但雾霾形成受复杂因素影响，如湿度、光照、化学反应等，传统模式误差常达20%以上。
如今，AI技术成为‘纠错能手’。气象部门将20年历史雾霾数据‘喂’给深度学习模型，训练其识别污染爆发前的‘微弱信号’。例如，某AI模型可提前6小时预警重污染，准确率超85%。更前沿的是‘多模态融合’技术，将卫星云图、地面观测、社交媒体数据‘拼图’，还原雾霾演变的‘全息影像’，让预报从‘模糊推测’迈向‘精准推演’。
