污染暴露模拟模块
污染暴露模拟模块的主要功能是模拟未来不同情景下的大气污染物浓度及人群暴露水平。该模块主要由气候-化学相互作用评估系统和大气化学模拟系统两部分组成，以排放路径模拟模块提供的未来大气成分排放为基础，利用气候-化学相互作用评估系统评估未来气候变化背景下气象要素与大气成分之间的双向反馈作用，利用大气化学模拟系统模拟不同情景下大气污染物浓度和人群暴露水平的变化。同时，为了减少模式误差的影响，模块采用大气成分近实时追踪数据集（Tracking Air Pollution in China , TAP）提供的大气成分浓度数据对模拟结果进行校正。
气候-化学相互作用评估系统采用动态降尺度技术将CMIP6多模式模拟结果与气候-化学在线耦合模型WRF-Chem进行链接，以CMIP6模拟结果作为气象初始场驱动WRF-Chem模型，评估气候变化对空气质量的影响，以及大气成分变化对气象要素的反馈作用。
大气化学模拟系统的核心是大气化学传输模型。根据不同研究对象和科学目标，系统采用的大气化学传输模型包括GEOS-Chem、WRF-CMAQ和WRF-Chem等。模拟系统以排放路径模拟模块提供的不同情景下人为源排放作为输入，模拟未来大气污染物浓度和人群暴露水平变化。模拟系统同时包括团队合作研发的简化空气质量调控模型中国版本（INMAP-China），通过构建源-受体之间的响应关系，实现不同减排情景下空气质量和人群暴露水平变化的快速模拟。
图1 污染暴露模拟模块技术路线
GEOS-Chem模型>
GEOS-Chem模型是一个开源的全球三维大气化学传输模式，由美国哈佛大学Daniel Jacob教授课题组开发，以美国国家航空航天局（NASA）的全球模式与资料同化办公室（Global Modeling and Assimilation Office）提供的气象同化数据（Goddard Earth Observing System，GEOS）作为气象场，对全球及区域尺度大气化学和物理过程进行模拟。GEOS-Chem同时提供了中国地区的嵌套版本，可实现更高空间分辨率的模拟。关于GEOS-Chem的详细介绍和代码下载可参见GEOS-Chem官方网站。
WRF-Chem模型>
WRF-Chem由美国NOAA地球系统研究实验室（ESRL）开发，是将中尺度气象模型WRF和化学模式Chem在线耦合形成的区域空气质量模式。WRF-Chem模型通过在线耦合方式进行大气物理和化学过程模拟计算，能够模拟大气成分与气象条件之间的相互作用，包括气溶胶-辐射相互作用、云-辐射相互作用等。关于WRF-Chem模型的详细介绍和代码下载可参阅WRF-Chem官方网站。
CMAQ模型>
CMAQ（Community Multiscale Air Quality Modeling System）是由美国环保署开发的第三代空气质量模型系统，由中尺度气象模型WRF驱动，模拟大气中各种复杂的物理和化学过程，包括污染物的输送、扩散、沉降，以及气象、液相、非均相化学反应等。CMAQ模型在空气污染过程分析、空气质量预报预警、空气质量达标规划等科研和业务领域得到广泛应用。关于CMAQ的详细介绍和代码下载可参阅CMAQ官方网站。
简化空气质量调控模型中国版本（InMAP-China）>
简化空气质量调控模型中国版本（reduced-complexity Intervention Model for Air Pollution over China，InMAP-China）是CNCAP团队在简化空气质量调控模型INMAP基础上开发的中国本地化版本。模型能够快速模拟网格尺度PM2.5浓度变化对排放变化的响应关系，为快速评估排放来源贡献和减排措施效果提供了新的工具。InMAP-China的源代码、输入数据和用户手册可通过此处获取。INMAP模型由伊利诺伊大学香槟分校Christopher Tessum教授团队领衔开发，InMAP模型的源代码、输入数据和使用手册可参阅InMAP模型网站。
参考文献：
- Wu R, Tessum CW, Zhang Y, Hong C, Zheng Y, Qin X, Liu S, Zhang Q. Reduced-complexity air quality intervention modeling over China: the development of InMAPv1. 6.1-China and a comparison with CMAQv5.2. Geoscientific Model Development. 2021 Dec 16;14(12):7621-38.[链接]
大气成分近实时追踪数据集（TAP）>
为减少大气化学模型模拟误差，污染暴露模拟模块采用中国大气成分追踪数据集（TAP）对未来年份模拟结果进行同化校正。利用大气化学模型模拟获得未来年份与基准年之间大气成分浓度的相对变化，结合从TAP数据集获得的基准年大气成分浓度，在此基础上获得未来年份大气成分浓度。TAP数据集由清华大学开发维护，在融合地面观测、卫星遥感、排放清单和模式模拟等多源数据基础上，基于机器学习算法构建了多尺度、近实时的中国大气气溶胶和气态污染物浓度数据集，并通过云计算平台向科学界共享。
关于TAP数据集的详细介绍及数据下载方式可参阅TAP官方网站，目前TAP数据集可提供下载的数据包括：2000年至今的10公里分辨率中国大气细颗粒物及主要化学组分逐日浓度数据、2000年至今的1公里分辨率中国大气细颗粒物逐日浓度数据、以及2013年至今的中国近地面臭氧逐日浓度数据。
参考文献：
- Geng, G., Xiao, Q., Liu, S., Liu, X., Cheng, J., Zheng, Y., Xue, T., Tong, D., Zheng, B., Peng, Y., Huang, X., He, K., & Zhang, Q. (2021). Tracking Air Pollution in China: Near Real-Time PM2.5 Retrievals from Multisource Data Fusion. Environ Sci Technol, 55, 12106-12115. [链接]
- Xiao Q, Geng G, Liu S, Liu J, Meng X, Zhang Q. Spatiotemporal continuous estimates of daily 1 km PM 2.5 from 2000 to present under the Tracking Air Pollution in China (TAP) framework. Atmospheric Chemistry and Physics. 2022 Oct 14;22(19):13229-42. [链接]
- Liu S, Geng G, Xiao Q, Zheng Y, Liu X, Cheng J, Zhang Q. Tracking daily concentrations of PM2.5 chemical composition in China since 2000. Environmental Science & Technology. 2022 Nov 1;56(22):16517-27.[链接]