进入IBM中国研究院的创新实验室，记者看到了正在运行的大气污染防治量化决策支持系统。系统左边一栏有监测站点、遥感数据、排放清单、地貌地形、交通信息、社交媒体、宏观数据7项数据信息。右上角功能栏里有环境大数据、三维可视化、减排驾驶舱、全景视图、污染预报、天气预报6项数据应用。

“大数据是分析和决策的基础，这7项环境大数据是所有功能的数据基础。”IBM中国研究院博士张军告诉记者。监测站点不仅包括每个污染监测站点过去24小时主要污染物的实时数据，如PM2.5、PM10、SO2、NO2、O3等，还包含各气象监测站点的气象观测数据。遥感数据、地形地貌数据、交通信息数据都从不同层面增强空气质量预警预报的准确性，其中交通信息数据依靠一个大型的交通流量仿真模型，可以同时对上百万辆车的交通流量进行模拟。

排放清单数据、社交媒体数据、宏观经济数据3类数据主要为大气污染的治理工作提供决策支撑。排放清单数据可以实时更新，溯源污染源，宏观经济数据可以分析经济与环境的关系，社交媒体数据可以及时预警环境问题。点击社交媒体数据，记者直接可以看到某时间段内公众搜索频次最高的环境问题的词汇是什么，最受关注的话题城市是哪几个，系统还可以自动计算新闻媒体关于环境问题的报道数量、社交网络的关注数量以及公众参与数量等。“我们还有一个有意思的发现，北京的网民对空气质量的敏感度要远远高于全国其他地方。”IBM中国研究院资深研发总监尹文君说。

大气污染防治量化决策支持平台不仅可以精准预报空气质量，还可以根据各站点的污染源数据、交通流量、地形地貌、气象状况，实时对各地的大气污染进行溯源， 清晰地知晓各污染源所占的比重，还可以精准分析周围地区对当地污染的贡献量。张军随手点击了北京的一次重污染过程，系统可以实时分析出污染源的时空特点，以及污染源的构成情况，还可以清晰地看到其他主要城市对这次污染的贡献占比。

准确知晓污染源后，就可以利用决策支持平台的减排驾驶舱功能，对污染物减排状况进行模拟和对比。张军点击减排驾驶舱，在污染源控制策略中，选择工业源、生活源、机动车不同的参数，就可以模拟出控制前和控制后PM2.5的变化，并直接分析出对经济的影响。张军以APEC期间的空气预报为例，演示了系统如何预报10天的空气质量趋势，并仿真了不同的减排策略对经济造成的影响，“这是政府决策的重要依据。”