面對重霾：怕不作為，更怕亂作為

轉自：南方周末
原作者：沈建華

最近一段時間，京津冀及北方廣大區域內的灰霾問題始終是各大媒體關注的重點。12月8日晚上，北京市更是將預警級別從橙色提升到了紅色。

其實對於許多行內人士來說並不感到突兀。在一年多以前，南方周末曾發過一篇文章《「大氣國十條」周年，最權威專家組預警：京津冀治霾計劃將落空》，文中說道，曾參編「大氣國十條」的權威專家已發出預警，即使全面落實現有的減排政策，京津冀依然難以完成「大氣國十條」任務。「令人擔憂的是，各地治霾方案幾乎都是倉促而就」，「其他地方獨缺這種『沙盤推演』」。

這些天來，輿論再度討論到了灰霾成因。2014年，北京市和國務院不同部門對於PM2.5源解析的結果發布了截然不同的幾套數據。看來，市民想要一個比較一致的源解析結果，至少在眼下是無法滿足的。

當時各家媒體無一例外都提到了中科院大氣物理研究所張仁健教授的研究結果，稱汽車尾氣對北京PM2.5的貢獻不足4%。幾年以前我也一時感到困惑，就花了點功夫，把張仁健的這篇論文（22頁英文）和其他專家的相關文章收集起來，學習了一番，雖不能說全然懂了，但收穫還是有點的。

問題的焦點出在張仁健研究組以正交矩陣因子分解法（PMF）對所採集的有限外場觀測數據多元回歸源解析結果。為了有效治霾，控制大氣質量，必須了解大氣中各種污染物來源，要定量地估算出各個源對整體污染的貢獻，這就需要源解析技術。源解析的結果是制定污染防治規劃的依據。

源解析也是近二十多年來國內外環境污染研究領域的重要內容。環境科學中污染物來源的數學模型大體上可分為擴散模型和受體模型兩大類。其中受體模型以污染區域為對象，著眼於研究排放源對受體的貢獻，通過對採樣點污染物的特徵進行分析，解析各種源的貢獻。因為受體模型不依賴於排放源排放條件、氣象、地形等數據，不用追蹤污染物的遷移過程。由美國國家環保局發展的正交矩陣因子分解法就是基於受體模型的源解析工具之一。

應該看到，各種各類解析方法和模型中沒有哪一種是萬能的，各自都有其長處和適用側重。由於霧霾成分的時空分佈多變性、採用的方法、研究者的主觀因素等多方面原因，加上外場數據採集位點和時段不同，結果會存在較大不確定性。總體說來，通過一定的模型擬合推測污染物源頭，只是一種間接的方法。

另一個反映污染貢獻的方法是污染源清單；在研究中除了基於外場觀測的源解析，還可以考慮採用某些實驗室模擬來進一步確定每種源的貢獻，相互驗證，結論將比較更為可靠。人們對於自然現象的認識就是不斷由點到面，由局部到整體，由混沌到逐漸清晰的發展過程。這一點應該是比較容易理解的。

公眾要求「要精準地公布數據，並對各自的污染貢獻率精確掌握」，在當下的條件下可能還只能是一種願望。2014年初，環保部提出要求全國監測系統開展源解析工作，重點解決京津冀、珠三角、長三角地區並提出明確的進度表。到2014年底，三個大區域都要完成源解析的初步工作，解析結果要報國務院，並向公眾公布。初步結果要拿出來是沒有重大問題的，有關方面也是可以大拍胸口的，因為有高強度的公共資源配置（錢財和物質）放在那裡，然而行內人士都知道目前各種源解析技術都有其缺陷，解析結果都有可能「存在較大不確定性」，「往往不能排除有多種解」的情況。

在這種狀況下，究竟拿哪套數據報國務院？向公眾公布哪套結果？最終根據哪套數據來安排工作，配置公共資源？恐怕問題會不少。我們能夠做的大概可以歸為：第一，多種技術配套一起上，相互取長補短；第二，保證一定量的外場分析樣品量，將不確定性控制在最小程度。第三，組織多方面力量，做好對於源解析技術初步結果數據的技術評估。

我國各地的霧霾，從總的方面來說是各種來源污染排放物經過一系列的化學和物理過程的產物，這裡既有一次排放，還有二次化學轉化和物理過程。從南到北情況十分複雜，當下的普遍情況既不同於當年倫敦的情況，也不同於洛杉磯的情況，曾聽得有學者講北京的情況屬於「倫敦型」和「洛杉磯型」的複合型，在下竊以為事情絕非是一個「複合型」可以概括。還讓人擔心的是：眼下從上到下、各省各地，從官員到普通老百姓都認為燃煤是問題的根子，似乎解決了城市燃氣化以後，問題就可以大大解決了，其實我們的一次排放物或者說二次過程的出發物質決不只是一個二氧化硫，或者說再加上一個氮氧化合物那麼簡單。這在國際上是有例子的，伊朗德黑蘭早就燃氣化了，基本不用煤炭了，但整個城市還是因大氣污染問題嚴重而屢屢「停擺」。

我們的公共管理大動作有不少是在態勢掌握不全，情況分析不夠，嚴重缺乏科學基礎，沒有經過充分科學技術論證的情況下匆匆推出的，其實有時候就是為了向上級或者向公眾顯示「我在做事」或「我已經做了事」。洛杉磯1943年第一次遭受重霾，1977年一級污染警報天數還高達121天，到了1999年才降到0。但是我們的各級政府承諾要在本級政府任期內解決霧霾問題，實在也缺乏基礎。面對日益惡化的重霾態勢，我們確實怕公共管理部門的不作為，但更怕他們的亂作為。不動不好，亂動更不好。