本研究旨在透过了解空气中臭氧的来源、成因及形成机理，建立有效、能适应空气质量系统变化的动态模型，为优化空气质量监控、预警及污染源管理系统提供基础支撑。

近几十年来，随着城市建设的高速发展以及人口的快速增长，加上缺乏适当的环境保护措施，世界各地的空气质量有着明显下降的趋势 (McGranahan and Murray, 2003)。空气质量的优劣，对人类健康、空气能见度、农作物产量、森林生长、甚至整个生态系统的结构和功能等有着直接且深远的影响 (Longauer et al., 2001；Agrawal et al., 2003；Manning, 2005；Jacobson et al., 2007；Kampa and Castanas, 2007；Dingenen et al., 2009) ，因此，制定完善有效的管理计划以助改善空气质量，成为当今最迫切的课题之一。这个过程需要许多步骤，其中，监测以及模拟空气质量的变化，为广大市民提供值得信赖的空气质量预测无疑地是最初的但也是最必要的一步。

对于地域狭小的澳门而言，空气污染也是非常严重的问题。近年澳门经济发展迅速，车辆数目大幅增长，本地废气排放成为澳门空气污染的重要来源之一。此外, 澳门位于经济发达的珠三角地区，北面与中国大陆相连，跨境空气污染也是澳门空气质量恶化的主要元凶(Mok and Hoi, 2005)。在外来与本地因素的综合影响下，澳门空气污染问题显得更加复杂。因此，很有必要建立一个有助了解空气质量系统变化并能准确预测澳门主要空气污染物浓度的模型，有助决策者实施有效的空气质量监控、预警及污染源管理计划。Pan (2009) 对2000年至2008年期间澳门空气质量自动监测站录得的数据作出了整理和分析，发现可吸入悬浮粒子(PM10)和地表臭氧(O3)是澳门两个最主要的污染物，故此，PM10与臭氧比起其他空气污染物(一氧化碳、二氧化氮及二氧化硫)更有研究价值。

在过去的十年，大部份研究都是针对澳门PM10进行建模分析(Lam and Mok, 2006；Hoi et al., 2007；Hoi et al., 2008；Hoi et al., 2009；Hoi et al., 2010, etc.) ，相反，以地表臭氧作为预测对象的研究却是寥寥无几(Ip et al., 2010；Ip et al., 2010)。再者，上述研究开发的模型都是采用相对短时间(少于五年)的监测数据。有见及此，本研究其中一个动机就是以长达十年的监测数据进行模型性能测试，建立一个创新且高效的空气质量模型，模拟澳门地表臭氧浓度变化。除此之外，目前珠三角一带有关臭氧的研究都是建基于人工神经网络和支持向量机等离线方法(Wang, et al., 2003；Cai, et al., 2008；Ip et al., 2010)，这些方法限制了模型系数在模型校核后是恒定不变的。可是，在波动的城市污染排放以及随城市发展而不断改变的空气扩散条件等情况下，澳门和邻近的城市地区的空气质量系统是动态的(Lai and Cheng, 2009；Lu et al., 2010；Hoi et al., 2010)。因此，模型系数应随时间改变以适应空气质量系统新的变化 。本项目的另一个研究动机就是透过引入动态统计模型，修改过去错误的应用方法。动态统计模型与未知的时变模型系数基本上是经验性的投入产出关系，当中的模型系数可以使用卡尔曼滤波器(Kalman, 1960；Kalman and Bucy, 1961) 确定。卡尔曼滤波器是一种在环境科学工程广泛应用的递归在线工具(Choi et al., 2002；Mukherjee et al., 2002；Zolghadri and Cazaurang, 2006)，它不仅能够从包含噪声的测量中，提供适应性的系统输出和模型系数估算，也能够找出估计值相对应的不确定性(Hoi et al., 2008；Hoi et al., 2009)。动态模型的自适应性允许模型系数随时间改变，对比静态模型，本研究提出的动态模型更适合描述空气质量系统的变化。值得强调的是，本研究不仅是澳门、甚至珠三角地区以动态模型模拟臭氧浓度变化的先河，其提出的自适应性模型亦能更有代表性和高效地模拟真实的空气质量系统。

None 二等奖
--