Lập mô hình chất lượng không khí để mô phỏng và dự báo ô nhiễm không khí là một giải pháp đi từ khoa học tới thực tiễn được hầu hết các Quốc gia, cơ quan quản lý đang áp dụng. Mô hình chất lượng không khí là một mô phỏng toán học về cách các chất ô nhiễm không khí phân tán và phản ứng trong khí quyển để ảnh hưởng đến chất lượng không khí xung quanh. Lập mô hình giúp ước tính mối quan hệ giữa các nguồn ô nhiễm và ảnh hưởng của chúng đối với chất lượng không khí xung quanh cũng như giúp chúng ta hiểu rõ tác động của nó tới sức khỏe con người. Từ đó hỗ trợ thiết kế các chiến lược hiệu quả để giảm các chất ô nhiễm không khí có hại. Ngoài ra các mô hình chất lượng không khí cũng có thể dự báo trước ô nhiễm không khí. Là cơ sở để thực hiện các biện pháp kiểm soát ô nhiễm hiệu quả, đưa ra các cảnh báo kịp thời tới người dân và có ý nghĩa rất lớn đối với các ngành công nghiệp, vận tải và kinh tế.   

Các phương pháp dự báo ô nhiễm không khí được chia thành ba loại: phương pháp dự báo thống kê, phương pháp ứng dụng trí tuệ nhân tạo và phương pháp dự báo số. Từ các phương pháp chính này trên thế giới các Quốc gia và các nhà nghiên cứu đã phát triển thành nhiều mô hình kháu nhau để mô hình hóa và dự báo ô nhiễm không khí tùy vào mục đích sử dụng.  

CMAQ là Mô hình Chất lượng Không khí Đa quy mô Cộng đồng, là một hệ thống mô hình hóa chất lượng không khí toàn diện được phát triển và duy trì bởi Văn phòng Nghiên cứu và Phát triển (ORD) của Cơ quan Bảo vệ Môi trường Hoa Kỳ (US EPA). Cốt lõi của CMAQ là mô-đun vận chuyển hóa học CCTM, nó có thể mô phỏng quá trình vận chuyển, quá trình hóa học và quá trình lắng đọng của các chất ô nhiễm.. Mô hình CMAQ được US EPA khuyến nghị và được Hoa Kỳ cũng như hầu hết các Quốc gia trên thế giới hiện nay đang sử dụng để mô tả đặc tính chất lượng không khí và bảo vệ sức khỏe con người. CMAQ là một mô hình chất lượng không khí bằng số dựa trên cơ sở khoa học để dự đoán nồng độ của các hạt và khí trong không khí, và sự lắng đọng của các chất ô nhiễm này trở lại bề mặt Trái đất. Bởi vì nó bao gồm thông tin về sự phát thải và đặc tính của các hợp chất và các lớp hợp chất, CMAQ cũng có thể thông báo cho người dùng về thành phần hóa học của một hỗn hợp các chất ô nhiễm. Điều này đặc biệt hữu ích khi các phép đo chỉ cung cấp thông tin chi tiết về tổng thể, như tổng khối lượng hạt. 

Mục đích của CMAQ là cung cấp các ước tính nhanh chóng, đúng kỹ thuật về ôzôn, các hạt, chất độc và sự lắng đọng axit. CMAQ được thiết kế để đáp ứng nhu cầu của cộng đồng khoa học và các nhà lãnh đạo cộng đồng có liên quan bằng cách kết hợp kiến thức hiện tại về khoa học khí quyển và mô hình chất lượng không khí, kỹ thuật tính toán đa bộ xử lý thành một hệ thống mô hình duy nhất.  

CMAQ cho phép người dùng khám phá các loại kịch bản ô nhiễm không khí khác nhau. Ví dụ, CMAQ thường được sử dụng để kiểm tra tác động của các quy định về khí thải trong tương lai. Có thể khám phá sự tương tác của khí tượng và chất lượng không khí, ví dụ như tác động của các hạt lên bức xạ mặt trời, có thể được khám phá bằng hệ thống WRF-CMAQ hai chiều, kết hợp giữa mô hình khí tượng Nghiên cứu và Dự báo Thời tiết (WRF) với mô hình chất lượng không khí CMAQ. Phương pháp phân tách trực tiếp (DDM) có thể được sử dụng trong CMAQ-DDM để định lượng độ nhạy của các dự đoán ô nhiễm không khí đối với các giá trị đầu vào của mô hình như khí thải hoặc tốc độ phản ứng. Thông thường, mọi người muốn biết thêm về các nguồn phát thải riêng lẻ hoặc các nhóm nguồn nào đang đóng góp nhiều nhất vào ô nhiễm không khí tại một địa điểm. Điều này có thể được khám phá bằng cách sử dụng Phương pháp phân bổ nguồn tích hợp (ISAM) trong mô hình CMAQ-ISAM. 

Hệ thống CMAQ là một bộ các chương trình phần mềm hoạt động phối hợp để ước tính ôzôn, vật chất dạng hạt, các hợp chất độc hại và sự lắng đọng axit trong toàn bộ tầng đối lưu. Là một khuôn khổ để mô phỏng sự tương tác của nhiều quá trình phức tạp trong khí quyển, CMAQ yêu cầu hai loại đầu vào chính: thông tin khí tượng và tỷ lệ phát thải từ các nguồn phát thải ảnh hưởng đến chất lượng không khí.   

Các điều kiện thời tiết như sự thay đổi nhiệt độ, gió, sự hình thành mây và lượng mưa là những động lực vật lý chính trong khí quyển. Các điều kiện này được thể hiện trong các mô phỏng mô hình chất lượng không khí sử dụng đầu ra từ các mô hình khí tượng số quy mô khu vực, chẳng hạn như WRF. Để có được đầu vào về phát thải, CMAQ dựa vào mô hình Phát thải (thường là SMOKE) để ước tính độ lớn và vị trí của các nguồn ô nhiễm. 

Kiến trúc hệ thống của CMAQ  

Ưu điểm của mô hình này là mô phỏng được ô nhiễm không khí trong toàn miền không gian và đánh giá được sự tác động tới chất lượng không khí từ nguồn thải. Có thể nghiên cứu kết hợp dữ liệu đầu vào từ các nguồn khác nhau như dữ liệu vệ tinh, dữ liệu LiDAR để nâng cao hiệu quả dự báo. Tuy nhiên độ phân giải ngày càng tăng để trải dài từ 100 km đến quy mô cục bộ ~ 1 km. Giao thức này đã từng hữu ích trong quá khứ nhưng về cơ bản là không hiệu quả và đã được chứng minh là dẫn đến lỗi nội suy và sự gián đoạn khi chuyển đổi từ miền lớn hơn sang miền nhỏ hơn. Và CMAQ cũng không thể đưa ra tính toán, dự báo chính xác tại một vị trí cụ thể ở gần mặt đất, các vị trí mà ô nhiễm không khí tác động trực tiếp tới sức khỏe con người và nền kinh tế, sản xuất.  

Bên cạnh đó, dựa trên Thông tư số 24/2017/TT-BTNMT của Bộ Tài nguyên và Môi trường, hiện nay các trạm quan trắc chất lượng không khí tự động đã và đang được ưu tiên lắp đặt tại các khu dân cư, cụm công nghiệp để kiểm soát, đánh giá chất lượng không khí. Một lượng lớn dữ liệu đã được thu thập. Với số lượng ngày càng tăng của dữ liệu lịch sử có sẵn để thực hiện phân tích, phần mềm iLotusLand có thể ứng dụng công nghệ Trí tuệ nhân tạo AI, Big Data, sử dụng các mô hình Machine Learning để dự báo ô nhiễm không khí một cách trực tiếp hàng giờ và liên tục để đưa ra những cảnh báo kịp thời. Khắc phục được các nhược điểm mà mô hình CMAQ chưa giải quyết được. Một sản phẩm công nghệ hoàn chỉnh cho bài toán Mô hình hóa, Dự báo ô nhiễm môi trường.