CTM和CMAQ这两个缩写在环境建模圈子里经常出现，但对刚入行的新人来说很容易弄混。有人把CTM当成一个具体软件，有人以为CMAQ和CTM是两个互斥的系统，还有人拿着CMAQ跑完一遍都不知道自己其实就在用CTM。这篇文章我会把CTM（化学传输模型）讲透，再重点拆解CMAQ在整个CTM体系里到底处在什么位置，以及两者本质上的区别。内容适合刚接触大气模拟的研究生、想用CMAQ做区域空气质量项目但缺乏模型原理背景的工程师，以及需要在不同模型之间做选型的人。
CTM不是某一个软件的名字，而是一类数值模拟方法的总称。CMAQ则是这类方法中最出名、工程化最完整的一个具体实现。搞清楚类与实例的关系，后面所有关于机制、网格、边界条件的讨论才能立得住。
1. CTM到底在算什么：把大气当成流动的反应容器
核心概念上，化学传输模型做的事情可以一句话概括：在每个空间格子里同时追踪物种的浓度变化，并把变化归因到几个可计算的物理化学过程上。大气污染物的生命周期不是只靠排放和扩散，还有大量化学反应在同时进行。比如臭氧的生成依赖NOx和VOCs的光化学反应，二次细颗粒物是由气态前体物经过氧化、成核、凝结等过程演变而来，这些都无法靠简单的浓度插值来预测。
CTM的数学基础是一组偏微分方程组，通常写作物质守恒方程：
[ \frac{\partial C_i}{\partial t} = - abla \cdot (\mathbf{u} C_i) + abla \cdot (K abla C_i) + R_i(C_1, C_2, \ldots, C_n) + E_i - (D_{dry,i} + D_{wet,i}) ]
每一项对应一类物理化学过程：
| 项 | 含义 | 通俗类比 |
|---|---|---|
| (- | ||
| abla \cdot (\mathbf{u}C_i)) | 平流输送，风把污染物从一个格子搬到另一个格子 | 河流搬运泥沙 |
| ( | ||
| abla \cdot (K | ||
| abla C_i)) | 湍流扩散，小尺度涡旋造成的混合 | 水里滴墨水的晕开过程 |
| (R_i(\ldots)) | 化学反应项，物种之间相互转化 | 厨房里食材变成菜品 |
| (E_i) | 排放源项，把污染物注入大气 | 往锅里加水 |
| (D_{dry,i}+D_{wet,i}) | 干沉降和湿沉降，污染物离开大气 | 排水管把水排走 |
实际求解时不会直接对完整方程做积分，而是使用算子分裂的方式，把这一步的浓度场先交给平流模块处理，输出再传给扩散模块，然后进化学模块。每个模块用不同的数值方法：平流可能用质量守恒的有限体积法，化学模块用刚性常微分方程求解器，沉降过程用阻力模型。工程上这种模块化拆分既容易调试，也能让不同方向的专家各自优化独立模块。
一个经常被忽略的细节是化学机制的刚性。大气化学里不同反应的时间尺度差异极大，从微秒级的光解反应到数小时的无机反应，求解时必须使用隐式方法或自动变步长求解器，否则计算根本无法收敛。这就是为什么CTM跑起来极度消耗计算资源——你不仅是在算几万个格子的流动，还在每个格子里解一套几十上百个物种的非线性反应方程组。
CTM的运行还高度依赖气象场。平流项需要风场，扩散系数需要边界层高度和湍流强度，液相化学反应需要云水含量，湿沉降需要降水分布。所以所有CTM前面都有一个气象模型作为驱动源。
2. CTM的两大流派：欧拉网格模型与拉格朗日烟团模型
既然CTM是一类方法的总称，那同类方法下面自然有不同的实现思路。大气化学传输模型按坐标系和粒子跟踪方式分成两大分支，理解这个分支关系是区分CMAQ与其他模型的关键起点。
2.1 欧拉网格模型：在固定舞台上观察变化
欧拉模型的思路是把研究区域划分为固定网格，你在这个棋盘上计算每个格子的浓度变化。风的搬运表现为浓度从一个格子流到相邻格子。CMAQ就是这一流派的代表。
欧拉方法的最大优势是空间覆盖完整、浓度场物理意义直接、天然适合面源排放和区域尺度污染模拟。比如你要模拟整个城市群夏季臭氧污染，需要知道每一天每个网格的浓度分布，那欧拉模型是唯一合理的选择。但它有两个硬伤：一是数值扩散，即离散格式本身会带来额外的人为混合，让浓度梯度被抹平；二是网格分辨率与计算成本之间的尖锐矛盾，分辨率每提高一倍，网格数变成八倍（水平两个方向各两倍加上垂直层数通常也会调增），化学机制求解的成本随之暴涨。
2.2 拉格朗日烟团模型：跟着空气块走
拉格朗日模型不关心固定网格上的浓度场，而是追踪一个个空气块或烟团在风场中的轨迹。每个空气块是一个可移动的反应容器，随着流场运动的同时内部发生化学转化。这类模型的代表是各种轨迹模型和烟团模型，常用于污染溯源分析，比如判断某次重污染过程的气团来自哪个方向。
拉格朗日方法的优势在计算效率，尤其适合模拟点源烟羽的扩散，不需要铺满整个区域的网格。但它不适合构建完整的区域浓度场——你虽然知道每条轨迹上的化学演化，却很难回答"这个区域今天的平均浓度是多少"这种需要空间分布的问题。
实际应用上两者经常搭配使用。区域浓度预测用欧拉模型，特定污染事件的源归因用拉格朗日模型跑反向轨迹。选型不是二选一，而是看具体问题需要的答案是"浓度场"还是"来源路径"。
2.3 在线耦合与离线耦合的差别
欧拉型CTM里还有一对容易混淆的概念：在线模型和离线模型。WRF-Chem这类在线耦合模型在气象模拟的同时计算化学过程，每一步气象和化学信息实时相互影响。而CMAQ是离线耦合的，先完整跑完气象模拟，把结果存档输出，再作为驱动场喂给化学模型。
离线模型的好处是节省大量气象重复计算，也方便调整化学机制或排放清单而不必重跑气象；缺点是无法捕捉气溶胶对辐射和云过程的反馈。如果你的研究重点是重污染期间气溶胶对边界层的反馈效应，CMAQ这类离线模型会显得力不从心，这时需要在线耦合方案。
3. CMAQ为什么能成为最有名的CTM实例：架构、机制与生态
前面铺垫了一大圈，现在可以正式进入CMAQ。CMAQ全称社区多尺度空气质量模型系统，是一套完整的、开源可获取的欧拉型化学传输模型，也是当前全球范围内使用频率最高的区域空气质量模型之一。
3.1 模块化到底模块在哪里
CMAQ的架构设计可以被拆成几个关键组件，理解每个组件的职责能省掉大量调试时间。首次接触CMAQ的人最容易迷失在这些前后处理步骤里，我给个清晰的组件清单：
| 组件缩写 | 全称 | 功能定位 |
|---|---|---|
| ICON | Initial Conditions processor | 生成模拟初始时刻的浓度场 |
| BCON | Boundary Conditions processor | 生成模拟区域侧边界上的浓度场 |
| EMIS | Emissions processor | 处理排放清单，格式统一为模型可读文件 |
| MCIP | Meteorology-Chemistry Interface Processor | 将气象模型输出转换为CMAQ所需的化学接口格式 |
| CCTM | CMAQ Chemical Transport Model core | 真正干活的化学传输核心处理器 |
实际项目中，ICON和BCON面临一个经典问题：边界条件从哪里来？如果做小范围高分辨率模拟（比如4km网格），侧边界浓度对模拟结果的影响非常大。直接用干净的背景浓度会导致污染物被低估，通常需要用更大的模拟域（如36km网格的模拟结果）来提供边界条件。这个过程就是嵌套模拟。
3.2 化学机制是CMAQ的灵魂
CMAQ内部不是只有一套化学反应机理，它提供多种供用户选择的化学机制。最常用的包括碳键机制、SAPRC系列、以及近年来加入的CRACMM机制。它们的主要差异在于有机气体的物种划分方式和反应网络详细程度。
碳键机制把结构相似的有机物按碳键类型归纳，物种数较少，计算效率高，适合业务化的大区域长期模拟。SAPRC系列对有机物分类更细，光化学反应表征更准确，适合对臭氧敏感性分析有精细需求的科研项目。CRACMM是较新的机制，重点关注碳氢化合物与二次有机气溶胶之间的关联，在研究PM2.5中有机组分时更具优势。
机制选择直接影响模拟结果对前体物的敏感性。选碳键机制时模型倾向于显示NOx控制更有效，改用SAPRC系列可能会得到VOCs控制更有效的结论。这不是模型错了，而是机制本身的化学简化策略不同。发表论文时机制选择必须写明，否则结果是不可复现的。
3.3 气溶胶过程不止是化学
细颗粒物模拟是CMAQ的重要应用场景，但它是否能模拟好PM2.5取决于气溶胶模块。CMAQ的气溶胶模块采用分模态表征方式，将粒子按粒径分为成核模态、积聚模态和粗模态，每个模态内部假设对数正态分布。这个过程涉及成核、凝结、碰并、蒸发等物理过程，也有有机气溶胶的化学转化。
这里最容易忽略的是液相化学。云水中的反应通常比气相反应快得多，硫酸盐的液相生成、硝酸盐在液滴中的溶解都依赖云化学模块。如果你模拟的时段有云雨过程但模拟结果SO4浓度突然异常偏高，去查云水pH的设置往往能发现问题。
3.4 CMAQ背后的社区生态
CMAQ能流行起来，很大程度靠的是它的社区化管理模式。版本持续更新，每年都有改进发布；预编译示例和完整测试案例齐全；配套的排放处理工具生态也成熟。对于一个团队而言，使用CMAQ最大的优势是遇到问题能在社区找到答案，而不需要从头造轮子。
但这套生态也存在学习成本和维护负担。排放清单格式转换、气象接口处理、机制文件编译，每个环节都可能隐含版本兼容问题。新手经常在CCTM编译环节反复卡住，不是代码有问题，而是编译环境里的库版本与预期不一致。
4. CTM与CMAQ的本质区别：不止是"类与实例"
许多人问CTM和CMAQ的区别时潜意识里想的是"哪个更好用"。但正确的问题拆解方式应该从时间维度、空间架构、耦合模式和使用边界四个层面来看。这四层拆完之后，你自然知道什么场景该用什么。
4.1 概念层级：CTM是方法论，CMAQ是产品
第一层区别是显而易见的，也是最容易误读的。CTM是一系列数学方法的总称：物质守恒方程、算子分裂、化学求解器、沉降参数化方案，这些都是方法论层面的东西。CMAQ是对这套方法论的一个具体编码实现，把它变成了可执行的代码系统。
打个比方，CTM是"做一道菜"的烹饪方法体系——煎、炒、烹、炸各有各的原理和适用场景；CMAQ是其中一套已经写好的完整菜谱加全套厨具，照着执行就能出菜。你不可能把"烹饪方法"和"这套菜谱"对立起来，CMAQ本身就是CTM的一种形态。
4.2 空间架构：CMAQ锁定了欧拉网格
CTM作为一个方法论框架并不限定坐标体系，拉格朗日烟团也是CTM，轨迹模型也是CTM。但CMAQ的结构天然建立在固定欧拉网格上，它的平流项求解、算子分裂顺序、并行分区策略都为网格坐标设计和优化。
这意味着如果你的研究对象是点源烟羽精细扩散，比如单个电厂的烟囱排放对下风向浓度的影响，CMAQ在4km甚至1km网格下也会因数值扩散问题而模糊化烟羽的真实结构。这时你需要的是一个烟团模型或大涡模拟与化学耦合的方案，而不是CMAQ。架构层面的选择决定了后续一切设置的可能性。
4.3 耦合方式：离线耦合的代价与收益
上一部分提到的在线与离线区分，在CTM和CMAQ的对比中占据关键位置。广义CTM既包括离线型也包括在线型，在线型有WRF-Chem这类气象化学双向反馈的实现；CMAQ则是纯粹的离线型模型，气象场是固定的外部输入，化学反应过程中生成的气溶胶不会反馈到气象模拟里去。
这个特点在重度灰霾模拟中会造成偏差。气溶胶浓度极高时，它可以显著削弱到达地面的太阳辐射，导致边界层更稳定，污染物进一步累积。CMAQ离线模拟时无法捕捉这个正反馈循环，因此模拟出的重污染时段地面浓度往往比观测值偏低。解决方法是使用气象化学耦合的在线模型，或者做迭代式的离线调整，即跑完CMAQ得到气溶胶辐射效应反过来再驱动一次气象模拟。
4.4 应用定位与工程完整度：CMAQ是产品级的
CTM更偏向方法论探讨，你可以基于拉格朗日框架写一个科研代码来验证一个新化学机制，这完全合理。CMAQ则是定位明确的产品：大量排放、气象、机制文件格式有统一标准，附带过程分析和源归因的诊断工具，支持MPI并行，有标准输出变量命名规则。工程化的完整程度是CMAQ最大的差异化优势。
但也正因为是产品，它要求使用者遵循其数据和配置规范。排放清单的化学物种映射、气象变量命名、投影坐标系设置都必须按CMAQ约定来。很多新手用CMAQ出错，不是因为模型本身有问题，而是因为输入数据在格式上不符合规范，模型却给出了极其隐晦的错误信息。
下面用一个对比表格把核心区别收拢起来：
| 维度 | CTM（化学传输模型） | CMAQ |
|---|---|---|
| 概念层级 | 一类数值模拟方法的总称 | 其中一种具体实现 |
| 坐标体系 | 可选欧拉、拉格朗日、混合 | 锁定欧拉网格 |
| 耦合方式 | 在线、离线皆可 | 离线耦合为主 |
| 化学机制 | 由实现自行定义 | 内置CB/SAPRC/CRACMM等机制库 |
| 工程生态 | 无统一标准 | 完整接口、工具链、社区版本 |
| 适用场景 | 从机理研究到业务预报均可 | 区域浓度模拟与政策评估为主 |
5. 实际项目中CTM与CMAQ的选择应对策略
说完了理论区别，这一部分全是我在实际项目中积累的操作经验。选型不是一个纯学术问题，很大程度上取决于研究目标、计算资源和团队已有的依赖环境。
5.1 什么时候不需要CMAQ
如果你只需要回答"某个气团从哪里来"这类问题，用轨迹模型就够了，完全不需要跑CMAQ。跑一次区域模拟的代价是气象模拟加化学模拟的组合计算，动辄数百上千核时，只为了看个轨迹方向，性价比非常低。
如果你关心的是单个排放源的近距离烟羽扩散浓度，CMAQ的网格尺度会严重抹平烟羽结构。此时考虑拉格朗日烟团模型或大气扩散模型更匹配物理过程。CMAQ最擅长的是"区域尺度的多种污染物、多尺度嵌套"的问题，比如评估整个城市群的O3和PM2.5协同控制效果。
5.2 决定使用CMAQ后的第一个建议：先跑通自带案例
网上很多教程会直接让你用自己的排放清单和气象数据搭建模拟域，这其实是把最复杂的验证环节提前了。CMAQ官方发行的测试案例是一套完整的最小模拟系统，自带气象文件、排放文件、机制文件和配置文件。
我的建议是：第一次接触CMAQ，不要追求"真实模拟"，先把这个自带案例在本地环境完整跑通，确认CCTM能成功输出标准浓度文件。这个过程会暴露大多数环境配置问题，包括编译器、库依赖、路径设置、并行环境。等跑通后再替换成你自己的气象和排放数据，难度会低很多。把大问题拆成小问题是这类巨型模型上手的唯一可靠路径。
5.3 搭建模拟域时的三个层级原则
配置CMAQ模拟域时，网格嵌套设计直接影响结果可信度。我建议至少三层嵌套：外层36km覆盖大尺度天气系统影响，中间层12km覆盖区域污染物传输，内层4km（或更细）聚焦研究重点区域。每层向内的边界条件由外层模拟结果提供，最高效的方式是把外层的结果沿时间维度插值成内层BCON需要的格式。
这里有个很常见的错误：为了追求分辨率，直接只跑一层4km模拟，边界条件用默认全球背景浓度。结果就是模拟区域内部污染被系统性低估，因为外来源贡献被完全忽略了。空气质量是区域性问题，没有干净的边界，大气里永远有污染物在跨区域输送。嵌套层级是一种低成本的物理约束，省掉它经常导致整个模拟失去参考价值。
5.4 化学机制选择与排放清单的匹配问题
选择化学机制时一个重要的实操考量因素是排放清单能否支持。排放清单需要进行物种映射，把NOx、SO2、VOCs、NH3等常规污染物分配到具体化学机制需要的每一个物种里。不同机制所需VOCs分组方式不同，如果你的排放清单缺少足够细的VOCs组分信息，即便选了SAPRC这种精细机制也无济于事。
因此实际项目中机制选择往往不是"越精细越好"，而是在排放数据基础支持范围内的最优适配。你的排放清单能支撑精细机制的物种划分时才值得上精细机制，否则结果只会有精度错觉而不会有真正的精度提升。项目初期先检查排放数据的化学物种覆盖范围，再决定机制选择，这能省下大量反复重跑的成本。
5.5 过程分析功能：不要只盯着浓度输出
CMAQ一个被低估的功能是过程分析（Process Analysis），它能告诉你每个网格里浓度变化是由哪些过程导致的：水平平流贡献了多少、垂直湍流混合贡献了多少、化学反应净生成多少、沉降消耗多少。
实际操作中发现，过程分析在诊断模拟结果偏差时比浓度对比图好用得多。比如模拟的臭氧浓度偏低，你打开过程分析一看，发现水平平流项的贡献异常大而化学净生成项偏低，就知道是上游前体物浓度或边界条件出问题；如果你看到的化学项偏低而气象项正常，则会意识到排放清单中的VOCs可能低估了。这种把浓度偏差定位到具体过程的能力，在普通浓度图上很难直接得到。
6. 最后说几句跑模型之外的事
写到这里，CTM与CMAQ的关系和区别已经比较完整了。对一个准备入门的用户来说，我的核心建议是：先建立"CTM是方法、CMAQ是实现"的心智模型，再做具体技术决策。不要被模型代码的复杂性吓倒，CMAQ的代码结构是有逻辑可循的，所有看似繁杂的组件最终都服务于第一节里那个物质守恒方程。你理解它要算什么，就会理解它为什么需要那些输入文件，也就能够在报错的时候更快定位问题方向。
从我自己的经验来看，跑CMAQ最花时间的往往不是CCTM本身，而是气象接口和排放清单的处理。气象场的投影坐标与模拟域定义不一致、排放清单的物种分配缺失关键组分、垂直层定义与气象模型不匹配，这类问题排查一次通常以周计。所以强烈建议在开始模拟前先做一个数据自检清单：逐项核对气象变量单位、时间步长是否覆盖模拟周期、排放清单数据日期范围、边界条件类型。每一次自检都可能省下一次重跑整个模拟的代价。
最后再分享一个实用的小技巧：当CMAQ运行产出异常结果时，先不要急着优化参数或更换机制。把模拟系统输出异常格点之前，试着把排放总量、气象联合概率分布和反应速率常数都回归到合理范围内。多数异常不是单一因素导致的，但往往有一个最主要的影响因素，找到它往往只需要你停下来问自己一句：这个格点上的主导物理化学过程到底是什么？模型不会替你回答，但模型代码里的每一行都在隐含这个答案。把这个思路带进每一次调试，CTM和CMAQ对你来说就不再是黑箱，而是完全透明、可解释、可诊断的工具。
