报告题目：Location-Specific Source Impact Estimation Using Adjoint Sensitivity Analysis
报告人： Amir Hakami
报告时间：2024年9月23日（星期一）10:00
报告地点：线下 绿色环境楼208室
邀请人： 程真
报告摘要：
空气污染政策通常是基于多种目标制定的，如缓解气候影响、改善人口健康或应对标准不达标问题。这些不同的目标通常受到不同参数和约束条件的影响，导致协调应对多重终点的策略变得具有挑战性。例如，气候缓解措施对污染物排放位置并不敏感，而针对人口健康干预的排放控制则高度依赖于排放地点。我们探讨了一种全复杂度方法的使用，即伴随敏感性分析或反向影响建模，以估计不同终点的特定地点的源影响。我们研究了伴随敏感性分析的原理及其在美国环保署的社区多尺度空气质量（CMAQ）模型和CMAQ-ADJ模型中的应用，以及该方法如何得出特定地点的源影响估计。我们的讨论将主要集中在CMAQ-ADJ模型在估算特定地点的人口健康收益或每吨减排的收益（BPT）方面的应用，以及通过燃烧源减排CO2的空气质量协同效益。通过展示基于伴随分析的协同效益估计在加拿大和美国的实例，讨论了各种假设如何影响这些估计。我们还将展示使用CMAQ-ADJ的半球版本对中国和北半球特定地点的部门协同效益的初步结果，并探讨伴随模型如何为制定协同的气候和人口健康策略提供机会。
报告人简介：
阿米尔·哈卡米（Amir Hakami）是加拿大渥太华卡尔顿大学土木与环境工程系的教授。他专长于空气质量建模，研究重点是模型在空气污染决策中的应用。他作为模型开发者广受认可，他的大部分工作位于多个学科交叉研究，如大气建模、人口健康、环境经济学和环境正义。阿米尔的研究得到了包括加拿大自然科学与工程研究委员会（NSERC）、新前沿研究基金（NFRF）、加拿大卫生部、加拿大环境与气候变化部、加拿大交通部、健康效应研究所、美国石油协会、世界资源研究所等多家公共和私人机构的资助。他在佐治亚理工学院获得的环境工程博士学位，在加州理工学院进行博士后研究。他曾担任多项学术职务，包括卡尔顿大学工程与设计学院的研究副院长。