大气污染因素基础数据主要包括下垫面资料(USGS)、污染源资料(WYGE)、气象资料(NCEP)和实时监测污染物的监测资料(JCGE)等方面资料。大气污染与气象条件密切相关，在大气污染监测中包括风向、风速、气温、气压、太阳辐射强度、相对湿度等气象参数的测定，此外，下垫面的地表特征、大气卫星影像数据、污染源监测数据等，也对分析大气污染起到重要支撑。如何降低大气污染预报、预警的不确定性对我国当前大气污染防控具有非常重要的现实意义和科学价值。利用高性能计算、计算机视觉、图像识别等技术，构建感知大气污染因素、研究海量跨媒体数据的智能感知计算模型，实现精准大气污染防治数据自动化感知，为大气污染的精准防治提供海量源数据。利用超算中心的高性能计算资源、主流的分布式存储技术、GIS数据处理技术、流数据处理、Quarz的自动化任务调度、机器学习等技术，研究高效、快速、准确、智能大气污染防治深度认知计算模型，为精准大气污染防治工作提供高效便捷的支撑。