自“穹顶之下”热播后，“雾霾”一词开始为大众所知。
近年来，雾霾现象更是频频发生。
大家应该都有这样的体验——当抬头仰望天空时，想看到蓝天：
却发现眼前只有一片模糊：
约了妹子去看星星，你以为场景会是这样的：
实际上是这样的：
全国大部分地区也已经沦为雾霾的重灾区，甚至连人们心中的净土西藏、新疆也不能幸免。
由于雾霾影响范围广和持续时间长等特点，雾霾俨然成为世界各国头痛的难题。
雾霾治理主要依靠减少排放和多植树造林两种方式。但我们当前正处于传统环境风险与新型环境风险并存的时代，传统治理模式已不能满足雾霾等现代环境风险。而大数据的出现为这个难题带来了一丝曙光。
l污染治理：
汽车尾气是雾霾的重要污染源之一，交通流量大的德国城市经常超出颗粒物浓度限值，Zeppelinstrae测定站记录的颗粒物浓度超过官方限值的天数多达55天。
针对这一情况，德国城市波茨坦与西门子联合发起了一个借助大数据技术降低颗粒物和二氧化氮排放量的试点计划。
西门子部署了一个叫SitrafficConcert/Scala的交通管理系统，用于采集交通数据，并根据分析结果自动生成交通引导策略。这些策略旨在确保交通更加顺畅，同时减少污染物排放。
这个系统可以从各式各样的传感器采集最新交通信息（如车辆数量和封闭路段等），也可接收关于气温和风力风向的气象数据，以及关于建筑工地位置的信息。利用所有这些数据，这个系统可以实时计算出不同街道和路段的污染状况。
在可能发生严重污染的区域，它会将路口的所有红绿灯变为绿灯。这个系统也可以通过转移交通流，切断行进缓慢的车辆排成的长龙，达到减少污染的目的。通过在进城方向的主要道路上，缩短红绿灯的绿灯时长，便可以做到这一点。得益于这些措施，波茨坦现在大气二氧化氮浓度比刚开始这个项目时测得的44毫克/立方米降低了4%；同一时期，PM10排放量也有所降低。
l污染预测：
目前国内空气质量预测主要有两种传统方法：
1.根据大气物理化学(污染物的沉降，运输和扩散以及二次气溶胶反应)的经典算法跟污染物排放清单的集合对未来大气情况进行推测；
2.基于数理统计模型方法。比如拿到过去十年的数据，通过对时间序列的季节性，趋势性进行分析来做预测，辅以人工判断。
这两种方法主要使用的都是地面监测点提供的数据，并没有用到卫星数据。同时国内排放清单数据存在时效性弱的弊端，地面监测点分布不均且数据容易受到人为因素的影响。这导致所得到的预测结果存在着极大的偏差和局限，准确度较低。
利用环境大数据，对大气污染进行实时监测预警可以避开传统模式下的缺陷。只要有了数据源、数据处理技术以及可视化能力，就可以用地图的形式实时展现我国任一地区的大气污染数据，并预测未来的空气质量。
