调整PM2.5、PM10、NO₂、O₃、CO浓度，实时计算AQI并与WHO标准对比，即时显示健康分级。
AQI的计算基于分段线性插值法。对于每一种污染物，首先根据其实测浓度确定它属于哪个浓度限值区间，然后使用该区间对应的AQI指数限值进行线性换算。
$$I_p = \frac{I_{high}- I_{low}}{C_{high}- C_{low}}\times (C_p - C_{low}) + I_{low}$$其中，$I_p$ 是该污染物的空气质量分指数；$C_p$ 是该污染物的实测浓度；$C_{low}$ 和 $C_{high}$ 是浓度分段表中与该浓度相邻的两个限值（$C_p$ 介于二者之间）；$I_{low}$ 和 $I_{high}$ 是与这两个浓度限值对应的AQI指数限值。
整体的空气质量指数（AQI）由所有参与评价的污染物的分指数中的最大值决定，这体现了“短板效应”。
$$AQI = \max(I_1, I_2, I_3, ..., I_n)$$其中，$I_1, I_2, ..., I_n$ 分别代表PM2.5、PM10、二氧化氮（NO₂）、臭氧（O₃）、一氧化碳（CO）等污染物的个体分指数。这个最大值决定了最终的AQI数值、级别和健康影响描述。
公共健康预警：环保部门每日发布基于AQI的空气质量预报。当AQI预测将达到“重度污染”时，会启动健康防护提示，建议中小学减少户外活动，提醒敏感人群（如哮喘患者）做好防护，为公众出行提供科学指导。
环境管理与决策：通过分析长期AQI数据及其首要污染物（如经常是PM2.5或臭氧），城市管理者可以识别主要污染源，从而有针对性地制定减排策略，例如在臭氧高发季加强对挥发性有机物（VOC）排放的管控。
个人生活规划：许多人养成出门前查看AQI的习惯。如果AQI显示“轻度污染”以上，跑步爱好者可能会选择室内锻炼；家庭主妇可能会调整开窗通风的时间；这帮助个人根据实时环境数据做出更健康的生活选择。
产品与技术服务：空气净化器会根据室内传感器检测的PM2.5等浓度，内部计算出类似AQI的指数，并自动调整运行档位。一些天气或地图APP也集成AQI信息，帮助用户规划更健康的出行路线，避开污染严重的区域。
开始使用这个模型时，有几个容易踩坑的地方需要注意。首先是“计算结果代表‘平均值’”这一点。高斯模型基于稳态假设（风速和排放恒定）输出长时间平均浓度。例如，它难以精确再现瞬态烟团或风向频繁变化的短期现象。在实际应用中，计算结果通常用于“最坏情况的估算”或“长期影响评估”。
第二点是参数间的依赖关系。你知道“风速u”和“排放量Q”并非简单的反比关系吗？虽然从公式看浓度C与Q/u成正比，但扩散宽度σy和σz本身也随风速及大气稳定度变化。特别是当风速极低时（例如低于0.5m/s），扩散计算容易失效，导致结果倾向于高估。如果在工具中将风速调至接近零，浓度会出现异常高值。这不符合实际情况，因此实际评估中通常需要设置风速下限。
最后要明白，“有效烟囱高度H”的估算比模拟计算本身更具挑战性。H除了物理高度外，还需叠加烟气动量及浮力引起的抬升高度。例如，当温度为200℃、出口速度为20m/s的烟气从100米烟囱排放时，H可能不是简单的100米，通过计算可能达到150米以上。本工具要求直接输入H值，但在实际工作中，需要先用其他公式（如“霍兰德公式”）预先计算这部分抬升高度。
高斯烟羽模型虽是大污染预测的基础，其思想已广泛应用于多种工程领域。首先最直接的应用是“室内空气质量（IAQ）模拟”。在工厂车间或大型办公室中，常使用封闭空间版的高斯模型预测局部产生的有害气体或粉尘的扩散情况。这也是评估通风效率的重要应用。
其次，它与“风险评估与安全工程”也密切相关。化工园区有毒气体泄漏时，预测气云浓度分布范围的“气体扩散模拟”正是以此模型为基础。此时会采用瞬时烟团模型而非连续排放的变体。
另一个略有不同的领域是“光学与声学工程”中的光束传播分析。激光束的发散或点声源的声衰减常采用高斯分布近似。将扩散现象理解为“从中心按正态分布展开”的思路，可谓众多涉及“传播现象”领域的共通语言。
熟悉本工具后若想深入学习，建议按以下三步进行。首先第一步：彻底理解模型的“前提条件”。高斯模型建立在“平坦地形”“风向风速恒定”“仅地面反射”等诸多假设之上。可以研究当这些条件不满足时如何修正计算。例如，若需考虑建筑风效应，就需要借助“风洞实验”或“CFD（计算流体力学）”。
第二步：探究扩散宽度σy、σz图表（如帕斯奎尔-吉福德表）的由来。工具中虽只需选择稳定度类别即可自动设定，但这些值基于历史野外扩散实验数据的经验公式确定。应结合物理图像与数据，理解为何A类（不稳定）时σ值较大，而F类（稳定）时较小。
最后的第三步：向非稳态/非高斯模型拓展。更复杂、精度更高的预测需采用拉格朗日粒子模型或前述CFD方法。这些方法能处理复杂地形和非稳态气象条件，但计算成本也呈数量级增长。如果说高斯模型是“快捷估算工具”，它们则属于“高精度解析工具”。只有真正领会高斯模型的优势与局限，才能为后续正确使用高级工具奠定坚实基础。