几种空气质量预报方法对冬季预报效果的评估与对比

基于2016年冬季泰州市环境空气质量自动监测数据,定量评估NAQPMS模式、CMAQ模式和人工订正对污染物质量浓度和空气质量等级的预报效果。结果表明,模式预报和人工订正对各污染物预报的相关系数由高到低排列为PM_(2.5)、PM_(10)、NO_2、SO_2、O_3-8h,颗粒物预报效果最好。除O_3-8h外,NAQPMS对各项污染物预报的相关系数R为0.47～0.82,CMAQ为0.75～0.81,人工订正为0.43～0.78,3种预报方式均能准确反映污染物浓度的变化趋势;模式预报、人工订正对O_3-8h预报相关系数均0.4。在发生颗粒物污染过程时,人工订正结果相对更为准确。NAQPMS、CMAQ和人工订正对空气质量等级24 h预报准确率分别为38.9%、41.1%和35.6%,NAQPMS对优类别的预判准确率较高,CMAQ、人工订正对良类别的预判准确率较高。对比不同时效的预报效果,24 h预报时效的准确率高于48和72 h。提出,城市空气质量预报可采用集合预报方式,综合1～2种运行较稳定的主流预报模式预报结果,预报员对模式模拟结果进行人工修订,提高预报准确率。     

最优化集成方法在城市臭氧数值预报中的应用研究

基于多模式(NAQPMS、CMAQ、CAMx、WRF-Chem)空气质量数值预报业务系统的滚动预报结果,结合站点观测资料,评估了最优化集成方法在城市臭氧数值预报中的可行性和预报效果。一年的评估结果表明:当训练期为15 d时,最优化集成方法能够得到相对较好的结果。总体而言,最优化集成方法对城市臭氧浓度变化趋势和浓度水平的预报效果明显优于单个模式,且在大部分城市优于多模式的最优预报,其预报值和观测的相关系数提高0.11以上,均方根误差降低约10μg/m~3;该方法对城市臭氧污染等级的预报能力也明显优于单个模式,特别是轻、中度污染。此外,在模拟偏差较大的城市,最优化集成方法对预报效果的改进更为显著;在模拟偏差较小的城市,该方法仍可进一步提升预报效果。     

山东省PM2.5污染现状及预报效果对比分析

对2019—2022年山东省16个市的细颗粒物（PM_2.5 ）污染特征进行了分析,并对2021和2022年的4个数值模式［社区多尺度空气质量模拟系统（CMAQ）、扩展综合空气质量模型（CAMx）、区域气象-大气化学在线耦合模式（WRF-Chem）、嵌套网格空气质量预报系统（NAQPMS）］及集合预报模式预测的效果进行评估。结果表明：2019—2022年山东省PM_2.5 年均质量浓度逐年降低,污染程度逐步减轻,但在1—3,11—12月,PM_2.5 质量浓度超标现象较为普遍。2021年底更换污染源清单后,2022年5个模式的24 h级别准确率和相关系数（r）同比升高,均方根误差（RMSE）同比降低,模式预报准确率有所提升,但由于参数调整略大,CMAQ、CAMx、WRF Chem、集合预报模式易漏报或偏轻预报PM_2.5 的中度污染和重度污染天气。由于NAQPMS模式在更换污染源排放清单时,同时改进了非均相化学反应机制,因此对PM_2.5 不同污染类别尤其是中度污染、重度污染的预报准确率明显提升。     

山东省O3污染概况及预报效果评估

对山东省各市2018—2021年的O₃污染特征进行了分析,并对2021年5—9月O₃污染较重月份空气质量模型的O₃预报结果进行了分析评估。结果表明:山东省2018—2021年O₃-8 h第90百分位数(O₃-8 h-90per)先升高后降低,O₃污染呈现波动变化,污染月主要集中在5—9月,并呈现内陆高、沿海低,中北部高、南部低的空间分布特征。集合预报模式对O₃模拟效果最好,预测结果与O₃监测值的相关性最大、偏差最小,但较难预测出O₃的峰值浓度,易漏报O₃重度污染。WRF-Chem、CMAQ、CAMx、NAQPMS对O₃的模拟效果比集合预报稍差,CMAQ、CAMx存在系统性偏低的情况,但对优级别的模拟效果明显好于其他模式;WRF-Chem、NAQPMS存在系统性偏高的情况,WRF-Chem能较好地模拟出O₃超标日,对中度、重度日的24h级别准确率分别达94.08%、100%,对O₃超标预报尤其是中至重度污染的预测预报有重要指导意义。     

多元线性回归方法对北京地区PM2.5预报的改进应用

利用多元线性回归方法（REG）将多模式空气质量预报系统中3个模式（CMAQ、CAMx和NAQPMS）对北京市2016年PM_2.5的预报结果和观测数据进行集合，并对集合结果进行评估。结果表明：①不同模式的预报结果不尽相同，均能够反映2016年北京地区PM_2.5随时间的变化趋势，CMAQ、CAMx和NAQPMS相关系数为0.6~0.9，标准化平均偏差为-0.6~0.6。3个模式对重污染峰值预报都存在偏差，NAQPMS预报偏差低于其他模式；②基于多元线性回归集成预报模型能显著提高日均PM_2.5预报的准确率，能较好地改进不同季节模式整体高估或者低估的系统性偏差现象，春季国控平均偏差由-23 μg/m³改善至-2.3 μg/m³，冬季平均偏差降低近20 μg/m³；③利用多元线性回归方法对2016年红色预警期间小时PM_2.5订正结果显示，相关系数提高了0.13，均方根误差降低了20~30 μg/m³，并且对峰值浓度有较好的调整，预报峰值更为接近实况峰值，特别是对北部地区的改进效果较为明显，反映了实际观测数据对空气质量数值模式预报修正的研究意义和可行性。     

2016年秋季新乡市空气质量模式预报效果评估

基于新乡市空气质量数值预报平台，采用相关系数（r）、标准化平均偏差（NMB）等统计指标，系统评估2016年秋季新乡市嵌套网格空气质量预报模式（NAQPMS）和通用多尺度空气质量模式（CMAQ）的预报效果，对比分析2套模式不同预报时效和不同水平分辨率的空气质量等级预报准确率。结果显示：2套模式均较好地表征了各主要污染物的浓度变化特征，2套模式的等级预报准确率高于60%，其中CMAQ对中度及重度的预报等级准确率达到70%。对比模式24、48、72 h 3种预报时效效果，24 h预报时效的统计数据最优，说明24 h预报时效模拟结果可作为业务预报重要的支撑。     

基于机器学习的短临预报方法及其在空气质量保障中的应用

基于多个数值模式(NAQPMS、CMAQ)预报结果和站点观测资料,采用岭回归机器学习方法构建了一种多污染物短临预报方法,并应用于2017年厦门金砖国家峰会和2019年武汉军运会空气质量保障工作,评估总结了短临预报方法的可行性和预报效果。结果表明:短临预报表现出很好的预报能力,可以有效改进数值模式的预报趋势和量值。从日均模拟效果来看,短临预报的颗粒物相关系数达到0.9以上,均方根误差小于5μg/m~3,而且预报的臭氧相关系数和均方根误差分别为0.99和2μg/m~3。相较于日均数值模式预报结果,短临预报可使颗粒物和臭氧的预报相关系数至少提升16%和9%,预报均方根误差至少下降50%和86%。对于小时模拟效果,短临预报能够更好地把握颗粒物的小时变化特征,其相关系数较模式提升了0.2以上;同时短临预报能够更好地再现观测到的臭氧日循环特征,对白天的峰值和夜晚的低值预报更好,其相关系数高达0.9。总体来说,短临预报方法可为重大活动空气质量保障提供较为精准的临近预报结果,具有较好的应用价值。     

AQI标准下北京市空气质量数值预报系统及其在重大活动保障中的应用

围绕新AQI标准下环境空气重污染预报预警工作的需求,全面优化升级了北京市空气质量数值预报系统。该系统集成了新一代天气模式WRF,并进一步发展污染源处理模型SMOKE,实现了点源、面源、机动车源等排放源高时空分辨率制作,同时紧追空气质量模型(CMAQ、CAMx、NAQPMS)新发展,实现在线源解析模块的业务应用。这一系统不仅在日常业务预报中有效提升了北京市空气重污染过程的预报准确率,还成功应用于2014年APEC会议、2015年纪念中国人民抗日战争暨世界反法西斯战争胜利70周年阅兵等重大活动空气质量保障工作中,满足了重大活动对空气质量预报预警的特殊需求,为进一步提高城市空气质量预报预警技术的发展做出有益尝试,并积累了丰富的经验。     

基于神经网络模型对城市空气质量预报方法的优化研究

基于郑州市2017年1月1日—2022年2月28日环境空气细颗粒物(PM_(2.5))逐日质量浓度监测数据和同期气象数据,利用反向传播(BP)神经网络构建了环境空气PM_(2.5)质量浓度预报模型,实现了对郑州市后1日环境空气PM_(2.5)质量浓度日均值进行预报。构建了考虑大气氧化性因素(情景一)和不考虑大气氧化性因素(情景二)这2种情景,并对2种情景下的预报效果进行评价。结果显示,在情景一下,各季节PM_(2.5)预报质量浓度与实况质量浓度的标准化平均偏差(NMB)和均方根误差(RMSE)均处于较低水平,表明预报效果均具有较好的稳定性;各季节PM_(2.5)实况质量浓度与预报质量浓度之间的相关系数(r)、一致性指数(IA)、准确率(Q)和级别预报准确率(G)均处于较高水平,其中Q值均>79%,G值均>80%,表明各季节PM_(2.5)实况质量浓度与预报质量浓度趋势的吻合程度较高。情景一各季节PM_(2.5)预报质量浓度与实况质量浓度的NMB和RMSE均低于情景二,降幅分别为0.8%~2.3%和2.3~4.2μg/m 3;r值、IA、Q值和G值均高于情景二,增幅分别为3.5%~36.1%,2.2%~14.6%,6.4%~9.4%和3.5%~9.1%,表明考虑大气氧化性因素能够优化该模型。     

2018年11—12月北京市重污染天气过程数值预报能力评估

2018年11—12月北京市发生了4次以PM_2.5为首要污染物的重污染天气过程，为了分析数值模型对4次重污染过程的预报能力，将CMAQ模式提前1~7 d对北京市PM_2.5的小时预报结果与观测结果对比，分别从离散统计和分类统计2个方面评估CMAQ模式对4次重污染天气过程的预报效果，并简要分析了偏差产生的气象方面原因。结果表明：CMAQ模式提前1~6 d对重污染天气过程的预报显示出良好的性能，为日常业务预报提供了可借鉴的参考信息，可较好地预报出PM_2.5小时浓度变化趋势和浓度水平，离散统计结果显示提前1~4 d的预报结果好于提前5~7 d，相关系数r基本大于0.8，但有一定程度的低估趋势；分类统计结果显示不同预报时效预报准确率大于70%，探测准确率高于55%，部分时段可以达到80%~90%，对人工预报起到了良好的参考作用；输入的气象场的变化及其偏差对于重污染的起始时间、持续时间及清除时间有一定的影响，对相对湿度预报偏小和风速预报偏大是造成CMAQ模式低估的一个重要原因。     

不同模式版本对长三角区域大气污染物模拟结果对比评估

选取2015年1、4、7、10月(分别代表冬、春、夏、秋4季),应用CMAQv4.7.1和CMAQv5.1模式模拟长三角区域的空气质量,对比了NO2、SO2、O3、PM2.54个常规污染物的模拟结果,表明CMAQv5.1对NO2、SO2和PM2.5的模拟效果优于CMAQv4.7.1,而CMAQv4.7.1的O3模拟效果优于CMAQv5.1;CMAQv5.1的NO2模拟值更接近地面观测值,比起不同版本的化学机制对NO2模拟效果的影响,NO2的模拟偏差受排放高估的影响更大;2个版本SO2的模拟值差距较小,且都与地面观测值之间差异较小;CMAQv5.1 PM2.5的模拟值比CMAQv4.7.1更接近观测值,气溶胶模块机制的更新(例如新增细分的PM2.5模式物种和部分二次有机气溶胶生成机制的改进等)对PM2.5模拟效果的改善显著;CMAQv5.1的O3模拟值比CMAQv4.7.1高,CMAQv5.1的O3模拟值在O3观测值的高值时段更接近观测值,而CMAQv4.7.1的O3模拟值在低值时段更接近观测值,CMAQv5.1在日最大8小时平均(MDA8)O3观测浓度超标日的O3模拟效果相比CMAQv4.7.1有一定程度的改善,但在非超标日模拟效果变差,CMAQv5.1的O3模拟效果总体相比CMAQv4.7.1并未得到有效提升。提出,未来针对低值时段和低值区域的O3模拟机制的改进将进一步提升O3模拟效果。     

百色市冬季PM2.5传输路径及来源分析

通过采用后向轨迹结合聚类分析方法计算2015—2016年百色市PM2.5潜在源贡献因子(PSCF)和浓度权重轨迹(CWT),分析影响该市冬季PM2.5质量浓度的潜在源区,并探讨不同源区对PM2.5的贡献率。同时,使用CAMx模式模拟百色市各县区及周边区域对该市大气传输的影响。结果表明,影响百色市PM2.5浓度潜在源主要集中在该市和临近的河池、南宁、崇左,以及北部的贵州省;CAMx模式模拟对百色市冬季大气污染物传输的地区来源与该市大气污染物的PSCF分析和CWT分析权重较大的区域较为一致,这些区域对百色市PM2.5的贡献率达73%。     

三维变分在PM2.5重污染数值模拟中的应用研究

为了探讨三维变分法(3DVAR)对成渝城市群冬季PM2.5重污染模拟的改善效果,采用3DVAR对成渝城市群2017年12月至2018年1月的空气质量数值模拟结果进行资料同化,对比评估嵌套网格空气质量预报模式(NAQPMS)原始数据与同化再分析数据的准确率,并分析成渝重污染特征。研究结果显示,3DVAR在PM2.5、PM10和NO2的同化实验中均取得较好的改善效果,成渝地区检验站点各污染物相关系数(r)的平均提升比例依次为44%、90%和332%,r改善的站点占检验站点总数的比例分别为98%、100%和82%;检验站点均方根误差(RMSE)的平均下降比例分别为15%、37%和31%,RMSE改善的站点占检验站点总数的比例为65%、98%和84%。与原始模拟结果相比,同化结果能够更准确地反映成渝地区冬季重污染期间的PM2.5和PM10空间分布特征。     

NARX神经网络模型在昆明市环境空气质量预测中的应用

神经网络模型作为一种重要的手段被广泛应用于数学计算、物理建模、水文模拟、环境预测、人工智能等研究领域。为验证神经网络模型在高原山地城市环境空气质量预测中的作用,以昆明市环境空气自动监测站气象因子和污染物浓度数据为基础,构建NARX神经网络模型,对污染物浓度进行预测。结果表明,基于NARX神经网络建立的预测模型具有很强的非线性动态描述能力,能够对环境空气6参数做出较为准确的预测,其预测浓度相对误差显著低于CMAQ、NAQPMS空气质量数值模式以及LSTM统计模型预测结果。优化后的NARX神经网络对污染物浓度变化趋势的预测较其他几个模式更为敏感。     

江苏省级区域空气质量数值预报模式效果评估

采用中国科学院大气物理研究所开发的嵌套网格空气质量模式系统(NAQPMS),搭建江苏省级区域空气质量数值预报模式系统,并测试了该系统对2013年夏季江苏省PM2.5质量浓度未来24 h预报以及7 d潜势预测的效果。结果表明,该系统成功应用于江苏省的空气质量预报;所有地市的24 h预报效果均在合理范围内(平均分数偏差小于±60%且平均分数误差小于75%);7 d潜势预测效果比24 h预报效果略差,整体能准确把握PM2.5质量浓度的变化趋势。     

污染源减排对长三角区域冬季细颗粒物污染的敏感性研究

为了进一步精准有效地降低细颗粒物浓度,针对长三角区域细颗粒物PM2.5浓度,选取8个省级区域的5种污染物为减排目标,设定5个基准排放情景,采用CMAQ-DDM敏感性技术分别进行敏感性分析。结果表明,冬季长三角区域PM2.5污染受区域内的4个省级区域一次PM2.5排放影响最大,区域外的排放影响主要来自河南省和山东省的氨气和一次PM2.5。分别削减本地60%一次PM2.5的排放,安徽省PM2.5平均质量浓度下降了23. 24μg/m^3,江苏省下降了18. 32μg/m^3,上海市下降了15. 17μg/m^3,浙江省下降了9. 07μg/m3。综合各省(市)浓度响应曲线,最大排放因子均为本地一次PM2.5,削减20%左右存在敏感性最大值,削减60%之后浓度曲线趋于平缓,其他因子削减40%以后PM2.5浓度下降逐渐明显,对最后一位排放因子的响应则比较平缓。