资料同化方法在空气污染数值预报中的应用研究

基于第5代中尺度非静力气象模式MM5以及区域气溶胶和沉积模式REMSAD耦合的空气污染数值预报模型系统,分别采用最优插值法和集合卡尔曼滤波法对南京2002-08～2002-09 NOx和SO2模型预报结果进行了资料同化试验,结果表明,NOx和SO2经最优插值法同化后偏差平均值的改进率分别为34.20%、47.53%,均方根误差的改进率分别为31.95%、42.04%;NOx和SO2经集合个数为30的集合卡尔曼滤波法同化后偏差平均值的改进率分别为26.73%、60.75%,均方根误差的改进率分别为25.20%、55.16%;说明最优插值法和集合卡尔曼滤波法都具有改善空气污染数值预报中污染物浓度初始场的作用.进行了集合卡尔曼滤波法中集合个数为61时2种同化方法同化效果比较的试验,结果表明,随着集合卡尔曼滤波法集合个数的增加,NOx和SO2的同化效果都较集合个数为30时有所改善,并且,集合卡尔曼滤波法对NOx和SO2模式预报结果的改善效果将好于最优插值法.     

集合最优插值同化方法在珠三角空气质量模拟中的初步应用

本文旨在探讨集合最优插值(EnOI)同化方法对MM5-STEM空气质量模式污染物浓度预报场的修正能力,先从局地化尺度(L)及经验系数(α)的敏感性试验中获得NO2、SO2和PM10各自的"最优L和α组合",然后对此参数设置下的同化结果进行分析.研究结果显示,EnOI在NO2、SO2及PM10的同化试验中均取得较好的效果,检验站点均方根误差(RMSE)的平均下降比例分别可达33%、32%和42%,RMSE值下降的站点占检验站点总数的比例分别为86%、84%和91%.表明该方法能够有效地应用在珠三角空气质量模拟中,产生与实际更为接近的污染物浓度预报场.     

基于气溶胶三维变分同化天津PM2.5数值预报研究

基于气溶胶三维变分同化技术,建立天津空气质量数值模式气溶胶同化模块,通过天津地区两次重污染过程同化模拟敏感性试验,分析了观测资料范围对同化结果的影响,并结合一个月的滚动预报试验,分析了气溶胶同化对天津地区PM_2.5数值预报效果的影响,以期为提升天津空气质量预报能力提供支撑.结果表明：气溶胶同化各控制变量背景误差水平相关系数的衰减尺度约50km,垂直方向上400m高度与模式底层的相关系数衰减至0.6左右;观测资料范围对同化结果影响显著,仅采用天津地区观测数据进行同化,对重污染过程期间天津地区PM_2.5浓度模拟的影响时效约12h,采用模拟区域内所有观测数据进行同化影响时效可持续24h以上,且模拟效果更优;采用三维变分同化技术,实现地面PM_2.5观测资料同化,天津地区PM_2.5数值预报效果显著提升,预报值和实况值之间的相关系数由0.74增加到0.87,均方根误差由32.3μg/m³减小为22.4μg/m³,平均相对误差由39.9%减小为27.1%;同化对模式初始时刻的改进效果最明显,随时间同化效果衰减,14h内改进效果最佳,对24h PM_2.5浓度预报也有明显改进.     

基于集合卡尔曼滤波的区域臭氧资料同化试验

基于集合卡尔曼滤波方法和嵌套网格空气质量模式系统建立了一个区域空气质量资料同化系统(RAQDAS),并利用该系统开展了京津冀地区2008年北京奥运会期间的地面臭氧观测资料同化试验,分析了同化系统订正臭氧初始场对24 h臭氧预报的影响.试验结果表明采用50个集合样本的集合卡尔曼滤波同化不仅改进了观测站点的臭氧预报,也提高了观测以外区域的臭氧预报技巧,使得臭氧预报的均方根误差平均下降了15％,并且当集合样本数减小到20时也可达到相近的预报改进效果.为了解决滤波发散问题,分别采用了放大集合离散度和扰动模式误差源两种方法.其中放大集合离散度能避免滤波发散,但没有提高臭氧预报技巧,反而导致预报误差的增加;扰动模式误差源不仅解决了滤波发散问题,也使同化导致的臭氧预报均方根误差下降比例从15％进一步提高到20％.     

京津冀冬季大气混合层高度与大气污染的关系

大气混合层高度(MLH)是影响大气扩散的主要因子之一,其对大气质量评估和污染物的存储量及分布起着重要作用.本实验利用云高仪对2014年污染严重的2月京津冀区域4个站点(北京、天津、石家庄和秦皇岛)MLH进行了同步连续观测,分析了其各自及其区域总体变化特性.结果表明,秦皇岛MLH月均值最高,达到865 m±268 m;石家庄最低,为568 m±207 m;北京和天津介于这两城市之间,分别为818 m±319 m和834 m±334 m;结合气象数据分析发现,辐射和风速是影响混合层高度的主要因素;对4个站点颗粒物浓度与混合层高度的关系研究表明,混合层低于800 m,4个站点细颗粒物浓度均会超过国家二级标准(GB 3095-2012,75μg·m-3),观测期间北京、天津、石家庄和秦皇岛这4个站点混合层高度低于800 m天数所占比例分别为50%、43%、80%和36%.石家庄虽然近地层污染物浓度较高,但是大气混合层以内污染物负荷并不高,不利的大气垂直扩散条件是石家庄近地面长时间高浓度污染的主要原因.研究结果对于认知京津冀区域污染分布现状具有重要意义,并可为区域内污染源合理分布提供科学参考.     

福州市区大气污染物质量浓度时空分布特征分析

利用2014年2月1日—2015年1月31日福州市区6个国控空气质量监测站点CO、SO_2、NO_2、O_3、PM_(2.5)、PM_(10)逐时监测数据,综合分析了福州市区大气污染物污染水平及其时空分布特征。结果表明:福州市区首要污染物为PM_(10),且SO_2、CO污染程度极低,6个站点质量浓度超标率均未超过10%,其中鼓山站的空气质量最优,达到国家一级标准的概率超过了50%。在污染物质量浓度日变化曲线中发现,只有O_3呈单峰形态,峰值出现在14:00左右,通过对污染物的"周末效应"分析,发现CO、PM_(2.5)工作日质量浓度显著高于周末。     

PM_(2.5)和PM_(2.5~10)资料同化及在南京青奥会期间的应用试验

建立了面向PM_(2.5)和PM10观测资料的三维变分同化系统,并在南京地区青奥会期间进行了同化和预报试验.同化系统的控制变量为PM_(2.5)和PM_(2.5~10)(PM10中扣除PM_(2.5)后剩余部分),利用南京地区2014年8月的WRF-Chem模拟结果,估计了PM_(2.5)和PM_(2.5~10)的背景误差协方差,发现在水平和垂直方向上PM_(2.5)的相关系数随距离的衰减均小于PM_(2.5~10),这可能与PM_(2.5)粒径小、生命史长,在大气中传播地更远有关.利用南京及周边区域的134个监测站PM_(2.5)和PM_(10)逐时观测资料,对青奥会期间(2014年8月16~28日)进行滚动同化和预报试验,并利用模式最内层观测资料进行检验分析,结果表明同化对初始场有显著改进,PM_(2.5)和PM10的相关系数均提高53%以上,均方根误差降低55%以上,平均偏差则降低了90%左右;同化试验对其后的预报场也有明显改进,正效应可以持续到20h以后,模式对PM10的预报效果好于PM_(2.5).     

重庆市都市功能核心区秋季大气污染物时空分布特征

为研究重庆市都市功能核心区大气污染物浓度水平及变化规律,统计分析了2014年9月至2014年11月5个监测站(解放碑、高家花园、杨家坪、新山村和南坪)24 h连续监测PM_(2.5)、PM_(10)、SO_2、NO_2、CO和O_3浓度数据.结果表明,观测期间,大气颗粒物污染严重,5个站点PM2.5日均浓度超标率分别为30.8%、37.4%、38.5%、37.4%和31.9%,5个站点PM10日均浓度超标率分别为23.1%、22.0%、18.7%、19.8%和19.8%;重庆市都市功能核心区细颗粒物(PM_(2.5))污染严重,5个站点PM2.5占PM10比例分别为60.2%、64.6%、64.1%、75.4%和62.8%;PM_(2.5)、PM_(10)、NO_2和CO早晚出现高峰值;SO_2和O_3浓度日变化曲线呈现单峰型,峰值分别出现在中午和午后;降水量、气温和水汽压与PM_(2.5)、PM_(10)、SO_2和NO_2呈显著负相关;相对湿度与O_3呈显著负相关,气温、水汽压和风速与O_3呈显著正相关;CO与相对湿度呈显著正相关;风向也影响着大气污染物浓度的时空分布,南偏西、南偏东和东北偏北风利于PM_(2.5)、PM_(10)、SO_2、NO_2和CO浓度积累,西北风利于PM_(2.5)、PM_(10)、SO_2、NO_2和CO扩散;但西北风控制下利于O_3浓度积累.     

基于CESM-EnSRF系统全球甲烷及臭氧卫星资料同化试验研究

臭氧(O3)与甲烷(CH4)均是大气中重要的微量气体,对全球气候变化有着重要的影响.为提高全球范围的臭氧、甲烷在气候模式中的预报效果,使用集合平方根滤波(En SRF)同化方法及地球系统模式(CESM)构建了CESM-En SRF卫星资料同化预报系统,并通过设计试验,将大气红外探测器(AIRS)的臭氧与甲烷观测资料同化到气候模式中,对模式的同化再预报效果进行系统的测试与评估.结果显示,臭氧、甲烷分析集合均值的偏差及均方根误差皆低于背景集合均值的偏差及均方根误差.臭氧、甲烷的同化再预报偏差及均方根误差较控制实验都得到改善,但对5 h Pa以上高度臭氧预报准确性的改进效果很小.随循环同化的进行,平流层臭氧与甲烷的平均同化改进率呈增加趋势,并逐渐趋于稳定;对流层平均同化改进率随时间变化不明显.试验表明,该系统可有效利用臭氧与甲烷的观测资料对模式场进行合理的改善,从而有效地提高臭氧、甲烷在气候模式中的再预报效果,但对于平流层顶-中间层高度(5 h Pa以上)臭氧预报准确度的提高,模式中臭氧光化学过程的准确模拟较同化观测资料具有更重要的作用.此外,循环同化对提高5~150 h Pa高度臭氧及1~200 h Pa高度甲烷在CESM模式中的预报效果最有效.     

华南地区春季降水对污染物的清除及其酸化的数值摸拟

运用一维时变的层状云物理化学模式研究华南春季降水的酸化和对污染物的清除,其结果与外场观测大体一致.通常,在降水初期对气体和粒子的清除以云内为主,而后云下清除的比例增加.试验表明,H_2O_2 的浓度对SO_2的湿清除起重要作用,它决定SO_4~(2-)的生成和沉降量;气流辐合可以补偿污染物因湿清除的减少,从而增加沉降量     

基于数值模拟与资料同化探究长三角地区冬季PM2.5污染过程的气象影响

细颗粒物(PM_2.5)累积主导着长三角地区冬季空气污染,其中,气象要素具有重要的作用.本文结合WRF-Chem模式和WRF-FDDA技术,针对2019年1月12—16日发生在长三角地区的一次典型PM_2.5污染过程进行数值模拟分析.通过敏感性试验,量化分析地面气象因素（温度、风速、相对湿度）对该地区PM_2.5浓度的影响,并利用对自动气象站观测资料的四维资料同化试验,探究气象场改进对PM_2.5模拟的改善.模拟结果表明,长三角地区PM_2.5污染受气象条件影响程度较为显著,PM_2.5浓度与风速和温度呈显著负相关,与相对湿度呈正相关.水平风速减少40%、温度增加3℃、相对湿度增加20%分别造成了+4.68%、-2.82%与+2.2%的PM_2.5浓度变化.而同化气象资料显著地改善了模拟的气象场精度,其均方根误差（RMSE）统计项中相对湿度减小9.68%,温度减小1.02℃,风速减小0.35 m·s^-1,这也使得PM_...     

CMAQ模式及其修正预报在珠三角区域的应用检验

为检验CAMQ空气质量数值预报模式对区域性空气质量的预报准确度,通过对珠江三角洲地区16个监测站点数据进行聚类分析,对划分的评价区域进行预报误差分析。结果表明,CMAQ模式输出的污染物浓度水平存在明显偏低的现象,且可吸入颗粒物的浓度偏离最大,这与污染源清单削减程度有关。污染物浓度时变规律分析表明,CMAQ模式能较好地模拟可吸入颗粒物、二氧化氮和臭氧小时浓度的日变化特征,但对二氧化硫的模拟能力较弱,反映污染源时间分配因子存在不适应性。为提高预报的初始浓度值,采用预报日前一天的监测数据作为修正项,并考虑CMAQ模式预报的浓度变化趋势,从而进行修正预报。误差统计表明,修正预报的准确度显著提高,反映了引入实际监测数据对空气质量数值预报模式进行修正的研究意义和可行性。     

APEC前后北京SO2垂直分布特征及其对二次硫酸盐生成的影响

SO_2是北京大气中重要的污染气体.为探讨亚太经合组织(APEC)峰会前后北京大气SO_2的垂直分布及其对二次硫酸盐(SO_4~(2-))生成的影响,我们于2014年10月21日至11月30日在地面和北京325 m气象塔260 m高度处同步开展了气体SO_2和亚微米颗粒物中硫酸盐(SO_4~(2-))实时连续在线观测.结果显示,采暖前,北京地面SO_2浓度较低,但高层由于显著受到区域输送的影响浓度较高,两层污染物变化趋势也存在明显差异.采暖后,即APEC后,受本地供暖排放影响,SO_2和SO_4~(2-)浓度显著增加,两层的总体差异也相应减小,变化趋势也更为一致.湿度对SO_2的液相转化起关键作用.我们发现近地面SO_2的转化率(SOR)显著高于260 m,这主要与地面较高的湿度相关.事实上,SOR随着湿度增加而迅速增大,进一步凸显了湿度对SO_2液相氧化的影响.另外,我们也发现SO_2特别是260 m在低湿范围(RH40%)内随湿度增加而逐渐升高,但在高湿范围(RH50%)内则呈下降趋势,说明不同湿度范围内的来源或者生成机制可能有所不同.SO_4~(2-)和PM_(2.5)浓度均随着湿度的增加而增加,但不同湿度范围,增加速率不同.通过相关性和和后向轨迹分析表明,区域输送(特别是途经北京西部和南部的气团)和本地燃煤排放分别是采暖前后污染物的主要来源.     

新冠肺炎封城对南京污染排放的影响

2020年初新冠肺炎疫情爆发以后,为了有效防止疫情扩散和蔓延,全国主要城市都相继停工停产,人类活动和污染排放强度大幅降低.本文针对新冠肺炎爆发前后南京地区污染排放变化,利用南京及周边地区的逐时污染观测资料,基于在线区域化学传输模式WRF-Chem和集合平方根滤波同化系统,在同时同化污染物浓度初始场和污染源排放的框架下,在1 km的高分辨率条件下进行了逐时同化实验模拟.结果表明,由于疫情管控,2月南京市区的PM_2.5气溶胶和NO源排放分别较1月减少4.4%和30%,减少的区域主要位于工业区和南京城区.该结果显示同化系统在反演高时空分辨率的污染源方面具有很好的潜力.     

中国东部春季一次强冷锋活动空气污染输送过程分析

利用CMAQ(4.7.1)和HYSPLIT后向轨迹模式,结合长岛和洪泽湖站点污染物观测数据,对2011年3月31日—4月3日影响我国东北部地区的一次典型强冷锋天气空气污染过程进行模拟分析,验证表明模式能较好地模拟此次强冷锋过程. 由结果可知,此次强冷锋前后污染物浓度呈先升后降又上升的现象. 在冷锋移动过程中,锋前出现一条高浓度污染带,锋面将污染物抬升至800～500 hPa的高度,使污染物在对流层中层快速向西太平洋传输;冷锋对当地污染物的去除不仅有水平方向的推动作用,还会使污染物向高空输送. 锋面过后污染物浓度急剧降低,冷锋对长岛站点SO₂、O₃、NO_x、PM_2.5的清除率分别为90.87%、34.10%、50.56%、72.69%,对洪泽湖站点则分别为82.53%、50.45%、65.11%、36.80%. 锋面过去1~2 d后,高压控制天气形势下污染物再次开始积累、浓度回升. 冷锋前后污染物形成一个“积累—锋前抬升—高空平流输送—锋后大风清除—积累”的循环.      

一个远距离输送-化学转化模式及其在酸雨研究中的应用

建立了一个将空气污染物远距离输送和大气边界层内气相化学反应模式相结合的拉格朗日模式,并应用于华南的酸雨研究.观测的SO_2浓度及硫酸盐浓度与计算结果比较,效果较好.     

卫星遥感AOD反演地面细颗粒物浓度方法与效果

使用2015~2018年MODIS AOD产品融合地表气象资料反演了地面细颗粒物（PM_2.5）浓度,并以反演的PM_2.5浓度为依据,比较了地面PM_2.5观测资料的各种空间插值方法.结果表明：2015~2018年反演的PM_2.5平均浓度与地基观测平均浓度的R²达0.94;干季反演效果好于湿季,珠江三角洲反演效果好于非珠江三角洲地区,原因是湿季天气系统较不稳定,非珠江三角洲地区多山脉和秸秆燃烧,导致气溶胶标高、质量消光效率等假设误差较大.使用4种插值方法对地基观测的PM_2.5浓度进行插值,插值结果大致相当,反距离加权插值法较好,站点分布不均、部分区域站点密度小影响插值效果,建议在站点稀疏地区增加地面PM_2.5观测站点.     

基于多机器学习算法耦合的空气质量数值预报订正方法研究及应用

应用多种机器学习算法进行时空耦合从而建立一种新的多模式集合预报订正算法(简称“ET-BPNN算法”),对4种常规污染物(NO₂、O₃、PM_2.5和PM₁₀)的空气质量模型预报结果进行订正. 订正方法分为两步,第一步中利用随机森林、极端随机树和梯度提升回归树3种机器学习算法,采用4个空气质量数值预报模式(CMAQ、CAMx、NAQPMS和WRFChem)的多尺度污染物浓度预报数据、中尺度天气模式(WRF)的气象因子预报数据(包括2 m温度、2 m相对湿度、10 m风速、10 m风向、气压和小时累计降水量)以及污染物浓度观测数据作为训练集,训练结果进入基于均方根误差的择优选择器,选取3种机器学习算法中优化效果最好的算法;在第二步中利用了BP神经网络算法,通过加权平均获得集合模式订正预报结果. 结果表明:①与模式集合平均算法相比,ET-BPNN算法使NO₂、O₃、PM_2.5和PM₁₀浓度预报值与观测值之间的均方根误差分别减小了30.4%、18.9%、43.3%和38.1%. ②ET-BPNN算法的优化效果较随机森林、极端随机树和梯度提升回归树3个机器学习算法有明显提升,与极端随机树算法相比,ET-BPNN算法使NO₂、O₃、PM_2.5和PM₁₀浓度预报值与观测值之间的均方根误差分别降低了42.7%、20.1%、19.7%和9.7%. ③在易发生污染的秋冬季,ET-BPNN算法对PM_2.5浓度的预报具有明显的优化效果,此外该算法明显缩小了不同站点预报和不同预报时效之间的偏差,具有较好的鲁棒性. ④对O₃和PM_2.5浓度预报而言,经ET-BPNN算法优化后的预报结果能够更好地把握污染过程,对污染物峰值浓度的预报也较模式集合平均算法更准确. 研究显示,ET-BPNN算法提高了空气质量模式对污染物浓度的预报效果.      

被动采样法观测研究京津冀区域大气中气态污染物

为了对京津冀区域的大气污染物进行观测,揭示污染物浓度和组分的时空分布和变化规律,深入了解区域复合型污染,从2007年12月开始使用造价低、操作简捷的被动采样方法对区域10个站点大气中的SO2、NO2、O3和NH3等主要污染物进行了监测,对被动采样方法的区域适用性进行了比较全面的评估并根据监测结果对污染物的浓度水平和区域分布进行了研究.方法适用性评估表明被动采样方法在污染较严重的京津冀区域能进行长时间采样,采样频率设定为每月1次;平行采样结果显示,SO2、NO2、O3和NH3的变异系数分别为6.4%、7.1%、4.2%和3.9%,方法表现出良好的稳定性;每月1次的被动采样浓度结果与主动采样仪器观测结果月平均值相比具有较好的一致性,SO2、NO2和O3这2种方法监测结果的相关系数达到0.91、0.88和0.93,拟合曲线斜率分别为1.25、0.98和0.93,平均相对标准偏差分别为23.3%、14.9%和8.5%,能基本满足大气采样的要求,NH3的短时监测也表明2种方法具有可比性.评估结果说明被动采样方法是一种可靠的大气污染监测方法,可用于区域污染的监测.2008年夏季京津冀区域10个站点SO2、NO2、O3和NH3的被动采样平均浓度分别(12.3±6.3)×10-9、(13.2±7.0)×10-9、(40.5±9.5)×10-9和(24.0±13.7)×10-9.浓度区域分布显示SO2和NO2在城市站点具有较高浓度,而NH3在农业站点的浓度较高,SO2、NO2和NH3的大气浓度水平明显受局地排放影响,浓度分布较直观的反应了站点的局地源排放;而O3除了背景站兴隆,在北京和天津周边的大小城市,平均浓度都在40×10-9左右,表现出区域协同污染特征.     

基于集合均方根滤波的太湖叶绿素a浓度估算与预测

叶绿素a浓度作为表征水质状况的重要参数之一,反映了水体富营养化程度和藻类含量,是决定水体的反射光谱特征的重要因素,也是水质遥感领域研究较多的一项水质参数.研究叶绿素a浓度的遥感定量反演可以为湖泊水质监测与评价提供新的思路和方法.本研究发展了一个基于集合均方根滤波和风生流的污染物扩散模型的数据同化方案,并结合2010年5月20日的太湖3个浮标观测站点的观测数据进行了同化实验.首先对太湖叶绿素a浓度进行同化估算,然后利用优化后的估算结果对太湖叶绿素a浓度进行了为期6 h的预报.在同化阶段,均方根误差分别从1.58、1.025、2.76降低到了0.465、0.276、1.01,平均相对误差也从0.2降低到了0.05、0.046、0.069.在预报阶段,均方根误差从1.486、1.143、2.38降低到了0.017、0.147、0.23,平均相对误差也从0.2降低到了0.002、0.025、0.019.结果表明,利用集合均方根滤波的数据同化方法可以有效地提高太湖叶绿素a浓度的估算与预报精度.