2018年秋冬季长江三角洲区域PM2.5污染来源数值研究

使用WRF-Chem和WRF-FLEXPART模式定量研究了2018年秋冬季,尤其是在明显冷空气影响时的长江三角洲PM_2.5来源贡献.结果表明：2018年秋冬季长江三角洲以外的跨区域输送对长江三角洲PM_2.5的贡献占15.9%,长江三角洲内部排放贡献占84.1%,长江三角洲区域内部排放及污染相互传输的影响比长江三角洲外跨区域输送的影响更为显著.而在冷空气影响时段中,跨区域输送对长江三角洲PM_2.5的贡献率为33.1%,约为整个秋冬季长江三角洲外部跨区域平均输送贡献率的2倍,输送影响更为明显;输送对长江三角洲三省一市的贡献为46.2%~56.2%,其中跨区域输送的贡献10.2%~38.6%,也明显大于各自秋冬季的平均水平.在冷空气影响时段,长江三角洲四座重点城市（上海、合肥、南京、杭州）的污染潜在输送路径主要以中东路为主;上海、南京受到长江三角洲以外的污染潜在贡献较多,超过30%;杭州受到长江三角洲以外的污染潜在贡献较少,为16.1%.     

上海典型持续性PM2.5重度污染的数值模拟

本研究针对2013年1月23~24日的上海PM_(2.5)持续重污染过程,采用WRF-Chem大气化学模式以及PM_(2.5)质量浓度、能见度、气象要素等地面实测资料相结合的方式,揭示了造成上海冬季PM_(2.5)持续性重污染的一类"天气学必要成因",即一次弱冷空气活动过程导致了两种不利污染天气条件——"弱气压场(静稳形势)"和"弱冷空气扩散(输送形势)",两者先后影响上海造成PM_(2.5)浓度持续上升.主要过程如下:首先弱冷空气影响之前,上海处在不利的局地气象扩散条件下,受弱气压场控制10 h后本地PM_(2.5)质量浓度达到重度污染水平,之后夜间稳定边界层(地面静风和低层逆温)使得PM_(2.5)重度污染维持了7h,期间PM_(2.5)平均质量浓度为172.4μg·m~(-3).后期弱冷空气影响上海,虽然改善了局地扩散条件但是同时产生了明显的周边污染物输送,使得本地PM_(2.5)质量浓度升高并达到峰值(280μg·m~(-3)),继续加重污染水平,期间PM_(2.5)平均质量浓度为213.6μg·m~(-3).WRF-Chem模拟结果进一步表明,整个污染过程周边区域输送对上海PM_(2.5)平均贡献率为23%,其中两个阶段周边区域输送的平均贡献率分别为17.2%和32.2%,可见在不同的污染天气条件下周边污染源的贡献存在显著差异,因此可以根据对污染天气类型的预判制定应急减排方案.     

深度学习方法在上海市PM2.5浓度预报中的应用

为提升PM_2.5浓度预报能力,尤其是对PM_2.5重污染的预报能力,以中尺度气象-化学耦合模式系统（WRF-Chem）为基础,结合中尺度WRF气象预报数据、地面及高空气象观测数据、PM_2.5浓度观测数据,基于人工智能深度学习序列到序列的算法建立了上海市PM_2.5统计预报模型.结果表明,人工智能深度学习算法（Seq2seq）明显修正了WRF-Chem模式由于模型非客观性造成的偏差,提高了上海市PM_2.5浓度的预报能力;该算法优化和修正了WRF-Chem模式结果,并通过检验发现可以使PM_2.5浓度预报值与实况值间的相关系数由0.51上升至0.79,均方根误差由25.9μg/m³下降至15.01μg/m³.而单独使用套索法（Lasso）线性回归算法对WRF-Chem模式优化效果不理想.基于Seq2seq的PM_2.5浓度预报修正模型能够有效提升预报精度.     

ECMWF气象场驱动长三角PM2.5预报与最优集成

采用华东区域大气环境数值预报业务系统（RAEMS-GFS）的整体框架和欧洲中期天气预报中心（ECMWF）高分辨率数值天气预报数据,建立了ECMWF气象场驱动的区域空气质量数值预报系统（RAEMS-EC）.评估结果显示：RAEMS-EC对2019年秋冬季长三角城市PM_2.5浓度和污染程度具有良好的预报准确性,其性能与RAEMS-GFS具有高度可比性的同时也存在一定的差异,数值上则有较明显的系统性偏高.RAEMS-EC与RAEMS-GFS双模式最优集成预报（OCF）可以大幅提升预报效果,长三角各城市PM_2.5浓度总体预报效果指标提升12%~83%,各指标在80%以上城市为正效果,PM_2.5污染预报TS评分也得到明显提升（14%）,OCF基本消除了数值预报系统性偏高的不足.     

2018年秋冬季长江三角洲区域PM2.5污染来源数值研究

使用WRF-Chem和WRF-FLEXPART模式定量研究了2018年秋冬季,尤其是在明显冷空气影响时的长江三角洲PM_2.5来源贡献.结果表明：2018年秋冬季长江三角洲以外的跨区域输送对长江三角洲PM_2.5的贡献占15.9%,长江三角洲内部排放贡献占84.1%,长江三角洲区域内部排放及污染相互传输的影响比长江三角洲外跨区域输送的影响更为显著.而在冷空气影响时段中,跨区域输送对长江三角洲PM_2.5的贡献率为33.1%,约为整个秋冬季长江三角洲外部跨区域平均输送贡献率的2倍,输送影响更为明显;输送对长江三角洲三省一市的贡献为46.2%~56.2%,其中跨区域输送的贡献10.2%~38.6%,也明显大于各自秋冬季的平均水平.在冷空气影响时段,长江三角洲四座重点城市（上海、合肥、南京、杭州）的污染潜在输送路径主要以中东路为主;上海、南京受到长江三角洲以外的污染潜在贡献较多,超过30%;杭州受到长江三角洲以外的污染潜在贡献较少,为16.1%.     

长江三角洲城市臭氧数值预报与释用

应用华东区域大气环境数值预报业务系统对长江三角洲55个城市2019年逐日臭氧(O₃)进行了数值预报,结果表明不同时效的预报效果非常稳定,预报与观测在相关系数、倍比等指标上体现出良好的一致性,绝大多数城市的相关系数高于0.7,但数值上存在系统性偏高.时间变化上的高度一致性决定了学习期为5~7d、截距为0的单因子动态适应学习型线性修正算法是适用于长江三角洲的O₃数值预报释用方法.修正后O₃预报效果得到显著改进,预报偏差从超过25μg/m³降至0.4μg/m³;预报误差类指标减小30%以上,其中RMSE从42μg/m³下降至27μg/m³;除相关系数外,90%以上城市的其他指标得到明显改进;日最大8h滑动平均O₃和日最大小时平均O₃污染的预报临界成功指数(CSI)指数分别提高28%和17%;空报率和漏报率趋于平衡.修正方法的应用解决了数值预报系统性偏高的不足.     

云下湿清除作用对长三角PM2.5模拟的影响

为探讨云下湿清除作用对长三角地区PM_2.5浓度模拟的影响，在华东区域大气环境数值预报系统中新增了气溶胶云下湿清除过程参数化方案，对比分析了2018年12月1日至2019年2月28日降水对长三角地区PM_2.5的清除作用及其对数值模拟效果的改进.结果表明，模式对该时段内的降水和PM_2.5浓度均有很好的模拟效果，模拟的数值、空间分布和变化趋势均与观测有良好的一致性；增加云下湿清除作用后长三角地区PM_2.5浓度模拟效果得到明显改善：平均偏差、平均误差和均方根误差分别减小4.85，1.72，2.35μg/m³，归一化偏差和归一化误差分别降低0.14和0.08，约90%城市的相关系数、均方根误差、平均误差、归一化误差得到改进；云下湿清除作用使模拟PM_2.5浓度随雨强增大而降低，解决了模式湿清除过程的不足.同时，增加云下湿清除作用会加剧部分城市PM_2.5模拟浓度偏低的现象，这需要通过其他过程的完善予以改进.     

上海地区PM2.5-O3复合污染特征及气象成因分析

统计分析了上海地区2013~2017年PM_2.5-O₃复合污染事件及与气象条件的关系.结果表明,近5a上海PM_2.5-O₃复合污染天气占O₃总污染天气33.4%,仅出现在3~10月,呈逐年减少的趋势;PM_2.5-O₃复合污染时的O₃峰值浓度和平均浓度较单O₃污染时高,维持时间较单O₃污染时长,主要气象原因是地面辐合和较低的边界层高度;PM_2.5-O₃复合污染的天气形势往往与弱气压场有关,可以分为低压底部和前部、高压顶部和后部、均压场5种天气类型,其中均压场出现次数最多,占比53%;复合污染对气象因子的阈值要求更为严格,并且阈值区间总体向有利于PM_2.5浓度上升的方向偏移;当温度介于27.9~34℃,湿度介于43%~58%,风速介于2.1~3.3m/s,混合层高度介于1122~1599m,并且存在辐合时,最有利于PM_2.5-O₃复合污染发生.     

影响上海PM2.5污染不同源地和路径的数值模拟

对2014~2017年上海出现的PM_2.5中度及以上污染过程的地面形势进行分析,发现上海出现PM_2.5中度及以上污染的地面形势场主要可分为输送型、静稳型和叠加型3种类型,其中输送型是影响上海市PM_2.5中度及以上污染的主要天气形势,占比45.8%.通过选取典型个例,分析了3类污染天气型气象成因和维持机制.并利用WRF驱动FLEXPART模式,结合排放源清单,探讨不同污染天气型下影响上海的主要污染物来源：输送型污染有3条影响上海的主要污染传输通道,分别为东路（东海海面）、中路（江苏沿海）和西路（安徽-苏南）,主要时段在污染前1d;静稳型污染影响上海的潜在污染源区集中在上海及周边地区;叠加型污染既存在明显污染输送通道,也有明显的上海及周边潜在污染贡献区域.     

斜剖面图的设计及在PM2.5中期潜势预报中的应用

本文将强降水潜势预报的“配料法”原理引入到环境预报中,选取ECMWF数值预报产品中的700hPa相对湿度、1000hPa风向风速和850hPa温度作为气象要素“配料”,沿占比最多的冷空气输送路径穿过华北重污染区和上海,设计制作了未来10d气象要素“配料”时空斜剖面图,并具体定义了业务中常见的典型污染过程（冷空气输送、干静稳和湿静稳累积）和清洁过程（冷空气清洁、湿沉降清洁）共5种图形的识别特征.该斜剖面图由于融合了单站时序图和单时次空间面图的优点,无需一张张翻阅天气形势图,显著缩短了看图分析时间;斜剖面图还建立了气象要素图形特征、污染气象条件和PM_2.5污染潜势三者的对应关系,通过图形特征可以快速掌握区域内天气形势演变情况,识别出上述典型污染和清洁过程,最终得出PM_2.5中期污染潜势,便于在业务中应用和推广.一次典型污染个例应用显示,斜剖面图和污染实况的图形型态特征非常相似,斜剖面图中静稳累积和冷空气输送过程图形特征辨识度高,区域和单站提前5d的预报结论和实况较为一致;进一步评估显示,2018年冬季期间预报时效5d以内的TS评分维持在0.32~0.50区间,未来10d的预报准确率维持在74.4%~86.7%区间.