2017年江苏省PM2.5数值模拟及内外源解析

根据江苏省72个国控点监测数据,采用了区域大气模式和多尺度空气质量模式系统(RAMS-CMAQ)模拟了2017年江苏省ρ(PM_2.5)的时空分布,耦合综合源追踪算法(ISAM)分析了不同地区排放源对ρ(PM_2.5)的贡献特征。结果表明,PM_2.5模拟与观测值的相关系数(r)=0.76,标准平均偏差(NMB)=5.2%,均方根误差(RMSE)=23.4μg/m₃,模拟结果落于观测结果0.5~2倍的比例(FAC2)=84.2%。源追踪模块结果显示,夏季主要受东南风控制,本地排放的贡献更大(省内贡献为52.34%),其他季节受偏北风输送影响,外源输送的影响较大(省外贡献为53.48%~56.84%);冬季苏北5市的排放贡献比沿江8市的更大,而春、夏季沿江8市排放贡献较大。     

2019年江苏省PM2.5和O3多模式集合预报算法效果评估

基于江苏省重污染天气监测预报预警系统多模式预报结果,分析了不同数值模式对江苏省13个城市细颗粒物(PM_2.5)和臭氧(O₃)的预报偏差特征,发展了多模式集合预报算法,并对其进行了评估。结果表明,相较于单一数值模式,集合预报算法显著改善了PM_2.5和O₃预报的准确率,其对江苏省PM_2.5和O₃空气质量分指数等级的预报准确率超过了80%。就江苏省整体而言,PM_2.5集合预报的准确率相比最优单一数值模式提升了6%。O₃浓度较低时,集合预报能有效改善各模式存在的高估现象。但受限于目前的校正策略,出现高浓度O₃污染时,集合预报对预报效果的提升相对有限。