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。     

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。