上海市PM_(2.5)浓度统计释用综合集成研究

在WRF模式输出的基础上,结合卡尔曼滤波(KALMAN)、偏最小二乘回归(PLS)和辨识理论实时迭代统计方法(RTIM)组成3种模式输出统计预报(MOS),并运用这3种MOS模式分别建立多模式平均、递归正权综合和多元线性回归集成模式,对上海市2014年12月2日~31日(PM_(2.5)轻度污染天气过程)以及2015年12月15日~2016年1月13日(PM_(2.5)重污染天气过程)进行了1d、2d和3d的PM_(2.5)日均浓度试预报.结果表明:相比于3种单一的MOS模式,集成模式通过获取更为准确的信息而减少了系统误差,这不仅可以提升对污染天气过程的预报能力,且有可能降低污染过程中决策失败的风险.通过对PM_(2.5)轻度污染天气和重污染天气过程预报的比较分析,多元线性回归集成模式整体预报显示出更高的精度和稳定性.统计释用方法综合集成模式对于PM_(2.5)预报显示出良好的性能,可为业务化预报模型的选择提供可借鉴的参考.