江苏省级区域空气质量数值预报模式效果评估

朱莉莉，晏平仲，王自发，李 杰，张祥志，汤莉莉，李健军，刘 冰

1．中国科学院大气物理研究所，大气边界层物理和大气化学国家重点实验室，北京 100029

2．中国科学院大学，北京 100049

3．江苏省环境监测中心，江苏 南京 210036

4．中国环境监测总站，国家环境保护环境监测质量控制重点实验室，北京 100012

随着中国城市化进程的加快，区域灰霾污染现象频繁发生，引起社会的广泛关注。在巨大的能源消耗和污染物排放背景下，相当长的一段时间内，中国大部分地区的空气质量仍将处于重污染频发期，区域大气污染联防联控成为一项长期而艰巨的任务，需要建立完善的空气质量预报预警系统，及时有效地支持重污染天气应急减排，缓解空气污染对公众健康、交通出行等多方面的影响。

2010—2012年，江苏省 PM2.5年均值均超过国家二级标准［1］50%以上，大气污染问题已非常严峻。2013年，国务院印发了《大气污染防治行动计划》，明确要求“建立监测预警应急体系，妥善应对重污染天气”［2］。2014年夏季，南京举办第二届夏季青年奥林匹克运动会，对江苏省空气质量保障工作提出了更高的要求。

空气质量数值预报以大气动力学理论为基础，在给定的气象场、源排放以及初始和边界条件下，通过一套复杂的偏微分方程组描述大气污染物在空气中的各种物理化学过程(输送、扩散、转化、清除等)，并利用高性能计算集群进行数值求解计算，预报污染物浓度动态分布和变化趋势。研究采用中国科学院大气物理研究所嵌套网格空气质量模式系统(NAQPMS)空气质量模式，建立江苏省级区域空气质量数值预报系统，实现对PM2.5质量浓度的未来24 h预报和未来7 d趋势预测。并利用2013年6—8月PM2.5质量浓度观测资料评估了该系统对江苏省PM2.5质量浓度未来24 h预报和7 d潜势预测效果。

1 模式的业务化及评估指标的确立

1.1数值模式及设置

NAQPMS［3］是中国科学院大气物理研究所基于“一个大气”的理念自主开发的三维欧拉化学传输模式，广泛应用于区域大气污染数值模拟研究。NAQPMS模式考虑气溶胶及其前体物排放后在大气中的平流、扩散、干沉降和湿沉降等物理过程以及气相化学、液相化学和气溶胶非均相化学等化学过程，模式方案详细介绍见文献［4］。目前，北京、上海、广州等多个城市已采用NAQPMS模式建成数值预报业务系统，并在北京奥运会［5-6］、上海世博会［7］和广州亚运会［8］成功应用。

模式区域覆盖中国中东部地区，中心经纬度为115°E、25°N，水平网格格距为 45 km，网格数为120(东西向)×162(南北向)。采用Sigma-Z地形追随坐标系，垂直方向不均匀地划分为20层，其中2 km高度以下划分8层，近地层中心高度约47 m，模式层顶海拔高度为20 km。

采用中尺度气象模式WRFv 3.5预报未来天气过程，以驱动空气质量模式预测未来区域污染形势和城市空气质量。气象预报的初始、边界条件取自美国国家环境预报中心(NCEP)的GFS全球气象预报资料，时间间隔为24 h，空间分辨率为0.5°×0.5°。以前日北京时20:00为模式起始时刻，每日计算未来192 h。WRF模式输出逐时气象要素，包括气压场、风场、温度场、湿度场、云量和降水等。

人为排放清单采用日本国立环境研究所编制的亚洲区域大气污染物排放清单REAS 2.0［9］，空间分辨率为0.25°×0.25°，基准年为2007年，排放物种类包括二氧化硫(SO2)、氮氧化物(NOx)、非甲烷挥发性有机物(NMVOC)、黑碳(BC)、一氧化碳(CO)和一次排放的细颗粒物(PMF)等。碳氢化合物的自然源排放取自全球散发物质名录行动［10］。图1给出了中国中东部地区SO2排放速率的水平分布。

图1 江苏省SO2排放速率与空气质量监测站点分布图(图中圆点表示监测站点位置)

由图1可以看出，华北平原和长江中下游平原为SO2排放速率的高值区。江苏省北部与华北平原高排放区相连，南部处于长三角排放高值区。江苏南部SO2排放速率可达1 μg/(m2·s);江苏北部的徐州、宿迁等部分地区SO2排放速率也在0.4 μg/(m2·s)以上。江苏相邻省份中，南部的浙江省和西部的安徽省SO2排放速率相对较低，北部的山东省SO2排放速率较高，国内外广泛应用的其他几个排放源清单均显示类似的分布特征［11］。

选取2013年6—8月江苏省13个城市未来7 d PM2.5的预报预测结果进行效果评估，每日预报以前日北京时20:00为起始时刻，预测未来192 h的污染物浓度的时空分布，未来7 d预报预测值分别用 F1、F2、F3、F4、F5、F6 和 F7 表示。预报系统从5月1日开始模式初始化(spin-up)，每日预报初始条件取自前日模式结果，区域边界条件设置为模式缺省值。模式的PM2.5组分包含硫酸盐(SO42－)、硝酸盐(NO3－)、铵盐(NH4+)、BC、有机物(OM)、PMF、沙尘和海盐等。

1.2 观测资料

PM2.5观测资料来源于全国城市空气质量实时发布平台［12］的江苏省72个国控站小时浓度数据。观测站点位置信息见图1。考虑到模式水平网格格距为45 km，多个观测站点可能位于同一模式网格，采用网格内观测数据的站点平均值与网格预报值进行验证。参考《环境空气质量标准》(GB 3095—2012)［1］，采用每日 00:00 开始的24 h浓度平均值进行验证。在观测资料预处理时，首先选取位于相同模式网格的所有站点的每小时浓度的平均值作为该网格的小时浓度，然后计算该网格每日24 h浓度平均值。每日参与计算的小时浓度数据少于20 h时，当日浓度平均值记为缺测。

1.3 评估指标的确定

在气象、环境的模式研究领域通用的统计指标中，选取相关系数(r)、均方根误差(RMSE)、平均偏差(MB)、平均误差(ME)、标准化分数偏差(MFB)、标准化分数误差(MFE)、标准化平均偏差(NMB)和标准化平均误差(NME)共8项指标对PM2.5数值预报效果进行评估，具体指标定义和计算公式参见文献［13］。其中，r反映预报值与观测值随时间变化趋势的相似程度，是一个无量纲数;r＞0表示预报值与观测值正相关，r＜0表示预报值与观测值负相关，通过统计显著性检验判定预报值和观测值的相关性。此外，RMSE、MB和ME 3项参数的单位是μg/m3，使用时需要结合观测浓度大小进行评估，这3项指标只适用于观测浓度值接近的情况。而NMB和NME 2项指标克服了上述3项指标在观测浓度差异较大时难以直接比较的缺点。MFB和MFE数值的变化范围分别为(－100%，∞)和(0，∞)。但是NMB在预报值低估与高估时的数值大小并不对称(如预报值仅为观测值的二分之一时NMB等于－50%，但预报值为观测值的2倍时NMB等于200%)。NME也存在类似的问题。

Boylan等［13］认为 MFB和 MFE指标更适用于评估颗粒物的模式预报效果。这2项参数克服了NMB和MFE在预报值低估与高估时的数值大小不对称的问题，并且考虑到观测值的不确定性，采用观测值和预报值的平均值作为效果评估的参考值。同时，给出了模式预报的“合理”范围为－60%≤MFB≤60%、MFE≤75%，模式预报效果达到“理想”水平的范围为 －30%≤MFB≤30%、MFE≤50%。

2 预报预测效果评估

2.1 未来24 h浓度预报效果评估

图2(a)展示了中国中东部2013年夏季预报和观测的PM2.5质量浓度日均值的空间分布，为清晰展示研究区域浓度分布，图2(b)将江苏省区域放大，其中预报值为未来24 h(即模式预报的第5～28 h)的预报结果。

图2 2013年夏季PM2.5质量浓度预报及观测结果空间分布

图2(a)显示，华北平原出现高污染区，PM2.5质量浓度超过 75 μg/m3，达到轻度污染［1］，江苏北部位于该污染区南部;江苏南部位于长三角次高污染区，PM2.5质量浓度超过 60 μg/m3，超过WHO 日平均指导值(25 μg/m3)［14］。

图2(b)显示，江苏省内，PM2.5质量浓度预报结果呈现南北高、中部低的分布特征，与排放源的分布相对应。江苏省多数城市的PM2.5质量浓度预报值与观测值较为吻合，南部部分城市预报结果有所高估。

2013年夏季，南京市PM2.5质量浓度平均值为 45 μg/m3(标准差 18 μg/m3)，定义 PM2.5质量浓度超过国家二级标准为超标，则超标率为7%。选取无锡市和徐州市分别作为江苏省南部和北部的代表城市进行预报效果评估。无锡市PM2.5质量浓度平均值为 43 μg/m3(标准差 22 μg/m3)，超标率为8%;徐州市PM2.5质量浓度平均值为52 μg/m3(标准差 46 μg/m3)，超标率为 17%。南京与无锡的情况较为接近，徐州市的PM2.5质量浓度和污染超标率较高，并且徐州市的样本离散度也较高，浓度值波动更为显著。

图3为2013年夏季南京、无锡和徐州PM2.5质量浓度预报值与观测值时间序列与散点图，其中预报值为未来24 h预报结果。

图3 2013年夏季南京、无锡和徐州PM2.5质量浓度预报结果与观测时间序列、散点图

由图3可见，南京市PM2.5质量浓度的预报值与观测值的变化趋势较为一致，r值达到0.69，预报平均值为63 μg/m3，与观测值相比高估18 μg/m3，高估现象较多发生在 7、8月。无锡市PM2.5质量浓度的预报值与观测值的变化趋势较为吻合，r值达到0.82，预报平均值为50 μg/m3，与观测值相比略有偏高。徐州市7、8月的PM2.5质量浓度预报值出现了明显的高估现象，而6月的PM2.5质量浓度预报值出现严重低估。

预报值处于观测值的0.5～2倍范围内即为合理。散点图中采用FAC表示预报值落于观测值的0.5～2倍范围内的比例。南京市预报值的FAC为90%，无锡市 FAC高达97%，而徐州市FAC仅为55%。根据卫星火点资料推测［15］，6月中旬江苏省北部大部分地区出现大量火点，而预报模式的排放源尚未动态考虑这些生物质燃烧排放，可能是导致江苏北部城市(如徐州)预报低估的重要原因。

表1是2013年夏季江苏省13个城市PM2.5质量浓度预报效果统计参数表，根据地理气候特征将所有城市分为南部(沿江8市)和北部(苏北5市)，其中MM和MO分别是模式模拟和观测的PM2.5日均浓度的季度平均值。

表1 2013年夏季江苏省各城市PM2.5质量浓度预报统计参数

由表1可见，沿江8市夏季PM2.5质量浓度预报与观测的MB大部分都在±15 μg/m3范围内，ME 均在 30 μg/m3以下，RMSE 均在 35 μg/m3以下，r值大部分在0.5以上，均通过99%显著性检验。可见，对于沿江8市的预报系统性偏差较小，并且PM2.5质量浓度的预测值与观测值的变化趋势大致吻合。苏北5市的MB全部为负值，即对苏北5市2013年夏季的PM2.5质量浓度的预报整体偏低，并且大部分城市低估超过25 μg/m3;ME最大值可达到49 μg/m3;RMSE值大部分超过50 μg/m3;r值普遍低于0.35。可见对于苏北5市的PM2.5浓度值和浓度变化趋势的预报偏差较大。表1中MFB和MFE的计算结果显示，沿江8市PM2.5预报结果均达到“理想”水平，而苏北5市大部分城市的预报结果未达到“理想”水平，但所有城市的预报结果均在“合理”范围内。总体看来，沿江8市的预报效果普遍优于苏北5市。

目前，国内关于长三角地区的PM2.5质量浓度的预报效果评估研究较少。Heather Simon等［16］对2006—2012年3月北美地区PM2.5质量浓度的数值预报进行了相关研究，其中r2为0～0.85，中位数为0.34左右;NMB范围为±0.6;NME范围为－0.35～0.75，中位数分别为0.01和0.42;MFB和MFE范围为－0.55～0.25和0.25～0.7，中位数分别为0.15和0.5左右。江苏省各个城市2013年夏季PM2.5质量浓度日均值的预报结果均在上述范围内，其中南部城市的预报效果与北美的预报效果较为接近，北部城市的预报效果较差。

2.2 未来7 d污染趋势预测效果评估

在环境空气质量数值预报中，污染源短时间并未发生显著变化时，天气形势和气象要素的预报性能直接影响着污染物浓度的预报效果。气象模式的预报误差会随着时间推移而不断增大，因此不同预报起始时间的PM2.5质量浓度的预报效果也会存在差异。采用RMSE、NMB、MFB和MFE 4项指标评价不同预报时效F1～F7对江苏省13个城市PM2.5质量浓度预测预报效果，如图4所示。

由图4可见，尽管大部分城市F1的RMSE和NMB明显优于 F2～F7，F2～F7的 MFB和 MFE参数值也都处于“合理”范围，特别是F2～F5的MFE数值也同样达到“理想”范围。同时F2～F5的RMSE和NMB水平较为接近。其中，F2～F5的RMSE超过F1约1.5倍，F2～F5的NMB超过F1 50%以上，这表明未来可以构建基于时间的集合预报产品。

利用F1～F7的7个预报值，可构造出每日PM2.5质量浓度预报值分布区间，提供更多预报信息。以无锡市(图5)为例，当F1～F7较接近、离散度较小时，预报值与观测值较一致，预报效果较优;当F1～F7差异较大、离散度较大时，预报效果有所降低。定义观测值落于F1～F7预报值区间内为预报命中。2013年夏季，江苏省13地市的预报命中率的平均值为50%，其中苏州市预报命中率最高，达到70%。无锡市预报命中率为江苏省平均预报命中水平50%。比较F1～F7发现，92 d中有26 d的F1预报值最接近观测值，而65 d为F2～F7中某个预报值更接近观测值。

图4 NAQPMS对江苏省各城市PM2.5质量浓度的7 d预测结果验证参数箱线图

图5 无锡市2013年夏季PM2.5质量浓度预报和观测结果的时间序列图

3 结论

采用中国科学院大气物理研究所NAQPMS空气质量模式，在建立的江苏省级区域空气质量数值预报系统初步实现对PM2.5质量浓度的未来24 h预报和未来7 d趋势预测基础上，利用2013年6—8月PM2.5质量浓度观测资料评估了系统对江苏省PM2.5质量浓度未来24 h预报和7 d潜势预测效果。结果表明，该系统可合理预测出江苏省2013年夏季PM2.5质量浓度南北高、中部低的分布特征。对省属13个地市的PM2.5质量浓度未来24 h预报值达到“理想”水平。其中，南部沿江8市的PM2.5质量浓度预报效果优于苏北5市。系统对PM2.5质量浓度未来7 d趋势预测效果达到“合理”水平，部分指标接近“理想”水平，可较好地为污染预警应急减排提供及时有效的技术支持。不同时段预测预报值区间对江苏省13个城市的平均预报命中率可达50%，最高可达70%。今后可以通过提高模式分辨率、精细排放源清单(特别是本地源清单)、资料同化以及构建集合预报等方法进一步提高预报效果。

［1］GB 3095—2012 环境空气质量标准［S］．

［2］国务院办公厅．大气污染防治行动计划［R］．北京:国务院办公厅，2013．

［3］王自发，谢付莹，王喜全，等．嵌套网格空气质量预报模式系统的发展与应用［J］．大气科学，2006，30(5):778-790．

［4］Li J，Wang Z F，Zhuang G，et al．Mixing of Asian mineral dust with anthropogenic pollutants over East Asia:a model case study of a super-duststorm in March 2010［J］．Atmos Chem Phys，2012，12:7 591-7 607．

［5］王自发，吴其重，Gbaguidi A，等．北京空气质量多模式集成预报系统的建立及初步应用［J］．南京信息工程大学学报(自然科学版)，2009，1(1):19-26．

［6］吴其重，王自发，徐文帅，等．多模式模拟评估奥运赛事期间可吸入颗粒物减排效果［J］．环境科学学报，2010，30(9):1 739-1 748．

［7］王茜，伏晴艳，王自发，等．集合数值预报系统在上海市空气质量预测预报中的应用研究［J］．环境监控与预警，2010，2(4):1-6，11．

［8］陈焕盛，王自发，吴其重，等．空气质量多模式系统在广州应用及对PM10预报效果评估［J］．气候与环境研究，2013，18(4):427-435．

［9］Kurokawa J，Ohara T，Morikawa T，et al．Emissions of air pollutants and greenhouse gases over Asian regions during 2000-2008:Regional Emission inventory in Asia(REAS)version 2［J］．Atmospheric Chemistry and Physics Discussions，2013，13(4):10 049-10 123．

［10］Guenther A，Hewitt N，Erickson D，et al．A global model of natural volatile organic compound emissions［J］．Journal of Geophysical Research，1995，100(D5):8 873-8 892．

［11］杨文夷，李杰，朱莉莉，等．我国空气污染物人为源排放清单对比［J］．环境科学研究，2013，26(7):703-711．

［12］全国城市空气质量实时发布平台．http://113.108．142.147:20035/emcpublish/．

［13］Boylan J W，Russell A G．PM and light extinction model performance metrics，goals，and criteria for threedimensional airquality models［J］．Atmospheric Environment，2006，40(23):4 946-4 959．

［14］E87950．World Health Organization Air Quality Guidelines Global Update［S］．

［15］MODIS Land ProductSubsets．http://lance-modis．eosdis．nasa．gov/imagery/subsets/?project=fas ＆subset=FAS_China4.2013164．terra．1km．

［16］Heather S， Kirk R， Sharon P．Compliation and interpretation ofphotochemicalmodelperformance statistics published between 2006 and 2012［J］．Atmospheric Environment，2012，60:124-139．