上海地区臭氧数值预报

周广强，耿福海，许建明，谢 英，彭 丽，陈 敏，铁学煕（1.长三角环境气象预报预警中心，上海 200135；2.上海市浦东新区气象局，上海 200135；3.上海市气象与健康重点实验室，上海 200135；4.National Center for Atmospheric Research，Boulder，CO 80307，USA）

上海地区臭氧数值预报

周广强1，2，3*，耿福海1，2，3，许建明1，2，3，谢 英1，2，3，彭 丽1，2，3，陈 敏1，2，3，铁学煕2，4（1.长三角环境气象预报预警中心，上海 200135；2.上海市浦东新区气象局，上海 200135；3.上海市气象与健康重点实验室，上海 200135；4.National Center for Atmospheric Research，Boulder，CO 80307，USA）

基于WRF-Chem在线区域化学/传输模式构建了区域化学天气数值预报业务系统，评估了2013年5月1日至9月30日期间的1h 和8h臭氧业务数值预报效果.结果表明：臭氧预报没有明显的系统偏差，预报偏差在0两侧基本呈对称分布；数值预报具有较高的准确性，其中8h臭氧的效果略好，不同时效预报的相关系数均在0.8上下，浓度平均偏差和偏差中值都只有1×10-9～2×10-9，臭氧达标日和污染日预报都有很高准确率和CSI/TS评分，首要污染物也较准确；不同时效的预报效果接近，48h时效略好，24h和72h相当；数值预报也存在一定不足，存在极个别显著偏高或显著偏低的情况，同时由于等级划分阈值的存在，等级预报的准确性明显低于浓度和分指数预报.综合地看，数值预报可以提供较为准确的臭氧预报，为空气质量预报预警业务提供有力的支撑，但分指数等级预报上仍需要进一步提高.

臭氧；数值预报；WRF-Chem；空气质量

臭氧（O3）是一种氧化性气体，也是一种温室气体.地球大气中的O3主要存在于约20～35km的平流层，约占90％，它吸收了大部分的短波长紫外线（UV-C），使地球上的生物免受过多紫外线伤害［1］.但对流层O3，尽管其仅占O3总量的10％左右，却造成严重的危害.由于O3光解生成的O（1D）自由基是对流层大气羟基（OH）自由基的根本来源，因此O3对大气氧化过程有着决定性的影响，从而影响其他一些温室气体的大气寿命，进而影响它们的温室效应.此外，O3还影响二次气溶胶，尤其是二次有机气溶胶（SOA）的生成，进而直接和间接地影响辐射收支.

对流层O3主要不是直接排放而是由甲烷（CH4）、氮氧化物（NOx）、一氧化碳（CO）、挥发性有机物（VOCs）等通过光化学反应生成.O3主要化学消耗有两个途径，其一是在水汽条件下发生光解产生O（1D）自由基，其二是与HO2反应［2］.O3浓度和生命时间都有非常大的地区和时间差异，全球平均O3生命时间约22d［3-4］，近地面浓度从热带太平洋上的低于10×10-9（体积分数）上升至高排放区下风向的超过100×10-9［1］.

利用数值模式开展包括O3在内的大气化学研究是目前国内外广泛采用的一种手段.随着计算机技术和数值模式技术快速发展，大气化学数值模式经历了拉格朗日轨迹模型、欧拉网格模型两代，发展到第三代空气质量模型系统（如Models-3/CMAQ）和近年的化学-动力耦合模式（如WRF-Chem）.第一代模式仅用于原生污染物扩散及简易反应性轨迹模拟；第二代模式包括较为复杂的气象参数和反应机制，通过气象参数计算扩散参数，考虑了光化学反应过程等；第三代空气质量模式具有较为完善的化学机制，可以较为全面地进行实际大气中空气污染物浓度模拟和空气质量预报研究；化学-动力耦合（或在线，online）模式可以减小由于对气象场进行插值带来的误差，并为探讨大气化学过程对气象的反馈提供了条件.我国的空气质量数值模式发展相对较晚，但近年来也发展起来了多套模式系统，并逐步应用于空气质量、光化学烟雾及霾等的数值研究和业务预报，如中国科学院大气物理研究所NAQPMS模式［6］、中国气象局广州热带海洋研究所的珠三角空气质量暨光化学烟雾数值预报系统［7-8］、中国气象科学研究院CUACE系列模式［9-10］、南京大学城市空气质量数值预报模式系统（NJU-CAQPS）［11］等.

上海是我国也是世界最大城市之一.伴随经济的高速发展和能源消耗的快速增长，各种污染物排放引起的大气污染问题日益成为制约经济社会可持续发展的瓶颈.近年来，上海维持着较高的O3水平［5］，带来严重的环境和健康问题.陈仁杰等［12］评估结果表明，近地面O3造成上海2008年1892例早逝和26049例住院，全年的归因健康损失32.42亿元.新的国家环境空气质量标准［13］提出了日最大8h滑动平均O3（8hO3）浓度和日最大小时平均O3（1hO3）浓度两项指标，O3也因此成为影响上海空气质量的关键要素之一.

2013年，上海常受较强的副热带高压控制，天气稳定、气温高，高温（日最高温度≥35℃）日数（徐家汇）达到47d；其中7月26日，徐家汇最高温度达40.6℃，创1872年有气象记录来最高气温的历史极值.稳定且高温的天气有利于高O3的生成［14］，2013年共出现39d O3污染.有效的预报是减轻O3污染影响的重要途径之一.本研究基于WRF-Chem在线区域化学/传输模式构建了区域化学天气数值预报业务系统，数值预报产品已经广泛应用于上海的空气质量预报.该系统是国内较早的几个区域在线业务系统之一.本文对该系统2013年5月1日至9月30日期间在上海地区的O3预报效果进行了系统的评估，分析其支撑O3特别是高浓度O3的预报的能力，可以为数值预报在O3业务预报和预警中的应用提供依据.

1 数值预报业务系统构建

1.1 WRF-Chem大气化学模式简介

WRF-Chem是由NOAA、NCAR等单位完成发展的“在线（online）”区域化学/传输模式［15］，它的气象场由WRF模式提供，空气质量（大气化学）部分采用与气象部分完全相同的传输方案（质量和标量）、相同的格点（水平和垂直方向）和相同的物理方案（用于次网格传输计算），时间步长也一致，因此不需要对气象场进行时间插值.由在线计算的动力输入（风、温度、边界层、云等）、传输（平流、扩散、对流等）、干湿沉降、气相化学、气溶胶生成、辐射与光化学和生物排放源几部分组成.其中干沉降使用通量-阻尼（fluxresistance）法；生物源排放使用Simpson等［16］和Guenther等［17］方法在线计算，包括异戊二烯、单萜烯等；人为源由用户提供；气相化学方案有RADM2［18］等；光解采用耦合了水汽作用的Madronich方案［19］；气溶胶有ISORROPIA［20］和SORGAM［21］等方案.WRF-Chem模式在拥有良好模拟和预报性能的同时具有广泛的适用性和便捷的可扩展性.

Grell等［15］多模式对比分析表明WRF-Chem是一个具有相当好表现的模式.他们利用EPA NEI99源排放数据作为WRF-Chem的人为源，进行了27km分辨率的预报并与其他模式的结果进行了对比.对比结果表明，无论是对O3还是PM2.5，WRF-Chem都有很高的预报准确性，在相关系数、平均偏差、均方根误差和预报技巧4方面都有良好的表现.总的来说，WRF-Chem模式具有优秀的区域空气质量/大气成分预报能力.本文使用经Tie等［22］改进的WRF-Chem模式，该模式对上海O3［22］和PM2.5［23］都有较好的模拟能力.

1.2 人为排放源细化与优化

使用的人为排放源资料共有2套，分别是Streets 2000年和2008年排放清单［24］，覆盖范围为东亚地区.2000年排放源清单分辨率为1/6º×1/6º，排放清单包括CO2、CO、NOX、SO2、PM2.5、PM10、BC、OC和NMHC（乙烷、丙烷、丁烷、戊烷、其他烷烃、乙烯、丙烯、端烯烃、内烯烃、乙炔、苯、甲苯、二甲苯、其他芳香族化合物、甲醛、其他醛类、酮类、卤烃）.2008年排放源清单分辨率较低，为1/2º×1/2º，要素与2000年清单一致.

由于Streets排放清单的分辨率较粗，与预报系统的需要存在较大的差异，因此需要进行必要的细化.受限于资料，本研究仅对上海及周边区域进行了优化.优化以土地利用资料为基础进行，采用了2007年发射的美国陆地卫星5号星的TM晴空数据，空间分辨率达到为0.000225˚（约30m），资料年份为2008年，土地类型包括水域、商业用地、居住用地、交通、绿地、公园、耕地、果园、林地和滩涂10种.优化方法和步骤：1）细化后分辨率为1/96º；2）保持每个1/6º源网格排放量不变，仅改变其中的分布；3）调整1/2º网格排放量至2008年水平.细化过程中，使用了不同土地类型排放比例因子来反映同等面积不同土地类型上不同污染物的排放比例（表1）.

表1 不同土地类型排放比例因子Table 1 Emission factors for different landuse categories

1.3 数值预报业务系统构建

表2 数值预报系统物理方案选项Table 2 Physical scheme option in the system

数值预报业务系统（华东区域化学天气数值预报系统）基于WRF-Chem模式构建，由于较高的气溶胶浓度对大气光解过程具有明显的影响，因此对模式的光解模块进行了优化，在计算光解系数时加入了气溶胶的作用.业务系统以WRF-Chem V3.2为基础构建，区域以（31.5ºN，118ºE）为中心，水平分辨率6km，水平网格数316（东西）×397（南北）、垂直28层，覆盖区域见图1.化学机制选择：气相化学为RADM2机制，气溶胶化学为ISORROPIA动力平衡气溶胶机制和SORGAM有机气溶胶机制；物理选项见表2.气象时间步长为30s，化学时间步长为60s.使用NCEP GFS资料作为模式的气象初始条件和边界条件，边界条件每6h更新一次，资料水平分辨率为1º×1º.前一次24h预报作化学初始条件，MOZART［25］全球模拟月平均值为化学边界条件.生物排放源有MEGAN2［26］在线计算.人为排放源基于优化后的排放清单结合模式框架制作，包括无机气体6种、气溶胶成分6种、挥发性有机物（VOCs）成分16种.图1分别显示了与O3密切相关的NO、总颗粒物、总VOCs和VOCs潜在反应率日平均排放强度.其中VOCs潜在反应率为各VOCs与其和OH的在300K时反应速率的乘积.

该业务系统于2013年3月23日通过了中国气象局预报与网络司和华东区域气象中心组织的联合业务验收.2013年4月1日起业务运行，预报时长72h，7月19日起延长至78h以适应空气质量预报的需求.

图1 模式区域NO、总颗粒物、总VOCs和VOCs潜在反应率日平均排放强度Fig.1 Daily average emission of NO，total PMs，total VOCs，and VOCs potential reactivity

2 预报效果分析与讨论

2.1 数据与评估方法

选择2013年5月1～9月30日O3进行评估，共153d.上海O3分指数（IAQI）观测数据来源于上海市环境监测中心《上海市空气质量（AQI）日报》，观测站位置可见上海市空气质量实时发布系统网站.评估期间共出现38d O3污染，其中首要污染物为8hO3的37d、为1hO3的3d；8hO3超标（IAQI值大于100）38d，1hO3超标29d.由此可见主要为8hO3污染.

预报数据从前述业务系统预报结果中获取，根据不同时效分为24h、48h和72h.评估期间预报完成率98.69％，其中8月16日和18日起报由于GFS资料下载失败导致未能完成预报.两次缺报期间的O3分指数均为优，不影响首要污染物和污染预报效果评估.由于O3高值一般出现在白天，20：00后极少出现，因此7月19日以前的预报也参与72h时效统计.O3浓度与其分指数的计算按照环境空气质量指数（AQI）技术规定［27］执行.预报O3浓度单位（×10-9）与国家标准中的浓度单位（μg/m3）之间转换按标准状况转换关系计算，即1×10-9=48/22.4=2.14μg/m3.准确率（检出率）为预报正确次数与实况出现次数的比值.临界成功指数（CSI）定义为预报正确次数与预报正确次数、空报次数和漏报次数之和的比值，也称为TS.空报次数指预报出现而实况未出现的次数，漏报次数则与之相反.

2.2 臭氧浓度预报效果

首先分析2013年5～9月期间O3浓度预报效果.总体上，不同时效的预报都和观测较为接近.图2的结果表明，除24h时效90％分位和最大值高于观测外，1hO3和8hO3浓度其他分位值和最小值都和观测接近；偏差除最大最小值外，基本在0附近成对称分布.

统计结果（表3）表明，1hO3和8hO324h和48h时效预报与观测之间的相关系数均超过0.8，72h时效也接近0.8；不同时效之间的差异不大.偏差中位数都在±1×10-9上下，表明没有明显的系统性偏差.平均偏差多数不超过1×10-9，只有24h时效超过4×10-9；均方根误差一般也在20×10-9以下.综合起来，48h对O3浓度都有最好的预报效果，72h时效在平均偏差和均方根误差上略有优势而24h时效在相关系数上略高，但差距不大.因此不同时效的1h和8hO3的预报效果都非常好；与其他研究结果相比也处于较高水平，与Grell等［15］在美国所做的15d试验结果相当，相关系数略优于邓涛等［7］2010年两次典型O3过程的预报效果，处于杨文夷等［28］2010年东亚不同城市O3日均值模拟效果中的较高水平.

图2 1hO3和8hO3观测和不同时效预报浓度及预报偏差分布Fig.2 Comparison of modeled to observed 1-hour（left）and 8-hour（right）ozone×表示最大值和最小值

表3 1h和8hO3浓度预报效果统计Table 3 Statistics of forecast performance of 1-hour and 8-hour ozone concentrations

2.3 臭氧分指数预报效果

在对公众预报和服务中，O3的水平一般以指数和/或等级表示，而且由于O3IAQI的计算是分段线性的，其与浓度之间的关系不是完全线性的.图3显示了分析期间逐日的预报结果与观测的对比.结果表明，数值预报可以非常好地预报O3的变化趋势，O3高IAQI时段和低IAQI时段都得到很好的预报，1hO3和8hO3的预报效果相似.当然也有个别时间出现显著的预报偏差，如在5月20日、6月19和23日、9月11日等时段前后.统计效果（表4）上，相关系数都在0.8上下；24h时效的平均偏高约6，其他时效都小于1；1hO3IAQI平均绝对偏差约16，而8hO3略高，在18～21；偏差中位数在-2～2之间.偏差的分布（图4）上，3个时效偏差不超过10的比例1hO3有50％以上，8hO3约40％；偏差在30以内的1hO3均大于80％，24h 和48h时效8hO3大于80％，72h时效为75.5％；偏差超过50的比例很低，占3％～8％，其中大部分为偏高.无论是1hO3还是8hO3，3个时效的预报偏差分布都有非常好的对称性，而且中值在0附近，因此IAQI预报也没有明显的系统偏差.

图3 1hO3和8hO3分指数预报与观测的对比Fig.3 Comparison of forecasted IAQI of 1-hour and 8-hour ozone to observations

臭氧IAQI各等级的预报准确性上，1hO3和8hO3的表现具有较大的差异.实况中大部分1hO3等级为优，比例达到62.25％，良和轻度污染分别占18.54％和15.89％，而中度污染只占3.31％，没有出现重度及严重污染.8hO3良最多，占41.72％，然后是优和轻度污染，分别占33.11％和 18.54％，中度污染出现了8次占5.30％，并出现了2次重度污染占1.31％.总的来说，等级预报准确或偏差1级的比例都在90％以上；预报准确率在不同等级存在较大的差异，对1hO3和8hO3也不同，但不同时效之间的效果接近；同时也出现一些等级偏差达到2级的情况，其中3个时效的1hO3分别出现了4次、3次和2次，8hO3分别出现了5次、1次和3次，更详尽的准确性可见表5.由于1hO3的中度污染和8hO3的中度与重度污染等级出现的次数都较少，这3个等级的准确性统计具有较大的不确定性.

表4 1h和8hO3IAQI预报效果统计Table 4 Statistics of IAQI forecast performance of 1-hour and 8-hour ozone

影响O3数值预报准确性的主要可能原因为大气化学模式、气象模式和排放源清单三个方面的准确性.上文的分析表明本研究建立的数值预报业务系统整体上对O3具有较好的预报能力，而且由于排放源在短时间内不会产生显著的改变，因此预报出现明显偏差很可能是由于气象预报出现明显偏差，导致其驱动下的化学预报也出现明显偏离观测的情况.以48h时效预报为例，1hO3预报偏差达到2级出现了3次，8hO3出现了1次（表6）.6月19日8hO3预报偏高2级；对于1hO3，2次为偏高、1次为偏低.6月19日，静止锋从北向南压过上海，地面为弱辐合条件，云量多，加之颗粒物浓度高，光照条件弱，不利于O3的生成；而数值预报中，10：00前后出现了弱降水，之后云量较低，光照条件变好，有利于光化学反应，生成较高浓度的O3.7月2日白天风速大（～5m/s），在西南风的作用下上海城区及城区东北地区O3浓度较高；数值预报的风速与观测相当，但风向较观测略偏西，高浓度O3区出现在上海城区以东而城区O3浓度低，造成预报值明显低于观测值.7月6日，凌晨至上午有明显降水，小时雨量高值达4mm，最高温度为30℃；数值预报在上午只有零星降水，小时预报大值（1mm）明显低于观测，午后才出现较大降水，使得最高温度达到35℃，造成O3预报值明显偏高.等级预报偏差达到2级的个例分析结果证实本系统O3预报的极端偏差主要来自于其气象预报偏差.

图4 1hO3和8hO3分指数预报偏差分布Fig.4 Bias distribution of forecasted IAQIs of 1-hour and 8-hour ozone to observations

表5 不同预报时效O3等级预报的准确性（％）Table 5 Statistics of probability of detection（POD，％）of IAQI levels of 1-hour and 8-hour ozone forecast

表6 48h时效等级预报偏差达到2级的情况Table 6 Cases with bias of 48h IAQI level ≥ 2grades

此外，等级划分标准也是引起O3IAQI等级预报较浓度或IAQI预报准确性偏低的一个原因.按现行规定［27］，1hO3优、良和轻度污染3个等级单位IAQI差异对应的浓度差异依次为3.2、0.8 和2μg/m3，不同等级之间的差距非常明显；8hO3为2、1.2和1.1μg/m3，等级之间更接近.而上海的O3主要出现于上述3个等级中.造成1hO3优等级预报不容易跨级，而良等级则容易跨级，而8hO3等级预报较为接近；表5的结果与此一致.此外，等级阈值附近并不大的IAQI偏差可能造成预报相差一个等级，加大了IAQI预报等级偏差.

2.4 臭氧达标日和污染日预报效果

达标率是衡量一个城市空气质量的一个重要指标，而有效的污染预报则是应对空气污染的重要途径，因此这里在逐级准确率评估的基础上进一步开展O3达标日和污染日的预报效果评估.根据空气质量的相关标准，IAQI小于或等于100为达标日，大于100为污染日.这里选用预报准确率和CSI两个指标.对于污染日预报，CSI是一个很严格的指标，如Grell等［15］的试验中，3个模式浓度超过125×10-9的1hO3和超过86×10-9的8hO3预报的CSI值都不超过0.1，这两个阈值相当于我国标准的分指数134和119，比污染阈值略高.

表7 1hO3和8hO3达标日和污染日预报效果Table 7 POD（％）and CSI statistics of attainment and pollution probability forecast of 1-hour and 8-hour ozone

达标日的O3预报具有非常好的预报效果（表7）.准确率上，1h和8hO348h和72h时效都超过90％，24h也有89％以上.72h时效8hO3预报的CSI指数为0.82，其他时效的CSI指数都达到0.85.污染日的预报准确性略低，对1hO3，不同时效预报准确率在70％上下，CSI指数在0.5上下；8hO3的24h时效预报准确率达到71％、CSI为0.55，其他两个时效准确率在80％上下、CSI为0.64.预报准确性明显高于Grell等［15］的结果.相对而言，达标日的预报准确率更高，污染日的预报难度更大.对污染日的预报，24h时效预报具有最高的准确率，但同时也存在一定的空报，造成其CSI值与48h时效相当，但均略高于72h时效.

2.5 首要污染物预报准确性

这里仅评估臭氧，即是1h还是8hO3为首要污染物的效果，不考虑其他空气质量要素.评估期间，共有101d出现臭氧分指数大于50，其中1hO35d、8hO396d，8hO3占绝大多数.统计结果（表8）表明，预报存在一定的空报和漏报，体现了数值预报对于50这个阈值的把握上还存在偏差.也有少量首要污染物种类错误的预报出现.总体上，随着预报时效的增加，预报准确次数和CSI值都略有下降，但差异很小.

表8 首要污染物预报效果Table 8 statistics of forecast performance of primary pollutant

3 结论

3.1 臭氧数值预报没有明显的系统偏差.不同预报时效1h和8hO3浓度、空气质量分指数预报的均值、中值都和观测接近，预报偏差基本以0为中心对称分布.

3.2 数值预报具有较高的准确性.无论是对1hO3还是8hO3，其浓度预报和分指数预报的相关系数均在0.8上下；浓度偏差中位数在±1×10-9上下，IAQI在±2以内；平均偏差除24h略高（4～6）外其他一般也不超过1或1×10-9；浓度均方根误差一般不超过20×10-9，IAQI平均绝对偏差均低于20；O3达标和污染日预报都有很高的准确率和CSI评分，首要污染物也有很高的准确率；90％以上的IAQI等级预报准确或偏差在1级以内；整体上，8hO3的预报效果略高于1hO3.

3.3 不同时效的表现上看，48h时效的综合效果最好，24h和72h各有优劣而整体相当，效果比48h略低，但3个时效时间的差距不大.

［1］IPCC.Climate Change 2013： The Physical Science Basis.Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change［R］.Cambridge University Press，Cambridge，2013，United Kingdom and New York，NY，USA，1535.

［2］Seinfeld J，Pandis S.Atmospheric Chemistry and Physics： From Air Pollution to Climate Change［M］.John Wiley and Sons，Hoboken，2006，NJ，USA.

［3］Stevenson D，Dentener F，Schultz M，et al.，2006： Multimodel ensemble simulations of present-day and near-future tropospheric ozone［J］.J.Geophys.Res.Atmos.，111：D08301.

［4］Young P，Archibald A，Bowman K，et al.Pre-industrial to end 21st century projections of tropospheric ozone from the Atmospheric Chemistry and Climate Model Intercomparison Project（ACCMIP）［J］.Atmos.Chem.Phys.，2013，13：2063-2090.

［5］Geng F，Tie X，Xu J，et al.Characterizations of ozone，NOx，and VOCs measured in Shanghai，China［J］.Atmos.Environ.，2008，42：6873-6883.

［6］Wang Z，F Xie，X Wang，et al.Development and application of nested air quality prediction modeling system［J］.Chin.J.Atmos.Sci.，2006，30（5）：680-689.

［7］王占山，李云婷，陈 添，等.北京城区臭氧日变化特征及与前体物的相关性分析［J］.中国环境科学，2014，34（12）：3001-3008.

［8］邓 涛，吴 兑，邓雪娇，等.珠江三角洲一次典型复合型污染过程的模拟研究［J］.中国环境科学，2012，32（2）：193-199.

［9］王 宏，龚山陵，张红亮，等.新一代沙尘天气预报系统GRAPES_CUACE/Dust：模式建立、检验和数值模拟［J］.科学通报，2009，54（24）：3878-3891.

［10］龚山陵，张小曳，周春红，等.化学天气预报系统CUACE及在中国区域灰霾预报中的应用［C］//第26届中国气象学会年会大气成分与天气气候及环境变化分会场论文集，2009.

［11］吕梦瑶，刘红年，张 宁，等.南京市灰霾影响因子的数值模拟［J］.高原气象，2011，30（4）：929-941.

［12］陈仁杰，陈秉衡，阚海东.上海市近地面臭氧污染的健康影响评价［J］.中国环境科学，2010，30（5），603-608.

［13］GB3095-2012 环境空气质量标准［S］.

［14］Jacob D，D Winner.Effect of climate change on air quality［J］.Atmos.Environ.，2009，43：51-63.

［15］Grell G，Peckham S，Schmitz R，et al.Fully coupled ‘online’chemistry within the WRF model［J］.Atmos.Environ.，2005，39：6957-6975.

［16］Simpson D，Guenther A，Hewitt C，et al.Biogenic emissions in Europe.1.Estimates and uncertainties［J］.J.Geophys.Res.，1995，100D：22875-22890.

［17］Guenther A，Zimmerman P，Wildermuth M.Natural volatile organic compound emission rate estimates for US woodland landscapes［J］.Atmos.Environ.，1994，28：1197-1210.

［18］Chang J S，Binkowski F S，Seaman N L，et al.The regional acid deposition model and engineering model［R］.State-of-Science/Technology，Report 4，National Acid Precipitation Assessment Program，1989，Washington，DC.

［19］Madronich S，Flocke S.The role of solar radiation in atmospheric chemistry［M］.Boule P.（Ed.），Handbook of Environmental Chemistry.Springer，1999，Heidelberg.

［20］Fountoukis C，Nenes A.ISORROPIA II： A Computationally Efficient Aerosol Thermodynamic Equilibrium Model for K+，Ca2+，Mg2+，NH4+，Na+，SO42-，NO3-，Cl-，H2O Aerosols［J］.Atmos.Chem.Phys.，2007，7：4639-4659.

［21］Schell B，Ackermann I，Hass H，et al.Modeling the formation of secondary organic aerosol within a comprehensive air quality model system［J］.J.Geophys.Res.，2001，106：28275-28293.

［22］Tie X，Geng F，Peng L，et al.Measurement and Modeling of O3 Variability in Shanghai，China： Application of the WRF-Chem Model［J］.Atmos.Environ.，2009，43：4289-4302.

［23］Zhou G，Yang F，Geng F，et al.Measuring and Modeling Aerosol：Relationship with Haze Events in Shanghai，China［J］.Aerosol Air Qual.Res.，14：783-792，2014.

［24］Streets D，T Bond，G Carmichael，et al.An inventory of gaseous and primary aerosol emissions in Asia in the year 2000［J］.J.Geophys.Res.，2003，108：8809-8832.

［25］Emmons L，S Walters，P Hess，et al.Description and evaluation of the Model for Ozone and Related chemical Tracers，version 4（MOZART-4）［J］.Geosci.Model Dev.，2010，3：43-67.

［26］Guenther A，T Karl，P Harley，et al.Estimates of global terrestial isoprene emissions using MEGAN（Model of Emissions of Gases and Aerosols from Nature）［J］.Atmos.Chem.Phys.，2006，6：3181-3210.

［27］HJ633-2012 环境空气质量指数技术规定［S］.

［28］杨文夷，李 杰，陈焕盛，等.东亚边界层臭氧时空分布的数值模拟研究［J］.中国环境科学，2014，34（7）：1633-1641.

致谢：感谢美国大气研究中心（NCAR）李国辉（Guohui Li）博士、爱荷华大学（The University of Iowa）Gregory R.Carmichael教授、美国国家海洋与大气局（NOAA）Georg A.Grell博士等专家在数值预报系统研发过程中提供的帮助.

Numerical ozone forecasting over shanghai.

ZHOU Guang-qiang1，2，3*，GENG Fu-hai1，2，3，XU Jian-ming1，2，3，XIE Ying1，2，3，PENG Li1，2，3，CHEN Min1，2，3，TIE Xue-xi2，4（1.Yangtze River Delta Center for Prediction and Warning of Environmental Meteorology，Shanghai 200135，China；2.Shanghai Pudong Meteorological Service，Shanghai 200135，China；3.Shanghai Key Laboratory of Meteorology and Health，Shanghai Meteorological Service，Shanghai 200135，China；4.National Center for Atmospheric Research，Boulder，CO 80307，USA）.China Environmental Science，2015，35（6）：1601～1609

A numerical chemical weather forecasting system was established and operationally implemented based on the WRF-Chem Model，an online coupled regional chemical transport model.Performance of the modeling system on daily maximum 1-hour and 8-hour ozone（1h and 8h O3）concentrations was evaluated between May 1stand September 30th，2013.The results showed that the numerical forecasting has generally good performance.There is no substantial systematic bias in 1h and 8h O3concentrations and correspondent IAQI in forecasts of 24h，48h，and 72h.The correlation coefficients（R）are～0.8，and the mean and median biases are around 1×10-9～2×10-9.The forecasted O3attainment vs.pollution days as well as primary pollutants are also in good agreement with observations.The performance of 48h forecast is slightly better than that of 24h and 72h forecast，and these of the later two are generally close to each other.Meanwhile，further improvement is still needed.For example，model shows substantial biases in O3concentrations or IAQI forecasts in some cases，and the accuracy of O3IAQI level forecast is substantially lower than that of concentration and IAQI value forecast.In general，the numerical forecasting system shows relatively good performance in O3forecasts during May to September，2013，and it has the capability to support the air quality forecast over Shanghai.

ozone；numerical forecast；WRF-Chem；air quality

X52

A

1000-6923（2015）06-1601-09

周广强（1976-），男，四川安岳人，副研究员，博士，主要从事数值模式、大气物理与大气环境及相关研究和开发工作.发表论文20余篇.

2014-10-15

国家自然科学基金资助项目（41005007）；科技部公益性行业（气象）科研专项（GYHY201206027）；上海市科学技术委员会科研计划项目（12dz1202702）；中国气象局2013年留学回国人员科技活动择优资助项目（基于CMAQ系统的城市环境气象预报平台研制）* 责任作者，副研究员，zhougq21@163.com