臭氧数值预报模型综述

刘 烽，徐怡珊

1.Atmospheric Research Centre, Illinois State Water Survey, University of Illinois at Urbana-Champaign, Illinois 61820 2.南京信息工程大学中国气象局气溶胶与云降水重点开放实验室，江苏 南京 210044 3.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

臭氧数值预报模型综述

刘 烽1，2，徐怡珊3

1.Atmospheric Research Centre, Illinois State Water Survey, University of Illinois at Urbana-Champaign, Illinois 61820 2.南京信息工程大学中国气象局气溶胶与云降水重点开放实验室，江苏 南京 210044 3.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

光化学大气质量模型在研究臭氧(O3)污染以及O3预报方面具有核心作用，是O3污染防治决策者的有力工具。文章结合目前中国及国际区域尺度光化学大气质量预报模型的研究与应用，重点论述与O3有关的大气化学过程在数值预报模型中的数学表达和计算方法,阐述大气物理与大气化学过程在主流大气质量数值预报模型中的实现方法及其优势和缺陷，介绍用于数值预报模型的大气物理过程和湍流参数化方案的最新进展。就当前O3数值模拟的主要输入资料进行讨论，强调那些易被忽视但又显著影响模型预报能力和效果的诸多因素以及模型效果评估的重要性。结合O3与复合型大气污染的关系，强调区域大气质量数值预报模型的发展趋势与方向以及在大气环境管理方面的意义和作用。

近地层臭氧；臭氧预报；空气质量数值预报模型

近地层臭氧(O3)是非常重要的大气污染成分之一，超过大气环境标准水平的高浓度O3严重危害人群健康与生态环境。近地层O3属于二次污染物，是光化学烟雾的主要成因与重要指标，特别是夏季，已经成为世界许多大城市空气中的首要污染物。中国经济发达地区的城市O3超标率已高达100%～200%，根据72个监测站的O3观测资料分析显示，O3日最大8 h平均质量浓度从2013年的约139.0 μg/m3增至2015年的约150.0 μg/m3，而超标城市从23%增至38%[1-2]。O3作为一种强氧化剂，在诸多对流层化学过程中起重要作用，参与许多有机化合物的分解氧化、SO2和NOx的转化过程。此外，O3作为一种非常重要的温室气体，在气候变化研究中扮演重要角色。由于O3引发的大气污染与气候变化等紧迫环境问题，30多年来对流层O3研究一直受到科学界和环境管理层的重视。尤其是最近十几年，近地层O3的实时监测与预测研究逐步进入更广泛更深入的阶段。随着计算机技术的飞速发展，近地层O3预报不但成为环境管理与空气质量研究的重要手段之一，而且已经列入许多发达国家的大气环境法规体系，此外，O3预报也是目前中国空前发展的空气质量预报预警系统的重要组成部分。

一般来讲，O3预报模型分为统计预报模型和数值预报模型[3]。为满足统计预报要求的样本长度和检验要求，建立统计预报模型通常需要足够长的时间序列样本资料，由于气象条件对O3影响的时间尺度，至少以日平均或更长尺度平均浓度为预报因子，因此统计模型在大尺度空间或长时间序列分析方面具有一定优势[4-11]。但在统计模型的样本区间内，一般假设前体物的排放是不变的，从而无法对污染物排放削减计划的环境效益进行定量化评估；此外，O3浓度水平取决于气象条件和大气化学反应过程，而且这种依赖关系是高度非线性的，统计模型无法表达这种非线性关系的物理内涵，也因此无法解释大气物理过程和大气化学转化是如何影响预报结果的。随着超级计算机技术的飞速发展，基于地球物理流体力学理论的数值预报方法，已经成为当前大气环境研究和管理的重要手段，本文将重点介绍O3数值预报模型的发展现状与应用。

1 空气质量数值模型简介

空气质量数值模型自20世纪70年代以来已有数十年的发展历史，世界各国和地区根据不同需要开发了50多种不同模型，但主要分为三大类：①局地中小尺度的扩散模型， 如美国环保局(USEPA)的法规模型AEROMOD、CALPUFF和英国的ADMS；②受体模型，如CALINE3、CAL3QHC、CAL3QHCR、CTDMPLUS等；③区域大气光化学模型，如WRF-Chem、CMAQ和CAMx。其中扩散模型和受体模型不包含化学过程，仅仅考虑风输送和湍流扩散等物理过程，因此无法预测和模拟O3浓度。O3预报事实上是空气质量数值模型的主要任务之一，这种模型基于大气动力学、大气物理、大气化学以及陆面过程等数学物理方程组的数值求解，可研究和分析O3浓度与排放源、气象条件、大气化学成分、干湿沉降及其他要素之间的定量关系，识别污染成因，既可用于历史污染成因的源解析，也可对未来排放源治理方案与措施的有效性进行评估。空气质量数值模型目前已成为许多国家大气环境质量管理的有力工具。中国近年来由于经济的快速发展，环境问题日益严重，尤其是冬季的PM2.5及春、夏季的O3严重超标。空气质量数值模型可以帮助我们定量化识别这些污染过程的来源，从而提出污染控制方案。空气质量数值模型的最终目的是作为环境保护法规的一部分，为环境管理层和决策者提供改善空气环境质量的科学依据，以获得可持续发展。中国目前尚无自主开发的法规模型，既无区域空气质量模型应用导则也无模型认证制度[12]，因此，发展适合中国环境保护特点和经济发展型式的大气环境质量模型及应用体系，势在必行。

2 O3形成的化学机制与数学表达

O3属于二次污染物，通过化学转化生成，大气化学转化过程中O3的源和汇由化学机制完成。化学机制是O3数值预报模型中最重要的组成之一，其中化学反应方程、数学表达以及数值计算方法构成了化学机制的基本三要素。

对流层或近地层大气中NO2的光解是三重态氧原子O(3P)的唯一重要来源：

而O(3P)与O2结合便形成O3：

式中M可以是惰性分子，如N2或O2。显然这个过程依赖足够的太阳辐射(hv)。O(3P)与O2结合而产生的O3可立即与NO发生反应：

对洁净大气而言，不存在由NO转化为NO2的其他化学过程，上述反应在日间几小时内达到一个平衡态：

式中：J1是NO2光解系数；K3是式(3)的反应常数；[X]表示物质X的浓度。O3的浓度取决于NO2与NO的浓度比：

除式(3)外，其他任何由NO转化为NO2的化学过程，如NO与挥发性有机化合物(VOCs)的反应，都将导致O3的净增加。由于污染大气含有大量来自人为排放源和自然排放源的VOCs(如烷烃、烯烃、醛、酮和芳香烃等)，致使大气化学过程非常复杂。O3的去除或破坏过程中也包含在VOCs系列反应中，而启动这一系列反应的是羟自由基(OH)的介入。在晴天污染大气中OH的主要来源有2个：①O3光解后与水汽的快速反应[式(6)、式(7)]；②光解过程和相应的醛、酮的化学反应。以烷烃(RH)与OH反应生成烷基(R)为例：

上述OH的去除过程则形成了O3的汇，OH与NO2化合反应并形成气态硝酸(HNO3)：

来自式(9)的过氧自由基或羧自由基(RO2)还可与NO2反应形成过氧硝酸盐(RO2NO2)：

许多过氧硝酸盐不稳定，因此不能有效去除自由基。稳定的过氧硝酸盐不但可有效去除过氧自由基并可形成重要的二次污染物。如式(15)生成二次污染物过氧乙酰硝酸盐(PAN)，R代表乙酰基。过氧自由基之间的反应也可以造成自由基损失， 如超氧化氢自由基的自反应：

作为O3的源和汇，上述反应仅仅是大气化学中最基本部分，如何全面表达对流层大气O3的化学体系，计算O3的化学源和汇以及气溶胶和颗粒物的前体物的影响，一般由化学机制完成。

20世纪50年代，化学机制只有几个简单的化学反应，当时也不了解OH的重要性。而当前的化学机制可包含105个量级的化学反应，由英国利兹大学开发的主化学机制(MCM)是目前最为详尽的大气化学机制[13-14]，其中包括12 700个化学反应、4 400种化学物质， MCM试图以显式化学反应方程表达所有已知的大气化学反应，其最新版本是MCMv 3.3.1[15]。显然，MCM直接用于大气质量模型，巨量的CPU时间将使计算过程变得极其漫长和昂贵，并失去预报的时效意义，此外，某些快速反应无法正确获得中间产品和反应常数，因此，研究者开发了有许多简化或压缩的化学机制，包括简化的MCM化学机制(如CRIMECH 或CRI)[16-17]，如以碳链结构压缩(lumped structure)的CB-IV、CB05、CB6和CBMZ化学机制；以分子压缩(molecule lumped)的RADM、RADM2，定义替代物种(surrogate species)或模拟物种(model species)代表一组反应物， 如RACM和ReLACS， 这些化学机制的重要差别就是如何简化处理VOCs有机化学部分。目前用于区域大气化学模型和O3模拟的主要大气光化学机制见表1。由表1可见，WRF-Chem化学机制选项最多，而CAMx 和CMAQ分别仅有3个不同气态化学机制可供选择。

表1 用于空气质量模型的大气光化学机制

注：“a”表示气态化学机制且不含气溶胶化学；“b”表示结构压缩机制；；“c”表示分子压缩机制。

STOCKWELL等[28]对空气质量数值模型中气态化学机制和对流层化学进行了综合论述；JIMENEZ等[29]利用箱模型 (box model) 对主要的7种化学机制的化学行为和模拟结果进行了比较，结果表明，这些机制对O3浓度的模拟非常接近，主要差别表现在对HNO3、HO2和PAN的模拟结果。最近，DERWENT等[30]用箱模型对7个化学机制进行敏感性实验，比较O3产生率对NOx和VOCs削减的响应，发现减少30% NOx会导致OH的减少，而减少30% VOCs会导致OH的增加，但采用不同的化学机制，OH对减少NOx和VOCs的响应比O3敏感，即不同化学机制中的OH对NOx和VOCs的削减响应不同，这将导致有毒有害污染物(包括颗粒物)化学行为和形成过程存在差异。因此，选用不同化学机制，得出的O3控制方案可能会有差别，了解这种差异对决策者非常重要。如果考虑气溶胶和云化学，可以进一步研究大尺度酸沉降和有机汞沉积等问题。可以看出，化学机制在对流层大气化学模拟中的重要性和复杂性。

表1所用的化学机制描述O3化学系统的复杂性和反应过程，包括单分子、双分子和三分子反应，以及相应的一阶、二阶和三阶化学反应速率常数。以[Xi]表示某化学物质Xi的浓度，根据物质守恒原理，其局地变化可用化学反应的产生(源)和去除(汇)表达，即大气化学动力学方程：

式中：JA为组分A的一阶反应常数，s-1；k2与k3表示双分子、三分子反应的反应速率常数，单位分别为cm3/(mol·s)和 cm6/(mol2·s)； [A]、[B]和[C]表示参与单分子、双分子和三分子反应物质的摩尔混合比浓度；[M]为空气数密度, mol/cm3，与气压和温度有关。

化学物质A发生光化学分解的过程：

由于光解反应引起的单分子A的浓度变化可由方程(19)表示：

式中：σX(λ)表示A 的光吸收截面；φi(λ,T,…)表示该光解反应的量子产生率，是紫外光或可见光波长λ和温度T的函数；I为波长为λ的入射太阳辐射通量。值得注意的是， 吸收截面和量子产生率这2个参数均由实验获得，同一光解反应在不同机制中，吸收截面和量子产生率的取值可能相差较大，这2个参数也是确定光化学反应常数的最大误差来源，如O3浓度预测的不确定性很大程度上受化学反应(1)NO2和HCHO光化学系数的影响[31]。如何使用精确的参数计算光化学反应常数以及其他化学反应系数，除跟进最新大气化学实验成果外，需参考国际理论与应用化学联合会(IUPAC)法国大气化学动力学数据评估小组(Task Group on Atmospheric Chemical Kinetic Data Evaluation)[32]以及美国喷气推进实验室(NASA Jet Propulsion Laboratory)的推荐值[33]。光化学反应常数另外一个误差来源就是入射太阳辐射通量[34-37]，很大程度上受大气层中气溶胶与云的影响，由于气溶胶单次散射反照率的不确定性和云本身的复杂性，对确定精确的光化学反应常数造成了很大挑战。北京大学环境模拟与污染控制国家重点联合实验室对NO2光解系数进行了有趣的实验研究[38]，其成果对分析北京地区长期大气氧化性趋势和城市O3污染具有重要意义。

式(17)也可以通过化学生产项Pi和损失项L[Xi]表示为

如果有N个化学物质，则有N个这样的方程组成一个闭合的常微分方程组(ODEs)，有n个化学反应的化学机制，一般n>N。真实大气环境中的化学反应过程是同时发生的，不同化学物质的生命周期因化学反应的快慢可以相差几个量级, 因此，这些ODEs的数值解是随时间变化很快的函数，只在非常短的时间内才会稳定，所以这些ODEs是刚性的[39]。针对大气化学反应方程的刚性问题[40]，人们已提出多种求解方案以提高计算效率，如QSSA[41]、α-QSS[42]，BDF[43]，隐含Runge Kutta方法[44-46]以及Rosenbrock方法[47-48]。目前广泛应用于大气化学模拟的KPP (Kinetic PreProcessor)工具包[49-54]，不但包含表1所列出的常用的化学机制，而且提供上述主流ODEs数值解方案，其开放性功能可允许用户改进现有的化学机制或自主开发新的化学机制。目前， KPP已经成功植入CMAQ[55-56]，WRF-Chem[57]、GEOS-Chem[58]、ECHAM5/MESSy[59]等大气化学输送模型， KPP极大提高了上述模型大气化学过程的模拟精度和计算效率。尽管研究者在大气化学机制和ODEs求解方案方面做了大量实验和理论研究，寻求最佳模拟精度与计算效率的平衡点，在大气化学输运模型的运行中，大气化学动力学的ODEs求解仍占50%～95% 的CPU时间。超级计算机技术的发展，使得计算效率大幅提高，但是随着人类对大气化学过程认知的不断探索，模型中大学化学过程趋于更加复杂，尤其是在气态化学机制中增加气溶胶化学过程，通过非均相化学反应过程研究气态物质与颗粒物之间的转化。未来将有更多的实验结果、更复杂的化学机制、更强大的计算机。

3 O3数值预报模型中的物理过程

3.1风输送过程

O3模拟的时间尺度与平均风场代表的时间尺度有关，一般用小时平均风场计算输送项，因此，获取的O3浓度场以小时浓度为最基本时间尺度，由于风速与风向变化引起的下风向O3浓度场变化最为显著，风场资料的可靠性对O3模拟准确性和精度起着关键作用。然而，风的变化不但发生在所有时间尺度，而且大气动量通量的高度非线性特征，基于半经验理论的次网格尺度湍流参数化具有极大的不确定性，这是长久以来在风预测和模拟领域所面临的难题，目前所有的区域气象数值预报模型在小时和更短时间尺度上的风预测水平未见大的改进。折中的方案就是利用观测资料的四维同化技术调整初始场，强迫模型的预测结果更趋于观测事实，对中长期预报而言，由于非线性系统对初始值的敏感性，低预报准确率可能为基于预测结果的决策带来风险。因此，根据空气质量预报的时间尺度要求，基于天气预报获得大气参数的大气质量预报，仅限于短期(如3 d以内)预报为宜。

3.2湍流传输和湍流扩散过程

为描述大气湍流过程对O3或其他标量物质空间分布的影响，需要对次网格湍流通量进行参数化，参数化以后派生1个或多个系数，通常称湍流交换系数，把所有未知的湍流物理过程都人为地放入该参数，计算湍流交换系数的变量由气象资料或气象模型提供，最新版本的WRF3.9中含有13个不同的边界层参数化方案供用户选择，在湍流闭合方案的选择时，最好保证气象模型和空气质量模型的一致性。

湍流交换系数是否与湍流扩散物质本身有关，至今没有令人信服的结论[60]。除了湍流动量通量系数，人们假设所有标量物质通量(如水汽通量、热量通量、污染物通量等)参数化后的湍流交换系数是相同的，由于缺乏湍流的确定性理论，通过半经验的湍流通量参数化方案计算湍流扩散作用，因污染物湍流通量极难观测而使其验证变得非常困难，湍流通量参数化方案引起的不确定性必然存在。最初的湍流参数化方案基于一阶涡黏性理论(即K理论)，用来表示次网格湍流扩散和混合过程，K理论属于局地湍流闭合方案，只能处理标量物质网格与网格之间的传输，这种“弱交换过程”可以成功描述水平湍流扩散和弱湍流交换过程[61-63]，但在具有强烈垂直热力湍流交换的对流混合边界层往往失败，因为它不能够描述跨多网格的大尺度湍涡的交换过程[25]，因此，人们提出非局地湍流通量参数化方案(如YSU、ACM2)，虽然这些方案大多是基于K理论的修正和改造，但是非局地湍流方案的确改善了垂直湍流交换过程的描述,尤其适用于具有强烈垂直交换的热力对流边界层(CBL)[64-65]，采用不同的湍流变化方案，O3模拟结果差异显著，而且对NOx和VOCs排放的敏感性不同[66]，尽管不同方案得到的大气边界层特征差异显著，尤其在边界层高度(PBL height)方面差异巨大，但除O3外，对气溶胶和PM2.5的模拟，YSU等非局地方案同样显示其优势[67]。合理的大气边界层湍流物理过程是准确模拟地面O3浓度和其他空气污染物的关键，具有普适性的湍流参数化方案是大气边界层科学领域的发展方向。

3.3干湿沉降去除过程

（一）经济平稳增长。2005年以来德国经济逐渐向好，其中，2006年经济增速达3.7%，为自1991年以来最高水平。金融危机后德国经济率先复苏，2010年经济增速达4.08%，成为欧元区经济“领头羊”。2012年欧债危机爆发后，德国经济增速短时下滑，但仍高于欧盟其他发达国家。2017年德国GDP增长2.2%，创2011年以来最高水平。

干沉降为大气质量模型提供了底边界条件，是地面对近地层大气中污染物的捕获过程，强烈受季节和下垫面性质影响。许多污染物通过干沉降而从大气中去除，干沉降作为O3的一个汇，是O3从大气中被去除的一个重要过程，O3的干沉降过程不可逆，为单向沉降。由于干沉降与下垫面性质有关，所以大范围气态污染物的干沉降观测非常困难。干沉降与近地层湍流通量有关，因而一般也用梯度-通量关系进行参数化，在模型中与模型最低层的湍流扩散结合在一起隐性求解。WESELY等[68]提出的干沉降参数化方法目前已用于许多空气质量模型，其中的空气动力学阻力系数ra、准层流副层阻力系数rb和下垫面阻力系数rc等受地表覆盖、植被、地表粗糙度、摩擦速度、太阳辐射强度、温度、相对湿度和土壤含水量等因素的影响，由经验公式计算。另一用于CAMx模型的干沉降过程是将植被对气态物质的捕获与叶面积指数(LAI)结合，由于LAI可由卫星资料获得，使得干沉降速率的计算更直接，用于加拿大空气质量的日预报，经过与O3和SO2通量观测结果比较，具有一定的精度[69]。CMAQ模型中，提供一个地面过程模型(LSM) 与热量通量、水汽通量以及化学物质的干沉降耦合模块[70]，干沉降计算所用的参数均来自气象模型，其优点是地面过程和边界层特征在空气质量模型中与气象模型具有一致性。

湿沉降是由云的扫并和降水洗出造成的，也是大气获得净化的有效途径，气态污染物被云、雨、雾滴吸收和捕获，以及在液滴表面发生的异相化学反应而被去除的过程均为湿沉降。由于O3易溶于水，云雾降水很容易将O3去除，因而大多数O3空气质量模型对湿沉降过程要求不高，此外，对气象模型而言，云和降水预报仍属难题，尤其是对小尺度降水量和降水位置预报包含极大的不确定性，由此获得的湿沉降可能引起O3预报的极大误差。但考虑气态污染物与气溶胶的化学转化、二次气溶胶的形成以及气溶胶与细颗粒对云雾里物理过程的影响，模型中的湿过程不可或缺。

4 离线和在线耦合大气化学模型

就获得气象信息的方式，空气质量模型分为离线模型和在线耦合模型2种基本类型。

离线模型用独立气象预报模型的运行结果(如风、温、湿、气压，水汽、热通量以及辐射等物理量的同步预报值)驱动空气质量模型，这类模型如CMAQ、CAMx、全球大气化学输运模型MOZART等[71]，不能实现气象与空气污染过程的互反馈机制，但计算资源要求低，运行时间短。

在线耦合模型，顾名思义就是将气象模型与空气质量模型耦合在一起，在一个积分步长内和同一个网格点上同时求解大气物理与大气化学控制方程组，实现气象条件与空气污染物过程的相互作用机制，例如，预报的O3浓度场会影响下一步的辐射过程，随辐射变化引起的温度、压力与风等的变化会影响下一步的O3浓度场，所以这种耦合是双向的，但计算昂贵，CPU时间长。这类模型包括区域大气化学输运模型WRF-Chem、区域空气质量模型WRF-CMAQ、全球大气化学输运模型GEOS-Chem以及CAM-chem[72]等。在线耦合模型符合“一个大气”原则，与实际大气过程相一致，能够实现多过程、多尺度之间的反馈和相互作用，因此，该类模型是空气质量预报模型或大气化学输运模型的发展趋势和方向。中国科学院大气物理研究所开发的NAQPMS (Nested Air Quality Modeling System) 模型[73]属于在线耦合模型，最初旨在研究沙尘输送与颗粒物污染过程，经过30年发展和完善，目前可用于颗粒物和O3的模拟研究与预报[74-75]，而且在中国北京、上海等多个城市和地区用于实施空气质量实时预报[76]，但该模型的气象模块是基于MM5[77]中尺度天气预报系统, 而MM5目前已被WRF完全取代。

5 O3预报模型的输入资料

5.1静态或慢变化地理资料

气象模型或耦合模型中的气象模块，在模拟地面物理过程(如动量、感热、潜热、水汽通量、生物排放等)需要输入地理资料，包括地形，水陆边界等静态资料以及植被、叶面积指数(LAI)、土壤覆盖，土壤含水量、地面反照度等慢变化(如季节或年变化)资料，这些资料大部分由卫星反演资料生成(如MODIS资料[78])，在不同地理位置具有不同的时空分辨率。模型分辨率的确定，首先需要考虑模拟区域是否可以获得与之匹配的下垫面资料，高分辨率模拟需要有高分辨率地理资料作支撑，WRF模型系统附带比较完整的地理输入资料[79]，如最新版本的WRF3.9附有高分辨率的全球地形和土壤类型资料(1～20 km)，高分辨率MODIS LAI资料(1～20 km)，高分辨率地面覆盖资料MODIS (0.5～1 km)，但MODIS地面覆盖资料大多数是美国地质调查局(USGS)20世纪70年代的资料，不能反映快速发展地区和城市的现状；而WRF提供的NLCD(National Land Cover Database)资料，包括NCLD2006, NLCD 2011(0.3～1 km)[80-81]，仅覆盖美国本土。这些地理资料尤其对城市高分辨率模拟非常重要，应根据模拟区域的具体情况进行更新和修订，以保证模型能够再现正确的地面过程。有关气象和空气质量模拟对地理输入资料的质量要求和敏感性研究，中国鲜有报道， 但地理输入资料是实现O3模拟的关键一环。完善和提高中国地理网格资料库的精度和分辨率将是一个长期而艰巨的任务，无疑对提高气象、空气质量模拟以及O3的数值预报可靠性具有深远意义。

5.2初始和边界条件

气象模型的初始化和边界条件较大气化学模型更容易获得，如NCAR GRIB资料、NOAA/NCEP 实时资料、ECMWF全球资料、NCEP NOMADS GRIB 资料以及用于四维资料同化的观测资料等，具体要求可参照不同气象模型的初始化和边界条件生成的说明。本节讨论的初始和边界条件是指区域空气质量模型或区域O3模拟所需要的大气化学成分的初始浓度场和边界条件，如果是分层嵌套模拟，初始和边界条件仅提供给最外层粗网格。在无法获得初始浓度场和边界条件的情况下，可设定一个覆盖最外层网格的附加模拟区域，利用长期背景场和观测资料设定其初始浓度场和边界条件，经过一定时间的运行，由于实时排放源和气象场的驱动，模型在附加模拟区域的结果可为最外层网格提供动态的初始和边界条件。如果最外层直接设定为定常边界条件，模拟区域无法获得外部背景O3浓度变化信息，因此只限于短时期(如一周左右)的区域和城市尺度的O3模拟。为了反映网格外部O3及其前体物变化对网格内部O3浓度的影响，一般由全球大气化学输送模型提供化学物质的初始场和边界条件，目前普遍运用的有全球模型包括NCAR 的MOZART[82]和CAM-CHEM以及哈佛大学开发的GEOS-Chem模型结果，由于MOZART-4已由CAM-chem取代，MOZART资料只有2013年8月以前的资料[83]。由于不同的全球大气化学模型内嵌不同的化学机制，使用不同的大气环流模型获得大尺度气象场，因此，获得的O3背景浓度差别显著[84]。

5.3气象资料

物理传输过程需要三维风速场资料，由气象数值预报模型获得，在线耦合模型在运行中自动获取，离线模型则需事先独立运行气象预报模型型MM5或WRF以获得气象资料，在使用气象模型的资料以前，需要对气象模型的预测能力和效果进行评估。在没有获得足够可靠的气象场前，运行O3预报模型都是徒劳无益的。湍流扩散项主要涉及边界层次网格参数化方案 (PBL scheme)，这些方案需要温度、水汽以及热通量与气象场有关的物理量；此外，大气化学动力学方程组中，空气数密度与许多大气化学反应常数均与温度和气压有关。区域气象模型应以WRF为首选，虽然MM5仍然用于某些研究目的， 但MM5研究团队已完全转入开发和改进WRF中的物理方案，国内外研究者发现[85-87]，WRF模拟的变量误差一般均低于MM5，在线耦合的WRF-Chem在预报地面O3的表现也优于MM5/CMAQ[88]，目前MM5已完全由WRF取代，新一代的WRF应用更为普遍。

5.4源排放资料

源排放资料是是指模拟区域内大气污染物排放率及其时空分布，是除气象资料之外的另一个至关重要的O3数值模拟输入资料，准确的污染源资料直接决定O3模拟结果的误差与偏差大小，所以源排放资料又是模型结果不确定性因素的主要原因之一。

排放源一般分为人为源与自然源，人为源资料一般由各省市提供的排放源清单为基础，再利用源处理工具和模型进行处理以满足O3模型对源输入的格式要求，美国环保局建有五大类源清单(emission inventory)，包括点源、非点源或面源、道路交通源，非道路交通源(火车、轮船、飞机等)和以天为单位统计的野火事件源清单，提供包括各州、县以及部落为单位的大气标准中规定的污染物排放量[89]，其中，道路交通源排放结果来自美国环保局自主开发的MOVES[90]模型，该模型内嵌交通车辆管理注册信息库、油料使用和化学成分库等，利用交通模型获得的交通流量时空分布估算NOx、CO及颗粒物排放率。最新版MOVES 也包含非道路交通排放源的计算功能。各类源清单包括生物源排放，根据经济和人口发展数据，美国环保局每年更新并向大众公开发布。中国由清华大学主导的中国多尺度排放清单模型(MEIC)已经发布以2008年和2011年为基准年的亚洲排放清单[91-92]，排放数据包括电力、工业、民用、交通和农业等5个部门，提供0.25°、0.5°和1.0° 3种空间分辨率的逐月网格化排放清单，并可按SAPRC99、SAPRC07、CB05、CBIV和RADM2等5种化学机制输出。但该排放源清单的时空分辨率仍然无法满足高分辨率尤其是城市尺度的O3模拟。因此，更细致的排放源清单需要结合卫星遥感资料和更多的地面污染源调查和分析，这将是一个长期而艰巨的任务。

自然排放源包括生物排放、闪电产生的NO2排放及野火燃烧产生大量的CO、CO2和NOx等。中国大陆上空平均每年(1997—2012年)因闪电而产生的NO2大约23万t(以氮计大约0.07 Tg)[93]，而且东部多于西部，闪电产生的高空NOx，其在对流层停留时间更长，因此，对对流层O3的影响不能忽视。野火产生大量的CO2和有机挥发物，对下风向段时间O3浓度水平影响明显[94]，中国这方面个例和研究较少。另一个巨大的VOC排放源就是生物或植物，其源挥发性有机化合物(BVOCs)是植物体内通过次生代谢途径合成的低沸点、易挥发的碳氢化合物。从全球尺度看，BVOCs (主要是异戊二烯和单萜)约占VOCs排放总量的90%，远高于人为源VOCs排放。目前生物排放源的估算模型有BEIS3[95]和MEGAN[96]，其输入资料包括土地利用、植被覆盖、LAI、排放因子以及温度、太阳辐射等气象资料，BEIS3和MEGAN均已耦合到CMAQ模型，在处理闪电、野火(FINN) 和生物 (MEGAN) 排放方面，WRF-Chem均有可选模块，在线计算CO、NO2和VOC自然排放率并以排放源形式进入化学模块, 也可独立计算由SMOKE[97]处理，与人为排放源合并后，为CAMQ或CAMx模型提供排放源输入。

排放源清单获得以后，需要针对不同的空气质量模型对原始排放资料进行预处理，处理后的结果必须与所选择的化学机制以及模型分辨率(水平与垂直方向)相一致，尤其要对排放源中大量具体的VOCs进行化学形态分析，分类组合或压缩到模型化学机制所定义的VOCs中，一般而言，模型的排放源输入资料应为小时格点资料，包括CO、NO、NO2、SO2、和各种化学机制中的VOCs，如果考虑颗粒物，还应包括SO2、NH3、PM2.5和PM10的初始排放率。由于气态污染物与气溶胶之间的非均相化学反应，会生成复杂的二次污染物(如PM1.0、PM2.5等)，最新CMAQ模型中携带的化学机制包含气溶胶化学部分，因此，CMAQ排放源必须提供颗粒物前体物的排放资料。模型所用的排放是以通量形式表达的，气态物质排放单位是每个格点mol/s，颗粒物排放单位是每格点mg/s，回收所有网格上的排放值并在日、月、年时间尺度上求和，应该与模拟区域的总排放量相吻合，根据模型水平网格分辨率，误差不应该超过1%～3%。排放源资料的处理工具由以前的FREDS、EMS-95、EPS和目前最新的SMOKE，与大气质量模型同步发展[98]。SOMKE源分类与其相应的空间映射关系(spatial surrogate)文件，可以计算城市和区域污染源削减计划实施以后污染源排放的时空分布，根据更新的源清单，空气质量模型则可以预测削减措施以后的O3水平，并对削减措施进行评估。

6 模型预报效果评估

无论使用哪种模型，模拟结果的验证和模型整体表现评估是预报可靠性的重要保障，是识别提高模拟质量因素的关键，由于不同的模型使用不同的方法和参数化方案，给客观和定量化比较模型与模型之间的结果带来困难，由于不同地区的自然条件与控制污染水平不同，在一个地区表现良好的模型并不意味着可以直接用于其他地区。利用实验结果和观测事实验证模型的预报效果和可靠性是最基本的方法，这包括利用模型区域现有的气象观测和环境监测资料，其他研究项目的观测，以及为模型评估而专门设计的实验结果等。许多严重的O3污染事件发生在特定的气象条件下，模型对这种特定条件的捕获也是检验模型预报能力的重要指标之一。

在线耦合模型的评估，需要对气象预报参数和O3及其他污染物预报量同时进行，评估方法与离线模型相同。具体评估过程是获取模型与观测点的比对资料，并对观测值时间序列数据的有效性进行分析，确认数据的质量保证和质量控制过程(QA/QC)，然后计算一系列定量评估的统计学参数，评估模型输出资料的准确性和精度。其中最重要的3个指标是均方根误差(RMSE)、标准化平均偏差(NMB)和决定系数(R2)，它们显示出预报与观测的偏差和相关程度，具有更强的指导意义。除了通过统计显著性检验的相关性，R2值高只能说明模型预测的时间变化形态与观测有较好的一致性，但不能说明预报值与观测值的偏差程度。如模型筛选或单个模型多参数化方案的敏感性实验，取RMSE和NMB最低、R2最高的作为候选预报模型，但因不同模型对不同的要素有不同的预报能力和优势，因此，有人用多模型结果的算术平均值作为预报结果，即集合预报，是一种折中方案。除利用统计参数值进行分析模型预报能力外，值得推荐的模型统计参数评估方法是Taylor提出的多要素单一图示法[99]，将不同预测变量的精度、偏差和相关性，展示在一张图上，一目了然。关于如何设定上述参数的基准值而判定模型是否通过检验这一问题，虽然有人提出 “目标值”(goal) 和 “基准值”(criteria)[100-101]作为判断模型是否通过(pass/fail) 效果检验的基准条件，但上述统计参数值显然与模拟时间的长短有关，更长的模拟时间经历更多时空尺度的气象和污染过程，因此，同一模型在不同时间尺度上的模拟效果和表现可能非常不同；另一方面不同的模式设置，是否利用观测资料同化技术等，不能一概用同一基准值检验和评估模式效果。美国环保局不推荐使用这种“基准值”方法用于判断模型的模拟结果是否可以接受。美国环保局的《O3、颗粒物和区域性霾空气质量达标的模拟指南》认为，这种判定阈值仅仅作为改进模型的一个参考和指示，而不能作为模式评估的基准方法，美国环保局开发的AMET(Atmospheric Model Evaluation Tool) 是专门为气象和大气化学输送模型而设计的评估系统[102]。中国有关模型评估研究较少，有学者曾就中国科学院大气物理研究所的NAQPMS模型对江苏省的PM2.5模拟结果实施模型评估[103]。

观测资料的获取是模型预报效果评估的第一步，中国气象数据网[104]包含地面、高空、数值预报、雷达和卫星资料，地面站小时数据包括气温、气压、相对湿度、水汽压、风、降水的要素小时观测值；高空资料包括89个中国探空站各点规定等压面和特征层位势高度、温度、露点温度、方向、风速观测数据；数值预报包括分辨率30、10 km预报产品；雷达资料包括处理后的统一格式单站多普勒雷达数据与图像资料；卫星资料包括中国风云(一号、二号、三号)，美国NOAA (15-18)和NASA (AQUA，TERRA)极轨卫星与不同搭载平台，日本(MTSAT)和欧洲(METEOSAT)静止气象卫星的一级卫星数据与扫描图像。上述气象资料可用于模型预报效果的定量评估和定性分析。

与气象观测与气象观测网标准化运行相比，环境监测与大气化学成分检测起步较晚，中国的环境空气质量监测经过20多年的发展,已经进入到自动监测阶段，城市空气自动监测系统、区域监测系统、质量保证、质量控制和监测项目趋于完善。2012年开始发布O3的常规监测结果。环境保护部网站 (http://www.mep.gov.cn) 和 “中国空气质量在线监测分析平台”可获得2013年12月以后6种污染物(PM2.5，PM10， SO2，CO、NO2和O3)的日平均浓度[105]，中国环境监测中心网站 (http://www.cnemc.cn) 可以获得小时实时监测资料，但目前尚无获取逐年小时平均浓度观测资料的开放平台，这可能是促进中国环境质量监测系统完善的关键一步。可靠的污染源清单和完善的环境监测网数据是促进中国空气质量模型发展的主要瓶颈，是实现空气质量模型用于环境管理和决策的主要局限。

7 最新区域空气质量模型特征与发展趋势

O3空气质量预报的目的：①健康预警。当污染超过特定的水平，为公众提供预警，预报越可靠效果就越显著，预警指导对O3或颗粒物污染敏感的特定人群采取措施，预防污染对健康的威胁和伤害。②现有污染源控制。识别超标期间的各类污染源贡献，有针对性地提出削减措施，避免盲目和高成本的污染源治理方案。③业务预报。区域高浓度灰霾和O3威胁航空安全，伤害户外作业人员健康，危及农业甚至粮食安全，危害自然公园或生态保护区生态系统等，污染预报可提供更安全和更有效的活动计划资讯。④应急计划。森林大火、突发事故等可由一个固定区域和地点排放大量污染物进入大气，可引起交通事故和航空灾难以及下风向的一次和二次污染，有效的烟羽和浓度预报可以有效降低此类突发事件的经济和健康损失。

先进的空气质量模型在其开发和研究过程中增添了许多分析工具，如CMAQ和CAMx模型，均有源解析技术 (SAT)、过程分析 (PA)、高阶直接耦合源敏感性分析 (Decoupled Direct Method (DDM) and High-Order DDM (HDDM) Source Sensitivity)。SAT可定量估算不同区域、不同类别污染源和不同前体物对O3或PM2.5形成的独立贡献。如一个省的O3预报，利用SAT可以定量识别邻省和本省的污染源对本地区O3的贡献大小，从而了解本省为O3达标而需要的污染源削减力度和治理方案。同样，SAT可以识别点源、面源、道路交通源和非道路交通源等分别对O3的贡献。PA则可深度分析模型运行中大气物理和大气化学过程对局地O3生成的影响，如利用化学过程分析(CPA)可以划分模拟区域O3污染是属于NOx控制型 (NOx-limited)还是VOCs控制型 (VOC-limited)，由于O3浓度水平与NOx和VOC排放存在复杂的非线性响应关系，因此这对提供和评价污染源控制措施极为重要。DDM或HDDM可计算O3对初始浓度场、外边界输入和人为排放的敏感性系数，DDM可以分析未来的污染源削减方案和管理措施实施后是否可以实现O3或其他污染物达标。WANG 等[106]用CAMx及其OSA分析了北京市2000年夏季一次O3污染事件的成因和来源，认为该O3污染属于VOCs控制型。需要说明是，同一个城市和地区，其控制型类别可随时间发生变化。

最新大气质量模型的发展趋势，取决于人们大气污染过程的最新认识，早期我们强调酸雨、悬浮颗粒物，今天的PM2.5污染作为优先研究和控制对象，但有关O3的污染我们了解更少，徐晓斌[2]就中国霾和O3的污染现状和研究进展做了深入分析和总结，WANG等[1]就中国O3污染的现状和成因，搜集大量国内外学者有关中国O3污染的研究信息和成果，做了深入细致的分析和综述，认为城市中心和区域传输是O3污染的主要贡献因素, 呼吁应加快地区性NOx和VOC的综合治理步伐。事实上，中国大气污染早已进入复合物污染时代，主要城市经济发达地区同时面临霾和O3污染的困扰，尤其是重污染引起的健康忧虑与风险已不容忽视[107-108]，随着针对PM2.5治理力度的增加，城市及城市周边地区的工业排放将显著削减，导致灰霾爆发形成的硫酸盐和铵盐浓度将大大降低[109]，近地层空气透明度将得以改善，到达近地层的太阳辐射会增加或恢复到正常值，如果交通状况依旧，O3污染将更加突出。

总之，霾污染与光化学污染交替出现，并且存在内在的联系和反馈，再现这种复合污染的基本特征，是最新大气质量模型的首要任务；复合污染防治从系统性观念出发，认为O3与PM2.5同源污染物产生的二次污染，其污染水平是系统内各种过程的非线性相互作用的结果，因此不能考虑单一污染物的控制与削减， 如有人用模型以及SAT和PA分析后， 建议VOC与NOx的削减比例为1∶2[110]，可以有效降低珠江三角洲地区城市和工业区O3峰值。复合污染的这些特征，部分可由独立脱线模型表现出来，但完全在线耦合具有双向反馈的最新空气质量模型才是研究复合污染的基本方向和趋势，其成果不但对城市灰霾与O3复合型污染的防治具有理论指导意义，而且将影响今后空气质量管理模型和标准体系。

8 结语

区域性大气质量数值模型定量描述大气物理与大气化学过程，提供O3浓度水平对其前体物排放的响应关系，为大气环境管理与O3污染防治提供科学支撑和依据。在中国日益严重的O3和PM2.5污染情势下，以大气物理、大气化学和地球流体力学理论为基础的数值模型是研究这种污染成因和提出治理措施的必要手段。受发展水平和历史局限，中国目前污染源资料的数量和质量水平，距离完全利用这种手段所要达到的目的相差甚远，是目前模拟系统的短板，所以，清华大学在发展污染源清单方面的不懈努力，尤其是其主导的中国多尺度排放清单模型(MEIC)，给予数值模型的有效应用带来发展和期待。作为验证和提高模型预报质量的关键，地面环境监测网的数据共享和质量控制意义重大。除此之外的所有基础资料系统，是研究当前复合污染问题的重要支撑和保障，有了这些基本资料，就有能力获得更具说服力的科学依据解决和参与与中国大气环境污染有关的国内争议和国际对话，有更多的机会利用最先进的在线耦合大气质量模型，服务于空气质量管理和决策系统，促进中国自身的法规模型系统的发展和建设。

[1] WANG T, XUE L, BRIMBLECOMBE P,et al. Ozone pollution in China: A review of concentrations, meteorological influences, chemical precursors, and effects[J]. Science of the Total Environment, 2017, 575:1 582-1 596.

[2] 徐晓斌. 我国霾和光化学污染观测研究进展[J]. 应用气象学报,2016，27(5):604-619.

XU Nengbin. Observetional study advances of haze pollution and photochemical pollution in China[J]. Joural of Applied Meteorological Science, 2016，27(5):604-619.

[3] THOMPSON M L, REYNOLDS J, COX L H, et al. A review of statistical methods for the meteorological adjustment of tropospheric ozone[J]. Atmospheric Environment, 2001, 35 (3): 617-630.

[4] 安俊琳, 王跃思, 朱彬. 主成分和回归分析方法在大气臭氧预报的应用[J]. 环境科学学报， 2010, 30(6):1 287-1 293.

AN Junlin, WANG Yuesi, ZHU Bin. Principal component and multiple regression analysis predicting ozone concentrations:Case study in summer in Beijing[J].Acta Scientiae Circumstantia, 2010, 30(6):1 287-1 293.

[5] 刘闽, 王帅, 林宏, 等. 沈阳市冬季环境空气质量统计预报模型建立及应用[J]. 中国环境监测, 2014, 30(4):10-15.

LIU Min, WANG Shuai, LIN Hong, et al. The study on establishment and application of winter environment air quality forecasting model of Shenyang[J].Environmental Monitoring in China, 2014, 30(4):10-15.

[6] 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): 3 001-3 008.

WANG Zhanshan, LI Yunting, Chen Tian,et al. Analysis on diurnal variation characteristics of ozone and correlations with its precursors in urban atmosphere of Beijing[J]. China Environmental Science,2014, 34(12): 3 001-3 008.

[7] 贾海鹰, 孟凡, 柴发合,等. 2013 年北京市臭氧时空分布及预报[J]. 环境工程学报,2016, 10(4):1 900-1 906.

JIA Haiying, MENG Fan,CHAI Fahe,et al.Analysis on distribution characteristics and prediction of ozone in Beijing in 2013[J].Chinese Journal of Environmental Engineering, 2016,10(4):1 900-1 906.

[8] 贾梦唯, 赵天良, 张祥志,等. 南京主要大气污染物季节变化及相关气象分析[J]. 中国环境科学,2016; 36(9):2 567-2 577.

JIA Mengwei,ZHAO Tianliang, ZHANG Xiangzhi,et al.Seasonal variations in major air pollutants in Nanjing and their meteorological correlation analyses[J]. China Environmental Science，2016; 36(9):2 567-2 577.

[9] 李晓岚, 马雁军, 王扬锋, 等. 基于 CUACE 系统沈阳地区春季空气质量预报的校验及修正[J]. 气象，2016, 32(6)：10-18.

LI Xiaolan，MA Yanjun，WANG Yangfeng，et al． Verification and modification to spring air quality forecasted by CUACE system in Shenyang[J]． Journal of Meteorology and Environment， 2016， 32(6): 10-18.

[10] 张伟, 王自发, 安俊岭, 等. 利用 BP 神经网络提高奥运会空气质量实时预报系统预报效果[J]. 气候与环境研究,2010，15 (5):595-601.

ZHANG Wei, WANG Zifa, AN Junling,et al.Update the ensemble air qual ity modeling system with BP model during Beijing Olympics[J].Climatic and Enviro nmental Research，2010，15 (5):595-601.

[11] 沈路路, 王聿绚, 段雷. 神经网络模型在O3浓度预测中的应用[J]. 环境科学,2011，32 (8):2 231-2 235.

SHEN Lulu，WANG Yuxuan，DUAN Lei.Application of artificial neural networks on the prediction of surface ozone concentrations[J]. Environmental Science,2011，32 (8):2 231-2 235.

[12] 胡翠娟, 丁峰, 李时蓓, 等. 国内外环境空气质量模型法规化现状与对比研究[J]. 环境工程, 2015(1):132-136.

HU Cuijuan, DING Feng, LI Shibei, et al.A comparative study and the status quo of regulatory airquality model at home and abroad[J]. Environmental Engineering, 2015(1):132-136.

[13] SAUNDERS S M, JENKIN M E, DERWENT R G, et al. World Wide Web site of a Master Chemical Mechanism (MCM) for use in tropospheric chemistry models[J]. Atmospheric Environment,1997, 31(8):1 249.

[14] SAUNDERS S M, JENKIN M E, DERWENT R G,et al.Protocol for the development of the Master Chemical Mechanism, MCM v3 (Part A): tropospheric degradation of non-aromatic volatile organic compounds[J]. Atmos Chem Phys, 2003, 3:161-180.

[15] University of leed.Master Chemistry Mechanism[EB/OL].[2017-03-01]. http://mcm.leeds.ac.uk/MCM.

[16] JENKIN M E,WATSON L A,UTEMBE S R,et al. A common representative intermediates (CRI) mechanism for VOC degradation. Part 1: Gas phase mechanism development[J]. Atmospheric Environment, 2008, 42:7 185-7 195.

[17] WATSONA L A,SHALLCROSSA D E,UTEMBEA S R,et al. A Common Representative Intermediates (CRI) mechanism for VOC degradation. Part 2: Gas phase mechanism reduction[J]. Atmospheric Environment, 2008, 42: 7 196-7 204.

[18] GERY M W, WHITTEN G Z, KILLUS J P, et al. A Photochemical Kinetics Mechanism for Urban and Regional Scale Computer Modeling[J]. J Geophys Res, 1989，94：925-956.

[19] YARWOOD G, RAO S, YOCKE M, et al.Whitten. Updates to the Carbon Bond Mechanism: CB05[R]. USA：USEPA Final Report, 2005.

[20] YARWOOD G, JUNG J, WHITTEN G Z, et al. Updates to the 20 Carbon Bond mechanism for version 6: 2010 CMAS Conference [C]. Chapel Hill: 2010 CMAS Conference, 2011.

[21] ZAVERI R A, PETERS L K. A new lumped structure photochemical mechanism for large scale applications[J]. Journal of Geophysical Research, 1999, 104(30):387-430.

[22] STOCKWELL W R, MIDDLETON P, CHANG J S, et al. The second generation regional acid deposition model chemical mechanism for regional air quality modeling[J]. Journal of Geophysical Research: Atmospheres,1990，95 (D10):16 343-16 367.

[23] STOCKWELL W R, KIRCHNER F, KUHN M,et al. A new mechanism for regional atmospheric chemistry modeling[J]. Journal of Geophysical Research: Atmospheres. 1997, 102(D22):25 847-25 879.

[24] GRIFFIN RJ, DABDUB D, SEINFELD JH. Secondary organic aerosol 1. Atmospheric chemical mechanism for production of molecular constituents[J]. Journal of Geophysical Research: Atmospheres, 2002, 107(D17):1-26.

[25] CARTER W P L. Implementation of the SAPRC-99 chemical mechanism into the Models-3 Framework[R]. USA:Report to the US Environmental Agency, 2000.

[26] CRASSIER V, SUHRE K, TULET P, et al. Development of a reduced chemical scheme for use in mesoscale meteorological model[J]. Atmospheric Environment,2000, 34:2 633-2 644.

[27] SIMPSON D, ANDERSSON-SKOLD Y, JENKIN M E. Updating the chemical scheme for the EMEP MSC-W oxidant model: current status:EMEP MSC-W note 2/93[S]. Oslo Norway:Norwegian Meteorological Institute, 1993.

[28] STOCKWELL W R, LAWSON C V, SAUNDERS E,et al. A review of tropospheric atmospheric chemistry and gas-phase chemical mechanisms for air quality modeling[J]. Atmosphere,2011, 3(1):1-32.

[29] JIMENEZ P, BALDASANO J M, DABDUB D. Comparison of photochemical mechanisms for air quality modeling[J]. Atmospheric Environment,2003, 37(30):4 179-4 194.

[30] DERWENT R. Intercomparison of chemical mechanisms for air quality policy formulation and assessment under North American conditions[J]. Journal of the Air & Waste Management Association,2017(1):1-8.

[31] KRAUS A, HOFZUMAHAUS A. Field measurements of atmospheric photolysis frequencies for O3, NO2, HCHO, CH3CHO, H2O2, and HONO by UV spectroradiometry. InAtmospheric Measurements during POPCORN—Characterisation of the Photochemistry over a Rural Area[J]. Springer Netherlands,1998,31:161-180.

[32] IUPAC. Task Group on Atmospheric Chemical Kinetic Data Evaluation[EB/OL].[2017-03-03]. http://iupac.pole-ether.fr.

[33] NASA Jet Propulsion Laboratory.Chemical Kinetics and Photochemical Data for Use in Atmospheric Studies[EB/OL].[2017-03-03]. https://jpldataeval.jpl.nasa.gov.

[34] DICKERSON R R, KONDRAGUNTA S, STENCHIKOV G, et al. The impact of aerosols on solar ultraviolet radiation and photochemical smog[J]. Science, 1997, 31; 278(5 339):827-830.

[35] LIAO H, YUNG Y L, SEINFELD J H. Effects of aerosols on tropospheric photolysis rates in clear and cloudy atmospheres[J]. Journal of Geophysical Research D,1999, 104(D19):23 697-23 707.

[36] VUILLEUMIER L, HARLEY R A, BROWN N J, et al.Variability in ultraviolet total optical depth during the Southern California Ozone Study (SCOS97)[J]. Atmospheric Environment,2011, 35(6): 11 111-11 112.

[37] VUILLEUMIER L, BAMER J T, HARLEY R A, et al. Evaluation of nitrogen dioxide photolysis rates in an urban area using data from the 1997 Southern California Ozone Study[J]. Atmospheric Environment,2001，35(36):6 525-6 537.

[38] ZOU Q, LU K, WU Y, et al. Ambient photolysis frequency of NO2determined using chemical actinometer and spectroradiometer at an urban site in Beijing[J]. Frontiers of Environmental Science & Engineering,2016, 10(6):13.

[39] TURCO R P, WHITTEN RC. A comparison of several computational techniques for solving some common aeronomic problems [J].J Geophys Res,1974, 79:3 179-3 185.

[40] ZHANG H, LINFORD J C, SANDU A, rt al. Chemical mechanism solvers in air quality models[J]. Atmosphere. 2011, 2(3):510-532.

[41] VERWER J G, SIMPSON D. Explicit methods for stiff ODEs from atmospheric chemistry[J]. Applied Numerical Mathematics,1995, 18(1/3):413-430.

[42] LIU F, SCHALLER, MOTT D R. Technical note: application of α-QSS to the numerical integration of kinetic equations in troposphere chemistry[J]. Atmospheric Physics and Chemistry Discussion, 2005, 2:6 215-6 262.

[43] CASH J R. The integration of stiff initial value problems in ODEs using modified extended backward differentiation formulae[J]. Computers & mathematics with applications,1983, 9(5):645-657.

[44] WAMBECQ A. Rational Runge-Kutta methods for solving systems of ordinary differential equations[J]. Computing,1978, 20(4):333-342.

[45] BURRAGE K. A special family of Runge-Kutta methods for solving stiff differential equations[J]. BIT Numerical Mathematics, 1978, 18(1):22-41.

[46] DORMAND J R, PRINCE P J. A family of embedded Runge-Kutta formulae[J]. Journal of computational and applied mathematics, 1980, 6(1):19-26.

[47] SANDU A, VERWER J G, BLOM J G, et al. Benchmarking stiff ODE solvers for atmospheric chemistry problems II: Rosenbrock solvers. Atmospheric environment, 1997, 31(20):3 459-3 472.

[48] VERWER J G, SPEE E J, BLOM J G,et al. A second-order Rosenbrock method applied to photochemical dispersion problems[J]. SIAM Journal on Scientific Computing,1999，20 (4):1 456-1 480.

[49] DAMIAN V, SANDU A, DAMIAN M, et al. The kinetic preprocessor KPP-a software environment for solving chemical kinetics[J]. Computers & Chemical Engineering,2002, 26(11):1 567-1 579.

[50] SANDU A,MIEHE P. Forward, tangent linear, and adjoint Runge Kutta methods in KPP-2.2 for efficient chemical kinetic simulations[J]. Int J Comp Math,2010, 87:2 458-2 479.

[51] ELLER P, SINGH K, SANDU A,et al. Implementation and evaluation of an array of chemical solvers in a global chemical transport model[J]. Geophys Model Dev, 2009, 2: 1-7.

[52] SANDU A, SANDER R. Modeling chemical kinetic systems in Fortran90 and Matlab with KPP-2.1[J]. Atmos Chem Phys,2006, 6: 187-195.

[53] DAESCU D,SANDU A, CARMICHAEL G. Direct and adjoint sensitivity analysis of chemical kinetic systems with KPP: II—Numerical validation and applications[J]. Atmos Environ,2003, 37:5 097-5 114.

[54] SANDU A, DAESCU D,CARMICHAEL G. Direct and adjoint sensitivity analysis of chemical kinetic systems with KPP: I-Theory and software tools[J]. Atmos Environ,2003, 37:5 083-5 096.

[55] BYUN Q W, CHING J K S. Science Algorithms of the EPA Models-3 Community Multiscale Air Quality (CMAQ) Modeling System:EPA Report EPA-600/R-89-030[S]. Washington:US Environmental Protection Agency, 1999.

[56]BYUN D, SCHERE K L. Review of the governing equations, computational algorithms, and other components of the Models-3 Community Multiscale Air Quality (CMAQ) modeling system[J]. Applied Mechanics Reviews, 2006, 59(2):51-77.

[57] GRELL G A, PECKHAM S E, SCHMITZ R, et al. Fully coupled “online” chemistry within the WRF model[J]. Atmospheric Environment,2005, 39(37):6 957-6 975.

[58] GEOS-Chem Model.The global 3-D chemical transport model Goddard Earth Observing System (GEOS)-Chem[EB/OL]. [2017-03-04].http://acmg.seas.harvard.edu/geos.

[59] MESSy. 5th generation of European Centre Hamburg Model/Modular Earth Submodel System (ECHAM5/MESSy)[EB/OL].[2017-03-04]. http://www.messy-interface.org.

[60] BLACKADAR A K.Turbulence and Diffusion in the Atmosphere[M]. Berlin:Heidelberg,1997.

[61] PLEIM J E. A combined local and nonlocal closure model for the atmospheric boundary layer. Part II: application and evaluation in a mesoscale meteorological model [J]. Journal of Applied Meteorology & Climatology, 2007, 46(9):1 396-1 409.

[62] HU X M, NIELSENGAMMON J W, ZHANG F. Evaluation of three planetary boundary layer schemes in the WRF model[J]. Journal of Applied Meteorology & Climatology, 2010, 49(9):1 831-1 844.

[63] 王颖, 张镭, 胡菊,等. WRF模式对山谷城市边界层模拟能力的检验及地面气象特征分析[J]. 高原气象, 2010,29(6):1 397-1 407.

WANG Ying,ZHANG Lei, HU Ju,et al.Verification of WRF Simulation Capacity on PBL characteristic and analysis of surface meteorological characteristic over complex terrain[J].Plateau Meteorology, 2010,29(6):1 397-1 407.

[64] 韩永翔, 宋昊冬, 刘烽, 等. 对流边界层湍流通量及逆梯度输送参数化分析[J]. 大气科学学报, 2016, 39(3): 417-425.

HAN Yongxiang，SONG Haodong，LIU Feng, et al.A case study of turbulent flux and counter gradient transport in the convective boundary layer[J]. Transactions of Atmospheric Sciences, 2016, 39(3): 417-425.

[65] HU X M, NIELSEN-GAMMON J W, ZHANG F. Evaluation of three planetary boundary layer schemes in the WRF model[J]. Journal of Applied Meteorology and Climatology， 2010, 49(9):1 831-1 844.

[66] LIN X, RIDLEY B A, WALEGA J, et al. Parameterization of subgrid scale convective cloud transport in a mesoscale regional chemistry model[J]. Journal of Geophysical Research: Atmospheres,1994，99 (D12):25 615-25 630.

[67] CHEN D, XIE X, ZHOU Y, et al. Performance evaluation of the WRF-Chem model with different physical parameterization schemes during an extremely high PM2.5pollution episode in Beijing[J]. Aerosol and Air Quality Research,2017, 17:262-277.

[68] WESELY M L, HICKS B B. A review of the current status of knowledge on dry deposition[J]. Atmospheric environment,2000, 34(12):2 261-2 282.

[69] ZHANG L, BROOK J R, VET R. A revised parameterization for gaseous dry deposition in air-quality models[J]. Atmospheric Chemistry and Physics,2003,3(6):2 067-2 082.

[70] PLEIM J E, XIU A, FINKELSTEIN P L,et al. A coupled land-surface and dry deposition model and comparison to field measurements of surface heat, moisture, and ozone fluxes[J]. Water, Air and Soil Pollution: Focus,2001, 1(5/6):243-252.

[71] EMMONS L K, WALTERS S, HESS P G, 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.

[72] LAMARQUE J F, EMMONS L K, HESS P G, et al. CAM-chem: description and evaluation of interactive atmospheric chemistry in the Community Earth System Model[J].Geosci Model Dev, 2012,5: 369-411.

[73] WANG Z, MAEDA T, HAYASHI M, et al. A nested air quality prediction modeling system for urban and regional scales: Application for high-ozone episode in Taiwan [J]. Water, Air, & Soil Pollution,2001, 130(1):391-396.

[74] LI J, YANG W, WANG Z, et al. Modeling study of surface ozone source-receptor relationships in East Asia [J]. Atmospheric Research,2016, 167:77-88.

[75] CHENG N, HONGXIA L I, FAN M E, et al. Overview of urban PM2.5numerical forecast models in China[J]. Asian Agricultural Research，2015, 1：7-10.

[76] 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. 大气科学， 2006, 30(5):778-790.

WANG Zifa, XIE Fuying, WANG Xiquan, et al.Development and appl ication of nested air qual ity prediction modeling system[J]. Chinese Journal of Atmospheric Sciences, 2006, 30(5):778-790.

[77] DUDHIA J, GILL D, MANNING K,et al. PSU/NCAR Mesoscale Modeling System Tutorial Class Notes and Users’ Guide (MM5 modeling system version 3.7)[EB/OL].[2017-03-01]. http://www2.mmm.ucar.edu/mm5/documents.

[78] NASA.Moderate Resolution Imaging Spectroradiometer (MODIS)data[EB/OL].[2017-03-01]. https://modis.gsfc.nasa.gov/data.

[79] WRF.WPS geographical input data[EB/OL].[2017-03-08]. http://www2.mmm.ucar.edu/wrf/users/download/get_sources_wps_geog.html.

[80] Multi-Resolution Land Characterristics Consortium.National Land Cover Database 2011 (NLCD 2011) [EB/OL].[2017-03-08]. https://www.mrlc.gov/nlcd2011.php.

[81] HOMER C G, DEWITZ J A, YANG L, et al.Completion of the 2011 National Land Cover Database for the conterminous United States-Representing a decade of land cover change information[J].Photogrammetric Engineering and Remote Sensing, 2015, 81(5)：345-354.

[82] UCAR.Model for ozone and related chemical tracers (mozart) [EB/OL].[2017-03-08]. https://www2.acom.ucar.edu/gcm/mozart.

[83] NCAR. MOZARTdata for ICBC of WRF-Chem and other air quality models[EB/OL].[2017-03-09].http://www.acom.ucar.edu/wrf-chem/mozart.shtml.

[84] EMMERSON K M,EVANS M J. Comparison of tropospheric gas-phase chemistry schemes for use within global models[J]. Atmos Chem Phys, 2009, 9:1 831-1 845.

[85] GILLIAM R,PLEIM J. Performance assessment of new land surface and planetary boundar layer physics in the WRF-ARW[J]. J Appl Meteorol Clim,2010, 49:760-774.

[86] HANNA S R, REEN B, HENDRICK E, et al. Comparison of observed, MM5, and WRF-NMM model simulated, and HPAC-assumed boundary layer meteorological variables for 3 days during the IHOP field experiment, Bound[J]. Meteorol, 2010,134:285-306.

[87] WILMOT C S, RAPPENGLÜCK B, LI X,et al. MM5 v3.6.1 and WRF v3.5.1 model comparison of standard and surface energy variables in the development of the planetary boundary layer[J]. Geosci Model Dev, 2014, 18;7(6):2 693-2 707.

[88] ZHANG Y, ZHANG X, WANG L, et al. Application of WRF/Chem over East Asia: Part I. Model evaluation and intercomparison with MM5/CMAQ[J]. Atmospheric Environment. 2016, 124:285-300.

[89] USEPA.The National Emissions Inventory (NEI) data [EB/OL].[2017-03-09]. https://www.epa.gov/air-emissions-inventories/national-emissions-inventory-nei.

[90] USEPA.MOtor Vehicle Emission Simulator (MOVES) https://www.epa.gov/moves.

[91] 清华大学.主导的中国多尺度排放清单模型(MEIC)[EB/OL].[2017-03-09].http://www.meicmodel.org/index.html.

[92] LI M, ZHANG Q, KUROKAWA J, et al. A mosaic Asian anthropogenic emission inventory for the MICS-Asia and the HTAP projects[J]. Atmos Chem Phys Discuss, 2015, 15(23):34 813-34 869.

[93] GUO F, JU X, BAO M,et al. Relationship between lightning activity and tropospheric nitrogen dioxide and the estimation of lightning-produced nitrogen oxides over China[J]. Advances in Atmospheric Sciences,2017, 34(2):235-245.

[94] JAFFE D A, WIGDER N L. Ozone production from wildfires: A critical review[J]. Atmospheric Environment,2012， 51:1-10.

[95] USEPA. Biogenic Emission Inventory System (BEIS) [EB/OL].[2017-03-11].https://www.epa.gov/air-emissions-modeling/biogenic-emission-inventory-system- beis.

[96] GUENTHER A, HEWITT C N, ERICKSON D, et al. A global model of natural volatile organic compound emissions[J]. Journal of Geophysical Research: Atmospheres, 1995,100(D5):8 873-8 892.

[97] CMAS.Sparse Matrix Operator Kernel Emissions (SMOKE) [EB/OL].[2017-03-11]. https://www.cmascenter.org/smoke.

[98] RUSSELL A, DENNIS R. NARSTO critical review of photochemical models and modeling[J]. Atmospheric environment,2000, 34(12):2 283-2 324.

[99] TAYLOR K E. Summarizing multiple aspects of model performance in a single diagram[J]. Journal of Geophysical Research: Atmospheres,2001, 106(D7):7 183-7 192.

[100] BOYLAN J W, RUSSELL A G. PM and light extinction model performance metrics, goals, and criteria for three-dimensional air quality models[J]. Atmospheric Environment,2006，40 (26):4 946-4 959.

[101] APPEL K W, GILLIAM R C, DAVIS N, et al. Overview of the atmospheric model evaluation tool (AMET) v1.1 for evaluating meteorological and air quality models[J]. Environmental Modeling & Software,2011, 26(4):434-443.

[102] CMAS.Atmospheric Model Evaluation Tool (AMET) v1.2 [EB/OL].[2017-03-09]. https://www.cmascenter.org/help/documentation.cfm.

[103] 朱莉莉, 晏平仲, 王自发, 等. 江苏省级区域空气质量数值预报模式效果评估[J]. 中国环境监测, 2015, 31(2): 17-23.

ZHU Lili,YAN Pingzhong,WANG Zifa,et al. An operational evaluation of the regional air quality forecast modeling system in Jiangsu[J]. Environmental Monitoring in China, 2015, 31(2): 17-23.

[104] 中国气象局气象数据中心.中国气象数据[EB/OL].[2017-03-01]. http://data.cma.cn.

[105] 真气网.中国空气质量在线监测分析平台[EB/OL].[2017-03-01]. https://www.aqistudy.cn.

[106] WANG X, LI J, ZHANG Y, XIE S, et al. Ozone source attribution during a severe photochemical smog episode in Beijing, China[J]. Science in China Series B: Chemistry, 2009, 52(8):1 270-1 280.

[107] BRAUER M, FREEDMAN G, FROSTAD J, et al. Ambient air pollution exposure estimation for the global burden of disease 2013[J]. Environmental Science & Technology, 2015, 50(1):79-88.

[108] 胡彬, 陈瑞, 徐建勋, 等. 雾霾超细颗粒物的健康效应[J]. 科学通报, 2015, 60: 2 808-2 823.

HU Bin, CHEN Rui，XU Jianxun, et al. Health effects of ambient ultrafine (nano) particles in haze (in Chinese) [J]. Chin Sci Bull, 2015, 60: 2 808-2 823.

[109] GUO S, HU M, ZAMORA, et al. Elucidating severe urban haze formation in China[J]. Proceedings of the National Academy of Sciences, 2014,111(49): 17 373-17 378.

[110] OU J, YUAN Z, ZHENG J,et al. Ambient ozone control in a photochemically active region: short-term despiking or long-term attainment? [J]. Environmental Science & Technology, 2016, 50(11):5 720-5 728.

ReviewofSurfaceOzoneModelingSystem

LIU Feng1，2, XU Yishan3

1.Atmospheric Research Centre, Illinois State Water Survey, University of Illinois at Urbana-Champaign, Illinois 61820, USA 2.Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration, Nanjing University of Information Science & Technology, Nanjing 210044, China 3.State Environmental Protection Key Laboratory of Quality Control in Environmental Monitoring, China National Environmental Monitoring Centre, Beijing 100012, China

Photochemical air quality models play a key role in scientific investigation of ozone pollution and prediction of surface ozone levels. It provides quantitative support for the decision-makers in developing policies and strategies to reduce ozone pollution. As a review, this article discusses the current strengths and weaknesses of photochemical transport models from an intellectual point of view how those models deal with chemical and physical processes in the troposphere. Therefore, chemistry mechanisms used for photochemical air quality models and uncertainties caused by chemical kinetic rates are described in details. Advanced physical processes and planetary boundary schemes. As the main causes for uncertainties of model results, the preparation of model inputs including static geographical data, meteorological data, and emissions are well introduced. The importance of model performance evaluation is addressed. Finally, due to nonlinearly combined effect of ozone and other air pollutants including primary precursors and secondary aerosols on air quality, the model development and model application road map toward a multiple-pollutant air quality management are given at the end.

surface ozone; ozone prediction; air quality modeling system

X84

：A

：1002-6002(2017)04- 0001- 16

10.19316/j.issn.1002-6002.2017.04.01

2017-05-10;

：2017-05-16

国家重点研发计划试点专项项目“大气污染成因与控制技术研究”(2016YFC0203304)

刘 烽(1962-)，男，陕西富平人，博士，教授。

徐怡珊