银川市夏季空气质量状况及多模式预报系统的应用

孙 媛，杨丽蓉

（银川市生态环境监测站，宁夏 银川 750000）

银川地处中国西北地区宁夏平原中部，西倚贺兰山、东临黄河，是发展中的区域性中心城市，作为宁夏回族自治区的首府城市，是宁夏大气污染防治的关注点，“十四五”时期，自治区对银川市生态环境高质量发展提出了新的要求。文献研究表明[1—3]，近年来银川市大气污染呈现复合型污染特征，颗粒物（PM10）、臭氧污染问题凸显，增加了空气污染防治的难度。为满足群众对美好生活的向往，及时研判空气质量变化趋势，适时启动大气污染应急减排措施，银川市对空气质量预报提出了更高的要求。随着信息化进程的加快，多模式预报系统的应用成为空气质量预报业务的发展趋势[4—5]，集气象预报、污染源清单、污染物预报模块为一体的多模式预报系统得到越来越多的关注[6—9]。多模式预报系统以其合理的理论体系及科学的预报效果在全国大部分城市得到了广泛的应用，包括广州、上海、江苏等城市[10—14]。通过不断地探索，银川市已经基本形成了多模式预报体系。本文利用统计学分析方法对银川市环境空气质量预报预警系统以及统计模式的预报结果进行对比分析，为银川市空气质量污染预报预警和空气污染防治提供参考依据。

1 多模式预报系统及观测数据

1.1 2020 年夏季银川市环境空气质量状况

2020 年夏季（6—8 月份）银川市环境空气质量优良天数比例达到85.9%，污染天数比例为14.1%。六项污染物中只有O3，PM10出现超标现象，超标率分别为12.0%，2.1%。其中以O3污染更为显著，2020 年6—8 月份O3-8 h（臭氧8 h 滑动平均）第90百分位数浓度值为168 μg/m3，超出国家二级标准（160μg/m3）0.05 倍。当前银川市臭氧污染问题凸显，面临着严峻的大气污染形势。建立空气质量多模式预报预警平台，加快开展空气污染物趋势预报，是提高环境监测现代化水平的重要途径。同时能够进一步提升臭氧污染防控水平和能力，做好银川市的臭氧污染防治工作，能够为蓝天保卫战提供精准的科学支撑，对持续改善银川市环境空气质量有着深远意义。

1.2 空气质量多模式预报系统概述

银川市于2015 年建立了以单一数值预报模式为主的空气质量预报系统。为更好地应对重污染天气，结合本地预报业务工作中存在的问题，银川市于2017 年建立了空气质量多模式预报系统，其框架如图1 所示，包括4 个数值模式和1 个统计模式。其数值模式系统由中科院大气物理研究所自主研发的嵌套网格空气质量预报模式系统NAQPMS，以及CMAQ 模式、CAMx 模式、WRF-Chem 模式组成，统计模式采用动力统计模型。

模式计算垂直范围从地面到20 km 高度，垂直分层不少于20 层，采用三重嵌套区域设置，第一区域为北方区域、第二区域为宁夏回族自治区及周边区域、第三区域为银川市，用中尺度气象模式WRF 计算得到气象场。基于银川市大气超级监测站以及国家环境空气质量自动监测网络建立的空气质量多模式预报系统，实现了多源数据的采集与分析，将空气质量监测数据、污染源在线数据、气象数据、模型预报的结果进行综合分析，提供不同区域和高度的天气预报图、前后向污染轨迹图、污染来源追因、大气边界层高度分布、气溶胶光学厚度分布和大气能见度、气象要素时间序列图等产品，结合GIS 动态展示空气质量模型预报结果[15]，提供多种预报产品供预报员参考，输出包括六项污染物（PM2.5，PM10，O3，NO2，SO2，CO）的24，48，72 h 质量浓度的预报以及AQI 预报。

系统结合银川市环境空气质量（AQI）指数，充分考虑银川市及周边（滨河新区、宁东煤化工基地等）地区的污染源排放，结合银川市及周边地区的地形状况，建立了空气质量预报预警系统，实现重污染天气的预警功能，预报银川市未来3 d 空气质量状况，以期对银川市及周边大气污染防治提供技术支撑。

1.3 数据来源及评估指标

本文采用2020 年夏季（6—8 月份）银川市空气质量预报模式的预报结果，结合银川市国控空气质量监测网络的污染物浓度以及AQI 指数进行对比评估。银川市国控空气质量监测网络包括6 个环境空气自动监测站点（贺兰山马莲口为清洁对照点，不参与数据统计评价）。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）、标准化平均偏差（NMB）和标准化平均误差（NME）共计6 项指标对预报效果进行评估[16]。

2 多模式预报效果评估

本文收集了2020 年6—8 月份银川市6 个国家环境空气自动监测站各类污染物监测的平均质量浓度作为实测值，银川市空气质量多模式预报系统24 h预报结果作为预测值。通过数据对比，利用统计学分析方法得出误差统计表（表1），分析各模式对不同污染物浓度的预报效果，下面从AQI 等级以及污染物出发分析各模式在银川市环境空气质量预报中的应用。

2.1 空气质量指数AQI 模式预报结果评估

以AQI 实测值为自变量x，以模式预报AQI 为因变量y，拟合各模式预报方程，图2～5 给出了各模式的模拟结果，可以看出CMAQ、CAMx、WRF-Chem和统计模式的预测结果都与实际值有较高的相似性，其相关系数分别为0.77，0.81，0.79，0.88，可以看出统计模式的AQI 预测结果与实际值的吻合程度最高，其次为CAMx 模式、WRF-Chem 模式、CMAQ模式。

图2 CMAQ 模式预报AQI 值与实测值相关性分析图

图3 WRF-Chem 模式预报AQI 值与实测值相关性分析图

2.2 常规六项污染物浓度模式预报结果评估

由表1 可知，2020 年6—8 月份期间各模式较好地预测了SO2，NO2，PM10，CO，O3-8 h，PM2.5的变化情况。从预测值与实测值的相关系数来看：CMAQ 在0.64～0.80；CAMx 在0.68～0.85；WRF-Chem 在0.64～0.88；统计模式在0.72～0.92，其中统计模式对O3-8 h预测值的吻合程度最高，相关系数达0.92。说明银川市的空气质量多模式集合预报基本能够较好地模拟污染物的日变化趋势。

图4 CAMx 模式预报AQI 值与实测值相关性分析图

图5 统计模式预报AQI 值与实测值相关性分析图

表1 2020 年6—8 月份银川市空气质量多模式日均值预报效果统计分析表

从预测结果来看：CMAQ 对O3-8 h 的预测结果较为理想，其标准化平均误差仅为0.11，且其他统计参数均通过显著性检验，可见CMAQ 对O3-8 h 预报的系统性偏差较小；CAMx 对PM10的预测效果较好；WRF-Chem 对NO2的预测效果较为理想；统计模式对O3-8 h 的预测结果最好，其相关系数达到0.92。这表明不同模式对同一污染物预测存在差异。对于O3-8 h 预测结果来说，各模式均能够较好地预测O3的变化趋势，相关系数介于0.80～0.92，表明各模式的预测结果与实测值具有较高的相关性。其中CAMx、WRF-Chem、统计模式标准化平均偏差介于-9%～-4%，说明这三个模式对O3的预报趋势整体偏低，偏低比例为1.0%～76.2%；而CMAQ 模式标准化平均偏差为4%，说明该模式对O3的预报趋势整体偏高。图6 给出了各模式预报系统O3-8 h的预测值与实测值对比情况，可以看出在夏季四个模式预报的O3峰值浓度均低于实际监测值，但相对而言，统计模式整体预测效果偏好。相关文献[17]研究表明，银川市的O3污染在一定程度上受到外来源的输送与气象条件的影响，这在一定程度上增大了O3预报的难度，银川市的预报模型系统均采用中尺度的气象模式WRF 计算得到，模型的高浓度预测结果偏差较大，可能与气象场未能本地化有很大关联。

图6 2020 年6—8 月份多模式预报系统O3-8 h 预测值与实测值对比分析图

对于PM10预测结果来说，四个模式能够较好地预测日均值变化趋势，标准化平均误差最高仅为0.2，但CAMx、WRF-Chem 和统计模式的NMB 均为负值，说明这三个模式的预测结果整体低于实测值。图7 给出各模式预报系统PM10的预测值与实测值对比情况，可以看出四个模式预报效果都很好，相关系数均达到0.80 以上，说明对于PM10来说模式的预报效果整体上能够贴合实际。但在2020 年6—8 月份发生的4 天沙尘天气过程中，各模式的预测结果均低于实测值，偏低比例为13.8%～61.0%，未来需要进一步调整模式干沉降模块进而提高预报准确率。

图7 2020 年6—8 月份多模式预报系统PM10 预测值与实测值对比图

对于NO2预测结果来说，各模式的相关系数介于0.79～0.89，RMSE 介于4.1～7.2 μg/m3，MB 介于5.0～6.9 μg/m3，ME 介于3.3～5.7 μg/m3，说明模式的预测值与实测值比较吻合。各模式日均值预测结果中MB、NMB 均为正，表明这四个模式对NO2日均浓度预报结果均偏高，但WRF-Chem 预报结果的标准化平均偏差仅为0.03，偏高比例处于四个模式中的最低值。由图8 可以看出，CMAQ 模式预测结果最差，CAMx、WRF-Chem 和统计模式预测结果变化趋势较为一致，其中WRF-Chem 模式的预测结果较为理想。

图8 2020 年6—8 月份多模式预报系统NO2 预测值与实测值对比图

对于SO2预测结果来说，MB、NMB 均为正，表明各模式对SO2质量浓度的预报整体偏高；统计模式的相关系数高达0.81，WRF-Chem 模式的相关系数仅为0.64，表明WRF-Chem 模式预测结果最差，统计模式预测结果与实测值的吻合程度最高。由于近年来银川市采取集中供热、“东热西送”以及淘汰和改造升级燃煤锅炉等一系列措施，SO2的排放量较2012 年有很大变化，而模型系统所使用的排放源清单仍是2012 年的，所以各模式预报的浓度整体偏高，这可能与模型的排放源清单未及时更新有很大关系，图9 给出了各模式预报系统预测值与实测值分析图。

图9 2020 年6—8 月份多模式预报系统SO2 预测值与实测值对比图

对于PM2.5预测结果来说，各模式相关系数介于0.79～0.82，说明各模式能够较好地预测日均值变化趋势，但MB、NMB 均为正表明各模式预报效果整体偏高。图10 给出了各模式预报系统PM2.5的预测值与实测值对比情况，可以看出WRF-Chem模式预报效果最差，相关系数为0.79，且标准化平均偏差达到0.30；统计模式预报效果最好，相关系数达到最大0.82，且NME 达到最小0.17，预报偏差处于四个模式最低值，其次为CAMx 模式、CMAQ模式。

图10 2020 年6—8 月份多模式预报系统PM2.5 预测值与实测值对比图

对于CO 预测结果来说，四个模式可以较好地预测CO 质量浓度日均值变化，图11 给出各模式预报系统CO 的预测值与实测值对比情况，可以看出统计模式预测效果最佳，CAMx 的预测效果次之，而CMAQ 模式整体预测值偏高，WRF-Chem 整体预测值偏低。六项污染物中CO 的模型预测效果是最差的，相关系数在0.64～0.72，且NME 最大达0.23，说明模型对CO 的预测还存在一定不足，未来应进一步优化排放源清单，提高CO 预报准确率。

图11 2020 年6—8 月份多模式预报系统CO 预测值与实测值对比图

总体来说，四个模式能够较好地预测污染物日变化趋势，但是CMAQ 模式预测结果整体偏高，而CAMx、WRF-Chem 和统计模式预测结果整体偏低；在臭氧与沙尘污染状况时，四个模式的预测结果还不够精准，图12 给出了各模式预报系统AQI的预测值与实测值的对比情况。目前由于气象场以及污染源清单等输入数据的不确定性，预报结果还存在偏差，所以在预报时还需要预报员进行人工订正[18]。

图12 2020 年6—8 月份多模式预报系统AQI 预测值与实测值对比分析图

3 结论

（1）从2020 年银川夏季各模式的预报结果来看，空气质量指数AQI 的24 h 预报相关系数介于0.77～0.88，常规六项参数日均浓度的24 h 预报相关系数介于0.64～0.92，表明银川市的多模式预报系统能够较好地预测AQI 及六项主要污染物浓度的变化趋势，整体上在可接受范围内，但不同模式的预报结果仍存在一定的差异，不存在最优的模式，不同预报模式还存在一定的偏差。

（2）综合来看，各模式对SO2预报整体偏高，相对较好的是统计模式；对NO2预报效果最好的是WRF-Chem；对PM10预报效果整体较好，但对峰值浓度预报效果较差；对CO 预报效果最差，相对较好的是统计模式；对O3预报效果最好的是统计模式；对PM2.5预报效果最好的是统计模式；对AQI 预报效果最好的是统计模式。

（3）2020 年银川夏季的O3与PM10峰值浓度的预报结果仍低于实际浓度值，银川市的空气质量多模式预报系统仍存在较大的上升空间，未来应进一步优化污染源清单，根据不同预报模式的特点，进行深入的本地化改进，从而使预报模式达到理想水平，提高银川市空气质量预报准确率，为银川市大气污染防治的精细化管理提供更有力的技术支撑。