基于全国源清单CMAQ模型预报适用性研究

曾 钰，黄钟霆，彭庆庆

（湖南省环境监测中心站，湖南 长沙410014）

1 引言

目前，国内环境问题日渐突出，大气环境质量关注度提高。开展城市空气质量预报工作[1]，可以及时、准确和全面地提供未来城市大气环境质量状况，有着较好的社会意义和环境效益。既可以保护城市居民的身心健康，指导居民的日常活动和行为，同时能够促进人类社会健康事业和经济建设，使人们采取必要的控制和防范措施，减轻大气污染对自然生态环境和人们生活质量的影响[2，3]。

城市空气质量预报在各省、市蓬勃发展[4]。自1997年以来，国内大中城市：上海、广州、北京、天津、沈阳、重庆、南昌等城市先后开展了空气污染气象条件或污染浓度预报，并通过媒体向公众发布[5，6]。随着2013年国务院颁布的《大气污染防治条例》明确提出：建立重污染预警机制，全国各省、市纷纷开始建设空气质量预报预警平台。空气质量预报预警平台以数值预报模型为体系支撑，集成污染排放源清单（SMOKE）、气象场（MM5）和 数 值 预 报 模 型 （CMAQ/CAMx/NAQPMS等）。

由于，数值预报模型以源清单为基础，同时，各省市建设进度不一，不少地方尚未对本地污染源清单进行编制，通用国家大尺度污染源清单。因此，本文将基于大尺度源清单下CMAQ预报模型适用性进行研究。

2 CMAQ发展及应用

CMAQ预报模式又称公共多尺度空气质量模式（Community Mutiscale Air Quality Model）是由美国环保署（EPA）开发的第三代空气质量模型，具有局地、城市、区域和大陆等多种尺度的模拟能力。CMAQ由美国环保局于1998年6月首次发布，经过十几年的研究发展，已经更新到5.0.1版本[7，8]。CMAQ 模型模拟系统基于“一个大气”理念，其采用多模块集成的组织结构和多尺度嵌套的三维欧拉网格设置，能够实现对多种大气污染物（如O3、颗粒物、SO2）以及各种大气污染问题（光化学污染、灰霾、酸沉降）的模拟。CMAQ在模拟过程中能将天气系统中、小尺度气象过程对污染物的输送、扩散、转化和迁移过程的影响融为一体考虑，同时兼顾了区域与城市尺度之间大气污染物的相互影响以及污染物在大气中的气相各种化学过程，包括液相化学过程、非均相化学过程、气溶胶过程和干湿沉积过程对浓度分布的影响[9，10]。CMAQ模型模拟系统主要有5个模块（图1）。

（1）初始条件计算模块（ICON）：用于计算模型模拟第一个时间步长即在一定时间内，数据或者数据量（包）跨越长度（间隔）的污染物浓度；

（2）边界条件计算模块（BCON）：用于计算模型模拟网格边界污染物浓度；

（3）光解速率常数计算模块（JPROC）：用于计算主要化学物种晴空光解速率；

（4）核心化学传输模块（CCTM）：用于计算模拟网格污染物小时浓度。

3 排放源清单对CMAQ影响

影响预报结果的两个关键因素是区域源清单的准确性和气象条件的影响。CMAQ的数值计算所需的气象场由气象模型提供，如中尺度气象模型 MM5（Fifth－Generation NCAR/Penn State Mesoscale Model）和WRF（Weather Research and Forecasting Model）；所需的源清单由排放处理模型提供，如SMOKE（Sparse Matrix Operator Kernel Emissions）等。

一般源清单需要经过多轮优化后才能满足业务化预报需要，而源清单逐步细化工作本身也需要能够动态的和业务化的进行。包括四个内容，污染物年排放量计算：完成对本地污染源、污染物信息的收集整理，确定计算源排放清单所需的各种参数，完成年排放量的计算；网格处理：根据MM5网格设置要求，将年排放量分配到每个网格中；嵌套处理：将大尺寸、中尺寸和小尺寸源排放清单进行嵌套处理，形成完整的、一致的源排放清单；排放清单处理：完成空间分配、时间分配、空间分配、化学物种分配计算，并转换成符合CMAQ模型要求的数据格式。

4 基于全国清单CMAQ使用介绍

4.1 评估原理

根据不同机构研究与多个城市应用表明，虽然污染源转化机理与时空特征十分复杂，不同分辨率的源清单对CMAQ预报准确率存在一定影响，污染浓度预报量与实况相比存在一定的（系统性）误差，但是CMAQ对污染物区域分布及其变化趋势虽具有较强的预报能力，同时在采用全国源清单下有着较高的预报准确率。CMAQ在上海世博会、广州亚运会等重大赛事空气质量保证任务中都有应用[11]。本文采用标准化平均偏差（NMB）与标准化平均误差（NME）、均方根误差（RMSE）评估模拟结果与实测值的吻合程度，定义如下：

其中Cm是模拟值，Co是观测值。NMB反映的是各模拟值与实测值的平均偏离程度，NME反映的是平均绝对误差，是两个没有量纲的统计量，RMSE反映模拟值与监测值的偏离程度，是一个有量纲的统计量，它们越接近0，表明模拟效果越好。同时，使用相关系数R来表征模拟结果与实测值之间变化趋势的吻合程度，其越接近1，表明模拟效果越好。平均偏差MB与均方根误差RMSE反映了模拟值和观测值之间的偏差和误差大小，其绝对值越小表明数值模拟结果与观测结果越接近，模拟效果越好；归一化标准因子NMB，NME考虑了不同浓度水平下模拟与观测的差异，反映了模拟值与观测值之间相对偏差和误差的大小，一般情况下，如果二者均小于50%，则认为模型模拟效果较好（Eder et al.，2007；Kang et al.，2007）。

4.2 使用介绍

4.2.1 浙江省站预报系统

浙江全省空气质量预报平台中采用了WRFCMAQ模式组合，最外层和华东区域采用2010年全国源清单，尺度为城市尺度。通过与实测值对比，发现WRF－CMAQ的相对预报准确性较高，等级预报准确可以达到80%左右。

以2015年1月1日至20日的污染过程预报为例。元旦过后杭州经历了三次主要污染过程，浙江省空气质量日报预报平台均准确做出了预报和公众发布，并能结合立体监测、预报结果和气象数据，对污染成因给出科学的分析。就19日凌晨至上午的这次污染过程，颗粒物主要是由硫酸盐铵盐和二次有机物构成，主要是由于高空垂直输送和本地二次光化学过程共同作用产生，说明来自外地的影响较大。

4.2.2 北京市监测中心数值预报系统

北京市环境监测中心采用CMAQ数值预报系统对2013年1月至12月期间的6种污染物包括PM10、SO2、NO2等污染物的日均模拟值与实测值进行统计分析。6种污染物的预报浓度与实测浓度相关系数在0.427～0.731之间，其中 CO相关性最好，能达到0.731，SO2相关系数较差，为0.427[12]。

4.2.3 上海市监测站数值预报系统

上海使用CMAQ数值预报系统模式统计分析在2009年9月～2010年2月期间各污染物包括PM10、SO2和NO2日均API模拟值的，并对比分析模拟值与检测值[13]。根据分析研究，在此期间，CMAQ－4.6，在2009年9～11月期间PM10日均API模拟值与实测值的相关系数在0.5～0.6之间。对SO2而言，无论秋季还是冬季，各模式对SO2日均值的模拟均有所高估，且冬季高估比例要小于秋季。对NO2而言，秋冬季各模式的模拟性能也有所不同，秋季各模式对NO2日均API模拟值与实测值相关系数。

CMAQ数值模型对上海市国控点在2013年10月至2014年1月的PM2.5日均浓度值进行对比分析。通过对比实测值与预报值，CMAQ数值预报能够较好地模拟出PM2.5浓度随时间的变化趋势。相对而言，在PM2.5浓度处于较低浓度时，CMAQ模拟值与实测值也较为接近，模拟情况较好。偏差主要出现在模拟与实测峰值附近，研究发现CMAQ模拟的峰值浓度往往远小于实测值。总体而言，CMAQ数值模式预报的各个月份模拟值与观测值的标准平均误差在29%～46%之间。从MB、MSE，NMB及NME四个数据来看，CMAQ的预报结果较为准确，模拟值在可接受的误差范围内[11]。CMAQ数值预报模式模拟结果基本能够反映上海市PM2.5的浓度状况和变化趋势，能够较好地为上海市城市空气质量预报服务。

4.2.4 福州市监测站系统

福州市利用CMAQ模型对2010年7～12月本市各污染物浓度进行预报，并对预报效果进行分析研究，根据预报等级与实测对比，发现CMAQ模型对福州市2010年7～12月PM10的污染指数等级预报正确率达到了71.3%，对SO2和NO2的级别预报正确率更是达到了100%，日预报综合评分平均达88.8分[14]，福州市数值模型预报能力较好，能够有效指导城市空气质量预报。

4.2.5 珠三角CMAQ预报系统

珠三角利用CMAQ模式对本地区臭氧进行研究。研究表明，CMAQ数值模式能够较好地模拟出珠江三角洲研究期间大多数站点的臭氧浓度水平和变化趋势，模式的模拟结果具有很高的相关性（相关系数R为0.92），能较好地适用于珠江三角洲地区的光化学烟雾污染的模拟、预报与控制研究[15]。虽然CMAQ模拟浓度值总体上略低估实测浓度值（月均浓度值43.0×10－9V/V，NMB为 －8.5%，NME 为36.8%），但 是CMAQ模式在反映臭氧浓度的变化趋势一致性较好，还是具有一定参考性的。

4.2.6 郑州预报系统

郑州市使用CMAQ系统对2004年12月8～24日，共计15d的SO2和NO2小时浓度预报与实时监测结果（8次/d）进行对比分析[16]。由于CMAQ模式的预报结果为格点值，需要经线性内插后才能得到郑州市的预报值。经过处理分析，对于120h浓度样本的预报与实时监测值对比，研究发现其观测值与预报值是极显著相关的。两者的日变化趋势大体上是一致的，其中SO2和NO2日均浓度相关分别为0.59和0.62，预报结果标准差为7.05和4.55。

5 结论

（1）根据浙江、北京、上海、福州、珠三角和郑州等省市的模型应用分析，浙江省等级预报准确率可达80%，北京市6种污染物预报值与实测值相关系数在0.4～0.8之间，上海市PM10日均API模拟值与实测值的相关系统在0.5～0.6之间，福州、郑州和珠三角使用CMAQ对部分污染物浓度预报有着较高的准确率。由此可见，CMAQ模型预报等级准确率较好，浓度预报准确率次之。由此可见，基于全国源清单下CMAQ模型预报准确率较好。

（2）虽然污染源变化和时空特征十分复杂，由于模式采用的平均源排放清单难以精细、客观描述预报区域污染源强度不同尺度的时空变化，不同城市应用CMAQ模式对空气质量进行预报，分析结果表明该模式对空气污染浓度预报量与实况相比存在较为明显的“系统性”误差，但整体而言，CMAQ对多类污染物不同尺度“面空间”分布及其变化倾向具有较强的预报能力。

（3）目前，各省空气质量预报业务推进程度不一，水平差异较大。不少省份尚未编制本地污染源清单，可供使用为全国城市尺度去混清单。本文对基于全国源清单CMAQ模型对空气质量预报能力进行探究，根据不同城市案例分析，CMAQ模型预报能力较强，能有效指导省、市空气质量预报业务展开。在部分还没有开展地方源清单编制的地区，使用全国源清单CMAQ模型。

[1]吴增茂，盛立芳，刘 烽.城市空气质量预报模型及软件开发研究[J].气象科技，1991（1）：11～15.

[2]李时蓓，孟 凡.空气质量预测系统[J].环境科学研究，1996，9（4）：6～9.

[3]崔应杰，王自发，朱 江，等.空气质量数值模式预报中资料同化的初步研究[J].气候与环境研究，2006，11（5）：615～626.

[4]安俊岭，王自发，黄美元，等.区域空气质量数值预报模型[J].气候与环境研究，1999，4（3）：244～251.

[5]崔应杰，王自发，朱 江，等.空气质量数值模式预报中资料同化的初步研究[J].气候与环境研究，2006（5）.

[6]王 茜，付晴艳.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）：1～11.

[7]刘凤刚.CMAQ预报数据的管理与订正分析[J].天津职业院校联合学报，2008，9（5）：55～59.

[8]武传宝，解玉磊.CMAQ模型在乌鲁木齐大气污染治理中的应用潜力[J].华北电力大学学报，2013，12（6）：18～20.

[9]郑君瑜，付 飞，李志成.基于CMAQ模型的随机响应曲面不确定性传递分析方法实现与评价[J].环境科学学报，2012，32（6）：1289～1298.

[10]陈长安，王建鹏.西安城市空气质量预报业务系统建设总论[J].陕西气象，2001（6）：1～2.

[11]王 茜，吴剑斌，林燕芬，等.CMAQ模式及其修正技术在上海市PM2.5预报中的应用检验[J].环境科学学报，2014（8）：1～9.

[12]王自发，吴其重.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，2009，1（1）：19～26.

[13]王自发，付晴艳.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，2008，2（4）：1～11.

[14]陈彬彬，林长城.基于CMAQ模式产品的福州市空气质量预报系统[J].中国环境科学，2012，32（10）：174～175.

[15]沈 劲，王雪松.Models－3－CMAQ和CAMx对珠江三角洲臭氧污染 模 拟 的 比 较 分 析 [J].中 国 科 学，2011，41（11）：1750～1762.

[16]邓 伟，陈怀亮.Models＿3＿CMAQ模式对郑州市大气污染物的预报分析研究[J].气象与环境科学，2007，30（1）：54～57.