基于数值模式的环境空气质量预报影响因素和改进方法

王晓彦，赵熠琳，霍晓芹，徐怡珊，汪 巍，朱莉莉，晏平仲，李健军

1.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 2.中国科学院大气物理研究所，北京 100029

基于数值模式的环境空气质量预报影响因素和改进方法

王晓彦1，赵熠琳1，霍晓芹1，徐怡珊1，汪 巍1，朱莉莉1，晏平仲2，李健军1

1.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 2.中国科学院大气物理研究所，北京 100029

数值预报是各地开展环境空气质量业务预报的主流预报方法之一。模式预报产品、基础输入资料、外部技术支持、主客观预报偏差和预报命中概率等诸多因素均会不同程度地影响数值模式预报效果，研究探讨了上述因素对数值模式预报效果的影响及其针对性的改进方法，以期降低预报偏差，改善业务预报整体效果，为各地提高业务预报质量提供方法思路和技术参考。

环境空气质量；预报影响因素；改进方法；数值预报

中国中东部区域在秋季和冬季时频繁出现大气重污染过程，影响范围广、污染程度重、持续时间长，对环境空气和人体健康造成显著影响，引起公众广泛关注。为减少大气重污染过程的环境健康损害，需及时发布预警提示并启动应急预案，这对环境空气质量预报的准确率提出了更高要求。目前，中国城市精细化环境空气质量指数(AQI)预报和区域空气质量形势预测刚刚起步[1-9]，大部分地区预报经验不足，对如何提高预报成效缺乏思路。为此，研究根据京津冀区域空气质量业务预报实践和先行省市业务预报经验，具体探讨了基于数值模式的空气质量预报的关键影响因素和改进方法，以期为各地提高业务预报准确率提供技术参考。

1 空气质量业务预报影响因素

1.1 数值预报模式产品水平

空气质量预报模式为业务预报提供基础性预报产品，预报模式产品水平决定了空气质量业务预报的基础，模式产品准确率越高，业务预报基础越好。数值预报模式产品水平主要受到模式分辨率、大气条件预报产品、污染源排放资料和空气质量监测数据等诸多因素的影响。

1.1.1 数值预报模式分辨率

数值预报模式产品的精细度主要取决于模式分辨率，模式分辨率越高，预报产品水平越高。预报模式垂直分辨率主要反映混合层高度、对流层垂直扩散等大气层结特征，同尺度范围(小尺度、中尺度和大尺度等)的不同数值预报模式的垂直分辨率相差并不大，因此预报模式产品的精细度主要依赖于模式的水平分辨率。高分辨率的模式预报产品可以更加准确、细致地反映大气污染物的传输、扩散、沉降和化学反应等物理化学过程，尤其在发生大气重污染过程时，更有利于判断重污染的起止时间、影响范围和影响程度等关键信息。

1.1.2 大气条件预报产品

大气条件预报产品是空气质量数值预报模式的重要基础资料和前提条件，直接影响数值模式预报结果的准确度。为应对重污染预警信息提前发布的时效要求，需预报未来3～5 d的空气质量潜势，其准确性则主要依赖于相应时段的大气条件预报。而大气条件预报产品的丰富程度、本地化适用性和有效时段等因素均会直接影响空气质量预报效果。

1.1.3 污染源排放资料

污染源排放资料可反映一定范围内大气污染物排放量的时空分布特征，是数值预报模式重要的输入数据。全面、准确、高分辨率并动态更新的污染源清单能够显著提高数值模式的预报效果，同时有利于精确开展重污染过程中污染物来源解析和去向追踪模拟。

1.1.4 空气质量监测数据

空气质量实时监测数据同样是数值预报模式重要的输入数据，反映预报模式模拟时大气污染物时空分布的客观初始水平，同时也是数值模式预报效果评估的基准数据。空气质量监测数据的空间广泛性(如城市、区域和背景监测站的点位数量和空间分布)直接影响数值预报模式大气污染分布初始场的精细水平，而其时间连续性则为预报效果评估提供关键基准数据，进一步促进数值预报模式改进和完善。

1.2 外部技术支持体系水平

空气质量业务预报不仅依赖于预报模式的稳定运行，同样需要一系列外部技术条件的支持。在客观上，依赖于外部支持产品资源的丰富程度；在主观上，依赖于业务预报流程等工作机制的保障。外部技术支持体系越成熟，业务预报的预期水平越高。

1.2.1 产品资源丰富程度

外部支持产品资源可为数值模式预报结果的客观订正提供重要依据。除大气条件预报产品、污染源排放资料和空气质量监测数据外，其他主要的预报支持产品还包括卫星遥感监测、污染物源解析、大气颗粒物组分、颗粒物粒径谱、激光雷达监测以及大气超级站观测数据等。需注意的是，城市精细化AQI预报及省和区域范围内污染潜势预测等不同层级业务预报对外部支持产品资源的需求有所不同。

1.2.2 业务预报工作机制保障

业务预报工作机制包括预报工作流程、预报值班制度、重污染会商制度和预报效果回顾制度等，反映例行业务预报工作机制保障的整体水平。预报工作机制是否完善，直接影响日常预报能否有序开展。若预报工作机制不健全，预报员的预报行为更易受到个人主观因素的影响，预报结果出现偏差的风险会随之增加。

1.3 预报过程偏差水平

业务预报从模式结果输出、大气条件预报、污染源变化分析、空气质量监测分析到客观订正等各环节均存在客观或主观偏差，直接或间接影响空气质量实际预报效果。

1.3.1 客观偏差

空气质量业务预报的客观偏差主要指数值模式预报产品偏差，其源于多个方面的不确定性。首先，数值预报模式搭建时，若因未充分考虑本地大气环境和污染源排放特点而对模式参数进行适用性调整，很可能造成模式预报结果出现较大偏差；其次，不准确的输入数据会间接导致数值模式预报偏差(如不够准确的天气形势预报、过时的污染源排放清单和缺乏充足的空气质量监测数据等都会带来客观偏差，影响模式预报产品准确性)。

1.3.2 主观偏差

业务预报的主观偏差主要指预报员个人在对模式预报结果进行订正时存在的主观判断偏差。面对同样的模式预报结果和大气条件预测及空气质量实况等参考资料，不同预报员的订正结果也会存在差异(如在预测到可能出现重污染过程时，不同预报员对污染程度、影响范围和持续时间的预报会明显分为“保守”和“激进”2种态度，从而有可能导致预报偏低或偏高)。同样，以京津冀区域春末夏初和夏末秋初时段的预报为例，在首要污染物是细颗粒物还是臭氧的判断上，容易出现预报主观偏差。

1.4 预报命中概率水平

预报命中概率直接反映了预报效果。命中概率由预报的精密度和准确度决定。以预报中度污染为例，图1(a)显示预报结果精密度高，但准确度低，预报偏重；图1(b)显示预报平均水平能够反映中度污染，但不同预报结果过于离散，预报发挥不稳定；图1(c)是最为理想的预报结果，预报精密度和准确度都很高。高精密度和高准确度的预报结果，是业务预报的基本目标。在业务预报中，选择合适的预报结果表达形式，有利于提高预报命中概率(如区域空气质量预报一般采用“跨级”预报的形式，可将区域整体预报结果合理归一化，同时保证一定的预报命中概率)。

图1 预报精密度、准确度和理想结果示意图

2 空气质量业务预报改进方法

综合考虑以数值模式为基础的业务预报的众多影响因素，可从数值模式、基础输入数据、技术保障体系和预报员能力等方面改进业务预报效果。

2.1 提高数值预报模式分辨率

在计算机资源配置允许的情况下，尽可能提高数值预报模式的水平分辨率，并建立分辨率由粗至细的多重嵌套网格。以NAQPMS数值模式对京津冀区域空气质量预报为例，前期测试系统仅能为京津冀区域提供最高水平分辨率为45 km×45 km的模式预报产品，整个区域粗划为约108个网格。经过升级改进后，模式系统建立起“东亚地区-中国-中国中东部-京津冀区域”四层嵌套网格，可为京津冀区域提供高达5 km×5 km分辨率的模式预报产品，区域细化为约8 720个网格。以2015年12月16日的京津冀区域24 h PM2.5浓度预报产品为例，升级前后的NAQPMS数值模式预报产品对比如图2所示，升级后的预报产品的精细程度大大提高，显著提升了模式预报产品水平[10]。

图2 NAQPMS预报模式升级前后京津冀区域24 h PM2.5浓度预报产品示意图

2.2 摸清气象预报的适用性和时效性

基于数值模式的大气条件预报本身存在偏差，且预报时段越长，预报准确性越低。因此，有必要确定主要的大气条件预报产品在本地空气质量业务预报的适用性和时效性。

在适用性上，常用的气象预报资料来源众多，包括欧洲中期数值预报中心(ECMWF，以下简称欧洲中心)；美国国家环境预报中心(NCEP)；韩国气象厅(KMA)；日本气象厅(JMA)和中国中央气象台(NMC)等。在开展业务预报过程中，通过长期使用比较，可从上述众多气象预报来源中筛选出能相对准确地反映当地气象过程的预报资料源，在日常预报使用时有所侧重以提高预报效果。

在时效性上，需注意不同季节气象预报的有效时段。以欧洲中心亚洲地区500 hpa高度场预报为例，将不同时段的预报图与2015年12月15日00h UTC(冬季)的实况图相比较(图3)发现，48 h内预报基本准确，72、96 h预报偏差在可接受范围内，覆盖京津冀区域的低压槽位置向东北方向略有偏移，而120 h预报图中低压槽的强度和位置均出现明显偏差。同理，不同时段的500 hpa高度场预报图与2015年8月2日00h UTC(夏季)的实况图相比较(图4)发现，24 h预报基本准确，48、72 h预报开始出现较大偏差，96、120 h预报偏差显著。综上，冬季高空天气形势较为单一，5 d内的500 hpa高度场预报结果参考性较高；而夏季大气环流运动活跃，高空天气形势复杂多变，超出3 d的500 hpa高度场预报参考性明显下降。因此，建议在实际应用中，统计分析得到本地大气条件预报资料的准确预报时段，尽可能使用最新、最有效时段的大气条件预报产品开展业务预报。

图3 欧洲中心500 hpa高度场冬季不同时段预报结果示意图与实况示意图比较

图4 欧洲中心500 hpa高度场夏季不同时段预报结果示意图与实况示意图比较

2.3 关注大气污染源排放变化

大气污染源排放变化可分为长期平稳变化和短期突发变化，长期平稳变化包括冬季北方取暖造成的污染物排放量增加和受经济下行影响的工业污染物排放量降低等；短期突发变化包括春节期间烟花爆竹集中燃放、季节性秸秆燃烧、沙尘暴过程和重大活动空气质量保障污染物减排等。以2015年2月19日春节前后石家庄市职工医院点位PM2.5质量浓度变化为例(图5)，因除夕烟花爆竹集中燃放导致PM2.5质量浓度从18日18:00的42 μg/m3一路攀升，直至19日9:00达到峰值(323 μg/m)，19日傍晚PM2.5质量浓度有所回落，但由于不利扩散条件影响，重污染一直维持到21日傍晚。另外，受大规模秸秆燃烧影响，东北地区于2015年11月初陷入持续性、大面积的重污染过程，以沈阳市文化路点位11月6—10日PM2.5质量浓度变化为例(图6)，8日凌晨开始PM2.5质量浓度在严重污染的基础上短时间内迅速升高，约12 h后达到浓度峰值(1 309 μg/m3)，随后浓度较快回落，在9日凌晨降至7日平均水平，PM2.5质量浓度经历了一个迅猛变化过程。再以2015年4月27日新疆沙尘暴过程为例，图7显示乌鲁木齐市铁路局点位PM10质量浓度在4 h内从早上6:00的127 μg/m3迅速攀升到10:00的4 900 μg/m3，之后PM10质量浓度逐渐回落，晚上20:00下降至168 μg/m3，由沙尘暴影响引起的PM10质量浓度变化过程一般持续时间较短，通常1 d之内即可回落至前期水平。

建立数值预报模式污染源清单动态更新机制是提高预报准确率的有效方式，但考虑现行的模式污染源清单缺乏动态更新机制，在实际业务预报过程中，需结合大气扩散条件，综合考虑本地污染源排放长期和短期变化，及时对数值模式预报结果进行“加重”或“减轻”等人为修正，从而有效提高预报准确率[11]。

图5 2015年春节前后石家庄市职工医院点位PM2.5质量浓度变化曲线

图6 2015年11月初沈阳市文化路点位PM2.5质量浓度变化曲线

图7 2015年4月27日乌鲁木齐市铁路局点位PM10质量浓度变化曲线

2.4 建立空气质量实时监测同化系统

空气质量实时监测数据同化被认为是提高模式预报产品水平的关键技术之一，动态更新的实时监测数据同化技术类似于“看一眼描一笔”的素描方式，相对于仅凭以某一时间点的空气质量实况(初始场)作为“第一印象”的素描方式，预报效果会显著提高。建立可同化多种污染物实时监测数据的高性能大气污染同化系统，采用动态更新的方式，将实时监测数据和模式信息融合起来，可有效减少模式输入场和参数的误差。例如选取以PM2.5为首要污染物的季节，将2015年12月22日全国PM2.5质量浓度同化分析图与当天AQI实况分布图相比较(图8)，发现除内蒙古中部和华南地区略有偏重外，其他地区PM2.5质量浓度同化结果与AQI实况分布基本一致。因此，实时同化国家环境空气质量监测网的污染物观测数据，可得到动态的、高精度的模式再分析资料，不断为数值预报模式提供高精度初始场，有效减少模式输入数据的不确定性，提高数值预报模式产品准确率。

2.5 建立预报支持产品资源综合应用方法

在数值预报模式以外，寻找尽可能多的外部技术支持产品资源，综合分析可获得更准确的预报判断依据，同时，不同层级业务预报应建立更具针对性的产品资源综合应用方法，为业务预报的客观订正过程提供充分的支持保障。例如，开展城市AQI预报时，激光雷达等监测结果可反映重污染过程中大气颗粒物的浓度变化趋势，为判断大气重污染演变过程提供更加翔实的依据。而省级或区域层级的空气质量形势预测，尤其是发生跨省界的“拉锯式”大气重污染过程时，更需要区域大尺度的污染物实时监测数据与天气形势预报产品相结合进行综合分析。以2015年12月10—13日中东部大气重污染过程为例，对比分析欧洲中心500 hpa 00h UTC高度场和当天空气质量指数实况分布(图9)发现，10—11日，受高空大范围脊区影响，重污染范围由京津冀及周边区域向南移动扩大到湖北和长三角区域；而12—13日，受副热带高压“上拱”影响，重污染带有所上移，湖北省内污染状况明显缓解。

图8 2015年12月22日全国PM2.5浓度同化分析示意图和AQI实况分布示意图比较

2.6 建立完善的业务预报工作机制

建立完善的工作机制是约束预报员主观判断的有效方式。预报工作流程可为业务预报开展提供规范化的步骤要求，尽可能减少人为干预，控制预报的随意性；预报值班制度可设立主副班搭配的方式，副班对主班预报结果提出参考性意见，减少主班的个人盲区；预报会商制度有利于广纳言路、集思广益，从不同专业领域和学术背景获取多方意见，是避免大气重污染过程错报、漏报的有效方式；定期开展预报效果回顾，可评判预报模式系统偏差，总结预报实践经验，纠正预报员个人倾向。以四川省业务预报工作机制为例，其在预报工作流程中规定了实况分析、预报效果回顾、模式和气象条件分析、源变化分析、预报会商、形成预报结果和结果报送等7大部分，在日常值班制度上采用 “三人制”内部会商的形式，根据需要将会商机制分为内部会商、部门会商和外部会商，并定期采用“准确率”评估区域空气质量预测性能，目前各工作机制保障效果良好[12]。总之，建立严格、健全的业务预报工作机制，保障预报产品专业应用和可靠分析，可使业务预报工作有序开展，全面提高预报效果。

2.7 降低业务预报主客观偏差

基于本地大气环境和污染源排放特点设置数值预报模式参数，可提高模式预报适用性，降低模式本身的系统偏差；尽可能选择准确、全面、最新的天气形势预报产品、污染源排放资料和空气质量监测数据，可控制数值模式输入数据和初始场的客观偏差。提高预报员的业务预报能力是控制预报主观偏差的关键，首先，预报员本身应加强预报理论知识学习，提高多方面综合分析能力，在业务预报中将理论与实践充分结合；其次，要注重预报效果回顾，掌握空气质量变化规律和关键影响因子，针对判断偏差不断归纳总结预报实践中的经验和教训；最后，要全面分析经典大气重污染过程案例，深入了解以往重污染过程的影响因素和量化关系，掌握本地大气重污染过程发生、发展和消散特点。在长期业务预报过程中，不断改进数值预报模式，提高预报员个人预报技能，可有效降低业务预报的主客观偏差，从而改善预报效果。

3 结论

目前，中国各省和重点城市已经正式开展环境空气质量业务预报并对外发布预报信息，各地在不断探索中初步形成本地化的业务预报技术体系。其中，基于数值预报模式开展业务预报成为各地主流预报方法之一。在数值模式业务预报中，模式预报产品、基础输入资料、外部技术支持、主客观预报偏差和预报命中概率等均是影响数值模式预报效果的主要因素，积极寻找有针对性的改进方法以降低各影响因素引起的预报偏差，可有效改善业务预报整体效果，从而全面提高预报质量。

[1] 汪巍，高愈霄，赵熠琳，等.中小城市空气质量预报试验与问题研究[J].中国环境监测，2015，31(6):134-138.

[2] 程念亮，李红霞，孟凡，等.我国城市PM2.5数值预报简述[J].安徽农业科学，2015(7):243-246.

[3] 程念亮，李红霞，孟凡，等.山东省空气质量预报平台设计及其预报效果评估[J].环境污染与防治，2015，37(9):92-99.

[4] 杨晓春，吴其重，赵荣，等.西安空气质量预报系统业务运行评估[J].陕西气象，2015(5):41-43.

[5] 徐伟嘉，李红霞，黄慎，等.珠海市空气质量预测模型研究与分析[J].环境科学与技术，2015，38(11):142-147.

[6] 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.

[7] 邰姗姗.辽宁省空气质量预报体系建设初探[J].资源节约与环保，2014(10):154-155.

[8] 马琳达.贵阳市环境空气质量预报预警系统建立的探讨[J].环保科技，2015(2):44-47.

[9] 蒋争明.中山市空气质量预报预警系统建设现状[J].资源节约与环保，2015(4):127.

[10] 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.

[11] 王晓彦，刘冰，李健军，等.区域环境空气质量预报的一般方法和基本原则[J].中国环境监测，2015，31(1):134-138.

[12] 四川省环境监测总站.四川省空气质量预报预警指导手册(试行)[R].成都：四川省环境监测总站，2015.

Discussion on the Influence Factors and Improvement Methods of Ambient Air Quality Forecasting Based on Numerical Models

WANG Xiaoyan1,ZHAO Yilin1,HUO Xiaoqin1,XU Yishan1,WANG Wei1,ZHU Lili1,YAN Pingzhong2,LI Jianjun1

1.State Environmental Protection Key Laboratory of Quality Control in Environmental Monitoring，China National Environmental Monitoring Centre,Beijing 100012，China 2.Institute of Atmospheric Physics，Chinese Academy of Sciences，Beijing 100029，China

Numerical forecasting is one of the main methods in ambient air quality forecasting service across China. Several factors such as forecasting model products, basic input data, external technical support, subjective and objective deviation and forecasting hit probability will affect the results of numerical forecasting in varying degrees. This paper discussed the influence of these factors on the results of numerical model forecasting and targeted improvement methods, in order to reduce forecasting deviation and then improve the overall effect and quality of routine forecasting,finally provide technical reference for local cities and regions.

ambient air quality;influence factors of forecasting;improvement methods;numerical forecasting

2016-01-25;

2016-04-21

2014年国家科技支撑计划“基于物联网的区域空气质量预警及决策支撑技术及应用”(2014BAC06B04)

王晓彦(1985-)，女，河北邢台人，硕士，工程师。

李健军

X823

A

1002-6002(2016)05- 0001- 07

10.19316/j.issn.1002-6002.2016.05.01