CUACE模式在沈阳市区PM2.5预报中的检验分析

吴宇童　李典　鲁杨　柴晓玲　张帅　崔景琳

摘 要：采用2014年气象常规地面资料及环境监测站数据分析发现，沈阳市区的霾天气主要集中在每年的10月、11月和12月，全年中首要污染物PM2.5占的比例最大为42%.因此，利用2014-10-01—2014-12-31沈阳市区环境监测站全市平均的日平均值观测数据，对CUACE模式在沈阳市区PM2.5预报中的效果进行了检验分析。结果表明，CUACE模式基本能反映沈阳市区PM2.5的浓度状况和变化趋势，但存在系统性低估的问题，在不存在明显峰值时，预报效果较好。

关键词：CUACE模式；PM2.5；PM10；空气质量指数

中图分类号：X513 文献标识码：A DOI：10.15913/j.cnki.kjycx.2017.05.010

随着经济建设和人们对交通、能源的依赖程度越来越高，霾的危害将会日益显现，减轻霾危害已经成为一个不可忽视的问题。目前，沈阳市气象台对霾天气还是以监测为主，对霾的预报方法还仅限于经验预报。为了进一步提高霾天气预报水平，我们在加强霾天气预报技术研究的同时，对空气质量预报产品的检验和预报评估工作也必不可少。

CUACE模式是中国气象科学研究院自主研发的区域天气大气化学大气气溶胶双向耦合模式预报系统，目前，该系统水平分辨率为3 km×3 km，预报范围覆盖全辽宁省，以WRF资料为初始场，每日20：00（北京时间）起报，预报时效72 h，预报产品种类主要包括PM2.5、PM10、SO2、NO2、O3、CO六种污染物浓度，首要污染物，空气质量指数AQI（Air Quality Index），污染等级雾和霾区域及等级污染气象条件等。针对CUACE对沈阳市区PM2.5的预报效果进行了初步检验和系统性评估。

1 资料与方法

1.1 模式与资料

本文选取沈阳市区环境监测站全市平均的日平均值作为实况值，根据现有的CUACE模式资料，对2014-10—2014-12模式预报的PM2.5日均浓度值进行了检验。

1.2 检验方法

本文采用统计检验和分级检验两种方法对沈阳市区PM2.5浓度的预报检验。统计检验方法主要从模式值与实况值的绝对差异和相对偏差角度评价预报效果。指标包括均值偏差MB、标准化均值偏差NMB、均方根误差RMSE和标准化标准误NME，其计算公式为：

分级检验方法主要从污染物浓度预报的角度评价预报效果，文中设定了一定的污染阈值，将模式预报和实况值对比散点图划分为4个区间，如图1所示。

2 预报效果检验分析

2.1 沈阳市区霾天气及首要污染物分析

利用Micaps常规地面资料，按相对湿度小于90%，能见度小于10 km的标准，结合2014年沈阳市气象台发布的霾预警情况，统计2014年出现霾的日数。研究表明，沈阳市区的霾天气有秋冬多、春夏少的特征，霾天气主要集中在每年的10月、11月和12月，如图2所示。

利用沈阳市环境监测站数据分析沈阳市区全年首要污染物分布特征，研究表明，一年中沈阳市区首要污染物为PM2.5的共有153天，占全年的42%，如图3所示。

2.2 CUACE预报效果检验分析

基于以上分析，沈阳市区的霾天气主要集中在每年的10月、11月和12月，首要污染物主要为PM2.5，所以，本文基于CUACE模式对PM2.5浓度的预报进行了检验和预报效果评估。

图4给出了研究时段中对沈阳市区PM2.5日均值的模拟对比情况。由此可见，该模式能够较好地模拟出PM2.5的时间变化趋势。对于较低的PM2.5浓度，模式模拟值与实测值较为接近。模拟与实测的偏差主要出现在峰值的模拟中，模拟的峰值大小往往远小于实测值，这可能与污染源排放以及区域背景的浓度都被低估有关。

表1和图5中列出了各研究时段沈阳市区PM2.5日均浓度模拟值与实测值的统计参数评估结果。可以看出，该模式对PM2.5的模拟值与实测值存在低估现象。各个月份模拟值与观测值的标准平均误差在51%～75%之间。当PM2.5观测值较高时，模式模拟结果与实测相比偏差更大，比如2014-10的模拟值比实测值低估最多，模拟PM2.5浓度在这月低估达到了75%；12月最佳，为34%.这可能是因10月份颗粒物浓度出现了峰值，高浓度污染事件较多，而模型对峰值的模拟能力不足，导致总体的模拟效果不佳。此外，也可能是由于该模式对整个大区域背景模拟值偏低。

环境空气质量标准GB 3095—2012中的二级标准为：24 h平均PM2.5浓度标准为75 ug/m3。以75为分界线将预报值和实况值分为4个区域。从图5能更直观的看出，d区域（预报值偏低）的占的比例很大，图5中的准确率为48%、成功指数为26%、虚报率仅为8%.

平均偏差MB与均方根误差RMSE反映了模式值和实况值之间的偏差和误差大小，其绝对值越小，表明数值模式结果与实况结果越为接近，模拟效果越好；归一化标准因子NMB和NME考虑了不同浓度水平下模拟与观测的差异，反映了模式值与实况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。所以，CUACE模式基本能够反映沈阳市区PM2.5的浓度状况和变化趋势，但存在系统性的低估问题，在不出现明显的峰值时，预报效果较好。

3 结束语

本文提出的模式能较好地模拟出PM2.5的时间变化趋势。在PM2.5浓度较低时，模式模拟值与实况值也较为接近。模式与实况的偏差主要出现在峰值的模拟中，这是因为模型对峰值的模拟能力不足，模拟的峰值大小往往远小于实测值，导致总体的模拟效果不佳。

参考文献

[1]吴兑，吴晓京，李菲，等.1951—2005年中国大陆霾的时空变化[J].气象学报，2010，68（05）.

[2]吴兑.近十年中国灰霾天气研究综述[J].环境科学学报，2012，32（02）.

[3]王跃思，姚利，王莉莉，等.2013年元月我国中东部地区强霾污染成因分析[J].中国科学：地球科学，2014，44（01）.

[4]王自发，谢付莹，王全喜，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（05）.

[5]徐建明，徐祥德，刘煜，等.CMAQ-MOS 区域空气质量统计修正模型预报途径研究[J].地球科学，2005，35（增刊）.

[6]谢敏，钟流举，陈焕盛，等.CMAQ模式及其修正预报在珠三角区域的应用检验[J].环境科学与技术，2012，35（02）.

[7]董亚龙，吴宁.CAPPS 模式在铜川空气质量预报中的效果检验[J].陕西气象，2004（05）.

[8]王宏，冯宏芳，石钰，等.CAPPS3 模式在福州市预报效果检验[J].气象与环境学报，2011，27（04）.

[9]王茜，伏晴艷，王自发，等.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（04）.

[10]杨民，王庆梅，马印飞，等.兰州市空气质量预报系统结构及效果检验[J].环境与气象，2002，20（02）.

〔编辑：张思楠〕