2016年秋季新乡市空气质量模式预报效果评估

马 琳，魏 巍，张稳定，晏平仲

1.新乡市环境保护监测站，河南 新乡 4530032.中国科学院大气物理研究所，北京 100029

2016年秋季新乡市空气质量模式预报效果评估

马 琳1，魏 巍2，张稳定2，晏平仲2

1.新乡市环境保护监测站，河南 新乡 4530032.中国科学院大气物理研究所，北京 100029

基于新乡市空气质量数值预报平台，采用相关系数(r)、标准化平均偏差(NMB)等统计指标，系统评估2016年秋季新乡市嵌套网格空气质量预报模式(NAQPMS)和通用多尺度空气质量模式(CMAQ)的预报效果，对比分析2套模式不同预报时效和不同水平分辨率的空气质量等级预报准确率。结果显示：2套模式均较好地表征了各主要污染物的浓度变化特征，2套模式的等级预报准确率高于60%，其中CMAQ对中度及重度的预报等级准确率达到70%。对比模式24、48、72 h 3种预报时效效果，24 h预报时效的统计数据最优，说明24 h预报时效模拟结果可作为业务预报重要的支撑。

NAQPMS；CMAQ；空气质量预报；准确率；新乡市

随着经济的高速发展，近年来，中国大范围空气污染问题频繁发生，受到了政府和公众的广泛关注。2013年，国务院印发的《大气污染防治行动计划》[1](简称《大气十条》)明确指出各个城市要建立监测预警应急体系，妥善应对重污染天气。精准及时的空气质量预报对指导区域-城市大气污染应急防控及公众出行安排等具有重要的作用，也是减轻大气污染不良影响和危害的重要手段。

2013年开始，国家-区域-省级-市级层面已陆续建立空气质量预报业务并每日通过多种渠道对外发布空气质量预报结果，全国多层级空气质量预报体系已初步建立。数值模式作为空气质量预报最常用的一种支撑手段，已在多个城市的常规业务预报和重大活动空气质量保障工作中得到广泛应用[2-8]。

河南省是中国大气污染最为严重的省份之一，近年来已有不少学者针对其污染特征、成因和来源开展研究[9-11]。新乡市于2016年开展环境空气质量预报预警平台建设工作，截至2017年，已实现PM10、PM2.5、SO2、NO2、O3、CO等主要污染物未来3 d精细化预报和未来7 d趋势预报能力。新乡市空气质量预报预警平台以中国科学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NAQPMS[12-14]以及国际主流的美国环保署CMAQ模式[15-17]为核心，气象预报模式采用广泛应用的中尺度气象模式WRF，排放源采用清华大学研究建立的全国网格化排放源清单MEIC。本文通过分析2016年秋季新乡市空气质量模式预报效果，检验评估模式预报能力并识别主要预报误差及可能原因，为模式的进一步调优改进提供科学依据，为其他地市空气质量预报预警系统建设提供经验借鉴。

1 研究方法

1.1模式设置

1.1.1 预报区域和预报时间

2套模式预报区域采用统一的三层嵌套设置(图1)。

图1 模式预报区域设置Fig.1 Map of the model domain

第一层覆盖中国中东部地区，水平分辨率为27 km×27 km；第二层覆盖河南省及周边地区，水平分辨率为9 km×9 km；第三层覆盖新乡及周边地市，水平分辨率为3 km×3 km。垂直方向分为20层，覆盖地面到20 km高度，其中边界层内10层。

模式起报时刻为每日20：00(北京时)，计算未来168 h的气象场和污染物浓度场，提供未来3 d 的新乡市空气质量预报以及未来7 d区域污染趋势预报结果。预报输出结果的时间分辨率为1 h。

1.1.2 气象预报模式设置

空气质量模式的气象驱动场由WRF模式计算获得。该模式为美国环境预测中心(NCEP)和美国国家大气研究中心(NCAR)等科研机构联合开发的新一代中尺度气象模式。WRF模式的初始和边界条件采用NCEP的GFS全球预报数据集。WRF模式的预报区域设置与空气质量模式保持一致。

1.1.3 污染排放清单

排放源清单以清华大学制作的全国大气污染排放清单(http://www.meicmodel.org)为基础，并融合新乡市本地的污染源普查和环境统计数据，利用空间分配、时间分配、化学分配等处理获得空气质量模式所需的网格化排放源。排放清单包含7大行业类别的9种污染物排放量。行业类别包括工业、电厂、民用、交通、农业、天然源及其他。污染物包括PM10、PM2.5、SO2、NOx、VOCs、BC、OC、NH3、CO。

1.1.4 空气质量模式参数化方案设置

NAQPMS模式的平流输送采用Walcek方案，干沉降采用Wesely阻力模型，湿沉降是基于RADM机制发展改进的算法，气象化学采用CBM-Z机制，液相化学采用RADM酸沉降模型，气溶胶化学方案考虑气溶胶微物理过程、沙尘气溶胶与人为气溶胶的相互作用。

CMAQ模式的平流输送采用Bott方案，干沉降采用Pleim-Xiu模型，湿沉降采用RADM机制并考虑痕量气体与冷凝水混合的物理化学过程，气相化学采用CB05机制，液相化学采用RADM酸沉降模型，气溶胶化学采用三模态机制，考虑不同模态气溶胶生成云凝结核的过程。

1.2数据来源

研究使用的污染物观测数据来源于新乡市4个国控监测站点的6项污染物小时浓度值，监测点空间分布如图2所示。

图2 新乡市空气质量监测站点分布示意图Fig.2 Location of the air quality monitoring sites in Xinxiang city China

1.3预报评估方法

模式评估采用的检验指标为相关系数(r)和标准化平均偏差(NMB)。r表征预报值与观测值时间变化趋势的相似程度；NMB表征预报值相对观测值的平均偏差比例。两者的具体计算公式如下[18]：

(1)

(2)

1.4空气质量等级预报

依据环境保护部发布的《环境空气质量指数(AQI)技术规定》[19]，将空气质量模式预报的首要污染物的空气质量分指数(IAQI)作为当天的空气质量指数(AQI)并通过查表获得其对应的空气质量等级。与监测AQI对比时，将预报AQI取一定范围，若监测的AQI落在预报AQI范围内，则认为模式预报的空气质量等级准确。根据中国环境监测总站指导建议[20]，预报AQI的取值范围如下：①优：预报AQI±10；②良：预报AQI±10；③轻度污染：预报AQI±15；④中度污染：预报AQI±15；⑤重度污染：预报AQI±25；⑥严重污染：预报AQI±25。

2 结果与分析

2.1污染物模拟结果的统计分析

基于NAQPMS和CMAQ模式D3区域24 h时效预报结果，统计2016年秋季新乡市6项常规污染物的日均预报值，并与监测结果对比(图3)。

图3 NAQPMS和CMAQ 24 h时效预报与观测日均污染物浓度时间变化对比Fig.3 Comparisons of observed and predicted daily pollutants concentrations by NAQPMS and CMAQ from 24-hour forecast

图3显示，NAQPMS和CMAQ均较好地预测了PM10、PM2.5、NO2、O3-8 h和CO等污染物的浓度值和变化趋势，但CMAQ模式对SO2浓度的预报存在明显偏高现象。另外，针对11月12—20日的PM2.5和PM10重污染过程，2个模式均能模拟出颗粒物的变化趋势，但存在明显低估现象。

表1详细给出2个模式对6项污染物的预报评估结果。

表1 NAQMS和CMAQ预报评估结果Table 1 The NMB and r of 24-hour forecast for sixpollutants by NAQMS and CMAQmodels in inner domain

表1结果显示：除SO2以外，2个模式均可较好地表征各污染物的变化，其中O3-8 h的预报效果最好。除SO2以外，NAQPMS对各污染物预报的r值范围为0.48～0.74，CMAQ则为0.59～0.81，NMB均在±35%以内。对于SO2，CMAQ预报的r和NMB分别为0.27和134%，NAQPMS则分别为0.42和-27%，表明CMAQ模式对SO2浓度的预报明显偏高且未能合理反映其变化趋势。NAQPMS对SO2的预报效果优于CMAQ。

2.2AQI预报结果评估

基于2016年9—11月NAQPMS和CMAQ模式预报的6项污染物日均浓度，计算新乡市每日预报AQI值，定量评估2套模式不同预报时效(当天及24、48、72 h)和不同预报区域(D1、D2、D3)的预报效果。

2.2.1 24 h预报时效的模拟效果

2.2.1.1 时间变化评估

图4展示评估时段内NAQPMS和CMAQ模式D3区域AQI预报与观测的对比。可见，评估时段内空气质量等级以良和轻度污染为主，偶有中度和重度污染发生。NAQPMS预报的AQI与观测结果的变化趋势较为一致，而CMAQ模式在部分时段预报偏高。

图4 24 h预报时效AQI日变化对比Fig.4 Comparisons of observed and predicted 24-hour forecast daily AQI from NAQPMS and CMAQ

2.2.1.2 等级准确率统计分析

表2给出了NAQPMS和CMAQ模式24 h预报的空气质量等级准确率。可见，2套模式的空气质量等级预报准确率均高于60%。图5给出了2套模式不同嵌套区域对6个空气质量等级的预报准确率。结果显示：NAQPMS对良级别的预报准确率相对较高，3个嵌套区域的预报准确率为77%～83%，但对轻度及以上污染等级的预报准确率有所降低。其中，轻度污染为66%～74%，中度污染及重度污染为50%～67%。CMAQ对中度和重度污染级别的预报效果较好，预报准确率高于70%。

表2 24 h预报时效的空气质量等级准确率Table 2 The model accuracy of 24-hourforecast for air quality grade

注：n(N)代表监测和预报同时有效为N对时，AQI准确数量为n。

2.2.2 不同预报时效的模拟效果对比

新乡市NAQPMS和CMAQ模式每天可提供未来3 d的空气质量精细化预报。因此，将每日的空气质量预报结果分为当天、24、48、72 h 4个不同的预报时效，对比分析不同预报时效模拟结果。

图5 24 h预报时效不同嵌套区域对各个空气 质量等级的预报准确率Fig.5 The accuracy of three domains in 24-hour forecast for six air quality grades from NAQPMS and CMAQ model

图6统计了不同空气质量等级下NAQPMS和CMAQ的不同预报时效的准确率。

图6 NAQPMS和CMAQ不同预报 时效空气质量等级预报准确率Fig.6 The accuracy of different hour forecast in inner domain for six air quality grades from NAQPMS and CMAQ model

由图6可见，除了三级(轻度污染)以外，NAQPMS模式24 h的预报准确率高于其他预报时效；CMAQ的当天和24 h预报总体优于48、72 h预报。NAQPMS 模式24 h预报对空气质量二级(良)、三级(轻度污染)和五级(重度污染)的预报准确率较高，而CMAQ 24 h预报对各空气质量等级的准确率则相差不大，均接近60%。总体而言，模式24 h预报结果可作为更可靠的预报参考。

3 结论

介绍了新乡市空气质量数值预报系统的构成和设置，系统评估了NAQPMS和CMAQ模式对2016年秋季新乡市每日空气质量的预报效果，主要结论如下：

1)NAQPMS和CMAQ模式均能合理预报PM2.5、PM10、O3-8 h、NO2和CO的日均浓度和变化趋势，但CMAQ模式对SO2的预报显著偏高，下一步需重点分析偏差原因并予以改善。

2)NAQPMS和CMAQ的24 h时效空气质量等级预报准确率高于其他时效，其预报准确率分别达到66%～73%和63%～69%。NAQPMS对良级别的预报准确率较高，但对中度污染及以上级别的预报准确率仍有待提高。而CMAQ需进一步改进优良级别的预报准确率。

3)为进一步提高模式预报的准确性和可靠性，未来需定期开展预报效果评估，及时识别预报误差和来源，并开展针对性的调优。此外，可考虑纳入大气化学资料同化和多模式集合预报等技术，进一步提升预报准确率。

[1] 中华人民共和国国务院．国务院关于印发大气污染防治行动计划的通知[EB/OL].(2013-9-12) [2017-5-3].http://www. gov.cn/zwgk/2013-09/12/content_2486773.htm．

[2] 王自发，吴其重，GBAGUIDIA，等．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：自然科学版，2009，1(1)：19-26．

WANG Zifa, WU Qizhong, GBAGUIDIA, et al. Ensemble air quality multi-model forecast system for Beijing (EMS-Beijing): Model description and preliminary application[J]. Journal of Nanjing University of Information Science and Technology: Natural Science Edition,2009,1(1):19-26.

[3] 徐文帅，李云婷，吴其重，等．AQI标准下北京市空气质量数值预报系统及其在重大活动保障中的应用[J]．中国环境监测，2016，32(2)：11-19．

XU Wenshuai, LI Yunting, WU Qizhong, et al. Air quality numerical forecasting system and its application during the period of guarantee for major events in Beijing underAQIstandard[J]. Environmental Monitoring in China,2016,32(2):11-19.

[4] 王茜，伏晴艳，陆涛，等．数值模式在上海市空气质量预报中的应用研究[C]∥中国环境科学学会学术年会论文集.北京：中国环境科学出版社，2009.

[5] 王茜，伏晴艳，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(4)：1-6．

WANG Qian, FU Qingyan,WANG Zifa,et al. Application of ensemble numerical model system on the air quality forecast in Shanghai[J]. Environmental Monitoring and Forewarning,2010,2(4):1-6.

[6] 梁永贤，廖汝娥．深圳市环境空气质量数值预报系统介绍[J]．广州化工，2015，43(24)：161-163．

LIANG Yongxian,LIAO Ru’e. Introduction of Shenzhen ambient air quality numerical forecast system[J]. Guangzhou Chemical Industry,2015,43(24):161-163.

[7] 符春．数值预报方法在广州空气质量预报中的应用[J]．环境科学与管理，2006，31(7)：161-165．

FU Chun. Application of numerical model system on the air quality Forecast in Guangzhou[J]. Environmental Science and Management,2006，31(7):161-165.

[8] 陈焕盛，王自发，吴其重，等．空气质量多模式系统在广州应用及对PM10预报效果评估[J]．气候与环境研究，2013，18(4)：427-435．

CHEN Huansheng,WANG Zifa,WU Qizhong,et al. Application of air quality multi-model forecast system in Guangzhou:Model description and evaluation of PM10forecast performance[J]. Climatic and Environmental Research,2013,18(4):427-435.

[9] 张稳定，李杰，向伟玲，等．区域输送对河南郑州空气质量影响的数值模拟研究[J]．环境保护前沿，2013(3)：18-24．

ZHANG Wennding,LI Jie,XIANG Weiling,et al.Simulation of the impacts of regional transport on air quality of Zhengzhou,Henan[J]. Advances in Environmental Protection,2013(3):18-24.

[10] 王媛林，李杰，李昂，等. 2013—2014年河南省PM2.5浓度及其来源模拟研究[J]. 环境科学学报，2016，36(10): 3 543-3 553.

WANG Yuanlin,LI Jie,LI Ang,et al. Modeling study of surface PM2.5and its source apportionment over Henan in 2013—2014[J]. Acta Scientiae Circumstantiae,2016,36(10):3 543-3 553.

[11] 杨旭， 康延臻，王式功，等. 郑州市大气污染特征及其与气象条件的关系[J]. 兰州大学学报: 自然科学版，2017，53(3):348-354.

YANG Xu,KANG Yanzhen,WANG Shigong,et al. Air pollution characteristics in Zhengzhou city and their relationship with meteorological factors[J].Journal of Lanzhou University:Natural Science Edition,2017,53(3):348-354.

[12] WU Q Z,WANG Z F,GBAGUIDI A,et al. A numerical study of contributions to air pollution in Beijing during CARE Beijing-2006[J]. Atmos Chem Phys,2011,11：5 997-6 011.

[13] 王哲，王自发，李杰，等．气象-化学双向耦合模式(WRF-NAQPMS)研制及其在京津冀秋季重霾模拟中的应用 [J]． 气候与环境研究，2014， 19(2)：153-163．

WANG Zhe,WANG Zifa,LI Jie,et al. Development of a meteorology-chemistry two-way coupled numerical model (WRF-NAQPMS) and it’s alication in a severe autumn haze simulation over the Beijing-Tianjin-Hebei area,China[J]. Climatic and Environmental Research,2014,19(2): 153-163.

[14] 潘锦秀，朱彬，晏平仲，等．京津冀区域重污染天气过程数值预报评估新方法[J]． 环境科学学报，2016，36(8)：2 752-2 760．

PAN Jinxiu,ZHU Bin,YAN Pingzhong,et al. An evaluation method for the operational NAQPMS numerical forecast of heavy pollution in Beijing-Tianjin-Hebei area[J]. Acta Scientiae Circumstantiae,2016,36(8):2 752-2 760.

[15] 赵秀娟，姜华，王丽涛，等．应用CMAQ模型解析河北南部城市的霾污染来源[J]．环境科学学报，2012，32(10)：2 559-2 567．

ZHAO Xiujuan,JIANG Hua,WANG Litao,et al. Quantifying the source of haze pollution in southern Hebei cities using CMAQ model[J].Acta Scientiae Circumstantiae,2012,32(10):2 559-2 567.

[16] 黄晓波，殷晓鸿，黄志炯，等．不同模式对珠三角地区细颗粒物污染模拟效果对比评估[J]．环境科学学报，2016，36(10)：3 505-3 514.

HUANG Xiaobo,YIN Xiaohong,HUANG Zhijiong,et al. Evaluation and intercomparison of PM2.5simulations by air quality models over Pearl River Delta[J]. Acta Scientiae Circumstantiae,2016,36(10):3 505-3 514.

[17] WANG Litao,WEI Zhe,WEI Wei,et al. Source apportionment of PM2.5in top polluted cities in Hebei,China using the CMAQ model[J]. Atmospheric Environment,2015,122：723-736.

[18] 中国环境监测总站．环境空气质量预报预警方法技术指南[M]．北京：中国环境出版社，2014.

[19] 中华人民共和国环境保护部．环境空气质量指数(AQI)技术规定(试行)[EB/OL]．(2012-03-02)[2017-5-3]．http://kjs.mep.gov.cn/hjbhbz/bzwb/ dqhjbh/jcgfffbz/201203/t20120302_224166.htm.

[20] 王晓彦，陈佳，朱莉莉，等. 城市环境空气质量指数范围预报方法初探[J]. 中国环境监测，2015，31(6)：139-142．

WANG Xiaoyan,CHEN Jia,ZHU Lili,et al. Discussion on the methods of urban ambient air quality index range forecasting[J]. Environmental Monitoring in China,2015,31(6):139-142.

EvaluationonAirQualityForecastingModelintheFallof2016inXinxiangCity,HenanProvince

MA Lin1,WEI Wei2,ZHANG Wending2,YAN Pingzhong2

1.Xinxiang Environmental Monitoring Station,Xinxiang 453003,China2.Institute of Atmospheric Physics, Chinese Academy of Sciences,Beijing 100029,China

Based on air quality forecasting platform in Xinxiang city, two statistical indicators, correlation coefficient (r) and Normal Mean Bias (NMB), were used to evaluate the simulation of air quality model NAQPMS and CMAQ in Autumn of 2016 in Xinxiang City. The accuracy of air quality level forecasts from two model were calculated as well. The results indicated that the models can performance well with 24 hour forecasts when comparing to observation. The accuracies of Air Quality Index (AQI) from NAQPMS and CMAQ were both over 60%, and CMAQ performed better on moderately polluted and heavily polluted level, with the accuracy exceeding 70%. The performance of 24 hour forecasts were better than 48 and 72 hour forecasts. To improve the forecasting accuracy, it is suggesting that ensemble method for air quality forecasts could be applied for multi-models forecasting system.

NAQPMS;CMAQ;air quality forecasting;accuracy;Xinxiang

X823

A

1002-6002(2017)05- 0089- 06

10.19316/j.issn.1002-6002.2017.05.13

2017-06-01;

2017-08-31

国家自然科学基金资助项目(41505105)；环保公益性行业科研专项(201509014)

马 琳(1969-)，河南新乡人，学士，高级工程师。

晏平仲