潘錦秀，晏平仲，孫 峰，李云婷，劉保獻，王占山，董 瑞

1.北京市環(huán)境保護監(jiān)測中心,大氣顆粒物監(jiān)測技術(shù)北京市重點實驗室,北京 100048 2.中國科學(xué)院大氣物理研究所,大氣邊界層和大氣化學(xué)國家重點實驗室,北京 100029

近年來，在《北京市2013—2017年清潔行動計劃》[1]和京津冀及周邊地區(qū)大氣污染聯(lián)防聯(lián)控政策的積極推動下，北京市PM2.5濃度逐年降低，從2013年89 μg/m3降至2017年58 μg/m3[2]，空氣質(zhì)量在一定程度上得以改善。但是，秋冬季仍然是空氣重污染頻發(fā)季節(jié)，以2016年為例，38 d PM2.5重污染中有22 d發(fā)生在采暖季，38 d 重污染對全年P(guān)M2.5平均濃度貢獻為23 μg/m3(占31.5%)[3]。北京市的空氣質(zhì)量重污染過程形成受到氣象、排放和地理條件等諸多因素影響[4-6]，重污染過程的發(fā)生有時無法避免，要達到年均值逐年下降的目標(biāo)，重污染過程中污染物的“削峰降速”作用就顯得尤為重要。北京市PM2.5濃度變化劇烈，在極短的時間內(nèi)容易出現(xiàn)濃度快速上升或下降的巨大變化，在2017年新修訂的《北京市空氣重污染應(yīng)急預(yù)案》中再次引入了“小時”概念[7]，這意味著對重污染的實際業(yè)務(wù)預(yù)報需要精確到小時級別，對于其起始時間、高值持續(xù)時段及污染的級別等均要做出相應(yīng)的判斷，為政府相關(guān)部門爭取足夠的時間采取減排措施，降低污染程度。

日常的空氣質(zhì)量預(yù)報往往是在業(yè)務(wù)化多模式空氣質(zhì)量預(yù)報系統(tǒng)[8]結(jié)果的基礎(chǔ)上加以人工訂正，從而對未來的空氣質(zhì)量進行預(yù)報，但是目前空氣質(zhì)量模式多樣，預(yù)報結(jié)果具有多樣性，應(yīng)用時往往難以抉擇，這就需要開發(fā)一個優(yōu)于各個模式結(jié)果的預(yù)報產(chǎn)品來為我們服務(wù)。集合預(yù)報技術(shù)主要基于復(fù)雜的三維環(huán)境空氣質(zhì)量數(shù)值模式，通過構(gòu)建產(chǎn)生多個具有差異的預(yù)報樣本，利用多元回歸、神經(jīng)網(wǎng)絡(luò)等數(shù)學(xué)方法產(chǎn)生最優(yōu)確定性預(yù)報結(jié)果，并且可提供污染發(fā)生概率預(yù)報，同時定性定量表征區(qū)域污染程度和污染規(guī)律，為環(huán)境空氣質(zhì)量預(yù)報預(yù)警和污染控制決策支持提供更為豐富的預(yù)報信息[9-11]。王茜等[12]采用學(xué)習(xí)型線性回歸方法對上海市PM2.5預(yù)報效果進行改進，明顯提高了PM2.5濃度的預(yù)報效果。吳劍斌等[13]在臭氧業(yè)務(wù)預(yù)報中引入一種最優(yōu)化集合方法，提高了臭氧預(yù)報的準(zhǔn)確率。

目前，北京市多模式空氣質(zhì)量預(yù)報系統(tǒng)對PM2.5預(yù)報效果主要依賴不同模式成員的預(yù)報效果，并沒有將觀測信息有效應(yīng)用于空氣質(zhì)量預(yù)報的優(yōu)化，因此，該研究首先評估了多模式空氣質(zhì)量預(yù)報系統(tǒng)對2016年北京市PM2.5的預(yù)報技巧，并利用多元線性回歸方法將一年的日均PM2.5濃度值及2016年12月16—22日(紅色預(yù)警期間)的小時PM2.5濃度值與三模式的結(jié)果進行集成，得到優(yōu)于各模式預(yù)報特點的集合預(yù)報方法，從而提高多模式集合預(yù)報系統(tǒng)對日常業(yè)務(wù)化空氣質(zhì)量預(yù)報及重污染天氣預(yù)報預(yù)警的支撐力度。

1 研究方法

數(shù)值模式數(shù)據(jù)來自中國科學(xué)院大氣物理研究所研發(fā)的多模式預(yù)報系統(tǒng)，主要由CMAQ、CAMx和NAQPMS 3個模式組成。不同模式具有相同的氣象場輸入、區(qū)域設(shè)置和排放源，該多模式空氣質(zhì)量預(yù)報系統(tǒng)的相關(guān)詳細設(shè)置見參考文獻[14]。模式系統(tǒng)每日預(yù)報未來7 d京津冀區(qū)域13個地市空氣質(zhì)量狀況，每日預(yù)報以前一日北京時間20:00為起始時間，預(yù)測未來7 d污染物濃度。該研究模式相關(guān)數(shù)據(jù)均來自模式系統(tǒng)第二層嵌套預(yù)報結(jié)果，提取每日預(yù)報的第5～28 h模式數(shù)據(jù)，從而獲得2016年全年的三模式PM2.5小時預(yù)報數(shù)據(jù)。

1.1 數(shù)據(jù)資料來源

觀測資料來自于北京市環(huán)境保護監(jiān)測中心，包括北京2016年12個國控點位數(shù)據(jù)PM2.5的逐小時觀測濃度，北京市國控點位的具體信息如表1所示。

表1 北京市國控點位信息Table 1 The information of air monitoring stations in Beijing

1.2 多元線性回歸方法

多元線性回歸方法(REG)的主要思路為根據(jù)起報日之前一定歷史時期的模式預(yù)報效果，總結(jié)出各模式預(yù)報值與實測值之間的函數(shù)關(guān)系。黃思等[15]利用多元線性回歸方法改進了2010年北京PM10的預(yù)報效果，在此基礎(chǔ)上，該研究利用該方法改進日均PM2.5的業(yè)務(wù)化預(yù)報效果，重點研究了該方法對小時PM2.5預(yù)報的改進效果，以期支撐重污染應(yīng)急措施的啟動和解除，多元線性回歸方法的具體公式見參考文獻[15]。在利用多元線性回歸方程集成時有一個關(guān)鍵參數(shù)，即訓(xùn)練時長，它表征著需要多長時間的歷史觀測資料才能更好地構(gòu)建回歸模式，不同的訓(xùn)練時長訂正的預(yù)報效果不同。為了尋求最優(yōu)的訓(xùn)練時長，該研究利用北京2016年全年國控點位平均PM2.5日均數(shù)據(jù)和三模式預(yù)報數(shù)據(jù)，統(tǒng)計了訓(xùn)練時長為1～70 d 的情況下，預(yù)報與觀測的相關(guān)系數(shù)(r)和均方根誤差(RMSE)的變化，如圖1所示。

圖1 各點位平均誤差隨訓(xùn)練時長的變化Fig.1 Average error of all sites at different lengths of training time

由圖1可以看出，當(dāng)訓(xùn)練時長小于13 d時，多元線性回歸的r值低于0.65，RMSE高于50 μg/m3，這表示在訓(xùn)練時長低于13 d時，多元線性回歸方法并不能有效提高PM2.5的預(yù)報技巧。隨著訓(xùn)練時長的增加，r不斷增加，RMSE不斷減小，這表示隨著訓(xùn)練時長的增加，多元線性回歸方法對預(yù)報的改進效果顯著，當(dāng)訓(xùn)練時長達到64 d后，r和RMSE的變化處于較平穩(wěn)的變化中，敏感度下降，增加訓(xùn)練時長對預(yù)報技巧的影響較小，因此，該研究將訓(xùn)練時長設(shè)置為64 d，對北京市PM2.5的預(yù)報結(jié)果進行集合預(yù)報。

1.3 評估方法

選取2016年1—12月作為評估時段，并劃分為春季(3—5月)、夏季(6—8月)、秋季(9—11月)和冬季(1—2月和12月)，主要從時間序列分析和統(tǒng)計參數(shù)2個方面評估模式系統(tǒng)預(yù)報能力。

時間序列分析主要考察各模式對污染物濃度的整體變化趨勢的預(yù)測能力，并在氣象、環(huán)境的模式研究領(lǐng)域通用的統(tǒng)計指標(biāo)中，選取r、RMSE、平均偏差(MB)和標(biāo)準(zhǔn)化平均偏差(NMB)等共4項指標(biāo)對PM2.5預(yù)報效果進行評估，具體指標(biāo)定義和計算公式見參考文獻[16]。其中，r反映了觀測值與預(yù)報值隨時間變化趨勢的相似程度，其值越大表明相關(guān)性越好；RMSE表示的是一組數(shù)據(jù)偏離平均值的離散程度，其值越小表示預(yù)報效果越好；MB表示預(yù)報值與觀測值的差值，MB>0表示預(yù)報相對觀測高估，MB<0則表示預(yù)報相對于觀測低估，RMSE和MB的單位均為μg/m3；NMB克服了在觀測濃度差異較大時難以直接比較的缺點，可以用來表征預(yù)報高估或者低估的程度。

2 結(jié)果與討論

2.1 日均值預(yù)報效果評估

為了解多模式集合預(yù)報系統(tǒng)中不同模式的預(yù)報能力和特點，首先評估了不同季節(jié)多模式系統(tǒng)中3個模式的預(yù)報能力。其次，為了充分利用3個模式的預(yù)報結(jié)果，并將歷史的觀測數(shù)據(jù)納入預(yù)報中，結(jié)合多元線性回歸方法集成3個模式的預(yù)報結(jié)果，并對其效果進行評估。

圖2～圖4為3個模式和多元線性回歸方法在不同季節(jié)對日均PM2.5濃度值預(yù)報的時間序列圖，表2為參數(shù)統(tǒng)計。挑選定陵點位代表北部地區(qū)，萬壽西宮點位代表城區(qū)，國控平均值代表全市基本狀況對預(yù)報結(jié)果進行評估。3個模式對PM2.5的預(yù)報隨時間的變化趨勢基本一致，說明氣象因素是污染物日際間變化的主因。就春季而言，相關(guān)系數(shù)方面，CMAQ和NAQPMS的預(yù)報效果略好于CAMx，這可能主要與模式內(nèi)部的化學(xué)機制有關(guān)系。對國控平均和城區(qū)的預(yù)報效果較北部地區(qū)好，具體表現(xiàn)為r在國控平均和城區(qū)基本達到0.8以上，RMSE為40 μg/m3左右，各模式預(yù)報的MB基本為負(fù)值，表示預(yù)報值對實況有低估的趨勢，低估主要表現(xiàn)在對重污染峰值的低估，各城區(qū)點位MB值為-25～-8 μg/m3，NMB為-30%～-15%，處于較好水平，表明低估現(xiàn)象不是很明顯。而對北部點位的預(yù)報結(jié)果評估發(fā)現(xiàn)，r為0.7以上，略低于城區(qū)；RMSE為40～60 μg/m3；MB為-40～-20 μg/m3，NMB為-60%～-20%，表明對北部地區(qū)PM2.5的變化趨勢預(yù)報和觀測基本一致，但是有較明顯的低估現(xiàn)象，其低估趨勢較城區(qū)更明顯。

就夏季而言，CMAQ、CAMx和NAQPMS對不同點位的預(yù)報也存在差異，r值較春季低，但也處于0.65以上的較好水平，RMSE低于春季，處于25～32 μg/m3，表明其離散程度較春季好，MB和NMB不同模式有正有負(fù)，低估和高估現(xiàn)象均不嚴(yán)重，NMB處于-20%～26%，對夏季污染過程峰值濃度的預(yù)報也較好。針對北部點位，絕大部分r值大于0.7，RMSE為20 μg/m3左右，對峰值濃度有一定的低估現(xiàn)象，但是不明顯。

就秋季而言，國控平均和城區(qū)r值絕大部分大于0.7，RMSE處于35～60 μg/m3，MB和NMB顯示了模式對秋季的預(yù)報存在高估現(xiàn)象，其中CMAQ和CAMx的高估較NAQPMS明顯，但是三模式對污染的峰值濃度以及清除時間和清除后濃度把握準(zhǔn)確，準(zhǔn)確預(yù)測污染累積和清除過程的時間及峰、谷值濃度，對重污染過程預(yù)報有良好指導(dǎo)作用，對日常業(yè)務(wù)預(yù)報有較強的指導(dǎo)意義。對北部點位的預(yù)報趨勢較好，但對峰值濃度有明顯的低估現(xiàn)象，這可能是由于排放源對該地區(qū)的估計量不夠所致。

就冬季而言，各模式對城區(qū)的預(yù)報趨勢一致，能較好地反映PM2.5的日均變化，但是由于2016年1—2月的污染水平較輕，模式系統(tǒng)中的排放估計量過高而導(dǎo)致MB、NMB及RMSE均處于較高水平，高估現(xiàn)象很明顯，而對污染水平較高的12月而言，無論從污染起始時間、結(jié)束時間及污染程度上均把握較好。冬季各模式對北部點位存在低估趨勢，主要表現(xiàn)在1—2月峰值等預(yù)報較好，但是對于12月的污染過程存在明顯的低估現(xiàn)象，這跟排放源的空間分布有關(guān)。

圖2 不同季節(jié)國控平均PM2.5時間序列圖Fig.2 The series of observed and simulated PM2.5 concentrarion of averaged sitesin different seasons

圖3 不同季節(jié)定陵P(guān)M2.5日均值時間序列圖Fig.3 The series of observed and simulated PM2.5concentrarion of Dingling sitein different seasons

圖4 不同季節(jié)萬壽西宮PM2.5時間序列圖Fig.4 The series of observed and simulated PM2.5concentrarion of WSXG in different seasons

季節(jié)和預(yù)報方法國控平均定陵萬壽西宮rRMSE/(μg/m3)MB/(μg/m3)NMBrRMSE/(μg/m3)MB/(μg/m3)NMBrRMSE/(μg/m3)MB/(μg/m3)NMB春夏秋冬CMAQ0.8346.4 -25.6 -0.360.7657.7 -34.6 -0.540.8642.7 -21.9 -0.30CAMx0.8143.8 -21.0 -0.290.7455.5 -31.2 -0.480.8638.7 -16.2 -0.22NAQPMS0.8741.4 -21.5 -0.300.7951.3 -27.8 -0.430.8936.1 -14.0 -0.19REG0.8130.6 -2.3 -0.040.7535.2 -2.8 -0.050.8733.0 -8.1 -0.12CMAQ0.7224.2 -9.1 -0.160.7625.8 -15.1 -0.310.6627.2 -9.8 -0.16CAMx0.7123.2 0.6 0.010.7423.1 -8.0 -0.170.6725.7 1.2 0.02NAQPMS0.7027.8 10.7 0.180.7126.0 8.5 0.180.6532.3 14.0 0.23REG0.8021.8 9.0 0.150.7922.6 9.4 0.190.7524.5 8.9 0.14CMAQ0.7541.3 -3.2 -0.040.7840.6 -19.2 -0.300.7046.1 1.8 0.02CAMx0.7740.1 7.8 0.100.7836.8 -11.5 -0.180.7150.2 17.0 0.20NAQPMS0.8136.3 1.8 0.020.6841.7 -9.5 -0.150.7942.8 15.8 0.19REG0.7839.1 -2.7 -0.030.7338.0 -4.4 -0.070.7542.8 0.4 0.01CMAQ0.7859.4 26.2 0.320.7649.3 -11.1 -0.180.7674.1 36.2 0.38CAMx0.7668.6 40.1 0.490.7647.5 -4.7 -0.080.7589.4 59.1 0.62NAQPMS0.8059.7 28.5 0.350.8147.5 -9.3 -0.150.73102.2 68.3 0.72REG0.7370.6 9.3 0.070.7241.5 0.3 00.7977.9 2.2 0.01

總體而言，各模式均能較好預(yù)測出PM2.5變化趨勢及峰值出現(xiàn)時間，大部分點位預(yù)報的r值為0.6～0.9，NMB為-0.6～0.6，但是不同季節(jié)、不同地區(qū)還存在比較明顯的高估或低估趨勢，基于多模式預(yù)報和觀測數(shù)據(jù)的多元線性回歸方法能較好地解決這一問題。圖2～圖4還顯示了多元線性回歸方法集成的PM2.5隨時間變化趨勢，結(jié)果表明集成后夏季r在CMAQ和NAQPMS的基礎(chǔ)上仍有所提高，而對于春季和秋季則改進效果不明顯，冬季對萬壽西宮的改進效果好于定陵，r和RMSE均有較高的提升。利用多元線性回歸方法集成后對2016年春季國控平均低估現(xiàn)象改進明顯，三模式平均MB由-23 μg/m3改善至-2.3 μg/m3，NMB由-0.32改善至-0.04，RMSE由44 μg/m3降至31 μg/m3；對2016年冬季國控平均高估也有較好的改進，各模式平均MB由32 μg/m3降至9 μg/m3，NMB由0.39降至0.07；對萬壽西宮的改進尤為明顯，三模式平均MB由55 μg/m3降至2 μg/m3，NMB由0.54降至0.01。

2.2 對2016年12月紅色預(yù)警的改進效果

根據(jù)不同模式對PM2.5日均值預(yù)報效果的評估發(fā)現(xiàn)，在日常業(yè)務(wù)預(yù)報中，模式對于重污染過程的PM2.5日均值預(yù)報存在明顯的低估或高估現(xiàn)象，多元線性回歸方法雖然對模式預(yù)報的PM2.5日均值整體高估或者低估有一定的改進，但是針對重污染過程的起始濃度、峰值濃度并未有明顯的改進效果，這關(guān)系到重污染預(yù)警的啟動與解除。因此，利用多元線性回歸方法對2016年12月北京紅色預(yù)警期間不同模式的小時預(yù)報結(jié)果進行訂正，來探討其改善效果，此時選擇的最優(yōu)訓(xùn)練時長為58 h。

2016年12月16—22日，北京市發(fā)生一次連續(xù)5 d的嚴(yán)重污染過程。此次重污染過程持續(xù)時間長，共有122個小時濃度處于150 μg/m3重度污染級別限值以上，PM2.5峰值濃度達到434 μg/m3。圖5為不同預(yù)報方法紅色預(yù)警期間PM2.5隨時間的變化，各預(yù)報方法的統(tǒng)計指標(biāo)見圖6～圖8。

圖5 不同預(yù)報方法紅色預(yù)警期間PM2.5隨時間的變化Fig.5 The variation of PM2.5of different forecast methods during red alert period of air pollution

圖6 不同預(yù)報方法紅色預(yù)警期間國控平均PM2.5散點圖Fig.6 Scatter plots of the observed and simulated PM2.5 concentration for averaged sites of different forecast methods

圖7 不同預(yù)報方法紅色預(yù)警期間定陵P(guān)M2.5散點圖Fig.7 Scatter plots of the observed and simulated PM2.5 concentration for Dingling site of different forecast methods

圖8 不同預(yù)報方法紅色預(yù)警期間萬壽西宮PM2.5散點圖Fig.8 Scatter plots of the observed and simulated PM2.5 concentration for WSXG of different forecast methods

研究結(jié)果表明，利用多元線性回歸方法集合后，PM2.5小時濃度隨時間的變化與實況更為吻合，改進后國控平均預(yù)報與觀測PM2.5的r值由低于0.6提升至0.73，預(yù)報值與觀測值的r提高了0.13，RMSE降低了20～30 μg/m3,低估現(xiàn)象也得到了一定的緩解，NMB由平均-0.15變?yōu)?0.13。對萬壽西宮的改進效果不明顯，r值低于三模式平均值，RMSE降低了4 μg/m3,低估現(xiàn)象緩解不明顯。在定陵的效果最為明顯，不同模式均大大低估了該地區(qū)的污染過程，利用多元線性回歸方法將不同模式預(yù)報結(jié)果和觀測結(jié)果進行集成后，對峰值濃度有較好的調(diào)整，12月21日06：00—22日06：00，觀測的最大值為493 μg/m3，CMAQ、CAMx和NAQPMS預(yù)報的對應(yīng)值分別為134、160、169 μg/m3，3個模式的平均值相對觀測值低了339 μg/m3，多元線性回歸方法集合后的值為420 μg/m3，接近最大值。對比定陵與萬壽西宮的預(yù)報結(jié)果發(fā)現(xiàn)，各預(yù)報方法對定陵的清除時間把握較好，而對萬壽西宮的預(yù)報則較實況提前3～4 h，主要是由于模式預(yù)報冷空氣到達市區(qū)的估計較實況偏早。利用多元線性回歸方法改進后，國控平均和萬壽西宮的清除時間較實況有所滯后，這也說明，集成的預(yù)報成員對污染過程的把握越好，改進后的效果就越佳，因此，提高多模式系統(tǒng)成員的預(yù)報能力是提高重污染預(yù)報準(zhǔn)確率的關(guān)鍵。

當(dāng)預(yù)報值處于觀測值的0.5～2倍范圍內(nèi)則為合理[17]，散點圖中采用FAC表示預(yù)報值落在觀測值的0.5～2倍范圍內(nèi)的比例，其值越大表明預(yù)報值落在觀測值的0.5～2倍范圍內(nèi)的點越多，預(yù)報效果越好。由圖6～圖8可見，散點圖的橫縱坐標(biāo)分別為觀測和預(yù)報的PM2.5紅色預(yù)警期間的小時濃度，當(dāng)散點落在k=0.5下方時表明模式對實況低估了，而當(dāng)散點落在k=2的上方時表明模式對實況高估了。

對國控平均而言(圖6)，不同預(yù)報方法在紅色預(yù)警期間觀測與預(yù)報PM2.5的FAC處于73%～79%之間，對高濃度PM2.5預(yù)報有低估現(xiàn)象，這主要與模式系統(tǒng)中排放源的分布有關(guān)；而在PM2.5濃度較低時容易高估，這主要是由于紅色預(yù)警期間，受有利氣象條件的擾動，PM2.5濃度短時處于優(yōu)良水平，而模式對這種弱氣象系統(tǒng)反應(yīng)不明顯使預(yù)報的PM2.5濃度處于較高濃度水平。多元線性回歸方法訂正后FAC達到82%，對高濃度PM2.5預(yù)報的低估現(xiàn)象有一定程度的緩解。圖7顯示定陵不同預(yù)報方法的FAC處于49%～65%之間，處于k=0.5線下的散點較多，低估現(xiàn)象較國控平均和城區(qū)點位明顯，而多元線性回歸方法改進后，F(xiàn)AC可達到93%，低估現(xiàn)象基本得到緩解。對萬壽西宮改進效果進行評估時(圖8)發(fā)現(xiàn)，不同預(yù)報方法FAC處于72%～80%，改進后的FAC較CMAQ(72%)和NAPQMS(75%)高，達到77%，但低于CAMx(80%)。這主要是由于多元線性回歸方法的改進效果直接受單模式預(yù)報效果的影響，模式系統(tǒng)對萬壽西宮的預(yù)報效果為CAMx好于CMAQ和NAPQMS，從而導(dǎo)致集成效果略低于CAMx。

3 結(jié)論

基于北京多模式空氣質(zhì)量集合預(yù)報系統(tǒng)的3個模式(CMAQ、CMAx和NAQPMS)對2016年P(guān)M2.5污染情況進行預(yù)報，結(jié)合觀測資料對不同模式的預(yù)報結(jié)果進行評估，并引入多元線性回歸方法集成預(yù)報結(jié)果，來提高北京地區(qū)PM2.5的預(yù)報能力，結(jié)果發(fā)現(xiàn)：

1) 三模式在一定程度上均能夠反映PM2.5的變化趨勢和峰值濃度出現(xiàn)的時間，沒有一個模式的預(yù)報效果完全優(yōu)于其他模式，CMAQ和NAQPMS對北京地區(qū)PM2.5的預(yù)報效果優(yōu)于CAMx，對春夏季的預(yù)報效果好于秋冬季，并且對12月重污染過程的預(yù)報存在低估趨勢。

2)利用多元線性回歸方法對三模式PM2.5日均結(jié)果和觀測結(jié)果進行集成后的結(jié)果在變化趨勢上有一定的改進作用，其預(yù)報效果好于單模式，較好地修正了單模式春季低估及冬季高估的現(xiàn)象，特別是對北部地區(qū)訂正效果最為明顯。

3) 利用多元線性回歸方法集成2016年紅色預(yù)警期間的觀測和預(yù)報PM2.5小時結(jié)果，其效果明顯好于單模式預(yù)報結(jié)果，r提高了0.13，RMSE降低了20～30 μg/m3,高值濃度區(qū)的低估現(xiàn)象也得到了較好的訂正，NMB由-0.15升至-0.13，且排放源對北部地區(qū)低估現(xiàn)象有較好的彌補。

這也說明在利用多模式集合預(yù)報開展業(yè)務(wù)化空氣質(zhì)量預(yù)報時，有必要評估各模式成員的系統(tǒng)偏差，并通過有效統(tǒng)計集成方法將觀測信息納入進來，是改進空氣質(zhì)量預(yù)報的有效手段，而提高多模式預(yù)報系統(tǒng)成員的預(yù)報能力則是提高重污染預(yù)報準(zhǔn)確率的關(guān)鍵。