宋鵬程,張馨文,黃 強，龍 平,杜云松

(1.綿陽市環(huán)境監(jiān)測中心站，四川 綿陽 621010；2.四川省環(huán)境監(jiān)測總站，成都610091)

1 前 言

城市環(huán)境空氣質(zhì)量預(yù)報能實現(xiàn)環(huán)境空氣質(zhì)量與重污染天氣的提前預(yù)報，支撐政府制定防治策略，提醒公眾提前防范，減少自身暴露，減輕污染。2013年國務(wù)院印發(fā)《大氣污染防治行動計劃》強調(diào)環(huán)保部門要加強與氣象部門的合作，建立重污染天氣監(jiān)測預(yù)警體系[1]。到2014年，京津冀、長三角、珠三角區(qū)域要完成區(qū)域、省、市級重污染天氣監(jiān)測預(yù)警系統(tǒng)建設(shè)；其他省(區(qū)、市)、副省級市、省會城市于2015年底前完成。目前我國已形成國家-區(qū)域-省級-城市四級城市環(huán)境空氣質(zhì)量預(yù)報預(yù)警體系[2]，其中國家預(yù)報預(yù)警中心[3]主要負責(zé)國家層面的環(huán)境空氣質(zhì)量預(yù)報業(yè)務(wù)，并負責(zé)特別嚴重，影響范圍大的跨區(qū)域、跨省市的大氣污染過程預(yù)報，收集全國空氣質(zhì)量預(yù)報預(yù)警信息，構(gòu)建全國環(huán)境空氣質(zhì)量預(yù)報信息網(wǎng)絡(luò)。全國有京津冀及周邊、長三角、珠三角、西北、西南、東北和華南七個區(qū)域預(yù)報預(yù)警中心[4]，負責(zé)區(qū)域內(nèi)的環(huán)境空氣質(zhì)量總體協(xié)調(diào)及業(yè)務(wù)預(yù)報、數(shù)據(jù)共享與預(yù)報會商，參與重大活動環(huán)境空氣質(zhì)量保障，指導(dǎo)各省市精細化預(yù)報。省級預(yù)報中心主要負責(zé)轄區(qū)內(nèi)的空氣質(zhì)量預(yù)警預(yù)報工作、省級業(yè)務(wù)預(yù)報預(yù)警工作、對地市級城市預(yù)報工作開展技術(shù)指導(dǎo)、組織開展重大活動環(huán)境空氣質(zhì)量保障等。城市級自行開展環(huán)境空氣質(zhì)量預(yù)報或者借助省級預(yù)報平臺及技術(shù)支撐開展環(huán)境空氣質(zhì)量預(yù)警預(yù)報工作。

城市環(huán)境空氣質(zhì)量預(yù)報預(yù)警系統(tǒng)建設(shè)是一項復(fù)雜的系統(tǒng)工程，城市環(huán)境空氣質(zhì)量預(yù)報模型是實現(xiàn)空氣質(zhì)量準確預(yù)報和精準調(diào)控的核心工具。我國現(xiàn)行的城市環(huán)境空氣質(zhì)量預(yù)報模型包括統(tǒng)計預(yù)報和數(shù)值預(yù)報，國家-區(qū)域-省級-城市環(huán)境空氣質(zhì)量預(yù)警預(yù)報體系平臺搭建時普遍選用多種統(tǒng)計預(yù)報和多數(shù)值預(yù)報模式，預(yù)報結(jié)果輸出包括空氣質(zhì)量指數(shù)(AQI)、空氣質(zhì)量等級、六參數(shù)(SO2、NO2、CO、O3、PM2.5和PM10)質(zhì)量濃度及首要污染物等，數(shù)值預(yù)報可同時輸出氣象要素(氣溫、氣壓、風(fēng)速風(fēng)向、邊界層高度等)。

目前我國城市環(huán)境空氣質(zhì)量預(yù)報使用國外數(shù)值模型較多，平臺搭建過程中對模型參數(shù)設(shè)置、污染源清單更新、氣象參數(shù)模型和大氣物理化學(xué)機理分析還存在缺陷，使得首要污染物、空氣質(zhì)量等級命中率等準確率較低，尤其是重污染天氣。部分地區(qū)對預(yù)警啟動時間、響應(yīng)級別、污染影響范圍、持續(xù)時間等關(guān)鍵問題判別略顯不足，當(dāng)城市環(huán)境空氣質(zhì)量預(yù)報模型預(yù)測可能出現(xiàn)重污染天氣，并且達到相應(yīng)預(yù)警級別時需要進行人工訂正和部門聯(lián)合會商，根據(jù)會商研判結(jié)果確定是否啟動預(yù)警及響應(yīng)級別。

2 統(tǒng)計預(yù)報

污染源排放、大氣理化過程和氣象條件是影響環(huán)境空氣質(zhì)量的主要因素[5]，統(tǒng)計預(yù)報通常忽略源排放量變化，視為常量，更多的是考慮天氣形勢或氣象條件對空氣質(zhì)量變化的影響，借助歷史的環(huán)境空氣質(zhì)量數(shù)據(jù)和同期氣象觀測資料(如溫度、風(fēng)速、風(fēng)向、相對濕度等)通過統(tǒng)計學(xué)方法建立擬合方程或統(tǒng)計模型，外推得到未來空氣質(zhì)量預(yù)報結(jié)果。統(tǒng)計預(yù)報具有運算量少、硬件要求低、易于操作、簡單實用等優(yōu)點，常見的模型包括人工神經(jīng)網(wǎng)絡(luò)、多元線性回歸、ARMA、動態(tài)統(tǒng)計等，優(yōu)缺點見表1。

2.1 人工神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)算法一般用半經(jīng)驗的結(jié)果分析出污染物的變化趨勢[12]。人工神經(jīng)網(wǎng)絡(luò)[13]通常由輸入層、輸出層和中間層(隱層)組成，上下層之間實現(xiàn)全連接，而每層神經(jīng)元之間無連接，當(dāng)樣本提供給網(wǎng)絡(luò)后，神經(jīng)元的激活值從輸入層經(jīng)各中間層向輸出層傳播，在輸出層的各神經(jīng)元獲得網(wǎng)絡(luò)的輸入模式，為逐層狀態(tài)更新的前向傳播。如果輸出響應(yīng)和期望輸出模式有誤差，不滿足要求，則按照誤差逆?zhèn)鞑ニ惴ㄟM行修正，當(dāng)各訓(xùn)練模式均滿足要求時學(xué)習(xí)結(jié)束。國家預(yù)報預(yù)警中心、西北、西南和華南區(qū)域預(yù)報預(yù)警中心、廣西省、天津市和四川省等均采用神經(jīng)網(wǎng)絡(luò)統(tǒng)計模型，其中四川省采用基于神經(jīng)網(wǎng)絡(luò)法統(tǒng)計預(yù)報模型OPAQ[2](Operational Predication of Air Quality)，對轄區(qū)內(nèi)綿陽市預(yù)報結(jié)果(2016年1月～2018年9月，表2)進行評估發(fā)現(xiàn)模型預(yù)報效果較好，由于模型具有動態(tài)偏差修正功能[14]能夠?qū)Y(jié)果進行實時修正，預(yù)報與實況濃度變化趨勢一致性較好，但在污染過程預(yù)報中存在明顯的高值低估和低值高估現(xiàn)象，同時隨著迭代次數(shù)的增多學(xué)習(xí)效率降低，進而收斂速度減緩，使得24h的首要污染物、空氣質(zhì)量等級準確率和空氣質(zhì)量等級命中率預(yù)報結(jié)果明顯高于48h、72h和96h。

表2 2016年1月5日～2018年9月30日OPAQ模型預(yù)報結(jié)果Tab.2 Results of OPAQ forecast system from January 5,2016 to September 30,2018

備注：空氣質(zhì)量指數(shù)類別跨級預(yù)報(如“良至輕度污染”)與實測(如“良”)一致時，等級準確率為100%，空氣質(zhì)量等級的命中率為50%；非跨級預(yù)報與實測結(jié)果一致時等級準確率和等級命中率均為100%。

2.2 多元線性回歸

多元線性回歸具有方法簡單、理論嚴謹?shù)葍?yōu)點，使用較為廣泛，其核心是關(guān)鍵參數(shù)的選擇，由于地區(qū)差異，東南沿海、西南、西北和華北等地的氣象關(guān)鍵參數(shù)差別較大，需結(jié)合本地特定的污染物濃度和氣象參數(shù)之間的規(guī)律進行線性回歸。一般采用逐步回歸算法，對氣象條件和非氣象條件中所有參數(shù)按照對因變量Y(污染物預(yù)報濃度)影響的顯著性程度大小進行回歸，對因變量Y作用不顯著的變量不引入方程，在引進新變量后不顯著變量需剔除以保證最優(yōu)方程，最優(yōu)回歸方程[15]:

Y=B0+B1X1+B2X2+B3X3+…+BnXn

其中Y為污染物預(yù)報濃度，B0為常數(shù)，X1、X2、X3、Xn為預(yù)報關(guān)鍵參數(shù)，B1、B2、B3、Bn為關(guān)鍵參數(shù)的系數(shù)。

西北、華南區(qū)域預(yù)報預(yù)警中心及沈陽市等均采用線性回歸，其中沈陽市利用2013年1至2月空氣質(zhì)量數(shù)據(jù)進行逐步回歸[16]方程建立，并選用2013年11月～2014年1月實測數(shù)據(jù)進行模型驗證，由于建模樣本量偏少使得空氣質(zhì)量等級(55.8%)和首要污染物(68.5%)較低，可結(jié)合前期預(yù)報評估結(jié)果，對輸入?yún)?shù)、權(quán)重因子等進行優(yōu)化，建立動態(tài)更新機制，提高預(yù)報準確率，減少人工訂正。

2.3 小波多尺度分解改進的ARMA模型

小波分解改進的ARMA模型是選用Mallat算法[17]進行小波多尺度分解[18]，將信號逐層進行分解，每一層分解的結(jié)果將上層分解得到的低頻信號再分解成低頻和高頻兩部分，

Aj+1,k=∑mh0(m-2k)Aj,m

Dj+1,k=∑mh1(m-2k)Aj,m

式中：j為分解尺度；k、m為平移變量，為近似系數(shù)，是低頻部分；Dj，k為細節(jié)系數(shù)，是高頻部分；h0、h1分別是低通和高通濾波器。利用分解后的小波系數(shù)可以重構(gòu)原來的序列，小波系數(shù)的重構(gòu)見式：

3 數(shù)值預(yù)報

數(shù)值預(yù)報是以大氣動力學(xué)理論為基礎(chǔ)，在特定的氣象場、源排放和初始邊界條件下，基于大氣物理化學(xué)過程(輸送、擴散、轉(zhuǎn)化和沉降等)建立大氣污染濃度在空氣中的輸送擴散模型，借助模型來預(yù)測大氣污染物濃度。目前國內(nèi)普遍使用的模型包括NAQPMS、CMAQ、CAMx、WRF-Chem等，數(shù)值預(yù)測結(jié)果仍具有不確定性，主要取決于預(yù)報的偏差，偏差客觀上均源于污染源清單、氣象初始場、大氣污染物監(jiān)測初始場及大氣化學(xué)反應(yīng)機理的完整性和準確性[4]。

3.1 嵌套網(wǎng)格空氣質(zhì)量預(yù)報模型系統(tǒng)

嵌套網(wǎng)格空氣質(zhì)量預(yù)報模型系統(tǒng)(NAQPMS)是在充分借鑒數(shù)值預(yù)報模式優(yōu)點的基礎(chǔ)上由我國自主研發(fā)的三維歐拉化學(xué)傳輸模型，該模型由基礎(chǔ)數(shù)據(jù)系統(tǒng)、中尺度天氣預(yù)報系統(tǒng)、空氣質(zhì)量預(yù)報系統(tǒng)及預(yù)報結(jié)果分析系統(tǒng)等構(gòu)成[19]，基本構(gòu)架見圖1，其中基礎(chǔ)數(shù)據(jù)系統(tǒng)包括下墊面資料、污染源資料、氣象資料和大氣污染物實時監(jiān)測資料四部分。NAQPMS系統(tǒng)突破了我國區(qū)域大氣復(fù)合污染建模原理和預(yù)報關(guān)鍵技術(shù)，充分考慮了自然源對城市空氣質(zhì)量的影響，設(shè)計了東亞地區(qū)起沙機制模型，實現(xiàn)了基于全國城市空氣質(zhì)量監(jiān)測網(wǎng)絡(luò)的大氣化學(xué)資料同化，也考慮了平流、擴散、化學(xué)反應(yīng)過程(包括氣相化學(xué)、液相化學(xué)、氣溶膠化學(xué)和非均相反應(yīng))、干濕沉降等過程，同時耦合了污染源識別與追蹤模塊等[20-21]，實現(xiàn)了各類復(fù)合污染從全球、區(qū)域、城市群與城市復(fù)合污染(沙塵、酸沉降、顆粒物、臭氧、核泄漏、大氣汞等)的全尺度嵌套耦合建模。另外該模型自行研發(fā)了氣象-化學(xué)雙向反饋技術(shù)、自適應(yīng)變網(wǎng)絡(luò)技術(shù)、氣溶膠微觀力學(xué)模擬技術(shù)和二次有機氣溶膠模擬技術(shù)。為了提高預(yù)報準確度模型在參數(shù)設(shè)計方案時采用不確定分析方法評估模型參數(shù)的不確定性范圍，進行擾動集合預(yù)報。模型對區(qū)域空氣重污染過程預(yù)報的準確率接近100.0%，對區(qū)域重污染程度預(yù)報的準確率近80.0%，但對重污染天氣仍會出現(xiàn)高值低估或低值高估的現(xiàn)象，靜穩(wěn)型污染會出現(xiàn)早報、晚報或漏報情況。模型已在國家預(yù)報預(yù)警中心、京津冀、長三角和珠三角區(qū)域預(yù)報預(yù)警中心、全國16個省(直轄市)、7個副省級城市等投入業(yè)務(wù)運行，包括中西部地區(qū)和欠發(fā)達城市如銀川[22]、西安等，同時在北京奧運、上海世博、廣州亞運、南京青奧、北京APEC、9.3閱兵和G20峰會等重大國際活動空氣質(zhì)量保障中采用。

圖1 NAQPMS模型的主要構(gòu)架[19]Fig.1 The main frame of NAQPMS

3.2 CMAQ

CMAQ(Community Multi-scale Air Quality)是美國環(huán)保署(EPA)在拉格朗日軌跡模型和歐拉網(wǎng)格模型后提出的第三代空氣質(zhì)量預(yù)報和評估系統(tǒng)[4]，該模型是在“一個大氣”理論的指導(dǎo)下，以WRF或MM5等中尺度氣象模式和SMOKE(Spare Matrix Operator Kerenl Emission)等源排放模型為依托，充分考慮了大氣污染過程中水平傳輸、垂直傳輸、擴散過程、源排放、化學(xué)反應(yīng)和去除過程等對污染物濃度的影響，將復(fù)雜空氣污染狀況進行綜合處理。模型可模擬平流傳輸、湍流擴散、氣相化學(xué)反應(yīng)、氣溶膠動力學(xué)、排放過程、沉降過程、云過程和液相過程，可用于評價大氣中細顆粒物、對流層臭氧、氣溶膠以及酸沉降污染水平[24]，部分學(xué)者研究發(fā)現(xiàn)模型存在缺陷，如CMAQ4.3版本有質(zhì)量不守恒缺陷，模型對臭氧光解速率常數(shù)設(shè)置偏低及模擬結(jié)果存在系統(tǒng)性誤差等[25]。西南區(qū)域預(yù)報預(yù)警中心和四川省均采用CMAQ單一數(shù)值模型，其中四川省模型設(shè)計36km、12km和4km三層嵌套網(wǎng)格，在參數(shù)設(shè)置時對下墊面資料、源排放等進行了本地化處理，對轄區(qū)內(nèi)的綿陽市(見表3)預(yù)報結(jié)果評估發(fā)現(xiàn)首要污染物和空氣質(zhì)量等級準確率相對較高，但由于四川盆地相對濕度高、氣候變化復(fù)雜，污染擴散條件差，混合邊界層變化快，污染物容易累積，且易形成逆溫現(xiàn)象和靜穩(wěn)天氣，而此特殊現(xiàn)象WRF-CMAQ模型很難準確模擬，另外，模型源排放清單更新不及時，初始條件和物理化學(xué)參數(shù)設(shè)置的不確定性都影響預(yù)報準確率，同時該模型采用跨級統(tǒng)計，使得空氣質(zhì)量等級命中率較低，可結(jié)合評估結(jié)果通過精細化氣象場預(yù)報、更新源排放清單及動態(tài)調(diào)整理化參數(shù)設(shè)置提升預(yù)報準確率。

表3 2016年1月1日～2018年9月30日CMAQ模型預(yù)報結(jié)果Tab.3 Results of CMAQfrom January 1,2016 to September 30,2018

備注：空氣質(zhì)量指數(shù)類別跨級預(yù)報(如“良至輕度污染”)與實測(如“良”)一致時，等級準確率為100%，空氣質(zhì)量等級的命中率為50%；非跨級預(yù)報與實測結(jié)果一致時等級準確率和等級命中率均為100%。

3.3 CAMx

CAMx(comprehensive air quality model with extensions)模型同樣是歐拉型化學(xué)傳輸模型，在“一個大氣”理念的指導(dǎo)下考慮氣-液-固多相化學(xué)機制，利用氣象場模擬結(jié)果，通過SMOKE源排放模型對源排放清單進行處理，最后CAMx模型對污染物濃度進行模擬，與models3-CMAQ模型不同的是CAMx模型具有雙向嵌套的網(wǎng)格結(jié)構(gòu)，可以多重網(wǎng)格同時進行計算，在時間范圍和空間范圍內(nèi)模擬的更精細。另外，CAMx模型除了具有models3-CMAQ模型的典型特征外，還包括多種分析工具[26]如臭氧來源解析技術(shù)(OSAT)、顆粒物來源追蹤技術(shù)(PAST)[27]、網(wǎng)格煙羽模塊(PiG)等。

CAMx模型計算原理[28]如下：

沈松等[29]利用CAMx 5.01模型對珠三角的臭氧污染進行模擬發(fā)現(xiàn)模型能夠較好地模擬出2004年10月臭氧濃度的變化趨勢和濃度水平，大多數(shù)站點模擬結(jié)果與實測值均吻合良好，與實測值的相關(guān)性系數(shù)(r)為0.7，標準化平均偏差(NMB)為8.8%，標準化平均誤差(NME)為37.9%。

3.4 WRF-Chem

WRF-Chem(Weather Research and Forecasting model coupled with Chemistry)模型屬于區(qū)域大氣動力-化學(xué)耦合模型，選用Chem作為內(nèi)嵌模塊，充分考慮了水平輸送、擴散和對流過程、干濕沉降、氣相化學(xué)、氣溶膠形成、輻射和光分解率等過程[30]。該模型的氣象模式和化學(xué)傳輸模塊使用相同的格點、時間步長、傳輸方案和物理方案，避免因差值等造成的誤差，同時二者為同步計算，在時間和空間分辨率上完成耦合，實現(xiàn)真正的在線傳輸，從而完成對太陽輻射、大氣動力和氣溶膠化學(xué)等多過程的耦合和反饋[31]。WRF-Chem模型[32]對廣州市PM2.5(2013年1月)的波動變化趨勢預(yù)報較好，但對重污染天氣日均值預(yù)報的準確性不理想，預(yù)報結(jié)果偏低。PM2.5日均值預(yù)報與實測的相關(guān)性系數(shù)(r)僅介于0.3～0.6之間，主要是重污染天氣過程較為復(fù)雜，而此模型搭建較為粗糙，僅使用了可反映區(qū)域背景排放的源排放清單，模型中未使用局地排放源是主要原因，同時預(yù)報過程也未考慮城市冠層結(jié)構(gòu)對大氣流場以及污染物擴散的影響。另外，該研究僅使用22個數(shù)據(jù)樣本進行評估，數(shù)據(jù)量偏小也影響相關(guān)性系數(shù)。劉琳等[33]選用WRF-Chem模型通過模擬實驗定量估算河南、京津冀、山東、山西、安徽和江蘇、湖北6個區(qū)域人為源排放對河南省2015年12月PM2.5和PM10濃度貢獻率。研究發(fā)現(xiàn)河南省的顆粒物主要來源仍為本省排放，其次為區(qū)域污染輸送，且PM2.5外來輸送率比PM10要高，其中河南省冬季PM2.5和PM10的本省排放平均貢獻率分別為54.8%、61.3%。京津冀、安徽和江蘇、山東、山西及湖北等地區(qū)域污染輸送對河南PM2.5平均貢獻率分別為12.0%、11.7%、8.0%、7.4%、4.3%，對PM10平均貢獻率分別為10.4%、10.0%、7.0%、6.9%、3.8%。

4 多模式集合預(yù)報

由于大氣初始條件的不確定和數(shù)值模式中物理過程本身的不確定性，使得數(shù)值預(yù)報模式在計算和積分過程中容易出現(xiàn)偏差，集合預(yù)報模式基于復(fù)雜的三維環(huán)境空氣質(zhì)量數(shù)值預(yù)報模式，通過構(gòu)建產(chǎn)生多個差異性預(yù)報樣本，利用預(yù)報結(jié)果算術(shù)平均、多模式權(quán)重平均集合技術(shù)、加權(quán)集成和多元線性回歸等方法產(chǎn)生最優(yōu)確定性預(yù)報結(jié)果?？諝赓|(zhì)量多模式集合預(yù)報前期研究主要考慮大氣初始條件的不確定或者預(yù)報物理過程的不確定，既考慮初值的不確定性、又考慮物理過程的不確定性成為新的發(fā)展方向[34]。針對初值不確定性的集合預(yù)報通過在初始場上施加擾動，而針對模式物理過程不確定性的集合預(yù)報則通過對數(shù)值模式的內(nèi)部物理過程進行改動，多采用統(tǒng)一的區(qū)域設(shè)置、統(tǒng)一污染源排放清單、統(tǒng)一氣象預(yù)報場減小模式性能差異[35]。國家預(yù)報預(yù)警中心、西北和華南區(qū)域預(yù)報預(yù)警中心均選用NAQPMS、CAMx、CMAQ和WRF-chem多數(shù)值模式預(yù)報，長三角區(qū)域預(yù)報預(yù)警中心(NAQPMS、CMAQ和WRF-chem模型)和珠三角區(qū)域預(yù)報預(yù)警中心(NAQPMS、CMAQ和CAMx模型)也采用多數(shù)值模式預(yù)報。上海市[36]根據(jù)自身城市特點、經(jīng)濟條件及環(huán)境空氣質(zhì)量發(fā)展?fàn)顩r采用多模型集合預(yù)報(模型包括NAQPMS、CMAQ4.4、CMAQ4.6、CAMx和WRF-Chem)。浙江省[37]也采用WRF-Chem、CMAQ、CMAx多模式集合預(yù)報，云南省[38]結(jié)合高原特殊地形、氣象條件、區(qū)域能源結(jié)構(gòu)選用國內(nèi)應(yīng)用成熟、業(yè)務(wù)化程度高、對高原山地城市或者復(fù)雜地形性能良好的NAQPMS、CMAQ、CMAx空氣質(zhì)量多模式集合預(yù)報系統(tǒng)。北京市[39]也是采用多模式集合預(yù)報(模型包括NAQPMS、models-3/CMAQ和CAMx)，選用MM5中尺度氣象模式，源排放模型SMOKE處理模擬域內(nèi)的大氣污染物排放源清單。在奧運會期間預(yù)報結(jié)果評估發(fā)現(xiàn)在排放源接近實際的情況下，PM10日均值多模式算術(shù)平均值優(yōu)于單模式預(yù)報結(jié)果，同時多模式集合預(yù)報的權(quán)重集成PM10預(yù)報結(jié)果優(yōu)于算術(shù)平均預(yù)報結(jié)果。

5 發(fā)展及建議

我國幅員遼闊、地域差異大，氣象條件變化復(fù)雜，同時重污染時空變化迅速、污染來源復(fù)雜難辨，各市州在開展環(huán)境空氣質(zhì)量預(yù)警預(yù)報能力建設(shè)時要在前期經(jīng)驗積累的基礎(chǔ)上綜合分析，結(jié)合城市或區(qū)域氣象特點、本地源排放清單合理搭建空氣質(zhì)量預(yù)報模型，模型參數(shù)進行本地化設(shè)定。環(huán)境空氣質(zhì)量模型運行后要進行短期評估和長期評估，結(jié)合評估結(jié)果對模型進行適當(dāng)調(diào)整、修正和更新。由于氣象場和污染源清單等影響因子的不確定性使得各種預(yù)報模型結(jié)果都存在偏差[40]，預(yù)報員在進行環(huán)境空氣質(zhì)量預(yù)報時要以模型結(jié)果為基礎(chǔ)，同時結(jié)合歷史同期主要污染物濃度和重污染出現(xiàn)頻次，充分考慮沙塵天氣、秸稈焚燒、重大節(jié)假日活動[41]、區(qū)域性污染和大范圍污染傳輸影響，同時結(jié)合周邊、本地當(dāng)前空氣質(zhì)量實況及大氣環(huán)境擴散條件對預(yù)報結(jié)果進行客觀人工訂正[42]。當(dāng)預(yù)判出現(xiàn)重大污染天氣時及時開展部門聯(lián)合會商，結(jié)合預(yù)報結(jié)果借助超級站、復(fù)合型大氣污染綜合診斷平臺及衛(wèi)星遙感監(jiān)測等技術(shù)對污染過程及預(yù)警工作做到準確研判。

中西部地區(qū)、中小城市及欠發(fā)達城市等受經(jīng)濟條件限制采用單一數(shù)值模式預(yù)報較多，部分沿海城市及經(jīng)濟發(fā)達地區(qū)多選用多模式集合預(yù)報，單一數(shù)值模型預(yù)報不確定性較大，多模式集合預(yù)報采用統(tǒng)一的模式區(qū)域設(shè)置，使用統(tǒng)一高分辨率源排放清單及排放處理過程，由統(tǒng)一氣象模式產(chǎn)生氣象驅(qū)動，能降低氣象和排放源處理不一致引起模式性差異[39,43]，多模式集合預(yù)報結(jié)果準確率明顯高于單一數(shù)值預(yù)報，已成為發(fā)展的主流方向[44]。

目前我們城市空氣質(zhì)量預(yù)報采用“自下而上”的報送模式，國家-區(qū)域和省級環(huán)境空氣質(zhì)量預(yù)報中心都建有完善的預(yù)報體系，同時配備有專業(yè)的預(yù)報團隊，地級市由于受到經(jīng)濟條件的限制環(huán)境空氣質(zhì)量預(yù)報體系構(gòu)建不完善，更多的是借助省級或區(qū)域預(yù)報中心的模型，同時預(yù)報人員技術(shù)力量不足，專業(yè)知識儲備薄弱[45]，更多的是憑借經(jīng)驗，很難做到精細化預(yù)報。國家應(yīng)該加大對地級市環(huán)境空氣質(zhì)量預(yù)報的能力建設(shè)，同時加強指導(dǎo)和培訓(xùn)。