杜嵩山，趙文燦，王麗瓊，左瑞亭，沈 沉

(1.江蘇省環(huán)境監(jiān)測(cè)中心，南京 210000；2.南京雨后地軟環(huán)境技術(shù)有限公司，南京 210013；3.浙江省德清縣氣象局，浙江 德清 313200)

前 言

長(zhǎng)江三角洲地區(qū)作為中國(guó)經(jīng)濟(jì)發(fā)展中心和城市化水平較高地區(qū)，灰霾(氣溶膠細(xì)粒子濃度較高導(dǎo)致能見(jiàn)度惡化的天氣現(xiàn)象)日數(shù)呈現(xiàn)逐年上升的趨勢(shì)，已然成為我國(guó)主要的灰霾污染區(qū)[1-2]。

當(dāng)前對(duì)顆粒物濃度預(yù)報(bào)，主要依據(jù)空氣質(zhì)量模式的數(shù)值預(yù)報(bào)，由于排放源、氣象場(chǎng)以及模式本身的不確定性等因素，空氣質(zhì)量模式的預(yù)報(bào)結(jié)果與實(shí)況數(shù)據(jù)有較大差距。通過(guò)資料同化，耦合空氣質(zhì)量數(shù)值模式的模擬結(jié)果和大氣觀測(cè)資料，可以有效地改善數(shù)值模式的初始場(chǎng)，提高預(yù)報(bào)準(zhǔn)確率，通常使用地面觀測(cè)顆粒物濃度數(shù)據(jù)或衛(wèi)星遙感結(jié)果進(jìn)行同化[3-4]。劉漢衛(wèi)等[5]利用WRF-Chem模式，對(duì)美國(guó)西部地區(qū)一次PM2.5污染過(guò)程的PM2.5總量及其主要成分進(jìn)行同化實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果與實(shí)況接近，站點(diǎn)分布和演變趨勢(shì)吻合較好；蔣維東等[6]利用衛(wèi)星遙感數(shù)據(jù)，同化模式初始場(chǎng)AOD(Aerosol Optical Depth，氣溶膠光學(xué)厚度)，更新后氣溶膠分布與衛(wèi)星觀測(cè)值更加接近，表明同化AOD觀測(cè)資料對(duì)初始場(chǎng)起到了較好地調(diào)整作用；靳璐濱等[7]構(gòu)建本地化背景場(chǎng)誤差協(xié)方差矩陣，利用監(jiān)測(cè)站PM2.5和PM10逐小時(shí)觀測(cè)數(shù)據(jù)，對(duì)南京青奧會(huì)期間進(jìn)行滾動(dòng)同化和預(yù)報(bào)實(shí)驗(yàn)，發(fā)現(xiàn)同化后，預(yù)報(bào)準(zhǔn)確率明顯提升，改進(jìn)效果可以持續(xù)到20h以后。

作為一種新型監(jiān)測(cè)儀器，激光雷達(dá)能展示出大氣垂直結(jié)構(gòu)的污染物分布和傳播情況，多用于氣溶膠濃度和顆粒物濃度監(jiān)測(cè)[8]，在模式方面應(yīng)用較少。Wang et al[9]首次基于單波長(zhǎng)(355nm)激光雷達(dá)和POLAIR 3D模式開(kāi)發(fā)了適用于該模式的同化方案，通過(guò)對(duì)模擬的雷達(dá)信號(hào)修正距離(PR2)直接進(jìn)行同化以改進(jìn)PM10和PM2.5的預(yù)報(bào)，同化后能有效地改進(jìn)PM2.5預(yù)報(bào)結(jié)果；鄭海濤[10]利用不同高度層氣溶膠消光系數(shù)與150m處氣溶膠消光系數(shù)比值關(guān)系作為PM2.5濃度垂直分布關(guān)系，以此訂正原始場(chǎng)PM2.5垂直分布，研究過(guò)程帶有一定主觀性。

本文基于前人研究，構(gòu)建一套操作簡(jiǎn)單、移植性強(qiáng)的激光雷達(dá)AOD同化系統(tǒng)：利用江蘇省站等四個(gè)激光雷達(dá)觀測(cè)站數(shù)據(jù)，針對(duì)2016年12月6日至10日一次污染過(guò)程進(jìn)行逐小時(shí)模擬，通過(guò)反演同化方案建立AOD與PM2.5濃度關(guān)系，實(shí)現(xiàn)AOD三維變分同化。實(shí)驗(yàn)對(duì)比同化前后模式分析場(chǎng)、預(yù)報(bào)場(chǎng)的改變情況，定量評(píng)估模式預(yù)報(bào)效果，驗(yàn)證激光雷達(dá)AOD同化可行性，為后人研究提供參考和依據(jù)。

1 模式和資料

1.1 模式介紹

本文采用區(qū)域大氣動(dòng)力-化學(xué)耦合模式WRF-Chem V3.6進(jìn)行同化對(duì)比實(shí)驗(yàn)。該模式該模式由美國(guó)國(guó)家大氣和海洋局(NOAA)研發(fā)的新一代氣象-大氣化學(xué)耦合空氣質(zhì)量模式，是完全可壓縮的非靜力中尺度模式，采用Arakawa-C網(wǎng)格，利于在高分辨模擬中提高準(zhǔn)確性，鉛直方向采用地形追隨的靜力氣壓坐標(biāo)，重點(diǎn)考慮1～10km左右的大氣運(yùn)動(dòng)。與離線(xiàn)空氣質(zhì)量模式不同，該模式同步計(jì)算氣象過(guò)程和大氣污染過(guò)程，它的化學(xué)和氣象過(guò)程使用相同的水平和垂直坐標(biāo)系，相同的物理參數(shù)化方案，不存在時(shí)間上的插值，并且能夠考慮化學(xué)對(duì)氣象過(guò)程的反饋?zhàn)饔谩Ｊ聦?shí)上，在實(shí)際大氣中化學(xué)和氣象過(guò)程是同時(shí)發(fā)生的，并且能夠互相影響，如氣溶膠能影響地氣系統(tǒng)輻射平衡，氣溶膠作為云凝結(jié)核，能影響降水，而氣溫、云和降水對(duì)化學(xué)過(guò)程也有非常強(qiáng)烈的影響。因此，WRF-Chem實(shí)時(shí)計(jì)算污染物濃度對(duì)大氣輻射的影響，考慮了污染物與氣象場(chǎng)的相互作用機(jī)制，能夠模擬再現(xiàn)一種更加真實(shí)的大氣環(huán)境。研究表明，WRF-Chem模式可以合理模擬和預(yù)報(bào)出中國(guó)區(qū)域天氣狀況、污染物濃度、分布、傳輸和化學(xué)轉(zhuǎn)化等[11-12]。

模式網(wǎng)格分辨率設(shè)置為5km，模式投影中心點(diǎn)取為(118.5°E，32.5°N)，經(jīng)向細(xì)分為115個(gè)網(wǎng)格，緯向細(xì)分為90個(gè)網(wǎng)格，包括江蘇大部分地區(qū)和安徽東部地區(qū)，垂直方向分為30層，模式頂層氣壓為50hPa。表1為模式設(shè)置的參數(shù)化方案：氣溶膠和化學(xué)過(guò)程參數(shù)化方案選取GOCART氣溶膠方案和RADM2-KPP氣相化學(xué)方案，RADM2機(jī)制是第二版本的區(qū)域酸性沉降機(jī)制，該機(jī)制綜合考慮了化學(xué)過(guò)程、預(yù)報(bào)精度和計(jì)算機(jī)資源，被廣泛應(yīng)用與各種大氣化學(xué)模式當(dāng)中，RADM2中無(wú)機(jī)物包括14個(gè)穩(wěn)定物種，4個(gè)活潑的中間物種和3個(gè)足量穩(wěn)定物種(氧氣、氮?dú)夂退?，有機(jī)物包括26類(lèi)穩(wěn)定物種和16類(lèi)過(guò)氧自由基，使用一種準(zhǔn)穩(wěn)態(tài)近似(QSSA)的方法求解22個(gè)診斷物種、38個(gè)預(yù)報(bào)物種的濃度；選用TUV光化學(xué)過(guò)程方案，該方案考慮了21個(gè)物種的光分解反應(yīng)，對(duì)于不同波長(zhǎng)和物種的光分解系數(shù)，考慮反應(yīng)物分子特性(吸收系數(shù)和量子產(chǎn)率)；陸面過(guò)程選用Noah方案，考慮城市五島效應(yīng)影響(熱島效應(yīng)，干島效應(yīng)，濕島效應(yīng)，雨島效應(yīng)和渾濁島效應(yīng))，同時(shí)采用UCM城市冠層方案，該方案對(duì)二維結(jié)構(gòu)的街區(qū)進(jìn)行參數(shù)化，來(lái)計(jì)算街區(qū)的熱力特性，考慮建筑物的陰影和建筑物的反射作用，區(qū)分路面、墻面和屋頂?shù)臒崃ψ饔?，?duì)城市熱力和動(dòng)力過(guò)程模擬效果較好；考慮氣溶膠光化學(xué)反應(yīng)，模式采用RRTMG方案長(zhǎng)短波輻射反饋，觸發(fā)氣溶膠消光系數(shù)輸出[13-14]；同時(shí)啟動(dòng)Lin方案云微物理反饋機(jī)制，考慮水汽、云水、雨、云冰、雪和霰的預(yù)報(bào)，模擬云中短波和光解過(guò)程，其他過(guò)程如表1所示。

表1 WRF-Chem模式參數(shù)的本地化設(shè)置

1.2 數(shù)據(jù)資料

觀測(cè)數(shù)據(jù)：江蘇省站、蘇州站、徐州站和連云港站4站532nm波長(zhǎng)激光雷達(dá)垂直消光系數(shù)，觀測(cè)時(shí)段從2016年1月～2017年1月，時(shí)間分辨率5min，垂直高度分辨率為7.5m，觀測(cè)范圍從地面到15km。

污染物監(jiān)測(cè)數(shù)據(jù)：顆粒物濃度(PM10、PM2.5)和AQI數(shù)據(jù)來(lái)自國(guó)控站逐小時(shí)監(jiān)測(cè)數(shù)據(jù)，數(shù)據(jù)經(jīng)過(guò)質(zhì)量控制，可信度較高。

模式資料：氣象初始場(chǎng)及側(cè)邊界資料來(lái)自GFS 0.25°× 0.25°再分析資料；模式人為排放源使用過(guò)去40年全球?qū)α鲗釉俜治雠欧艛?shù)據(jù)(RETRO)和全球大氣研究排放數(shù)據(jù)(EDGAR)，兩套數(shù)據(jù)都提供幾種溫室氣體(CO2，CH4，N2O等)和一些初級(jí)粒子的年排放數(shù)據(jù)，分辨率分別為0.5°× 0.5°和1°× 1°；模擬區(qū)域地形和地表信息分別來(lái)自模式自帶GTOPO30和MODIS數(shù)據(jù)，分辨率為1km × 1km[23-24]。

1.3 預(yù)報(bào)評(píng)估方法

分別采用相關(guān)系數(shù)(R)、平均絕對(duì)誤差(MD)和風(fēng)險(xiǎn)評(píng)分(Ts)進(jìn)行預(yù)報(bào)結(jié)果評(píng)估[25]，計(jì)算公式如下：

(1)

(2)

(3)

式中，N表示樣本數(shù)，Oi為觀測(cè)值，Mi為模型反演值，i=1,2,3,...N；n11表示預(yù)報(bào)正確次數(shù)，n21表示空?qǐng)?bào)次數(shù)，n12表示漏報(bào)次數(shù)，n11+n21為總預(yù)報(bào)次數(shù)，n11+n12為觀測(cè)總次數(shù)。

2 同化方案及實(shí)驗(yàn)設(shè)計(jì)

2.1 同化方案設(shè)計(jì)

本系統(tǒng)基于空氣質(zhì)量模式WRF-Chem，利用江蘇省激光雷達(dá)觀測(cè)數(shù)據(jù)、監(jiān)測(cè)站污染物濃度數(shù)據(jù)和常規(guī)氣象數(shù)據(jù)，基于AOD反演算法進(jìn)行三維變分同化。其技術(shù)實(shí)現(xiàn)涉及兩個(gè)基本方面：(1)觀測(cè)信息的輸入(觀測(cè)增量)；(2)觀測(cè)信息的權(quán)重與傳播平滑。針對(duì)這兩部分，本文設(shè)計(jì)了相應(yīng)的同化系統(tǒng)，如圖1所示，系統(tǒng)分為數(shù)據(jù)預(yù)處理模塊和同化模塊，前者通過(guò)讀取激光雷達(dá)消光系數(shù)、污染監(jiān)測(cè)數(shù)據(jù)和常規(guī)氣象觀測(cè)數(shù)據(jù)分別進(jìn)行質(zhì)量控制，并以年-月-日命名存入對(duì)應(yīng)文件夾，對(duì)消光系數(shù)進(jìn)行垂直積分獲取AOD，通過(guò)反演計(jì)算，利用相關(guān)性、絕對(duì)誤差等評(píng)估指標(biāo)，建立權(quán)重系數(shù)，綜合得到相應(yīng)的PM2.5濃度，實(shí)現(xiàn)同化所需觀測(cè)信息的格式化載入；后者即同化模塊，導(dǎo)入氣象再分析、地理信息、源清單等數(shù)據(jù)，進(jìn)行模式預(yù)處理，通過(guò)模式冷啟動(dòng)，生成未同化初始場(chǎng)，啟動(dòng)三維變分同化技術(shù)，載入觀測(cè)數(shù)據(jù)訂正模式初始場(chǎng)，隨后更新側(cè)邊界，啟動(dòng)模式進(jìn)行積分運(yùn)算。兩個(gè)模塊通過(guò)反演PM2.5濃度，實(shí)現(xiàn)實(shí)況數(shù)據(jù)載入和模式同化。

圖1 激光雷達(dá)同化系統(tǒng)流程圖

2.1.1 數(shù)據(jù)預(yù)處理模塊設(shè)計(jì)

激光雷達(dá)消光系數(shù)、污染監(jiān)測(cè)數(shù)據(jù)和常規(guī)氣象觀測(cè)數(shù)據(jù)的質(zhì)量控制包括缺失值和異常值剔除、數(shù)據(jù)整合和規(guī)范化排列、保存等，這里不做贅述。

下面對(duì)AOD反演算法進(jìn)行詳細(xì)說(shuō)明。大氣氣溶膠光學(xué)深度表示垂直氣柱內(nèi)各個(gè)高度氣溶膠消光系數(shù)的積分，由于大氣中不同高度氣溶膠濃度受大氣相對(duì)濕度、輻射強(qiáng)度等大氣參數(shù)影響較大，導(dǎo)致大氣垂直方向上氣溶膠濃度呈現(xiàn)不均、復(fù)雜的廓線(xiàn)分布，因此直接利用AOD估算地面顆粒物濃度必然導(dǎo)致準(zhǔn)確率下降。本文采用標(biāo)高法獲取地面氣溶膠消光系數(shù)進(jìn)行顆粒物濃度反演，具體公式如下[26]：

(4)

由上述公式變換，可得地面消光系數(shù)σ0：

(5)

本文利用地面消光系數(shù)σ0建立PM2.5濃度的單要素?cái)M合模型：y=-52.08x+111.62 ，y為地面PM2.5濃度，x為地面消光系數(shù)σ0。

為考慮其他氣象要素的影響[27-28]，本文同時(shí)基于多種氣象要素，包括溫度、相對(duì)濕度、風(fēng)速等，同步建立地面消光系數(shù)與PM2.5濃度的多元擬合模型：

y=-35.24x1+131.07x2+2.93x3-108.36x4-172.88

(6)

其中y為地面PM2.5濃度，x1至x4分別為地面消光系數(shù)、近地面溫度和相對(duì)濕度、近地面風(fēng)速。

對(duì)比兩模型的擬合結(jié)果，如圖2所示，單要素模型得到的PM2.5與實(shí)況相關(guān)性為0.27，回歸方差占總方差比重僅為29%，表明單要素線(xiàn)性回歸模型的數(shù)據(jù)損耗較為明顯。多要素多元擬合模型反演的PM2.5濃度值相關(guān)性為0.71，且擬合后數(shù)據(jù)圍繞斜率為1的直線(xiàn)分布，主要落區(qū)分布在原始數(shù)據(jù)的1/2至2倍之間，平均絕對(duì)誤差大幅下降，表明多元擬合反演模型能夠更好地反映激光雷達(dá)數(shù)據(jù)和PM2.5的關(guān)系。因此，本文采用多元擬合模型方案作為PM2.5的預(yù)測(cè)模型，建立觀測(cè)算子。

圖2 單要素線(xiàn)性模型和多要素線(xiàn)性模型反演PM2.5的分布

2.1.2 同化模塊設(shè)計(jì)

資料同化就是在功能上實(shí)現(xiàn)按照某種算法通過(guò)計(jì)算機(jī)程序(無(wú)需人為干預(yù))，將不規(guī)則分布的觀測(cè)資料結(jié)合天氣動(dòng)力學(xué)和觀測(cè)資料特征而得到某一預(yù)定規(guī)則網(wǎng)格點(diǎn)上最可能的值，即表示盡可能準(zhǔn)確的大氣狀態(tài)的分析場(chǎng)，來(lái)提供數(shù)值天氣預(yù)報(bào)模式的初值條件[29]。

通過(guò)數(shù)據(jù)預(yù)處理模塊，建立PM2.5的多元擬合預(yù)測(cè)模型，實(shí)現(xiàn)實(shí)時(shí)觀測(cè)數(shù)據(jù)反演、訂正輸出，作為同化模塊的觀測(cè)算子?；谪惾~斯定理，在先驗(yàn)背景場(chǎng)誤差和觀測(cè)誤差是不相關(guān)的假定下，由分析場(chǎng)似然概率最大的解轉(zhuǎn)化為等價(jià)于目標(biāo)泛函數(shù)最小的解：

-y)TR-1(H(x)-y)

(7)

式中：x是同化分析場(chǎng)，xb是背景場(chǎng)；B是背景誤差協(xié)方差；H是觀測(cè)算子；y是觀測(cè)向量；R是觀測(cè)誤差協(xié)方差。本項(xiàng)目中的控制變量包括流函數(shù)、非平衡速度勢(shì)、非平衡溫度、非平衡地表氣壓、假相對(duì)濕度等資料。

通過(guò)三維變分同化，將觀測(cè)信息載入模式初始場(chǎng)，改善模式初始條件，隨后更新側(cè)邊界條件，防止模式運(yùn)行過(guò)程溢出，最后啟動(dòng)模式進(jìn)行積分運(yùn)算。

2.2 實(shí)驗(yàn)方案設(shè)計(jì)

2016年12月7日～10日，南京地區(qū)出現(xiàn)一次以細(xì)顆粒物為主要污染物的中度至重度污染過(guò)程：7日開(kāi)始顆粒物濃度逐漸增大，出現(xiàn)輕度污染；8日到9日凌晨PM2.5濃度達(dá)到最大，且濃度值維持穩(wěn)定；9日下午前后PM2.5濃度逐漸下降，至10日污染過(guò)程結(jié)束。

以該污染過(guò)程為模擬對(duì)象，本文設(shè)計(jì)了2組模擬實(shí)驗(yàn)方案，具體如下。

方案1為控制實(shí)驗(yàn)：即不采用同化方案，從2016年12月6日20時(shí)向后積分WRF-Chem模式做84小時(shí)預(yù)報(bào)，到2016年12月10日08時(shí)結(jié)束，其中前12小時(shí)作為spin-up，對(duì)氣象和化學(xué)過(guò)程進(jìn)行充分適應(yīng)，取后72小時(shí)用于研究分析。

方案2為同化實(shí)驗(yàn)：利用本文前述反演算法和高度訂正，得到同化時(shí)刻PM2.5濃度，再將PM2.5濃度作為同化觀測(cè)場(chǎng)進(jìn)行同化。以12月6日20時(shí)起WRF-Chem的12小時(shí)預(yù)報(bào)場(chǎng)作為背景場(chǎng)，同化7日08時(shí)的PM2.5資料，將同化得到的分析場(chǎng)作為初始場(chǎng)，利用restart進(jìn)行熱啟動(dòng)，更新模式的邊界條件，向后積分72小時(shí)，其結(jié)果用于模擬分析。

3 結(jié)果分析

3.1 同化后分析場(chǎng)分析

圖3是反演同化后PM2.5濃度的分析場(chǎng)與同化前原始場(chǎng)的對(duì)比。對(duì)比發(fā)現(xiàn)，蘇北地區(qū)原始場(chǎng)模擬偏高，經(jīng)過(guò)同化訂正后徐州地區(qū)PM2.5濃度降幅達(dá)到50μg/m3，連云港地區(qū)也有30μg/m3降幅，同化有效半徑達(dá)到50km左右。蘇州地區(qū)模擬的原始場(chǎng)與實(shí)況接近，同化訂正效果不明顯。南部地區(qū)由于缺少觀測(cè)，同化對(duì)原始場(chǎng)的調(diào)整幅度相對(duì)較小。

(圖a：同化后，圖b：未同化，單位：μg/m3)

(沿32.1°N做緯向剖面，單位：μg/m3)

如圖4所示，沿32.1°N做緯向剖面，對(duì)比同化前后分析場(chǎng)在垂直方向的濃度變化。同化后，垂直方向調(diào)整明顯，在119.5°E東西兩側(cè)分別形成差值中心，西部為負(fù)值區(qū)，表明同化后分析場(chǎng)減小，東部為正值區(qū)，表明同化后分析場(chǎng)增大；西部調(diào)整幅度較大，垂直影響較高，達(dá)到800hPa(2 000m左右)，東部調(diào)整較小，垂直方向達(dá)到750hPa(1 500m左右)；高度升高，濃度調(diào)整的影響也隨之減弱。

3.2 預(yù)報(bào)結(jié)果對(duì)比分析

圖5為南京市PM10、PM2.5和AQI 72小時(shí)預(yù)報(bào)結(jié)果和觀測(cè)值對(duì)比時(shí)間序列圖(徐州和蘇州地區(qū)時(shí)間序列圖略)，模式模擬出污染物濃度變化趨勢(shì)，相關(guān)性達(dá)到0.55以上，但未經(jīng)過(guò)同化的顆粒物濃度普遍偏高，最高達(dá)到2倍以上，主要因?yàn)榕欧旁辞鍐畏直媛瘦^低和未進(jìn)行動(dòng)力降尺度造成此現(xiàn)象；利用近地面反演數(shù)據(jù)訂正初始場(chǎng)，同化后結(jié)果得到較大改善。

實(shí)驗(yàn)從7日08時(shí)開(kāi)始restart，氣象和化學(xué)模式需要磨合，所以前幾小時(shí)模擬偏差較大；隨著預(yù)報(bào)時(shí)長(zhǎng)的增加，初始場(chǎng)自身的誤差導(dǎo)致預(yù)報(bào)不確定性逐漸降低，同化效果逐漸顯現(xiàn)，且前36小時(shí)預(yù)報(bào)與實(shí)況走勢(shì)差異較??；隨后排放源、氣象背景場(chǎng)及空氣質(zhì)量模式本身的不確定性逐漸成為導(dǎo)致預(yù)報(bào)偏差的主要原因，同時(shí)近地層同化效果逐漸減弱，初始場(chǎng)垂直訂正的同化對(duì)預(yù)報(bào)時(shí)長(zhǎng)的影響放大模式本身不確定，導(dǎo)致后期模擬偏差增大；這種偏差突出表現(xiàn)在PM10濃度預(yù)報(bào)，PM2.5同化效果較好，但峰值偏差依然較大。

此次過(guò)程以PM2.5污染為主，AQI整體走勢(shì)與PM2.5濃度變化一致。反演同化后，預(yù)報(bào)與觀測(cè)相關(guān)性提高了0.1左右，準(zhǔn)確率提高了10%左右，PM2.5的平均絕對(duì)誤差下降了20，PM10下降了50左右；南京與徐州地區(qū)顆粒物濃度變化幅度較大，整個(gè)過(guò)程出現(xiàn)多波峰波谷，模擬結(jié)果較差，同化后預(yù)報(bào)改善明顯；蘇州地區(qū)前期污染嚴(yán)重，后期污染消退，整個(gè)過(guò)程污染物濃度變化單一，波動(dòng)幅度較小，所以模擬結(jié)果優(yōu)于其他兩個(gè)地區(qū)，同化后平均絕對(duì)誤差明顯減小，但相關(guān)性和準(zhǔn)確率調(diào)整較小(表2所示)。

圖5 南京市區(qū)2016年12月7日～10日PM2.5(a)、PM10(b)和AQI(c)72小時(shí)預(yù)報(bào)結(jié)果與觀測(cè)濃度對(duì)比時(shí)間序列圖

表2 實(shí)驗(yàn)結(jié)果評(píng)估對(duì)比

續(xù)表2

為客觀檢驗(yàn)實(shí)驗(yàn)對(duì)污染事件的預(yù)報(bào)準(zhǔn)確度，根據(jù)空氣質(zhì)量濃度等級(jí)(表3所示)，將顆粒物濃度和AQI按照閾值劃分為優(yōu)良、輕度、中度和重度以及嚴(yán)重污染5個(gè)等級(jí)，采用Ts(Threat score)方法，對(duì)不同等級(jí)污染預(yù)報(bào)能力進(jìn)行分類(lèi)檢驗(yàn)。

表3 空氣質(zhì)量分級(jí)濃度

如表4所示，使用污染物濃度等級(jí)來(lái)定義污染事件，計(jì)算過(guò)程預(yù)報(bào)檢驗(yàn)數(shù)據(jù)。統(tǒng)計(jì)結(jié)果顯示，優(yōu)良等級(jí)天氣預(yù)報(bào)評(píng)分最高；PM2.5和PM10的中度、重度污染等級(jí)評(píng)分高于輕度污染預(yù)報(bào)，表明模式預(yù)報(bào)對(duì)中度和重度污染預(yù)報(bào)能力較強(qiáng)；另一方面，同化后各污染物的不同等級(jí)評(píng)分都有顯著提升：徐州地區(qū)輕度、中度和重度污染的預(yù)報(bào)改善效果提升明顯，幅度達(dá)到0.2左右，蘇州輕度污染改善明顯，達(dá)到0.1左右，南京地區(qū)也有小幅提升；不同污染物的同化改善效果也有不同，PM2.5濃度改善最為明顯，其次是AQI，最后是PM10，表明反演同化直接對(duì)PM2.5濃度初始場(chǎng)產(chǎn)生影響，間接影響PM10濃度，此次過(guò)程主要為PM2.5污染，AQI濃度收PM2.5影響較大，所以預(yù)報(bào)結(jié)果優(yōu)于PM10。整體而言，同化后模式對(duì)于污染事件的預(yù)報(bào)準(zhǔn)確度有明顯提高。

表4 不同等級(jí)污染物濃度的分類(lèi)檢驗(yàn)

續(xù)表4

4 結(jié) 論

4.1 采用高度訂正和多元擬合算法，建立激光雷達(dá)AOD與近地面PM2.5關(guān)系，引入觀測(cè)算子，通過(guò)同化訂正模式初始場(chǎng)，影響模式預(yù)報(bào)結(jié)果。

4.2 同化對(duì)PM2.5預(yù)報(bào)改善優(yōu)于PM10，反演同化分析場(chǎng)，對(duì)PM2.5濃度進(jìn)行訂正，間接影響PM10，所以PM2.5預(yù)報(bào)改善效果明顯優(yōu)于PM10；同化后AQI預(yù)報(bào)也有顯著改善，相關(guān)性提高了0.05～0.1，預(yù)報(bào)準(zhǔn)確率提高了10%～20%。

4.3 不同地區(qū)，由于污染過(guò)程的特征不同，同化改進(jìn)效果不同，總體而言，模擬結(jié)果越偏離監(jiān)測(cè)值、污染過(guò)程越復(fù)雜，同化改善效果越明顯。

4.4 本文通過(guò)實(shí)驗(yàn)對(duì)比，發(fā)現(xiàn)同化后分析場(chǎng)調(diào)整明顯，對(duì)顆粒物和AQI預(yù)報(bào)改善效果顯著，表明激光雷達(dá)數(shù)據(jù)在同化方面表現(xiàn)良好，在模式同化領(lǐng)域有廣闊的應(yīng)用空間。