摘要：黃山市2020年環(huán)境空氣質(zhì)量預(yù)報(bào)評估結(jié)果表明，AQI模式預(yù)報(bào)值和人工預(yù)報(bào)值的MFB和MFE均在“合理范圍內(nèi)”和“理想范圍”內(nèi)，人工預(yù)報(bào)值與實(shí)測值一致性最好，均能較好地反應(yīng)黃山市空氣質(zhì)量變化趨勢。模式預(yù)報(bào)與人工預(yù)報(bào)對PM2.5和O3的預(yù)測值與實(shí)測值線性相關(guān)程度均較好，PM2.5預(yù)報(bào)準(zhǔn)確性總體優(yōu)于O3。模式預(yù)報(bào)在空氣質(zhì)量為良時(shí)預(yù)報(bào)效果較好，人工預(yù)報(bào)的AQI相關(guān)指數(shù)預(yù)報(bào)準(zhǔn)確率均高于模式預(yù)報(bào)。

關(guān)鍵詞：模式預(yù)報(bào); 人工預(yù)報(bào); 準(zhǔn)確率; 效果評估; AQI

1引言

目前，空氣質(zhì)量預(yù)報(bào)主要有統(tǒng)計(jì)預(yù)報(bào)、數(shù)值預(yù)報(bào)、人工研判綜合預(yù)報(bào)三種方法[1]。黃山市環(huán)境空氣質(zhì)量預(yù)報(bào)工作基于安徽省空氣質(zhì)量預(yù)報(bào)預(yù)警業(yè)務(wù)系統(tǒng)客觀數(shù)值預(yù)報(bào)與統(tǒng)計(jì)預(yù)報(bào)結(jié)果，預(yù)報(bào)員結(jié)合當(dāng)天氣象條件、大氣污染物傳輸狀況對模式預(yù)報(bào)結(jié)果進(jìn)行人工訂正，確定最終預(yù)報(bào)結(jié)果。預(yù)報(bào)業(yè)務(wù)系統(tǒng)目前提供的預(yù)報(bào)模式有6種，分別為NAQPMS （ 嵌套網(wǎng)格空氣質(zhì)量預(yù)報(bào)模式 ）、CAMx（綜合空氣質(zhì)量擴(kuò)散模型 ）、WRF-Chem （ 耦合氣象模式和化學(xué)模式的空氣質(zhì)量模式）、WRF-CMAQ （耦合氣象模式的通用多尺度空氣質(zhì)量模型）、集合預(yù)報(bào)模式和統(tǒng)計(jì)預(yù)報(bào)模式。預(yù)報(bào)模式可以模擬出當(dāng)天及未來168h的空氣質(zhì)量預(yù)報(bào)結(jié)果，為預(yù)報(bào)工作提供了重要參考。因此，對預(yù)報(bào)模式的預(yù)報(bào)結(jié)果進(jìn)行分析總結(jié)一方面有利于摸清每種預(yù)報(bào)模式對各項(xiàng)污染物預(yù)報(bào)結(jié)果的系統(tǒng)誤差及偏差，以便于對預(yù)報(bào)模式進(jìn)行改進(jìn)，另一方面有利于預(yù)報(bào)員積累預(yù)報(bào)經(jīng)驗(yàn)，合理選擇預(yù)報(bào)模式并訂正預(yù)報(bào)結(jié)果，提高預(yù)報(bào)準(zhǔn)確率[2]。黃山市環(huán)境空氣質(zhì)量人工預(yù)報(bào)主要對AQI、PM2.5、O3三個(gè)指數(shù)開展每日預(yù)報(bào)（O3預(yù)報(bào)于2020年5月份中旬開始），本文基于 2020年黃山市逐日預(yù)報(bào)及實(shí)測 AQI、PM2.5、O3數(shù)據(jù)，對比分析NAQPMS、CAMx、WRF-Chem、WRF- CMAQ、集合預(yù)報(bào)和人工預(yù)報(bào)等6種預(yù)報(bào)方式的預(yù)報(bào)效果。

2 研究方法

2.1監(jiān)測數(shù)據(jù)與研究時(shí)段

AQI、PM2.5、O3監(jiān)測數(shù)據(jù)來源于安徽省空氣質(zhì)量預(yù)報(bào)預(yù)警業(yè)務(wù)系統(tǒng)。PM2.5、AQI監(jiān)測數(shù)據(jù)研究時(shí)段為2020年1月1日至2020年12月31日。O3監(jiān)測數(shù)據(jù)研究時(shí)段為2020年6月1日至2020年12月31日。

2.2預(yù)報(bào)評估方法

采用相關(guān)系數(shù)（R）、絕對誤差（AE）、平均相對偏差（MFB）、平均相對誤差（MFE）、標(biāo)準(zhǔn)化平均誤差（NME）和標(biāo)準(zhǔn)化平均偏差（NMB）作為評價(jià)依據(jù)來評價(jià)預(yù)報(bào)結(jié)果。R反應(yīng)預(yù)報(bào)值與實(shí)測值隨時(shí)間變化趨勢的線性相關(guān)程度，MFB和MFE用于分析AQI預(yù)報(bào)值與實(shí)測值之間的差異大小。ME指標(biāo)用于判斷誤差大小，NME（標(biāo)準(zhǔn)化平均誤差）和NMB（標(biāo)準(zhǔn)化平均偏差）適用于評價(jià)首要污染物預(yù)報(bào)準(zhǔn)確性[3]。以 MFB 和MFE評估AQI預(yù)報(bào)效果[4]，合理范圍為-60%≤MFB≤60%，MFE≤75%，理想水平范圍為-30%≤MFB≤30% ，MFE ≤50%。PM2.5預(yù)報(bào)準(zhǔn)確性評價(jià)方法[5]為-50%≤NMB≤80%，NME≤150%，相關(guān)系數(shù)R≥0.3;O3預(yù)報(bào)準(zhǔn)確性評價(jià)方法為15%≤NMB≤15%，NME≤35%，相關(guān)系數(shù)R≥0.4。

式中：Mi是第i天的預(yù)報(bào)值;

Oi是第i天的實(shí)測值;

是評估時(shí)段內(nèi)所有預(yù)報(bào)值的平均值;

是評估時(shí)段內(nèi)所有實(shí)測值的平均值;

N是評價(jià)時(shí)段的總天數(shù);

3 預(yù)報(bào)效果評估

3.1 24h預(yù)報(bào)時(shí)效AQI預(yù)報(bào)值與實(shí)測值相關(guān)性評估

從表1可以看出，當(dāng)預(yù)報(bào)時(shí)效為24h時(shí)，5種模式預(yù)報(bào)相關(guān)系數(shù)為0.09～0.49，NAQPMS、WER-Chem、集合預(yù)報(bào)三種預(yù)報(bào)模式預(yù)報(bào)值與實(shí)測值的一致性相對較差。人工預(yù)報(bào)相關(guān)系數(shù)為0.70，預(yù)報(bào)結(jié)果與實(shí)測值一致性相對于模式預(yù)報(bào)明顯提高。AQI預(yù)報(bào)以人工預(yù)報(bào)結(jié)果誤差最小，另外五種預(yù)報(bào)模式以CMAQ模式誤差和偏差最小，集合預(yù)報(bào)模式誤差和偏差最大。集合預(yù)報(bào)模式預(yù)報(bào)結(jié)果的MFB處于“合理范圍內(nèi)”，其余四種預(yù)報(bào)模式及人工預(yù)報(bào)結(jié)果的MFB（-0.68%～15.94%）和MFE（18.44%～36.76%）均處于“理想范圍”內(nèi)。

表2是24h預(yù)報(bào)時(shí)效不同預(yù)報(bào)模式主要污染物預(yù)報(bào)值與實(shí)測值的相關(guān)系數(shù)、NMB和NME。各預(yù)報(bào)模式PM2.5和O3的預(yù)測值與實(shí)測值線性相關(guān)程度均較好，其中PM2.5預(yù)報(bào)相關(guān)系數(shù)最高的是集合預(yù)報(bào)為0.73，最低的是WRF-Chem模式為0.46。O3相關(guān)系數(shù)最高的是CAMx模式為0.75，最低的是NAQPMS模式為0.42。5種預(yù)報(bào)模式和人工預(yù)報(bào)對PM2.5預(yù)報(bào)結(jié)果的NMB和NME均滿足-50%≤NMB≤80%、NME≤150%，預(yù)報(bào)準(zhǔn)確性均較好。CMAQ、CAMx、WRF-Chem、集合預(yù)報(bào)等4種預(yù)報(bào)模式對O3預(yù)報(bào)結(jié)果的NMB（21.1%～25.5%）均不在-15%≤NMB≤15%范圍內(nèi)，預(yù)報(bào)效果相對于NAQPMS模式和人工預(yù)報(bào)較差。

3.2 不同預(yù)報(bào)時(shí)效AQI指數(shù)預(yù)報(bào)評估

從不同預(yù)報(bào)時(shí)效的AQI分級別預(yù)報(bào)準(zhǔn)確率來看（表3），5種預(yù)報(bào)模式在空氣質(zhì)量為二級（良）時(shí)預(yù)報(bào)準(zhǔn)確率較高且均高于空氣質(zhì)量為一級（優(yōu)）時(shí)，說明在空氣質(zhì)量為良時(shí)模式預(yù)報(bào)效果更好。2020年黃山市空氣質(zhì)量為三級（輕度污染）的天數(shù)僅為1天，各預(yù)報(bào)模式基本做到了對輕度污染天氣的準(zhǔn)確模擬。從總體預(yù)報(bào)準(zhǔn)確率來看，24h～72h預(yù)報(bào)準(zhǔn)確率最高的均為CMAQ模式，WER-Chem模式預(yù)報(bào)準(zhǔn)確率最低。經(jīng)人工訂正后，人工預(yù)報(bào)準(zhǔn)確率得到進(jìn)一步提高，24h～72h總體預(yù)報(bào)準(zhǔn)確率均大于92%。

由表4可知，預(yù)報(bào)時(shí)效為24h～72h時(shí)，人工預(yù)報(bào)的AQI范圍準(zhǔn)確率和首要污染物準(zhǔn)確率均為最高。5種預(yù)報(bào)模式AQI預(yù)報(bào)準(zhǔn)確率范圍為26.5%～54.7%（24h）、24.9%～51.9%（48h）、21.9%～48.1%（72h），CMAQ模式準(zhǔn)確率最高，WER-Chem模式最低。首要污染物預(yù)報(bào)準(zhǔn)確率范圍為35.1%～68.4%（24h）、36.8%～66.1%（48h）、36.3%～66.1%（72h），集合預(yù)報(bào)模式準(zhǔn)確率最高，NAQPMS模式預(yù)報(bào)準(zhǔn)確率最低。隨著預(yù)報(bào)時(shí)效的增加，AQI范圍預(yù)報(bào)準(zhǔn)確率整體呈下降趨勢，首要污染物預(yù)報(bào)準(zhǔn)確率無明顯變化趨勢。

四 結(jié)論

4.1模式預(yù)報(bào)中以CMAQ模式AQI預(yù)報(bào)值與實(shí)測值誤差和偏差最小，集合預(yù)報(bào)模式誤差和偏差最大。集合預(yù)報(bào)模式預(yù)報(bào)結(jié)果的MFB處于“合理范圍內(nèi)”，其余預(yù)報(bào)模式及人工預(yù)報(bào)的MFB和MFE均處于“理想范圍”內(nèi)。

4.2各預(yù)報(bào)模式對AQI的預(yù)報(bào)結(jié)果總體偏高，人工預(yù)報(bào)結(jié)果與實(shí)測值一致性較好。預(yù)報(bào)模式對PM2.5和O3的預(yù)測值與實(shí)測值線性相關(guān)程度及PM2.5的預(yù)報(bào)準(zhǔn)確性均較好，NAQPMS模式和人工預(yù)報(bào)對O3的預(yù)報(bào)準(zhǔn)確性較好。

4.3模式預(yù)報(bào)在空氣質(zhì)量為良時(shí)預(yù)報(bào)效果較好，且準(zhǔn)確率高于空氣質(zhì)量為優(yōu)時(shí)。CMAQ模式對污染等級和AQI范圍預(yù)報(bào)準(zhǔn)確率最高，WER-Chem模式最低。首要污染物集合預(yù)報(bào)模式準(zhǔn)確率最高，NAQPMS模式預(yù)報(bào)準(zhǔn)確率最低。

4.4經(jīng)人工訂正后的人工預(yù)報(bào)，對AQI范圍、PM2.5、O3、污染等級和首要污染物預(yù)報(bào)準(zhǔn)確率均有所提高，反映了人工訂正在空氣質(zhì)量預(yù)報(bào)工作中的重要作用。模式預(yù)報(bào)應(yīng)及時(shí)更新本地化大氣污染源清單和氣象場數(shù)據(jù)，定期開展預(yù)報(bào)效果評估，以不斷提升模擬效果，為人工預(yù)報(bào)提供更可靠參考。

參考文獻(xiàn)

[1] 張燦，王靜，張君，等.環(huán)境空氣質(zhì)量預(yù)報(bào)方法簡介[J]. 環(huán)境與可持續(xù)發(fā)展，2018，（5）：139-141.

[2] 張金譜，梁桂雄，馮彪，等.廣州市2016年空氣質(zhì)量預(yù)報(bào)效果評估[J].廣州環(huán)境科學(xué)，2017，32（2）：1-4.

[3] 王厚俊，程瀅，吳瑩.幾種空氣質(zhì)量預(yù)報(bào)方法對冬季與預(yù)報(bào)效果的評估與對比[J].環(huán)境監(jiān)控與預(yù)警，2018，10（5）：36-40.

[4] 楊衛(wèi)芬，夏京，趙亞芳，等.WRF CMAQ 模式對常州市空氣質(zhì)量預(yù)報(bào)效果的評估[J].四川環(huán)境，2019，38 （5）：119-125.

[5] 中國環(huán)境監(jiān)測總站，環(huán)境空氣質(zhì)量預(yù)報(bào)預(yù)警方法技術(shù)指南[M].北京，中國環(huán)境科學(xué)出版社，2014.

作者簡介：任亞軍（1990-），男，安徽界首人，漢族，碩士研究生，黃山市環(huán)境監(jiān)測站助理工程師，從事環(huán)境監(jiān)測與分析工作。