楊關(guān)盈，鄧學(xué)良，翟 菁，霍彥峰，于彩霞，吳文玉

(1.安徽省氣象科學(xué)研究所大氣科學(xué)與衛(wèi)星遙感重點(diǎn)實(shí)驗(yàn)室，合肥 230031；2.壽縣國家氣候觀象臺，安徽 壽縣 232200；3.中國氣象局淮河流域典型農(nóng)田生態(tài)氣象野外科學(xué)試驗(yàn)基地，安徽 壽縣 232200)

引 言

近年來，隨著經(jīng)濟(jì)高速發(fā)展及能源大量消耗，中國污染事件頻發(fā)。對于PM2.5等污染物預(yù)報(bào)能力的增強(qiáng)，有助于對污染過程的預(yù)警和防范。隨著數(shù)值模式理論與方法的快速發(fā)展，數(shù)值預(yù)報(bào)已經(jīng)廣泛應(yīng)用于空氣質(zhì)量預(yù)報(bào)。目前空氣質(zhì)量預(yù)報(bào)模式主要有WRF-Chem、CMAQ、CUACE等。為了能在業(yè)務(wù)應(yīng)用中達(dá)到最好效果，國內(nèi)外研究人員對不同的預(yù)報(bào)模式做了大量的檢驗(yàn)訂正工作[1-3]。Bencala等[4]曾利用差值分析、趨勢分析等對預(yù)報(bào)模式進(jìn)行評估。Schaefer[5]提出了命中率得分(Threat Score，TS)評分的方法。在國內(nèi)，王宏[6]、劉寧微[7]、陳靜[8]等分別對CAPPS模式在福州、遼寧及石家莊等地的應(yīng)用效果進(jìn)行了檢驗(yàn)和評估。謝敏[9]、許建明[10]和陳彬彬[11]等對CMAQ模式的預(yù)報(bào)效果進(jìn)行了評估。周廣強(qiáng)等[12]對WRF-Chem在上海地區(qū)臭氧數(shù)值預(yù)報(bào)進(jìn)行了評估。王曉敏等[13]對多模式夏季4種污染物在石家莊市預(yù)報(bào)效果進(jìn)行了對比檢驗(yàn)。宋丹[14]、王景云[15]等采用統(tǒng)計(jì)方法，分別分析了貴陽和北京市空氣質(zhì)量和氣象要素的關(guān)系。目前對多模式的對比檢驗(yàn)及集成訂正研究較少。本文結(jié)合空氣質(zhì)量監(jiān)測數(shù)據(jù)，對中國氣象局環(huán)境氣象中心下發(fā)的CUACE模式，以及華東區(qū)域氣象中心下發(fā)的WRF-Chem模式和CMAQ模式效果進(jìn)行對比評估。

1 資料與方法

1.1 數(shù)據(jù)介紹

CUACE模式是中國氣象科學(xué)研究院自主研發(fā)的空氣質(zhì)量預(yù)報(bào)模式，其主要目的是為空氣質(zhì)量及氣候變化模式提供大氣成分計(jì)算的通用平臺[16-17]。模式水平分辨率為15 km，時(shí)間分辨率為3 h。本文預(yù)報(bào)資料來源于中國氣象局業(yè)務(wù)化運(yùn)行的CUACE模式指導(dǎo)產(chǎn)品，CUACE模式每日20時(shí)起報(bào)，預(yù)報(bào)時(shí)次為72 h，預(yù)報(bào)產(chǎn)品包括全國342個(gè)地級市未來24 h、48 h、72 h的SO2、NO2、PM10、CO、O3、PM2.5濃度及AQI、空氣質(zhì)量等級和首要污染物。

華東區(qū)域氣象中心基于WRF-Chem模式開發(fā)了“華東區(qū)域大氣環(huán)境數(shù)值預(yù)報(bào)業(yè)務(wù)系統(tǒng)”[18-19]。該系統(tǒng)以WRF-Chem模式和INTEX-B與清華大學(xué)中國多尺度(MEIC,http://www.meicmodel.org/)人為排放清單為基礎(chǔ)構(gòu)建，預(yù)報(bào)區(qū)域以(32.5°N、118.0°E)為中心，水平分辨率為6 km，水平網(wǎng)格數(shù)360(東西)×400(南北)。另外,華東區(qū)域中心下發(fā)了基于CMAQ模式的預(yù)報(bào)產(chǎn)品，其預(yù)報(bào)范圍與WRF-Chem模式的一致，兩者時(shí)間分辨率均為1 h。本文采用2017年1月-2018年2月3種模式(CUACE、WRF-Chem、CMAQ)下發(fā)的24 h內(nèi)逐3 h預(yù)報(bào)產(chǎn)品，以及全國城市空氣質(zhì)量實(shí)時(shí)發(fā)布平臺(http://106.37.208.233:20035/)獲得的小時(shí)實(shí)測數(shù)據(jù)，進(jìn)行效果對比評估。

1.2 評估與訂正方法

通常對于氣象、環(huán)境預(yù)報(bào)模式評估采用的統(tǒng)計(jì)指標(biāo)包括相關(guān)系數(shù)(r)、均方根誤差(RMSE)、平均偏差(MB)、標(biāo)準(zhǔn)化分?jǐn)?shù)誤差(MFE)、標(biāo)準(zhǔn)化分?jǐn)?shù)偏差(MFB)、標(biāo)準(zhǔn)化平均偏差(NMB)和標(biāo)準(zhǔn)化平均誤差(NME)等[20-22]。Boylan等[23]認(rèn)為MFB和MFE指標(biāo)考慮到了實(shí)測值的不確定性，采用實(shí)測值與預(yù)報(bào)值的平均值作為參考值，并且能夠克服NMB和NME在預(yù)報(bào)值過大或過小時(shí)數(shù)值不對稱的問題，因而更適用于評估模式效果。本文采用相關(guān)系數(shù)(r)、均方根誤差(RMSE)、平均偏差(MB)、標(biāo)準(zhǔn)化分?jǐn)?shù)誤差(MFE)、標(biāo)準(zhǔn)化分?jǐn)?shù)偏差(MFB)作為統(tǒng)計(jì)量來評估3種模式產(chǎn)品中的濃度預(yù)報(bào)。在無先驗(yàn)結(jié)果的情況下，并考慮到不同模式由不同部門運(yùn)行，其時(shí)間、空間分辨率可能隨時(shí)調(diào)整，且排放源等數(shù)據(jù)均可能隨時(shí)調(diào)整，在無法評定各模式優(yōu)劣的情況下，假設(shè)各區(qū)域模式預(yù)報(bào)效果近似，因此以算術(shù)平均的方式獲得各模式集成預(yù)報(bào)結(jié)果[24-25]。各統(tǒng)計(jì)量具體公式如下：

(1)

(2)

(3)

(4)

(5)

(6)

式(1)—式(5)中，Pi為預(yù)報(bào)值，Oi為實(shí)測值，N為樣本總數(shù)。其中r反映了預(yù)報(bào)值與實(shí)測值之間的線性相關(guān)程度，RMSE反映了預(yù)報(bào)值同實(shí)測值之間的偏差，MB反映了預(yù)報(bào)值與實(shí)測值相比偏大或偏小的絕對數(shù)值。Boylan等[23]認(rèn)為，MFE和MFB相結(jié)合可以反映預(yù)報(bào)值與實(shí)測值之間的偏離程度，即模式預(yù)報(bào)效果的“達(dá)標(biāo)”范圍為-60%≤MFB≤60%、MFE≤75%，而“優(yōu)秀”范圍為-30%≤MFB≤30%、MFE≤50%。式(6)中，F(xiàn)ave為均值集成結(jié)果，m為模式個(gè)數(shù)，F(xiàn)model為各不同模式的預(yù)報(bào)結(jié)果。

2 結(jié)果與討論

2.1 細(xì)顆粒物預(yù)報(bào)效果對比

安徽地區(qū)空氣污染首要污染物以PM2.5為主。表1給出了2017年3種模式和集成預(yù)報(bào)對PM2.5的總體預(yù)報(bào)效果。由表1可以看出，3種模式和集成預(yù)報(bào)均能達(dá)到“達(dá)標(biāo)”范圍，其中集成預(yù)報(bào)達(dá)到了“優(yōu)秀”的范圍。CUACE模式和集成預(yù)報(bào)MB略大于實(shí)測值，而其余兩個(gè)模式預(yù)報(bào)值則略小。集成預(yù)報(bào)的RMSE、MFE和MFB均較3種模式有所減小，其RMSE與WRF-Chem相比減少2.29 μg/m3?？傮w來看，集成預(yù)報(bào)的效果優(yōu)于3種模式的。

表1 PM2.5濃度預(yù)報(bào)效果統(tǒng)計(jì)

圖1給出了實(shí)測值與不同模式預(yù)報(bào)結(jié)果的統(tǒng)計(jì)方框圖。從圖1看，集成預(yù)報(bào)各百分位所在區(qū)間更為接近實(shí)況值，CMAQ的次之，CUACE預(yù)報(bào)值相對偏離較大。

圖1 PM2.5濃度實(shí)況與預(yù)報(bào)結(jié)果分布

為進(jìn)一步統(tǒng)計(jì)不同模式的預(yù)報(bào)結(jié)果落區(qū)范圍，利用2倍誤差公式FAC，統(tǒng)計(jì)模式預(yù)報(bào)值落在0.5倍與2倍實(shí)況值之間的百分比。3種模式產(chǎn)品的FAC基本一致，在68%～69%(見圖2)。實(shí)況值<100 μg/m3的時(shí)候，CUACE模式預(yù)報(bào)值有較多點(diǎn)分布在y=2x斜線之上，說明在低濃度PM2.5情況下，CUACE模式預(yù)報(bào)值易偏大。CUACE模式偏大的情況為19%，WRF-Chem和CMAQ模式的分別為8%和12%。WRF-Chem預(yù)報(bào)值y=0.5x及以下的情況在三者中最多，為24%，其次CMAQ的為20%，CUACE的最小，為12%。集成預(yù)報(bào)的FAC為79%，明顯高于3種模式預(yù)報(bào)結(jié)果，但其偏大比例為11%，略高于WRF-Chem模式的。

圖2 CUACE(a)、WRF-Chem(b)、CMAQ(c)及集成預(yù)報(bào)(d)與實(shí)況對比散點(diǎn)圖

圖3為安徽地區(qū)16個(gè)地市的不同模式均方根誤差。由圖3可以看出，其結(jié)果與表1類似，均為CUACE模式的RMSE最大，有14個(gè)地市集成預(yù)報(bào)的RMSE均低于3種模式預(yù)報(bào)結(jié)果。因此，集成預(yù)報(bào)方法可有效降低預(yù)報(bào)值的偏差。

圖3 安徽省16個(gè)地市PM2.5各模式的RMSE分布

表2給出了參與評估的16個(gè)地市的MFB和MFE。從表2中可以看出，所有地區(qū)PM2.5濃度預(yù)報(bào)結(jié)果的MFB、MFE值均符合-60%≤MFB≤60%，MFE≤75%的條件，即CUACE、WRF-Chem和CMAQ及集成預(yù)報(bào)在安徽省16個(gè)地級市的預(yù)報(bào)結(jié)果均達(dá)到“達(dá)標(biāo)”范圍。模式預(yù)報(bào)結(jié)果-30%≤MFB≤30%、MFE≤50%時(shí)，為“優(yōu)秀”。由表2可看出，集成預(yù)報(bào)效果在15個(gè)地市達(dá)到優(yōu)秀，僅亳州地區(qū)的MFE為51%，略大于50%。

表2 安徽地區(qū)PM2.5濃度預(yù)報(bào)值的MFB和MFE %

從平均偏差(MB)空間分布來看(圖4)，CUACE的在大部分地區(qū)偏大，其中在江北地區(qū)有4個(gè)地市(亳州、六安、合肥和滁州)MB≥20 μg/m3；WRF-Chem在大部分地區(qū)預(yù)報(bào)值略偏小，在宿州偏小20 μg/m3以上；CMAQ在亳州地區(qū)MB大于20 μg/m3，在其他地區(qū)則略偏小或偏大；集成預(yù)報(bào)在16個(gè)地市均未出現(xiàn)MB大于或小于20 μg/m3的情況。

2.2 其他污染物預(yù)報(bào)效果評估

圖5為PM10、O3、SO2、NO2和CO 5種污染物濃度的實(shí)況和預(yù)報(bào)方框統(tǒng)計(jì)圖。由圖5可見，PM10的預(yù)報(bào)值均出現(xiàn)均值偏低的情況，其中CMAQ和集成預(yù)報(bào)均值更接近實(shí)況值；由于CUACE和WRF-Chem模式對于O3的預(yù)報(bào)值偏高，致使集成預(yù)報(bào)偏高。SO2和NO2的預(yù)報(bào)效果中，不僅均值還是四分位數(shù)，均為集成平均的預(yù)報(bào)效果最好。從圖5可見，CUACE模式的CO濃度預(yù)報(bào)顯著偏高，而WRF-Chem和CMAQ模式的則偏低，集成預(yù)報(bào)較好，均衡了3種模式的偏差，預(yù)報(bào)值更為接近實(shí)況值。

圖5 PM10(a)、O3(b)、SO2(c)、NO2(d)和CO(e)污染物濃度實(shí)況和預(yù)報(bào)方框統(tǒng)計(jì)圖

PM10、O3、SO2、NO2和CO 5種污染物濃度與各模式相關(guān)關(guān)系分析結(jié)果表明(圖6)，集成預(yù)報(bào)和WRF-Chem預(yù)報(bào)結(jié)果與實(shí)況的相關(guān)性更好。其中，集成預(yù)報(bào)對于PM10和O3的預(yù)報(bào)在16個(gè)地市中與實(shí)況變化趨勢更為接近；而對于SO2和NO2的預(yù)報(bào)，幾種模式表現(xiàn)均較差；對于CO的預(yù)報(bào)，WRF-Chem模式在16個(gè)地市中除蕪湖外，均優(yōu)于集成預(yù)報(bào)結(jié)果。

圖6 PM10(a)、O3(b)、SO2(c)、NO2(d)和CO(e)污染物濃度與多模式相關(guān)系數(shù)

圖7給出了多模式PM10、O3、SO2、NO2和CO 5種污染物濃度預(yù)報(bào)的RMSE對比。由圖7可看出，對于PM10濃度的預(yù)報(bào)，集成預(yù)報(bào)的RMSE更小，其預(yù)報(bào)值更接近實(shí)況值。對O3預(yù)報(bào)的RMSE分析結(jié)果表明，除亳州和黃山市外，其他地區(qū)集合預(yù)報(bào)效果最好，WRF-Chem在大部分地區(qū)的預(yù)報(bào)結(jié)果略差于集成預(yù)報(bào)的。SO2、NO2和CO在不同地市各模式的RMSE變化波動(dòng)比較大，但總體來看，集成預(yù)報(bào)在大部分地區(qū)的RMSE最小，表明集成預(yù)報(bào)結(jié)果更為接近實(shí)況值。

圖7 多模式PM10(a)、O3(b)、SO2(c)、NO2(d)和CO(e)污染物濃度預(yù)報(bào)的RMSE

Boylan等[23]認(rèn)為，模式結(jié)果的達(dá)標(biāo)范圍為MFE≤75%且-60%≤MFB≤60%，當(dāng)MFE≤50%且-30%≤MFB≤30%時(shí)，則表明該模式可以達(dá)到優(yōu)秀的范圍。針對不同模式對PM10、O3、SO2、NO2和CO 5種污染物濃度預(yù)報(bào)在安徽地區(qū)16個(gè)地市的MFE和MFB統(tǒng)計(jì)結(jié)果見表3。

表3 各模式污染物預(yù)報(bào)達(dá)標(biāo)及優(yōu)秀城市個(gè)數(shù)

從表3可見，CUACE和集成預(yù)報(bào)對PM10濃度的預(yù)報(bào)在16個(gè)地市均為“達(dá)標(biāo)”，集成預(yù)報(bào)在7個(gè)地市達(dá)到優(yōu)秀。對于O3、NO2和CO濃度的預(yù)報(bào)，集成預(yù)報(bào)在安徽省16個(gè)地市均“達(dá)標(biāo)”，僅對于SO2的預(yù)報(bào)“達(dá)標(biāo)”城市個(gè)數(shù)為13個(gè)，略低于WRF-Chem模式的14個(gè)。對于以上5種污染物濃度的預(yù)報(bào)，集成預(yù)報(bào)達(dá)到“優(yōu)秀”的城市個(gè)數(shù)，總體多于CUACE、WRF-Chem和CMAQ模式的城市個(gè)數(shù)。

3 結(jié) 論

(1)對于細(xì)顆粒物PM2.5濃度的預(yù)報(bào)，CUACE、WRF-Chem和CMAQ 3種模式在安徽地區(qū)均能達(dá)到“達(dá)標(biāo)”范圍，三者FAC均為68%～69%，相關(guān)系數(shù)均在0.5以上，能夠適應(yīng)業(yè)務(wù)需要。通過集成平均后FAC達(dá)到了79%，相關(guān)系數(shù)為0.66，該方法有效提高了對PM2.5濃度的預(yù)報(bào)能力。

(2)分不同地市來看，CUACE在不同地市的RMSE均為最大；集成預(yù)報(bào)的方法僅在亳州和六安地區(qū)的RMSE略大于WRF-Chem模式的，其余14個(gè)地市中的RMSE均比3種模式的低。3種模式和集成平均的方法在16個(gè)地市均達(dá)到了“達(dá)標(biāo)”的范圍。其中，集成預(yù)報(bào)的方法預(yù)報(bào)結(jié)果在15個(gè)地市達(dá)到了“優(yōu)秀”的范圍，WRF-Chem的達(dá)到“優(yōu)秀”的城市為7個(gè)，CUACE模式的為6個(gè)，CMAQ模式的為5個(gè)。

(3)MB空間分布表明，CUACE模式在亳州、六安、合肥和滁州偏大20 μg/m3以上；CMAQ的在亳州偏大20 μg/m3以上，而在沿江江南大部分地區(qū)略偏小。WRF-Chem的MB在合肥、蕪湖、馬鞍山以略偏大為主，其余地方的均偏小，在宿州偏小20 μg/m3以上。集成預(yù)報(bào)在16個(gè)地市均未出現(xiàn)MB超過20 μg/m3的情況。

(4)集成預(yù)報(bào)對于PM10、O3、SO2、NO2和CO 5種污染物的預(yù)報(bào)整體更為接近實(shí)況值。且從相關(guān)系數(shù)來看，集成預(yù)報(bào)PM10、SO2、NO2濃度與實(shí)況的相關(guān)性好于CUACE、WRF-Chem和CMAQ的；對于O3和CO濃度的預(yù)報(bào)，WRF-Chem的預(yù)報(bào)與實(shí)況相關(guān)性更好。集成預(yù)報(bào)對于PM10、O3、NO2和CO濃度的預(yù)報(bào)在安徽地區(qū)16個(gè)地市均能“達(dá)標(biāo)”，且對于6種污染物預(yù)報(bào)達(dá)到“優(yōu)秀”的城市個(gè)數(shù)均多于CUACE、WRF-Chem和CMAQ的城市個(gè)數(shù)。

(5)集成預(yù)報(bào)的方法能有效改進(jìn)CUACE、WRF-Chem和CMAQ 3種模式對于PM2.5、PM10、O3、SO2、NO2和CO 6種污染物濃度的預(yù)報(bào)效果，可為空氣污染預(yù)報(bào)預(yù)警提供客觀參考。