尤佳紅,束 炯*,陳亦君,段玉森 (.華東師范大學氣候變化研究所,地理信息科學教育部重點實驗室,上海004；.上海市環(huán)境監(jiān)測中心,上海 00030)

基于MOS的杭州秋冬季空氣污染預報和霾診斷

尤佳紅1,束 炯1*,陳亦君1,段玉森2(1.華東師范大學氣候變化研究所,地理信息科學教育部重點實驗室,上海200241；2.上海市環(huán)境監(jiān)測中心,上海 200030)

利用由數(shù)值預報模式WRF和辨識理論實時迭代統(tǒng)計方法RTIM組成的MOS方法對杭州市2013年2～3月和11～12月期間的空氣污染物日平均濃度做預報,預報值與實測值之間相關系數(shù)都超過0.75 ,PM2.5、PM10、SO2、NO2、CO 24h平均濃度和O38h平均濃度分類預報臨界成功指數(shù)(CSI)分別為89%、87%、100%、93%、100%和100%,命中率(POD)分別為93%、95%、100%、100%、100%和100%.分析表明,研究期間杭州地區(qū)氣溶膠以細顆粒為主.根據(jù)PM2.5濃度、相對濕度及能見度預報值做霾日分類預報,臨界成功指數(shù)為89%,命中率為93%.說明該MOS系統(tǒng)對污染物濃度及霾天氣預報性能良好,可以為業(yè)務化預報提供參考.

空氣污染；霾；PM2.5；能見度；WRF；MOS

隨著經(jīng)濟的快速發(fā)展,由 PM2.5等引發(fā)的高污染天氣在長江三角洲等地區(qū)日趨嚴峻[1-5],嚴重影響了居民的健康和生活[6-7].其中2013年冬季的重霾天氣過程震驚了海內(nèi)外,建立準確的空氣質(zhì)量預報系統(tǒng)成為當前亟待解決的問題.目前國內(nèi)外對于空氣質(zhì)量預報通常采用統(tǒng)計預報[8-10]、數(shù)值預報[11-13]和 MOS預報[14-16]等方法.其中統(tǒng)計預報模式需要較長的歷史樣本,而數(shù)值模式需要精確的排放清單.為了有效地避免歷史污染監(jiān)測資料以及排放清單資料不足的缺陷,本研究在小樣本條件下,針對杭州地區(qū)城市大氣環(huán)境,基于天氣動力學理論的WRF模式和辨識理論的實時迭代RTIM方法,提出了空氣質(zhì)量MOS預報的WRF-RTIM 模式.以 WRF模式的輸出作為預報要素,結(jié)合地面污染監(jiān)測數(shù)據(jù),對杭州地區(qū)污染物濃度日均值和能見度進行RTIM預報,并結(jié)合分類預報結(jié)果診斷霾日,旨在為業(yè)務化預報提供參考.

1 資料與方法

1.1 研究資料

本文使用的資料包括WRF模式預報產(chǎn)品和杭州市11個污染觀測點的觀測資料以及常規(guī)地面氣象觀測資料.資料時間為2013年1月10日～3月18日,和同年11月1日～12月16日,用這兩個時段的前期資料建立預報模型,2013年2月20日～3月18日和11月28日～12月16日的資料進行24h預報效果檢驗.

大氣污染資料為杭州市11個空氣質(zhì)量監(jiān)測點資料,包括濱江、朝暉五區(qū)、臥龍橋、和睦小學、浙江農(nóng)大、下沙、云棲、西溪、城廂鎮(zhèn)、臨平鎮(zhèn)和千島湖的PM2.5、PM10、SO2、NO2、CO、O36種大氣污染物每日監(jiān)測數(shù)據(jù),市區(qū)空氣污染物濃度平均值為這11個站的算術平均值.能見度數(shù)據(jù)和地面氣象觀測資料為蕭山機場常規(guī)氣象資料,其中氣象因子有25項,包括氣壓、氣溫、相對濕度、風速和風向的日均值、極大值、極小值、極值差和13:00與7:00之差.

1.2 研究方法

1.2.1 MOS方法 MOS是一種基于統(tǒng)計學原理對數(shù)值模式輸出結(jié)果進行后處理的預報方法.MOS方法既有數(shù)值模式能準確預報天氣形勢的優(yōu)點,又可凸顯統(tǒng)計模式在處理復雜污染天氣預報的優(yōu)勢,避免了數(shù)值模式因局地污染清單不準確導致的誤判.特別適用于污染源復雜、預報因子多,而預報對象和預報因子的關系不甚清楚的城市污染預報.本文選用的 MOS方法是基于辨識理論的實時迭代統(tǒng)計方法對WRF數(shù)值模式輸出結(jié)果進行后處理,建立預報模型.

1.2.2 WRF模式 WRF模式是由美國國家環(huán)境預報中心(NCEP)、美國國家大氣研究中心(NCAR)等研究機構(gòu)共同參與研發(fā)的新一代可調(diào)節(jié)的、先進的非靜力平衡中尺度大氣模擬系統(tǒng).本文采用了3.0.1版本的WRF模式,模式區(qū)域采用Lambert投影,WSM3云微物理參數(shù)化方案,淺對流 Kain-Fritsh積云對流方案,Eta Mellor-Yamada—Janjic邊界層參數(shù)化方案和Noah陸面過程方案.設置四重嵌套(D1、D2、D3、D4), 4個區(qū)域的模擬范圍為:D1代表東亞地區(qū)(86～150°E,5～60°N)、D2 代表東南沿海地區(qū)(109～130°E, 22～39°N)、D3 代表長江中下游地區(qū)(117～124°E, 27～33°N)和 D4 代表杭州及周邊的地 區(qū) (119～122°E,29～31°N).水 平 網(wǎng) 格 分 別 為88×75、85×70、88×76、97×88,格距分別為 81,27,9,3km.模式垂直方向使用 sigma坐標,分為24層,模式頂設置在 100hPa處.氣象初始場和邊界條件使用 GFS全球預報場數(shù)據(jù),邊界條件則采用模式自帶的理想廓線,每6h更新一次邊界條件.

1.2.3 辨識理論實時迭代統(tǒng)計方法 RTIM 系統(tǒng)辨識是根據(jù)系統(tǒng)的輸入、輸出來確定描述系統(tǒng)行為的數(shù)學模型.由于預報系統(tǒng)是隨時間變化的隨機系統(tǒng),為了強調(diào)最近樣本對預報值的貢獻而加入實時迭代功能.在參數(shù)估計時,按時間序列賦予輸入樣本不同的權重,以凸顯當前預報值狀況的重要性.根據(jù)初始樣本用最小二乘法確定預報模型,預報次日污染物濃度時,輸入值為 WRF模式輸出的次日氣象場預報值和當日污染場數(shù)據(jù)

其中

據(jù)此又可作出下一次預報[17].

1.3 模型預報評價參數(shù)

對污染物濃度預報值作誤差分析,包括絕對差異(mg/m3)與相對偏差統(tǒng)計(%).絕對差異統(tǒng)計指標顯示預報值和觀測值的偏離情況,包括平均偏差MB和均方根誤差RMSE;相對偏差統(tǒng)計指標顯示絕對偏差占觀測值百分比,包括平均正態(tài)偏差MNB和正態(tài)平均偏差NMB[18].

分類預報檢驗標準為:Ts評分是預報為正類且實況為正類的樣本數(shù),與正類樣本數(shù)和負類中被預報為正類的樣本數(shù)之和的比值[19],臨界成功指數(shù) CSI是預報正確的樣本數(shù)與所有樣本數(shù)的比值,命中率POD是預報正確的樣本數(shù)與預報正確和漏報數(shù)之和的比值,虛假報警率FAR是空報數(shù)與樣本總數(shù)的比值[20].各指標計算公式如下(Sim和Obs分別代表預報值和觀測值,Nmodelk代表預報為正類且確為正類的樣本數(shù),Nmodelf代表預報為正類的樣本數(shù),Nobs代表實際為正類的樣本數(shù),N代表預報總樣本數(shù)):

2 結(jié)果與分析

2.1 因子選擇

2.1.1 WRF模式輸出氣象因子檢驗 MOS模式預報時輸入的氣象因子為 WRF模式的輸出,所以WRF模式輸出因子的準確性很大程度上影響整到個預報模式的準確性.在預報開始前先對WRF輸出因子做檢驗非常必要.讀取杭州(32.2°N、120.2°E)最近格點的 WRF 輸出因子,做 24h算術平均后與蕭山機場實測氣象因子日均值比較,風速、氣溫、相對濕度和氣壓在 0.01水平上顯著相關,相關系數(shù)分別達到0.80、0.93、0.90 和 0.73.均方根誤差(RMSE)分別為 2.1、1.7、0.09和4.2,平均正態(tài)偏差(MNB)為17%、-8%、8%和 1%.因此,WRF模式輸出的氣象預報因子可以作為 MOS預報模式的預報因子.其中相對濕度也可以作為霾診斷模式的輸入因子.

2.1.2 污染因子選擇結(jié)果 用 2013年 1月 10日～2月20日和11月1日～27日的資料分別建立預報模型,預報因子包括預報的氣象因子和前一日污染因子.其中風場和氣壓場直接反應了大氣的擴散能力,而風、壓、溫、濕度場不但提供了發(fā)生物理和化學反應的氣象背景,也提供了大氣穩(wěn)定度變化的條件;而污染場直接反映了污染物的積累狀況.建立不同污染物濃度和能見度預報模型時,本文用逐步回歸方法剔除存在多重共線性的因子,并使得所選因子通過顯著性檢驗.最終PM2.5濃度預報因子為SO2濃度、溫度極差和風速極差;PM10濃度預報因子為SO2濃度、溫度極差和風速極差;SO2濃度預報因子為 NO2濃度和最低溫度;NO2濃度預報因子為 SO2濃度和最高溫度;CO濃度預報因子為 SO2濃度,溫度和能見度;O3的8h平滑濃度預報因子為NO2濃度,最小風速、PM2.5濃度和 PM10濃度;能見度預報因子為 PM2.5濃度、NO2濃度、相對濕度、13:00與7:00相對濕度差、相對濕度極差和最低溫度.

2.2 濃度預報

表1 2013年2月21日～3月18日、11月28日～12月16日PM2.5、PM10、SO2、NO2、CO和O3預報偏差Table 1 The residual analysis of PM2.5, PM10, SO2, NO2,CO and O3models during Feb.21-Mar. 18、Nov.28-Dec.16, 2013

通過比對杭州 9個監(jiān)測站不同污染物濃度值與WRF-RTIM模式預報值,計算其預報偏差,由表1 可見,PM2.5、PM10、SO2、NO2、CO 和 O3等六類污染物中,SO2和NO2濃度預報值偏低,其他污染物濃度預報值均偏高,且偏差都很小,誤差分析結(jié)果顯示預報效果好,預報值與實測值有較好的一致性.污染物監(jiān)測數(shù)據(jù)與預報數(shù)據(jù)在0.01水平上顯著性相關,2013年2月21日～3月18日與11月28日～12月 16日六類污染物整體相關系數(shù)分別為 0.83、0.77、0.94、0.93、0.88、0.96,都超過 0.75,說明模式有較好的預報能力,也可以作為單項污染物預報應用到實際中.能見度相關系數(shù)為 0.67,其中 PM2.5日均濃度值、能見度日均值和相對濕度日均值是診斷霾日標準,擬合曲線見圖1、圖2.

圖1 2013年2月21日～3月18日PM2.5、能見度、相對濕度預報和觀測比較Fig.1 Measured and predicted daily concentrations of PM2.5,visibility and relative humidity during Feb.21-Mar.18, 2013

圖2 2013年11月28日～12月16日PM2.5、能見度、相對濕度預報和觀測比較Fig.2 Measured and predicted daily concentrations of PM2.5, visibility and relative humidity during Nov.28-Dec.16, 2013

2.3 分類預報

對杭州地區(qū)2013年2月21日～3月18日和11月28日～12月16日的污染物濃度預報結(jié)果做分類預報,污染物濃度分類標準參照《環(huán)境空氣質(zhì)量標準》中二級濃度標準[21],分別以PM2.5、PM10、SO2、NO2、CO 24h 平均濃度超75、150、150、80、4000μg/m3為正類,O38h 平均濃度超過 160μg/m3為正類,否則為負類.從表2前六項污染物統(tǒng)計看,在預報的45d中各污染物濃度超標數(shù)目如下:PM2.5實測 23d預報為22d;PM10實測 18d,預報 20d;NO2實測 11d,預報12d;SO2、CO 和O3實測和預報都為0d.預報期間杭州地區(qū) PM2.5為主要污染物.由表 2可見,SO2、CO、O3分類預報成功率為 100%,其余污染物的成功指數(shù)和命中率都超過85%, TS評分達到 0.7以上,其中 PM2.5為 0.8,預報效果較好,說明 WRF-RTIM 模式對污染物濃度的分類預報效果好,尤其是 PM2.5分類預報成功為霾日的診斷提供很好的支持.

表2 2013年2月21日～3月18日與11月28日～12月16日WRF-RTIM模型分類預報結(jié)果和霾診斷檢驗Table 2 The tests of WRF-RTIM model and haze diagnosis during Feb.21-Mar. 18、Nov.28-Dec.16, 2013

2.4 霾的診斷

霾日的診斷標準依據(jù)2010年中國氣象局發(fā)布的《氣象行業(yè)標準霾的觀測和預報等級》,即能見度小于10.0km,排除降水、沙塵暴、揚沙、浮塵、煙幕、吹雪、雪暴等天氣現(xiàn)象造成的視程障礙,相對濕度小于 80%,判識為霾,相對濕度80%～95%時,按照地面觀測規(guī)范規(guī)定的描述或大氣成分指標進一步判識;還依據(jù)了該標準的進一步規(guī)定,“當大氣成分站 PM2.5日平均濃度大于75μg/m3時,可作為判識霾的參考依據(jù)”[22];此外還參照了中國氣象局2013年發(fā)布的霾預警信號不同等級的標準,以及環(huán)境空氣質(zhì)量標準.

例如當同時滿足能見度小于 10km,相對濕度小于80%,PM2.5日平均濃度超過75μg/m3三個條件時歸為正類,能見度小于2km,相對濕度大于80%,PM2.5日平均濃度超過 75～150μg/m3也歸為正類.依據(jù)這些判別標準,分類診斷結(jié)果如表2后三項所示,霾日診斷的臨界成功指數(shù)和命中率都超過85%,TS評分為0.7以上,說明WRF-RTIM對霾日的診斷效果較好.

3 討論

杭州地區(qū)2013年2～3月和11～12月空氣污染物濃度預報和霾診斷實例表明,WRF-RTIM動力統(tǒng)計模式顯示出小樣本情況下預報精度高和學習速度快的獨特優(yōu)勢,但仍不能完全避免空報漏報現(xiàn)象.選取2013年2月23～25日霾過程,結(jié)合地面高空天氣形勢,進一步討論分析此模式關于霾的形成與消散轉(zhuǎn)折點預報的能力.

2月22日08:00 700hPa圖上高原北側(cè)低壓槽東移,槽后地面弱高壓位于恩施附近,杭州地面風速 1.7m/s,相對濕度 80%,PM2.5濃度達73μg/m3, MOS預報次日PM2.5濃度將繼續(xù)升高,接近霾生成的標準;2月23日08:00,700hPa(圖3b)圖上槽繼續(xù)東移,杭州在槽后東移入海弱冷高壓(圖3a)控制下,低層風速2m/s, PM2.5濃度繼續(xù)攀升,日均值為 83μg/m3,預報值為 70μg/m3,與霾生成的標準相差 5μg/m3;24～25日,高空繼續(xù)維持這一形勢,地面處于高壓后部,天氣晴朗.預報和實測都表明出現(xiàn)了為期 2～3d的霾天氣,且預報顯示次日PM2.5濃度與實測基本一致,26日相對濕度預報值與觀測值均升高到80%以上,有降水生成,霾將消散.26日實況表明,杭州灣以東有一溫帶氣旋生成(圖 4a),杭州在 700hpa槽前西南氣流控制下(圖 4b),為一雨區(qū),此次霾過程結(jié)束,轉(zhuǎn)折點預報成功.之后3次霾過程MOS預報結(jié)果均與實測值有較好的一致性.初步說明證明本模式對霾生成與消散的轉(zhuǎn)折點預報具有一定的靈敏度.從這 4次預報過程看,有 3次的天氣過程為高原及其北側(cè)高空槽伴隨地面弱高壓東移;一次為高空槽伴隨地面鞍型場.從目前積累不多的個例看,在長江三角洲杭州、上海等城市的冬季,這可能是霾天氣預報特別應該關注的天氣類型.這 2種霾天氣形勢形成時的近地面風速一般均不超過 3.0m/s,可為一次性氣溶膠等污染物的聚集提供合適的流場,亦為二次氣溶膠生成的化學反應提供了適宜的環(huán)境條件.在此背景下,氣溶膠中的硫酸鹽、硝酸鹽和銨鹽得以生成并急劇升高.這就為霾的診斷預報提供了可參考的依據(jù).

圖3 2013年2月23日8:00地面形勢和700hPa形勢示意Fig.3 Schematic weather charts on surface and 700hPa level at 8:00, 23th Feb. 2013

圖4 2013年2月26日8:00 地面形勢和700hPa形勢Fig.4 Schematic weather charts on surface and 700hPa level at 8:00, 26th Feb, 2013

4 結(jié)論

4.1 WRF模式輸出的氣象要素預報值與實測值擬合結(jié)果較好,相關系數(shù)均超過0.7.MOS輸出PM2.5、PM10、SO2、NO2、CO 24h 濃度和 O3的8h濃度預報值與實測值亦有較高的擬合度,相關系數(shù)均超過0.75.適用于各單項指標的預報.

4.2 在2013年2～3月和11～12月時段內(nèi), 杭州地區(qū)氣溶膠污染以細顆粒物為主,低能見度主要由導致霾現(xiàn)象的 PM2.5引起.污染物濃度分類預報成功指數(shù)和命中率都超過 85%.通過 PM2.5日均濃度、相對濕度和能見度預報結(jié)果作霾的診斷,臨界成功指數(shù)達到89%,命中率達到93%.

4.3 基于WRF-RTIM的MOS方法應用于城市冬季污染預報和霾的診斷,可對 PM2.5重污染天氣形成與消散的轉(zhuǎn)折點進行分析;在歷史污染監(jiān)測資料小樣本條件下,RTIM 的統(tǒng)計預報具有較高的精度.

[1]吳 兌.近十年中國灰霾天氣研究綜述 [J]. 環(huán)境科學學報,2012,3(2):257-269.

[2]鄧 濤,吳 兌,鄧雪嬌,等.珠江三角洲一次典型復合型污染過程的模擬研究 [J]. 中國環(huán)境科學, 2012,32(2):193-199.

[3]沈 勁,王雪松,李金鳳,等.Models-3/CMAQ和CAMx對珠江三角洲臭氧污染模擬的比較分析 [J]. 中國科學,化學, 2011,41(11):1750-1762.

[4]王 靜,牛生杰,許 丹,等.南京一次典型霧霾天氣氣溶膠光學特性 [J]. 中國環(huán)境科學, 2013,33(2):201-208.

[5]牛彧文,顧駿強,浦靜姣,等.浙江城市區(qū)域灰霾天氣的長期變化[J]. 熱帶氣象學報, 2010,26(6):807-812.

[6]Rojas-Bracho L, Suh HH, Koutrakis P. Relationships among personal, indoor, and outdoor fine and coarse particle concentrations for individuals with COPD [J]. Journal of Exposure Analysis and Environmental Epidemiology, 2000,10(3):294-306.

[7]穆 泉,張世秋.2013年1月中國大面積霧霾事件直接社會經(jīng)濟損失評估 [J]. 中國環(huán)境科學, 2013,33(11):2087-2094.

[8]劉 罡,李 昕,胡 非.大氣污染物濃度的神經(jīng)網(wǎng)絡預報 [J].中國環(huán)境科學, 2000,20(5):429-431.

[9]Tzu-Yi Pai, Ching-Lin Ho, Shyh-Wei Chen, et al. Using seven types of GM (1, 1)Model to forecast hourly particulate matter concentration in Banciao City of Taiwan [J]. Water Air Soil Pollut,2011,217:25-33.

[10]范紹佳,王安宇,樊 琦,等.珠江三角洲大氣邊界層概念模型的建立及其應用 [J]. 熱帶氣象學報, 2005,21(3):286-292.

[11]RALPH M, KOO B, GUENTHER A. Model sensitivity evaluation for organic carbon using two multi-pollutant air quality models that simulate regional haze in the southeastern United States [J]. Atmospheric Environment, 2006,40:4960-4972.

[12]陳煥盛,王自發(fā),吳其重,等.亞運時段廣州大氣污染物來源數(shù)值模擬研究 [J]. 環(huán)境科學學報, 2010,30(11):148-149.

[13]劉紅年,胡榮章,張美根.城市灰霾數(shù)值預報模式的建立與應用[J]. 環(huán)境科學研究, 2009.22(6):631-636.

[14]尚可政,王式功,楊德保,等.蘭州城區(qū)空氣污染預報的動力統(tǒng)計模型 [J]. 蘭州大學學報(自然科學版), 2002,38(3):114-119.

[15]陳彬彬,林長城,楊 凱,等.基于CMAQ模式產(chǎn)品的福州空氣質(zhì)量預報系統(tǒng) [J]. 中國環(huán)境科學, 2012,32(10):1744-1752.

[16]谷德軍,吳艷標,江奕光,等.珠江三角洲城市群污染綜合指數(shù)預報的模式方法 [J]. 熱帶氣象學報, 1999,15(2):128-135.

[17]Li Chaoyi, Yang Weimin, Shen Jianfa. A Real-Time Iterative Model to Predict Urban Air Quality [J]. Meteorology and Atmospheric Physics, 1991,(47):49-54.

[18]謝 敏,鐘流舉,陳煥盛,等.CMAQ 模式及其修正預報在珠三角區(qū)域的應用檢驗 [J]. 環(huán)境科學與技術, 2012,35(2):96-101.

[19]伍華平?束 炯?顧 瑩,等.暴雨模擬中積云對流參數(shù)化方案的對比試驗 [J]. 熱帶氣象學報, 2009?25(2):175-180.

[20]廖碧婷,吳 兌,陳 靜.灰霾天氣變化特征及垂直交換系數(shù)的預報應用 [J]. 熱帶氣象學報, 2012,28(3):417-424.

[21]GB 3095-2012 環(huán)境空氣質(zhì)量標準 [S].

[22]QX/T113-2010 霾的觀測和預報等級 [S].

致謝：感謝李朝頤教授在論文撰寫時提出了寶貴意見,李炟同學為WRF的預報輸出提供了幫助.

Autumn and winter air pollution forecasting and haze events diagnosis in Hangzhou: a MOS-based approach.

YOU Jia-hong1, SHU Jiong1*, CHEN Yi-jun1, DUAN Yu-sen2(1.The Key Laboratory of Geographic Information Science,Ministry of Education, Institute of Climate Change, East China Normal University, Shanghai 200241, China；2.Shanghai Environmental Monitoring Center, Shanghai 200030, China). China Environmental Science, 2014,34(7)：1660～1666

A MOS method, comprised of WRF and RTIM, is used to forecast daily average air pollutant concentration in Hangzhou from February to March and from November to December, 2013. The correlation coefficients between the predicted and observed values are all above 0.75. The resulting CSI for 24-hour average concentration of air pollutants is highly promising (89% for PM2.5, 87% for PM10, 100% for SO2, 93% for NO2, 100% for CO)and even reaches 100% for 8-hour average concentrations of O3, and the resulting POD is 93%, 95%, 100%, 100%, 100%, and 100% for each of the above pollution measures respectively. The analytic results indicate that PM2.5is the major contributing pollutant in the aerosol in Hangzhou during the research period. The CSI and POD for haze events diagnosis, which was based on the classification of predicted PM2.5, relative humidity, and visibility, reach 89% and 93%, respectively. The high accuracy of air pollutant forecasting obtained in this study indicates that the MOS model performs well during the study period and has great potential to be applied to regional air pollution prediction in operation mode.

air pollutants；haze；PM2.5；visibility；WRF；MOS

X51

A

1000-6923(2014)07-1660-07

2013-10-16

國家自然科學基金項目(41271055)

* 責任作者, 教授, jshu1952@126.com

尤佳紅(1989-),女,浙江寧波人,華東師范大學碩士研究生,主要研究方向為城市氣候與大氣環(huán)境.