2018, Vol. 34
2. 广东省气象台, 广东 广州 510640;
3. 中国气象局广州热带海洋气象研究所, 广东 广州 510640;
4. 中山市环境监测站, 广东 中山 528400
2. Guangdong Meteorological Observation, Guangzhou 510080, China;
3. Guangzhou Institute of Tropical and Marine Meteorology, CMA, Guangzhou 510640, China;
4. Zhongshan Environmental Monitoring Station, Zhongshan 528400, China
我国属于发展中国家, 大气环境问题较严重, 因而环境气象预报作为气象预报的一个分支, 近年来越来越受到政府以及公众的重视, 而以臭氧和霾为首的空气污染事件则是环境气象预报的重点。臭氧和霾污染事件的发生主要受污染物排放源及天气条件的影响, 污染源是相对稳定少变的, 而天气条件则存在着明显的日变化, 因此准确的天气预报是空气质量预报的前提。目前常用的空气质量预报方法主要有建立空气污染物与气象参数关系的统计学方法, 以及以大气动力学为基础, 建立空气污染物输送扩散模型的数值模拟方法[1]。随着计算机技术的发展, 国内不少学者利用数值模式对空气污染事件开展研究并取得了一定的成果, 表明数值模式对空气质量有着出色的模拟和预报能力[2-5]。因此近年来越来越多的地区和台站以数值模式作为基础, 建立了空气质量预报系统[6-9], 为环境气象业务的开展提供了强大的技术支撑。
珠江三角洲作为我国城市化发展最快的地区之一, 近年来面对的空气污染问题不容忽视, 空气质量预报系统的引入能有效提高当地对空气污染物的预报准确率[10-11]。中山市作为珠三角的重要组成部分, 在空气污染物变化机理及其与气象条件的关系方面开展了一系列的研究[12-14], 并在此基础上引进了中国气象局广州热带海洋气象研究所的GRAPES-CMAQ模式, 并把模式本地化, 建成了基于GRAPES-CMAQ模式的空气质量预报系统。目前国内绝大部分空气质量预报系统均采用MM5或WRF等国外的气象模式提供气象预报数据, 而中山市空气质量预报系统则直接采用我国自主研发的GRAPES(Global and Regional Assimilation and Prediction Enhances System)进行气象场的预报, 再把气象预报结果作为CMAQ(Community Multi-scale Air Quality)模式的驱动, 结合清华大学研发的2010年全国排放源清单MEIC(Multi-resolution Emission Inventory for China), 进行各类空气污染物浓度等一系列环境气象产品的预报。本文对该预报系统2016年对中山市地区的AQI(Air Quality Index)等级、首要污染物、O3和PM2.5两种主要空气污染物浓度的预报效果进行检验评估, 并对中山市一次连续O3污染过程的漏报原因进行分析, 希望为中山市及整个珠三角地区如何运用数值模式为空气质量预报进行服务提供参考。
2 资料与方法 2.1 模式介绍中山市空气质量预报系统以耦合的气象模式GRAPES与大气化学模式CMAQ作为核心, 能够提供东亚、华南、珠三角三种区域范围1~4天内的空气污染物浓度、AQI指数和等级、雾霾等级以及污染气象条件的预报。其中, GRAPES气象模式由我国自主研发, 采用单一动力框架、多种物理参数化方案可选的科学策略, 可应用于多种尺度的气象模拟和预报[15], 目前该模式还在不断的改进和完善之中[16-17]。GRAPES模式提供逐时的气压、风、温度、湿度、降水等气象预报数据, 并通过气象-化学接口模块MCIP进行转换, 再输入到CMAQ模式中。大气化学模式CMAQ代表着当前主流的大气环境、污染物输送、扩散和沉降的最新研究成果, 是一个多尺度欧拉型大气质量模型, 能模拟多种污染物在大气中的物理、化学过程以及空气污染现象的发生、持续和消亡[18]。CMAQ模式包括了初始模块ICON、边界模块BCON、光解率计算模块JPROC以及大气化学模块CCTM, 其本身不具备预报能力, 但能根据GRAPES模式提供的气象预报数据模拟出各种空气污染物的变化趋势。排放源清单是空气质量预报系统的重要组成部分, 本文采用的清华大学2010年全国排放源清单MEIC把排放源分为电厂、工业、农业、交通和民用五大类, 空间分辨率为0.25°×0.25°, 包含了SO2、NOX、CO、PM2.5、PM10等主要的空气污染物的月排放量[19]。对排放源进行空间插值, 时间分配系数参考本地化的珠江三角洲大气排放源清单[20], 为大气化学模式提供随时间、空间变化的排放源资料。
GRAPES和CMAQ模式均采用三重嵌套和相同的空间分辨率, 网格设置如表 1所示, 垂直方向分为25层, 采用地形追随静力气压垂直坐标。在参数化方案方面, GRAPES模式采用WSM6云微物理方案、SAS积云方案、MRF边界层方案及SLAB陆面过程方案等, 而CMAQ模式主要采用CB05气相化学方案和AERO5气溶胶模块。模式系统每天自动运行两次, 分别提供当天08时（北京时间, 下同）及20时起报的空气质量预报产品。
|
表 1 旱涝等级指标 |
本文所用的评估数据主要包括来自中山市空气质量预报系统2016年1—12月每天20时起报的未来24小时空气质量指数等级(AQI等级)、首要污染物、O3浓度和PM2.5浓度预报数据, 所有预报数据均来自模式的第二重网格(水平分辨率9 km)。观测数据为中山市环境监测站提供的中山市2016年每天的AQI等级、首要污染物、O3浓度和PM2.5浓度数据, 其中AQI等级和首要污染物数据均为一天一个值, 而O3浓度和PM2.5浓度数据为一小时一个值。目前中山市环境监测站共有4个国控监测站点, 但由于4个站点间距离较近, 监测数据差别不大, 因此选择紫马岭站的监测数据进行检验评估。对AQI等级预报和首要污染物预报分别计算TS评分(TS)、漏报率(PO)和空报率(FAR), 计算方法如下:
|
(1) |
|
(2) |
|
(3) |
其中, 对应某个AQI预报等级或某种首要污染物, NA是预报正确的站(次)数, NB是空报站(次)数, NC是漏报站(次)数。对PM2.5和O3的浓度预报计算其与观测值的平均误差(ME)、平均绝对误差(MAE)、相关系数(R)和均方根误差(RMSE)。
3 预报效果检验评估 3.1 AQI等级预报效果检验评估AQI是定量描述空气质量状况的无量纲指数, 它描述了空气清洁或者污染的程度, 以及对健康的影响, 是空气质量预报的重要内容[21]。参与AQI评价的大气污染物为细颗粒物PM2.5、可吸入性颗粒物PM10、二氧化硫SO2、二氧化氮NO2、臭氧O3和一氧化碳CO共6项, 取各种污染物分指数的最高值作为当天的AQI指数。AQI等级按照AQI指数的大小分为6级, 分别为一级(0~50)、二级(51~100)、三级(101~150)、四级(151~200)、五级(201~300)和六级(300以上), 指数越大, 级别越高, 说明空气污染越严重[22]。
对中山市空气质量预报系统的AQI等级预报效果进行检验, 模式系统2016年全年对中山市的AQI等级24小时预报TS评分为0.66, 空报率为0.14, 漏报率为0.26。图 1为2016年各月及全年AQI等级24小时预报的TS评分、空报率和漏报率, 可看出6—7月的TS评分最高, 其中6月的TS评分为1; TS评分最低的月份为1月和3月, 分别为0.45和0.42。空报率较高的季节主要集中在秋冬季, 其中1月的空报率最高, 为0.34, 而4月和6月的空报率均为0。3月的漏报率最高, 为0.53, 6月的漏报率为0。由此可见, 模式系统对AQI等级的预报在4—7月最理想, 而在其他月份预报能力有所下降。
|
图 1 2016年空气质量预报系统对中山市AQI等级预报TS评分、空报率和漏报率 |
当实况AQI等级不同时, 预报系统的预报能力也有较大差别。图 2为实况AQI为不同等级时模式的预报能力检验, 当实况AQI等级为一级时, 模式的预报能力最强, TS评分为0.84, 而当空气质量变差时, 模式的预报能力明显下降, 漏报率则明显上升, 当实况AQI等级为4级, 即空气质量为中度污染(中山市2016年AQI等级没有出现过4级以上的情况), 预报TS评分仅为0.20, 而漏报率为0.80。由于2016年中山市空气质量达到中度污染的天数仅为5天, 所以样本量并不足够。但从图 2也可看出, 模式目前对空气重污染事件的预报能力还有所不足。
|
图 2 不同实况AQI等级下空气质量预报系统对中山市2016年AQI等级预报的TS评分、空报率和漏报率 |
AQI大于50时IAQI(individual air quality index)最大的空气污染物称为首要污染物。目前珠三角地区的空气污染物主要是SO2、NO2、O3及PM(包括PM2.5和PM10)[23]。2016年中, 中山市AQI大于50的天数共193天, 首要污染物主要为O3、NO2和PM(包括PM2.5和PM10), 其中O3、NO2和PM为首要污染物的天数分别为83天、62天和48天。图 3为空气质量预报系统对各种首要污染物的预报效果评估, 模式对三种首要污染物的预报效果均不太理想, 对O3、PM和NO2的预报TS评分分别为0.21、0.24和0.24。而在空报率和漏报率方面, 三种污染物又各有特点。其中对O3和NO2的漏报率较高, 分别达到0.78和0.76, 但这两种污染物的空报率很低, O3为0.14, NO2为0;而对PM来说, 空报率高达0.71, 漏报率则为0.39。进一步分析, 在实况首要污染物为O3的83天中, 模式把AQI等级报为1级(即不存在首要污染物)的天数为28天, 把首要污染物报成PM的天数为36天; 而实况首要污染物为NO2的62天中, 模式把AQI等级报为1级的天数为26天, 而把首要污染物报成PM的天数为19天。也就是说, 预报系统对NO2和O3的低估, 以及对PM污染状况的高估使对PM的空报率、O3和NO2的漏报率维持在较高水平。这种状况很可能是因为模式所用的排放源与实际情况存在差别造成的。一方面, 近几年珠三角地区对灰霾污染的治理力度较大, 灰霾出现的天数与2010年前后相比已出现下降的趋势; 另一方面, NO2和O3的污染主要来自机动车尾气排放, 而珠三角地区机动车保有量逐年稳步上升。也就是说, 模式所采用的基于2010年的排放源清单已与实际情况存在一定偏差, 这直接导致了对各种污染物污染状况的预报出现误差。
|
图 3 空气质量预报系统对中山市2016年各种首要污染物的预报效果 |
近年来珠三角面临的空气污染问题主要是霾污染及光化学污染, 而光化学污染更是有日渐明显的趋势[24-25]。对霾和光化学污染的预报主要体现在对PM2.5浓度和O3浓度的预报上。表 2为空气质量预报系统预报的2016年中山市PM2.5浓度与实况浓度的平均误差、平均绝对误差、均方根误差以及相关系数。可看出模式对PM2.5的预报质量在下半年明显比上半年要好, 其中7月的预报质量最好, 误差较小, 且相关系数达到0.81, 但由于7月中山一般不会出现明显的霾污染, PM2.5浓度较低, 因此代表性不强。而在灰霾较多出现的1—2月、11—12月中, 除了1月外, 其余三个月份的平均误差均为正, 说明模式对PM2.5的浓度预报总体上偏高; 对这4个月PM2.5浓度预报的平均绝对误差以及均方根误差的差别不大; 而在相关系数上, 1、2月的相关系数仅为0.28, 而11、12月的相关系数都达到0.5以上, 说明在PM2.5浓度的变化趋势上, 预报系统对灰霾重污染月份的预报效果并不稳定。在全年的表现上, PM2.5浓度预报的平均误差为0.8 μg/m3, 平均绝对误差和均方根误差分别为14 μg/m3和20 μg/m3, 相关系数为0.59, 说明预报系统对PM2.5浓度的预报水平较高, 但总体上预报值比实况值略偏高。
|
|
表 2 空气质量预报系统对中山市2016年全年及各月份PM2.5浓度预报偏差 |
表 3为空气质量预报系统预报的2016年中山市O3浓度与实况浓度的平均误差、平均绝对误差、均方根误差以及相关系数。与PM2.5的预报相比, 对O3的预报无论是全年的或是各月的平均误差均为负值, 说明模式对O3的预报总体上偏低, 但全年的相关系数达到0.70, 说明模式对O3浓度的变化趋势预报较准确, 这可能与O3浓度白天高晚上低这一常见的日变化趋势有关。在O3污染较严重的7—11月, O3浓度预报的相关系数均能达到0.50以上, 其中7月和9月的相关系数达到了0.83, 为全年最高。但是也可看到, 对这几个月的预报平均误差均为负, 其中O3污染最严重的8—10月的预报平均误差在-10 μg/m3以上, 平均绝对误差和均方根误差也为全年最大, 说明模式对O3污染严重的月份预报值与实况相比明显偏低, 因此预报系统对首要污染物O3的预报漏报率较高。
|
|
表 3 空气质量预报系统对中山市2016年全年及各月份O3浓度预报偏差 |
2016年10月2—7日, 中山市连续6天的首要污染物均为O3, 虽然污染等级不高, 除了10月5日AQI等级为3级外, 其他5天的AQI等级均为2级, 但在以NO2为代表的污染物预报浓度比实况偏高的前提下, 空气质量预报系统对这6天的O3浓度预报却明显偏低, 对首要污染物O3出现了连续的漏报, 其中模式对2—5日的AQI等级预报为1级, 即不存在首要污染物, 对6—7日的首要污染物预报为PM2.5。图 4为10月2—7日实况和预报O3浓度的时间变化, 可看出这6天中模式对O3的浓度预报均明显偏低, 其中日间(08—20时)预报O3浓度比实况平均偏低63%, 10月5日的预报O3浓度更是比实况偏低68%。本节将从气象预报要素入手对O3预报浓度偏低的原因作出分析。
|
图 4 10月2—7日中山市实况和预报的O3浓度时间变化 |
2016年10月2—7日的天气概况为, 前期台湾以东洋面附近有一热带气旋向北移动, 该热带气旋没有对广东造成直接影响, 后期南海北部又有一热带气旋生成并趋向粤东沿海, 受这两个热带气旋影响, 副高位置偏东, 强度偏弱, 主体位于西太平洋上。在低层风场上, 受弱冷空气补充及热带气旋的影响, 2—7日珠三角850 hPa上均以偏东到东北风为主, 但由于该支东北风有来自海上的水汽输送, 因此湿度较高, 沿海地区温度露点差在1~4度之间, 低层较潮湿。地面上, 受到弱冷空气频繁补充以及前后两个热带气旋的影响, 以偏北风到东北风为主。在这样的天气形势下, 中山市出现了连续6天的臭氧污染。
把GRAPES模式的预报结果与实况进行对比, 发现模式对大尺度天气系统(如副热带高压)的模拟基本上正确, 但在一些较小尺度系统的模拟上往往会出现偏差。例如10月2—4日, GRAPES模式均在珠三角附近预报了一个小尺度的气旋式环流系统(图 5a), 由于该小尺度系统的存在, 模式连续三天都在珠三角地区预报了小到中雨量级的降水(图 5c)。但对比实况, 可发现10月2—3日在粤东沿海地区出现了相似的气旋式环流, 而10月4日广东省低层以东北风为主, 因此这3天在珠三角只有个别地区出现了小雨局部中雨量级的降水, 比模式预报的大范围降水明显要小。而在10月5—7日, 模式对850 hPa风场的预报与实况趋于一致, 广东范围内以东北风为主。由于该支东北气流有来自海上的水汽输送, 低层湿度条件较好, 仍然能产生一些局部的降水。但从模式的降水预报来看, 模式极容易把这种局部地区的降水预报成区域性的, 因此其降水预报虽然比2—4日有所减弱, 但仍然在珠三角附近预报了大面积的小雨量级降水。表 4为中山市10月2—7日08—20时的实况与预报平均温度、平均相对湿度、平均雨量、平均风速及每天的主导风向, 由于O3污染主要产生在白天, 因此只统计08—20时的数据。可看到, 在这6天内, 中山范围无降水出现, 但气象模式却在每天的白天时段都报了小雨量级的降水, 受降水影响, 模拟温度平均比实况偏低1.1 ℃, 相对湿度平均偏高12%。由于O3污染在高温、低湿、无降水的气象条件下更容易出现[26], 因此模拟的O3浓度比实况浓度明显偏低。在风场的模拟上, 实况与模拟的主导风向较接近, 但模拟的风速比实况明显偏大, 导致O3的扩散条件比实际要好, 这也是模拟O3浓度比实况偏低的一个重要原因。
|
图 5 10月3日08时850 hPa风场预报(a)、风场实况(b)以及10月3日降水预报(c) |
|
|
表 4 实况和预报的中山市10月2—7日08—20时的平均温度、平均相对温度、平均降水量、平均风速以及主导风向 |
由以上分析可知, 该次连续O3污染过程漏报的原因是GRAPES模式对珠三角日间降水的预报范围偏大, 强度偏强, 并且预报的地面风速比实况偏大造成的。但是, 就目前气象模式的表现来看, 对地面风速的预报往往偏大[27], 而且对局部性的、小量级的降水容易出现空报。如何改进气象模式对地面气象要素的预报, 是提高O3预报准确率的关键。
4 结论对基于GRAPES-CMAQ的中山市空气质量预报系统2016年全年20时起报的AQI等级、首要污染物、PM2.5和O3浓度预报数据进行检验评估。模式全年的AQI等级24小时预报TS评分为0.66, 空报率为0.14, 漏报率为0.26, TS在6—7月最高, 其中6月TS为1, 是全年最高; 在秋冬季节预报能力有所下降, 其中3月的TS评分仅为0.42, 而漏报率高达0.53, 为全年最高。当实况AQI等级为1级, TS评分为0.84, 而当空气质量变差时, 模式的预报能力明显下降, 漏报率则明显上升, 说明预报系统目前对空气重污染事件的预报能力还有所不足。
在首要污染物的预报上, 模式对中山市的主要污染物O3、PM和NO2的预报TS评分分别为0.21、0.24和0.24, 其中对O3和NO2的漏报率较高, 分别达到0.78和0.76, 而对PM来说, 空报率高达0.71。
预报系统对2016年全年PM2.5的浓度预报略偏高, 相关系数为0.59, 而在霾污染较明显的1—2月、11—12月中, 对11—12月的预报效果明显比1—2月好, 说明模式的预报能力并不稳定。对O3的预报全年相关系数达到0.70, 且在O3污染较严重的7—11月, 相关系数均能达到0.50以上, 说明预报系统对O3的变化趋势预报效果较好, 但这几个月的O3模拟浓度均比实况明显偏低。从气象场入手分析预报系统对10月2—7日中山市一次连续O3污染过程漏报的原因, 发现GRAPES模式对这段时间内整个珠三角地区日间降水的预报范围偏大, 强度偏强, 且模拟的地面风速也比实况要偏大, 因此模拟的O3浓度比实况明显偏低, 说明了改进气象模式对地面气象要素的预报是做好O3预报的关键。
| [1] | 王自发, 谢付莹, 王喜全, 等. 嵌套网格空气质量预报模式系统的发展与应用[J]. 大气科学, 2006, 30(5): 778-790. |
| [2] | 邓涛, 吴兑, 邓雪娇, 等. 珠江三角洲一次典型复合型污染过程的模拟研究[J]. 中国环境科学, 2012, 32(2): 193-199. |
| [3] | 王自发, 李杰, 王哲, 等. 2013年1月我国中东部强霾污染的数值模拟和防控对策[J]. 中国科学:地球科学, 2014, 44(1): 3-14. |
| [4] | CHE W, ZHENG J, ZHONG L, et al. Assessment of motor vehicle emission control policies using Model-3/CMAQ model for the Pearl River Delta region, China[J]. Atmos Env, 2011, 45(9): 1 740-1 751. DOI:10.1016/j.atmosenv.2010.12.050 |
| [5] | ZHANG R, SARWAR G, FUNG J C H, et al. Role of photoexcited nitrogen dioxide chemistry on ozone formation and emission control strategy over the Pearl River Delta, China[J]. Atmos Res, 2013, 132-133(10): 332-344. |
| [6] | 王茜, 吴剑斌, 林燕芬. CMAQ模式及其修正技术在上海市PM2.5预报中的应用检验[J]. 环境科学学报, 2015, 35(6): 1 651-1 656. |
| [7] | 陈彬彬, 林长城, 杨凯, 等. 基于CMAQ模式产品的福州市空气质量预报系统[J]. 中国环境科学, 2012, 32(10): 1 744-1 752. |
| [8] | 程念亮, 李红霞, 孟凡, 等. 山东省空气质量预报平台设计及其预报效果评估[J]. 环境污染与防治, 2015, 37(9): 92-99. |
| [9] | 王茜, 伏晴艳, 王自发, 等. 集合数值预报系统在上海市空气质量预测预报中的应用研究[J]. 气象, 2010, 2(4): 1-6. DOI:10.7519/j.issn.1000-0526.2010.04.001 |
| [10] | 邓涛, 邓雪娇, 吴兑, 等. 珠三角灰霾数值预报模式与业务运行评估[J]. 气象科技进展, 2012, 2(6): 38-44. |
| [11] | 谢敏, 钟流举, 陈焕盛, 等. CMAQ模式及其修正预报在珠三角区域的应用检验[J]. 环境科学与技术, 2012, 35(2): 96-101. |
| [12] | MAI J H, DENG T, YU L L, et al. A modeling study of impact of emission control strategies on PM2. 5 reductions in Zhongshan, China, using WRF-CMAQ[J]. Advances in Meteorology, 2016, Article ID 5836070. |
| [13] | 麦健华, 邓涛, 于玲玲, 等. 中山市旱季霾特征及数值模拟分析[J]. 环境科学学报, 2016, 36(6): 2 170-2 179. |
| [14] | 李颖敏, 邓雪娇, 邓涛, 等. 中山市2000-2014年霾天气特征及气象影响因子[J]. 中国环境科学, 2016, 36(6): 1 638-1 644. |
| [15] | 陈德辉, 薛纪善, 沈学顺, 等. 我国自主研制的全球/区域一体化数值天气预报系统GRAPES的应用与展望[J]. 中国工程科学, 2012, 14(9): 46-54. |
| [16] | 钟水新, 陈子通, 黄燕燕, 等. 地形重力波拖曳参数化方案在华南中尺度模式(GRAPES)中的应用试验[J]. 热带气象学报, 2014, 30(3): 413-422. |
| [17] | 陈子通, 万齐林, 沈学顺, 等. GRAPES区域模式水汽平流方案的比较与改进[J]. 热带气象学报, 2010, 26(1): 1-6. |
| [18] | 王占山, 李晓倩, 王宗爽, 等. 空气质量模型CMAQ的国内外研究现状[J]. 环境科学与技术, 2013(S1): 386-391. |
| [19] | HE K B. Multi-resolution Emission Inventory for China(MEIC): model framework and 1990-30 2010 anthropogenic emissions[R]. International Global Atmospheric Chemistry Conference. |
| [20] | 郑君瑜, 张礼俊, 钟流举, 等. 珠江三角洲大气面源排放清单及空间分布特征[J]. 中国环境科学, 2009, 29(5): 455-460. |
| [21] | 白爱民. AQI vs API——新老空气质量标准之对比[J]. 环境科学导刊, 2013, 32(6): 95-97. |
| [22] | 中华人民共和国环境?げ?环境空气质量指数(AQI)技术规定(试行)[S]. HJ 633-2012. |
| [23] | 廖志恒, 孙家仁, 范绍佳, 等. 2006－2012年珠三角地区空气污染变化特征及影响因素[J]. 中国环境科学, 2015, 35(2): 329-336. |
| [24] | LI Y C, YU J Z, HO S S H, et al. Chemical characteristics of PM2.5 and organic aerosol source analysis during cold front episodes in Hong Kong, China[J]. Atmos Res, 2012, 118(3): 41-51. |
| [25] | LI J, LU K, LV W, et al. Fast increasing of surface ozone concentrations in Pearl River Delta characterized by a regional air quality monitoring network during 2006-2011[J]. J Env Sci, 2014, 14(1): 23-26. |
| [26] | 刘健, 吴兑, 范绍佳, 等. 前体物与气象因子对珠江三角洲臭氧污染的影响[J]. 中国环境科学, 2017, 37(3): 813-820. |
| [27] | 张艳霞, 蒙伟光, 戴光丰, 等. 城市冠层模式在GRAPES模式中的应用[J]. 热带气象学报, 2016, 32(3): 311-321. |