基于CMAQ模式產品的福州市空氣質量預報系統

陳彬彬,林長城,楊 凱,林 文,王 宏,余永江 (福建省氣象科學研究所,福建 福州 350001)

基于CMAQ模式產品的福州市空氣質量預報系統

陳彬彬*,林長城,楊 凱,林 文,王 宏,余永江 (福建省氣象科學研究所,福建 福州 350001)

利用CMAQ(Community Multiscale Air Quality Model)模式預報產品和福州市2007年1月至2010年6月大氣污染物的觀測資料以及常規地面氣象觀測資料,根據動力-統計相結合的預報方法,通過多元線性逐步回歸,建立不同天氣系統下 CMAQ模式產品和多類預報因子相結合的日污染物濃度預報模型.結果表明,影響福州市的天氣系統共分為大陸高壓、副熱帶高壓、切變、暖區輻合、高空槽、臺風和熱帶輻合帶7類天氣型.在暖區輻合、高空槽和大陸高壓控制下,福州市的空氣質量較差,而副熱帶高壓和臺風系統影響時,福州市的空氣質量最好.日污染物濃度預報方程置信度均為P=0.000,模型有統計學意義.利用模型對2010年7～12月福州市各污染物濃度進行預報效果回代檢驗,模型對PM10的污染指數等級預報正確率達到了71.3%,對SO2和NO2的級別預報正確率達到了100%,日預報綜合評分平均達88.8分.

CMAQ模式；空氣質量；多元回歸；預報模型；福州市

早期空氣質量預報是以天氣形勢和氣象狀況為主要對象的污染潛勢預報,20世紀 60年代后期逐漸發展起大氣污染物濃度的統計預報方法以及基于湍流統計理論的半經驗數值模型[1],近年來氣象模式和污染模式相結合的數值預報系統研究迅速發展,數值預報以其完善的理論基礎、合理的模式設計、定時定量的預報效果成為空氣污染預報的發展趨勢[2].我國在污染潛勢預報[3-5]和濃度統計預報[6-8]方面做了許多工作,數值預報研究近幾年也逐步開展,如中國科學院大氣物理所自行研制的城市空氣污染數值預報模式在天津、濟南等城市進行預報試驗,表現出較好的預報性能[9-11].中國氣象科學研究院開發的非靜穩多箱大氣污染濃度預報和潛勢預報系統CAPPS[12-13],已在國內多個區域氣象中心和重點城市推廣運行.國外的城市空氣質量數值模式經歷了第一代空氣質量模式系統如 EKMA[14]和ISC3[15-16]模式,和第二代空氣質量模式系統如UAM[17],RADM[18],CAMx[19]和 ADMS[20]模式等,如今由美國環保總局發布的第三代空氣質量模式 Models-3[21-22]在國內使用也較為廣泛. Models-3由中尺度氣象模式MM5、污染源排放模式SMOKE和多尺度空氣質量模式CMAQ 3部分組成,其核心是空氣質量模式 CMAQ[23-25].目前國內 Models-3模式主要應用于區域尺度[26-29]的模擬研究,應用到城市尺度[30-31]的空氣質量預報還處于研發階段.國家科技部城市環境項目實施的BECAPEX試驗中,成功應用CMAQ模式實施了北京及周邊地區污染物濃度的預報試驗[32].項目組與國家氣象中心有關人員進一步將模式移植到中國氣象局國家氣象中心神威計算機上,實現了華北區域準業務化運行[33].

福州市在污染物濃度變化規律及其與氣象條件的關系方面開展了一系列研究[6,34],同時先后引進了數值預報模式 CAPPS1-3,目前CAPPS3 已投入業務試運行[35-36].但由于CAPPS3在Linux操作系統下使用,需要在Linux和Windows系統間通過局域網交換大量數據,在實際業務使用中有一定不便,因此,本研究利用目前由中國氣象科學研究院和國家氣象中心聯合下發的 CMAQ 模式產品,旨在根據 CMAQMOS動力-統計相結合[33]的原理,結合由福建省環保部門進行的空氣質量監測資料,利用常規地面氣象觀測資料,開展基于CMAQ模式產品的城市空氣質量精細預報研究,從而建立一套方便輸入常規業務資料的城市空氣質量預報模型.

1 資料與方法

1.1 資料介紹

本文使用的資料包括CMAQ模式預報產品和福州市 3個測點的觀測資料以及常規地面氣象觀測資料.資料時間為2007年1月至2010年12月,利用2007年1月至2010年6月的資料進行預報模型建立,2010年7月～12月的資料進行預報效果回代檢驗.

大氣污染資料取自福州市環境監測站設置的五四北站(119.2989°E,26.1092°N),紫陽站(119.3189°E,26.0792°N)和師大站(119.3033°E, 26.0394°N)監測的SO2、NO2和PM103種大氣污染物每日的監測數據,監測時段為前1日12:00～當日11:00,市區空氣質量日均值為這3個站的算術平均值.

地面氣象因子采用常規氣象資料,計有42項,主要為氣壓、氣溫、相對濕度、露點、水汽壓、風速、降水量的日均值(降水量為累積值)、極大值、極小值和極值差,以及24h變壓、變溫、總云量、低云量、日照數、降水時間和不同等級降水(小雨-暴雨)雨強和頻數等,觀測時段為前1日12:00～當日11:00.

CMAQ模式產品由國家氣象中心下發,氣象場采用國家氣象中心 MM5數值預報產品,人為源產生的NOx,CO,SO2,VOCs和NH3來自美國依阿華大學全球和區域環境研究中心1°×1°排放清單,自然源排放的NOx和VOCs采用全球GEIA 1°×1°每月的排放清單,化學機制采用RADM2[33].每天 08:00起報,預報未來 5種污染物(PM10, SO2,NO2,O3,CO)的濃度,預報有效時效為 66h,即起報日 14:00至第 4d 08:00為輸出時段,其中08:00～14:00時為積分穩定階段,每隔6h輸出一次.預報產品包括5種污染物濃度的12個時次和3d日平均值2種.預報范圍包括全國各省市,空間分辨率為 36km.模式結果經過后處理插值到0.5°×0.5°網格上.本研究以模式第 1個預報日08:00～次日08:00的預報產品作為模式輸出的日均值,用之與實測值進行對比分析.

1.2 CMAQ預報產品時間序列的確立

表1 CMAQ模式產品格點值與站點污染物實測值的擬合情況Table 1 The comparison between grid point values of CMAQ model products and actual value of pollutants measured

1.3 CMAQ-MOS模型

根據動力-統計相結合的預報方法,利用多元線性統計模型,即通過逐步回歸的方法,用前期的污染物觀測資料和氣象要素觀測資料以及CMAQ模式產品,建立模式產品和多類預報因子相結合的日污染物濃度預報模型.應用 SPSS統計軟件完成數據的統計分析.利用模型對后期的污染物濃度進行預報效果回代檢驗.統計模型如(1)式:

2 CMAQ-MOS預報模型建立

2.1 天氣分型

污染物濃度變化與空氣污染氣象條件密切相關,不同天氣系統的宏觀熱力結構和動力結構有很大不同,對污染物的水平擴散和垂直輸送能力有較大影響.研究表明[35],福州市在不同天氣系統影響下PM10的濃度和不同等級空氣污染的出現率存在明顯差異,因此,本文以08:00 850hPa高空圖為主(結合地面圖和 500hPa高空圖作判別),根據廈門、福州、邵武、南昌、贛州、大陳、衢州、汕頭、臺北和花蓮十個探空站850hPa的風向,對影響福州市的天氣系統進行天氣類型劃分,從而建立不同天氣型下的污染物預報方程.共分為大陸高壓(G)、副熱帶高壓(B)、切變(C)、暖區輻合(F)、高空槽(U)、臺風(T)和熱帶輻合帶(R)等7類天氣型,分型說明詳見表2.

2.2 不同天氣系統下各污染物濃度概況

由表3和表4可見,在暖區輻合、高空槽和大陸高壓控制下,福州市的空氣質量較差,各種污染物的平均濃度、濃度極大值均比其他天氣系統影響下的高,PM10濃度等級出現Ⅲ級及以上污染的可能性也更高.而副熱帶高壓和臺風系統影響時,福州市的空氣質量最好,不僅各種污染物平均濃度相對較低,而且3種污染物的濃度等級均沒有出現Ⅲ級及以上污染,其中,NO2的濃度等級均達到了Ⅰ級水平,SO2也僅有一天出現了Ⅱ級,其余天數均維持在Ⅰ級.

在統計時段中,福州市共有5次明顯受到了北方沙塵天氣影響,空氣質量出現Ⅲ級以上污染,分別為2007年1月30日～2月1日,2009年4月26日,2009年12月25日～27日,2010年3月20日～23日,2010年4月29日～30日.2010年3月20日～23日是近幾年影響福州市最為典型的一次北方沙塵天氣,3月20日福州市受高空槽控制, PM10濃度由前一日的 0.125mg/m3升至0.180mg/m3;3月21日影響福州市的天氣系統轉為熱帶輻合帶, 但 PM10的濃度值仍達到了0.361mg/m3(該值也是福州市受熱帶輻合帶系統影響時出現的濃度最大值);3月22日～23日,福州市受暖區輻合系統控制,PM10的濃度值達到了自有空氣質量監測以來的最大值1.034mg/m3.

表2 影響福州市的天氣型分類Table 2 The classification of weather types influencing the city of Fuzhou

表3 不同天氣系統影響下福州市各種污染物的濃度概況(mg/m3)Table 3 The air pollutants concentration under the influence of various weather systems (mg/m3)

表4 不同天氣系統影響下福州市各種污染物不同等級的出現率(%)Table 4 The occurrence rates of levels of various air pollutants under the influence of different weather systems (%)

表5 不同天氣系統影響下PM10、SO2、NO2日平均濃度預報方程Table 5 The predictive equations of daily mean concentration of PM10 , SO2 and NO2 under the influence of various weather systems

2.3 預報模型建立

考慮到日常業務的實用性,經分析比較,采用起報日前1日12:00至起報日11:00的常規地面氣象觀測資料的 24h平均值及其計算衍生值進行回歸分析,運用逐步回歸分析的方法,將 2007年1月至2010年6月的污染物濃度觀測資料和CMAQ模式產品及氣象因子作為預報對象和預報因子,建立不同天氣系統下各種污染物日平均濃度的數學模型,方程置信度均為 P=0.000,模型有統計學意義,所得方程見表5.

3 CMAQ-MOS模型預報結果分析

3.1 效果檢驗

利用上述預報方程,對2010年7～12月的觀測資料進行預報效果回代檢驗.對比各污染物的預報濃度和觀測濃度,二者的變化趨勢較一致(圖1),相關系數在0.5554～0.7084之間(圖2),均通過了置信度水平為 0.01的顯著性檢驗.根據空氣污染指數對應的污染物濃度限值,推算出各污染物的空氣質量級別,將實況與預報各等級出現次數進行比較,結果見表 6.其中正確率為污染等級預報正確天數除以預報總天數.由表6可知,方程對 SO2和NO2的級別預報正確率達到了100%,對PM10Ⅰ級和Ⅱ級的預報結果較理想,正確率均在 70%左右,但對高濃度污染的預報能力較差,2010年 7月～12月福州市的空氣質量有3d出現了Ⅲ級污染,報對1次,漏報2次,空報2次.由于福州市的空氣質量較好,出現Ⅲ級及以上污染的概率小,參加建模統計的高污染樣本數少,因此模式對高污染天氣的預報能力仍有待于進一步檢驗.

圖1 2010年7～12月各污染物實測值與模型預報值對比Fig.1 The observed and the simulated concentration of various air pollutants from June to December, 2010

根據《氣象部門城市空氣質量預報質量考核和管理暫行辦法》[37]對預報質量進行評分,各月的得分情況為86.8～91.0分,平均預報得分達88.8分.由表 7可以看出,在大陸高壓型和副熱帶高壓型控制下,模式對空氣質量的擬合效果最好,這是因為這 2種系統都較穩定,受其控制時各污染物濃度變化波動不大;而在有可能出現降水的切變、高空槽、臺風和熱帶輻合帶等幾種天氣系統影響時,因為降水的出現與否、降水的強度和降水時間的長短這些因素都增加了預報難度,因此得分相對較低;而熱帶輻合帶和臺風系統還因為樣本數太少加大了方程的不穩定性,因此預報效果最差.從對轉折天氣的預報評分結果看,除熱帶輻合帶和臺風系統出現轉折時CMAQ-MOS模型預報的平均得分較低外,其他系統轉折天氣的平均得分均在87～89分左右.當天氣系統由暖區輻合、切變和熱帶輻合帶轉為其他系統控制時,模型的得分要比受這些系統控制時的平均得分高.

圖2 2010年7月～12月各種污染物實測值與模型預報值散點Fig.2 The scatter diagram of observed and simulated concentrations of various air pollutants from June to December, 2010

表6 利用回歸方程回代檢驗結果(d)Table 6 The results of back substitution test using regression equations (d)

3.2 與其他預報方法對比

目前福州市開展空氣質量預報的手段主要依托于統計預報和人工經驗預報相結合,此外近幾年分別引進了數值預報模式CAPPS1-3,先后投入業務試運行.本文將CMAQ-MOS模式與這3種預報方法的預報結果[35]進行對比,結果見表8.從表8中可知,與統計預報和CAPPS模式相比,3種預報方法的評分結果相差不大,而在污染指數預報等級正確率方面, CMAQ-MOS模式的預報正確率均要高于統計預報和數值預報.由于CMAQ-MOS技術全面考慮了動力作用、化學作用和污染源排放對污染物各種過程的影響[33],將統計預報和數值模擬相結合,因此預報效果與單純的統計預報或數值模擬預報相比有其優勢性.而與人工經驗預報相比,CMAQ-MOS模式的得分和等級預報正確率均比人工經驗預報低.

表7 2010年7月～12月不同天氣系統下福州市空氣質量預報評分結果Table 7 The scores of air quality forecast under the influence of various weather systems from June to December, 2010

最新一代空氣質量模式Models-3植入了排放源SMOKE模塊,在排放源清單不易獲取的情況下,本研究引進CMAQ模式預報產品應用于福州市大氣污染問題研究中,具有一定的參考意義.同時將各污染物的濃度分布情況按照天氣型進行歸類分析,建立的CMAQ-MOS模型能反映出不同天氣系統下污染物的擴散規律,預報結果具有統一性,模型具有一定的預報能力.但由于應用CMAQ模式預報產品時,逐時的產品資料不易獲得,而模式日均值輸出結果的統計時效又和觀測資料不一致,對CMAQ-MOS模式的預報結果有一定影響,如果能根據不同氣象條件下城市空氣質量的分布特征對預報結果進行人工訂正,將使預報考核評分進一步提高.此外,CMAQ-MOS模型的預報精度同樣受到樣本數制約,隨著資料時間序列的積累,各污染物預報方程需不斷訂正,以使模式輸出結果在今后的業務化預報工作中不斷完善.本研究雖綜合考慮了空氣污染物觀測資料、大氣狀態和模式產品進行空氣質量預報,但未考慮每種預報因子所占權重,有待于今后進一步深入研究,以改進模式系統.

4 結論

4.1 影響福州市的天氣系統共分為大陸高壓、副熱帶高壓、切變、暖區輻合、高空槽、臺風和熱帶輻合帶7類天氣型.

4.2 在暖區輻合、高空槽和大陸高壓控制下,福州市的空氣質量較差,而副熱帶高壓和臺風系統影響時,福州市的空氣質量最好.統計時段中共有5次明顯受到北方沙塵天氣影響,空氣質量出現Ⅲ級以上污染,2010年3月20日～23日是近幾年影響福州市最為典型的一次北方沙塵天氣,在暖區輻合系統控制下,PM10濃度值達到了自有空氣質量監測以來的最大值1.034mg/m3.

4.3 日污染物濃度預報方程置信度均為P=0.000,模型有統計學意義.對比各污染物的預報濃度和觀測濃度,二者的變化趨勢較一致,相關系數在0.5554～0.7084之間.

4.4 利用模型對2010年7月～12月福州市各污染物濃度進行預報效果回代檢驗,模型對 PM10的污染指數等級預報正確率達到了 71.3%,對SO2和NO2的級別預報正確率達到了100%,日預報綜合評分平均達88.8分.

[1] 盛立芳,吳增茂,秦曾灝.城市空氣質量數值預報的不確定性與可預報性 [J]. 青島海洋大學學報, 1999,29(4):575- 580.

[2] 房小怡,蔣維楣,吳 澗,等.城市空氣質量數值預報模式系統及其應用 [J]. 環境科學學報, 2004,24(1):111-115.

[3] 談建國,陸國良,耿福海,等.上海夏季近地面臭氧濃度及其相關氣象因子的分析和預報 [J]. 熱帶氣象學報, 2007,23(5):515-520.

[4] 胡春梅,劉德,陳道勁.重慶市空氣污染擴散氣象條件指標研究[J]. 氣象科技, 2009,37(6):665-669.

[5] 楊 靜,李 霞,李 秦,等.烏魯木齊近 30a大氣穩定度和混合層高度變化特征及與空氣污染的關系 [J]. 干旱區地理, 2011,5:37-42.

[6] 馮宏芳,隋 平,邱麗葭.福州市污染物濃度時空分布及影響因子分析 [J]. 氣象科技, 2003,31(6):356-360.

[7] 魏 璐,朱偉軍,陳海山.鄭州市空氣質量統計預報方法探討 [J].南京氣象學院學報, 2009,32(2):314-320.

[8] 許 楊,王 凱,賈橋蓮,等.2007-2008年武漢市空氣質量預報及檢驗 [J]. 氣象與環境學報, 2012,2:83-86.

[9] 安俊嶺,向偉玲,韓志偉,等.突發性大氣污染監測與預報技術集成移動平臺 [J]. 中國環境科學, 2011,31(8):1241-1247.

[10] 韓志偉,張美根,雷孝恩,等.城市空氣污染數值預報試驗 [J]. 氣候與環境研究, 1999,4(3):283-290.

[11] 韓志偉,杜世勇,雷孝恩,等.城市空氣污染數值預報模式系統及其應用 [J]. 中國環境科學, 2002,22(3):202-206.

[12] 朱 蓉,徐大海,孟燕君,等.城市空氣污染數值預報系統 CAPPS及其應用 [J]. 應用氣象學報, 2001,12(3):267-277.

[13] 朱 蓉,徐大海,周朝東,等.CAPPS在國家氣象中心多城市污染指數數值預報業務系統中的應用 [J]. 應用氣象學報, 2002, 13(特刊):204-213.

[14] Finlayson-Pitts B J, Pitts J N. Atmospheric chemistry: Fundamentals and experimental techniques [M]. New York: John Wiley and Sons, 1986.

[15] User’s Guide for the Industrial Source Complex (ISC3) Dispersion Models, Volume Ⅰ : User Introductions [Z]. Washington: US EPA, EPA-454/B-95-003a, 1995.

[16] User’s Guide for the Industrial Source Complex (ISC3) Dispersion Models, Volume Ⅱ : User Introductions [Z]. Washington: US EPA, EPA-454/B-95-003b, 1995.

[17] Reynolds S D, Roth P M, Seinfeld J H. Mathematical modeling of photochemical pollution, Ⅰ. Formulation of the model [J]. Atmos. Environ., 1973, 7:1033-1061.

[18] Chang J S, Brosr R A, Isaksen I S A, et al. A three-dimensional acid deposition model: physical concepts and formulation [J]. J Geophys. Res., 1987,92:14681-14700.

[19] ENVIRON. User’s guide to the Comprehensive Air Quality Model with Extensions (CAMx) [Z]. ENVIRON International Corporation, Novato, CA, 2002.

[20] Modeling Air Quality for London for Using ADMS-Urban [R]. London: Cambridge Environmental Research Consultants, 2003:10.

[21] Dennis R L, Byun D W, Novak J H, et al. The next generation of integrated air quality modeling: EPA’s Models-3 [J]. Atmos. Environ., 1996, 30(12): 1925-1938.

[22] Models-3 Air Quality Modeling System [Z]. http://www.epa. gov/asmdnerl/models3/doc.

[23] Byun D W, Ching J K S. Science Algorithms of the EPA Models-3 Community Multi-scale Air Quality (CMAQ) Modeling System [Z]. EPA Report, EPA/600/R-99/030, NERL, Research Triangle Park, NC, 1999.

[24] Byun D W. Dynamically consistent for mulations in meterological and air quality models for multi-scale atmospheric applications: Part I. Governing Equations in Generalized Coordinate System [J]. J Atmos. Sci., 1999,56(21):3789-3807.

[25] Byun D W. Dynamically consistent for mulations in meterological and air quality models for multi-scale atmospheric applications: Part Ⅱ. Mass conservation issues [J]. J Atmos. Sci., 1999,56(21): 3808-3820.

[26] Zhang M G, Xu Y F, Itsushi Uno. A Numerical Study of Tropospheric Ozone in the Springtime in East Asia [J]. Adv. Atmos. Sci., 2004, 21(2):163-170.

[27] 李 莉,陳長虹,黃海英,等.應用Models-3/CMAQ研究長三角區域大氣污染及輸送 [J]. 上海環境科學, 2007,4:25-31.

[28] 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]. 中國環境科學, 2012,32(2):193-199.

[29] 王麗濤,潘雪梅,鄭 佳,等.河北及周邊地區霾污染特征的模擬研究 [J]. 環境科學學報, 2012,4:160-166.

[30] 王揚鋒,左洪超,馬雁軍,等.應用Models-3模式系統對沈陽市空氣質量的數值模擬研究 [J]. 環境科學學報, 2007,27(3):487-493.

[31] 張 艷,余 琦,伏晴艷,等.長江三角洲區域輸送對上海市空氣質量影響的特征分析 [J]. 中國環境科學, 2010,30(7):914-923.

[32] 徐祥德,卞林根,丁國安,等.城市大氣環境觀測工程技術與原理[M].北京:氣象出版社,2003:229-237.

[33] 許建明,徐祥德,劉 煜,等.CMAQ-MOS區域空氣質量統計修正模型預報途徑研究 [J]. 中國科學 D輯,地球科學, 2005, 35(增刊I):131-144.

[34] 王 宏,林長城,蔡義勇,等.福州市空氣質量狀況時空變化及其與天氣系統關系 [J]. 氣象科技, 2008,36(4):480- 484.

[35] 王 宏,石 鈺,鄭麗萍,等.區域空氣質量數值預報模式CAPPS3在福建省的應用 [J]. 環境科學與技術, 2010,33(6E): 271-275.

[36] 王 宏,馮宏芳,石 鈺,等. CAPPS3模式在福州市預報效果檢驗 [J]. 氣象與環境學報, 2011,27(4):25-29.

[37] 氣象部門城市空氣質量預報質量考核和管理暫行辦法 [S]. 2001.

致謝：感謝南京信息工程大學鄭有飛教授對本文英文摘要的潤色

工作.

Air quality forecasting system based on model products of CMAQ in Fuzhou City.

CHEN Bin-bin*, LIN Chang-cheng, YANG Kai, LIN Wen, WANG Hong, YU Yong-jiang (Fujian Institute of Meteorological Science, Fuzhou 350001, China). China Environmental Science, 2012,32(10)：1744～1752

Based on the forecasting products of Community Multiscale Air Quality Model (CMAQ), observation of air pollutants and the conventional ground meteorological data from January 2007 to June 2010 in Fuzhou City, Fujian Province, China, the models were developed to forecast daily air pollutant concentration for various weather systems by statistical-dynamic forecast method and multivariate linear stepwise regression. The models featured both CMAQ forecast products and various other forecast parameters. The results showed that there were 7 weather systems influencing Fuzhou City: continental high, subtropical high, shear, warm sectors convergence, upper trough, typhoon and tropical convergence. The air quality was poor under the control of warm sectors convergence, upper trough or continental high weather systems. In contrast, when Fuzhou was under the control of subtropical high or typhoon, the air quality was better. The p-value associated with the forecast functions of air pollutant level was 0.000, so the models were statistically significant. The models were tested on the air pollutant data in Fuzhou from June to December 2010 by back substitution. The forecast accuracy of the models on contamination index level of PM10reached 71.3%, while the forecast accuracy on SO2and NO2were 100%. The comprehensive score of daily air quality forecast in the city of Fuzhou was 88.8 points on average.

CMAQ model；air quality；multiple regression；forecasting model；Fuzhou City

2012-02-13

環境保護公益性行業專項(201009004);福建省自然科學基金(2010J01243);福建省氣象局 2006年開放式氣象科學研究基金項目(2006K05)

* 責任作者, 工程師, bbchen_2005@163.com

X51

A

1000-6923(2012)10-1744-09

陳彬彬(1982-),女,福建福州人,工程師,碩士,從事大氣物理與大氣環境方面的研究.發表論文3篇.