CUACE模式在沈陽市區PM2.5預報中的檢驗分析

吳宇童　李典　魯楊　柴曉玲　張帥　崔景琳

摘 要：采用2014年氣象常規地面資料及環境監測站數據分析發現，沈陽市區的霾天氣主要集中在每年的10月、11月和12月，全年中首要污染物PM2.5占的比例最大為42%.因此，利用2014-10-01—2014-12-31沈陽市區環境監測站全市平均的日平均值觀測數據，對CUACE模式在沈陽市區PM2.5預報中的效果進行了檢驗分析。結果表明，CUACE模式基本能反映沈陽市區PM2.5的濃度狀況和變化趨勢，但存在系統性低估的問題，在不存在明顯峰值時，預報效果較好。

關鍵詞：CUACE模式；PM2.5；PM10；空氣質量指數

中圖分類號：X513 文獻標識碼：A DOI：10.15913/j.cnki.kjycx.2017.05.010

隨著經濟建設和人們對交通、能源的依賴程度越來越高，霾的危害將會日益顯現，減輕霾危害已經成為一個不可忽視的問題。目前，沈陽市氣象臺對霾天氣還是以監測為主，對霾的預報方法還僅限于經驗預報。為了進一步提高霾天氣預報水平，我們在加強霾天氣預報技術研究的同時，對空氣質量預報產品的檢驗和預報評估工作也必不可少。

CUACE模式是中國氣象科學研究院自主研發的區域天氣大氣化學大氣氣溶膠雙向耦合模式預報系統，目前，該系統水平分辨率為3 km×3 km，預報范圍覆蓋全遼寧省，以WRF資料為初始場，每日20：00（北京時間）起報，預報時效72 h，預報產品種類主要包括PM2.5、PM10、SO2、NO2、O3、CO六種污染物濃度，首要污染物，空氣質量指數AQI（Air Quality Index），污染等級霧和霾區域及等級污染氣象條件等。針對CUACE對沈陽市區PM2.5的預報效果進行了初步檢驗和系統性評估。

1 資料與方法

1.1 模式與資料

本文選取沈陽市區環境監測站全市平均的日平均值作為實況值，根據現有的CUACE模式資料，對2014-10—2014-12模式預報的PM2.5日均濃度值進行了檢驗。

1.2 檢驗方法

本文采用統計檢驗和分級檢驗兩種方法對沈陽市區PM2.5濃度的預報檢驗。統計檢驗方法主要從模式值與實況值的絕對差異和相對偏差角度評價預報效果。指標包括均值偏差MB、標準化均值偏差NMB、均方根誤差RMSE和標準化標準誤NME，其計算公式為：

分級檢驗方法主要從污染物濃度預報的角度評價預報效果，文中設定了一定的污染閾值，將模式預報和實況值對比散點圖劃分為4個區間，如圖1所示。

2 預報效果檢驗分析

2.1 沈陽市區霾天氣及首要污染物分析

利用Micaps常規地面資料，按相對濕度小于90%，能見度小于10 km的標準，結合2014年沈陽市氣象臺發布的霾預警情況，統計2014年出現霾的日數。研究表明，沈陽市區的霾天氣有秋冬多、春夏少的特征，霾天氣主要集中在每年的10月、11月和12月，如圖2所示。

利用沈陽市環境監測站數據分析沈陽市區全年首要污染物分布特征，研究表明，一年中沈陽市區首要污染物為PM2.5的共有153天，占全年的42%，如圖3所示。

2.2 CUACE預報效果檢驗分析

基于以上分析，沈陽市區的霾天氣主要集中在每年的10月、11月和12月，首要污染物主要為PM2.5，所以，本文基于CUACE模式對PM2.5濃度的預報進行了檢驗和預報效果評估。

圖4給出了研究時段中對沈陽市區PM2.5日均值的模擬對比情況。由此可見，該模式能夠較好地模擬出PM2.5的時間變化趨勢。對于較低的PM2.5濃度，模式模擬值與實測值較為接近。模擬與實測的偏差主要出現在峰值的模擬中，模擬的峰值大小往往遠小于實測值，這可能與污染源排放以及區域背景的濃度都被低估有關。

表1和圖5中列出了各研究時段沈陽市區PM2.5日均濃度模擬值與實測值的統計參數評估結果。可以看出，該模式對PM2.5的模擬值與實測值存在低估現象。各個月份模擬值與觀測值的標準平均誤差在51%～75%之間。當PM2.5觀測值較高時，模式模擬結果與實測相比偏差更大，比如2014-10的模擬值比實測值低估最多，模擬PM2.5濃度在這月低估達到了75%；12月最佳，為34%.這可能是因10月份顆粒物濃度出現了峰值，高濃度污染事件較多，而模型對峰值的模擬能力不足，導致總體的模擬效果不佳。此外，也可能是由于該模式對整個大區域背景模擬值偏低。

環境空氣質量標準GB 3095—2012中的二級標準為：24 h平均PM2.5濃度標準為75 ug/m3。以75為分界線將預報值和實況值分為4個區域。從圖5能更直觀的看出，d區域（預報值偏低）的占的比例很大，圖5中的準確率為48%、成功指數為26%、虛報率僅為8%.

平均偏差MB與均方根誤差RMSE反映了模式值和實況值之間的偏差和誤差大小，其絕對值越小，表明數值模式結果與實況結果越為接近，模擬效果越好；歸一化標準因子NMB和NME考慮了不同濃度水平下模擬與觀測的差異，反映了模式值與實況值之間相對偏差和誤差的大小，一般情況下，如果二者均小于50%，則認為模型模擬效果較好。所以，CUACE模式基本能夠反映沈陽市區PM2.5的濃度狀況和變化趨勢，但存在系統性的低估問題，在不出現明顯的峰值時，預報效果較好。

3 結束語

本文提出的模式能較好地模擬出PM2.5的時間變化趨勢。在PM2.5濃度較低時，模式模擬值與實況值也較為接近。模式與實況的偏差主要出現在峰值的模擬中，這是因為模型對峰值的模擬能力不足，模擬的峰值大小往往遠小于實測值，導致總體的模擬效果不佳。

參考文獻

[1]吳兌，吳曉京，李菲，等.1951—2005年中國大陸霾的時空變化[J].氣象學報，2010，68（05）.

[2]吳兌.近十年中國灰霾天氣研究綜述[J].環境科學學報，2012，32（02）.

[3]王躍思，姚利，王莉莉，等.2013年元月我國中東部地區強霾污染成因分析[J].中國科學：地球科學，2014，44（01）.

[4]王自發，謝付瑩，王全喜，等.嵌套網格空氣質量預報模式系統的發展與應用[J].大氣科學，2006，30（05）.

[5]徐建明，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].地球科學，2005，35（增刊）.

[6]謝敏，鐘流舉，陳煥盛，等.CMAQ模式及其修正預報在珠三角區域的應用檢驗[J].環境科學與技術，2012，35（02）.

[7]董亞龍，吳寧.CAPPS 模式在銅川空氣質量預報中的效果檢驗[J].陜西氣象，2004（05）.

[8]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（04）.

[9]王茜，伏晴艷，王自發，等.集合數值預報系統在上海市空氣質量預測預報中的應用研究[J].環境監控與預警， 2010，2（04）.

[10]楊民，王慶梅，馬印飛，等.蘭州市空氣質量預報系統結構及效果檢驗[J].環境與氣象，2002，20（02）.

〔編輯：張思楠〕