-
随着频繁出现的大范围雾霾现象[1]，大气污染问题已对公众健康、大气能见度和交通运输等带来显著的负面影响，使得大气污染防治与治理面临巨大的压力和挑战。大气污染的严峻形势对环境空气质量监测与预报预警提出了前所未有的技术支撑需求[2]，推动了环境空气质量预报工作的开展。
开展空气质量预报预警工作是及时妥善应对重污染天气的重要技术手段[3]，准确预报至关重要。预报的准确性直接影响重度污染天气的应对效果，对引导公众出行和大气污染联合减排具有重要意义。目前我国已形成“国家—区域—省级—城市”四级城市环境空气质量预报预警体系，并建立了京津冀及周边、长三角、珠三角、西北、西南、东北和华南7个区域预报预警中心，目前我国城市环境空气质量预报使用国内外数值模型较多见文献[4-6]。
辽宁省生态环境监测部门作为东北区域预报中心，承担“区域-省-城市”三级空气质量预报及向国家预报中心报送预报结果职责。结合东北区域预报中心实际，对2019年春季辽宁省的一次大范围、长时间大气环境重污染过程中数值模型与人工订正法的预报准确性进行分析，为进一步修正预报模型和方法、提高预报准确率和预报能力、查找目前预报工作中存在的不足和影响因素奠定基础，并为其他区域中心、省市预报工作提供借鉴和参考。
-
重度污染过程期间空气质量实况数据来源于辽宁省77个环境空气质量自动监测国控站监测结果，依据《环境空气质量指数（AQI）技术规定（试行）》[7]计算AQI，表征空气质量等级。
气象数据包括欧洲中心（EC）高空500 hPa形势场、地面风场（windy）、韩国地面形势场及中国气象局网站公开的相对湿度、降水等气象预报产品。
-
预报方法采用由美国环境保护局开发的多尺度空气质量模式（Community Multi-scale Air Quality Model，CMAQ）[8]、南京大学自主研发的区域大气环境模式（RegAEMS，简称“REG”）和人工订正法3种。
人工订正法是在综合相关研究方法[9]基础上，结合辽宁空气质量预报及管理需求进行预报。是预报员在对数值模型的污染物浓度和AQI预报结果、当天及未来气象要素的实况及预报产品、空气质量实况、气团运动轨迹、污染源特殊排放等资料的综合人工分析基础上，客观依赖预报员的经验，并综合气象等部门的意见，对数值模型预报结果进行人工订正，对空气质量变化趋势做出人工判断，给出最终预报结果。
CMAQ模型和人工订正法预报时长为未来72、48和24 h；REG为未来48和24 h。
-
预报准确性分析包括污染等级跨级预报准确性分析和AQI范围预报准确性分析。其中跨级预报是在模型AQI预报基础上，预报员采用人工订正法对辽宁省各分区域进行空气质量污染等级进行跨级预报，而CMAQ和REG两种数值模型预报结果为AQI值，AQI值仅对应一个污染级别，不做跨级预报。根据辽宁省地理特征、大气污染情况及传输规律等划分为西部、中部和东南部3个分区域，各分区所辖城市见表1。
跨级预报准确性分析：主要对人工订正预报的24、48和72 h分区域跨级预报结果进行分析。根据各分区域所辖城市AQI实况平均计算得出分区域AQI，得出对应的空气质量级别，实况级别落在预报跨级结果范围内即为准确，否则为错误。
AQI范围准确性分析：对CMAQ模型和人工订正法的24、48和72 h预报范围以及REG模型的24和48 h的AQI预报范围准确性进行分析。根据城市预报AQI所属空气质量级别参考文献[10-11]进行调整设定变化幅度得到AQI预报范围，若实况AQI落入预报AQI范围内，则为AQI范围预报准确。预报AQI为优良，变化幅度为10；预报AQI为轻度污染和中度污染，变化幅度为15；预报AQI为重度污染和严重污染，变化幅度为25。
-
2019年2月28日至3月5日，辽宁省出现一次大范围、长时间重度污染过程，主要污染物为细颗粒物（PM2.5）。期间，全省除朝阳以外其余13个城市均出现过重度污染情况（日AQI>200），各城市日AQI统计结果见图1。
图1可见，此次污染过程中，重度污染主要从沿海城市开始，逐渐扩大至全省范围；3月4日全省有12个城市达到重度污染程度，为单日重度污染城市数量最多；西部沿海城市污染程度较重，葫芦岛污染持续时间最长，连续5 d达到重度污染，盘锦和锦州各持续4 d。
-
CMAQ、REG两种数值模型及人工订正法对辽宁省3个区域的AQI预报结果见表2。
表2可知此次重污染过程中，CMAQ模型对辽宁省各分区域AQI的预报结果在52～153之间，区域尺度均未预报出区域重度污染级别，AQI预报最高值在3日和4日，与污染实况趋势基本相符，但污染等级较实况偏低。REG模型的AQI预报结果在42～290，预报出重度污染级别，多集中在3月2～4日，污染趋势相对准确；人工订正法AQI预报结果在89～189，未预报出区域重度污染级别，AQI预报最高值在3～5日，与污染实况趋势基本相符，但污染等级较实况偏低。
-
对人工订正法的未来24、48和72 h的3个预报时间尺度的各分区域跨等级预报准确率进行统计，结果见表3。
表3可知，从预报时间尺度方面，预报准确率由高到底分别为24 h>48 h>72 h，预报准确率随时间临近而增高，由72 h的38.9%增至24 h的88.9%，增加五十个百分点；从污染过程来看，各时间尺度预报结果均表现为污染过程前期（2月28日到3月1）和后期（3月5日）的准确率高于污染过程中期（3月2日到3月4日），24 h的各日预报准确率均高于48和72 h，而48和72 h的预报准确率差异也表现为3日和4日的48 h预报准确率高于72 h预报准确率，其他时间预报准确率一致，对重度及以上污染的准确率低于中度及以下的预报准确率；从对各分区域的预报准确率来看，3个时间尺度对中部区域的预报准确率高于西部和东南部准确率，24 h中部预报准确率最高，为100%。结果表明临近预报的准确率提高，这可能与预报员的经验和对空气质量实况的把握影响有关。
-
采用CMAQ模型、REG模型和人工订正法3种方法对未来24、48和72 h辽宁省空气质量AQI范围预报的准确率进行分析，结果见图2。
图2可见，CMAQ模型对AQI范围的预报准确率均最低，各时间尺度预报准确率在3.6%～7.1%之间，REG模型和人工订正法预报结果表现略好，分别在15.4%～32.1%之间和23.8%～25.0%之间。
从24、48和72 h的3个预报时间尺度结果来看，24 h的AQI范围预报准确率中人工订正法整体高于CMAQ和REG两种模型，在污染较轻的28日，人工订正法准确率明显高于模型预报；48 h预报准确率REG模型高于人工订正法和CMAQ模型，REG模型对污染过程的预报在48 h结果中表现最好，准确率高于污染前期和污染后期，人工订正法预报准确率则随着预报时长增加而表现准确率降低趋势；72 h预报结果为人工订正法明显高于CMAQ模型（REG模型无72 h预报结果），且人工订正法预报准确率随预报时长增加则表现出先降低后升高的趋势。
从污染过程中各日预报准确率来看，REG模型对污染过程中期的预报准确率相对较高，对污染开始和结束的预报结果略差；人工订正法则表现为对污染前期的预报准确率高于预报中期和后期，说明预报员人工经验对临近预报的影响较大，而对重度及以上污染时段的AQI预报结果较差。
-
1）人工订正法对辽宁省各分区域空气质量污染等级的跨级预报准确率高低表现为24 h>48 h>72 h，24 h预报准确率可达88.9%，相比48和72 h预报准确率明显增加。
2）AQI范围的预报准确率整体偏低，REG模型准确率高于CMAQ模型，24和48 h预报准确率人工订正法均高于2种模型，48 h则表现为REG模型准确率最高。2种模型预报准确性的偏差原因需进一步剖析，从模型参数设定、污染源排放清单及模型本地化等角度进行深入分析，以调整得出更适宜辽宁省实际应用的空气质量预报数值模型，提高预报准确率。
3）预报员的经验对临近预报准确率提高起到较大作用，但对重度污染的发展趋势预报准确率仍较低，特别是对未来3 d之后的预报准确率明显降低，因此，人工订正法应加强对远期预报和污染发展趋势预报能力的提升以及对重度污染过程中AQI预报范围的把握。
辽宁省一次大气重度污染过程预报准确性分析
Forecast Accuracy Analysis of One Heavy Atmospheric Pollution Process of Liaoning Province
-
摘要: 2019年春季辽宁省出现了一次长时间、大范围的空气质量重度污染过程，为进一步了解此次环境空气重度污染过程的预报情况，对CMAQ模型、REG模型和人工订正法在此次污染过程中的污染等级和AQI范围的预报准确率进行了分析。结果表明：人工订正法未来24 h跨级预报准确率最高，72 h最低；AQI 范围预报中，人工订正法在未来24和72 h均值预报中准确率均为最高，48 h预报REG模型准确率最高，CMAQ模型均为最低；各预报方法在污染过程前期、后期的预报准确率均高于污染过程中期。Abstract: In the spring of 2019, a long-term and large-scale heavy air pollution appeared in Liaoning Province. In order to clarify the forecast results of this heavy atmospheric pollution process, this paper used the CMAQ model, the REG model and the manual correction method to analyze the forecast accuracy of the pollution level and the AQI range. The result showed that for the future 24 h cross-level forecast, the accuracy of the manual correction method was the highest, while its accuracy was the lowest for the future 72 h forecast. For the AQI range, the accuracy of the manual correction method was the highest for both the future 24 h and 72 h forecast. For the 48 h forecast, the accuracy of the REG model was the highest. The accuracy of the CMAQ model was the lowest at the different forecast conditions. For all the forecast methods, the forecast accuracy in the early and late stages of the pollution process was higher than the results in the middle stage of the process.
-
Key words:
- Air Quality /
- Heavy Pollution /
- Forecast Accuracy /
- Liaoning Province
-
-
表 2 3种预报方法的辽宁省各区域AQI预报结果
t/月-日 CMAQ REG 人工订正 西部 中部 东南部 西部 中部 东南部 西部 中部 东南部 24 h 48 h 72 h 24 h 48 h 72 h 24 h 48 h 72 h 24 h 48 h 24 h 48 h 24 h 48 h 24 h 48 h 72 h 24 h 48 h 72 h 24 h 48 h 72 h 2-28 54 133 97 58 95 86 54 89 100 42 62 71 91 74 64 126 150 130 91 121 116 90 108 116 3-01 63 119 76 65 113 67 68 103 76 206 195 199 76 53 99 144 153 133 119 139 130 89 114 116 3-02 137 108 94 88 76 59 73 72 55 193 212 201 121 116 75 155 175 150 140 163 113 120 135 105 3-03 149 153 100 136 128 83 98 79 52 227 238 256 213 214 205 182 172 171 120 150 145 148 166 120 3-04 95 134 121 72 119 139 65 122 118 153 171 211 260 279 290 158 175 153 168 150 171 101 147 145 3-05 61 91 112 55 109 111 64 89 125 98 103 111 118 177 181 172 189 186 112 141 176 107 136 181 
下载: 导出CSV
表 3 人工订正法跨级分区域预报准确率
t/月-日 24 h 48 h 72 h 西部 中部 东南部 准确率/% 西部 中部 东南部 准确率/% 西部 中部 东南部 准确率/% 2-28 1 1 1 100 1 1 1 100 1 1 1 100 3-01 1 1 1 100 1 1 0 66.7 1 1 0 66.7 3-02 1 1 1 100 0 1 0 33.3 0 1 0 33.3 3-03 1 1 0 66.7 0 0 0 0 0 0 0 0 3-04 0 1 1 66.7 0 0 0 0 0 0 0 0 3-05 1 1 1 100 1 0 1 66.7 0 0 1 33.3 平均准确率/% 83.3 100 83.3 88.9 50 50 33.3 44.4 33.3 50 33.3 38.9 注：1代表当日预报准确，0代表预报错误。
下载: 导出CSV
-
[1] 孟晓艳, 余予, 张志富, 等. 2013年1月京津冀地区强雾霾频发成因初探[J]. 环境科学与技术, 2014, 37(1): 190 − 194. [2] 王晓彦, 刘冰, 李健军, 等. 区域环境空气质量预报的一般方法和基本原则[J]. 中国环境监测, 2015, 31(1): 134 − 138. doi: 10.3969/j.issn.1002-6002.2015.01.027 [3] 王厚俊, 程滢, 吴莹. 几种空气质量预报方法对冬季预报效果的评估与对比[J]. 环境监控与预警, 2018, 10(5): 36 − 40. doi: 10.3969/j.issn.1674-6732.2018.05.009 [4] 宋鹏程, 张馨文, 黄强, 等. 我国城市环境空气质量预报主要模型及应用[J]. 四川环境, 2019, 36(3): 70 − 76. [5] 四川省环境监测总站. 四川省空气质量预报预警指导手册(试行)[R]. 成都: 四川省环境监测总站, 2015, 12. [6] 陈璞珑, 王体健, 谢晓栋, 等. 基于数值模式的细颗粒物来源解析[J]. 科学通报, 2018, 63(18): 1829 − 1838. [7] 国家环境保护部. 环境空气质量指数(AQI)技术规定(试行): HJ633-2012[S/OL]. (2012-04-10)[2019-09-15]. http://kjs.mee.gov.cn/hjbhbz/bzwb/jcffbz/201203/W020120410332725219541.pdf [8] 程水源, 陈东升. 大气重污染过程预测技术研究[M]. 北京: 中国环境出版社, 2014. [9] 陈楠, 王剑, 操文祥, 等. 湖北省一次空气重污染过程的预报分析[J]. 环境科学与技术, 2018, 41(8): 95 − 103. [10] 王晓彦, 陈佳, 朱莉莉, 等. 城市空气质量指数范围预报方法初探[J]. 中国环境监测, 2015, 31(6): 139 − 142. doi: 10.3969/j.issn.1002-6002.2015.06.028 [11] 马琳, 魏巍, 张稳定, 等. 2016年秋季新乡市空气质量模式预报效果评估[J]. 中国环境监测, 2017, 33(5): 89 − 94. -
点击查看大图
图( 2) 表( 3)
计量
- 文章访问数: 1179
- HTML全文浏览数: 1179
- PDF下载数: 13
- 施引文献: 0
