针对北京市2016年12月16~21日的空气重污染过程进行了回报试验,探讨了该次事件预报的目标观测敏感区。使用新一代高分辨率中尺度气象模式(Weather Research Forecasting,WRF)和嵌套网格空气质量模式(Nested Air Quality Prediction Mod...针对北京市2016年12月16~21日的空气重污染过程进行了回报试验,探讨了该次事件预报的目标观测敏感区。使用新一代高分辨率中尺度气象模式(Weather Research Forecasting,WRF)和嵌套网格空气质量模式(Nested Air Quality Prediction Model System,NAQPMS),针对初始气象场的不确定性,通过4套初始场资料识别了影响北京地区细颗粒物(PM2.5)预报水平的目标观测敏感变量及其敏感区。结果表明:当综合考虑初始气象场的风场、温度、比湿不确定性的影响时,发现改善黑龙江区域上述气象要素的初始场精度,对北京地区PM2.5预报不确定的减小最显著;当分别考察风场、温度、比湿的不确定性的影响时,发现初始风场精度的改善,尤其是黑龙江区域风场精度的改善,能够更大程度地减小北京地区PM2.5的预报误差,对北京东南地区的PM2.5预报误差的减小甚至可达到40%以上。因此,优先对黑龙江区域的气象场,尤其是该区域的风场进行目标观测,并将其同化到预报模式的初始场中,将会有效提高初始气象场的质量,进而大大减小北京地区PM2.5浓度的预报误差,提高北京地区空气质量的预报技巧。初始风场代表了北京地区该次空气重污染事件预报的目标观测变量,而黑龙江地区则是该目标观测的敏感区域。展开更多
地面观测提供空间点的浓度信息,三维化学模式提供网格面的浓度信息,两者在进行对比验证或同化融合时会因为空间尺度不匹配引入误差,即观测代表性误差。本研究将大气污染地面国控监测站与区县监测站结合起来,获得了京津冀地区高密度地面...地面观测提供空间点的浓度信息,三维化学模式提供网格面的浓度信息,两者在进行对比验证或同化融合时会因为空间尺度不匹配引入误差,即观测代表性误差。本研究将大气污染地面国控监测站与区县监测站结合起来,获得了京津冀地区高密度地面观测数据,利用该数据首次对京津冀地区6项常规大气污染物(PM_(2.5)、PM_(10)、SO_2、NO_2、CO和O_3)的地面观测代表性误差进行了客观估计,并与Elbern et al.(2007)方法估计的代表性误差进行了对比。结果发现:两种方法对京津冀地区NO_2地面观测代表性误差估计非常接近,但Elbern et al.(2007)方法显著低估了SO_2、CO和O_3地面观测的代表性误差。在此基础上,我们对Elbern et al.(2007)方法及其误差特征参数进行了本地化修正,并增加了PM_(2.5)和PM_(10)的代表性误差特征参数,建立了京津冀大气污染地面观测代表性误差的客观估计方法。展开更多
文摘针对北京市2016年12月16~21日的空气重污染过程进行了回报试验,探讨了该次事件预报的目标观测敏感区。使用新一代高分辨率中尺度气象模式(Weather Research Forecasting,WRF)和嵌套网格空气质量模式(Nested Air Quality Prediction Model System,NAQPMS),针对初始气象场的不确定性,通过4套初始场资料识别了影响北京地区细颗粒物(PM2.5)预报水平的目标观测敏感变量及其敏感区。结果表明:当综合考虑初始气象场的风场、温度、比湿不确定性的影响时,发现改善黑龙江区域上述气象要素的初始场精度,对北京地区PM2.5预报不确定的减小最显著;当分别考察风场、温度、比湿的不确定性的影响时,发现初始风场精度的改善,尤其是黑龙江区域风场精度的改善,能够更大程度地减小北京地区PM2.5的预报误差,对北京东南地区的PM2.5预报误差的减小甚至可达到40%以上。因此,优先对黑龙江区域的气象场,尤其是该区域的风场进行目标观测,并将其同化到预报模式的初始场中,将会有效提高初始气象场的质量,进而大大减小北京地区PM2.5浓度的预报误差,提高北京地区空气质量的预报技巧。初始风场代表了北京地区该次空气重污染事件预报的目标观测变量,而黑龙江地区则是该目标观测的敏感区域。
文摘地面观测提供空间点的浓度信息,三维化学模式提供网格面的浓度信息,两者在进行对比验证或同化融合时会因为空间尺度不匹配引入误差,即观测代表性误差。本研究将大气污染地面国控监测站与区县监测站结合起来,获得了京津冀地区高密度地面观测数据,利用该数据首次对京津冀地区6项常规大气污染物(PM_(2.5)、PM_(10)、SO_2、NO_2、CO和O_3)的地面观测代表性误差进行了客观估计,并与Elbern et al.(2007)方法估计的代表性误差进行了对比。结果发现:两种方法对京津冀地区NO_2地面观测代表性误差估计非常接近,但Elbern et al.(2007)方法显著低估了SO_2、CO和O_3地面观测的代表性误差。在此基础上,我们对Elbern et al.(2007)方法及其误差特征参数进行了本地化修正,并增加了PM_(2.5)和PM_(10)的代表性误差特征参数,建立了京津冀大气污染地面观测代表性误差的客观估计方法。