硫酸盐(SO_(4)^(2-))是我国大气中细颗粒物(PM_(2.5))的主要成分之一,其化学机制十分复杂,空气质量模式对硫酸盐的模拟往往存在一定的低估.为了提高WRF-Chem模式(Weather Research Forecast-Chemistry)对硫酸盐的模拟精度,本文提出了一种硫酸盐生成复杂机理的替代方法,并开展了针对硫酸盐化学反应速率的同化方法研究.在WRF-Chem模式基础上,新增了一个硫酸盐生成参数化方案,该方案包含两个替代反应和六个待定参数,基于DART(Data Assimilation Research Testbed)系统,同化了近地面SO_(4)^(2-)、SO_(2)、NO_(2)、O_(3)和颗粒物浓度(PM_(2.5)、PM_(10))来调整相关的待定参数.结果表明,经过资料同化调整后,新方案能有效解决模式低估SO_(4)^(2-)、高估SO_(2)的问题,SO_(4)^(2-)的平均偏差由-13.1μg m^(-3)下降为3.5μg m^(-3),SO_(2)由17.0μg m^(-3)下降为6.3μg m^(-3).新方案中反应速率的时空变化特征与基于理论的研究结果符合,表明硫酸盐生成的复杂机理可以用参数化方案代替,且采用资料同化的方法可以实现参数调整.本文发展并改进了WRF-Chem模式中SO_(4)^(2-)生成参数化方案中的反应速率参数,为提高空气质量数值预报的准确性提供了新的思路.
随着城市化、工业化的快速发展,空气污染已经成为了公众最关注的问题之一。为了提高空气质量预报的准确度,以多尺度空气质量模型(Community Multi-Scale Air Quality,CMAQ)为工具,结合中尺度WRF(Weather Research and Forecast Model)气象预报数据、气象观测数据、污染物浓度观测数据,基于极端随机树方法建立了WRF-CMAQ-MOS(Weather Research and Forecast Model-Community Multi-Scale Air Quality-Model Output Statistics)统计修正模型。结果表明,结合WRF气象预报的CMAQ-MOS方法明显修正了由于模型非客观性产生的模式预报偏差,提高了预报效果。使用线性回归方法不能获得较好的优化效果,选取极端随机树方法和梯度提升回归树方法对模型进行改进和比较,发现极端随机树方法对结合WRF气象要素的CMAQ-MOS模型有较大的提升。针对徐州地区空气质量预报,进一步使用基于极端随机树方法的WRF-CMAQ-MOS模型对2016年1、2、3月的空气质量指数(AQI)及PM_(2.5)、PM_(10)、NO_2、SO_2、O_3、CO六种污染物优化试验进行验证,发现优化效果最为明显的两种污染物分别是NO_2及O_3,2016年1、2、3月整体相关系数NO_2由0.35升至0.63,O_3由0.39升至0.79,均方根误差NO_2由0.0346减至0.0243 mg/m^3,O_3由0.0447减至0.0367 mg/m^3。文中发展的WRFCMAQ-MOS统计修正模型可以有效提升预报精度,在空气质量预报中具有很好的应用前景。
