2014—2016年海口市空气质量概况及预报效果检验
|
摘要
本文主要基于CUACE模式在海口市的预报产品,结合2014年3月—2017年2月海口市AQI、PM_(2.5)、PM_(10)和O_3的实况资料进行预报效果检验.结果表明,①近3年海口市空气质量等级主要以优和良为主,但仍有少部分天数以PM_(10)、PM_(2.5)和O_3为首要污染物,分别占所有首要污染物天数的27.6%、29.5%和42.9%,其中O_3上升幅度较快.②CUACE模式能较好的模拟出AQI和3类污染物浓度的变化特征,其中PM_(2.5)的预报值与实测值最为接近,而PM_(10)和O_3普遍偏低.③日平均浓度的预报效果检验表明,PM_(2.5)的标准误差(RMSE)最小,AQI和PM_(10)次之,O_3最大.3个时次预报平均偏差(MB)和归一化偏差(MNB)均为负值,表明CUACE模式预报的污染要素浓度均偏低于实测值.④海口市空气质量为优等级时,TS评分最高;无首要污染物时,首要污染物预报的TS评分最高,但首要污染物为PM_(2.5)、PM_(10)或O_3时,TS评分均偏低.
Based on the forecast product of CUACE model output, this study verified the forecast efficiency of AQI, PM_(2.5), PM_(10) and O_3 in Haikou City by the observed data from March 2014 to February 2017. In observations, air quality in Haikou City was mainly kept at excellent and good in these three years and the primary pollutants were PM_(2.5), PM_(10) and O_3, which accounted for 27.6%, 29.5% and 42.9%, respectively. Basic features of AQI, PM_(2.5), PM_(10) and O_3 simulated by CUACE model were close to observations in Haikou City. The model reasonably simulates the concentration of PM_(2.5) but relatively underestimate the concentration of PM_(10) and O_3, which can also be reflected by the Mean Bias(MB) and Mean Normalized Bias(MNB) values shown by CUACE forecasted at the three times. In addition, the Root Mean Square Error(RMSE) is the smallest for the daily averaged concentration of PM_(2.5), following AQI and PM_(10), and is largest for O_3. As a further step, the model performs the best when the air quality is excellent or there is no primary pollutant in Haikou City, as measured by the TS score. The TS score is relatively low when the primary pollutants were PM_(2.5), PM_(10) or O_3.
Based on the forecast product of CUACE model output, this study verified the forecast efficiency of AQI, PM_(2.5), PM_(10) and O_3 in Haikou City by the observed data from March 2014 to February 2017. In observations, air quality in Haikou City was mainly kept at excellent and good in these three years and the primary pollutants were PM_(2.5), PM_(10) and O_3, which accounted for 27.6%, 29.5% and 42.9%, respectively. Basic features of AQI, PM_(2.5), PM_(10) and O_3 simulated by CUACE model were close to observations in Haikou City. The model reasonably simulates the concentration of PM_(2.5) but relatively underestimate the concentration of PM_(10) and O_3, which can also be reflected by the Mean Bias(MB) and Mean Normalized Bias(MNB) values shown by CUACE forecasted at the three times. In addition, the Root Mean Square Error(RMSE) is the smallest for the daily averaged concentration of PM_(2.5), following AQI and PM_(10), and is largest for O_3. As a further step, the model performs the best when the air quality is excellent or there is no primary pollutant in Haikou City, as measured by the TS score. The TS score is relatively low when the primary pollutants were PM_(2.5), PM_(10) or O_3.
引文
陈彬彬, 林长城, 杨凯, 等. 2012. 基于CMAQ模式产品的福州市空气质量预报系统[J]. 中国环境科学, 32(10): 1744-1752
陈波, 申双和, 冯光柳. 2006. CAPPS模型在武汉市空气质量预报中的应用与检验[J]. 暴雨灾害, 25(4): 20-22
陈静, 范引琪, 李杰. 2008. CAPPS模式在石家庄市应用的效果检验[J]. 气象与环境学报, 24(2): 23-27
董亚龙, 吴宁. 2004. CAPPS模式在铜川空气质量预报中的效果检验[J]. 陕西气象, (5): 13-16
房小怡, 蒋维楣, 吴涧,等. 2004. 城市空气质量数值预报模式系统及其应用[J]. 环境科学学报, 24(1): 111-115
符传博,唐家翔,丹利,等.2015a. 2013年冬季海口市一次气溶胶粒子污染事件特征及成因解析[J].环境科学学报, 35(1): 72-79
符传博, 陈有龙, 丹利, 等. 2015b. 近10年海南岛大气NO2的时空变化及污染物来源解析[J]. 环境科学, 38 (1): 18-24
符传博, 唐家翔, 丹利, 等. 2016. 2014年海口市大气污染物演变特征及典型污染个例分析[J]. 环境科学学报,36(6): 2160-2169
高素华,黄增明,张统钦,等. 1988. 海南岛气候[M].北京: 气象出版社.1-189
韩志伟,杜世勇,雷孝恩,等.2002. 城市空气污染数值预报模式系统及其应用[J].中国环境科学,22(3): 202-206
胡淳焓, 黄娟, 王益琴, 等. 2015. 基于强度尺度法的雷达和数值模式定量降水预报检验对比[J]. 热带气象学报,31(2): 273-279
黄顺祥. 2018. 大气污染与防治的过去、现在及未来[J]. 科学通报,63(10): 895-919
李曼, 张载勇, 李淑娟, 等. 2014. CUACE系统在乌鲁木齐空气质量预报中的效果检验[J]. 沙漠与绿洲气象, 8(5): 63-68
李晓岚, 马雁军, 王扬锋, 等. 2016. 基于CUACE系统沈阳地区春季空气质量预报的校验及修正[J]. 气象与环境学报, 32(6): 10-18
刘海猛, 方创琳, 黄解军, 等. 2018. 京津冀城市群大气污染的时空特征与影响因素解析[J]. 地理学报, 73 (1): 177-191
刘慧, 饶晓琴, 张恒德, 等. 2017. 环境气象业务数值模式预报效果对比检验[J]. 气象与环境学报, 33(5): 17-24
Liu N. 2009. Establishment of regional air quality numerical forecast system in Liaoning [J]. Meteorological Monthly, 32(10): 84-89
吕梦瑶, 程兴宏, 张恒德, 等. 2018. 基于自适应偏最小二乘回归法的CUACE模式污染物预报偏差订正改进方法研究[J]. 环境科学学报, 38(7): 2735-2745
Mebust M R, Eder B K, Binkowski F S, et al. 2003. Models-3 community multiscale air quality (CMAQ) model aerosol component 2. model evaluation [J]. Journal of Geophysical Research Atmospheres, 108(D6)
Reynolds S D, Roth P M, Seinfeld J H. 1973. Mathematical modeling of photochemical pollution, I. Formulation of the model [J]. Atmospheric Environment, 7: 1033-1061
盛立芳, 吴增茂, 秦曾灏. 1999. 城市空气质量数值预报的不确定性与可预报性[J]. 中国海洋大学学报(自然科学版)(4): 575-580
宋娜,徐虹,毕晓辉,等. 2015. 海口市PM2.5和PM10来源解析[J]. 环境科学研究, 28(10): 1501-1509
Wang T, Xue L, Brimblecombe P, et al. 2016. Ozone pollution in china: a review of concentrations, meteorological influences, chemical precursors, and effects [J]. Science of the Total Environment, 575: 1582-1596
Wang C, An X, Zhai S, et al. 2018. Tracking sensitive source areas of different weather pollution types using GRAPES-CUACE adjoint model [J]. Atmospheric Environment, 175: 154-166
王宏, 冯宏芳, 石钰, 等. 2011. CAPPS3模式在福州市预报效果检验[J]. 气象与环境学报, 27(4): 25-29
王茜,吴剑斌,林燕芬.2015. CMAQ模式及其修正技术在上海市PM2.5预报中的应用检验[J].环境科学学报, 35(6): 1651-1656
王哲, 王自发, 李杰, 等. 2014. 气象—化学双向耦合模式(WRF-naqpms)研制及其在京津冀秋季重霾模拟中的应用[J]. 气候与环境研究, 19(2): 153-163
吴锴, 康平, 于雷, 等. 2018. 2015—2016年中国城市臭氧浓度时空变化规律研究[J]. 环境科学学报, 38(6):2179-2190
谢敏, 钟流举, 陈焕盛, 等. 2012. CMAQ模式及其修正预报在珠三角区域的应用检验[J]. 环境科学与技术, 35(2): 102-107
杨关盈, 邓学良, 吴必文, 等. 2017. 基于CUACE模式的合肥地区空气质量预报效果检验[J]. 气象与环境学报, 33(1): 51-57
陈波, 申双和, 冯光柳. 2006. CAPPS模型在武汉市空气质量预报中的应用与检验[J]. 暴雨灾害, 25(4): 20-22
陈静, 范引琪, 李杰. 2008. CAPPS模式在石家庄市应用的效果检验[J]. 气象与环境学报, 24(2): 23-27
董亚龙, 吴宁. 2004. CAPPS模式在铜川空气质量预报中的效果检验[J]. 陕西气象, (5): 13-16
房小怡, 蒋维楣, 吴涧,等. 2004. 城市空气质量数值预报模式系统及其应用[J]. 环境科学学报, 24(1): 111-115
符传博,唐家翔,丹利,等.2015a. 2013年冬季海口市一次气溶胶粒子污染事件特征及成因解析[J].环境科学学报, 35(1): 72-79
符传博, 陈有龙, 丹利, 等. 2015b. 近10年海南岛大气NO2的时空变化及污染物来源解析[J]. 环境科学, 38 (1): 18-24
符传博, 唐家翔, 丹利, 等. 2016. 2014年海口市大气污染物演变特征及典型污染个例分析[J]. 环境科学学报,36(6): 2160-2169
高素华,黄增明,张统钦,等. 1988. 海南岛气候[M].北京: 气象出版社.1-189
韩志伟,杜世勇,雷孝恩,等.2002. 城市空气污染数值预报模式系统及其应用[J].中国环境科学,22(3): 202-206
胡淳焓, 黄娟, 王益琴, 等. 2015. 基于强度尺度法的雷达和数值模式定量降水预报检验对比[J]. 热带气象学报,31(2): 273-279
黄顺祥. 2018. 大气污染与防治的过去、现在及未来[J]. 科学通报,63(10): 895-919
李曼, 张载勇, 李淑娟, 等. 2014. CUACE系统在乌鲁木齐空气质量预报中的效果检验[J]. 沙漠与绿洲气象, 8(5): 63-68
李晓岚, 马雁军, 王扬锋, 等. 2016. 基于CUACE系统沈阳地区春季空气质量预报的校验及修正[J]. 气象与环境学报, 32(6): 10-18
刘海猛, 方创琳, 黄解军, 等. 2018. 京津冀城市群大气污染的时空特征与影响因素解析[J]. 地理学报, 73 (1): 177-191
刘慧, 饶晓琴, 张恒德, 等. 2017. 环境气象业务数值模式预报效果对比检验[J]. 气象与环境学报, 33(5): 17-24
Liu N. 2009. Establishment of regional air quality numerical forecast system in Liaoning [J]. Meteorological Monthly, 32(10): 84-89
吕梦瑶, 程兴宏, 张恒德, 等. 2018. 基于自适应偏最小二乘回归法的CUACE模式污染物预报偏差订正改进方法研究[J]. 环境科学学报, 38(7): 2735-2745
Mebust M R, Eder B K, Binkowski F S, et al. 2003. Models-3 community multiscale air quality (CMAQ) model aerosol component 2. model evaluation [J]. Journal of Geophysical Research Atmospheres, 108(D6)
Reynolds S D, Roth P M, Seinfeld J H. 1973. Mathematical modeling of photochemical pollution, I. Formulation of the model [J]. Atmospheric Environment, 7: 1033-1061
盛立芳, 吴增茂, 秦曾灏. 1999. 城市空气质量数值预报的不确定性与可预报性[J]. 中国海洋大学学报(自然科学版)(4): 575-580
宋娜,徐虹,毕晓辉,等. 2015. 海口市PM2.5和PM10来源解析[J]. 环境科学研究, 28(10): 1501-1509
Wang T, Xue L, Brimblecombe P, et al. 2016. Ozone pollution in china: a review of concentrations, meteorological influences, chemical precursors, and effects [J]. Science of the Total Environment, 575: 1582-1596
Wang C, An X, Zhai S, et al. 2018. Tracking sensitive source areas of different weather pollution types using GRAPES-CUACE adjoint model [J]. Atmospheric Environment, 175: 154-166
王宏, 冯宏芳, 石钰, 等. 2011. CAPPS3模式在福州市预报效果检验[J]. 气象与环境学报, 27(4): 25-29
王茜,吴剑斌,林燕芬.2015. CMAQ模式及其修正技术在上海市PM2.5预报中的应用检验[J].环境科学学报, 35(6): 1651-1656
王哲, 王自发, 李杰, 等. 2014. 气象—化学双向耦合模式(WRF-naqpms)研制及其在京津冀秋季重霾模拟中的应用[J]. 气候与环境研究, 19(2): 153-163
吴锴, 康平, 于雷, 等. 2018. 2015—2016年中国城市臭氧浓度时空变化规律研究[J]. 环境科学学报, 38(6):2179-2190
谢敏, 钟流举, 陈焕盛, 等. 2012. CMAQ模式及其修正预报在珠三角区域的应用检验[J]. 环境科学与技术, 35(2): 102-107
杨关盈, 邓学良, 吴必文, 等. 2017. 基于CUACE模式的合肥地区空气质量预报效果检验[J]. 气象与环境学报, 33(1): 51-57