李慧1 李文华2 唐洪世3 宋笑东4
1.西藏自治区气象台，拉萨?850000；2.西藏自治区拉萨市气象局，拉萨 850000；3.西藏自治区日喀则市气象局，日喀则 857000；4.西藏自治区波密县气象局，林芝 860000
摘要：本项研究为了改进NO2的预测，将集成卡曼滤波算法推广到同时优化化学初始条件和污染源排放。将气象研究预报与化学(WRF-Chem)模型相结合，预测模型的排放尺度因子，生成了化学浓度场和排放尺度因子的预测模型。通过将时间平滑算子与WRF-Chem预测化学浓度联系起来，建立了排放尺度因子的预测模型。从2014年10月6日到14日对中国地区的77个站点的NO2观测浓度值进行同化，然后在每天0000 UTC的初始条件和排放上进行一系列48小时的预测，并在没有数据同化的情况下进行控制实验。本文选取了4个典型地区进行比较，它们是京津冀地区（JJJ）、长三角地区（YRD）、珠三角地区（PRD）以及成渝地区（CYD）。结果表明：同化系统能够对污染源进行有效的优化;在O2浓度预报实验中，0-12时同化效果较好。综上可以说明：同化系统能够对污染源进行有效的优化;在NO2浓度预报实验中，0-12时同化效果较好。
关键词：NO2浓度；预报；协同同化；排放源；京津冀地区（JJJ）；长三角地区（YRD）；珠三角地区（PRD）；成渝地区（CYD）
1绪论
1.1污染物同化效果研究进展
大气污染物浓度预报主要包括大气中主要污染物的浓度，如臭氧、二氧化硫、氮氧化物、PM10、PM2.5等。大气污染物浓度预报的方法有统计方法和数值模式方法。数值预报虽然科学性强,但难度大,而且浓度计算模式与实际情况仍有一定的差距。目前,仍需要对提高排放源资料的准确性和模式的分辨率等做更深入的研究。对我国大多数城市,发展数值预报模式目前并不成熟。
资料同化在大气污染领域的应用有三种模式：
一是对浓度初始场的同化，通过有效改进大气化学模式初始场，对短期预报水平有较大提高。
二是排放源的同化，通过观测信息优化排放源，提高较长时效的模式预报能力。所用原理是当前时刻的浓度观测信息含有前面时刻上游污染源的排放信息，因此可以用当前的浓度观测去修正前期的排放源清单。
三是浓度初始场和污染源排放的协同同化，优势是只要积累足够空间分布的污染物浓度观测资料，都能对过去的源排放在网格尺度上进行实时优化；同时优化污染物浓度初始场。目前，对于PM2.5、PM10、SO2、CO的同化后的24小时预报有明显改进，而O2的同化预报效果较差。
1.2研究内容
本项研究为了改进O2的预测，将集合卡曼滤波算法推广到同时优化化学初始条件和污染源排放。将气象研究预报与化学(WRF-Chem)模型相结合，预报模型的排放尺度因子，生成了化学浓度场和排放尺度因子的预报模型。通过将时间平滑算子与WRF-Chem预测化学浓度联系起来，建立了排放尺度因子的预报模型。从2014年10月6日到14日对中国地区的77个站点的O2观测浓度值进行同化，然后在每天0000 UTC的初始条件和排放上进行一系列24小时、48小时和72小时的预报，并在没有数据同化的情况下进行控制实验。本文选取了四个典型地区代表中国区域：京津冀地区（JJJ）、长江三角洲地区（YRD）、珠江三角洲地区（PRD）和成渝地区（CYD）。研究内容主要如下：
模式模拟的O2浓度的水平和垂直分布情况；
O2同化预报统计结果分析比较；
O2排放源的优化效果比较。
2资料来源
（1）观测资料使用2014年10月6-14日中国地区77个站NO2观测
（2）污染源资料使用2010年的污染源排放清单
.png)
图1.模型域中的77个PM 2.5同化观测站（黑点）和77个独立观测站（红色三角形）的位置。 京津冀地区（红框），长江三角洲（蓝框），珠江三角洲（绿框）和成渝地区（黄框）
图1说明了模型计算域以（35°N，105°E）为中心的Lambert符合图投影，在40.5 km间距的地方有120×120个水平网格尺度。在10 hPa上有57个垂直位移模型，约12层在行星边界层内（其中最低的8层在500米以下），第一层集中在0~12米。
3实验设计
进行两个平行实验来评估O2同化预报效果：同化实验和对照实验。 两个实验都使用相同的WRF-Chem设置和物理参数化。
3.1同化实验（an）
进行污染物浓度初始场和源排放的协同同化（以下简称expJ）。 从2014年10月6日00:00UTC开始，至2014年10月17日00:00UTC进行同化，同化周期为1小时。前50个集合化学田是从2015年8月5日0000时起的自旋集合预报中提取的。在随后的同化周期中，每个成员的化学变量的初始条件都来自上一个周期的更新化学田。 每个成员的气溶胶边界条件都是WRF-Chem模型中嵌入的理想化轮廓。 对于气象集合场，预先准备了侧向边界条件。 由于我们没有进行气象分析，所以气象领域每个成员的初始条件都是从前一周期的预测气象领域中抽取的，然后再进行GFS分析。
3.2控制实验(ct)
对照实验与同化实验同期进行，模拟周期为1 h，如同化实验。 第一个初始化学场从2014年10月5日00:00UTC的有效数据集中提取。在随后的模拟过程中，化学领域的IC来自上一个周期的1小时预测。 通过内插GFS分析更新气象领域的LBC和IC。排放量是规定的排放量，没有任何干扰。
3.3预报实验(fc)
初始场为同化实验更新的浓度场，源为同化实验之前1天优化后的源，每日00时起报。
4 浓度同化模拟结果分析
在垂直分布图中横坐标为O2浓度，纵坐标为高度层，填色区为O2浓度值，对应高度为0层对应12米，1层对应50米，2层对应102米，3层对应160米，4层对应232米，5层对应300米，6层对应408米，7层对应500米，8层对应600米，9层对应716米，10层对应856米，11层对应1008米，12层对应1200米。
.png)
图2.模拟的浓度垂直剖面图1京津冀地区2长三角地区3珠三角地区4成渝地区(a)an (b)ct (c)fc (d)an-ct (e)an-fc
图2中蓝色虚线为所在区域，从京津冀地区、长三角地区和珠三角地区(d)(e)图上可以看到同化实验与控制实验的差别较大，而同化实验与预报实验的差别较小，说明同化是有效果的。 而成渝所在区域的(d)(e)两幅图上可以看到同化实验与控制实验的差别和同化实验与预报实验的差别相接近，说明同化的效果较差。
5结论
（1）从模式模拟出来的同化后的O2浓度垂直剖面图上可以看出：同化是起作用的。
（2）从O2同化预报结果上分析：同化后的O2浓度预报在0点-12点差异较小，效果较好，但在其他时段明显差异变大，效果变差，甚至有些时段比控制实验还大；值得注意的是在京津冀地区72小时同化预报中从10月8日0点到10月10日正午12点差异都较小，效果都很好。
（3）在O2浓度同化预报的误差分析中，偏差、相对误差和均方根误差时间序列具有很好的日变化，但在夜间逐渐向控制实验靠近，夜间的同化效果较差。四个地区中同化效果较好的是珠江三角洲地区。
（4）对污染源的协同同化能够很好地再现O2源排放的时空分布。
综上可以说明：同化系统能够对污染源进行有效的优化;在O2浓度预报实验中，0-12时同化效果较好。
参考文献：
[1]Skamarock., W. C., Klemp, J. B., Dudhia, J., Gill, D. O., Barker, D. M., Duda, M. G., Huang,X. Y., Wang, W.,Power, J. G. 2008.ADescription of the Advanced Research WRF Version 3.NCAR TECHNICAL NOTE.pollutants and regional impact, Atmos Chem Phys, 10(16), 7603-7615, doi:10.5194/acp-10-7603-2010.
[2]Whitaker, J. S., and T. M. Hamill (2002), Ensemble data assimilation without perturbed observations, Mon Weather Rev, 130(7), 1913-1924, doi: 10.1175/1520-0493(2002)130<1913:Edawpo>2.0.Co;2.
作者简介：李慧（1995.10）女，汉族，河南省鹤壁人，本科学历，助理工程师，从事天气预报工作。