基于耦合气候模式的长三角地区冬季霾的动力-统计降尺度预测研究

With the very fast economic development and urbanization, the Yangtze River Delta (YRD) has been one of the four heaviest haze regions in China, and the frequency of haze weather in YRD has been increasing in recent years. Because the haze phenomenon has not been paid attention until recent years, and the systematic study on regional haze weather is far from enough, it is urgent to strengthen the research on its influencing factors and prediction. Then, how to make more research and better prediction of the winter haze in the YRD in order to reduce economic and social impact brought by the haze weather? This project will systematically diagnose the climatic factors that have significant influence on the winter haze weather in the YRD, and design a dynamical-statistical downscaling prediction system for haze days in the YRD. This project is expected to establish the statistical relation between winter hazes in the YRD and the global climate conditions, thus providing theoretical basis for the potential prediction of haze, which has important scientific value. The interannual variation, long-term trend of winter haze and the external forcing are also combined in this project, showing crucial application value.

作为我国重要的经济中心，长三角地区近年来的霾污染问题对当地经济和社会生活的影响日益凸显。由于霾现象最近一些年才开始得到重视，关于区域霾事件的气候特征的系统性研究还远远不够，亟需加强对其影响因子及预测的研究。那么，如何才能对长三角地区冬季霾有更深入系统的认识、并开展较好的预测，以期减小霾事件带来的经济和社会影响呢？本项目将系统地诊断对我国长三角地区冬季霾事件活动有显著影响的气候因子，并在此基础上研制长三角冬季霾的动力-统计降尺度预测系统。项目的研究成果将有助于我们深入认识长三角地区冬季霾的变化规律和机制，并为提高该区域霾的气候预测水平提供重要的科学参考。

长江三角洲（以下简称“长三角”）位于中国大陆东部沿海，是长江入海之前形成的冲积平原，物产丰富，人口密集，是中国最重要的经济区之一。随着社会经济的快速发展和城市化进程的不断加快，长三角地区成为中国的主要霾污染区之一，且冬季霾事件有逐渐增多的趋势。鉴于长三角地区所处的重要经济和战略地位，开展长三角地区霾的演变规律和预测方法研究具有重要的理论意义和实用价值。本项目系统分析了长三角地区冬季霾的气候特征，利用区域空气质量模式WRF-Chem对长三角冬季霾进行了动力降尺度模拟研究，并分别利用传统统计学方法和人工智能算法研制了长三角冬季霾的季节预测方案。本项目的工作主要分为以下三个方面：.第一，建立了长三角地区冬季霾的时空变化图像。.选取长三角地区26个地级市1981~2000年35个国家基准或基本气象站，以及2001~2017年156个观测资料齐全且连续的站点观测数据，对长三角地区冬季能见度及霾资料进行了重建，并对其时空变化特征进行了系统分析。.第二，对长三角冬季霾开展了动力降尺度模拟研究。.利用区域空气质量模式WRF-Chem，对江苏省冬季的空气质量进行了高时空分辨率的模拟，结果表明，WRF-Chem对江苏省2013~2017年冬季气象要素、空气质量都有着较好的模拟能力。在能见度反演方面，利用引入气象因子的神经网络算法能显著地改善传统的IMPROVE（Interagency Monitoring of Protected Visual Environments）反演方案对江苏省冬季能见度的低估问题。.第三，基于年际增量方法，结合多元线性回归和人工智能算法建立了长三角地区冬季霾日的季节预测模型。.利用年际增量方法，在全球范围内筛选预测因子，包括海表温度（Sea Surface Temperature，SST）、海冰覆盖度、土壤湿度和高空大气环流在内的前期气候因子，以及局地风场、湿度和2m温度。利用随机森林算法和集成强分类器Adaboost算法对预测因子进行重要性排序，筛选出贡献率更大的预测因子。结果表明，经过随机森林算法筛选后的预测因子，再引入GDP年际增量作为预测因子，经过神经网络算法进行滚动建模的方案，对于长三角地区冬季霾日的预测效果最佳。