大气气溶胶的空间谱特征分析和多尺度同化研究

In recent years, the large scale haze usually occurs together with the local heavy pollution. This kind of mixed pollution with different spatial scales is closely related to the multiscale characteristics of the aerosol distribution. But current regional atmospheric chemistry models are limited for multiscale pollution forecasts. This is mainly because model data assimilation method cannot assimilate the aerosol multiscale information effectively. Meanwhile, our understanding of the distribution rules, scale divisions and influencing mechanism is not enough. In this project, we will carry out the following studies. The first is to study the spatial multiscale feature of aerosol, using spectral analysis method to calculate the spectrum from the ground observation data, satellite AOD data and numerical model products. The results will help us to understand the physical mechanism of the aerosol multiscale characteristics. The second is to estimate multiscale background error covariance matrices and multiscale observation errors. The third is to study the theory model and the technical solution of the aerosol multiscale assimilation. At last, a multiscale assimilation system for the WRF-Chem model will be estimated to assimilate aerosol variables, and this system will be verified by experiments of assimilation and forecast. Through these studies, we expect to understand the theoretical mechanism of aerosol multiscale characteristics, and to improve the capability of assimilating multiscale information in the data assimilation system. These studies will provide theoretical and technical supports for the fine analysis and forecast of aerosols.

近年来，大范围的雾霾与局地的严重污染常常相伴发生，这种不同空间尺度的混合污染与气溶胶分布的多尺度特征密切相关。但当前的大气化学模式对多尺度混合污染的分析和预报能力不足，这主要是因为资料同化难以对观测和模式的多尺度信息进行有效融合，且对气溶胶的多尺度分布及其影响机制等方面的认识不够深入。本项目将基于气溶胶的地面观测资料、卫星AOD资料，以及WRF-Chem大气化学模式产品，利用谱分析方法研究气溶胶的空间多尺度特征，揭示影响多尺度特征的物理机制。在此基础上，构造气溶胶变量的多尺度背景误差协方差，估计观测资料误差，设计多尺度同化理论模型和技术方案，构建基于WRF-Chem模式的气溶胶变量多尺度同化系统，并进行试验验证。通过本项目的研究，将加深对气溶胶多尺度特征理论机制的认识，有效提高资料同化对多尺度信息的融合能力，为气溶胶的精细化分析和预报提供理论和技术支撑。

本项目收集地面 PM2.5 、 PM10 、SO2、NO2等地面观测资料、卫星 AOD 资料，以及 WRF-Chem 模式产品，分析气溶胶和气态污染物空间分布，通过离散余弦变换方法分析气溶胶及气态污染物的空间波数谱的斜率和转折特征，发现不同类型、高度的气溶胶及气态污染物的功率谱的斜率转折特征不同，说明其分布受不同尺度波动的影响，具有多尺度特征。.基于高斯滤波的思想将NMC方法计算的背景误差样本进行尺度分离, 构造出大尺度和小尺度两个背景误差协方差，将气溶胶资料中的观测信息分离为大尺度和小尺度,并分别利用相应尺度的背景误差协方差进行同化,建立基于两个尺度的多尺度同化方案，记为TS-3DVAR (Two-scale Three-Dimensional Variational)。 对一次污染过程的PM2.5同化分析发现，3DVAR和TS-3DVAR方法的同化分析场均能成功地描述出气溶胶整体分布不均匀的特征，但相比于3DVAR，TS-3DVAR同化分析场的区域均值更接近于观测场，并且TS-3DVAR同化分析场偏差的局地梯度明显小于3DVAR，说明TS-3DVAR能更好地纠正背景场的整体偏差。利用一个月的PM2.5观测资料进行同化和预报试验，结果表明TS-3DVAR对大尺度和小尺度观测信息的利用率均比3DVAR更高，在中尺度和大尺度两个区间的TS-3DVAR同化增量功率密度平均比3DVAR均有明显提高，24小时内的同化分析场和预报场也都有明显改进。研究成果对于改进气溶胶同化分析场的质量，提高空气质量预报水平有重要理论和应用价值，还可以应用于其他污染物及其排放源的同化技术改进，为大气污染防控提供新的思路方法。