基于华北灰霾天气的GRAPES/CUACE颗粒物预报不确定性分析和集合预报技术研究

In recent years, in China many cities or metropolises are suffering the extremely severe and persistent haze events. The atmospheric chemical transport (ACM) model is an important tool for forecasting and early warning of heavy pollution events. At present, the ACM modeling in China are documented by a great considerable amount of papers. However, there are usually large errors in the prediction of ACM on heavy pollution. In particular, the uncertainty of the PM forecast has not been thoroughly and comprehensively evaluated; and the skill of forecast need to be further improved. The studies of this project will adopt the GRAPES/CUACE model, which is independently developed by China Meteorological Administration, evaluate the uncertainties from emission, meteorological fields and atmospheric chemical progresses and analyses the main sources of PM forecasting uncertainties. The new Bayesian Monte Carlo method will developed for the global uncertainty analysis. This method takes into account the characteristics of ACM modeling performance and can quantitatively assess a variety of uncertainties sources. The studies are mainly aimed at the haze in North China, aiming at improving the prediction level of particulate matter concentration.

近年来我国污染天气频发，大气化学模式是污染事件预报预警的重要手段。目前虽然我国大气化学模式研究已取得长足的进步，但模式往往在重污染预报预警方面存在比较大的预报误差，尤其是对颗粒物预报的不确定性尚未得到深入而全面评估，预报水平有待进一步提高。本项目基于中国气象局自主研发的GRAPES/CUACE大气化学模式，针对模式预报误差的三个来源排放源、气象场和大气化学过程，分别开展不确定性分析和敏感试验，分析估计颗粒物浓度预报不确定性的主要来源。该项目中不确定分析方法拟采用贝叶斯蒙特卡洛的全局分析方法，该方法综合考虑模式性能与不确定分布特征，能定量评估多种不确定性来源。研究拟主要针对华北地区污染天气开展，旨在通过不确定性回算试验、集合预报对比分析和检验诊断等提高颗粒物浓度预报水平。

本项目以中国气象局自主研发的CMA数值预报模式系统为基础，以华北地区灰霾污染天气为主要研究对象，以提高华北地区雾霾天气预报水平为主要目标，开展了基于CMA大气化学模式的排放源、气象场和大气化学模拟的不确定分析和集合预报技术研发，在我国首次构建了基于CMA模式的天气化学数值预报系统。（1）基于清华大学MIEC排放源清单，开发了排放源蒙特卡洛随机扰动方法，建立了包括7个成员的大气化学集合预报系统；（2）基于ETKF初值扰动和物理参数化倾向随机扰动的SPPT扰动方法，开发了基于气象场扰动的大气化学扰动方法，建立了包括15个成员的大气化学集合预报系统；（3）开展了大气化学模式参数化方案的不确定和敏感性分析，开发了与不同大气化学参数化方案的扰动方法；（4）开展三种集合预报方法的对比和检验，比较了这三种技术方法的优缺点。综合研究结果表明：（1）大气化学集合预报对污染生消过程预报更加准确；（2）大气化学集合平均有效提高了预报准确度，颗粒物PM2.5的浓度预报水平，与中国气象局雾霾业务预报模式相比，减少浓度预报误差约22.3%，在臭氧预报方面也具有一定的优势，减小预报误差10.4%；（3）大气化学集合预报丰富了数值预报产品，集合成员可以预报出确定性预报较难模拟准确的污染过程，部分集合成员对颗粒物爆发性增长具有非常好的预报效果和指示意义，对于华北地区严重雾霾情况下的预报预警具有非常重要的意义。该项目完成了研究目标，取得了一系列研究成果，发表学术论文12篇。本项目在集中进行科研攻关的同时，积极将研究成果转化为业务应用，开展了大气化学集合预报产品在2022北京冬奥雾霾预报的示范应用，检验结果优于雾霾业务模式。项目四年以来，人才培养取得优异成果，项目负责人晋升正研级高级工程师同时入选世界气象组织兼职专家，3名成员晋升高级工程师，1名成员晋升工程师，1名成员博士后出站。