1 引言(Introduction)

经过几十年的发展, 数值天气预报的分辨率、预报时效和预报准确性都得到了显著的提高, 已经逐步成为天气预报的核心工具, 在全球尺度和区域尺度上都得到了广泛的应用, 发挥着越来越重要的作用.受限于科学认识水平和计算资源, 空气质量数值预报的起步晚于数值天气预报, 但也逐步成为空气质量预报和污染预警的重要工具, 发挥出越来越显著的作用.

气象条件是影响空气质量的重要因素之一, 空气质量数值模式需要气象条件作为大气化学反应和污染物传输的驱动力, 因此, 必须同气象模式相耦合, 而气象模式对大气描述的准确性直接影响大气化学模式对空气质量模拟的准确性.降水预报一直是天气预报技术的薄弱项目, 也是数值天气预报的难点之一(毕宝贵等, 2016), 因此, 提升降水预报能力成为数值模式发展的重点方向, 目前这方面研究也取得了长足的进步, 通过不断提升模式空间分辨率、改进观测数据同化能力、完善数值算法和模式物理过程, 预报水平不断提高(毕宝贵等, 2016).细颗粒物(PM_2.5)在新的环保标准(环境空气质量标准GB3095—2012)发布后成为我国最重要的大气污染物, 也是造成霾天气现象的主要“元凶”, 成为科学研究的热点和各级政府与主管部门控制大气污染的重点(国务院, 2013).使用数值模式准确模拟污染物的时空分布及变化已成为有效应对大气污染的重要手段之一.经过多年的发展, 国内外建立起多个全球和区域大气化学模式(如http://geos-chem.org；Grell et al., 2005；Byun et al., 2006), 在大气污染研究和空气质量预报预警等方面得到了广泛的应用(常炉予等, 2016；黄晓波等, 2016；Wang et al., 2006；王文丁等, 2016；杨婷等, 2017；Zhou et al., 2014; 2017；周广强等, 2015; 2016).

PM_2.5中的大部分化学成分, 包括硫酸盐、硝酸盐和氨盐等具有可溶性, 即降水对PM_2.5具有清除作用(湿沉降), 因此, 数值模式对降水预报的准确性将影响到对PM_2.5的预报准确性, 在评估模式的PM_2.5预报水平时有必要考虑对降水的预报准确性.由于比较严重的PM_2.5污染多发生在比较稳定的天气形势下, 较少发生降水；比较明显的降水通常意味着PM_2.5污染的好转, 故而有关模式预报降水的能力对PM_2.5预报的影响考虑得并不多.但随着数值预报水平的提升, 该影响即将或已经成为制约PM_2.5预报水平提升的一个重要因素, 需要得到足够的关注.

华东区域大气环境数值预报系统由长三角环境气象预报预警中心牵头研发, 自2013年起开始业务运行, 提供华东区域PM_2.5、O₃等主要大气污染物和环境气象关键气象要素预报产品.前期研究结果表明, 该业务系统对华东区域主要污染物(Zhou et al., 2017)、高浓度PM_2.5(Zhou et al., 2016)及上海高浓度臭氧(周广强等, 2015)都有良好的预报能力, 已经在华东区域环境气象预报和预警业务中发挥了重要的作用.本文以上海为例, 探讨华东区域大气环境数值预报业务系统对降水的预报能力及其对PM_2.5预报的影响, 以期为更好地应用模式产品提供参考, 并为改进预报性能提供支撑.

2 数据和方法(Data and methodology) 2.1 模式湿沉降算法

本文选用参数化湿沉降方案, 该方案通过干空气与云的夹卷、云转化为降水两个过程来计算降水对污染物的清除作用, 算法如下：

(1)

式中, W_dep为沉降率, 即污染物被湿清除的比例；α为清除系数, 主要由污染物的亲水性/溶解性决定, 本文采用的湿沉降方案中可溶性有机和无机碳为0.8, 硫酸气体和海盐气溶胶为1, 其他气溶胶为0.5；β为转化率, 表示夹卷入云内的干空气有多大比例通过云-降水过程被转化为降水, 由降水强度(降水率)、云水含量和垂直速度决定(式(2)).

(2)

式中, P_r表示降水强度(m·s^-1), q_c为云水混合比(无量纲), ρ为空气密度(kg·m^-3), w为垂直速度(m·s^-1), z为高度(m).由此可知, 存在降水时, 污染物的沉降量dc和沉降后的浓度c分别为dc=c₀w_dep和c=c₀(1-W_dep), 其中, c₀为沉降前浓度.

2.2 数值预报系统简介

本文的预报数据来源于华东区域大气环境数值预报系统的业务预报结果.该系统以WRF-Chem模式(Grell et al., 2005)和清华大学中国多尺度人为排放清单(MEIC, http://www.meicmodel.org/)为基础构建.WRF-Chem是由NOAA、NCAR等单位发展的“在线(online)”区域化学/传输模式, 包含了详细的大气物理和化学过程处理方案, 其化学部分和物理部分在线耦合, 使用相同的模式网格、大气动力和物理过程方案.在线模式减少了离线模式对随时间变化显著的气象要素插值带来的信息丢失.过去的研究结果表明, 该预报系统对上海的PM_2.5具有良好的模拟和预报能力(常炉予等2016；Zhou et al., 2014；2017；周广强等, 2016).

2.3 数据与评估方法

本文所用气象观测数据基于上海市11个气象观测站(图 1)小时资料分析获得.气象站点分布范围较大, 很好地代表了整个上海地区的状况.PM_2.5日平均值数据来自上海市空气质量实时发布系统(http://www.semc.gov.cn/aqi/home/Index.aspx), 为上海9个环保监测国控站平均结果.环保站点主要分布于城区(图 1), 代表了上海城区的空气质量状况.预报数据取自每日20：00(北京时, 下同)起报结果, 时效取48 h；预报站点数据取自模式距离观测站点最近网格, 气象和PM_2.5数据根据观测站经纬度分别提取.

上海小时平均降水为11个气象站降水数据的平均值, 计算日值时先计算小时值再计算日值；日值取值时段与PM_2.5浓度计算取值时段一致, 为当日1：00—24：00.本文重点分析较明显降水对PM_2.5的清除作用, 因此, 在统计时, 若某站一日内小时降水量超过0.1 mm的时次达到3 h及以上, 则判定该站当日为降水日, 上海该日11个站中出现6个及以上站点为降水日则判定上海为降水日.进行平均或累计计算时要求数据有效率达到75%, 评估时观测和预报数据均存在时有效, 未达到要求的数据为缺失.本文观测和预报日值数据的有效率均为100%, 预报效果统计方法见文献(Zhou et al., 2017).

3 结果与讨论(Results and discussion) 3.1 降水预报结果

2015年1月1日—2016年12月31日, 上海11个气象站平均累计降水量为3288.4 mm, 预报为3161.3 mm, 预报量较观测偏低127.1 mm, 占3.9%；预报累计雨量与观测接近, 略偏低.对上海平均日降水量预报效果的分类统计结果(表 1)表明, 随着降水等级的提升, 模式的预报能力逐渐降低, TS评分(也称CSI)、空报率和漏报率3个指标(Zhou et al., 2017)具有一致性.对整个上海而言, 模式对降水存在一定的空报, 漏报率较低；对中雨及以上等级降水, 空报率和漏报率较大但彼此接近, 因此, 模式对小雨更容易空报而较少漏报.整体而言, 模式较好地预报了上海地区的降水, 预报效果与前人研究具有可比性(徐同等, 2016；周慧等, 2010).

3.2 PM_2.5预报整体效果

2015—2016年, 上海平均PM_2.5浓度为48.8 μg·m^-3, 超过国家二级标准(年平均浓度35 μg·m^-3)39.4%；预报均值(46.7 μg·m^-3)与观测均值接近, 较观测均值略偏低2.1 μg·m^-3(4.3%)；预报值与观测值具有较好的变化趋势, 相关系数达到0.75；较少出现偏离观测值特别大的预报值(图 2a), 89%的预报值在观测值的0.5~2倍(FAC2)之间；具有良好的误差水平, 均方根误差为22.5 μg·m^-3, 归一化预报误差(NME)为37%.详细预报效果统计结果见表 2.英国对空气质量模式预报效果评估规范中认为归一化平均偏差(NMB)在±20%以内是可接受的(Derwent et al., 2010), 本文结果为6%；Boylan等(2006)认为模式预报颗粒物效果的“优秀”范围为标准化分数偏差(FB)在±30%以内、标准化分数误差(FE)小于50%, 本文FB=-5%、FE=34%.PM_2.5浓度预报偏差指标都明显优于阈值.当然, 随着数值预报技术的发展, 评价预报效果的指标也应当相应提高.整体上, 本系统对上海PM_2.5的预报处于国内外较高水平.

预报偏差分布(图 2b)表明, 预报偏差集中在0 μg·m^-3附近, ±5 μg·m^-3范围内占27%, ±15 μg·m^-3范围内占62%；偏差分布具有较好的对称性, 但主要偏低区域(-45, -5) μg·m^-3相对于偏高区域(5, 45) μg·m^-3在相同偏差范围内的占比略高, 如[-45, -35) μg·m^-3之间的比例(3.97%)高于(35, 45] μg·m^-3之间的比例(2.05%), 即存在一定的左偏, 偏低的比例略高, 这个结果也反映出预报值较观测值略有偏低.对不同程度污染的预报效果(表 3)显示, 随着污染程度的加重, 预报效果呈下降趋势.检出率和TS评分下降, 空报率和漏报率上升.准确率上升, 但得益于低于临界值的数据较多, 如图 2a所示, 无论是哪个临界值, 都是低于该值的数据量最大.基础评分基本在1附近, 说明超过临界值的预报次数与观测接近, 但特别高(>150 μg·m^-3)浓度的预报次数较少, 因此, 模式相对较难预报出上海中度以上污染, 这与预报系统中缺少化学和物理过程的相互作用及模式化学过程还需进一步完善等不足有关(Cheng et al., 2016；Zhou et al., 2017).

3.3 不同降水预报准确性下的PM_2.5预报效果

根据对较明显降水的预报准确性, 分正确预报、空报和漏报降水及准确预报无降水日对PM_2.5预报效果进行了分类统计(表 4).结果显示, 正确预报和空报降水时, PM_2.5浓度呈现较明显正偏差(图 3a, 即偏高)；无降水时为明显负偏差, 漏报降水为弱负偏差.正确预报降水时预报误差、归一化偏差和归一化误差均为最大(图 3).其他3种情况下的上述3个指标较为接近.FB、FE和FAC2 3个指标的特征也相似(表 4).不同条件下的均方根误差则相差不大.综合来看, 正确预报降水时的多数相对性指标(NMB、NME、FB)都呈现出显著的偏高.

结合不同条件下的降水量(表 4)发现, PM_2.5观测浓度随降水量的增大而降低, 表明降水量越大湿沉降作用越强.PM_2.5预报浓度随预报降水量的变化趋势与观测值并不一致, 但预报偏差的关系与之一致(图 3a和表 4), 即降水量越大时, 预报偏差相对越大(更大的正偏差或较小的负偏差), 表明模式计算的湿清除作用随降水增大而相对偏低.

对正确预报降水条件下结果的进一步分析(图 4)表明, 预报存在较强的降水时, PM_2.5观测和预报浓度均呈现明显的下降趋势, 且PM_2.5观测浓度的下降趋势更显著, 这也说明模式的湿清除效果随降水量的增大而相对下降.较强降水时, 更容易出现PM_2.5预报偏高, 如在预报日降水超过20 mm的40 d中, 有32 d PM_2.5预报偏高, 占80%；而降水低于5 mm的48 d中, PM_2.5预报偏高为28 d, 占60%, 占比明显下降.

3.4 预报偏差的可能来源

前面的预报效果分析显示, 模式对PM_2.5的预报存在一定的低估, 同时随着污染程度的加重, 低估程度更明显.综合模式本身和相关研究, 可能的原因有以下3个方面：①模式的代表性不足.尽管本文所用的模式计算了光化学过程对气溶胶的影响, 但没有考虑气象和化学的相互反馈.气溶胶的存在降低了太阳辐射的透射率, 引起近地面稳定性增加, 导致边界层降低等不利于气溶胶垂直扩散因素出现, 促使了近地面气溶胶浓度增大(Wang et al., 2014b；Zhang et al., 2015).此外, 化学过程本身也存在一定不足, 如高相对湿度条件下的硫酸盐爆发性增长(Wang et al., 2014a)没有被纳入.②排放源的偏差.这方面的原因已经在很多工作中被证实(Chen et al., 2008; Wang et al., 2014a; Zhang et al., 2015), 华东区域处于高速经济和社会发展阶段, 人为源的排放变化迅速(Zhang et al., 2007; Mijling et al., 2013), 而且不同地区的变化之间也存在明显差异.③初始和边界条件的不足.预报系统使用的气象输入分辨率为0.5°, 远低于预报系统的6 km分辨率, 它可能给气象条件变化剧烈区域带来偏差, 进而引起污染物预报的变差.化学边界采用气候平均值, 缺乏实时数据, 也会带来一定偏差.

降水条件下, 随着降水的增强, 模式的清除能力相对下降.其主要原因可能有两个方面：一是模式湿沉降算法只包含了云内清除(式(2)), 缺少云下清除, 即由于雨滴与颗粒物的碰撞造成颗粒物浓度的降低, 该过程与气溶胶和降水的尺度等有关(赵海波等, 2005), 造成模式在一定程度上低估了湿清除作用；二是气象预报的偏差, 且不同情况下的偏差也不一致.前面的分析已经显示降水预报存在一定偏差, 这些偏差将直接引起模式计算的湿清除与实际的差异.这与许多研究相似(Chen et al., 2008), 模式水平风的预报也存在较明显的偏大, 以位于城区的浦东站为例, 预报风速较观测值平均偏高1.56 m·s^-1, 且表现为一致性偏高(93.5%的时段偏高), 而正确预报降水时的偏高更明显, 达到1.82 m·s^-1.云水和垂直速度尽管由于缺少观测数据, 难以评估, 但其也可能存在预报偏差, 进而造成PM_2.5湿清除计算偏差.此外, 还可能存在垂直扩散、辐合辐散等条件预报偏差, 造成模式对PM_2.5输送、水平和垂直扩散过程刻画的偏差, 进而造成PM_2.5预报水平下降.因此, 模式的气象预报能力仍然需要进一步改进.另外, 观测和模式代表性上也存在差异, 观测高度一般较低且为单点, 模式则是一个网格内的平均状况, 其也可能带来偏差.

4 结论(Conclusions)

1) 华东区域大气环境数值预报系统对上海地区的降水和PM_2.5都有良好的预报效果, 2年平均偏差小于5%；PM_2.5预报浓度89%在观测值的0.5~2倍之间, 预报偏差基本呈对称分布.

2) 正确预报、空报和漏报较明显降水及准确预报无降水日情况下的PM_2.5预报效果差异显著, 正确预报降水时有较明显偏高、无降水时偏低；正确预报降水时PM_2.5预报效果相对较差, 其他情况接近.

3) 数值预报对降水条件下的PM_2.5浓度存在明显高估, 高估程度随降水的增强而增大, 表明模式的湿清除作用计算偏低.

4) 模式湿沉降方案存在不足, 缺少了云下清除过程, 需要进一步完善；同时还需要提升模式对降水等气象条件的预报能力, 以改进PM_2.5预报.