大气边界层是贴近地球表面、受地面摩擦阻力影响的大气区域，是地气相互作用和大气污染主要发生地，湍流垂直交换是其最显著的特征。作为大气污染主要发生的气层，边界层对大气污染物的扩散、积累和反应影响显著，研究表明：边界层高度决定大气污染物可以达到的混合高度^[1-2]，当边界层高度较低时，在近地面容易出现大气污染物的堆积；边界层内湍流的强弱^[3]，直接表征大气污染物的垂直混合能力，当湍流较弱时，近地面的大气污染物不易向垂直方向混合；边界层内的温度层结与大气污染物的扩散能力直接相关^[4-6]，夜间和早晨的逆温是秋冬季大气污染天气多发的重要气象原因之一；边界层热力和动力结构对近地面水平风也有显著影响，当大气处于稳定层结时，高空风能不易通过湍流切应力传导到地面，往往使近地面呈静风特征，不利于大气污染物水平扩散。作为离人类活动最近的气层，大量的科学观测试验已围绕边界层相关问题开展研究，但由于其复杂性，人类对于边界层的认知依然有很强的不确定性。在数值模式中边界层方案被用于描述边界层物理过程，其解析大气湍流、计算边界层内热量、动量和物质湍流交换，是气象模式和空气质量模式的重要组成部分^[7-10]。数值模式不同边界层参数方案对气象和污染扩散影响可以归纳为以下几类：一是关于边界层局地闭合方案和非局地闭合方案的讨论^[11-12]；二是不同边界层方案对近地面温度、风场以及降水过程的影响^[13-17]；三是不同边界层方案对大气污染扩散的影响，如杨贵成^[18]使用WRF/Chem(Weather Research and Forecasting-Chemistry model)对兰州大学半干旱气候与环境观测站(SACOL观测站)所在地区的PM₁₀进行模拟，比较了YSU(Yonsei-University)和MYJ(Mellor-Yamada-Janjic scheme)两种方案的模拟效果，发现MYJ模拟效果好于YSU方案，后者模拟上层大气时混合较弱，导致模拟PM₁₀浓度高于观测。Ahmadov等^[19]在使用WRF/Chem模拟二次有机碳时，显示MYN(MYN 2.5 level TKE)方案和MYJ方案得出的结果差异达到10%。王颖等^[20]研究不同参数方案对兰州地区空气质量模拟影响，发现ACM2方案相比YSU和MYJ方案模拟得出的SO₂和NO₂浓度更接近观测。徐敬等^[21]研究边界层方案对华北地区臭氧垂直分布的影响，认为YSU方案和ACM2方案相对MYJ方案在边界层臭氧浓度垂直分布模拟效果上更具优势。董春卿等^[22]认为相对于YSU方案, 局地MYJ方案模拟的温度、风场和PM_2.5浓度的误差更小, 模拟结果更接近于观测。囿于计算条件和边界层垂直监测数据，以往关于不同边界层方案对大气污染扩散影响的研究多集中于对单次过程的讨论，由于选取的过程其天气背景不一，不同文献显示的结论也不尽相同。

近年随着大气环境问题的越发突出以及关注程度的增加，雾-霾天气预报和重污染天气预警业务得以迅猛发展，越来越多的大气化学模式运用于实际业务中，如上海市气象局以WRF/Chem为核心构建的华东地区空气质量预报系统^[23]，北京市气象局BREMPS(Beijing Regional Environmental Meteorology Prediction System)^[24-25]，中国气象局CUACE(Chinese Unified Atmospheric Chemistry Environment)预报系统^[26-27]，中华人民共和国环境保护部NAQPMS(中国科学院大气物理研究所嵌套空气质量预报系统)^[28]等，其提供的PM_2.5质量浓度预报产品在环境气象业务中发挥积极的作用，成为预报员日常预报中必不可少的参考产品。随着计算机和数值预报技术的发展，集合预报思路被越来越多地用于数值模式产品的开发，如在天气预报业务中，由于其在概率预报和极端天气预报上的优势，其不确定性预报产品在业务中被预报员所接受和欢迎，欧洲中期天气预报中心、美国国家环境预报中心以及中国气象局均构建了天气体系的集合预报产品。对于空气质量集合预报产品开发，在国内目前仍处于摸索阶段，由于现实业务发展的需要，各地也先后开展了针对PM_2.5质量浓度的空气质量集合或集成预报研究，如北京市气象局开展的基于BREMPS和CUACE模式的集成预报产品开发，中国气象局国家气象中心采用权重系数构建的多模式集成预报系统等。本文充分利用国家超级计算天津中心天河一号超级计算机计算能力，基于大气化学模式WRF/Chem，采用4种边界层方案(YSU，BL，MYJ和MYN3) 模拟2015年全年天津地区细颗粒物演变，以期从普遍规律上讨论不同边界层方案对天津地区PM_2.5质量浓度模拟的影响，并尝试多边界层方案和多气溶胶机制天津空气质量集合预报研究，以寻找天津地区空气质量数值模式系统和重污染天气数值模式系统的构建恰当方案，提高天津地区细颗粒物的模拟和预报能力。

近地面PM_2.5质量浓度预报效果检验数据来自天津市环境监测中心发布的天津地区逐小时空气质量监测数据，塔层高度风速日变化数据来自中国气象局天津大气边界层观测站(39.04°N，117.12°E，海拔2.2 m)255 m气象塔15层梯度系统监测数据。

为反映不同边界层方案对近地面PM_2.5质量模拟的影响，本文选择4种边界层方案，分别为YSU，BL，MYJ和MYN3，其中YSU方案是非局地K理论方案，该方案加入反梯度项表示局地通量，通过理查森数临界值的增大提升稳定边界层的混合过程，边界层高度由理查森数为0.25的临界高度确定。MYJ方案是一种局地闭合方案，通过湍流闭合方法描述表面层以上的湍流运用，湍流扩散系数依据湍流动能计算，边界层高度根据湍流动能廓线确定。MYN方案的基本原理是利用Mellor-Yamada湍流模式中的预报方程预测TKE和垂直混合，从而计算湍流摩擦速度以及垂直扩散。BL方案是在借鉴TKE预测技术基础上产生的，2009年BL方案引入到WRF模式中，主要是为BEP冠层方案配套设计，其对下垫面的信息更为敏感。试验模式以天津市气象局大气化学数值模式为基础，其核心为WRF/Chem 3.5.1版本。模式考虑大气污染的化学过程、平流输送、湍流扩散和干湿沉降过程，其在全球空气质量预报和模拟中有广泛的运用。模式气相化学过程采用CBMZ机制，气溶胶过程采用MOSAIC模型，主要物理过程设置：积云对流采用GRELL-3D方案，微物理过程采用WSM5方案，长波辐射和短波辐射均采用RRTMG方案，考虑气溶胶直接辐射反馈，模式水平分辨率为15 km，水平网格121×121，中心经纬度为39°N, 117°E, 垂直方向分为41层。模式人为排放源使用清华大学MEIC排放源，分辨率为0.25°×0.25°，在天津地区使用28个空气质量监测站观测数据和相关排放源统计信息进行时空细化，气象初始场和背景场均使用NECP FNL全球1°×1°数据。试验模拟时间为2015年1月1日—2015年12月31日，采用24 h滚动计算，每24 h重新使用1次NECP FNL气象初始场，大气污染初始场则为上一次的模拟值。

大气是一个高度非线性系统，因此，数值天气预报结果对初始条件的微小误差非常敏感。基于此，Leith在1974年提出集合预报的思想和方法^[29]。考虑模式初始值的微小差异，得到同一有效预报时间一组不同的预报结果，并基于各预报结果的差异提供有关被预报量的概率分布的信息，指导预报最终的分析。除了考虑初值问题外，广义的集合预报还考虑数值模式中许多物理过程(如参数化方案等)的不确定性和随机性，即在集合预报中的各个预报可具有不同的初始条件、边界条件、参数设定，甚至可用完全独立的数值天气预报模式生成。天津市气象局大气化学模式采用多边界层方案的集合预报设计，包括不同化学机制和不同边界层方案的5组PM_2.5质量浓度预报，在输出各成员预报浓度和平均值的同时，输出BP神经网络训练结果，神经网络训练输入层为10个神经元，包括不同化学机制和不同边界层方案的5组PM_2.5质量预报浓度、TJ-WRF相对湿度、近地面风速、24 h变温、24 h变压和海平面气压，隐含层为9个神经元，输出层对应天津PM_2.5质量浓度。为对比多边界层方案集合预报的效果，设计独立模式的集成预报方案，即对CUACE模式和BREMPS进行集成，输入层为6个神经元：CUACE模式、BREMPS逐日PM_2.5质量浓度、TJ-WRF逐日相对湿度、近地面风速、24 h变温和24 h变压；隐含层为5个神经元，输出层为天津地区PM_2.5质量浓度。

BP神经网络是一种多层前馈神经网络^[30]，该方法的主要特点是信号前向传递，误差反向传输，在前向传递中，输入信号从输入层经隐含层逐层处理，直至输出层。每一层的神经元状态只影响下一层神经元状态。如果输入层得不到期望输出，则转入反向传播，根据预测误差调整网络权重和阈值，从而使BP神经网络预测输出不断逼近期望输出。CUACE模式和BREMPS，分别为中国气象科学研究院和北京市气象局开发，其中CUACE模式分辨率为15 km，是中国气象科学研究院自主研发的区域天气-大气化学-大气气溶胶模式，气象模式与环境模式耦合运行，其气体、气溶胶理化机制完善，且气态组分和气溶胶可通过辐射、云物理等过程实现对气象模式的反馈，是双向耦合在线模式。BERMPS模式水平分辨率为9 km，由京津冀环境气象预报预警中心在WRF/Chem 3.3.1的基础上构建，其预报范围覆盖华北大部分地区，中心位于39.2°N, 116°E，经向网格数为133，纬向网格数为124，垂直分层为30层，采用Grell-3D积云对流参数化方案、WSM6微物理过程显示方案、RRTM长波辐射方案、Goddard短波辐射方案、YSU边界层方案、CBMZ气象化学过程、MOSAIC气溶胶模型。

在2015年天津市环境监测中心发布的逐小时PM_2.5监测数据和天津逐小时气象数据基础上, 统计得到相关日值，并对4种边界层方案模拟结果进行分析。表 1显示近地面气温模拟中BL方案对下垫面信息更为敏感，模拟效果最佳，其模拟值与观测值接近，其余方案模拟值均低于观测值，差值为0.6~0.7℃。相对湿度模拟中MYN方案表现较差，BL方案次之，YSU和MYJ方案表现最优。风速模拟4种边界层方案存在显著的系统偏高。PM_2.5模拟中无论何种方案WRF/chem均有一个较好的模拟性能，其PM_2.5质量浓度模拟值与观测值相关系数为0.75~0.76。在同排放源情况下，MYN和MYJ方案模拟PM_2.5质量浓度值略偏高，而YSU是非局地K理论方案，该方案加入反梯度项表示局地通量，提升部分时刻的垂直扩散能力，PM_2.5质量浓度模拟值比MYN和MYJ方案略低，BL方案模拟的地面气温最高，近地面风速也最大，导致其扩散能力强于MYN和MYJ方案，PM_2.5质量浓度模拟值相对于MYN和MYJ方案略低。比较4种边界层方案PM_2.5质量浓度模拟相对误差，YSU方案为31.7%略占优势，MYN，MYJ和BL方案均维持在33%左右。总之，不同边界层方案的设计有其针对性，就全年数据分析，近地面气温模拟最佳的边界层方案为BL方案，相对湿度可选择MYJ和YSU方案，地面风速YSU方案表现最好，PM_2.5质量浓度模拟YSU方案略优，但并不占有绝对优势。

表 1

表 1 不同边界层方案模拟值与观测值对比 Table 1 Comparison of the simulated and the observed values based on different boundary layer schemes 分类 边界层方案 相关系数 相对误差/% 命中率/% 气温 YSU 0.996 6.9 92.27 MYN 0.993 14.2 86.19 MYJ 0.996 7.8 89.23 BL 0.996 5.5 95.03 相对湿度 YSU 0.90 10.8 80.11 MYN 0.80 15.4 67.40 MYJ 0.89 10.5 80.39 BL 0.90 12.9 72.38 地面风速 YSU 0.87 72.4 74.59 MYN 0.70 77.2 69.61 MYJ 0.89 97.3 53.59 BL 0.89 89.5 57.77 PM2.5质量浓度 YSU 0.76 31.7 83.70 MYN 0.75 33.4 80.11 MYJ 0.76 33.2 79.56 BL 0.75 33.0 81.77 注：命中率为模拟值与观测值差小于某一标准的数据所占百分比，本文规定气温差值为2 K，风速差值为2 m·s-1，相对湿度差值为10%，PM2.5质量浓度差值为35 μg·m-3。

表 1 不同边界层方案模拟值与观测值对比 Table 1 Comparison of the simulated and the observed values based on different boundary layer schemes

从全年数据分析不同边界层方案模拟PM_2.5的趋势能力基本相似，但具体到不同过程，由于边界层方案的差异性，得到的PM_2.5质量浓度模拟值仍然存在显著差异。以标准偏差表示其扰动，其日平均标准偏差约为5.2 μg·m^-3，为平均值的8.6%，最大值为23 μg·m^-3，超过10 μg·m^-3的数据占总样本量的7.4%，超过5 μg·m^-3的样本占总样本量的39.9%。在稳定层结和不稳定层结相互转化明显的季节(图 1)，不同边界层方案对PM_2.5质量浓度模拟的影响差异更为显著，其中全年影响最为显著的是10月，其标准偏差(式(1))可以达到8.9 μg·m^-3，为平均值的20%，而冬季由于大气边界层趋于稳定，不同边界层方案的影响反而减小，其标准偏差为4 μg·m^-3，约为平均值的5.3%。

图1

图1 天津地区不同边界层方案下PM2.5标准偏差占平均值百分比 Fig.1 The standard deviation percentage of mean value based on different boundary layer scheme of Tianjin

(1)

式(1) 中，S为标准偏差，N为样本，x_i为模拟值，x为平均值。

由于边界层具有显著的日变化特征，PM_2.5质量浓度逐时模拟值受到边界层方案的影响更为显著。其小时标准偏差约为6.7 μg·m^-3，为平均值的11.8% (图 2)，尤其在每日02:00—08:00(北京时，下同)及14:00—18:00最为明显，其原因还需要进一步分析。日变化特征(图 3)显示，4种边界层方案均可描述出天津PM_2.5质量浓度一峰一谷的格局(每日早晨为全天的峰值，每日午后14:00—16:00为全天谷值)。但在模拟中存在两个比较明显的误差区，一是早高峰峰值浓度偏高，其中MYJ和MYN方案模拟值偏高明显，YSU方案次之，BL方案最为接近。根据4种边界层方案设计原理，推论非局地闭合的边界层方案相对局地闭合的边界层方案，增加了局地通量的计算，在大气由稳定层结转换为不稳定层结时，提升大气垂直扩散能力，修正PM_2.5质量浓度偏高的模拟值。而BL方案模拟值与观测值更为接近，可能是其对于下垫面信息获取的更为准确，包括热通量的考虑，4种边界层方案中只有其模拟值的近地面气温在夜间与观测值相近，其余均显著偏低，近地面更高的气温(图 4)，大气由稳定层结转化为不稳定层结更容易，从而修正早高峰模拟的异常偏高。二是晚高峰PM_2.5质量浓度模拟值与观测值存有差异，YSU，MYJ，MYN方案16:00—18:00 PM_2.5质量浓度存在一个显著的转折上升，而PM_2.5质量浓度观测值16:00—22:00上升是一个渐进过程，BL方案虽然克服了上述的问题，但对于日落后PM_2.5质量浓度的上升趋势表述的过于缓和。由图 3及图 4可知，不同边界层方案夜间近地面气温模拟的差异对PM_2.5质量日变化的模拟有显著影响，与地面气温模拟相关的路面模式和冠层模式对PM_2.5质量浓度日变化模拟也可能有一定影响。

图2

图2 天津地区不同边界层方案模拟PM2.5标准偏差占平均值百分比的日变化 Fig.2 The standard deviation percentage of mean value based on different boundary layer scheme about PM2.5 of Tianjin

图3

图3 天津地区不同边界层方案PM2.5模拟值与观测值的日变化 Fig.3 The simulated PM2.5 based on different boundary layer scheme and the observed PM2.5 of Tianjin

图4

图4 天津地区不同边界层方案地面气温模拟值与观测值日变化 Fig.4 The simulated air temperature based on different boundary layer scheme and the observed air temperature of Tianjin

在平均状态分析的基础上，分不同类型天气过程和气象条件探讨边界层方案对PM_2.5质量浓度模拟的影响。首先按照与边界层热力结构密切相关的云量和地面太阳辐射划分2015年PM_2.5质量浓度模拟数据，定义云量[0，1成]为晴天，(1成，3成]为少云，(3成，7成]为多云，(7成，10成]为阴天。由表 2显示少云天气PM_2.5质量浓度模拟效果优于多云和阴天天气。其中BL方案在晴天、少云天气表现比较优异，但随着云量的增加，PM_2.5质量浓度模拟效果下降比较显著。参考云量的划分探讨不同太阳短波辐射条件下边界层方案对PM_2.5质量浓度模拟的影响，将日均地面太阳短波辐射划分为[0, 30 W·m^-2]，(30 W·m^-2, 100 W·m^-2]，(100 W·m^-2, 200 W·m^-2], (200 W·m^-2, +∞)4类，与不同云量条件表现规律类似，当到达地面太阳辐射减少时，PM_2.5质量浓度模拟效果下降显著，YSU和BL方案更适合边界层发展旺盛天气(地面太阳辐射高)，MYJ方案更适合地面太阳辐射较少的天气。其次探讨不同风速时边界层方案对PM_2.5质量浓度的影响，将风速划分为[0, 1.5 m·s^-1]，(1.5 m·s^-1, 3 m·s^-1]，(3 m·s^-1, +∞)3类，当风速为(1.5 m·s^-1, 3 m·s^-1]时，PM_2.5质量浓度模拟与实况最为接近，当风速为[0, 1.5 m·s^-1]时，其相对误差最高，在小风速时，YSU和MYJ方案表现最佳，在风速比较高时，BL方案表现较好。除考虑风速、云量和辐射的影响，天津市气象局大气化学模式主要用于雾-霾天气和空气质量预报，需要考虑静稳天气的预报能力，定义日均相对湿度大于60%、风速[0, 1.5 m·s^-1]为高湿静稳天气，在静稳天气中YSU和MYJ方案相比MYN3和BL方案PM_2.5质量浓度相对误差略小，有一定优势。在分气象要素的基础上，按照天气类型将天气过程划分为低压型(低压后，低压前部)、高压型(弱高压，高压后)、静稳型(均压场，小低压)、冷空气影响型(高压前，冷空气过境)和平直型5类。在5类天气中，冷空气影响属于转折性天气，其PM_2.5质量浓度模拟值与观测值相对误差最大，但其PM_2.5质量浓度整体较低，其绝对误差并不高。高压型天气相对低压型天气，相对误差偏大，尤其MYN方案，在4种边界层方案中表现最不理想；在低压型和均压场的天气中，YSU方案表现较好；而BL方案则在冷空气影响天气预报性能最佳，这与其在晴空天气、风速较高的天气预报效果最优是对应的。

表 2

表 2 不同气象条件下边界层方案对PM2.5质量浓度模拟影响(单位：%) Table 2 The relative error of PM2.5 mass concentration simulation based on different boundary layer scheme under different weather conditions and meteorological conditions(unit: %) 类别 划分依据 边界层方案 平均值 YSU MYJ MYN BL 云量划分/成 [0, 1] 30.98 32.80 32.99 29.92 31.67 (1, 3] 26.45 26.21 27.96 26.81 26.86 (3, 7] 31.05 33.18 33.13 32.68 32.51 (7, 10] 34.51 35.83 35.86 36.37 35.64 地面太阳辐射/(W·m-2) [0, 30] 29.83 29.34 32.95 30.32 30.61 (30, 100] 35.82 35.63 37.53 37.41 36.60 (100, 200] 31.13 32.21 30.57 31.04 31.24 (200, +∞) 26.41 32.02 32.03 29.86 30.08 天气形势 低压型 28.98 30.60 30.36 31.16 30.28 高压型 35.47 35.87 37.13 35.25 35.93 冷空气影响型 42.51 47.55 44.17 42.86 44.27 均压型 25.41 26.71 27.22 27.88 26.81 平直型 32.28 31.32 34.82 33.76 33.05

表 2 不同气象条件下边界层方案对PM2.5质量浓度模拟影响(单位：%) Table 2 The relative error of PM2.5 mass concentration simulation based on different boundary layer scheme under different weather conditions and meteorological conditions(unit: %)

边界层高度是边界层垂直扩散能力的重要表征，WRF/Chem 4种边界层方案均有其数值输出，其中YSU方案以理查森数进行判断，当整体理查森数大于0.25时，认为该层为边界层高度，局地闭合方案以湍流动能的临界值为指标，一般认为其小于0.1 m²/s²的最低高度为边界层高度。基于4种边界层方案获取2015年天津全年边界层高度，并讨论其与PM_2.5质量浓度之间的关系，统计显示2015年PM_2.5日平均质量浓度与边界层高度呈现指数关系，其中BL方案的边界层高度与PM_2.5质量浓度相关系数最高，达到0.64，YSU方案和MYJ方案为0.62，MYN仅为0.50。模式输出的4种边界层方案边界层高度标准偏差为83 m，为平均值的16%，MYN模拟值最高，为597 m，MYJ方案为533 m，YSU方案为501 m，BL方案为494 m，日变化特征分析(图 5)显示，MYN方案边界层发展比其余几个方案略晚，采用TKE判断边界层高度的MYN和MYJ方案比采用理查森数判断的YSU方案边界层高度更高，尤其是在下半夜和中午时间，不同边界层方案计算边界层高度的标准偏差在06:00—08:00和16:00—20:00为全天峰值(图 6)，其中16:00—20:00最为显著，可达到50%以上，由此显示日出和日落时间边界层模拟仍然是大气化学模式需要进一步关注的重点，而这段时间也是PM_2.5模拟值与观测值差异最为显著的时间段。

图5

图5 天津地区不同边界层方案边界层高度分布 Fig.5 Variation of boundary layer height based on different boundary layer scheme of Tianjin

图6

图6 天津地区不同边界层方案边界层高度模拟值标准偏差占平均值百分比日变化 Fig.6 Standard deviation percentage

由于4种边界层方案对于天津地区PM_2.5质量浓度的模拟并没有单一方案取得最优结果，且考虑不同边界层方案对PM_2.5质量浓度模拟有显著差异，本文尝试使用多边界层方案的扰动集合预报，以提高天津地区空气质量预报的准确性。考虑到不同气溶胶方案模拟的差异性(图 7)，气溶胶过程在采用MOSAIC模型，并在YSU，BL，MYJ和MYN3边界层方案的基础上，增加气溶胶机制为MADE模型且边界层方案为YSU的集合成员，除集合组成员作为输出结果外，通过神经网络的方法吸收集合预报不同成员的优势，以BP神经网络进行训练，输出多边界层方案集合预报数据，以提高天津地区空气质量预报的准确性。

图7

图7 两种化学机制模拟污染物浓度日变化 Fig.7 PM2.5 mass concentration based on MOSAIC and MADE mechanisms

为进一步验证多边界层方案空气质量集合预报的优劣性，在检验对比中加入单一模式产品以及独立模式集成预报产品(北京市气象局BREMPS和国家气象局CUACE模式集成)。统计显示：采用多边界层方案的集合预报相比单一模式预报产品和独立模式集成预报产品有4个方面的优势：① 通过不同边界层方案可以有效控制单一模式预报中奇异值的出现，从而使得平均偏差相对减小。表 3显示多边界层方案集合预报，其中全样本指2015年全部样本数据，检验样本对应训练样本，为2015年双日数据。表 3还显示天津地区PM_2.5质量浓度年平均偏差可以控制在0.99 μg·m^-3，其神经网络输出值相比天津市气象局大气化学模式单一模式产品相对误差减少6.5%，归一化均方根误差下降9%，且显著优于CUACE模式和BREMPS在天津预报结果，对比独立模式集成(CUACE模式和BREMPS神经网络集成)产品，由于有明确的物理意义(考虑边界层扰动和气溶胶机制扰动)，其相对误差和归一化均方根误差的改善率可达到25%左右。② 在可能出现的大气污染范围预估上，由于预报值由原来的确定值变为动态范围值，在同样外扩范围下，集合预报比单一模式准确率提高3%~6%，比BREMPS提高8%~11%，比CUACE模式提高60%~90%。③ 在重污染天气的提示上，由于采用不同边界层方案扰动组合，避免了由于参数化方案引起的漏报，只要有一个模式提示出现重污染，则要仔细应对，这样数值模式的漏报率将由44%降低到30%，同时由于集合模式是由不同化学机制和不同边界层方案组成的，其扰动有其规律性和合理性，空报率并不会显著提高，仅从44%上升到50%，如2015年1月26日、2月14日和4月10日的重污染预报预警采用多边界层方案的集合预报均比原有单一方案取得更好的效果(图 8)，其中单一模式指MOSAIC/CBMZ气溶胶化学机制和YSU方案的预报结果。与通过保持预报值的正偏差以减少重污染天气漏报率的方法相比，采用多边界层方案集合的方案更为合理，如CUACE模式漏报率为30%，与天津地区多边界层方案集合模式相当，但空报率也高达70%，比天津地区多边界层方案集合模式高40%。④ 实际使用中多边界层方案模式与预报员主观能动性的交互。由于大气污染的消散和积累不是瞬时发生的，当前的大气污染水平必然影响下一时刻大气污染物的浓度，预报员往往会根据当前的大气中污染物的浓度，选取最合适的一组模式结果，这是单一模式无法比拟的，此种优势无法用数字描述，但在具体个例中有充分反映。

表 3

表 3 2015年天津地区PM2.5质量浓度预报效果对比 Table 3 The forecast effect of PM2.5 mass concentration about different model 预报来源 平均偏差/(μg·m-3) 相对误差/% 归一化均方根误差 全样本 天津单一模式 1.87 32.99 0.49 CUACE模式 34.14 60.32 0.81 BREMPS -12.34 37.23 0.57 模式平均值(天津5组方案) 2.97 32.03 0.49 检验样本 天津单一模式 0.35 34.08 0.45 CUACE模式 33.27 62.33 0.77 BREMPS -12.29 37.53 0.53 独立模式集成 1.07 42.28 0.54 多边界层方案集合 0.99 31.88 0.41 注：独立模式集成指中国气象局CUACE与区域中心BREMPS集成产品，多边界层方案集合指MOSAIC气溶胶机制下4组边界层参数方案成员和MADE气溶胶机制YSU边界层方案成员的神经网络集合产品。

表 3 2015年天津地区PM2.5质量浓度预报效果对比 Table 3 The forecast effect of PM2.5 mass concentration about different model

图8

图8 天津地区2015年3次典型个例集合预报、单一模式预报和观测值对比 Fig.8 Ensemble prediction of three heavily polluted weather forecasts about PM2.5 mass concentration of Tianjin in 2015

1) 基于2015年全年数据分析，大气化学模式WRF/Chem的YSU，MYJ，MYN和BL 4种边界层方案对于天津地区PM_2.5质量浓度趋势预报均适用，且对于不同过程各具优点，在晴空和大风天气BL方案表现更优，在阴天和小风天气YSU和MYJ方案表现更佳，从全年平均值条件分析，没有任何单一方案具有显著优势。

2) 边界层方案对不同过程条件WRF/Chem模拟近地面PM_2.5质量浓度有显著影响，其引起的PM_2.5日平均质量浓度扰动(标准偏差)5.2 μg·m^-3，为平均值的8.6%，最大值为23 μg·m^-3，超过10 μg·m^-3的数据占总样本量的7.4%，接近40%的样本扰动超过5 μg·m^-3。由于采用不同边界层方案，PM_2.5日变化模拟也存在显著差异，逐时数据标准偏差大于逐日数据，为6.7 μg·m^-3，占平均值的11.8%，稳定边界层和不稳定边界层相互转化过程中差异最为显著。

3) 由于不同边界层方案对PM_2.5质量浓度模拟具有差异性，同时也没有一种方案具有显著优势，集合多边界层方案开展PM_2.5质量浓度预报成为一种选择。其相对单一方案，可以减少相对误差和均方根误差，降低重污染天气预报的漏报率，提升空气质量等级预报能力，在保证计算资源的基础上，可以提升数值模式PM_2.5质量浓度预报能力。