前言

近二十年来, 城市大气污染预报模式的研究得到了很大的发展。从过去的统计预报模式, 已发展到今天的中尺度气象预报模式、污染扩散模式和光化学模式相结合的城市大气污染预报系统。如加拿大国家研究委员会的MC2-CALGRID模式系统^[1], 是由一个非静力平衡的半显式半拉格朗日中尺度气象模式和一个综合 (comprehensive) 光化学模式结合而成的模式系统; 德国Cologne大学的EURAD大气污染预报系统^[2]由MM5、EEM污染扩散模式和CTM2化学传输模式组成; 挪威气象研究所发展的预报NO_X和O₃的光化学模式^[3]是将EMEP MSC-W NO_X预报模式和Norwegian轨迹模式结合起来的, 其中考虑了污染物的扩散传输、干湿沉降和包括45个物种的100个化学反应方程式。但绝大多数的大气污染物传输扩散模型都不可避免的依赖于污染源的源资料。应用统计方法对于有长期的监测数据的城市是可行的, 但是城市大气污染物的排放源的源强及其时空分布发生变化时, 统计预报的效果就会受到影响。然而, 污染源调查是一个具有内在的、经常性的和相当大不确定性的复杂过程^[4], 成为城市大气污染预报中的一大障碍。1997年中国气象科学研究院建立了非静稳多箱大气污染浓度预报和潜势预报系统CAPPS, 该模型是在ADPIC的概念的基础上经过积分求得的^[5], 它不需要污染源的源强资料就可预报出城市空气污染潜势指数和污染指数。污染潜势指数是反映气象条件本身对污染物的清除能力, 与污染源强无关, 因此污染潜势指数的预报就不需要污染源资料。CAPPS模式预报污染物的污染指数或浓度时, 需要前一天的污染物日均浓度值作为初始值, 在假设两天之间日平均污染源强的变化可以忽略不计的前提下, 由气象条件计算污染物浓度的变化, 从而预报第二天的日平均污染物浓度或污染指数, 因此也不需要污染源强资料。若考虑到污染源强的日变化, 可对污染源强增加一个时间系数, 适当增加白天或上、下班高峰期污染排放的权重, 减少夜间污染排放的权重, 则可提高一天中不同时段污染浓度预报的准确率。同样, 作日平均浓度预报时, 遇到节假日也需建立权重系数对污染源强加以调整, 文献[6]已对此进行了研究。根据文献[4][7], 对于城市尺度的污染过程, 风速、混合层高度和干、湿沉降的影响是主要的, 化学转化过程的影响是相对次要的。同时考虑到化学反应过程比较复杂, 其中的参数较多且不易获得。因此CAPPS模式中暂时不考虑化学转化过程, 以便国内的城市和地区在现有条件下进行应用。CAPPS模式系统的气象背景部分由改进后的MOMS (中国气象科学研究院中尺度业务试验数值模式系统) ^[8~10]提供。

污染统计预报模式在国内外有着广泛的应用, 它需要大量的历史污染监测资料和气象观测资料。但是, 目前国内能够全面具有较长时间历史资料的部门很少。此外, 污染源的分布和源强在较长的期间内会有明显的变化, 这将对统计预报的准确率产生较大影响。CAPPS非静稳多箱大气污染浓度预报和潜势预报系统物理意义明确, 能够反映出造成城市污染的物理过程, 这是统计预报不能做到的。

1997年3月, CAPPS模式安装在京津冀中尺度试验基地业务组, 在业务运行期间, 每天使用由国家环保局发表的全国主要城市污染物浓度年均值反演出的源强资料、实时气象资料试行52个城市总体污染指数及全国大气污染潜势指数预报试验。1998年6月, CAPPS模式又安装在国家气象中心的J90上, 并将气象模式改用MM5, 逐日对36 h内全国范围的污染潜势指数进行试预报。随后CAPPS系统在北京市、上海市、河北、江西、天津市、湖北等13个气象部门得到应用, 主要用于SO₂、NO_X、TSP和CO等污染物的污染指数预报。CAPPS模式的输入参数非常简单, 只需要输入常规气象资料就可预报24~36 h的全国空气污染潜势。现在的CAPPS模式不需要源强反演过程, 直接根据各个城市或城市内各区监测的大气SO₂、NO_X、TSP和CO的污染指数初始值 (如日均值), 则可预报24~36 h的相应地区的污染物的空气污染指数。

1 预报原理及系统结构 1.1 空气污染潜势指数和污染指数的预报

CAPPS系统中的空气污染潜势指数 (PPI) 和污染指数API (或PSI) 的预报, 直接采用文献[5]中介绍的箱格预报模型。根据污染物守恒原理, 不考虑化学反应的大气污染物平流扩散方程为:

(1)

其中c是大气污染物浓度, 由体积τ内若干位于r=(x_i, y_i, z_i) 源强分别为q_i源产生, V为风速, 二阶张量为湍流交换系数, V_d为干沉降速度, V_w为湿沉降速度。对式 (1) 在体积τ内积分后再对体积平均, 可以得到箱体内平均浓度预报方程

(2)

上式右方的积分项表示体积τ内大气扩散稀释和干湿沉降过程对污染物的清除能力, 设该积分值对平均浓度的比值为:

(3)

V_c表示该时段的大气通风扩散稀释和干湿沉降的总能力的平均值。由式 (2) 可解得

(4)

其中积分常数表示初始平均浓度。在给定的时段δT内, 只要时间间隔δT不很大, 则V_c和Q随时间变化可以忽略, 于是可解出体积τ内的污染物平均浓度

(5)

对于一个底面积为s的箱体, 大气污染物的清除能力V_c由式 (3) 可表示为^[5]

(6)

污染潜势指数PPI定义为, 标准源强在实际气象条件下生成的浓度与在标准气象条件下产生的浓度的比值, 这样根据文献[5]有

(7)

因此PPI的预报公式为

(8)

v_w的值等于降水率R和降水清洗比w_r的乘积。其中A_i是表示大气扩散稀释能力的控制参数, 可根据所在地区从国标GB/T3840-91中查出。

(9)

污染指数API在 (在文献[5]中称为PSI) 定义为, 真实源强在真实气象条件下产生的平均浓度与标准浓度的比值, 即

(10)

假定nδT时刻到^(n+1)δT时刻的源强变化可以忽略不记, 则API的预报公式为

(11)

事实上, 一个城市的污染源强不同季节之间的变化很大, 但每天之间的变化的确是很小的。因此, 在预报污染物浓度日均值时, 可以忽略一天中污染源强的变化。在一天之间某些污染物的排放量可能会有明显变化, 例如NO_X, 在上、下班的高峰期排放量增大, 所以预报一天中不同时刻的污染物浓度时, 可以增加反映排放量变化的时间因子。

1.2 CAPPS模式系统的结构

CAPPS系统由MOMS中尺度气象模式提供气象背景场 (在国家气象中心CRAY机上使用MM5), 再用大气平流扩散箱格模式预报污染潜势指数和污染指数。CAPPS系统气象模式的水平网格为46×61, 格距60 km, 模式网格中心点可以移动。垂直方向分为10层, 采用气压σ坐标系。箱格模式的顶层为大气边界层顶, 水平分辨率由箱体底面积输入参数自动确定。CAPPS系统在PⅡ/233上预报24 h需运行20 min。图 1是CAPPS系统流程图。

模式系统所需的参数有:模式网格中心点的经纬度; 所要预报的各城市或监测点所代表区域的经纬度、面积、所在区的地理区号。地形特征值是由分辨率为10′的地形高度资料经客观分析到网格点上得到的。地表特征只分两类:陆面和水面。

输入模式系统的实时资料:探空资料和初始时刻污染物浓度监测资料。探空资料为每日08:00 (北京时下同) 或20:00探测的地面和850 hPa到100 hPa各规定等压面上温、压、湿和风。初始时刻污染物浓度监测资料应为每日08:00或20:00监测的污染浓度值, 也可用前一日污染物平均浓度值代替。

CAPPS模式系统每3 h输出一次所有网格点上的PPI指数值, 最后给出24 h平均的格点上的PPI指数值, 然后直接用绘图软件绘出预报范围内PPI指数等值线图^[5]。模式系统也可以根据需要通过双线性内插给出固定点的PPI指数值。同时, 模式系统每3 h还输出一次所需要的城市或地区SO₂、NO_X、TSP和CO的API指数和污染等级。最后给出24 h平均的SO₂、NO_X、TSP和CO的API指数和污染等级 (表 1)。

2 CAPPS系统的应用及检验

CAPPS系统在各省市的应用中都已取得了一定的结果, 本文以北京市和上海市预报试验数据结果进行分析检验。此外河北省气象局用CAPPS系统也进行了深入的预报试验研究^[6]。

(1) 北京市应用的结果

从1999年11月起, 北京市气象局使用CAPPS模式根据常规气象观测资料和北京市环保局发布的污染指数监测值, 逐日对SO₂、NO₂、RSP (可吸入颗粒物) 和CO进行24 h试验预报。从1999年11月22日至2000年1月9日有效预报共46次, 其余3次由于气象资料传输故障未能预报。在此期间RSP污染指数达到4级的中度污染有5次, CAPPS模式预报出3次, 捕获率为60%。如定义污染物预报准确率、空报率和漏报率分别为:

(18)

(19)

(20)

根据式 (18)~(20), 预报试验的检验结果是SO₂预报准确率为67%, 空报率为11%, 漏报率为22%; NO₂预报准确率为72%, 空报率为11%, 漏报率为17%; RSP预报准确率为61%, 空报率为24%, 漏报率为15%; CO预报准确率为46%, 空报率为33%, 漏报率为21%。图 2~图 5是SO₂、NO₂、RSP和CO污染指数的预报值与监测值对比, 污染指数预报值与监测值的相关系数分别为0.53、0.63、0.78和0.45。图 6是所有污染物的污染指数预报值与监测值的相关, 相关系数为69%。

(2) 上海市应用的结果

1998年8月至12月, 上海市气象局用CAPPS模式系统, 对SO₂、TSP和NO_x的日平均API值, 逐日进行了预报试验, 同时有预报值与监测值的日数为118天。检验结果表明, 其中SO₂的API日平均预报值与监测值的相关系数为63.5%, TSP为61.8%, NO_x为45.0%。SO₂、NO_x和TSP的日平均API预报值与监测值的对比见图 7~图 9。根据式 (18)~ (20), TSP的预报准确率为80%, 空报率为11%, 漏报率为9%; SO₂准确率为61%, 空报率为5%, 漏报率为34%; NO_x准确率为49%, 空报率为36%, 漏报率为15%。

3 与其它模式预报结果比较

目前国内外研制出的城市大气污染的预报模式有很多, 我们通过查阅文献选出了几个发达国家的模式, 将预报试验结果进行比较。

加拿大国家研究委员会的MC2-CALGRID模式^[1], 是由一个非静力平衡的半显式半拉格朗日中尺度气象模式和一个综合 (comprehensive) 光化学模式结合而成的模式系统, 它综合了大气污染物的传输、沉降和化学转化的先进技术, 有包括54个有机和无机物种的129个化学反应方程式。MC2气象模式水平分辨率10 km, 模式顶高25 km, 垂直分31层, 在SGPI2工作站上预报1 h需运行40 min; CALGRID化学模式, 水平分辨率5 km, 顶高5 km, 垂直分10层, 预报24 h需运行1.5 h。该模式对1985年7月17~21日发生在加拿大Lower Fraser Valley的一次大气污染过程进行了模拟, 参与NO_X预报结果与监测值对比的站点共有9个, CO有5个。

由于发达国家SO₂的污染得到了有效的控制, 因此近十年来国际上有关SO₂的污染预报研究报道得较少。本文只选取了美国IMB研究实验室城市空气污染模式^[11], 将其试验预报结果与CAPPS模式预报SO₂的结果进行比较。美国IMB研究实验室城市空气污染模式是一个大气湍流扩散模式, 水平分辨率1.5 km, 垂直方向13层, 最靠近地面5层垂直分辨率20 m, 在IBM360/195上预报24 h需运行2~5 min。美国IMB研究实验室用该模式对St.Louis都市区1965年2月1~26日的大气污染过程进行了模拟研究, 逐日预报了10个站点的24 h SO₂的浓度。

挪威气象研究所的化学模式^[3]是由EMEP MSC-WNO_X预报模式和Norwegian轨迹模式组成的, 其中考虑了污染物的扩散传输、干湿沉降和包括45个物种的100个化学反应方程式, 模式范围覆盖整个欧洲, 水平分辨率150 km。挪威气象研究所用该模式对Rörvik地区1989年8~10月的大气污染过程进行了试验预报研究, 逐日预报了5个站点NO₂和NO_X等污染物的24 h平均浓度。

由于文献[1][11][3]中只用预报值与监测值的线性相关系数对模式进行检验, 因此在表 2中就将CAPPS系统的预报值与监测值的线性相关系数与其它模式进行比较。

从表 2中可以看出CAPPS系统的预报水平与其他3种模式的预报水平是相当的。比较SO₂线性相关系数发现, CAPPS系统在石家庄市预报结果的线性相关系数最高, 北京市的最低。这是因为石家庄市SO₂排放源分布相对比较均匀; 北京市经过治理后, 集中供热的比例有了很大的提高, SO₂的排放源分布相对集中, 另外北京市范围较大, 使SO₂源的分布更加不均匀; 上海市SO₂的排放主要是工业排放, 排放源的分布也比较不均匀。对于箱格预报模型来说, 箱体内污染源分布均匀时, 预报出的浓度值, 会与实际情况更接近。所以石家庄SO₂预报值与实测值线性相关系数较高, 而北京市和上海市的相对低一些。如采用分辨率高的中小尺度气象预报模式, 减小箱格的尺度, 将有助于提高污染源分布不均匀地区的预报准确率。

图 10是德国Cologne大学的EURAD大气污染预报系统^[2] 1990年10月13~19日在欧洲范围内的一次数值预报试验中得到的SO₂的预报结果, 与图 2和图 7比较, 可以看到同CAPPS系一样, 也存在着预报值有时滞后或超前的现象, 模式格距较大时, 预报值滞后现象出现得较多。

对于NO_X、NO₂和CO的预报, CAPPS系统虽然没有考虑化学转化, 但也达到了加拿大国家研究委员会的MC2-CALGRID模式和挪威气象研究所的光化学模式的预报水平。图 11~图 12是挪威气象研究所的光化学模式预报的Rörvik地区1989年8~10月的NO_X和NO₂浓度与监测值比较。对比图 4, CAPPS系统的对NO₂预报的准确率要高于挪威气象研究所的光化学模式。CO在大气污染物化学转化的过程中参与的反应较多, 而且在大气中的浓度较低, 因此CO的预报有一定难度, 各种模式对CO的预报水平都较低。如果在CAPPS系统中考虑NO_X浓度在一天之间、工作日与休息日之间和季节间的变化, NO_X、NO₂和CO的预报准确率估计会有所提高。

目前, 在发达国家TSP不是主要大气污染物, 而PM₁₀已成为仅次于O₃的大气中主要污染物。但是由于PM₁₀的来源和化学转化机理还不很清楚, 因此现有的化学模式对PM₁₀的预报准确率相当低。然而, CAPPS系统对TSP的预报准确率在上海市达到80%, 预报值与监测值的线性相关系数为0.62。北京市的RSP (相当于PM₁₀) 预报准确率达到61%, 预报值与监测值的线性相关系数为0.78。说明即使不考虑源强和化学反应过程, 仅根据气象条件变化和初始浓度, CAPPS系统对TSP在业务预报中还是有一定预报能力的。尽管如此, 目前我们正在致力于在模式中引入一些必要的化学过程, 以增加理论上的完整性, 努力进一步提高准确率。

4 结论

中国气象科学研究院研制的城市空气污染监预报系统CAPPS, 通过在一定范围内的推广应用, 并与国际上几种模式的预报结果进行比较, 得到如下结论:

(1) CAPPS系统对城市污染物浓度的预报, 是在无源参数条件下进行的, 克服了污染源调查本身具有不确定性的困难, 极大地降低了对模式运行的初始资料的要求, 便于模式系统的推广应用。

(2) 通过与国际上几种模式的预报结果进行比较, CAPPS系统的预报水平与国际上几种模式的预报水平相当, 同时也表明化学转化过程对于城市和区域尺度的污染过程的影响不是主要的。CAPPS模式的预报准确率平均可达60%。

目前CAPPS系统由于没有考虑化学转化过程, 还不能预报O₃。污染物浓度逐时的预报还未进行严格的统计检验, 为此需要进一步对污染源排放时间系数进行试验研究, 同时可改善NO_X、NO₂和CO等污染物预报的准确率。CAPPS系统采用积分数值计算方法, 避免了差分格式的缺点, 同时也便于引入污染物的化学转化。因此在增加O₃等二次污染物的预报和提高预报准确率方面, CAPPS模式系统还有一定的潜力。