两种空气质量数值模式的应用评估与集合改进研究

X16; 利用2018-2019年国控站观测,评估CAMx和CMAQ模式对广东珠海主要污染物时空分布与演变特征的预报能力,并引入多元线性回归和随机森林方法对预报结果进行集成,探究不同集合方法的改进能力.结果表明:CMAQ在各污染物浓度季节-日变化方面明显优于CAMx,但两者存在明显系统偏差,并对多数污染物(除O3之外)的昼夜和空间变化的模拟能力仍存在明显缺陷.例如,CMAQ合理地还原了CO、PM2.5、PM10、SO2、O3和NO2的季节变化,相关系数介于0.72～0.84,但NMB分别达到-0.58、-0.18、-0.30、1.52,-0.16和-0.20,RMSE分别达到0.40 mg/m3、6.86、16.02、10.71、25.05和10.21 μg/m3.同时,基于不同污染物构建的两种集合方法均有效移除了系统偏差,加强了CMAQ的模拟优势,并且随机森林方法明显优于多元线性回归,但两者均对模式缺陷无明显改进.进一步分析发现,CMAQ与CAMx模型的重要性基本相当,表明集合方法的预报能力与集合成员的线性偏差无关,主要取决于不同成员的代表性.最后,本研究揭示以随机森林为代表的集合方法虽有效提高了污染物的预报能力,但改进数值模式自身能力和增加具有代表性的集合成员对预报水平的进一步提升十分关键.