论文部分内容阅读
近年来,大气污染成为国内外关注的焦点问题,研究中小尺度区域污染物排放的时空分布、动态变化规律及来源、传输路径、预报方法等对于大气污染防控具有重要的理论和实际意义。而大气同化反演方法已被证明是提高模拟和预报精度的有效方法及途径。但因地基观测资料分布不均匀,导致同化反演研究的时空分辨率和精度受到了限制,同时鲜有区域尺度的细颗粒物(PM2.5)的同化研究,对于大气污染物先验排放清单（先验通量）的同化反演则更少,为此,本文以徐州地区为研究对象,通过构建小时尺度3km×3km分辨率通量输入数据,结合遥感数据和地基观测数据,实现了本征正交分解的显式四维变分（The Proper Orthogonal Decomposition based Four-Dimensional Variational Data Assimilation,POD-4DVar）高效同化算法和大气传输模型WRF（Weather Research and Forecasting model）-CAMx（Comprehensive Air quality Model with e Xtensions）的在线耦合,构建了基于地基-卫星多源数据联合同化的区域高精度同化反演模型,实现了PM2.5浓度和通量的同步同化。论文主要工作和成果如下:1)制作了匹配同化模型运行的清单数据结合清华大学组织开发的中国多尺度排放清单模型（Multi-resolution Emission Inventory for China,MEIC）数据,利用Smoke模型,Arc GIS等软件,制作了小时尺度的大气传输模型D01层通量输入数据,并结合徐州的环境实测数据,研究确定了时间谱和空间谱分配系数,生成了徐州本地小时尺度3km×3km高分辨率通量输入数据,并对本地清单的质量进行了验证。利用这套数据作为初始通量数据驱动同化模型,保证了模型在初始状态有较稳定的输出结果。2)地基、卫星和清单等多源数据的分析和整理收集、整理了大量卫星、地基和清单等多源数据,分析了研究区域内PM2.5浓度和排放的长期变化,结果表明,MEIC清单排放数据、PM2.5地面站点监测数据以及MODIS气溶胶数据都显示我国中东部地区PM2.5的排放呈明显的季节性变化,且呈逐年下降趋势。以边界层高度、风速、相对湿度、温度和大气压力等为协变量,构建了基于随机森林方法的遥感数据反演地面PM2.5浓度模型。同时对遥感反演PM2.5浓度数据的质量进行了分析验证,在城市尺度上,十个城市的地面观测站日均PM2.5浓度与遥感反演的PM2.5日均浓度的相关系数稳定在0.8左右,均方根误差低于30μg/m~3,为同化实验提供了更多有效的观测数据。3)构建了区域高分辨率PM2.5同化反演模型将本征正交分解的显式四维变分高效同化算法与WRF-CAMx模型融合,成功构建了区域高分辨率PM2.5同化反演模型,对模型的稳定性和有效性进行了大量测试,确定扰动样本数80、同化窗口时长7天、两层嵌套等为最佳同化参数,实验结果表明同化模型有效提高了PM2.5浓度反演的时空分辨率和精度,2018年4月、7月、11月和12月的PM2.5浓度相关系数分别由同化前的0.563,0.635,0.625,0.625提升为同化后的0.677,0.668,0.733,0.718。均方根误差由0.0352mg/m~3,0.0103mg/m~3,0.0364mg/m~3,0.0598mg/m~3分别降低为0.0274 mg/m~3,0.0097mg/m~3,0.0365mg/m~3,0.0425mg/m~3,而4月和12月的均方根误差和平均偏差的降低更为明显,分别降低了22.16%和28.93%。4)地基-卫星联合同化的实现通过尺度匹配和数据融合,将MODIS卫星气溶胶光学厚度反演得到的PM2.5浓度数据引入同化模型中,成功实现了地基-卫星的联合同化,为同化模型提供了更多有效的观测数据,进一步提升了模拟的精度,4月、7月和11月的相关系数在加入遥感反演数据后相关系数分别由0.677,0.668,0.733提升为0.710,0.752,0.754。均方根误差由同化前的0.0274 mg/m~3,0.0097mg/m~3,0.0365mg/m~3分别降低为0.0254 mg/m~3,0.0082mg/m~3,0.0336mg/m~3,由于7月份的遥感数据质量较好,7月的优化结果则更为明显,实验结果表明多源数据同化可有效改善模拟的精度。5)实现了PM2.5浓度和通量的同步同化输出所构建的模型具备PM2.5浓度和通量的同步同化输出功能,可一定程度上解决清单滞后的问题。对同化前后的PM2.5通量进行了对比分析,发现4月、11月和12月的后验通量通过同化观测值的吸收以后比先验通量要有相应的降低,分别下降了2.61%,5.11%和7.73%,而7月的后验通量则升高了3.85%。从输出结果可以反映我国PM2.5的排放主要集中在华北地区和发达的大城市区域,在采暖季则要明显高于其他季节。模型模拟的地表PM2.5浓度值呈现明显的季节性变化,在秋冬季的模拟均值超过100μg/m~3,在7月的夏季,浓度值较低,在30μg/m~3左右。从与观测站点的观测值对比发现,在秋冬季模拟的浓度值在经过同化反演之后仍然要高于观测值,而在夏季则低于观测值。这表明驱动模型的背景通量数据仍然存在较大误差。该论文有图75幅,表18个,参考文献264篇。