面向重污染预报预警的高时频源反演方法研究

The high intensity of air pollution control measures makes air pollutant emissions in China in the process of rapid change, which posed a severe challenge for the air pollution forecast. New technologies and methods are needed to estimate the rapid changes of regional emissions. This project will developed an advanced emission inversion method that enables resolve the high frequency (one day) variations of emissions. Maximum likelihood algorithm for estimating the rapid variations of model errors and the emission inversion algorithm under the hypothesis of biased model will be developed. Using the new method, the surface observations of air pollutants from the national air quality monitoring network and the local air quality monitoring network will be assimilated into the model to perform the emission inversion experiments within Beijing-Tianjin-Hebei and its surrounding areas. This will explore the potentials of the emission inversion method in improving the regional heavy pollution forecast and early warning.This project is designed for the key scientific problems of current air pollution in our country. It will provide a new advanced method to deal with the new challenges of the rapid changes of regional emissions in air pollution forecast and early warning. Therefore, it has important practical significance and scientific value.

高强度大气污染防治措施使我国大气污染源排放处于快速动态变化过程，给大气污染预报预警带来新的严峻挑战，传统源清单与数值模式结合的预报预警方法不确定性很大，亟需新的技术来有效解决区域源排放高频变化的动态估计难题。围绕这一课题，本项目将开展高时频源反演方法探索研究，发展高频变化模式误差的极大似然估计算法和有偏假设下的源反演算法，突破周尺度内源排放反演的关键难题，建立具备高时频（1天）源排放变化识别能力的反演方法。基于新的方法，同化融合京津冀及周边地区国控站和区县站的地面观测数据，开展重污染预报预警案例的源反演研究，揭示高时频源反演方法在区域重污染预报预警中的作用和潜力。本项目将为区域源快速变化形势下的大气污染预报预警工作提供新的技术方法，推动源反演方法向精细化方向发展，具有重要的现实意义和科学价值。

高强度大气污染防治措施使我国大气污染源排放处于快速动态变化过程，给大气污染预报预警带来新的严峻挑战，传统源清单与数值模式结合的预报预警方法不确定性大，亟需新的技术来有效解决区域源排放高频变化的动态估计难题。本项目在已有集合卡尔曼滤波同化反演方法基础上，开展面向重污染预报预警的高时频源反演方法探索研究，突破周尺度内源排放变化反演的瓶颈，研发在区域尺度下具备高时频分辨的源反演新方法。通过项目研究，在以下方面取得了重要研究进展和突破。项目构建了一个考虑源清单不确定性的蒙特卡罗集合模拟系统，揭示了源不确定性对PM2.5组分模拟的影响，发现源不确定性是有机碳与黑碳气溶胶模拟误差的主要来源，但对硫酸盐与铵盐模拟误差的影响相对较小，这为源反演及其不确定性估计提供了重要基础。项目提出了有偏假设下的源反演算法和高频变化模式误差的最优估计方法，突破了集合卡尔曼滤波在源反演上面临的算法理论局限，研发了高时空分辨率的多污染物源反演新方法，将源反演方法的性能从1-2个污染物排放反演提升到10种以上污染物排放的同时反演，反演清单的时间分辨率提升到日尺度。项目实现了6项常规污染物及其前体物排放量长期变化趋势的高精度估计，建立了覆盖全国、高时空分辨率的多污染物源反演数据集，使得PM2.5和O3模拟均方根误差下降34.2~50.9%和7.9~49.9%，发现京津冀地区2019年2月的SO2、NOX、CO以及PM2.5排放相比2014年2月分别下降了83%、37%、41%和42%。项目研发的高时频源反演系统（Air-REIS）已应用于国家空气质量业务预报，每日动态反演不同区域和城市主要污染物排放量，北京冬奥会期间应用表明其对1-7天空气质量业务预报准确率提升超过10%。项目发展的高时频源反演方法已成为一种新的技术手段，进一步丰富和优化了我国空气质量业务预报预警技术体系，为快速及时获取我国污染源排放变化信息提供了新的重要技术手段。项目发表论文20篇，获批软件著作权2项，获中科院科技促进发展奖1项，培养博士毕业生1名，硕士毕业生6名。

内容获取失败，请点击重试