曹凯 唐晓 孔磊 王威 吴倩 黄树元 ,4 张佩文 ,4韩丽娜 ,4 吴其重 王自发

1 中国科学院大气物理研究所大气边界层物理与大气化学国家重点实验室，北京 100029

2 中国科学院大学，北京 100049

3 中国环境监测总站，北京 100012

4 成都信息工程大学，成都 610225

5 北京师范大学全球变化与地球系统科学学院，北京 100875

1 引言

京津冀及其周边地区“2+26”城市是当前中国大气污染最严重的地区之一（王恰和郑世林,2019），近年来空气质量虽有所改善，但大气污染整体形势仍十分严峻（程钰等,2019），给社会经济造成巨大损失的同时也对居民健康产生巨大影响（谢杨等,2016）。对空气质量变化进行高精度预报和预测是防控大气污染的关键环节，以多模式集合预报系统为核心的空气质量预报方法已成为我国空气质量业务预报的重要工具之一（王自发等,2009; 王茜等,2010; 陈焕盛等,2013）。

多模式集合预报是基于不同团队研发的模型构建（王自发等,2009; Marécal et al.,2015），通过采用统一的输入数据得到预报集合。在多模式集合预报中，采用合适的集成方法将集合预报系统中不同模式成员集成起来能显著提升空气质量预报效果（Pagowski et al.,2005; 王自发等,2008）。Monteiro et al.（2013）利用多模式集合和中位数法、静态线性回归法、动态线性回归法、贝叶斯模型平均法等集成方法，显著提升了PM10和臭氧的预报效果。黄思等（2015）及潘锦秀等（2019）将多模式集合预报与线性回归集成方法结合起来提升了城市空气质量预报效果。吴剑斌等（2017）评估了多模式空气质量数值预报业务系统对城市臭氧的预报效果，发现采用最优化集成方法的预报效果明显优于单个模式。……