韩丽娜 唐晓 陈科艺 周慧 孔磊 ,4 张佩文 黄树元 吴倩 ,4 曹凯 ,4 王自发 ,4

1 成都信息工程大学，成都 610225

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

3 湖南省气象台，长沙 410118

4 中国科学院大学，北京 100049

1 引言

在高强度污染排放和能源消耗背景下，我国区域大气重污染事件频发，尤其是北京—天津—河北（京津冀）及周边地区。重污染期间高浓度污染物以及低能见度对公众健康、大气环境以及交通安全均造成了诸多的负面影响。对重污染的范围、污染物来源以及发生发展时间节点等做出准确的预报预警是重污染防控的关键环节（高文康等,2016; 皇甫玮喆,2017; 耿东颖,2018）。但由于大气污染面临排放数据不准确、化学反应机制不清晰等难题，精准的重污染预报预警仍面临巨大挑战。国内外学者为了改进大气污染预报精度，开展了大量工作。李冬青等（2020）利用不同分辨率CMAQ模式对北京市PM2.5的浓度预报效果进行对比分析，发现高分辨率模式的预报效果整体优于低分辨率预报模式。张天航等（2019）利用均值集成、多元线性回归集成、权重集成以及BP-ANNs方法开展了集成预报研究，结果表明最优集成的PM2.5浓度预报效果最好，能较大幅度降低我国重污染区域的预报偏差，但在预报污染峰值上存在一定的不足。潘锦秀等（2019）建立了多元线性回归集成预报模型，发现该预报模型能显著提高PM2.5浓度预报的准确率。胡译文等（2019）通过同化气象资料探究其对PM2.5模拟效果的影响，发现同化试验表现出明显的优化效果，在预报的第10～30小时时段上有显著的预报改进效果。……