罗 宇，袁 薇，罗林艳，陈明诚，唐 杰，万文龙，范嘉智

(1.中国气象局气象干部培训学院湖南分院，长沙 410125；2.湖南省气象防灾减灾重点实验室，长沙 410118；3.中国气象局气象干部培训学院，北京 100081；4.湖南省气象信息中心，长沙 410118；5.南京信息工程大学大气科学学院，南京 210044；6.湖南省气象台，长沙 410118；7.东营市气象局，东营 257100)

随着工业发展和城市化，空气污染问题已在世界范围内引起广泛关注，世界卫生组织研究[1]指出每年约有超400万人因空气污染相关疾病死亡。长沙作为湖南省会，人口密度大、工业发达，且由于特殊的地理位置，易造成区域型空气污染[2]，仅2019年冬季就出现了4次重污染过程，其首要污染物为PM2.5[3]。PM2.5是指空气动力学当量直径小于等于2.5 μm的颗粒物，可长时间悬浮于空气中，并吸附重金属和挥发性有机物等有毒污染物[4]。相关研究表明，环境中PM2.5浓度每增加10 μg/m3，心脑血管疾病和肺癌的死亡风险增加4%～8%[5-6]。同时，PM2.5能够影响大气的成云致雨过程，间接影响气候变化[7]。

近年来，中外学者针对PM2.5特征及其浓度预报进行了大量研究。总体而言，PM2.5浓度预报方法可分为确定性方法和统计方法两类。确定性方法利用大气科学相关理论对污染物的物理化学反应进行建模，模拟其排放、扩散和传输等过程。目前在城市空气污染预报中使用较多的确定性模型主要有嵌套网格空气质量预报模型[8](nested air quality prediction model，NAQP)，气象-化学耦合模型[9](weather research and forecasting model coupled to chemistry，WRF-Chem)和多尺度空气质量模型[10](community multiscale air quality model，CMAQ)。这些模型均基于一定的理论假设和先验知识构建，因此有助于更好地理解大气污染机理，但在模型输入条件准确性、物理化学过程描述和计算有效性提升等方面仍面临较大挑战[11-12]。……