魏颖 赵秀娟 张自银 徐敬 刘志权 孙溦 陈丹

1 北京城市气象研究院，北京 100089

2 美国大气研究中心，科罗拉多州博尔德 80301

3 中国气象科学研究院灾害天气国家重点实验室，北京 100081

1 引言

近年来，中国的大城市面临以细颗粒物（PM2.5）和高浓度臭氧（O3）为典型特征的大气复合污染问题（朱彤等, 2010; Zhang and Cao, 2015;Sun and Chen, 2017; Zhao et al., 2020）。大气颗粒物污染影响大气能见度，并通过气溶胶—辐射—云相互作用产生显著的气候效应和生态环境效应（Zhang et al., 2010; Boucher et al., 2014），同时影响人体健康（阚海东和陈秉衡, 2002; Liang et al.,2018）。当前国际主流大气化学模式对我国大气污染模拟预报存在明显偏差，秋冬季重污染期间PM2.5 浓度的预报偏差高达30%～50%（Zheng et al., 2015; Gao et al., 2016; Wu et al., 2020）。大气化学模式的模拟结果与观测存在较大偏差，其不确定性有多方面来源，从模式对污染形成和传输的表达角度，主要来自于以下3 个方面：1）排放清单的不确定性（Zheng et al., 2009; 曹国良等, 2011; 魏巍等, 2011）；2）输入气象场的不确定性，尤其风场、湿度、降水、温度等气象因子对大气化学过程模拟会产生显著影响（Zhang, 2008; Li et al., 2020）；3）模式理化过程方案的不确定性（王颖等, 2010; 张颖等, 2016）。除了以上与污染形成和传输等过程密切相关的3 个方面之外，数值模式技术本身的局限，如空间分辨率和理化方案适用尺度的匹配等，也会影响模拟结果的可靠性。减小空气质量预报不确定性对我国当前大气污染防控具有非常重要的现实意义和科学价值，在多方面不确定性来源混杂而无法快速诊断并提升模式性能的情况下，基于观测约束的资料同化是提高预报效果的核心技术。……