环境科学  2022, Vol. 43 Issue (7): 3396-3403   PDF    
引用本文
王晓彦, 朱莉莉, 许荣, 高愈霄, 朱媛媛, 汪巍, 刘冰. 基于半级别的城市空气质量预报评估方法探讨[J]. 环境科学, 2022, 43(7): 3396-3403.
WANG Xiao-yan, ZHU Li-li, XU Rong, GAO Yu-xiao, ZHU Yuan-yuan, WANG Wei, LIU Bing. Discussion of Air Quality Forecasting Evaluation for Cities Based on Half-level Method[J]. Environmental Science, 2022, 43(7): 3396-3403.
基于半级别的城市空气质量预报评估方法探讨
王晓彦, 朱莉莉, 许荣, 高愈霄, 朱媛媛, 汪巍, 刘冰     
中国环境监测总站, 北京 100012
收稿日期: 2021-09-30; 修订日期: 2021-12-03
基金项目: 国家重点研发计划项目(2017YFC0209805)
作者简介: 王晓彦(1985~), 女, 硕士, 高级工程师, 主要研究方向为空气质量监测预报, E-mail: wangxy@cnemc.cn
通信作者: 刘冰, E-mail: liubing@cnemc.cn
摘要: 环境空气质量预报评估是提升预报能力的重要助力, 为更好支撑空气质量精细化管理, 将我国空气质量细化为12个半级别, 参照英国预报评估方法, 对2020年“2+26”城市AQI、PM2.5浓度和O3-8h浓度预报开展探索性半级别预报效果评估, 通过与AQI范围预报和AQI级别范围预报评估对比发现, 半级别预报评估方法可将两者兼容合一, 在城市业务预报评估中具有一定可行性和应用价值.具体的半级别预报评估结果表明, “2+26”城市AQI和O3-8h浓度在低段级别和高段级别的预报效果明显差于中段级别, 不同级别PM2.5浓度预报效果相对稳定; AQI、PM2.5和O3-8h浓度预报准确率月变化曲线分别呈双峰型、先升后降型和平缓型, PM2.5浓度各月偏高预报显著; 不同城市AQI和O3-8h浓度预报准确率差距相对较小, PM2.5浓度预报准确率波动较大; 北京和天津AQI预报准确率高于周边省份, 北京和河南PM2.5和O3-8h浓度效果相对最好.
关键词: 空气质量      AQI      半级别      预报评估      "2+26"城市     
Discussion of Air Quality Forecasting Evaluation for Cities Based on Half-level Method
WANG Xiao-yan , ZHU Li-li , XU Rong , GAO Yu-xiao , ZHU Yuan-yuan , WANG Wei , LIU Bing     
China National Environmental Monitoring Centre, Beijing 100012, China
Abstract: Ambient air quality forecasting evaluation plays an important role in improving forecasting capability. In order to provide better support for refined air quality management, with reference to the UK air quality forecasting evaluation method, this study divided six air quality index (AQI) levels into 12 half-levels and explored AQI, PM2.5, and O3-8h concentration forecasting evaluation based on the half-level method in "2+26" cities during 2020. Comparison with the AQI range forecasting and AQI level range forecasting evaluation showed that the half-level forecasting evaluation method could combine these two indicators into one, providing feasibility and application value in operational air quality forecasting evaluation. Specific half-level forecasting evaluation showed that the forecasting effect of AQI and O3-8h concentration at the low and high levels was significantly worse than that of the middle levels in "2+26" cities. The forecasting effect of the PM2.5 concentration was relatively stable in different half-levels. The monthly variation curves of AQI, PM2.5, and O3-8h concentration forecasting accuracy exhibited a bimodal pattern, first rising and then falling and a flat pattern, respectively. The overestimate of PM2.5 concentration forecasting was significant in each month. The accuracy gaps of AQI and O3-8h concentration forecasting in different cities was relatively small; however, the PM2.5 concentration forecasting accuracy fluctuated greatly. The AQI forecasting accuracies of Beijing and Tianjin were higher than that of neighboring provinces. Additionally, the PM2.5 and O3-8h concentration forecasting effects in Beijing and Henan province were relatively the best.
Key words: air quality      AQI      half-level      forecasting evaluation      "2+26" cities     

为落实《大气污染防治行动计划》有关要求, 2013年以来, 全国直辖市、省会城市和计划单列市等重点城市率先推进环境空气质量业务预报工作, 2015年9月开始面向社会公众发布城市环境空气质量预报信息.2019年1月城市环境空气质量指数(air quality index, AQI)预报扩展至全国337个地级及以上城市, 随后逐渐增补城市PM2.5和O3-8h单项污染物浓度预报.近年来, 我国已积累大量城市环境空气质量预报数据, 但针对城市空气质量预报效果评估, 目前国内尚无国家层面统一的技术规范.《环境空气质量数值预报技术规范》(HJ 1130-2020)涉及到空气质量数值模式的预报评估[1], 但难以适用经人工订正后的城市AQI范围或单项污染物浓度范围的预报评估.相关研究在评估城市空气质量预报效果时, 多围绕模型预报结果开展, 对人工订正的预报结果评估相对较少, 同时评估中采用的评估指标和评估方法也不尽一致[2~10].在缺少统一标尺的情况下, 不同城市围绕预报准确率的评估结果缺乏可比性, 难以客观反映全国城市业务预报总体水平.

有别于国外AQI单值和空气质量单级别预报[11~13], 我国城市空气质量采用AQI范围、空气质量级别范围和单项污染物浓度范围的预报形式, 虽然有城市AQI预报范围幅度的建议性研究[14, 15], 但国家层面对各项预报指标的范围大小无强制性规定, 各地对同一指标的预报范围跨度存在较大差异, 这也成为统一评估全国城市预报效果的难度之一.为使预报评估基于同一标准, 同时参照国外单值预报方式, 近两年在对全国所有城市AQI预报统一评估方面逐步达成一定共识, 即首先提取各城市AQI范围预报的中值(范围上限和下限的平均值), 对中值上下浮动一定数值或比例, 得到浮动后的AQI范围及其对应的AQI级别范围预报结果, 分别评估其与实况AQI值和AQI级别的相符程度[16].提取AQI中值的目的是促进AQI预报值向实况值不断逼近, 围绕中值开展AQI预报评估有望成为提升预报准确率的重要手段.

采用上述方法评估城市AQI预报效果时发现, AQI级别预报准确率明显高于AQI范围预报准确率, 相对来说, AQI范围预报评估较为严格, 尤其是对于AQI低值区间; 而AQI级别预报评估又略显宽松, 以AQI中值上下浮动20%为例, 当中值处于168~188时, 浮动后的空气质量级别范围会跨越轻度污染、中度污染和重度污染这3个级别; 此外两项评估指标的预报准确率常常出现趋势不一致的情况.目前基于环境空气质量6个级别[17]开展预报评估已稍显笼统, 针对性有所不足.为满足我国日益精细化的空气质量管理需求, 本文参照英国DAQI划分10级的方式[18, 19], 尝试将我国AQI的6个级别进一步细化为12个“半级别”, 以“2+26”城市2020年每日AQI预报、PM2.5浓度和O3-8h浓度预报为例, 评估中值AQI(或IAQI)与实况值分别对应的半级别数的相符程度, 基于不同方法的评估结果对比, 探讨半级别预报评估方法应用的可行性, 以期为科学评估城市空气质量预报效果、助力提升城市预报能力提供借鉴.

1 材料与方法 1.1 数据来源

“2+26”城市每日AQI、PM2.5浓度和O3-8h浓度等环境空气质量实况数据均来自中国环境监测总站国家环境空气质量监测网的发布数据.城市每日AQI范围预报、PM2.5浓度和O3-8h浓度范围预报信息均来自各城市在全国空气质量预报联网信息发布管理平台的填报结果.其中, AQI范围和PM2.5浓度范围预报评估时段为2020年全年(4月26日北京PM2.5浓度预报数据缺失), 考虑到各城市自2020年5月初开始开展O3-8h浓度范围预报, 选取京津冀及周边区域臭氧污染高发的6~9月作为O3-8h浓度范围预报评估时段(8月13日山东7个城市O3-8h浓度预报数据缺失).参与评估的预报结果均为各城市24 h(即未来1 d)预报结果.

1.2 分析方法 1.2.1 半级别划分

将英国DAQI分级中涉及到的PM2.5、PM10、O3、NO2和SO2共5种污染物规定时段的平均浓度限值与我国AQI分级中对应污染物的相同或类似时段的平均浓度限值相对比(表 1)[17~19], 发现相对于英国10个DAQI分级所规定的污染物浓度区间, 我国6个AQI分级对应的污染物浓度区间明显较为宽泛, 例如我国PM2.5单项污染物1~2级(优至良)对应的1~75 μg·m-3的浓度区间可覆盖英国1~10的DAQI级别, 我国O3单项污染物1~3级(优至轻度污染)对应的0~215 μg·m-3的浓度区间相当于英国1~8级所对应浓度范围.各国在划分空气质量级别时综合考虑了各项污染物的当前浓度水平, 近年来我国空气质量的总体改善, 严重污染、重度污染等高浓度污染事件出现频率明显减少[20~23], 未来大气污染管控有必要向侧重于较低污染物浓度区间的精细化管理方向发展, 因此尝试在目前城市空气质量预报评估中引入“半级别”的概念, 将我国目前6个空气质量级别分别“对半”细化为12个半级别(表 2), 以此为基础探索开展城市预报效果评估.

表 1 我国AQI和英国DAQI分级及对应的污染物浓度限值1)/ μg·m-3 Table 1 Classification of AQI in China and UK DAQI and their limit values of pollutant concentrations/μg·m-3

表 2 空气质量指数12个半级别划分 Table 2 Division of 12 half-levels of AQI

1.2.2 评估指标及方法

首先采用AQI半级别预报、以及目前预报部门常用的AQI范围和AQI级别范围共3项评估指标对比分析2020年“2+26”城市AQI、PM2.5和O3-8h浓度整体预报效果, 再重点基于半级别方法评估城市预报效果的时空特征.具体评估指标和方法如下.

(1) AQI半级别预报评估参照英国DAQI预报评估方法, 当预报DAQI与实况DAQI级别相差不超过1个级别时, 则记为预报准确[24, 25].类似地, 将“2+26”城市AQI范围预报中值和当日实况AQI分别对应的半级别数相比较, 若两者半级别数相差不超过1(例如实况半级别为5级, 预报中值为4、5和6级, 或预报中值半级别为5级, 实况为4、5和6级), 则为预报准确, 否则为预报偏高或偏低.其中当预报中值和实况半级别数一致时, 记为“完全准确”, 当两者半级别数相差1时, 记为“基本准确”.

(2) AQI范围预报评估当AQI预报中值小于等于50(优级)时, 对中值上下浮动10(下限数值大于等于0), 当AQI预报中值超过50时, 对中值上下浮动20%, 得到浮动后的AQI预报范围(向上取整), 若实况AQI落入浮动AQI预报范围内, 则记为预报准确, 否则为预报偏高或偏低.

(3) AQI级别范围预报评估若实况空气质量级别落入浮动AQI预报范围对应的级别预报范围内(可能为单级别或跨级别), 则记为预报准确, 否则为预报偏高或偏低.

对于PM2.5和O3-8h浓度范围预报, 同样取浓度范围中值, 按照《环境空气质量指数(AQI)技术规定(试行)》(HJ 633-2012)将其换算为对应的IAQI, 参照上述AQI预报评估指标和方法进行统一评估.

2 结果与分析 2.1 多指标预报评估对比

对比3种不同指标下2020年“2+26”城市AQI、PM2.5和O3-8h浓度预报效果发现(图 1), 各项目AQI(IAQI)半级别预报准确率均高于AQI(IAQI)范围预报准确率, 且低于AQI(IAQI)级别范围预报准确率, 偏高率和偏低率同理.三项指标偏高率和偏低率的趋势表现一致, 预报偏差均以偏高为主.相对来说, “2+26”城市AQI和O3-8h浓度预报效果相当, 均明显优于PM2.5浓度预报效果.总体上, 半级别预报评估与级别范围预报评估结果的相符程度较高, 与AQI(IAQI)范围预报评估结果相差较大, 在PM2.5浓度预报上表现尤为明显.采用IAQI范围指标评估时, PM2.5浓度预报准确率仅为33.8%, 偏高预报占到一半以上(53.0%); 采用IAQI半级别评估时, 预报准确率提升至58.0%, 偏高率和偏低率均有明显下降, 在由IAQI范围预报不准确转成IAQI半级别预报准确的天次中(占总天次的28.6%), 有84.2%发生在空气质量优良级别, 而由IAQI范围预报准确转成IAQI半级别预报不准确的天次中(占总天次的4.4%), 轻度污染至中度污染级别占到68.8%.由此可见, 采用半级别指标评估可在一定程度上避免优良级别AQI(IAQI)浮动范围偏小导致预报不准, 高污染级别浮动范围过大导致预报准确率虚高的问题, 对不同空气质量水平预报结果能够赋予相对公平的评估区间, 可探索性应用于城市业务预报评估中.

图 1 不同指标下2020年“2+26”城市AQI、PM2.5和O3-8h浓度预报效果对比 Fig. 1 Comparison of forecasting effects of AQI, PM2.5, and O3-8h concentration in "2+26" cities during 2020 using different indicators

2.2 不同级别预报评估

基于半级别评估方法, 对2020年“2+26”城市在12个空气质量半级别下的AQI、PM2.5和O3-8h浓度预报效果进行对比分析(图 2).结果显示, AQI、PM2.5和O3-8h浓度预报准确率在不同空气质量半级别下存在一定波动.具体来看, “2+26”城市PM2.5浓度在半级别1(优上)~3(良上)的占比高达82.1%, 除去半级别11和12偶发情况外, PM2.5浓度预报准确率变化相对平缓, 在35.7%~70.2%之间, 不同级别预报准确率基本上呈小幅度升降交替; AQI和O3-8h浓度绝大多数集中于半级别2(优下)~6(轻下)之间(总占比均超过90.0%), 预报准确率随不同级别波动明显, 总体上呈现先升后降的趋势, AQI和O3-8h浓度预报准确率最高值分别出现在半级别4(85.8%)和半级别5(92.5%), 对低段级别和高段级别的预报效果明显差于中段级别. AQI、PM2.5和O3-8h浓度预报完全准确的情况在全部准确中的占比分别为41.8%、31.0%和40.1%, 三者不同级别预报完全准确占比普遍低于50.0%.

各级别下括号内数字为该级别出现的天次数 图 2 不同空气质量半级别下的AQI、PM2.5和O3-8h浓度预报效果对比 Fig. 2 Comparison of AQI, PM2.5, and O3-8h concentration forecasting effects in different air quality half-levels

AQI、PM2.5和O3-8h浓度预报偏差均呈现出低段级别以偏高预报为主、高段级别以偏低预报为主的总体趋势, 其中, 三者预报偏低率超过偏高率的转折级别分别为半级别6(轻下)、半级别7(中上)和半级别5(轻上), 反映出“2+26”城市在优良水平或临界污染预报时, 容易有偏高倾向, 对较好空气质量预报缺乏一定信心, 而在较高污染级别显著的偏低率则反映出高值漏报情况较为普遍.

2.3 不同时段预报评估

2020年“2+26”城市AQI、PM2.5和O3-8h浓度逐月半级别预报评估结果显示(图 3), AQI预报准确率月变化曲线呈“双峰型”, 峰值分别为4月的93.0%和10月的88.8%, 其完全准确占比也相对最高(47.6%和47.7%).1、2、6、11和12月的预报准确率均低于80.0%, 受区域秋冬季PM2.5和夏季O3污染高发影响, 其对应的AQI月均值也相对较高, 其中1月AQI均值最高(155), 预报准确率为最低(55.2%); 除1、4和9月预报偏低率高于偏高率或相当外, 其他月份预报偏差均以偏高为主, 2月偏高情况尤为显著.

各月下括号内数字为该月AQI、PM2.5和O3-8h浓度均值, 浓度单位为μg·m-3 图 3 AQI、PM2.5和O3-8h浓度逐月预报效果对比 Fig. 3 Comparison of forecasting effects of AQI, PM2.5, and O3-8h concentration each month

PM2.5浓度预报准确率月变化曲线基本呈先升后降的趋势, 8月预报准确率最高(76.4%), 1、2和12月PM2.5污染频发时段的预报准确率相对最低(36.8%~43.8%), 各月“完全准确”在预报准确中的占比相较于AQI预报明显偏低, 其中有7个月份完全准确占比低于30.0%.各月预报偏差的共同特点是偏高率占绝对主导, 3~10月偏低率几乎为零, 反映出为减少秋冬季PM2.5浓度高值漏报, 城市预报有明显“从重”倾向, 而在PM2.5浓度较低月份, 对PM2.5浓度改善程度估计不足, 偏高倾向未得到以及时纠正, 导致预报偏高率同样显著.

6~9月O3-8h浓度预报准确率变化平缓, 在72.4%~79.5%之间小幅波动, 其中6月O3-8h浓度最高(174 μg·m-3), 预报准确率最低, 每月完全准确占比均在40.0%左右.各月预报偏差均以偏高为主, 7月和8月预报偏高相对明显.总体上, 在区域夏季O3污染高发时段, 城市O3-8h浓度预报准确率较高, 且相对稳定, 能够较好预测O3浓度水平及变化趋势.

2.4 不同城市预报评估

2020年“2+26”城市AQI、PM2.5和O3-8h浓度半级别预报效果对比显示(图 4), 不同城市AQI预报准确率差距较小, 在70.5%(保定)~85.8%(北京)之间, 北京AQI预报完全准确率(48.6%)和完全准确占比(56.7%)均为最高值, 其他城市预报完全准确占比均低于50%.在预报偏差上, 天津偏高率和偏低率相当, 濮阳、淄博、焦作和安阳这4个城市偏低率高于偏高率, 其他城市预报偏差均以偏高为主, 总体上, AQI预报准确率较低的城市偏高率普遍较为显著.

图 4 “2+26”城市AQI、PM2.5和O3-8h浓度预报效果对比 Fig. 4 Comparison of forecasting effects of AQI, PM2.5, and O3-8h concentration "2+26" cities

不同城市PM2.5浓度预报准确率相差较大, 鹤壁预报准确率最高(80.6%), 有9个城市预报准确率高于70.0%, 其他城市预报准确率明显下降, 菏泽预报准确率最低(39.1%), 各城市预报完全准确占比普遍较低, 均未超过40.0%.“2+26”城市PM2.5浓度预报的偏高率均显著高于偏低率, 预报准确率后10位城市的偏高率甚至超过了准确率, 预报偏高情况均占到全年预报的一半以上.

不同城市O3-8h浓度预报准确率差距相对较小, 在65.3%(滨州)~85.2%(开封)之间, 除淄博、安阳、济南和郑州等个别城市偏低率高于偏高率或相当外, 其他城市预报偏差均以偏高为主.各城市O3-8h浓度预报准确率和完全准确占比普遍高于PM2.5浓度预报.

从各省和直辖市总体情况来看(表 3), 在AQI预报上, 北京和天津预报准确率高于周边省份, 河北AQI预报准确率最低, 天津、北京和河南的预报高低偏差相对均衡, 河北、山西和山东预报偏差以偏高为主.在污染物浓度预报上, 北京和河南PM2.5和O3-8h浓度预报准确率相对最高, 山东PM2.5和O3-8h浓度预报准确率均为最低, 各省和直辖市两项污染物浓度预报偏差均以偏高为主, 河北、山东和山西偏高倾向更为明显.

表 3 各省和直辖市AQI、PM2.5和O3-8h浓度预报效果对比1)/% Table 3 Comparison of forecasting effects of AQI, PM2.5, and O3-8h concentration in provinces and municipalities directly under the central government/%

3 讨论

我国城市空气质量采用范围预报的形式, 相较于美国、英国等单值或单级别预报, 从预报信息发布形式上就决定了国内在开展预报评估时需要考虑更多因素.国际上常用的基于统计指标(例如相关系数、平均偏差、均方根误差等)单纯比较预报值和实况值的方式, 难以满足我国城市范围预报的评估需求.相对来说, 我国城市预报评估指标更加多样化, 从与预报信息直接匹配、最为基础的AQI范围预报评估和AQI级别范围预报评估, 扩展到为趋近于国外单级别预报而采用的AQI范围中值级别预报评估, 以及参照美国常用的污染物浓度限值预报准确率(faction correct)指标[26], 逐步开展的超标限值预报评估等.同时, 与国内气象部门预报效果检验常用的TS评分对比, 该方法重点关注的是降水“点对点”是否发生的命中情况[27, 28], 但难以给出降水带位置、范围和强度等偏差的判断, 而国内多数空气质量预报评估指标能够同时统计预报准确率、偏高率和偏低率, 可全面评估预报偏差倾向和偏差程度.

本研究所采用的基于半级别的预报评估方法, 在结合我国实际的基础上, 借鉴英国空气质量分级和级别预报评估经验, 首先通过提取AQI范围预报中值的方式向单值预报靠近, 其次通过细化空气质量级别的方式加严级别范围预报评估, 聚焦预报偏差较大的具体AQI区间, 有利于更有针对性地提高空气质量预报效果, 具有一定的可行性和操作性.同时, 本方法以国内空气质量分级标准和城市原始空气质量预报结果为基础, 能够客观反映城市预报准确率的高低和预报偏差倾向, 在不同区域空间范围和不同时间尺度均具有一定的普适性.但方法也存在一定局限性, 与英国评估方法不同的是, 此处的“半级别”属于一个新概念, 与国内空气质量分级标准并非一一对应, 即便较易理解, 但在实际应用中, 预报员仍需要一定时间去接受和熟悉.

不同预报评估指标各有侧重点, 为综合体现整体预报效果, 后续可根据各阶段管理需求, 在考虑城市空气质量稳定性和波动程度等对预报难度存在不同影响的前提下, 对筛选的主要评估指标适当赋予不同权重, 研究形成一套面向管理需求的综合性预报评估方法体系.

4 结论

(1) 通过3种不同指标对2020年“2+26”城市AQI、PM2.5和O3-8h浓度预报效果评估发现, 基于空气质量半级别方法的预报评估能够将目前常用的AQI范围预报和AQI级别范围预报评估兼容合一, 级别细化也更有利于支撑空气质量精细化管理, 其在城市业务预报评估中具有一定的应用价值.

(2)“2+26”城市AQI和O3-8h浓度半级别预报准确率随不同级别波动明显, 对低段级别和高段级别的预报效果明显差于中段级别, PM2.5浓度半级别预报准确率随级别变化相对平缓, 三者预报偏差均呈现出低段级别以偏高预报为主、高段级别以偏低预报为主的总体趋势.

(3)“2+26”城市AQI半级别预报准确率月变化曲线呈“双峰型”, 在区域秋冬季PM2.5和夏季O3污染高发月份预报准确率相对较低, PM2.5浓度预报准确率随月份基本呈先升后降趋势, O3-8h浓度预报准确率变化较为平缓, 三者预报偏差以偏高为主, PM2.5浓度各月预报偏高率均占绝对主导.

(4) 不同城市AQI和O3-8h浓度半级别预报准确率差距相对较小, PM2.5浓度预报准确率波动较大; 北京和天津AQI预报准确率高于周边省份, 北京和河南PM2.5和O3-8h浓度效果相对最好.

参考文献
[1] HJ 1130-2020, 环境空气质量数值预报技术规范[S].
[2] 高愈霄, 汪巍, 黄永海, 等. 基于神经网络和数值模型的重点区域PM2.5预报比较分析[J]. 环境科学, 2022, 43(2): 663-674.
Gao Y X, Wang W, Huang Y H, et al. Comparison and analysis of PM2.5 forecast in key areas based on neural network model and numerical model[J]. Environmental Science, 2022, 43(2): 663-674.
[3] 芦华, 谢旻, 吴钲, 等. 基于机器学习的成渝地区空气质量数值预报PM2.5订正方法研究[J]. 环境科学学报, 2020, 40(12): 4419-4431.
Lu H, Xie M, Wu Z, et al. Adjusting PM2.5 prediction of the numerical air quality forecast model based on machine learning methods in Chengyu region[J]. Acta Scientiae Circumstantiae, 2020, 40(12): 4419-4431.
[4] 徐旗, 吴其重, 李冬青, 等. 北京市城六区2018年空气质量数值预报效果评估[J]. 气候与环境研究, 2020, 25(6): 616-624.
Xu Q, Wu Q Z, Li D Q, et al. Assessment of the air quality numerical forecast in the main district of Beijing (2018)[J]. Climatic and Environmental Research, 2020, 25(6): 616-624.
[5] 周广强, 瞿元昊, 余钟奇. 长江三角洲城市臭氧数值预报与释用[J]. 中国环境科学, 2021, 41(1): 28-36.
Zhou G Q, Qu Y H, Yu Z Q. Numerical forecast and improvement of ozone over YRD cities[J]. China Environmental Science, 2021, 41(1): 28-36. DOI:10.3969/j.issn.1000-6923.2021.01.004
[6] 朱媛媛, 高愈霄, 刘冰, 等. 京津冀秋冬季PM2.5污染概况和预报结果评估[J]. 环境科学, 2019, 40(12): 5191-5201.
Zhu Y Y, Gao Y X, Liu B, et al. Concentration characteristics and assessment of model-predicted results of PM2.5 in the Beijing-Tianjin-Hebei region in autumn and winter[J]. Environmental Science, 2019, 40(12): 5191-5201.
[7] 杨关盈, 石春娥, 邓学良, 等. 多模式集成方法在安徽地区PM2.5预报中的应用研究[J]. 环境科学学报, 2021, 41(3): 806-816.
Yang G Y, Shi C E, Deng X L, et al. Application study of multi-mode integration method in PM2.5 forecast in Anhui Province[J]. Acta Scientiae Circumstantiae, 2021, 41(3): 806-816.
[8] 胡鸣, 赵倩彪, 伏晴艳. 上海环境空气质量预报考核评分方法研究和应用[J]. 中国环境监测, 2015, 31(4): 54-57.
Hu M, Zhao Q B, Fu Q Y. Study on the method of environmental air quality forecast assessment score and application in Shanghai[J]. Environmental Monitoring in China, 2015, 31(4): 54-57. DOI:10.3969/j.issn.1002-6002.2015.04.009
[9] 曹凯, 唐晓, 孔磊, 等. 京津冀及其周边地区"2+26"城市PM2.5的蒙特卡罗集合预报试验[J]. 气候与环境研究, 2021, 26(2): 182-191.
Cao K, Tang X, Kong L, et al. Monte Carlo ensemble forecast experiment of PM2.5 in "2+26" cities in Beijing-Tianjin-Hebei[J]. Climatic and Environmental Research, 2021, 26(2): 182-191.
[10] 李冬青, 吴其重, 徐旗, 等. 不同分辨率CMAQ模式系统对北京PM2.5预报效果研究[J]. 环境科学学报, 2020, 40(5): 1587-1593.
Li D Q, Wu Q Z, Xu Q, et al. Study on the model performance of different resolution CMAQ Model System on Beijing PM2.5 forecast[J]. Acta Scientiae Circumstantiae, 2020, 40(5): 1587-1593.
[11] Department for Environment Food & Rural Affairs. Air pollution forecast map[EB/OL]. https://uk-air.defra.gov.uk/forecasting, 2021-09-01.
[12] AirNow[EB/OL]. https://www.airnow.gov/state/?name=alabama, 2021-09-01.
[13] Government of Canada. Toronto-air quality health index[EB/OL]. https://weather.gc.ca/airquality/pages/onaq-001_e.html, 2021-09-01.
[14] 王晓彦, 陈佳, 朱莉莉, 等. 城市环境空气质量指数范围预报方法初探[J]. 中国环境监测, 2015, 31(6): 139-142.
Wang X Y, Chen J, Zhu L L, et al. Discussion on the methods of urban ambient air quality index range forecasting[J]. Environmental Monitoring in China, 2015, 31(6): 139-142. DOI:10.3969/j.issn.1002-6002.2015.06.028
[15] 中国环境监测总站. 环境空气质量预报成效评估方法技术指南[M]. 北京: 中国环境出版集团, 2018.
[16] 中国环境监测总站. 关于印发《城市环境空气质量指数(AQI)预报评估技术规定(暂行)》和《区域环境空气质量预报评估技术规定(暂行)》的通知, 总站预报字〔2020〕549号[Z]. 2020.
[17] HJ 633-2012, 环境空气质量指数(AQI)技术规定(试行)[S].
[18] Department for Environment Food & Rural Affairs. Daily air quality index[EB/OL]. https://uk-air.defra.gov.uk/air-pollution/daqi?view=more-info, 2021-09-01.
[19] Ayres J, Smallbone K, Holgate S, et al. Review of the UK air quality index[R]. Brighton: University of Brighton, 2011.
[20] 中华人民共和国生态环境部. 2020中国生态环境状况公报[R]. 北京: 中华人民共和国生态环境部, 2021.
[21] 孙峰, 姚欢, 刘保献, 等. 2013—2019年京津冀及周边地区PM2.5重污染特征[J]. 中国环境监测, 2021, 37(4): 46-53.
Sun F, Yao H, Liu B X, et al. Characteristics of PM2.5 heavy pollution in Beijing-Tianjin-Hebei and surrounding areas from 2013 to 2019[J]. Environmental Monitoring in China, 2021, 37(4): 46-53.
[22] 党莹, 张小玲, 饶晓琴, 等. 北京与成都大气污染特征及空气质量改善效果评估[J]. 环境科学, 2021, 42(8): 3622-3632.
Dang Y, Zhang X L, Rao X Q, et al. Evaluation of air pollution characteristics and air quality improvement effect in Beijing and Chengdu[J]. Environmental Science, 2021, 42(8): 3622-3632.
[23] 张懿华. 长三角地区PM2.5区域性污染时空变化特征[J]. 环境科学研究, 2022, 32(1): 1-10.
Zhang Y H. Spatial-temporal characteristics of PM2.5regional pollution in the Yangtze River Delta region[J]. Research of Environmental Sciences, 2022, 32(1): 1-10.
[24] Griffin A. UK air quality forecasting: annual report 2011[R]. Harwell: Ricardo-AEA, 2013.
[25] Griffin A, Fraser A. UK air quality forecasting: annual report 2012[R]. Harwell: Ricardo-AEA, 2013.
[26] Lee P, McQueen J, Stajner I, et al. NAQFC developmental forecast guidance for fine particulate matter (PM2.5)[J]. Weather and Forecasting, 2017, 32(1): 343-360. DOI:10.1175/WAF-D-15-0163.1
[27] 刘凑华, 牛若芸. 基于目标的降水检验方法及应用[J]. 气象, 2013, 39(6): 681-690.
Liu C H, Niu R Y. Object-based precipitation verification method and its application[J]. Meteorological Monthly, 2013, 39(6): 681-690.
[28] 盛春岩, 曲巧娜, 范苏丹, 等. 基于目标对象的数值模式区域降水预报选优方法[J]. 气象, 2021, 47(10): 1206-1218.
Sheng C Y, Qu Q N, Fan S D, et al. Object-oriented selection method of numerical model regional precipitation forecast[J]. Meteorological Monthly, 2021, 47(10): 1206-1218.