基于极端随机树方法的WRF-CMAQ-MOS模型研究

• 作者: 王体健 陈报章 马超群 黄丛吾
• 来源期刊: 气象学报
• 学科: 地球科学
• 关键词: 多尺度空气质量模型(CMAQ) WRF 极端随机树 CMAQ-MOS模型
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 论文
• 页码范围: 779-789
• 页数: 11页
• 分类号: P456
• 字数: 5385字
• 语种: 中文

摘要

随着城市化、工业化的快速发展,空气污染已经成为了公众最关注的问题之一.为了提高空气质量预报的准确度,以多尺度空气质量模型(Community Multi-Scale Air Quality,CMAQ)为工具,结合中尺度WRF(Weather Research and Fore-cast Model)气象预报数据、气象观测数据、污染物浓度观测数据,基于极端随机树方法建立了WRF-CMAQ-MOS(Weather Research and Forecast Model-Community Multi-Scale Air Quality-Model Output Statistics)统计修正模型.结果表明,结合WRF气象预报的CMAQ-MOS方法明显修正了由于模型非客观性产生的模式预报偏差,提高了预报效果.使用线性回归方法不能获得较好的优化效果,选取极端随机树方法和梯度提升回归树方法对模型进行改进和比较,发现极端随机树方法对结合WRF气象要素的CMAQ-MOS模型有较大的提升.针对徐州地区空气质量预报,进一步使用基于极端随机树方法的WRF-CMAQ-MOS模型对2016年1、2、3月的空气质量指数(AQI)及PM2.5、PM10、NO2、SO2、O3、CO六种污染物优化试验进行验证,发现优化效果最为明显的两种污染物分别是NO2及O3,2016年1、2、3月整体相关系数NO2由0.35升至0.63,O3由0.39升至0.79,均方根误差NO2由0.0346减至0.0243 mg/m3,O3由0.0447减至0.0367 mg/m3.文中发展的WRF-CMAQ-MOS统计修正模型可以有效提升预报精度,在空气质量预报中具有很好的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王体健	南京大学大气科学学院	121	2293	28.0	43.0
2	陈报章	中国矿业大学环境与测绘学院	12	69	4.0	8.0
3	黄丛吾	南京大学大气科学学院	2	2	1.0	1.0
4	马超群	南京大学大气科学学院	3	12	2.0	3.0