臭氧數值預報模型綜述

劉 烽，徐怡珊

1.Atmospheric Research Centre, Illinois State Water Survey, University of Illinois at Urbana-Champaign, Illinois 61820 2.南京信息工程大學中國氣象局氣溶膠與云降水重點開放實驗室，江蘇 南京 210044 3.中國環境監測總站，國家環境保護環境監測質量控制重點實驗室，北京 100012

臭氧數值預報模型綜述

劉 烽1，2，徐怡珊3

1.Atmospheric Research Centre, Illinois State Water Survey, University of Illinois at Urbana-Champaign, Illinois 61820 2.南京信息工程大學中國氣象局氣溶膠與云降水重點開放實驗室，江蘇 南京 210044 3.中國環境監測總站，國家環境保護環境監測質量控制重點實驗室，北京 100012

光化學大氣質量模型在研究臭氧(O3)污染以及O3預報方面具有核心作用，是O3污染防治決策者的有力工具。文章結合目前中國及國際區域尺度光化學大氣質量預報模型的研究與應用，重點論述與O3有關的大氣化學過程在數值預報模型中的數學表達和計算方法,闡述大氣物理與大氣化學過程在主流大氣質量數值預報模型中的實現方法及其優勢和缺陷，介紹用于數值預報模型的大氣物理過程和湍流參數化方案的最新進展。就當前O3數值模擬的主要輸入資料進行討論，強調那些易被忽視但又顯著影響模型預報能力和效果的諸多因素以及模型效果評估的重要性。結合O3與復合型大氣污染的關系，強調區域大氣質量數值預報模型的發展趨勢與方向以及在大氣環境管理方面的意義和作用。

近地層臭氧；臭氧預報；空氣質量數值預報模型

近地層臭氧(O3)是非常重要的大氣污染成分之一，超過大氣環境標準水平的高濃度O3嚴重危害人群健康與生態環境。近地層O3屬于二次污染物，是光化學煙霧的主要成因與重要指標，特別是夏季，已經成為世界許多大城市空氣中的首要污染物。中國經濟發達地區的城市O3超標率已高達100%～200%，根據72個監測站的O3觀測資料分析顯示，O3日最大8 h平均質量濃度從2013年的約139.0 μg/m3增至2015年的約150.0 μg/m3，而超標城市從23%增至38%[1-2]。O3作為一種強氧化劑，在諸多對流層化學過程中起重要作用，參與許多有機化合物的分解氧化、SO2和NOx的轉化過程。此外，O3作為一種非常重要的溫室氣體，在氣候變化研究中扮演重要角色。由于O3引發的大氣污染與氣候變化等緊迫環境問題，30多年來對流層O3研究一直受到科學界和環境管理層的重視。尤其是最近十幾年，近地層O3的實時監測與預測研究逐步進入更廣泛更深入的階段。隨著計算機技術的飛速發展，近地層O3預報不但成為環境管理與空氣質量研究的重要手段之一，而且已經列入許多發達國家的大氣環境法規體系，此外，O3預報也是目前中國空前發展的空氣質量預報預警系統的重要組成部分。

一般來講，O3預報模型分為統計預報模型和數值預報模型[3]。為滿足統計預報要求的樣本長度和檢驗要求，建立統計預報模型通常需要足夠長的時間序列樣本資料，由于氣象條件對O3影響的時間尺度，至少以日平均或更長尺度平均濃度為預報因子，因此統計模型在大尺度空間或長時間序列分析方面具有一定優勢[4-11]。但在統計模型的樣本區間內，一般假設前體物的排放是不變的，從而無法對污染物排放削減計劃的環境效益進行定量化評估；此外，O3濃度水平取決于氣象條件和大氣化學反應過程，而且這種依賴關系是高度非線性的，統計模型無法表達這種非線性關系的物理內涵，也因此無法解釋大氣物理過程和大氣化學轉化是如何影響預報結果的。隨著超級計算機技術的飛速發展，基于地球物理流體力學理論的數值預報方法，已經成為當前大氣環境研究和管理的重要手段，本文將重點介紹O3數值預報模型的發展現狀與應用。

1 空氣質量數值模型簡介

空氣質量數值模型自20世紀70年代以來已有數十年的發展歷史，世界各國和地區根據不同需要開發了50多種不同模型，但主要分為三大類：①局地中小尺度的擴散模型， 如美國環保局(USEPA)的法規模型AEROMOD、CALPUFF和英國的ADMS；②受體模型，如CALINE3、CAL3QHC、CAL3QHCR、CTDMPLUS等；③區域大氣光化學模型，如WRF-Chem、CMAQ和CAMx。其中擴散模型和受體模型不包含化學過程，僅僅考慮風輸送和湍流擴散等物理過程，因此無法預測和模擬O3濃度。O3預報事實上是空氣質量數值模型的主要任務之一，這種模型基于大氣動力學、大氣物理、大氣化學以及陸面過程等數學物理方程組的數值求解，可研究和分析O3濃度與排放源、氣象條件、大氣化學成分、干濕沉降及其他要素之間的定量關系，識別污染成因，既可用于歷史污染成因的源解析，也可對未來排放源治理方案與措施的有效性進行評估。空氣質量數值模型目前已成為許多國家大氣環境質量管理的有力工具。中國近年來由于經濟的快速發展，環境問題日益嚴重，尤其是冬季的PM2.5及春、夏季的O3嚴重超標。空氣質量數值模型可以幫助我們定量化識別這些污染過程的來源，從而提出污染控制方案。空氣質量數值模型的最終目的是作為環境保護法規的一部分，為環境管理層和決策者提供改善空氣環境質量的科學依據，以獲得可持續發展。中國目前尚無自主開發的法規模型，既無區域空氣質量模型應用導則也無模型認證制度[12]，因此，發展適合中國環境保護特點和經濟發展型式的大氣環境質量模型及應用體系，勢在必行。

2 O3形成的化學機制與數學表達

O3屬于二次污染物，通過化學轉化生成，大氣化學轉化過程中O3的源和匯由化學機制完成。化學機制是O3數值預報模型中最重要的組成之一，其中化學反應方程、數學表達以及數值計算方法構成了化學機制的基本三要素。

對流層或近地層大氣中NO2的光解是三重態氧原子O(3P)的唯一重要來源：

而O(3P)與O2結合便形成O3：

式中M可以是惰性分子，如N2或O2。顯然這個過程依賴足夠的太陽輻射(hv)。O(3P)與O2結合而產生的O3可立即與NO發生反應：

對潔凈大氣而言，不存在由NO轉化為NO2的其他化學過程，上述反應在日間幾小時內達到一個平衡態：

式中：J1是NO2光解系數；K3是式(3)的反應常數；[X]表示物質X的濃度。O3的濃度取決于NO2與NO的濃度比：

除式(3)外，其他任何由NO轉化為NO2的化學過程，如NO與揮發性有機化合物(VOCs)的反應，都將導致O3的凈增加。由于污染大氣含有大量來自人為排放源和自然排放源的VOCs(如烷烴、烯烴、醛、酮和芳香烴等)，致使大氣化學過程非常復雜。O3的去除或破壞過程中也包含在VOCs系列反應中，而啟動這一系列反應的是羥自由基(OH)的介入。在晴天污染大氣中OH的主要來源有2個：①O3光解后與水汽的快速反應[式(6)、式(7)]；②光解過程和相應的醛、酮的化學反應。以烷烴(RH)與OH反應生成烷基(R)為例：

上述OH的去除過程則形成了O3的匯，OH與NO2化合反應并形成氣態硝酸(HNO3)：

來自式(9)的過氧自由基或羧自由基(RO2)還可與NO2反應形成過氧硝酸鹽(RO2NO2)：

許多過氧硝酸鹽不穩定，因此不能有效去除自由基。穩定的過氧硝酸鹽不但可有效去除過氧自由基并可形成重要的二次污染物。如式(15)生成二次污染物過氧乙酰硝酸鹽(PAN)，R代表乙酰基。過氧自由基之間的反應也可以造成自由基損失， 如超氧化氫自由基的自反應：

作為O3的源和匯，上述反應僅僅是大氣化學中最基本部分，如何全面表達對流層大氣O3的化學體系，計算O3的化學源和匯以及氣溶膠和顆粒物的前體物的影響，一般由化學機制完成。

20世紀50年代，化學機制只有幾個簡單的化學反應，當時也不了解OH的重要性。而當前的化學機制可包含105個量級的化學反應，由英國利茲大學開發的主化學機制(MCM)是目前最為詳盡的大氣化學機制[13-14]，其中包括12 700個化學反應、4 400種化學物質， MCM試圖以顯式化學反應方程表達所有已知的大氣化學反應，其最新版本是MCMv 3.3.1[15]。顯然，MCM直接用于大氣質量模型，巨量的CPU時間將使計算過程變得極其漫長和昂貴，并失去預報的時效意義，此外，某些快速反應無法正確獲得中間產品和反應常數，因此，研究者開發了有許多簡化或壓縮的化學機制，包括簡化的MCM化學機制(如CRIMECH 或CRI)[16-17]，如以碳鏈結構壓縮(lumped structure)的CB-IV、CB05、CB6和CBMZ化學機制；以分子壓縮(molecule lumped)的RADM、RADM2，定義替代物種(surrogate species)或模擬物種(model species)代表一組反應物， 如RACM和ReLACS， 這些化學機制的重要差別就是如何簡化處理VOCs有機化學部分。目前用于區域大氣化學模型和O3模擬的主要大氣光化學機制見表1。由表1可見，WRF-Chem化學機制選項最多，而CAMx 和CMAQ分別僅有3個不同氣態化學機制可供選擇。

表1 用于空氣質量模型的大氣光化學機制

注：“a”表示氣態化學機制且不含氣溶膠化學；“b”表示結構壓縮機制；；“c”表示分子壓縮機制。

STOCKWELL等[28]對空氣質量數值模型中氣態化學機制和對流層化學進行了綜合論述；JIMENEZ等[29]利用箱模型 (box model) 對主要的7種化學機制的化學行為和模擬結果進行了比較，結果表明，這些機制對O3濃度的模擬非常接近，主要差別表現在對HNO3、HO2和PAN的模擬結果。最近，DERWENT等[30]用箱模型對7個化學機制進行敏感性實驗，比較O3產生率對NOx和VOCs削減的響應，發現減少30% NOx會導致OH的減少，而減少30% VOCs會導致OH的增加，但采用不同的化學機制，OH對減少NOx和VOCs的響應比O3敏感，即不同化學機制中的OH對NOx和VOCs的削減響應不同，這將導致有毒有害污染物(包括顆粒物)化學行為和形成過程存在差異。因此，選用不同化學機制，得出的O3控制方案可能會有差別，了解這種差異對決策者非常重要。如果考慮氣溶膠和云化學，可以進一步研究大尺度酸沉降和有機汞沉積等問題。可以看出，化學機制在對流層大氣化學模擬中的重要性和復雜性。

表1所用的化學機制描述O3化學系統的復雜性和反應過程，包括單分子、雙分子和三分子反應，以及相應的一階、二階和三階化學反應速率常數。以[Xi]表示某化學物質Xi的濃度，根據物質守恒原理，其局地變化可用化學反應的產生(源)和去除(匯)表達，即大氣化學動力學方程：

式中：JA為組分A的一階反應常數，s-1；k2與k3表示雙分子、三分子反應的反應速率常數，單位分別為cm3/(mol·s)和 cm6/(mol2·s)； [A]、[B]和[C]表示參與單分子、雙分子和三分子反應物質的摩爾混合比濃度；[M]為空氣數密度, mol/cm3，與氣壓和溫度有關。

化學物質A發生光化學分解的過程：

由于光解反應引起的單分子A的濃度變化可由方程(19)表示：

式中：σX(λ)表示A 的光吸收截面；φi(λ,T,…)表示該光解反應的量子產生率，是紫外光或可見光波長λ和溫度T的函數；I為波長為λ的入射太陽輻射通量。值得注意的是， 吸收截面和量子產生率這2個參數均由實驗獲得，同一光解反應在不同機制中，吸收截面和量子產生率的取值可能相差較大，這2個參數也是確定光化學反應常數的最大誤差來源，如O3濃度預測的不確定性很大程度上受化學反應(1)NO2和HCHO光化學系數的影響[31]。如何使用精確的參數計算光化學反應常數以及其他化學反應系數，除跟進最新大氣化學實驗成果外，需參考國際理論與應用化學聯合會(IUPAC)法國大氣化學動力學數據評估小組(Task Group on Atmospheric Chemical Kinetic Data Evaluation)[32]以及美國噴氣推進實驗室(NASA Jet Propulsion Laboratory)的推薦值[33]。光化學反應常數另外一個誤差來源就是入射太陽輻射通量[34-37]，很大程度上受大氣層中氣溶膠與云的影響，由于氣溶膠單次散射反照率的不確定性和云本身的復雜性，對確定精確的光化學反應常數造成了很大挑戰。北京大學環境模擬與污染控制國家重點聯合實驗室對NO2光解系數進行了有趣的實驗研究[38]，其成果對分析北京地區長期大氣氧化性趨勢和城市O3污染具有重要意義。

式(17)也可以通過化學生產項Pi和損失項L[Xi]表示為

如果有N個化學物質，則有N個這樣的方程組成一個閉合的常微分方程組(ODEs)，有n個化學反應的化學機制，一般n>N。真實大氣環境中的化學反應過程是同時發生的，不同化學物質的生命周期因化學反應的快慢可以相差幾個量級, 因此，這些ODEs的數值解是隨時間變化很快的函數，只在非常短的時間內才會穩定，所以這些ODEs是剛性的[39]。針對大氣化學反應方程的剛性問題[40]，人們已提出多種求解方案以提高計算效率，如QSSA[41]、α-QSS[42]，BDF[43]，隱含Runge Kutta方法[44-46]以及Rosenbrock方法[47-48]。目前廣泛應用于大氣化學模擬的KPP (Kinetic PreProcessor)工具包[49-54]，不但包含表1所列出的常用的化學機制，而且提供上述主流ODEs數值解方案，其開放性功能可允許用戶改進現有的化學機制或自主開發新的化學機制。目前， KPP已經成功植入CMAQ[55-56]，WRF-Chem[57]、GEOS-Chem[58]、ECHAM5/MESSy[59]等大氣化學輸送模型， KPP極大提高了上述模型大氣化學過程的模擬精度和計算效率。盡管研究者在大氣化學機制和ODEs求解方案方面做了大量實驗和理論研究，尋求最佳模擬精度與計算效率的平衡點，在大氣化學輸運模型的運行中，大氣化學動力學的ODEs求解仍占50%～95% 的CPU時間。超級計算機技術的發展，使得計算效率大幅提高，但是隨著人類對大氣化學過程認知的不斷探索，模型中大學化學過程趨于更加復雜，尤其是在氣態化學機制中增加氣溶膠化學過程，通過非均相化學反應過程研究氣態物質與顆粒物之間的轉化。未來將有更多的實驗結果、更復雜的化學機制、更強大的計算機。

3 O3數值預報模型中的物理過程

3.1風輸送過程

O3模擬的時間尺度與平均風場代表的時間尺度有關，一般用小時平均風場計算輸送項，因此，獲取的O3濃度場以小時濃度為最基本時間尺度，由于風速與風向變化引起的下風向O3濃度場變化最為顯著，風場資料的可靠性對O3模擬準確性和精度起著關鍵作用。然而，風的變化不但發生在所有時間尺度，而且大氣動量通量的高度非線性特征，基于半經驗理論的次網格尺度湍流參數化具有極大的不確定性，這是長久以來在風預測和模擬領域所面臨的難題，目前所有的區域氣象數值預報模型在小時和更短時間尺度上的風預測水平未見大的改進。折中的方案就是利用觀測資料的四維同化技術調整初始場，強迫模型的預測結果更趨于觀測事實，對中長期預報而言，由于非線性系統對初始值的敏感性，低預報準確率可能為基于預測結果的決策帶來風險。因此，根據空氣質量預報的時間尺度要求，基于天氣預報獲得大氣參數的大氣質量預報，僅限于短期(如3 d以內)預報為宜。

3.2湍流傳輸和湍流擴散過程

為描述大氣湍流過程對O3或其他標量物質空間分布的影響，需要對次網格湍流通量進行參數化，參數化以后派生1個或多個系數，通常稱湍流交換系數，把所有未知的湍流物理過程都人為地放入該參數，計算湍流交換系數的變量由氣象資料或氣象模型提供，最新版本的WRF3.9中含有13個不同的邊界層參數化方案供用戶選擇，在湍流閉合方案的選擇時，最好保證氣象模型和空氣質量模型的一致性。

湍流交換系數是否與湍流擴散物質本身有關，至今沒有令人信服的結論[60]。除了湍流動量通量系數，人們假設所有標量物質通量(如水汽通量、熱量通量、污染物通量等)參數化后的湍流交換系數是相同的，由于缺乏湍流的確定性理論，通過半經驗的湍流通量參數化方案計算湍流擴散作用，因污染物湍流通量極難觀測而使其驗證變得非常困難，湍流通量參數化方案引起的不確定性必然存在。最初的湍流參數化方案基于一階渦黏性理論(即K理論)，用來表示次網格湍流擴散和混合過程，K理論屬于局地湍流閉合方案，只能處理標量物質網格與網格之間的傳輸，這種“弱交換過程”可以成功描述水平湍流擴散和弱湍流交換過程[61-63]，但在具有強烈垂直熱力湍流交換的對流混合邊界層往往失敗，因為它不能夠描述跨多網格的大尺度湍渦的交換過程[25]，因此，人們提出非局地湍流通量參數化方案(如YSU、ACM2)，雖然這些方案大多是基于K理論的修正和改造，但是非局地湍流方案的確改善了垂直湍流交換過程的描述,尤其適用于具有強烈垂直交換的熱力對流邊界層(CBL)[64-65]，采用不同的湍流變化方案，O3模擬結果差異顯著，而且對NOx和VOCs排放的敏感性不同[66]，盡管不同方案得到的大氣邊界層特征差異顯著，尤其在邊界層高度(PBL height)方面差異巨大，但除O3外，對氣溶膠和PM2.5的模擬，YSU等非局地方案同樣顯示其優勢[67]。合理的大氣邊界層湍流物理過程是準確模擬地面O3濃度和其他空氣污染物的關鍵，具有普適性的湍流參數化方案是大氣邊界層科學領域的發展方向。

3.3干濕沉降去除過程

（一）經濟平穩增長。2005年以來德國經濟逐漸向好，其中，2006年經濟增速達3.7%，為自1991年以來最高水平。金融危機后德國經濟率先復蘇，2010年經濟增速達4.08%，成為歐元區經濟“領頭羊”。2012年歐債危機爆發后，德國經濟增速短時下滑，但仍高于歐盟其他發達國家。2017年德國GDP增長2.2%，創2011年以來最高水平。

干沉降為大氣質量模型提供了底邊界條件，是地面對近地層大氣中污染物的捕獲過程，強烈受季節和下墊面性質影響。許多污染物通過干沉降而從大氣中去除，干沉降作為O3的一個匯，是O3從大氣中被去除的一個重要過程，O3的干沉降過程不可逆，為單向沉降。由于干沉降與下墊面性質有關，所以大范圍氣態污染物的干沉降觀測非常困難。干沉降與近地層湍流通量有關，因而一般也用梯度-通量關系進行參數化，在模型中與模型最低層的湍流擴散結合在一起隱性求解。WESELY等[68]提出的干沉降參數化方法目前已用于許多空氣質量模型，其中的空氣動力學阻力系數ra、準層流副層阻力系數rb和下墊面阻力系數rc等受地表覆蓋、植被、地表粗糙度、摩擦速度、太陽輻射強度、溫度、相對濕度和土壤含水量等因素的影響，由經驗公式計算。另一用于CAMx模型的干沉降過程是將植被對氣態物質的捕獲與葉面積指數(LAI)結合，由于LAI可由衛星資料獲得，使得干沉降速率的計算更直接，用于加拿大空氣質量的日預報，經過與O3和SO2通量觀測結果比較，具有一定的精度[69]。CMAQ模型中，提供一個地面過程模型(LSM) 與熱量通量、水汽通量以及化學物質的干沉降耦合模塊[70]，干沉降計算所用的參數均來自氣象模型，其優點是地面過程和邊界層特征在空氣質量模型中與氣象模型具有一致性。

濕沉降是由云的掃并和降水洗出造成的，也是大氣獲得凈化的有效途徑，氣態污染物被云、雨、霧滴吸收和捕獲，以及在液滴表面發生的異相化學反應而被去除的過程均為濕沉降。由于O3易溶于水，云霧降水很容易將O3去除，因而大多數O3空氣質量模型對濕沉降過程要求不高，此外，對氣象模型而言，云和降水預報仍屬難題，尤其是對小尺度降水量和降水位置預報包含極大的不確定性，由此獲得的濕沉降可能引起O3預報的極大誤差。但考慮氣態污染物與氣溶膠的化學轉化、二次氣溶膠的形成以及氣溶膠與細顆粒對云霧里物理過程的影響，模型中的濕過程不可或缺。

4 離線和在線耦合大氣化學模型

就獲得氣象信息的方式，空氣質量模型分為離線模型和在線耦合模型2種基本類型。

離線模型用獨立氣象預報模型的運行結果(如風、溫、濕、氣壓，水汽、熱通量以及輻射等物理量的同步預報值)驅動空氣質量模型，這類模型如CMAQ、CAMx、全球大氣化學輸運模型MOZART等[71]，不能實現氣象與空氣污染過程的互反饋機制，但計算資源要求低，運行時間短。

在線耦合模型，顧名思義就是將氣象模型與空氣質量模型耦合在一起，在一個積分步長內和同一個網格點上同時求解大氣物理與大氣化學控制方程組，實現氣象條件與空氣污染物過程的相互作用機制，例如，預報的O3濃度場會影響下一步的輻射過程，隨輻射變化引起的溫度、壓力與風等的變化會影響下一步的O3濃度場，所以這種耦合是雙向的，但計算昂貴，CPU時間長。這類模型包括區域大氣化學輸運模型WRF-Chem、區域空氣質量模型WRF-CMAQ、全球大氣化學輸運模型GEOS-Chem以及CAM-chem[72]等。在線耦合模型符合“一個大氣”原則，與實際大氣過程相一致，能夠實現多過程、多尺度之間的反饋和相互作用，因此，該類模型是空氣質量預報模型或大氣化學輸運模型的發展趨勢和方向。中國科學院大氣物理研究所開發的NAQPMS (Nested Air Quality Modeling System) 模型[73]屬于在線耦合模型，最初旨在研究沙塵輸送與顆粒物污染過程，經過30年發展和完善，目前可用于顆粒物和O3的模擬研究與預報[74-75]，而且在中國北京、上海等多個城市和地區用于實施空氣質量實時預報[76]，但該模型的氣象模塊是基于MM5[77]中尺度天氣預報系統, 而MM5目前已被WRF完全取代。

5 O3預報模型的輸入資料

5.1靜態或慢變化地理資料

氣象模型或耦合模型中的氣象模塊，在模擬地面物理過程(如動量、感熱、潛熱、水汽通量、生物排放等)需要輸入地理資料，包括地形，水陸邊界等靜態資料以及植被、葉面積指數(LAI)、土壤覆蓋，土壤含水量、地面反照度等慢變化(如季節或年變化)資料，這些資料大部分由衛星反演資料生成(如MODIS資料[78])，在不同地理位置具有不同的時空分辨率。模型分辨率的確定，首先需要考慮模擬區域是否可以獲得與之匹配的下墊面資料，高分辨率模擬需要有高分辨率地理資料作支撐，WRF模型系統附帶比較完整的地理輸入資料[79]，如最新版本的WRF3.9附有高分辨率的全球地形和土壤類型資料(1～20 km)，高分辨率MODIS LAI資料(1～20 km)，高分辨率地面覆蓋資料MODIS (0.5～1 km)，但MODIS地面覆蓋資料大多數是美國地質調查局(USGS)20世紀70年代的資料，不能反映快速發展地區和城市的現狀；而WRF提供的NLCD(National Land Cover Database)資料，包括NCLD2006, NLCD 2011(0.3～1 km)[80-81]，僅覆蓋美國本土。這些地理資料尤其對城市高分辨率模擬非常重要，應根據模擬區域的具體情況進行更新和修訂，以保證模型能夠再現正確的地面過程。有關氣象和空氣質量模擬對地理輸入資料的質量要求和敏感性研究，中國鮮有報道， 但地理輸入資料是實現O3模擬的關鍵一環。完善和提高中國地理網格資料庫的精度和分辨率將是一個長期而艱巨的任務，無疑對提高氣象、空氣質量模擬以及O3的數值預報可靠性具有深遠意義。

5.2初始和邊界條件

氣象模型的初始化和邊界條件較大氣化學模型更容易獲得，如NCAR GRIB資料、NOAA/NCEP 實時資料、ECMWF全球資料、NCEP NOMADS GRIB 資料以及用于四維資料同化的觀測資料等，具體要求可參照不同氣象模型的初始化和邊界條件生成的說明。本節討論的初始和邊界條件是指區域空氣質量模型或區域O3模擬所需要的大氣化學成分的初始濃度場和邊界條件，如果是分層嵌套模擬，初始和邊界條件僅提供給最外層粗網格。在無法獲得初始濃度場和邊界條件的情況下，可設定一個覆蓋最外層網格的附加模擬區域，利用長期背景場和觀測資料設定其初始濃度場和邊界條件，經過一定時間的運行，由于實時排放源和氣象場的驅動，模型在附加模擬區域的結果可為最外層網格提供動態的初始和邊界條件。如果最外層直接設定為定常邊界條件，模擬區域無法獲得外部背景O3濃度變化信息，因此只限于短時期(如一周左右)的區域和城市尺度的O3模擬。為了反映網格外部O3及其前體物變化對網格內部O3濃度的影響，一般由全球大氣化學輸送模型提供化學物質的初始場和邊界條件，目前普遍運用的有全球模型包括NCAR 的MOZART[82]和CAM-CHEM以及哈佛大學開發的GEOS-Chem模型結果，由于MOZART-4已由CAM-chem取代，MOZART資料只有2013年8月以前的資料[83]。由于不同的全球大氣化學模型內嵌不同的化學機制，使用不同的大氣環流模型獲得大尺度氣象場，因此，獲得的O3背景濃度差別顯著[84]。

5.3氣象資料

物理傳輸過程需要三維風速場資料，由氣象數值預報模型獲得，在線耦合模型在運行中自動獲取，離線模型則需事先獨立運行氣象預報模型型MM5或WRF以獲得氣象資料，在使用氣象模型的資料以前，需要對氣象模型的預測能力和效果進行評估。在沒有獲得足夠可靠的氣象場前，運行O3預報模型都是徒勞無益的。湍流擴散項主要涉及邊界層次網格參數化方案 (PBL scheme)，這些方案需要溫度、水汽以及熱通量與氣象場有關的物理量；此外，大氣化學動力學方程組中，空氣數密度與許多大氣化學反應常數均與溫度和氣壓有關。區域氣象模型應以WRF為首選，雖然MM5仍然用于某些研究目的， 但MM5研究團隊已完全轉入開發和改進WRF中的物理方案，國內外研究者發現[85-87]，WRF模擬的變量誤差一般均低于MM5，在線耦合的WRF-Chem在預報地面O3的表現也優于MM5/CMAQ[88]，目前MM5已完全由WRF取代，新一代的WRF應用更為普遍。

5.4源排放資料

源排放資料是是指模擬區域內大氣污染物排放率及其時空分布，是除氣象資料之外的另一個至關重要的O3數值模擬輸入資料，準確的污染源資料直接決定O3模擬結果的誤差與偏差大小，所以源排放資料又是模型結果不確定性因素的主要原因之一。

排放源一般分為人為源與自然源，人為源資料一般由各省市提供的排放源清單為基礎，再利用源處理工具和模型進行處理以滿足O3模型對源輸入的格式要求，美國環保局建有五大類源清單(emission inventory)，包括點源、非點源或面源、道路交通源，非道路交通源(火車、輪船、飛機等)和以天為單位統計的野火事件源清單，提供包括各州、縣以及部落為單位的大氣標準中規定的污染物排放量[89]，其中，道路交通源排放結果來自美國環保局自主開發的MOVES[90]模型，該模型內嵌交通車輛管理注冊信息庫、油料使用和化學成分庫等，利用交通模型獲得的交通流量時空分布估算NOx、CO及顆粒物排放率。最新版MOVES 也包含非道路交通排放源的計算功能。各類源清單包括生物源排放，根據經濟和人口發展數據，美國環保局每年更新并向大眾公開發布。中國由清華大學主導的中國多尺度排放清單模型(MEIC)已經發布以2008年和2011年為基準年的亞洲排放清單[91-92]，排放數據包括電力、工業、民用、交通和農業等5個部門，提供0.25°、0.5°和1.0° 3種空間分辨率的逐月網格化排放清單，并可按SAPRC99、SAPRC07、CB05、CBIV和RADM2等5種化學機制輸出。但該排放源清單的時空分辨率仍然無法滿足高分辨率尤其是城市尺度的O3模擬。因此，更細致的排放源清單需要結合衛星遙感資料和更多的地面污染源調查和分析，這將是一個長期而艱巨的任務。

自然排放源包括生物排放、閃電產生的NO2排放及野火燃燒產生大量的CO、CO2和NOx等。中國大陸上空平均每年(1997—2012年)因閃電而產生的NO2大約23萬t(以氮計大約0.07 Tg)[93]，而且東部多于西部，閃電產生的高空NOx，其在對流層停留時間更長，因此，對對流層O3的影響不能忽視。野火產生大量的CO2和有機揮發物，對下風向段時間O3濃度水平影響明顯[94]，中國這方面個例和研究較少。另一個巨大的VOC排放源就是生物或植物，其源揮發性有機化合物(BVOCs)是植物體內通過次生代謝途徑合成的低沸點、易揮發的碳氫化合物。從全球尺度看，BVOCs (主要是異戊二烯和單萜)約占VOCs排放總量的90%，遠高于人為源VOCs排放。目前生物排放源的估算模型有BEIS3[95]和MEGAN[96]，其輸入資料包括土地利用、植被覆蓋、LAI、排放因子以及溫度、太陽輻射等氣象資料，BEIS3和MEGAN均已耦合到CMAQ模型，在處理閃電、野火(FINN) 和生物 (MEGAN) 排放方面，WRF-Chem均有可選模塊，在線計算CO、NO2和VOC自然排放率并以排放源形式進入化學模塊, 也可獨立計算由SMOKE[97]處理，與人為排放源合并后，為CAMQ或CAMx模型提供排放源輸入。

排放源清單獲得以后，需要針對不同的空氣質量模型對原始排放資料進行預處理，處理后的結果必須與所選擇的化學機制以及模型分辨率(水平與垂直方向)相一致，尤其要對排放源中大量具體的VOCs進行化學形態分析，分類組合或壓縮到模型化學機制所定義的VOCs中，一般而言，模型的排放源輸入資料應為小時格點資料，包括CO、NO、NO2、SO2、和各種化學機制中的VOCs，如果考慮顆粒物，還應包括SO2、NH3、PM2.5和PM10的初始排放率。由于氣態污染物與氣溶膠之間的非均相化學反應，會生成復雜的二次污染物(如PM1.0、PM2.5等)，最新CMAQ模型中攜帶的化學機制包含氣溶膠化學部分，因此，CMAQ排放源必須提供顆粒物前體物的排放資料。模型所用的排放是以通量形式表達的，氣態物質排放單位是每個格點mol/s，顆粒物排放單位是每格點mg/s，回收所有網格上的排放值并在日、月、年時間尺度上求和，應該與模擬區域的總排放量相吻合，根據模型水平網格分辨率，誤差不應該超過1%～3%。排放源資料的處理工具由以前的FREDS、EMS-95、EPS和目前最新的SMOKE，與大氣質量模型同步發展[98]。SOMKE源分類與其相應的空間映射關系(spatial surrogate)文件，可以計算城市和區域污染源削減計劃實施以后污染源排放的時空分布，根據更新的源清單，空氣質量模型則可以預測削減措施以后的O3水平，并對削減措施進行評估。

6 模型預報效果評估

無論使用哪種模型，模擬結果的驗證和模型整體表現評估是預報可靠性的重要保障，是識別提高模擬質量因素的關鍵，由于不同的模型使用不同的方法和參數化方案，給客觀和定量化比較模型與模型之間的結果帶來困難，由于不同地區的自然條件與控制污染水平不同，在一個地區表現良好的模型并不意味著可以直接用于其他地區。利用實驗結果和觀測事實驗證模型的預報效果和可靠性是最基本的方法，這包括利用模型區域現有的氣象觀測和環境監測資料，其他研究項目的觀測，以及為模型評估而專門設計的實驗結果等。許多嚴重的O3污染事件發生在特定的氣象條件下，模型對這種特定條件的捕獲也是檢驗模型預報能力的重要指標之一。

在線耦合模型的評估，需要對氣象預報參數和O3及其他污染物預報量同時進行，評估方法與離線模型相同。具體評估過程是獲取模型與觀測點的比對資料，并對觀測值時間序列數據的有效性進行分析，確認數據的質量保證和質量控制過程(QA/QC)，然后計算一系列定量評估的統計學參數，評估模型輸出資料的準確性和精度。其中最重要的3個指標是均方根誤差(RMSE)、標準化平均偏差(NMB)和決定系數(R2)，它們顯示出預報與觀測的偏差和相關程度，具有更強的指導意義。除了通過統計顯著性檢驗的相關性，R2值高只能說明模型預測的時間變化形態與觀測有較好的一致性，但不能說明預報值與觀測值的偏差程度。如模型篩選或單個模型多參數化方案的敏感性實驗，取RMSE和NMB最低、R2最高的作為候選預報模型，但因不同模型對不同的要素有不同的預報能力和優勢，因此，有人用多模型結果的算術平均值作為預報結果，即集合預報，是一種折中方案。除利用統計參數值進行分析模型預報能力外，值得推薦的模型統計參數評估方法是Taylor提出的多要素單一圖示法[99]，將不同預測變量的精度、偏差和相關性，展示在一張圖上，一目了然。關于如何設定上述參數的基準值而判定模型是否通過檢驗這一問題，雖然有人提出 “目標值”(goal) 和 “基準值”(criteria)[100-101]作為判斷模型是否通過(pass/fail) 效果檢驗的基準條件，但上述統計參數值顯然與模擬時間的長短有關，更長的模擬時間經歷更多時空尺度的氣象和污染過程，因此，同一模型在不同時間尺度上的模擬效果和表現可能非常不同；另一方面不同的模式設置，是否利用觀測資料同化技術等，不能一概用同一基準值檢驗和評估模式效果。美國環保局不推薦使用這種“基準值”方法用于判斷模型的模擬結果是否可以接受。美國環保局的《O3、顆粒物和區域性霾空氣質量達標的模擬指南》認為，這種判定閾值僅僅作為改進模型的一個參考和指示，而不能作為模式評估的基準方法，美國環保局開發的AMET(Atmospheric Model Evaluation Tool) 是專門為氣象和大氣化學輸送模型而設計的評估系統[102]。中國有關模型評估研究較少，有學者曾就中國科學院大氣物理研究所的NAQPMS模型對江蘇省的PM2.5模擬結果實施模型評估[103]。

觀測資料的獲取是模型預報效果評估的第一步，中國氣象數據網[104]包含地面、高空、數值預報、雷達和衛星資料，地面站小時數據包括氣溫、氣壓、相對濕度、水汽壓、風、降水的要素小時觀測值；高空資料包括89個中國探空站各點規定等壓面和特征層位勢高度、溫度、露點溫度、方向、風速觀測數據；數值預報包括分辨率30、10 km預報產品；雷達資料包括處理后的統一格式單站多普勒雷達數據與圖像資料；衛星資料包括中國風云(一號、二號、三號)，美國NOAA (15-18)和NASA (AQUA，TERRA)極軌衛星與不同搭載平臺，日本(MTSAT)和歐洲(METEOSAT)靜止氣象衛星的一級衛星數據與掃描圖像。上述氣象資料可用于模型預報效果的定量評估和定性分析。

與氣象觀測與氣象觀測網標準化運行相比，環境監測與大氣化學成分檢測起步較晚，中國的環境空氣質量監測經過20多年的發展,已經進入到自動監測階段，城市空氣自動監測系統、區域監測系統、質量保證、質量控制和監測項目趨于完善。2012年開始發布O3的常規監測結果。環境保護部網站 (http://www.mep.gov.cn) 和 “中國空氣質量在線監測分析平臺”可獲得2013年12月以后6種污染物(PM2.5，PM10， SO2，CO、NO2和O3)的日平均濃度[105]，中國環境監測中心網站 (http://www.cnemc.cn) 可以獲得小時實時監測資料，但目前尚無獲取逐年小時平均濃度觀測資料的開放平臺，這可能是促進中國環境質量監測系統完善的關鍵一步。可靠的污染源清單和完善的環境監測網數據是促進中國空氣質量模型發展的主要瓶頸，是實現空氣質量模型用于環境管理和決策的主要局限。

7 最新區域空氣質量模型特征與發展趨勢

O3空氣質量預報的目的：①健康預警。當污染超過特定的水平，為公眾提供預警，預報越可靠效果就越顯著，預警指導對O3或顆粒物污染敏感的特定人群采取措施，預防污染對健康的威脅和傷害。②現有污染源控制。識別超標期間的各類污染源貢獻，有針對性地提出削減措施，避免盲目和高成本的污染源治理方案。③業務預報。區域高濃度灰霾和O3威脅航空安全，傷害戶外作業人員健康，危及農業甚至糧食安全，危害自然公園或生態保護區生態系統等，污染預報可提供更安全和更有效的活動計劃資訊。④應急計劃。森林大火、突發事故等可由一個固定區域和地點排放大量污染物進入大氣，可引起交通事故和航空災難以及下風向的一次和二次污染，有效的煙羽和濃度預報可以有效降低此類突發事件的經濟和健康損失。

先進的空氣質量模型在其開發和研究過程中增添了許多分析工具，如CMAQ和CAMx模型，均有源解析技術 (SAT)、過程分析 (PA)、高階直接耦合源敏感性分析 (Decoupled Direct Method (DDM) and High-Order DDM (HDDM) Source Sensitivity)。SAT可定量估算不同區域、不同類別污染源和不同前體物對O3或PM2.5形成的獨立貢獻。如一個省的O3預報，利用SAT可以定量識別鄰省和本省的污染源對本地區O3的貢獻大小，從而了解本省為O3達標而需要的污染源削減力度和治理方案。同樣，SAT可以識別點源、面源、道路交通源和非道路交通源等分別對O3的貢獻。PA則可深度分析模型運行中大氣物理和大氣化學過程對局地O3生成的影響，如利用化學過程分析(CPA)可以劃分模擬區域O3污染是屬于NOx控制型 (NOx-limited)還是VOCs控制型 (VOC-limited)，由于O3濃度水平與NOx和VOC排放存在復雜的非線性響應關系，因此這對提供和評價污染源控制措施極為重要。DDM或HDDM可計算O3對初始濃度場、外邊界輸入和人為排放的敏感性系數，DDM可以分析未來的污染源削減方案和管理措施實施后是否可以實現O3或其他污染物達標。WANG 等[106]用CAMx及其OSA分析了北京市2000年夏季一次O3污染事件的成因和來源，認為該O3污染屬于VOCs控制型。需要說明是，同一個城市和地區，其控制型類別可隨時間發生變化。

最新大氣質量模型的發展趨勢，取決于人們大氣污染過程的最新認識，早期我們強調酸雨、懸浮顆粒物，今天的PM2.5污染作為優先研究和控制對象，但有關O3的污染我們了解更少，徐曉斌[2]就中國霾和O3的污染現狀和研究進展做了深入分析和總結，WANG等[1]就中國O3污染的現狀和成因，搜集大量國內外學者有關中國O3污染的研究信息和成果，做了深入細致的分析和綜述，認為城市中心和區域傳輸是O3污染的主要貢獻因素, 呼吁應加快地區性NOx和VOC的綜合治理步伐。事實上，中國大氣污染早已進入復合物污染時代，主要城市經濟發達地區同時面臨霾和O3污染的困擾，尤其是重污染引起的健康憂慮與風險已不容忽視[107-108]，隨著針對PM2.5治理力度的增加，城市及城市周邊地區的工業排放將顯著削減，導致灰霾爆發形成的硫酸鹽和銨鹽濃度將大大降低[109]，近地層空氣透明度將得以改善，到達近地層的太陽輻射會增加或恢復到正常值，如果交通狀況依舊，O3污染將更加突出。

總之，霾污染與光化學污染交替出現，并且存在內在的聯系和反饋，再現這種復合污染的基本特征，是最新大氣質量模型的首要任務；復合污染防治從系統性觀念出發，認為O3與PM2.5同源污染物產生的二次污染，其污染水平是系統內各種過程的非線性相互作用的結果，因此不能考慮單一污染物的控制與削減， 如有人用模型以及SAT和PA分析后， 建議VOC與NOx的削減比例為1∶2[110]，可以有效降低珠江三角洲地區城市和工業區O3峰值。復合污染的這些特征，部分可由獨立脫線模型表現出來，但完全在線耦合具有雙向反饋的最新空氣質量模型才是研究復合污染的基本方向和趨勢，其成果不但對城市灰霾與O3復合型污染的防治具有理論指導意義，而且將影響今后空氣質量管理模型和標準體系。

8 結語

區域性大氣質量數值模型定量描述大氣物理與大氣化學過程，提供O3濃度水平對其前體物排放的響應關系，為大氣環境管理與O3污染防治提供科學支撐和依據。在中國日益嚴重的O3和PM2.5污染情勢下，以大氣物理、大氣化學和地球流體力學理論為基礎的數值模型是研究這種污染成因和提出治理措施的必要手段。受發展水平和歷史局限，中國目前污染源資料的數量和質量水平，距離完全利用這種手段所要達到的目的相差甚遠，是目前模擬系統的短板，所以，清華大學在發展污染源清單方面的不懈努力，尤其是其主導的中國多尺度排放清單模型(MEIC)，給予數值模型的有效應用帶來發展和期待。作為驗證和提高模型預報質量的關鍵，地面環境監測網的數據共享和質量控制意義重大。除此之外的所有基礎資料系統，是研究當前復合污染問題的重要支撐和保障，有了這些基本資料，就有能力獲得更具說服力的科學依據解決和參與與中國大氣環境污染有關的國內爭議和國際對話，有更多的機會利用最先進的在線耦合大氣質量模型，服務于空氣質量管理和決策系統，促進中國自身的法規模型系統的發展和建設。

[1] WANG T, XUE L, BRIMBLECOMBE P,et al. Ozone pollution in China: A review of concentrations, meteorological influences, chemical precursors, and effects[J]. Science of the Total Environment, 2017, 575:1 582-1 596.

[2] 徐曉斌. 我國霾和光化學污染觀測研究進展[J]. 應用氣象學報,2016，27(5):604-619.

XU Nengbin. Observetional study advances of haze pollution and photochemical pollution in China[J]. Joural of Applied Meteorological Science, 2016，27(5):604-619.

[3] THOMPSON M L, REYNOLDS J, COX L H, et al. A review of statistical methods for the meteorological adjustment of tropospheric ozone[J]. Atmospheric Environment, 2001, 35 (3): 617-630.

[4] 安俊琳, 王躍思, 朱彬. 主成分和回歸分析方法在大氣臭氧預報的應用[J]. 環境科學學報， 2010, 30(6):1 287-1 293.

AN Junlin, WANG Yuesi, ZHU Bin. Principal component and multiple regression analysis predicting ozone concentrations:Case study in summer in Beijing[J].Acta Scientiae Circumstantia, 2010, 30(6):1 287-1 293.

[5] 劉閩, 王帥, 林宏, 等. 沈陽市冬季環境空氣質量統計預報模型建立及應用[J]. 中國環境監測, 2014, 30(4):10-15.

LIU Min, WANG Shuai, LIN Hong, et al. The study on establishment and application of winter environment air quality forecasting model of Shenyang[J].Environmental Monitoring in China, 2014, 30(4):10-15.

[6] 王占山, 李云婷, 陳添, 等. 北京城區臭氧日變化特征及與前體物的相關性分析[J]. 中國環境科學, 2014, 34(12): 3 001-3 008.

WANG Zhanshan, LI Yunting, Chen Tian,et al. Analysis on diurnal variation characteristics of ozone and correlations with its precursors in urban atmosphere of Beijing[J]. China Environmental Science,2014, 34(12): 3 001-3 008.

[7] 賈海鷹, 孟凡, 柴發合,等. 2013 年北京市臭氧時空分布及預報[J]. 環境工程學報,2016, 10(4):1 900-1 906.

JIA Haiying, MENG Fan,CHAI Fahe,et al.Analysis on distribution characteristics and prediction of ozone in Beijing in 2013[J].Chinese Journal of Environmental Engineering, 2016,10(4):1 900-1 906.

[8] 賈夢唯, 趙天良, 張祥志,等. 南京主要大氣污染物季節變化及相關氣象分析[J]. 中國環境科學,2016; 36(9):2 567-2 577.

JIA Mengwei,ZHAO Tianliang, ZHANG Xiangzhi,et al.Seasonal variations in major air pollutants in Nanjing and their meteorological correlation analyses[J]. China Environmental Science，2016; 36(9):2 567-2 577.

[9] 李曉嵐, 馬雁軍, 王揚鋒, 等. 基于 CUACE 系統沈陽地區春季空氣質量預報的校驗及修正[J]. 氣象，2016, 32(6)：10-18.

LI Xiaolan，MA Yanjun，WANG Yangfeng，et al． Verification and modification to spring air quality forecasted by CUACE system in Shenyang[J]． Journal of Meteorology and Environment， 2016， 32(6): 10-18.

[10] 張偉, 王自發, 安俊嶺, 等. 利用 BP 神經網絡提高奧運會空氣質量實時預報系統預報效果[J]. 氣候與環境研究,2010，15 (5):595-601.

ZHANG Wei, WANG Zifa, AN Junling,et al.Update the ensemble air qual ity modeling system with BP model during Beijing Olympics[J].Climatic and Enviro nmental Research，2010，15 (5):595-601.

[11] 沈路路, 王聿絢, 段雷. 神經網絡模型在O3濃度預測中的應用[J]. 環境科學,2011，32 (8):2 231-2 235.

SHEN Lulu，WANG Yuxuan，DUAN Lei.Application of artificial neural networks on the prediction of surface ozone concentrations[J]. Environmental Science,2011，32 (8):2 231-2 235.

[12] 胡翠娟, 丁峰, 李時蓓, 等. 國內外環境空氣質量模型法規化現狀與對比研究[J]. 環境工程, 2015(1):132-136.

HU Cuijuan, DING Feng, LI Shibei, et al.A comparative study and the status quo of regulatory airquality model at home and abroad[J]. Environmental Engineering, 2015(1):132-136.

[13] SAUNDERS S M, JENKIN M E, DERWENT R G, et al. World Wide Web site of a Master Chemical Mechanism (MCM) for use in tropospheric chemistry models[J]. Atmospheric Environment,1997, 31(8):1 249.

[14] SAUNDERS S M, JENKIN M E, DERWENT R G,et al.Protocol for the development of the Master Chemical Mechanism, MCM v3 (Part A): tropospheric degradation of non-aromatic volatile organic compounds[J]. Atmos Chem Phys, 2003, 3:161-180.

[15] University of leed.Master Chemistry Mechanism[EB/OL].[2017-03-01]. http://mcm.leeds.ac.uk/MCM.

[16] JENKIN M E,WATSON L A,UTEMBE S R,et al. A common representative intermediates (CRI) mechanism for VOC degradation. Part 1: Gas phase mechanism development[J]. Atmospheric Environment, 2008, 42:7 185-7 195.

[17] WATSONA L A,SHALLCROSSA D E,UTEMBEA S R,et al. A Common Representative Intermediates (CRI) mechanism for VOC degradation. Part 2: Gas phase mechanism reduction[J]. Atmospheric Environment, 2008, 42: 7 196-7 204.

[18] GERY M W, WHITTEN G Z, KILLUS J P, et al. A Photochemical Kinetics Mechanism for Urban and Regional Scale Computer Modeling[J]. J Geophys Res, 1989，94：925-956.

[19] YARWOOD G, RAO S, YOCKE M, et al.Whitten. Updates to the Carbon Bond Mechanism: CB05[R]. USA：USEPA Final Report, 2005.

[20] YARWOOD G, JUNG J, WHITTEN G Z, et al. Updates to the 20 Carbon Bond mechanism for version 6: 2010 CMAS Conference [C]. Chapel Hill: 2010 CMAS Conference, 2011.

[21] ZAVERI R A, PETERS L K. A new lumped structure photochemical mechanism for large scale applications[J]. Journal of Geophysical Research, 1999, 104(30):387-430.

[22] STOCKWELL W R, MIDDLETON P, CHANG J S, et al. The second generation regional acid deposition model chemical mechanism for regional air quality modeling[J]. Journal of Geophysical Research: Atmospheres,1990，95 (D10):16 343-16 367.

[23] STOCKWELL W R, KIRCHNER F, KUHN M,et al. A new mechanism for regional atmospheric chemistry modeling[J]. Journal of Geophysical Research: Atmospheres. 1997, 102(D22):25 847-25 879.

[24] GRIFFIN RJ, DABDUB D, SEINFELD JH. Secondary organic aerosol 1. Atmospheric chemical mechanism for production of molecular constituents[J]. Journal of Geophysical Research: Atmospheres, 2002, 107(D17):1-26.

[25] CARTER W P L. Implementation of the SAPRC-99 chemical mechanism into the Models-3 Framework[R]. USA:Report to the US Environmental Agency, 2000.

[26] CRASSIER V, SUHRE K, TULET P, et al. Development of a reduced chemical scheme for use in mesoscale meteorological model[J]. Atmospheric Environment,2000, 34:2 633-2 644.

[27] SIMPSON D, ANDERSSON-SKOLD Y, JENKIN M E. Updating the chemical scheme for the EMEP MSC-W oxidant model: current status:EMEP MSC-W note 2/93[S]. Oslo Norway:Norwegian Meteorological Institute, 1993.

[28] STOCKWELL W R, LAWSON C V, SAUNDERS E,et al. A review of tropospheric atmospheric chemistry and gas-phase chemical mechanisms for air quality modeling[J]. Atmosphere,2011, 3(1):1-32.

[29] JIMENEZ P, BALDASANO J M, DABDUB D. Comparison of photochemical mechanisms for air quality modeling[J]. Atmospheric Environment,2003, 37(30):4 179-4 194.

[30] DERWENT R. Intercomparison of chemical mechanisms for air quality policy formulation and assessment under North American conditions[J]. Journal of the Air & Waste Management Association,2017(1):1-8.

[31] KRAUS A, HOFZUMAHAUS A. Field measurements of atmospheric photolysis frequencies for O3, NO2, HCHO, CH3CHO, H2O2, and HONO by UV spectroradiometry. InAtmospheric Measurements during POPCORN—Characterisation of the Photochemistry over a Rural Area[J]. Springer Netherlands,1998,31:161-180.

[32] IUPAC. Task Group on Atmospheric Chemical Kinetic Data Evaluation[EB/OL].[2017-03-03]. http://iupac.pole-ether.fr.

[33] NASA Jet Propulsion Laboratory.Chemical Kinetics and Photochemical Data for Use in Atmospheric Studies[EB/OL].[2017-03-03]. https://jpldataeval.jpl.nasa.gov.

[34] DICKERSON R R, KONDRAGUNTA S, STENCHIKOV G, et al. The impact of aerosols on solar ultraviolet radiation and photochemical smog[J]. Science, 1997, 31; 278(5 339):827-830.

[35] LIAO H, YUNG Y L, SEINFELD J H. Effects of aerosols on tropospheric photolysis rates in clear and cloudy atmospheres[J]. Journal of Geophysical Research D,1999, 104(D19):23 697-23 707.

[36] VUILLEUMIER L, HARLEY R A, BROWN N J, et al.Variability in ultraviolet total optical depth during the Southern California Ozone Study (SCOS97)[J]. Atmospheric Environment,2011, 35(6): 11 111-11 112.

[37] VUILLEUMIER L, BAMER J T, HARLEY R A, et al. Evaluation of nitrogen dioxide photolysis rates in an urban area using data from the 1997 Southern California Ozone Study[J]. Atmospheric Environment,2001，35(36):6 525-6 537.

[38] ZOU Q, LU K, WU Y, et al. Ambient photolysis frequency of NO2determined using chemical actinometer and spectroradiometer at an urban site in Beijing[J]. Frontiers of Environmental Science & Engineering,2016, 10(6):13.

[39] TURCO R P, WHITTEN RC. A comparison of several computational techniques for solving some common aeronomic problems [J].J Geophys Res,1974, 79:3 179-3 185.

[40] ZHANG H, LINFORD J C, SANDU A, rt al. Chemical mechanism solvers in air quality models[J]. Atmosphere. 2011, 2(3):510-532.

[41] VERWER J G, SIMPSON D. Explicit methods for stiff ODEs from atmospheric chemistry[J]. Applied Numerical Mathematics,1995, 18(1/3):413-430.

[42] LIU F, SCHALLER, MOTT D R. Technical note: application of α-QSS to the numerical integration of kinetic equations in troposphere chemistry[J]. Atmospheric Physics and Chemistry Discussion, 2005, 2:6 215-6 262.

[43] CASH J R. The integration of stiff initial value problems in ODEs using modified extended backward differentiation formulae[J]. Computers & mathematics with applications,1983, 9(5):645-657.

[44] WAMBECQ A. Rational Runge-Kutta methods for solving systems of ordinary differential equations[J]. Computing,1978, 20(4):333-342.

[45] BURRAGE K. A special family of Runge-Kutta methods for solving stiff differential equations[J]. BIT Numerical Mathematics, 1978, 18(1):22-41.

[46] DORMAND J R, PRINCE P J. A family of embedded Runge-Kutta formulae[J]. Journal of computational and applied mathematics, 1980, 6(1):19-26.

[47] SANDU A, VERWER J G, BLOM J G, et al. Benchmarking stiff ODE solvers for atmospheric chemistry problems II: Rosenbrock solvers. Atmospheric environment, 1997, 31(20):3 459-3 472.

[48] VERWER J G, SPEE E J, BLOM J G,et al. A second-order Rosenbrock method applied to photochemical dispersion problems[J]. SIAM Journal on Scientific Computing,1999，20 (4):1 456-1 480.

[49] DAMIAN V, SANDU A, DAMIAN M, et al. The kinetic preprocessor KPP-a software environment for solving chemical kinetics[J]. Computers & Chemical Engineering,2002, 26(11):1 567-1 579.

[50] SANDU A,MIEHE P. Forward, tangent linear, and adjoint Runge Kutta methods in KPP-2.2 for efficient chemical kinetic simulations[J]. Int J Comp Math,2010, 87:2 458-2 479.

[51] ELLER P, SINGH K, SANDU A,et al. Implementation and evaluation of an array of chemical solvers in a global chemical transport model[J]. Geophys Model Dev, 2009, 2: 1-7.

[52] SANDU A, SANDER R. Modeling chemical kinetic systems in Fortran90 and Matlab with KPP-2.1[J]. Atmos Chem Phys,2006, 6: 187-195.

[53] DAESCU D,SANDU A, CARMICHAEL G. Direct and adjoint sensitivity analysis of chemical kinetic systems with KPP: II—Numerical validation and applications[J]. Atmos Environ,2003, 37:5 097-5 114.

[54] SANDU A, DAESCU D,CARMICHAEL G. Direct and adjoint sensitivity analysis of chemical kinetic systems with KPP: I-Theory and software tools[J]. Atmos Environ,2003, 37:5 083-5 096.

[55] BYUN Q W, CHING J K S. Science Algorithms of the EPA Models-3 Community Multiscale Air Quality (CMAQ) Modeling System:EPA Report EPA-600/R-89-030[S]. Washington:US Environmental Protection Agency, 1999.

[56]BYUN D, SCHERE K L. Review of the governing equations, computational algorithms, and other components of the Models-3 Community Multiscale Air Quality (CMAQ) modeling system[J]. Applied Mechanics Reviews, 2006, 59(2):51-77.

[57] GRELL G A, PECKHAM S E, SCHMITZ R, et al. Fully coupled “online” chemistry within the WRF model[J]. Atmospheric Environment,2005, 39(37):6 957-6 975.

[58] GEOS-Chem Model.The global 3-D chemical transport model Goddard Earth Observing System (GEOS)-Chem[EB/OL]. [2017-03-04].http://acmg.seas.harvard.edu/geos.

[59] MESSy. 5th generation of European Centre Hamburg Model/Modular Earth Submodel System (ECHAM5/MESSy)[EB/OL].[2017-03-04]. http://www.messy-interface.org.

[60] BLACKADAR A K.Turbulence and Diffusion in the Atmosphere[M]. Berlin:Heidelberg,1997.

[61] PLEIM J E. A combined local and nonlocal closure model for the atmospheric boundary layer. Part II: application and evaluation in a mesoscale meteorological model [J]. Journal of Applied Meteorology & Climatology, 2007, 46(9):1 396-1 409.

[62] HU X M, NIELSENGAMMON J W, ZHANG F. Evaluation of three planetary boundary layer schemes in the WRF model[J]. Journal of Applied Meteorology & Climatology, 2010, 49(9):1 831-1 844.

[63] 王穎, 張鐳, 胡菊,等. WRF模式對山谷城市邊界層模擬能力的檢驗及地面氣象特征分析[J]. 高原氣象, 2010,29(6):1 397-1 407.

WANG Ying,ZHANG Lei, HU Ju,et al.Verification of WRF Simulation Capacity on PBL characteristic and analysis of surface meteorological characteristic over complex terrain[J].Plateau Meteorology, 2010,29(6):1 397-1 407.

[64] 韓永翔, 宋昊冬, 劉烽, 等. 對流邊界層湍流通量及逆梯度輸送參數化分析[J]. 大氣科學學報, 2016, 39(3): 417-425.

HAN Yongxiang，SONG Haodong，LIU Feng, et al.A case study of turbulent flux and counter gradient transport in the convective boundary layer[J]. Transactions of Atmospheric Sciences, 2016, 39(3): 417-425.

[65] HU X M, NIELSEN-GAMMON J W, ZHANG F. Evaluation of three planetary boundary layer schemes in the WRF model[J]. Journal of Applied Meteorology and Climatology， 2010, 49(9):1 831-1 844.

[66] LIN X, RIDLEY B A, WALEGA J, et al. Parameterization of subgrid scale convective cloud transport in a mesoscale regional chemistry model[J]. Journal of Geophysical Research: Atmospheres,1994，99 (D12):25 615-25 630.

[67] CHEN D, XIE X, ZHOU Y, et al. Performance evaluation of the WRF-Chem model with different physical parameterization schemes during an extremely high PM2.5pollution episode in Beijing[J]. Aerosol and Air Quality Research,2017, 17:262-277.

[68] WESELY M L, HICKS B B. A review of the current status of knowledge on dry deposition[J]. Atmospheric environment,2000, 34(12):2 261-2 282.

[69] ZHANG L, BROOK J R, VET R. A revised parameterization for gaseous dry deposition in air-quality models[J]. Atmospheric Chemistry and Physics,2003,3(6):2 067-2 082.

[70] PLEIM J E, XIU A, FINKELSTEIN P L,et al. A coupled land-surface and dry deposition model and comparison to field measurements of surface heat, moisture, and ozone fluxes[J]. Water, Air and Soil Pollution: Focus,2001, 1(5/6):243-252.

[71] EMMONS L K, WALTERS S, HESS P G, et al.Description and evaluation of the model for ozone and related chemical tracers, version 4 (MOZART-4) [J].Geosci Model Dev, 2010，3：43-67.

[72] LAMARQUE J F, EMMONS L K, HESS P G, et al. CAM-chem: description and evaluation of interactive atmospheric chemistry in the Community Earth System Model[J].Geosci Model Dev, 2012,5: 369-411.

[73] WANG Z, MAEDA T, HAYASHI M, et al. A nested air quality prediction modeling system for urban and regional scales: Application for high-ozone episode in Taiwan [J]. Water, Air, & Soil Pollution,2001, 130(1):391-396.

[74] LI J, YANG W, WANG Z, et al. Modeling study of surface ozone source-receptor relationships in East Asia [J]. Atmospheric Research,2016, 167:77-88.

[75] CHENG N, HONGXIA L I, FAN M E, et al. Overview of urban PM2.5numerical forecast models in China[J]. Asian Agricultural Research，2015, 1：7-10.

[76] 王自發, 謝付瑩, 王喜全, 等. 嵌套網格空氣質量預報模式系統的發展與應用. 大氣科學， 2006, 30(5):778-790.

WANG Zifa, XIE Fuying, WANG Xiquan, et al.Development and appl ication of nested air qual ity prediction modeling system[J]. Chinese Journal of Atmospheric Sciences, 2006, 30(5):778-790.

[77] DUDHIA J, GILL D, MANNING K,et al. PSU/NCAR Mesoscale Modeling System Tutorial Class Notes and Users’ Guide (MM5 modeling system version 3.7)[EB/OL].[2017-03-01]. http://www2.mmm.ucar.edu/mm5/documents.

[78] NASA.Moderate Resolution Imaging Spectroradiometer (MODIS)data[EB/OL].[2017-03-01]. https://modis.gsfc.nasa.gov/data.

[79] WRF.WPS geographical input data[EB/OL].[2017-03-08]. http://www2.mmm.ucar.edu/wrf/users/download/get_sources_wps_geog.html.

[80] Multi-Resolution Land Characterristics Consortium.National Land Cover Database 2011 (NLCD 2011) [EB/OL].[2017-03-08]. https://www.mrlc.gov/nlcd2011.php.

[81] HOMER C G, DEWITZ J A, YANG L, et al.Completion of the 2011 National Land Cover Database for the conterminous United States-Representing a decade of land cover change information[J].Photogrammetric Engineering and Remote Sensing, 2015, 81(5)：345-354.

[82] UCAR.Model for ozone and related chemical tracers (mozart) [EB/OL].[2017-03-08]. https://www2.acom.ucar.edu/gcm/mozart.

[83] NCAR. MOZARTdata for ICBC of WRF-Chem and other air quality models[EB/OL].[2017-03-09].http://www.acom.ucar.edu/wrf-chem/mozart.shtml.

[84] EMMERSON K M,EVANS M J. Comparison of tropospheric gas-phase chemistry schemes for use within global models[J]. Atmos Chem Phys, 2009, 9:1 831-1 845.

[85] GILLIAM R,PLEIM J. Performance assessment of new land surface and planetary boundar layer physics in the WRF-ARW[J]. J Appl Meteorol Clim,2010, 49:760-774.

[86] HANNA S R, REEN B, HENDRICK E, et al. Comparison of observed, MM5, and WRF-NMM model simulated, and HPAC-assumed boundary layer meteorological variables for 3 days during the IHOP field experiment, Bound[J]. Meteorol, 2010,134:285-306.

[87] WILMOT C S, RAPPENGLüCK B, LI X,et al. MM5 v3.6.1 and WRF v3.5.1 model comparison of standard and surface energy variables in the development of the planetary boundary layer[J]. Geosci Model Dev, 2014, 18;7(6):2 693-2 707.

[88] ZHANG Y, ZHANG X, WANG L, et al. Application of WRF/Chem over East Asia: Part I. Model evaluation and intercomparison with MM5/CMAQ[J]. Atmospheric Environment. 2016, 124:285-300.

[89] USEPA.The National Emissions Inventory (NEI) data [EB/OL].[2017-03-09]. https://www.epa.gov/air-emissions-inventories/national-emissions-inventory-nei.

[90] USEPA.MOtor Vehicle Emission Simulator (MOVES) https://www.epa.gov/moves.

[91] 清華大學.主導的中國多尺度排放清單模型(MEIC)[EB/OL].[2017-03-09].http://www.meicmodel.org/index.html.

[92] LI M, ZHANG Q, KUROKAWA J, et al. A mosaic Asian anthropogenic emission inventory for the MICS-Asia and the HTAP projects[J]. Atmos Chem Phys Discuss, 2015, 15(23):34 813-34 869.

[93] GUO F, JU X, BAO M,et al. Relationship between lightning activity and tropospheric nitrogen dioxide and the estimation of lightning-produced nitrogen oxides over China[J]. Advances in Atmospheric Sciences,2017, 34(2):235-245.

[94] JAFFE D A, WIGDER N L. Ozone production from wildfires: A critical review[J]. Atmospheric Environment,2012， 51:1-10.

[95] USEPA. Biogenic Emission Inventory System (BEIS) [EB/OL].[2017-03-11].https://www.epa.gov/air-emissions-modeling/biogenic-emission-inventory-system- beis.

[96] GUENTHER A, HEWITT C N, ERICKSON D, et al. A global model of natural volatile organic compound emissions[J]. Journal of Geophysical Research: Atmospheres, 1995,100(D5):8 873-8 892.

[97] CMAS.Sparse Matrix Operator Kernel Emissions (SMOKE) [EB/OL].[2017-03-11]. https://www.cmascenter.org/smoke.

[98] RUSSELL A, DENNIS R. NARSTO critical review of photochemical models and modeling[J]. Atmospheric environment,2000, 34(12):2 283-2 324.

[99] TAYLOR K E. Summarizing multiple aspects of model performance in a single diagram[J]. Journal of Geophysical Research: Atmospheres,2001, 106(D7):7 183-7 192.

[100] BOYLAN J W, RUSSELL A G. PM and light extinction model performance metrics, goals, and criteria for three-dimensional air quality models[J]. Atmospheric Environment,2006，40 (26):4 946-4 959.

[101] APPEL K W, GILLIAM R C, DAVIS N, et al. Overview of the atmospheric model evaluation tool (AMET) v1.1 for evaluating meteorological and air quality models[J]. Environmental Modeling & Software,2011, 26(4):434-443.

[102] CMAS.Atmospheric Model Evaluation Tool (AMET) v1.2 [EB/OL].[2017-03-09]. https://www.cmascenter.org/help/documentation.cfm.

[103] 朱莉莉, 晏平仲, 王自發, 等. 江蘇省級區域空氣質量數值預報模式效果評估[J]. 中國環境監測, 2015, 31(2): 17-23.

ZHU Lili,YAN Pingzhong,WANG Zifa,et al. An operational evaluation of the regional air quality forecast modeling system in Jiangsu[J]. Environmental Monitoring in China, 2015, 31(2): 17-23.

[104] 中國氣象局氣象數據中心.中國氣象數據[EB/OL].[2017-03-01]. http://data.cma.cn.

[105] 真氣網.中國空氣質量在線監測分析平臺[EB/OL].[2017-03-01]. https://www.aqistudy.cn.

[106] WANG X, LI J, ZHANG Y, XIE S, et al. Ozone source attribution during a severe photochemical smog episode in Beijing, China[J]. Science in China Series B: Chemistry, 2009, 52(8):1 270-1 280.

[107] BRAUER M, FREEDMAN G, FROSTAD J, et al. Ambient air pollution exposure estimation for the global burden of disease 2013[J]. Environmental Science & Technology, 2015, 50(1):79-88.

[108] 胡彬, 陳瑞, 徐建勛, 等. 霧霾超細顆粒物的健康效應[J]. 科學通報, 2015, 60: 2 808-2 823.

HU Bin, CHEN Rui，XU Jianxun, et al. Health effects of ambient ultrafine (nano) particles in haze (in Chinese) [J]. Chin Sci Bull, 2015, 60: 2 808-2 823.

[109] GUO S, HU M, ZAMORA, et al. Elucidating severe urban haze formation in China[J]. Proceedings of the National Academy of Sciences, 2014,111(49): 17 373-17 378.

[110] OU J, YUAN Z, ZHENG J,et al. Ambient ozone control in a photochemically active region: short-term despiking or long-term attainment? [J]. Environmental Science & Technology, 2016, 50(11):5 720-5 728.

ReviewofSurfaceOzoneModelingSystem

LIU Feng1，2, XU Yishan3

1.Atmospheric Research Centre, Illinois State Water Survey, University of Illinois at Urbana-Champaign, Illinois 61820, USA 2.Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration, Nanjing University of Information Science & Technology, Nanjing 210044, China 3.State Environmental Protection Key Laboratory of Quality Control in Environmental Monitoring, China National Environmental Monitoring Centre, Beijing 100012, China

Photochemical air quality models play a key role in scientific investigation of ozone pollution and prediction of surface ozone levels. It provides quantitative support for the decision-makers in developing policies and strategies to reduce ozone pollution. As a review, this article discusses the current strengths and weaknesses of photochemical transport models from an intellectual point of view how those models deal with chemical and physical processes in the troposphere. Therefore, chemistry mechanisms used for photochemical air quality models and uncertainties caused by chemical kinetic rates are described in details. Advanced physical processes and planetary boundary schemes. As the main causes for uncertainties of model results, the preparation of model inputs including static geographical data, meteorological data, and emissions are well introduced. The importance of model performance evaluation is addressed. Finally, due to nonlinearly combined effect of ozone and other air pollutants including primary precursors and secondary aerosols on air quality, the model development and model application road map toward a multiple-pollutant air quality management are given at the end.

surface ozone; ozone prediction; air quality modeling system

X84

：A

：1002-6002(2017)04- 0001- 16

10.19316/j.issn.1002-6002.2017.04.01

2017-05-10;

：2017-05-16

國家重點研發計劃試點專項項目“大氣污染成因與控制技術研究”(2016YFC0203304)

劉 烽(1962-)，男，陜西富平人，博士，教授。

徐怡珊