基于GRAPES模式佛山市...氧污染气象指数的构建和预报_潘巧英.pdf

第 43 卷第 1 期2023 年 1 月Vol.43，No.1Jan.，2023环境科学学报Acta Scientiae Circumstantiae基于GRAPES模式佛山市臭氧污染气象指数的构建和预报潘巧英1，2，3，李婷苑2，*，陈靖扬2，李伟炽1，陈辰1，31.佛山市气象局，佛山 5280002.广东省生态气象中心，广州 5106403.广东省环珠江口气候环境与空气质量变化野外科学观测研究站，广州 510275摘要：选取20172018年佛山市空气质量监测资料、地面气象观测资料和ECMWF再分析资料，得到对臭氧污染天气具有指示意义的气象因子，从GRAPES模式可预报性出发构建适用于佛山市干季和湿季的臭氧污染气象指数（OWI），并对OWI进行预报评估检验.结果表明：干季地面气象要素对区分佛山市臭氧污染和清洁天气的能力更强，出现臭氧污染时往往气温高、地面为弱北风；850 hPa风速较小，高空主要受副热带高压影响.湿季高空气象要素区分臭氧污染和清洁天气的能力更强，出现臭氧污染时往往850 hPa风速较小，850 hPa与地面风场垂直切变 较小，多数情况下500 hPa呈辐散形势或700 hPa为下沉运动.综合考虑上述要素构建的臭氧污染气象指数可较好地反映臭氧浓度变化趋势，当OWI超过阈值（干季12.0、湿季10.8）时，出现臭氧污染事件的可能性较大，在湿季该指数区分臭氧清洁天气和污染天气的差异性较干季更显著.基于GRAPES模式预报的OWI与臭氧浓度实况呈正相关关系，相关系数在0.50.6之间，能较为有效地预判臭氧污染过程发生、发展和消散的不同阶段；其阈值具有较高的预报参考性，24 h预报性能尤为理想，48、72 h依次下降，在干季空报率偏高.关键词：臭氧；臭氧污染气象指数（OWI）；GRAPES模式；气象要素；干季；湿季；佛山文章编号：0253-2468（2023）01-0140-12 中图分类号：X51，X16 文献标识码：AConstruction and prediction of ozone weather index in Foshan based on GRAPES modelPAN Qiaoying1，2，3，LI Tingyuan2，*，CHEN Jingyang2，LI Weichi1，CHEN Chen1，31.Foshan Meteorological Bureau，Foshan 5280002.Guangdong Ecological Meteorological Center，Guangzhou 5106403.Guangdong Provincial Observation and Research Station for Climate Environment and Air Quality Change in the Pearl River Estuary，Guangzhou 510275Abstract：This study combined historical（20172018）air quality monitoring data，meteorological monitoring data and ECMWF reanalysis data to obtain the dominating meteorological factors indicating the ozone pollution weather in Foshan.Further，the numerical simulated output from the GRAPES model was also used to construct a localized ozone weather index（OWI）for both dry and wet seasons of Foshan.The results showed that the surface meteorological parameters could relatively well indicate ozone levels during the dry season.High ozone events were usually characterized by high temperature，weak northerly winds at surface，and controlled by the subtropical high.With regard to the wet season，meteorological parameters acquired from the upper air had a stronger ability in identifying the surface ozone levels.When ozone pollution occurred，the wind speed at 850 hPa and the vertical wind shear between 850 hPa and ground were usually light.In usual，Foshan was either in the district of divergence at 500 hPa or downdraft at 700 hPa.The constructed OWI performed well indicating ozone concentrations especially in the wet season.The statistical results showed that ozone pollution events usually occurred when OWI exceeded the threshold（12.0 in dry season and 10.8 in wet season）.The predicted OWI by GRAPES model was positively correlated with the observed ozone concentration（the correlation coefficient is between 0.5 and 0.6）which can effectively predict DOI：10.13671/j.hjkxxb.2022.0446潘巧英，李婷苑，陈靖扬，等.2023.基于GRAPES模式佛山市臭氧污染气象指数的构建和预报 J.环境科学学报，43（1）：140-151PAN Qiaoying，LI Tingyuan，CHEN Jingyang，et al.2023.Construction and prediction of ozone weather index in Foshan based on GRAPES model J.Acta Scientiae Circumstantiae，43（1）：140-151收稿日期：2022-09-11 修回日期：2022-11-28 录用日期：2022-12-05基金项目：广东省重点研发计划项目（No.2020B1111360003）；国家重点研发计划项目（No.2019YFC0214605，2018YFC0213902）；广东省基础与应用基础研究基金项目（No.2021A1515011539）；广东省科技计划项目（科技创新平台类）（No.2019B121201002）；广东省气象局科技创新团队项目（No.GRMCTD202003）；广东省气象局科学技术研究项目（No.GRMC2020M12）作者简介：潘巧英（1990），女，E-mail：；*责任作者，E-mail：l-1 期潘巧英等：基于GRAPES模式佛山市臭氧污染气象指数的构建和预报the occurrence，development and dissipation of ozone pollution.The OWI serves as a reference for forecast and the performance of 24 hour-prediction is relatively well，while the precision decreased with the predicted time.Keywords：ozone；ozone weather index（OWI）；GRAPES model；meteorological parameters；dry season；wet season；Foshan1引言（Introduction）近年来，我国政府采取多种严格的排放管控措施致力改善空气质量，颗粒物污染得到有效治理与控制，但各大城市群的臭氧污染问题日趋严重并引起人们的广泛关注（Zheng et al.，2018；Lu et al.，2019；Liu et al.，2020）.对流层臭氧（O3）是大气中的重要微量气体，主要由包括氮氧化物（NOx）、一氧化碳（CO）、挥发性有机化合物（VOCs）在内的前体物经太阳辐射下的光化学反应形成，高浓度臭氧不仅会导致城市光化学烟雾的发生，严重影响人体健康，还会造成农作物减产、植被生长受损（Arnold et al.，2018；Hertig et al.，2019；Westervelt et al.，2019）.在排放源相对稳定的前提下，气象条件是造成臭氧超标事件的关键因素，包括大气环流形势、独特的天气系统、大气边界层结构特征及相关气象要素等（Ye et al.，2016；王磊等，2018；黎煜满等，2022；许欣祺等，2022；李婷苑等，2022）.一般来说，臭氧污染往往出现在辐射强、气温高、日照长、气压低、湿度小的天气条件下（黄俊等，2018；Ma et al.，2019；Yang et al.，2020；Cao et al.，2020；Chen et al.，2020；Fu et al.，2021；Jan et al.，2021）.作为大气污染的主要动力之一，风是影响污染物扩散速度和方向的重要因子，一方面较低的风速可抑制污染物扩散稀释，有利于本地排放的污染物在近地面堆积；另一方面在较高的 风速和有利的风向作用下，外来污染物的传输可加剧本地臭氧污染（Li et al.，2018；齐艳杰等，2020；秦毅等，2021；Li et al.，2022）.气象条件本质上是由大尺度环流系统驱动的，不同的环流系统可形成不同的三维气象结构，从而导致不同的光化学反应效率和污染输送过程，进而影响臭氧污染情况（Luo et al.，2020；严晓瑜等，2022）.Ding等（2013）首先发现热带气旋外围环流可将内陆高浓度臭氧向珠江三角洲沿海地区输送，而台风外围的大范围下沉气流会在陆地形成均压场，并把边界层中上层污染物向低层输送并积累（Deng et al.，2019；Xu et al.，2020；Huang et al.，2021）.在副热带高压系统影响下，珠三角处于沉降低压中，往往会出现晴朗少云、高温低湿、风速较小的天气，有利于近地面臭氧的生成和积聚（Zhao et al.，2017；Chen et al.，2019；庞业等，2019）.副热带高压和台风外围下沉气流控制下，可将前一日储存在残留层内的污染物垂直向下输送到地表，从而加剧 近地面臭氧污染（Stull，1988；何国文等，2022）.冷高压东移出海过程中，珠三角地区转为偏东风，且风速较小不利于污染物扩散；受类均压场影响，珠三角地区气压梯度变小，往往伴随静稳天气（余钟奇等，2019；陈婉莹等，2022）.因此，综合高空环流因子和地面气象因子分析不同天气形势对臭氧生成、输送扩散及堆积的影响，对于臭氧污染区域联防联控具有参考意义.目前，臭氧浓度预测模型可以简单分为两种：基于物理化学机制的确定性数值预报模式和基于观测 数据诊断分析的统计模型（Jia et al.，2021）.Chatani等（2020）对比了CMAQ、CAMx和WRF-Chem等3个模型对日本城市地区臭氧浓度的预报性能，发现所有模型都对夏季臭氧浓度存在高估现象，误差范围在（224.6）ppb之间；Zhao等（2017）使用WRF-Chem模型模拟发生在美国纽约附近的热浪引致臭氧超标异常事件，成功捕捉到污染期间的空气质量和气象场日变化特征，但臭氧浓度在白天时段出现低估，而夜间时段出现高估；Wei等（2019）基于 WRF-Chem模型采用不同的前体物（NOx、VOCs）排放量来估计 20102015年北京地区 近地面臭氧浓度变化，发现协同减排措施可有效缓解夏季臭氧污染.现有的空气质量预报模式通常会考虑大气污染物和气象因子的耦合过程，但由于参数化方案、排放源清单、关键组分缺失与时空分配不合理等均会带来较大的不确定性，以致臭氧浓度预报出现较大系统性误差.相较而言，统计模型的物理意义更为直接且操作简单，但往往需要较大数据量.Jia等（2021）提出了基于注意力的seq2seq模型来预测长江三角洲的 臭氧浓度变化，O3-1 h 预测值的均方根误差仅为 12.4 g m-3，较 WRF-Chem 模型预测效果更优；Sayeed 等（2020）采用深度卷积神经网络（DCNN）技术预测Texas附近的臭氧浓度，较好地反映了臭氧日变化趋势，但大多数情况下低估了臭氧的日最大值；Masri等（2019）应用土地利用回归模型（LUR）模拟天津地区附近的臭氧和NOx浓度变化，经过交叉验证法得到模型预测臭氧的解释方差最高达0.9.141环境科学学报43 卷为了定量研究气象因子对臭氧浓度的影响，有些学者基于观测数据构建综合指数的方法来描述气象 条件是否有利于臭氧污染天气的形成.杨元琴等（2009）引入适应度函数分级方法建立了北京夏季空气质量气象条件参数（PLMM）预报模型；很多研究利用地面气象监测数据构建静稳天气指数（SWI），发现SWI与PM2.5浓度有显著的相关性，可综合反映当地大气综合扩散能力（张恒德等，2017；陈懿妮等，2020；张敏等，2020）；陈辰等（2022）利用回流指数和日照时数构建了臭氧气象指数（MIO），该指数综合考虑了污染物回流现象和光化学反应，对佛山市的臭氧污染具有较好的指示意义；但目前臭氧气象指数的研究较少引入高空环流因子.综上，基于数值模式输出的气象场预报臭氧综合气象指数，可综合考虑多种气象要素对臭氧的 协同作用且无需海量观测数据，是实现臭氧污染气象条件客观定量预报的较好选择.珠江三角洲是我国目前最大的3个经济区之一，同时也是区域性大气污染最严重的的区域之一，臭氧 污染超标城市数量、O3-8 h浓度均值、超标日数均稳居华南臭氧污染中心（王肖丽等，2019；黄小刚等，2019）.而佛山市位于珠江三角洲中部地区，是全国著名的制造业大市；地处亚热带季风性湿润气候区，最南端距离海岸线仅30余千米，海洋和陆地天气系统均对佛山有明显影响，加上区域性空气质量管控措施使得臭氧污染气象条件难以预测.因此，本文选取20172018年佛山市环保国控站点臭氧监测资料、地面常规气象观测资料和ECMWF再分析资料，引入高空气象要素构建适用于佛山市干季和湿季的臭氧污染气象综合指数（OWI），并基于 GRAPES区域模式气象预报场进行逐日预报，以期能提供客观定量的臭氧污染气象条件 预报，为区域臭氧污染协同防治提供参考依据.2资料方法（Materials and methods）2.1使用资料20172018 年臭氧观测资料来源于中国环境监测总站（https：/：18007/），监测站点包括 三水监测站、三水云东海、南海气象局、湾梁、华材职中、顺德苏岗、容桂街道办和高明孔堂国控站，佛山市臭氧浓度均值是指以上8个环保国控站点浓度的平均值.地面观测资料来自三水、南海、顺德3个国家气象观测站，包括20172018年的逐日气温、气压、风速、风向、相对湿度和降雨量数据.站点分布情况如图1所示，除了高明孔堂站外，其余空气质量国控站呈局地聚集分布，且与国家气象观测站距离较近，观测数据具备较好的比较性和代表性.ECMWF再分析资料水平分辨率为0.250.25，每天4次，时间间隔为6 h，垂直层次选取常规观测层1000、925、850、700和500 hPa，以双线性插值法提取观测站点附近数据.GRAPES（Global/Regional Assimilation and PrEdiction System）是中国气象局自主开发建立的多尺度通用 资料同化和数值预报系统，包含全球和区域两个版本，在实际业务运行中表现良好.其中，区域版本（GRAPES-3 km、GRAPES-9 km等）具有较高水平分辨率，对市县级范围的气象条件分析具有高度研究价值，是目前华南地区主要使用的业务数值预报模式之一（Huang et al.，2019；Wang et al.，2020）.其中，GRAPES-9 km 模式采用地形跟随坐标（Xu et al.，2020），水平 分辨率为 0.090.09，每天运行 4 次（00：00、06：00、12：00和18：00 UTC），输出未来7日逐3 h气象预报场.本文选取GRAPES-9 km分辨率模式，与广东地区4个探空站（清远、河源、阳江和汕头）及佛山市地面观测资料进行对比，检验GRAPES模式在佛山及附近地区地面气象要素和高空环流形势的预报性能，选取评估效果较好的气象要素用以构建佛山市的臭氧污染 气象指数.图1佛山市国家气象观测站和空气质量国控站分布图Fig.1The meteorological and environmental station distribution in Foshan1421 期潘巧英等：基于GRAPES模式佛山市臭氧污染气象指数的构建和预报2.2臭氧污染气象指数构建地面气象要素和高空环流形势均对近地面臭氧污染的发生发展有重要影响，大尺度环流形势通过影响和制约中尺度气象系统的发展，间接影响地面气象要素的变化，本文将综合考虑地面和高空气象要素及其衍生的可能影响臭氧污染的物理量因子构建佛山市臭氧污染气象指数.根据佛山市的气候特点，将49月定义为湿季，10月翌年3月定义为干季（陈创买等，1997；Shou et al.，2020）.参考静稳天气综合指数构建方法（张恒德等，2017），通过以下3步构建臭氧污染气象指数OWI.1）选取地面和高空气象敏感要素，地面气象要素包括气温、风速及其经向、纬向分量、相对湿度、降水量、气压、最高气温、24 h变温、24 h变压、水平方向气温梯度和气压梯度及地面气象要素计算的混合层高度等；高空气象要素包括500、700、850、925 hPa位势高度、水平风速、散度、涡度、垂直速度、850、925 hPa相对湿度，以及纬向风和经向风垂直切变等.2）剔除气象要素极端值后，分段统计各气象要素值落在不同区间下的O3-8 h污染超标率作为超标分 指数Eim，具体计算方法见式（1）.Eim=XimXim+Yim（1）式中，Eim为气象因子m在区间i的超标分指数，Xim和Yim分别为气象因子m在区间i的条件下污染天气和非污染天气的出现次数，该值越大表明气象因子落在该区间时臭氧污染天气出现概率越高.3）定义指数区分度Diff为气象要素在不同区间下超标分指数最大值和最小值的比值，比值越大意味着该气象要素对区分臭氧污染和清洁天气的能力越高.选取区分度从大到小排序前10的气象要素，计算超标分指数与佛山市出现臭氧污染天气总概率的比值再逐项求和，得到臭氧污染气象指数OWI，具体计算方法见式（2）.OWI=m=1m=10EimP（2）式中，m=1m=10Eim为区分度排序前10个气象要素的分指数之和，P为佛山地区出现臭氧污染天气的概率.2.3检验方法基于GRAPES模式输出的气象预报场计算逐日臭氧污染气象指数OWI，对比OWI预报值与O3-8 h浓度实况值作预报检验评估：当OWI预报值大于指数阈值且O3-8 h超过二级限值（浓度高于160 g m-3）视为击中（NA），当OWI预报值大于指数阈值且O3-8 h未达二级限值视为空报（NB），当OWI预报值小于指数阈值且O3-8 h超过二级限值视为漏报（NC），当OWI预报值小于指数阈值且O3-8 h未达二级限值视为负击中（ND），总样本数N=NA+NB+NC+ND.这里定义准确率指预报正确的样本数（击中与负击中之和）与总样本数的比值，代表臭氧污染气象指数区分清洁日和污染日的能力；空报率指空报数与击中数和空报数之和的比值；漏报率指漏报数与击中数和漏报数之和的比值；TS技巧评分（Threat Score）指击中数与击中数、误警数和漏报数之和的比值，表示预报阈值的技巧评分；ETS 公平技巧评分（Equitable Threat Score）表示满足预报阈值的击中样本相对于满足同样阈值的随机预报的预报技巧，可对空报、漏报进行处罚，使评分相对TS评分更为公平；偏差评分（Bias Score）指击中数和误警数之和与击中数和 漏报数之和的比值.具体检验方法如表1所示.表1OWI指数预报检验方法Table 1Method for evaluation of OWI forecast检验指标准确率空报率漏报率TS技巧评分ETS技巧评分偏差评分计算公式NA+NDNNBNA+NBNCNA+NCNANA+NB+NCNA-rNA+NB+NC-r，r=(NA+NB)(NA+NC)NNA+NBNA+NC143环境科学学报43 卷3结果与分析（Results and discussion）3.1臭氧污染气象敏感因子很多学者对GRAPES模式的预报效果进行定量检验评估，并指出其对中国区域的主要天气要素及形势场具有较高的预报能力（黄丽萍等，2017；佟铃等，2017；岳艳霞等，2022）.为了解GRAPES模式对佛山地区的预报性能，利用佛山市3个国家气象观测站和广东地区4个探空站观测数据对GRAPES模式预报进行检验评估（表略），发现GRAPES模式对各等压面的位势高度、温度、地面气温、气压、风速等预报效果均较好，各要素平均相关系数为0.86，晴雨预报准确率超过70%，但700 hPa以上高空相对湿度预报偏差随高度增加而增大（均方根误差达 20%以上）.总的来说，GRAPES模式对佛山及周边地区的气象要素具有较高的预报 能力，但700 hPa高度以上的相对湿度预报偏差较大.依据GRAPES模式评估检验结果，将预报参考性较高的要素纳入气象因子库，从中挑选分别在干、湿季与臭氧生成、扩散条件密切相关的气象因子，使用ECMWF再分析资料和地面气象监测资料计算得到构建 佛山市干、湿季臭氧污染气象指数的各10个气象要素如表2和表3所示.按照区分度Diff从大到小排序，干季区分臭氧污染和清洁能力较好的气象要素依次为最高气温、地面风速、500 hPa散度、850 hPa经向风、地面气压、850 hPa纬向风、地面经向风速、700 hPa涡度、500 hPa位势高度和经向气温梯度，湿季依次为850 hPa经向风、700 hPa垂直速度、经向风垂直切变、相对湿度、500 hPa散度、850 hPa纬向风、地面风速、纬向风垂直切变、最高气温和经向气压梯度.这些要素从模式可预报性出发，综合考虑了臭氧污染天气形成的动力条件、热力条件和环流形势，能较好地反映佛山市的臭氧污染气象条件特征.在干季，区分度最高的气象要素为最高气温和地面风速，其余要素区分度均低于10，表明地面要素对区分干季臭氧污染和清洁天气的能力更强.佛山市干季常年（19912020年）最高气温平均值约为22.4，而最高气温的超标阈值介于23.730.8 之间，可知臭氧污染天气往往气温较高，同时地面风速总体偏小且多为弱北风.经向气温梯度是指韶关市和佛山市之间的地面气温梯度，可从气温方面侧面反映地面冷空气强度.可见经向气温梯度和地面气压超标阈值范围均较大，即佛山市在冷高压出海、均压场、弱冷空气影响下或 较强冷空气影响前均有可能造成臭氧超标.从高空环流形势来看，臭氧污染日500 hPa位势高度偏高，水平散度多为负值，且700 hPa以反气旋性涡度为主，表明佛山市上空主要受较强盛副热带高压影响，通过高空表2佛山市干季O3-8 h浓度超标气象因子阈值及区分度Table 2Meteorological threshold of O3-8 h concentration and OWI Diff in dry seasons in Foshan数据类型超标阈值范围区分度地面要素最高气温/23.730.811.7地面风速/（m s-1）1.02.910.0地面经向风速/（m s-1）-2.71.77.0经向气温梯度/1.64.74.6地面气压/hPa1009.91017.18.2高空要素850 hPa纬向风/（m s-1）-6.62.27.6850 hPa经向风/（m s-1）-4.15.08.5700 hPa涡度/10-6 s-1-33.14.26.8500 hPa位势高度/gpm568257815.2500 hPa散度/10-5 s-1-1.50.89.6O3-8 h浓度超标均值/（g m-3）195.1/注：超标阈值范围为臭氧超标情况下气象要素的第1090百分位数，表3类同.表3佛山市湿季O3-8 h浓度超标气象因子阈值及区分度Table 3Meteorological threshold of O3-8 h concentration and OWI Diff in wet seasons in Foshan数据类型超标阈值范围区分度地面要素最高气温/27.536.63.6地面风速/（m s-1）1.22.84.1相对湿度64%82%5.3经向气压梯度/hPa-0.60.13.5高空要素经向风垂直切变/（m s-1）0.54.17.5纬向风垂直切变/（m s-1）0.55.53.6850hPa纬向风/（m s-1）-5.73.24.7850hPa经向风/（m s-1）-3.54.822.8700 hPa垂直速度/（10-1 Pas-1）-1.10.57.5500 hPa散度/10-5 s-1-1.10.94.8O3-8 h浓度超标均值/（g m-3）218.2/1441 期潘巧英等：基于GRAPES模式佛山市臭氧污染气象指数的构建和预报辐合下沉作用抑制污染物的垂直扩散，同时容易形成静稳天气.当850 hPa风速较小时，表明没有强冷空气或强盛南风影响，不利于污染物扩散清除.在湿季，高空要素比地面要素多2个，且区分度普遍偏高，其中，850 hPa经向风区分度高达22.8，表明 高空要素对区分湿季臭氧污染和清洁天气的能力更强.与干季情况相似，在湿季当佛山市出现气温高、地面风速小的天气，且850 hPa风速较小时，容易出现臭氧污染.相对湿度与臭氧浓度总体呈负相关关系，当相对湿度较低时臭氧浓度往往会升高，但相对湿度达80%左右时也可能出现臭氧超标现象.经向气压梯度是指三水和顺德站的地面气压梯度，其值较小表明无强冷平流影响，臭氧污染时佛山市地面多为类均压场控制.从高空环流形势来看，500 hPa散度和700 hPa垂直速度为正值或负值均可能出现臭氧污染，但两者在全部样本中均以负值为主，在污染日样本中则以正值为主，即500 hPa呈辐散形势或700 hPa为下沉运动时出现臭氧污染的概率更高.经向（纬向）风垂直切变是指850 hPa与地面经向（纬向）风的差值，850 hPa等压面约在1400 m高度，能较好地反映佛山市湿季边界层内的风速垂直变化.而风垂直切变可产生机械湍流活动，其值越小，湍流生成的动力作用越弱，越不利于臭氧及其前体物的湍流扩散.值得注意的是，由于无雨样本量较大，导致日降水量的超标指数区分度偏小.出现降雨时往往云量较多，太阳辐射相对减少，不利于臭氧生成，同时降雨对污染物有明显的湿清除作用，因此，设定臭氧污染气象指数的降雨权重如下：在干季，当日降水量大于1 mm，降雨权重为-1，当日降水量大于5 mm，降雨权重为-2；在湿季，当日降水量大于5 mm，降雨权重为-1，当日降水量大于25 mm，降雨权重为-2.3.2臭氧污染气象指数统计阈值利用20172018年O3-8 h浓度实况对上述方法构建的臭氧污染气象指数进行统计评估，如图2所示.可见，无论在干季或湿季，随着OWI的增大，O3-8 h浓度日变率由负转为正，O3-8 h浓度整体呈上升趋势，表明该指数能较好地反映臭氧浓度变化情况，对捕捉臭氧污染事件有不错的效果.在干季，当OWI在1214之间时，O3-8 h浓度日变率转为正值，O3-8 h浓度均值接近臭氧污染二级限值，O3-8 h浓度第90百分位数达208 g m-3，表明臭氧污染风险较高；当OWI大于16时，O3-8 h浓度日变率显著增加，O3-8 h浓度均值继续缓慢 上升，O3-8 h浓度第90百分位数最高达248 g m-3，表明出现臭氧重污染事件的可能性较高.在湿季，当OWI在1012之间时，O3-8 h浓度日变率转为正值，此时O3-8 h浓度均值明显上升至168 g m-3，O3-8 h浓度第90百分位数更是达到242 g m-3；随着OWI继续增大，O3-8 h浓度和O3-8 h浓度日变率呈现一致的飙升趋势，但期间没有出现OWI大于16的样本.为了进一步得到区分臭氧污染天气和清洁天气的指数阈值，图3给出了O3-8 h不同级别时的OWI箱体图，箱体表示中位数、上四分位数和下四分位数，引线表示箱体上、下限1倍四分位距的数值，空心圆表示引线设置条件下的异常值.可见，在干季，OWI离散度较大，且呈现正偏态分布，臭氧污染级别的箱体下四分位数均大于优良级别箱体的上四分位数.在湿季，不同级别的箱体高度均比干季更小、引线更短，表明OWI的 图2佛山市干季（a）、湿季（b）OWI不同范围对应的O3-8 h浓度均值、第90百分位数和日变率变化Fig.2The average，the 90 percentile and daily variability of O3-8h concentration at different ranges of OWI of Foshan in dry（a）and wet（b）seasons145环境科学学报43 卷离散度更小，描述臭氧污染天气的可靠性更高；污染级别箱体的下四分位数均大于优良级别箱体的上四分位数.总而言之，当OWI大于臭氧污染级别的下四分位数时，出现臭氧超标事件的可能性较大，其中以湿季OWI对区分臭氧污染和非污染天气的参考性更高.这里定义臭氧污染级别的下四分位数为OWI阈值，干季为12.0，湿季为10.8.3.3臭氧污染气象指数预报评估基于前面的分析结果，可通过GRAPES模式的气象预报场计算出佛山市干季、湿季的逐日臭氧污染 气象指数.图4给出了20172018年干、湿季O3-8 h浓度和OWI预报值逐日变化，这里的指数预报值是指基于GRAPES模式前一日20：00起报未来24 h气象场计算的OWI.无论在干季或湿季，OWI与O3-8 h浓度均呈正相关关系，相关系数分别为0.53和0.58，通过=0.01的显著性检验.在干季，OWI能较好地反映出O3-8 h浓度的阶段性变化趋势，对污染过程的波动性上涨趋势捕捉得较好，但对臭氧污染过程的结束节点反应不够灵敏.而在湿季，O3-8 h浓度的波动幅度较干季更大，但OWI峰值往往对应臭氧浓度的极大值，说明OWI对O3-8 h浓度的变化趋势具有一定的预报参考性.从散点分布图来看（图5），无论干季或湿季，OWI-48 h、72 h预报值与臭氧浓度同样呈正相关关系，干季相关系数介于0.40.5之间，湿季相关系数与24 h基本持平，分别为0.57和0.55.除部分异常值外，其余值基本与拟合线较为聚合，其中以湿季拟合效果更佳.表4给出了佛山市基于GRAPES模式未来24、48、72 h气象场的OWI预报评分结果.可见，OWI阈值预报准确率均超过0.6，尤其在湿季24 h预报准确率达到0.78，具有较高的预报准确性.OWI阈值的漏报率表现也较好，在干季24、48、72 h预报的漏报率介于0.20.5之间，在湿季漏报率随着预报时效增长而增大，72 h预报的漏报率超过0.5，这可能与湿季佛山市天气变化大、模式预报偏差随预报时效增大有关.空报率在干季表现不太理想，存在超过0.6的空报率，而湿季的空报率则维持在0.2左右.在湿季24 h预报的TS技巧评分为0.58，预报技巧较高，48、72 h依次降低，仍维持在0.40.5之间，与漏报率的变化趋势较相似；在干季TS技巧评分较湿季偏低，基本维持在0.3，主要原因是空报频次偏多.从ETS公平技巧评分可以较明显看出OWI在干季和湿季预报效果的区别：在干季ETS评分介于0.10.2之间，而在湿季24 h预报的ETS评分达0.37，在对空报和漏报进行惩罚的前提下仍高于干季24 h预报的TS评分.偏差评分反映OWI阈值的的总体预报效果，在湿季24 h预报的偏差评分接近于1，即无明显偏差，48、72 h依次下降，在干季预报偏差评分约为2.可见，OWI阈值的预报参考性较高，在湿季24 h预报效果尤为理想，在干季由于空报频次偏多预报效果稍逊，但整体准确率仍然超过0.6.综上，基于GRAPES模式的OWI预报值能有效地反映佛山市干季或湿季的臭氧污染气象条件，对预报臭氧污染过程有较好的指示意义.尤其在湿季，在O3-8 h浓度波动起伏很大的情况下，OWI仍然能较准确地预判臭氧污染过程，预报评分结果亦较理想，具有较高的预报参考性.图3佛山市干季（a）和湿季（b）O3-8 h不同级别时OWI变化（箱体表示中位数、上四分位数和下四分位数，引线表示箱体1倍四分位距数值）Fig.3OWI of Foshan at different grades of O3-8 h in dry（a）and wet（b）seasons（The box represents the median，upper quartile and lower quartile value.The lead represents the value of 1 times of the interquartile range of the box）1461 期潘巧英等：基于GRAPES模式佛山市臭氧污染气象指数的构建和预报图4佛山市20172018年干季（a）和湿季（b）O3-8 h浓度和OWI-24 h预报值对比（黑色框为2017年1月18日（a）、2017年4月27日5月4日（b）Fig.4O3-8 h concentration observation and OWI prediction of Foshan in dry（a）and wet（b）seasons from 2017 to 2018（black frame are January 1st to 8th in 2017（a）and April 27th to May 4th in 2018（b）图5佛山市O3-8 h浓度和OWI-24 h（a）、48 h（b）、72 h（c）预报值散点图Fig.5Scatter plot of O3-8 h concentration and 24 h（a），48 h（b）and 72 h（c）prediction of OWI of Foshan147环境科学学报43 卷3.4个例分析污染气象综合指数须具备有效性、可预报性的特征，即可根据综合指数预报臭氧污染过程的不同阶段，达到臭氧污染提前预报、及早防治的效果.以佛山市2017年1月18日（干季）、2017年4月27日5月4日 （湿季）两次典型臭氧污染过程为例，分析OWI对臭氧污染过程的预报性能，O3-8 h浓度和OWI-24 h预报值逐日变化见图4黑色框内，图67分别给出了两次过程的天气形势和地面气象要素逐日变化.2017年1月初表4佛山市OWI-24 h、48 h、72 h预报评分Table 4Forecast sco