本發(fā)明涉及數(shù)值分析技術(shù)領(lǐng)域，適用于大氣環(huán)境分析領(lǐng)域,特別涉及一種空氣質(zhì)量預報方法。

背景技術(shù)：

隨著工業(yè)化進程的發(fā)展，空氣污染成為越來越嚴重的一個問題。城市區(qū)域是空氣污染最常發(fā)生的地區(qū)，分布于珠江三角洲、四川盆地、長江三角洲、京津冀、東北平原地區(qū)的都市化城市和重工業(yè)城市空氣污染的狀況比其他地區(qū)更為嚴重。目前城市空氣質(zhì)量問題已受到普遍關(guān)注，其形成機理、影響、控制途徑及預報預測系統(tǒng)的建立與發(fā)展已成為亟需解決的問題。

目前，城市空氣質(zhì)量多通過統(tǒng)計學預報法和數(shù)值預報法進行預報。統(tǒng)計學預報法是分析空氣污染出現(xiàn)時的大尺度天氣系統(tǒng)活動規(guī)律，分析中低空大氣溫度、相對濕度和風速等氣象要素和污染物的統(tǒng)計學關(guān)系。該方法簡單方便，但由于氣象條件、氣溶膠濃度、譜分布、化學成分的關(guān)系非常復雜，建立準確度較高的統(tǒng)計預報方程難度較大，且這種方法需要同期城市污染物和氣象監(jiān)測資料，預報成本較高。

數(shù)值預報法則是通過空氣質(zhì)量數(shù)值預報模式計算污染物濃度分布和變化規(guī)律。該方法雖具有完善的理論基礎(chǔ)，但預報過程難度大且計算量。以美國環(huán)保局(epa)為代表,從1970年至今已開發(fā)了三代空氣質(zhì)量模型。第三代空氣質(zhì)量模式,通稱為models-3,該類模式擬將所有的大氣問題均考慮進模式之中,可以有效地進行較為全面的空氣質(zhì)量控制策略的評估。目前類似的比較常用的空氣質(zhì)量模式還有：eurad模式、adom模式、radm模式、uam模式、stem模式等，這些模式各有特色,各有其優(yōu)缺點。前三種主要用于酸雨問題的研究，而后幾種用于大氣光化學和氣溶膠二次污染的模擬。雖然各模式的動力框架結(jié)構(gòu)不一,但所采取的化學反應機理主要是cbm-iv、radmii、以及saprc等。

國內(nèi)空氣質(zhì)量預報根據(jù)其應用于環(huán)境決策和環(huán)境研究的目標、污染物的排放特征和污染物在大氣中的相互作用、形成和轉(zhuǎn)化的特點，對模型的參數(shù)和功能作修訂和改進,也發(fā)展形成了具有適應區(qū)域特點的各種尺度多模型體系。第一代模型主要是高斯煙流模型,國 內(nèi)第二代模式有城市尺度的空氣質(zhì)量預報模式(如中國科學院大氣物理研究所hrdm)及區(qū)域尺度污染物歐拉輸送模式(如中國科學院大氣物理研究所raqm、南京大學區(qū)域酸沉降模式regadm等)。目前國內(nèi)模式發(fā)展也進入第三代，以一個大氣的概念，建構(gòu)了從全球尺度、區(qū)域尺度及套網(wǎng)格的大氣環(huán)境模式系列，有南京大學的區(qū)域大氣環(huán)境模式系統(tǒng)(regaems)、中國科學院大氣物理研究所的嵌套網(wǎng)格空氣質(zhì)量預報系統(tǒng)(naqpms[10])、中國科學院大氣物理研究所全球環(huán)境大氣輸送模式等。

上述空氣質(zhì)量預報模型依賴各種排放源清單能夠從全球或區(qū)域尺度進行大范圍的空氣質(zhì)量模擬預報。每個模型根據(jù)不同的大氣物理化學機理從不同角度反應了大氣成分的變化，但是沒有一個模型能全面包括所有的大氣物化反應機理。在現(xiàn)有技術(shù)中，雖然采用了多模式集合預報的方法，但該方法只可針對較大范圍尺度的區(qū)域(如全球)或是中等范圍尺度的區(qū)域(如亞洲、中國東北地區(qū)等)進行預報，預報精度較低，并且預報過程中計算量大，耗時多。

技術(shù)實現(xiàn)要素：

為了解決上述問題，本發(fā)明的目的在于提供一種空氣質(zhì)量預報方法,對空氣中一種或多種氣體或顆粒物的含量進行預報，包括以下步驟、:

步驟一：采集待預報地區(qū)的歷史環(huán)境數(shù)據(jù)，并將歷史環(huán)境數(shù)據(jù)依次輸入兩個或兩個以上空氣質(zhì)量預報模型中，分別得到兩個或兩個以上歷史空氣質(zhì)量預測數(shù)據(jù)；

步驟二：將兩個或兩個以上歷史空氣質(zhì)量預測數(shù)據(jù)以實際觀測數(shù)據(jù)為參考數(shù)據(jù)進行修正，計算出各空氣質(zhì)量預報模型在最終集合計算結(jié)果中所占權(quán)重值；

步驟三：采集待預測地區(qū)的當前環(huán)境數(shù)據(jù)，并將當前環(huán)境數(shù)據(jù)依次輸入兩個或兩個以上空氣質(zhì)量預報模型中，分別得到兩個或兩個以上初始預測數(shù)據(jù)；

步驟四：根據(jù)權(quán)重值對初始預測數(shù)據(jù)進行修正，得到最終預報數(shù)據(jù)。

本發(fā)明所涉及的空氣預報方法簡單實用，可針對較小范圍的區(qū)域(如城市、區(qū)縣等)進行預報，預報精度高，且計算過程簡單，方便采樣。

進一步地，歷史環(huán)境數(shù)據(jù)包括第一歷史排放數(shù)據(jù)、歷史第一地形數(shù)據(jù)以及歷史氣象數(shù)據(jù)。

優(yōu)選地,當前環(huán)境數(shù)據(jù)包括第一當前排放數(shù)據(jù)、當前第一地形數(shù)據(jù)以及當前氣象數(shù)據(jù)。

進一步地,在步驟一中，增加采集歷史第二地形數(shù)據(jù)，并將歷史氣象數(shù)據(jù)與歷史第二地形數(shù)據(jù)分別與兩個或兩個以上空氣質(zhì)量預報模型得到的基于歷史第一地形數(shù)據(jù)的歷史 空氣質(zhì)量預測數(shù)據(jù)進行計算，分別得到兩個或兩個以上基于歷史第二地形數(shù)據(jù)的初始預測數(shù)據(jù)。

優(yōu)選地,步驟三中，增加采集當前第二地形數(shù)據(jù)，并將當前氣象數(shù)據(jù)與當前第二地形數(shù)據(jù)分別與兩個或兩個以上空氣質(zhì)量預報模型得到的基于當前第一地形數(shù)據(jù)的當前空氣質(zhì)量預測數(shù)據(jù)進行計算，分別得到兩個或兩個以上基于當前第二地形數(shù)據(jù)的初始預測數(shù)據(jù)。

進一步地，在步驟一中，將歷史第二地形數(shù)據(jù)，歷史氣象數(shù)據(jù)以及第二歷史排放數(shù)據(jù)一起依次輸入到兩個或兩個以上空氣質(zhì)量預報模型中，以嵌套計算的方式進行運算，分別得到兩個或兩個以上歷史空氣質(zhì)量預測數(shù)據(jù)。

優(yōu)選地，在步驟一中，以歷史第二地形數(shù)據(jù)、歷史人口分布數(shù)據(jù)和/或歷史工廠分布數(shù)據(jù)對歷史空氣質(zhì)量預測數(shù)據(jù)進行重采樣運算，得到基于歷史第一地形數(shù)據(jù)的歷史空氣質(zhì)量預測數(shù)據(jù)。

進一步地，在步驟三中，將當前第二地形數(shù)據(jù)、當前氣象數(shù)據(jù)以及第二當前排放數(shù)據(jù)一起依次輸入兩個或兩個以上空氣質(zhì)量預報模型中，以嵌套計算的方式進行運算，分別得到兩個或兩個以上基于當前第二地形數(shù)據(jù)的初始預測數(shù)據(jù)。

優(yōu)選地，在步驟三中，以當前第二地形數(shù)據(jù)、人口分布數(shù)據(jù)和/或工廠分布數(shù)據(jù)對歷史空氣質(zhì)量預測數(shù)據(jù)進行重采樣運算，得到基于當前第二地形數(shù)據(jù)的初始預測數(shù)據(jù)。

進一步地，空氣質(zhì)量預報模型為三個。

優(yōu)選地，空氣質(zhì)量預報方法主要對空氣中pm2.5、pm10、二氧化硫、二氧化氮、一氧化碳、臭氧中一種或多種的含量進行預報。

如上，本發(fā)明所涉及的空氣質(zhì)量預報方法預報過程簡單，采樣方便，且預報精確度高，還可改善因排放源數(shù)據(jù)缺乏造成的城市尺度空氣質(zhì)量預報精度較差的問題。

附圖說明

圖1為本發(fā)明空氣質(zhì)量預報方法的流程圖。

圖2為空氣預報分析區(qū)域示例圖；

圖3(a)為pm10含量預報結(jié)果示例圖；

圖3(b)為二氧化硫含量預報結(jié)果示例圖；

圖3(c)為二氧化氮含量預報結(jié)果示例圖；

圖3(d)為臭氧含量預報結(jié)果示例圖；

圖3(e)為一氧化碳含量預報結(jié)果示例圖；

圖3(f)為pm2.5含量預報結(jié)果示例圖。

具體實施方式

具體來說，本發(fā)明所涉及的空氣質(zhì)量預報方法是一種基于數(shù)據(jù)同化方法和待預測地區(qū)環(huán)境數(shù)據(jù)的多模式空氣質(zhì)量預報方法。

以下由特定的具體實施例說明本發(fā)明的實施方式，本領(lǐng)域技術(shù)人員可由本說明書所揭示的內(nèi)容輕易地了解本發(fā)明的其他優(yōu)點及功效。雖然本發(fā)明的描述將結(jié)合較佳實施例一起介紹，但這并不代表此發(fā)明的特征僅限于該實施方式。恰恰相反，結(jié)合實施方式作發(fā)明介紹的目的是為了覆蓋基于本發(fā)明的權(quán)利要求而有可能延伸出的其它選擇或改造。為了提供對本發(fā)明的深度了解，以下描述中將包含許多具體的細節(jié)。本發(fā)明也可以不使用這些細節(jié)實施。此外，為了避免混亂或模糊本發(fā)明的重點，有些具體細節(jié)將在描述中被省略。

另外，在以下的說明中所使用的“上”、“下”、“左”、“右”、“頂”、“底”，不應理解為對本發(fā)明的限制。

如圖1所示，本發(fā)明提供一種空氣質(zhì)量預報方法,對空氣中一種或多種污染物含量進行預報，在本發(fā)明的空氣質(zhì)量預報方法主要對空氣中pm2.5、pm10、二氧化硫、二氧化氮、一氧化碳、臭氧中一種或多種的含量進行預報，包括以下步驟:

步驟一：采集待預報地區(qū)的歷史環(huán)境數(shù)據(jù)，并將歷史環(huán)境數(shù)據(jù)依次輸入兩個或兩個以上空氣質(zhì)量預報模型中，分別得到兩個或兩個以上歷史空氣質(zhì)量預測數(shù)據(jù)；

步驟二：將兩個或兩個以上歷史空氣質(zhì)量預測數(shù)據(jù)以實際觀測數(shù)據(jù)為參考數(shù)據(jù)進行修正，計算出各空氣質(zhì)量預報模型在最終集合計算結(jié)果中所占權(quán)重值；

步驟三：采集待預測地區(qū)的當前環(huán)境數(shù)據(jù)，并將當前環(huán)境數(shù)據(jù)依次輸入兩個或兩個以上空氣質(zhì)量預報模型中，分別得到兩個或兩個以上初始預測數(shù)據(jù)；

步驟四：根據(jù)權(quán)重值對初始預測數(shù)據(jù)進行修正，得到最終預報數(shù)據(jù)。

在本發(fā)明中,歷史環(huán)境數(shù)據(jù)優(yōu)選包括第一歷史排放數(shù)據(jù)、歷史第一地形數(shù)據(jù)以及歷史氣象數(shù)據(jù)；當前環(huán)境數(shù)據(jù)優(yōu)選包括當前排放數(shù)據(jù)、當前第一地形數(shù)據(jù)以及當前氣象數(shù)據(jù)。

在步驟一中，首先采集第一歷史排放數(shù)據(jù)、歷史第一地形數(shù)據(jù)以及歷史氣象數(shù)據(jù)，利用兩個或兩個以上空氣質(zhì)量預報模型對待預報地區(qū)進行歷史時段的空氣質(zhì)量預報，得到歷史空氣質(zhì)量預測數(shù)據(jù)。

進一步地，待預測地區(qū)優(yōu)選為城市，為了使計算所得結(jié)果更為精確，在步驟一中，增 加采集歷史第二地形數(shù)據(jù)，并將歷史氣象數(shù)據(jù)與歷史第二地形數(shù)據(jù)分別與兩個或兩個以上空氣質(zhì)量預報模型得到的基于歷史第一地形數(shù)據(jù)的歷史空氣質(zhì)量預測數(shù)據(jù)進行計算，分別得到兩個或兩個以上基于第二歷史地形數(shù)據(jù)的歷史空氣質(zhì)量預測數(shù)據(jù)，具體來說，即增加采集歷史第二地形數(shù)據(jù)，并將歷史環(huán)境數(shù)據(jù)與歷史第二地形數(shù)據(jù)與基于第一地形數(shù)據(jù)的歷史空氣質(zhì)量預測數(shù)據(jù)進行如下方式之一的操作：

方式一：采集歷史第二地形數(shù)據(jù)以及待預報城市區(qū)域所對應的第二歷史排放數(shù)據(jù)，并將歷史第二地形數(shù)據(jù)、歷史氣象數(shù)據(jù)以及第二歷史排放數(shù)據(jù)一起依次輸入兩個或兩個以上空氣質(zhì)量預報模型中，以嵌套計算的方式分別得到兩個或兩個以上基于第二歷史地形數(shù)據(jù)的空氣質(zhì)量預測數(shù)據(jù)；在該方式中，對第二歷史排放數(shù)據(jù)的測量精度要求較高，以獲得較為精確的計算結(jié)果。

方式二：由于在實際操作中，高精度的第二歷史排放數(shù)據(jù)往往較難獲得，因此，在本發(fā)明中，針對實際上缺乏高精度的第二歷史排放源數(shù)據(jù)的大多數(shù)城市區(qū)域的情況，利用方式一中基于第二歷史排放數(shù)據(jù)的多層嵌套計算可用基于人口分布數(shù)據(jù)和/或工廠分布數(shù)據(jù)的重采樣計算替代，用以提高城市區(qū)域預報的精度。即利用歷史第二地形數(shù)據(jù)，以及待預報地區(qū)的人口分布數(shù)據(jù)和/或工廠分布數(shù)據(jù)對基于歷史第一地形數(shù)據(jù)計算得到的歷史空氣質(zhì)量預測數(shù)據(jù)進行重采樣運算，得到基于第二地形數(shù)據(jù)的空氣質(zhì)量預測數(shù)據(jù)。

在步驟二中，將步驟一中所得到的歷史空氣質(zhì)量預測數(shù)據(jù)與已采集的實際觀測數(shù)據(jù)進行比對，以實際觀測數(shù)據(jù)為參考對歷史空氣質(zhì)量預測數(shù)據(jù)進行數(shù)據(jù)同化，對歷史空氣質(zhì)量預測數(shù)據(jù)進行修正，得到修正后的歷史空氣質(zhì)量預測數(shù)據(jù)和誤差值；再分別計算各個空氣質(zhì)量預報模型所得到的數(shù)據(jù)與實際觀測數(shù)據(jù)的相關(guān)性，并根據(jù)相關(guān)系數(shù)計算出各空氣質(zhì)量預報模型在最終集合計算結(jié)果中所占權(quán)重值。

在步驟三中，采集待預測地區(qū)的當前環(huán)境數(shù)據(jù)，即第一當前排放數(shù)據(jù)、當前第一地形數(shù)據(jù)以及當前氣象數(shù)據(jù)，利用多個空氣質(zhì)量預報模式進行未來時段的預報，并利用前述計算得到的權(quán)重進行加權(quán)集成計算得到最終的集合預報結(jié)果。

進一步地，在步驟三中，待預測地區(qū)優(yōu)選為城市，為了使計算所得結(jié)果更為精確，增加采集當前第二地形數(shù)據(jù)，并將當前氣象數(shù)據(jù)與當前第二地形數(shù)據(jù)分別與兩個或兩個以上空氣質(zhì)量預報模型得到的基于當前第一地形數(shù)據(jù)的當前空氣質(zhì)量預測數(shù)據(jù)進行計算，分別得到兩個或兩個以上基于當前第二地形數(shù)據(jù)的初始預測數(shù)據(jù)，具體來說，即增加采集當前第二地形數(shù)據(jù)，并將當前氣象數(shù)據(jù)與當前第二地形數(shù)據(jù)與基于當前第一地形數(shù)據(jù)的當前空氣質(zhì)量預測數(shù)據(jù)進行如下方式之一的操作：

方式一：采集當前第二地形數(shù)據(jù)以及待預報城市區(qū)域所對應的第二當前排放數(shù)據(jù)，并將當前第二地形數(shù)據(jù)、當前氣象數(shù)據(jù)以及第二當前排放數(shù)據(jù)一起依次輸入兩個或兩個以上空氣質(zhì)量預報模型中，以嵌套計算的方式分別得到兩個或兩個以上基于第二地形數(shù)據(jù)的空氣質(zhì)量預測數(shù)據(jù)；在該方式中，對第二當前排放數(shù)據(jù)的測量精度要求較高，以獲得較為精確的計算結(jié)果。

方式二：進一步地，由于在實際操作中，高精度的第二當前排放數(shù)據(jù)往往較難獲得，因此，在本發(fā)明中，針對實際上缺乏高精度的第二當前排放源數(shù)據(jù)的大多數(shù)城市區(qū)域的情況，利用方式一中基于第二當前排放數(shù)據(jù)的多層嵌套計算可用基于人口分布數(shù)據(jù)和/或工廠分布數(shù)據(jù)的重采樣計算替代，用以提高城市區(qū)域預報的精度。即利用當前第二地形數(shù)據(jù)，以及待預報地區(qū)的人口分布數(shù)據(jù)和/或工廠分布數(shù)據(jù)對基于歷史第一地形數(shù)據(jù)計算得到的歷史空氣質(zhì)量預測數(shù)據(jù)進行重采樣運算，得到基于當前第二地形數(shù)據(jù)的空氣質(zhì)量預測數(shù)據(jù)。

其中，當前/歷史第二地形數(shù)據(jù)和第二當前/歷史排放數(shù)據(jù)的分辨率高于當前/歷史第一地形數(shù)據(jù)和第一當前/歷史排放數(shù)據(jù)的分辨率，也就是說，當前/歷史第一地形數(shù)據(jù)和第一當前/歷史排放數(shù)據(jù)的每一個值覆蓋的空間范圍較大，當前/歷史第二地形數(shù)據(jù)和第二當前/歷史排放數(shù)據(jù)的每一個值覆蓋的空間范圍較小。

進一步地，在本發(fā)明中，基于當前第二地形數(shù)據(jù)、人口分布數(shù)據(jù)和/或工廠分布數(shù)據(jù)的重采樣計算方式如下：

計算待預測城市區(qū)域范圍內(nèi)的當前第二地形數(shù)據(jù)平均值a、人口分布數(shù)據(jù)平均值p、工廠分布數(shù)據(jù)平均值f，按下式計算城市范圍內(nèi)的當前第二地形數(shù)據(jù)、人口分布數(shù)據(jù)，工廠分布數(shù)據(jù)每個網(wǎng)格的權(quán)重w：

其中a,p,f為各類數(shù)據(jù)每個網(wǎng)格的實際值。

將基于歷史第一地形數(shù)據(jù)的歷史空氣質(zhì)量預測數(shù)據(jù)中的每個值按下式重采樣得到基于歷史第二地形數(shù)據(jù)的預測數(shù)據(jù)中的多個值：

其中，v1是基于歷史第一地形數(shù)據(jù)的預測數(shù)據(jù)的值，v2是基于歷史第二地形數(shù)據(jù)的預測數(shù)據(jù)的值，n為每個v1的網(wǎng)格對應的v2的網(wǎng)格數(shù)量，wi為n個網(wǎng)格中第i個的權(quán)重。

因此，本發(fā)明所涉及的空氣質(zhì)量預報方法能利用多種空氣質(zhì)量預報模型的側(cè)重于不同的空氣物理化學變化機理的優(yōu)點，改善傳統(tǒng)算術(shù)平均集成方法所忽略的各模型精度不同的 問題，同時對于數(shù)據(jù)缺乏的地區(qū)能夠較大程度的提高區(qū)域模擬的精度。更進一步地，在本發(fā)明中，空氣質(zhì)量預報模型優(yōu)選為三個：氣象研究預報-區(qū)域建模分析系統(tǒng)(weatherresearch&forecast-communitymodelingandanalysissystem，下文簡稱wrf-cmaq)、化學物質(zhì)含量預報模型(weatherresearchforecastcoupledwithchemistry，下文簡稱wrf-chem)、綜合空氣質(zhì)量擴展模型(comprehensiveairqualitymodelwithextensions，下文簡稱camx)。在本發(fā)明中，可以根據(jù)實際所需預報的污染物種類，選擇上述模型中的一個或多個進行計算。

進一步地，在本發(fā)明中，還可以采用其他各種模型替代上述模型，如wrf-chem模型可用mm5/rams/arps等模型進行替代；wrf-chem/camx模型可用aermod/adms/uam等模型進行替代。其中，mm5(mesoscalemodel5)為中尺度預報模型、rams(regionalatmospheremodelingsystem)為區(qū)域大氣建模系統(tǒng)、arps(advancedregionalpredictionsystem)為區(qū)域預測系統(tǒng)、aermod(ams/eparegulatorymodel)為大氣模擬預測管理模型、adms(atmosphericdiffusionmodelsystem)為大氣擴散模型系統(tǒng)、uam(urbanatmospheremodel)為城市大氣模型。

但本發(fā)明并不局限于此，還可以用其他各種模型對上述模型進行替代，以獲得所需的空氣污染物含量。

在本發(fā)明中，在獲得將對兩個或兩個以上歷史空氣質(zhì)量預測數(shù)據(jù)后，以實際觀測數(shù)據(jù)為參考數(shù)據(jù)進行修正所采用的方法為數(shù)據(jù)同化的方法。數(shù)據(jù)同化是分析處理隨空間和時間分布的觀測資料為數(shù)值預報提供初始場的一個過程，具體包括兩層基本涵義：合理利用各種不同精度的非常規(guī)觀測資料，把它們與常規(guī)觀測資料融合為有機的整體，為數(shù)值預報提供更好的初始場，并綜合利用不同時間段所采集的觀測資料，將這些資料中所包含的時間演變信息轉(zhuǎn)化為要素場的空間分布狀況。數(shù)據(jù)同化從最初的逐步訂正法，最優(yōu)插值法，到現(xiàn)在的變分同化和集合卡爾曼濾波已經(jīng)有多種同化方法。具體來說：

初步預報值定義為背景場xb，最終修正后的目標值為分析場xa，觀測值構(gòu)成觀測場yo1)三維變分同化中，

xa＝xb+(b^-1＋h^tr^-1h)^-1h^tr^-1(yo-h(x))

其中，x，y變量為矩陣，h(x)為前向算子，形如y＝h(x)，是分析變量到觀測變量的一個計算函數(shù)，最簡單的為插值函數(shù)，即：(d為觀測值與背景值的空間距離)；

t為矩陣轉(zhuǎn)置運算；r為觀測誤差協(xié)方差矩陣；b為背景誤差協(xié)方差矩陣。

建立目標函數(shù)如下：

jb和jo表示對背景場和觀測場的擬合程度。j(x)對x的梯度函數(shù)為：：

通過迭代法求最小的x則對應最終的xa。其中，是j(x)對x的梯度函數(shù)，也就是j(x)對x的偏導數(shù)。

2)集合最優(yōu)插值同化中，

xa＝xb+w(yo-h(xb))

其中，

w＝bh^t(h^tbh＋r)^-1

更進一步，在本發(fā)明中，在計算各空氣質(zhì)量預報模型所得出結(jié)果的權(quán)重時，相關(guān)或相關(guān)系數(shù)是用于反映變量之間相關(guān)關(guān)系密切程度的統(tǒng)計指標，相關(guān)及相關(guān)系數(shù)可通過如下方法確定：

其中，x，y分別為觀測值集合，和與觀測值位置時刻一致的同化后的分析值集合。

對應的基于相關(guān)系數(shù)的權(quán)重確定方案按下式確定，其中，c1、c2、c3分別代表三個模型所計算出的數(shù)值，w1、w2、w3分別代表三個數(shù)值的權(quán)重：

w1＝c1/(c1+c2+c3)

w2＝c2/(c1+c2+c3)

w3＝c3/(c1+c2+c3)

基于上述計算方法，本發(fā)明的空氣質(zhì)量預報方法可以細化為如下步驟：

1、利用歷史時段的數(shù)據(jù)進行預報和同化，求取多模式集合所需權(quán)重：

a)將歷史氣象數(shù)據(jù)，歷史排放源數(shù)據(jù)和歷史第一地形數(shù)據(jù)分別輸入所選三個空氣質(zhì)量預報模式wrf-cmaq，wrf-chem，wrf-camx中，計算得到初始大尺 度低分辨率的歷史空氣質(zhì)量預測數(shù)據(jù)。

b)利用較為精確的排放源數(shù)據(jù)，歷史第二地形數(shù)據(jù)和歷史空氣質(zhì)量預測數(shù)據(jù)進行嵌套計算，得到三個模式的初始城市尺度高分辨率空氣質(zhì)量預報結(jié)果。

c)如果缺乏較為精確的排放源數(shù)據(jù)，則采用歷史第二地形數(shù)據(jù)，人口分布數(shù)據(jù)和/或工廠分布數(shù)據(jù)對初始低分辨率的歷史空氣質(zhì)量預測數(shù)據(jù)進行重采樣計算，首先計算權(quán)重，再按下式重采樣得到城市尺度高分辨率空氣質(zhì)量預報結(jié)果。

d)采用三維變分同化方法，對城市尺度預報結(jié)果和歷史空氣質(zhì)量預測數(shù)據(jù)進行同化，得到修正后的城市空氣質(zhì)量預報結(jié)果和誤差項。

e)計算三個修正后城市空氣質(zhì)量預報結(jié)果和觀測數(shù)據(jù)的相關(guān)性，并計算對應三個模式的權(quán)重。

2、利用當前時段的數(shù)據(jù)對未來時段的空氣質(zhì)量進行預報：

a)將當前氣象分析數(shù)據(jù)，當前排放源數(shù)據(jù)和當前第一地形數(shù)據(jù)分別輸入所選三個空氣質(zhì)量預報模式wrf-cmaq，wrf-chem，wrf-camx中，計算得到初始大尺度低分辨率初始預測數(shù)據(jù)。

b)利用較為精細的當前排放源數(shù)據(jù)，當前第二地形數(shù)據(jù)和當前空氣質(zhì)量預測數(shù)據(jù)進行嵌套計算，得到三個模式的初始城市尺度高分辨率空氣質(zhì)量預報結(jié)果。

c)如果缺乏較為精細的當前排放源數(shù)據(jù)，則可采用當前第二地形數(shù)據(jù)，當前人口分布數(shù)據(jù)和/或工廠分布數(shù)據(jù)對初始低分辨率預測數(shù)據(jù)進行重采樣計算，在計算權(quán)重后，得到當前城市尺度高分辨率空氣質(zhì)量預報結(jié)果。

3、將得到的三個當前城市尺度高分辨率空氣質(zhì)量預測數(shù)據(jù)按照歷史空氣質(zhì)量預測數(shù)據(jù)計算得到的集成權(quán)重值進行集合加權(quán)計算，得到最終的空氣質(zhì)量預報結(jié)果。

下面通過兩具體實施例對本發(fā)明進行詳細說明：

第一實施例：

數(shù)據(jù)源采用美國國家環(huán)境預報中心(下文簡稱ncep)提供的全球地理數(shù)據(jù)庫，全球基礎(chǔ)排放源數(shù)據(jù)，歷史和即時的全球預報系統(tǒng)(下文簡稱gfs)氣象場數(shù)據(jù)。實驗所面向的區(qū)域為華北某城市范圍，在3km分辨率尺度下由50*50的格網(wǎng)覆蓋，圖2顯示了在嵌套計 算方式下各層所對應的范圍。分析時間為2015年12月5日，預報時間為12月6日00時至9日00時，總計72小時。歷史數(shù)據(jù)采用12月1日至12月5日共120小時的數(shù)據(jù)。

步驟1：輸入地理數(shù)據(jù)，36km全球排放源數(shù)據(jù)和1-5日的gfs氣象數(shù)據(jù)至wrf-cmaq，wrf-chem，wrf-camx三種模式中，計算初始無嵌套預報結(jié)果，得到36km格網(wǎng)分析結(jié)果。統(tǒng)計pm2.5，pm10，no2，so2，o3，co六種主要污染物。

步驟2：以嵌套計算方式處理1-5日36km分析結(jié)果，即修改三個模型中的嵌套計算方式，并輸入嵌套計算后兩層所需9km和3km北京區(qū)域詳細排放源數(shù)據(jù)，處理得到3km分析結(jié)果。

步驟3：將1-5日3km污染物預報結(jié)果和地面觀測站數(shù)據(jù)輸入三維變分數(shù)據(jù)同化計算模型，計算得到同化后的三種模式的3km污染物數(shù)據(jù)。

步驟4：計算同化后三種模式3km污染物數(shù)據(jù)與地面觀測數(shù)據(jù)的相關(guān)系數(shù)，分別為：0.782,0.634,0.699。并以三個相關(guān)系數(shù)，確定三個模型對應的權(quán)重值分別為：0.370，0.300，0.330.

步驟5：輸入地理數(shù)據(jù)，36km全球排放源數(shù)據(jù)和6-8日的gfs氣象分析數(shù)據(jù)計算三個模式的未來時段預報結(jié)果，格網(wǎng)大小36km。

步驟6：以嵌套方式計算6-8日3km分析結(jié)果。

步驟7：以步驟4得到的權(quán)重為系數(shù)，計算集合預報的最終結(jié)果。

步驟8，輸出空氣中各污染物/顆粒物濃度結(jié)果(如圖3(a)至圖3(f)所示)。

第二實施例：

步驟1：輸入地理數(shù)據(jù)，36km全球排放源數(shù)據(jù)和1-5日的gfs氣象數(shù)據(jù)至wrf-cmaq，wrf-chem，wrf-camx三種模式中，計算初始無嵌套預報結(jié)果，得到36km格網(wǎng)分析結(jié)果。統(tǒng)計pm2.5，pm10，no2，so2，o3，co六種主要污染物。

步驟2：以重采樣方式處理1-5日36km分析結(jié)果。

步驟2-1：以3km分辨率的北京城區(qū)地形高度數(shù)據(jù)，人口分布數(shù)據(jù)，工廠分布數(shù)據(jù)計算重采樣權(quán)重值。

步驟2-2：以3km重采樣權(quán)重值為依據(jù)對36km分析結(jié)果對應區(qū)域進行重采樣。

步驟3：將1-5日3km污染物預報結(jié)果和地面觀測站數(shù)據(jù)輸入三維變分數(shù)據(jù)同化計算模型，計算得到同化后的三種模式的3km污染物數(shù)據(jù)。

步驟4：計算同化后三種模式3km污染物數(shù)據(jù)與地面觀測數(shù)據(jù)的相關(guān)系數(shù)，分別為： 0.754,0.579,0.649。并以三個相關(guān)系數(shù)，確定三個模型對應的權(quán)重值：0.382，0.291，0.327

步驟5：輸入地理數(shù)據(jù)，3km全球排放源數(shù)據(jù)和6-8日的gfs氣象數(shù)據(jù)計算三個模式的預報結(jié)果。

步驟6：以重采樣方式計算6-8日3km分析結(jié)果。

步驟7：以步驟4得到的權(quán)重為系數(shù)，計算集合預報的最終結(jié)果。

步驟8，輸出顆粒物濃度結(jié)果。

綜上，本發(fā)明所涉及的空氣質(zhì)量預報方法通過數(shù)據(jù)同化后的精度和相關(guān)性分析來評估多個空氣質(zhì)量預報模式在最終集合預報結(jié)果中的貢獻度，并且利用城市地形數(shù)據(jù)，人口經(jīng)濟數(shù)據(jù)與霧霾產(chǎn)生的相關(guān)性來提高初始預報的分辨率，并從而解決精細排放源數(shù)據(jù)難以獲取的問題。此外，本發(fā)明經(jīng)過數(shù)據(jù)同化輔助提供多模式集合預報的結(jié)果精度得到提高，還可在在顯著降低數(shù)據(jù)獲取成本的同時提高城市級別空氣預報的精度，值得進行廣泛推廣應用。

上述實施例僅例示性說明本發(fā)明的原理及其功效，而非用于限制本發(fā)明。任何熟悉此技術(shù)的人士皆可在不違背本發(fā)明的精神及范疇下，對上述實施例進行修飾或改變。因此，舉凡所屬技術(shù)領(lǐng)域中具有通常知識者在未脫離本發(fā)明所揭示的精神與技術(shù)思想下所完成的一切等效修飾或改變，仍應由本發(fā)明的權(quán)利要求所涵蓋。