風(fēng)云三號(hào)D星MERSI AOD資料的同化應(yīng)用研究

王溢婕，臧增亮，楊磊庫，顏鵬，胡譯文，曾勇，尤偉，潘曉濱

1.國防科技大學(xué)氣象海洋學(xué)院,長沙410073;

2.河南理工大學(xué)測繪與國土信息工程學(xué)院,焦作454003;

3.中國氣象局氣象探測中心,北京100081;

4.南京信息工程大學(xué)大氣物理學(xué)院,南京210044;

5.中國人民解放軍95746部隊(duì),成都611530

1 引言

PM2.5、PM10等氣溶膠顆粒物是中國空氣污染的主要因素，也是近年來空氣質(zhì)量監(jiān)測和預(yù)報(bào)的重點(diǎn)（張人禾等，2014；趙子菁等，2015；Gao 等，2015）。大氣化學(xué)模式是空氣質(zhì)量預(yù)報(bào)的主要手段之一（薛文博等，2013），利用最優(yōu)差值、集合卡爾曼濾波、變分同化等技術(shù)，將監(jiān)測資料同化到模式背景場，改進(jìn)模式的初始場，進(jìn)而提高模式預(yù)報(bào)的準(zhǔn)確率。隨著資料同化技術(shù)的發(fā)展和監(jiān)測資料的豐富，很多研究從不同角度驗(yàn)證了資料同化對(duì)氣溶膠預(yù)報(bào)的改進(jìn)效果（崔應(yīng)杰等，2006，Jiang等，2013；Saide等，2014；Tang等，2017）。

監(jiān)測資料的時(shí)空密度和數(shù)據(jù)質(zhì)量是影響資料同化效果的關(guān)鍵。目前資料同化所用的地面數(shù)據(jù)主要來自于地面空氣質(zhì)量監(jiān)測站，生態(tài)環(huán)境部自2013年開始發(fā)布地面PM10、PM2.5、SO2、NO2、CO和O3等6要素的監(jiān)測數(shù)據(jù)，并不斷更新增加監(jiān)測站點(diǎn)，目前全國已經(jīng)有超過1500 個(gè)站點(diǎn)，提供逐小時(shí)監(jiān)測數(shù)據(jù)。Jiang 等（2013）利用三維變分方法同化全國的PM10觀測資料，顯著減小氣溶膠初始場誤差，相對(duì)于沒有同化的控制試驗(yàn)，均方根誤差降低約60%、相關(guān)系數(shù)提高120%；并對(duì)后續(xù)預(yù)報(bào)有顯著改進(jìn)，預(yù)報(bào)12 h 時(shí)的均方根誤差仍比無同化試驗(yàn)降低17.4%、相關(guān)系數(shù)提高76.1%。靳璐濱等（2016）采用三維變分方法對(duì)2014年南京青年奧林匹克運(yùn)動(dòng)會(huì)期間的PM2.5和PM10進(jìn)行預(yù)報(bào)，結(jié)果表明初始場效果均方根誤差降低55%，相關(guān)系數(shù)提高53%，平均偏差降低了90%，且預(yù)報(bào)正效果持續(xù)時(shí)間達(dá)到20 h。Feng等（2018）同樣采用三維變分方法同化地面PM2.5資料，對(duì)中國冬季PM2.5預(yù)報(bào)進(jìn)行改進(jìn)，發(fā)現(xiàn)同化對(duì)預(yù)報(bào)的改進(jìn)至少持續(xù)24 h。

地面監(jiān)測站點(diǎn)多、時(shí)次密、數(shù)據(jù)質(zhì)量好，是目前資料同化和預(yù)報(bào)檢驗(yàn)的主要資料源，但地面觀測站點(diǎn)的分布極不均勻，受地形、交通、經(jīng)濟(jì)等因素影響，在中西部地區(qū)和人口稀少的偏遠(yuǎn)地區(qū)，甚至是東部的農(nóng)村地區(qū)，地面監(jiān)測站點(diǎn)都相對(duì)稀少。氣溶膠監(jiān)測的另一個(gè)重要手段是衛(wèi)星遙感，通過衛(wèi)星反演得到的氣溶膠光學(xué)厚度（AOD）產(chǎn)品也是氣溶膠監(jiān)測和預(yù)報(bào)的重要資料源，不同于地面監(jiān)測站點(diǎn)，衛(wèi)星資料基本不受地理和經(jīng)濟(jì)因素影響，而且分辨率比較高，通常都在10 km 以下，可以彌補(bǔ)地面資料在空間覆蓋范圍以及分辨率上的不足。目前常用于氣溶膠資料同化的衛(wèi)星主要有美國極軌衛(wèi)星Terra 和Aqua，日本靜止衛(wèi)星Himawari-8，韓國靜止衛(wèi)星GOCI（Geo-stationary Ocean Color Imager）等。Saide 等（2014）利用Terra 衛(wèi)星的MODIS（Moderate Resolution Imaging Spectroradiometer）和極軌衛(wèi)星COMS 上的GOCI（Geostationary Ocean Color Imager）的AOD 數(shù)據(jù)進(jìn)行資料同化和預(yù)報(bào)檢驗(yàn)，用于改進(jìn)WRF-Chem 模式的初始場，發(fā)現(xiàn)同化MODIS 數(shù)據(jù)相對(duì)于沒有同化的試驗(yàn)24 h 平均偏差降低約50%，而同化兩種數(shù)據(jù)相對(duì)于只同化MODIS 數(shù)據(jù)平均偏差又降低30%。Yumimoto 等（2016）利用集合變換卡爾曼濾波的方法建立了Himawari-8 衛(wèi)星AOD 產(chǎn)品的同化系統(tǒng)，并對(duì)2015年4月的一次沙塵過程進(jìn)行了同化試驗(yàn)，表明同化衛(wèi)星AOD 可以改善人為污染過程和沙塵暴過程的模擬效果。

風(fēng)云三號(hào)D 星（FY-3D）于2017年11月由中國成功發(fā)射，星上裝載了10 臺(tái)（套）遙感儀器，可以探測全球的溫、濕、降水、云輻射等氣象參數(shù)，主要用于氣象災(zāi)害的監(jiān)測（Yang 等，2019）。風(fēng)云衛(wèi)星中搭載的中分辨率光譜成像儀MERSI（Medium-Resolution Spectral Imager）與NASA（National Aeronautics and Space Administration）的MODIS屬于同類型傳感器（張?jiān)氏榈龋?020），也能夠反演氣溶膠AOD，已經(jīng)被用于氣溶膠的定量化產(chǎn)品研發(fā)，精度接近MODIS（楊磊庫等，2021）。但對(duì)于FY-3D 衛(wèi)星AOD 資料的同化，目前尚未見到相關(guān)研究。

本文利用FY-3D MERSI 的AOD 資料開展資料同化和預(yù)報(bào)研究，采用Zang 等（2016）和Liang 等（2020）建立的氣溶膠三維變分同化系統(tǒng)，以2020-02-09－2020-02-15中國北方地區(qū)的一次重污染為例，分別同化地面PM2.5觀測和FY-3D MERSI 的AOD 觀測，改進(jìn)WRF-Chem 模式初始場，并檢驗(yàn)衛(wèi)星AOD 資料同化對(duì)模式初始場和預(yù)報(bào)的改進(jìn)效果。

2 資料與方法

2.1 資料

氣象場資料采用NCEP 全球預(yù)報(bào)系統(tǒng)1°×1°、間隔6 h 的FNL 再分析資料，為模式提供氣象初始場和側(cè)邊界條件。PM2.5觀測數(shù)據(jù)來源于環(huán)保部發(fā)布的空氣質(zhì)量監(jiān)測資料：beijingair.sinaapp.com［2021-05-31］。衛(wèi)星AOD 數(shù)據(jù)來源于楊磊庫等（2021）針對(duì)FY-3D MERSI 初步開發(fā)的AOD 產(chǎn)品，該產(chǎn)品在霧霾區(qū)也能提供有效的反演結(jié)果，在重污染期間的有效覆蓋面積要大于美國的MODIS 產(chǎn)品（Shi 等，2021）。收集到的衛(wèi)星數(shù)據(jù)原數(shù)據(jù)分辨率為10 km×10 km，數(shù)據(jù)精度為±（0.05+0.15τ），進(jìn)行同化試驗(yàn)之前按照模式設(shè)定網(wǎng)格大小對(duì)原數(shù)據(jù)進(jìn)行稀疏化，以避免過多數(shù)據(jù)造成的同化效果減弱。為了避免錯(cuò)誤或異常數(shù)據(jù)對(duì)資料同化的影響，對(duì)觀測資料進(jìn)行了極值控制，剔除PM2.5大于600 μg/m3和AOD大于2小于0的數(shù)據(jù)。

2.2 大氣化學(xué)模式

WRF-Chem 大氣化學(xué)模式是由美國國家大氣海洋局（NOAA）預(yù)報(bào)系統(tǒng)實(shí)驗(yàn)室（FSL）開發(fā)的氣象和化學(xué)在線完全耦合的新一代的區(qū)域空氣質(zhì)量模式，該模式包括多種物理化學(xué)方案，能詳細(xì)地模擬和預(yù)報(bào)氣象要素和污染物的時(shí)空分布（Grell 等，2005，Zhang 等，2009；Forkel 等，2015）。

本文選擇的氣溶膠方案為MOSAIC 4bins 方案（Zaveri 等，2008），該方案包括4 個(gè)粒徑段和8 類物種，共32 個(gè)氣溶膠變量。4 個(gè)粒徑段分別為：0.039—0.1 μm、0.1—1.0 μm、1.0—2.5 μm 和2.5—10 μm。第1 個(gè)粒徑段到第3 個(gè)粒徑段的和對(duì)應(yīng)PM2.5；第4 個(gè)粒徑段對(duì)應(yīng)PM2.5—10。8 類物種包括：EC、OC、NO3、SO4、CL、NA、NH4和OIN。將前3個(gè)粒徑段合并，和第4個(gè)粒徑段的8個(gè)物種變量一起構(gòu)成16個(gè)控制變量（Liang等，2020），其余參數(shù)化方案見表1。本文的模式區(qū)域采用兩重嵌套，其中第1重網(wǎng)格（D01）的中心位置為（109.4°E，36°N），緯向網(wǎng)格數(shù)為164，經(jīng)向網(wǎng)格數(shù)為155，網(wǎng)格距為27 km，覆蓋中國的大部分陸地地區(qū)；第2 重網(wǎng)格（D02）的中心位置為（114.570°E，37.983°N），緯向網(wǎng)格數(shù)為175，經(jīng)向網(wǎng)格數(shù)為166，水平網(wǎng)格距為9 km，覆蓋華北和東北大部分地區(qū)。模式在垂直方向?yàn)?1層，垂直分辨率隨高度的增加而逐漸降低。

表1 物理化學(xué)參數(shù)化方案設(shè)計(jì)Table 1 Selection of physical and chemical parameterization schemes

2.3 三維變分同化

三維變分同化以最優(yōu)估計(jì)為基礎(chǔ)，將觀測數(shù)據(jù)加入到WRF-Chem 模式的背景場中，得到一個(gè)優(yōu)化的初始場，減小初始場誤差，使其在統(tǒng)計(jì)意義上“最優(yōu)”。利用優(yōu)化后的初始場進(jìn)行預(yù)報(bào)，提高模型預(yù)測的準(zhǔn)確率。

首先，建立泛函將三維變分同化轉(zhuǎn)化為求函數(shù)極值問題：

式中，x是同化系統(tǒng)中的控制變量，稱為分析場，y是觀測變量。當(dāng)x=xa時(shí)泛函取極小值，則xa為統(tǒng)計(jì)意義上“最優(yōu)”的分析場（Liang 等，2020；Li 等，2013）。H被稱為觀測算子，用于將控制變量轉(zhuǎn)化為與觀測變量單位一致的變量，本研究中的觀測算子參照Liang 等（2020），基于IMPROVE方程估計(jì)各種氣溶膠化學(xué)成分對(duì)消光的貢獻(xiàn)，設(shè)計(jì)同化方案中氣溶膠質(zhì)量濃度向光學(xué)參數(shù)轉(zhuǎn)換的觀測算子。B是背景誤差協(xié)方差，R是觀測資料的誤差協(xié)方差矩陣，計(jì)算時(shí)假定B和R滿足高斯分布。背景誤差協(xié)方差B是變分同化中的關(guān)鍵問題，它決定著觀測信息在背景場中的權(quán)重比重，本文采用了NMC（National Meteorological Center）方法進(jìn)行統(tǒng)計(jì)，對(duì)同一時(shí)刻的兩個(gè)不同預(yù)報(bào)時(shí)長的預(yù)報(bào)結(jié)果作差（48—24 h），利用差值場的協(xié)方差近似估計(jì)背景誤差協(xié)方差（Parrish 和Derber，1992；Derber和Bouttier，1999；Liang等，2020）。

2.4 檢驗(yàn)方法

為了對(duì)同化效果進(jìn)行定量的判斷，引入平均偏差（BIAS）、相關(guān)系數(shù)（CORR）、均方根誤差（RMSE）進(jìn)行量化評(píng)分：

式中，Cp代表試驗(yàn)?zāi)M值，Co代表觀測真值，n代表樣本數(shù)。平均偏差代表模擬結(jié)果與觀測值的偏差的平均值，相關(guān)系數(shù)可以反映模擬結(jié)果和觀測結(jié)果的相關(guān)性，均方根誤差量化了模式系統(tǒng)性誤差。在進(jìn)行量化評(píng)分時(shí)，首先將模擬值插值到觀測點(diǎn)上，然后將其與觀測值比較計(jì)算這3個(gè)評(píng)分指標(biāo)。

2.5 試驗(yàn)設(shè)計(jì)

本文以華北地區(qū)為主要研究區(qū)域（D02區(qū)域）。研究時(shí)間為2020-02-10—2020-02-12，考慮衛(wèi)星數(shù)據(jù)經(jīng)過研究區(qū)域時(shí)間約在世界時(shí)05：00-07：00時(shí)前后，選擇每天的06：00 為起報(bào)時(shí)間，逐日進(jìn)行24 h 預(yù)報(bào)，并分別用PM2.5觀測數(shù)據(jù)、FY-3D MERSI的AOD數(shù)據(jù)作為同化和驗(yàn)證資料。

為了分析資料同化對(duì)初始場和預(yù)報(bào)的改進(jìn)效果，設(shè)計(jì)了4 組試驗(yàn)，控制試驗(yàn)不同化任何觀測資料，PM 試驗(yàn)僅對(duì)PM2.5觀測數(shù)據(jù)進(jìn)行同化、FY試驗(yàn)僅對(duì)FY-3D MERSI 的AOD 數(shù)據(jù)進(jìn)行同化，F(xiàn)Y&PM 試驗(yàn)對(duì)PM2.5觀測和衛(wèi)星AOD數(shù)據(jù)同時(shí)進(jìn)行同化（表2）。

表2 試驗(yàn)方案設(shè)計(jì)Table 2 Design of four experiments

3 結(jié)果分析

3.1 污染過程分析

2020-02-09—2020-02-15 在中國北部地區(qū)發(fā)生了大范圍的空氣污染，由于2020年1月底新冠疫情爆發(fā)，大部分工廠停工，交通出行也顯著減少，在污染排放較少的情況下出現(xiàn)大范圍的污染。2020-02-10—2020-02-12 是這次污染過程中污染最為嚴(yán)重的3 d。圖1給出了這3 d每日06：00（世界時(shí)UTC，下同）的PM2.5濃度和風(fēng)場分布。圖1（a）可以看出，京津冀到遼寧一帶為污染大值區(qū)，PM2.5濃度大部分都在120 μg/m3以上，有些達(dá)到了150 μg/m3；污染區(qū)的風(fēng)速較小，有風(fēng)場的輻合。由圖1（b）可以看出，2月11日山東半島和遼東半島的風(fēng)速加大，導(dǎo)致這些區(qū)域的PM2.5濃度降低，而北京、天津、河北地區(qū)的風(fēng)場輻合增強(qiáng)，造成PM2.5濃度增加，達(dá)到了150 μg/m3。由圖1（c）可以看出，2月12日遼東半島南部為風(fēng)場的輻散區(qū)，導(dǎo)致遼寧地區(qū)的PM2.5濃度繼續(xù)降低，華北地區(qū)仍為風(fēng)場輻合區(qū)，PM2.5濃度略有增加。2月13日之后華北地區(qū)污染物濃度開始下降，2月15日華北地區(qū)PM2.5濃度均小于35 μg/m3，污染過程結(jié)束（高慶先等，2020）。

圖2 是2020-02-10—2020-02-12 每日06：00 FY-3D MERSI 反演的AOD 結(jié)果值分布情況，可以明顯看出衛(wèi)星AOD資料分布較地面觀測更為密集，并且能夠覆蓋華北和東北的大部分地區(qū)，但在內(nèi)蒙古、寧夏地區(qū)由于植被稀疏，沒有AOD 反演數(shù)據(jù)；而在湖北、江蘇等地區(qū)由于云的影響，也會(huì)出現(xiàn)資料缺測的問題。圖2（a）中2月10日AOD大于0.5 的大值區(qū)在京津冀、陜西及沈陽到大連一線，與PM2.5觀測資料的大值區(qū)一致。由圖2（b）和圖3（c）中可以看出，衛(wèi)星AOD 大值區(qū)分布也與圖1（b）、圖1（c）中地基PM2.5的大值區(qū)基本一致，但范圍更大，特別是在遼寧東北部的AOD 的大值區(qū)，這一方面是因?yàn)榈孛嬲军c(diǎn)分布不均勻，PM2.5沒有覆蓋到這些區(qū)域，另一方面是由于這一區(qū)域的相對(duì)濕度比較大，氣溶膠的吸濕增長導(dǎo)致AOD增大，而PM2.5本身的濃度不高。

圖1 2020-02-10—2020-02-12 06：00（UTC）地面PM2.5質(zhì)量濃度（μg/m3）和再分析風(fēng)場（m/s）Fig.1 The wind field（m/s）and surface PM2.5（μg/m3）in ground stations at 06：00 on February 10，11 and 12

圖2 2020-02-10—2020-02-12每日06：00前后1 h風(fēng)云三號(hào)D星MERSI的AOD結(jié)果分布Fig.2 Distribution of AOD results of MERSI on FY-3D at 05：00 to 07：00 on February 10-12，2020

圖3 控制試驗(yàn)?zāi)M的2020-02-10—2020-02-12 06：00時(shí)初始場PM2.5質(zhì)量濃度（μg/m3）Fig.3 Surface PM2.5（μg/m3）of control experiment in initial field from February 10 to 12，2020 at 06：00

3.2 初始場檢驗(yàn)評(píng)價(jià)

圖3 為2020-02-10—2020-02-12 控制試驗(yàn)每天06：00 初始場情況，由圖3 可見，模擬的污染區(qū)分布與圖1中PM2.5觀測相似，圖3（a）2月10日主要的污染區(qū)位于華北地區(qū)，北京、天津PM2.5濃度均在180 μg/m3以上。相比圖1（a），北京、天津以及皖北到蘇北的PM2.5濃度值比實(shí)況偏大，而東北的PM2.5濃度值偏小。由圖3（b）可以看出，2月11日污染區(qū)明顯北移，京津冀及東北地區(qū)污染程度增強(qiáng)，PM2.5數(shù)值在150 μg/m3以上，山東、江蘇、安徽等地區(qū)污染減弱，與圖1（b）分布相似，但觀測結(jié)果中高污染區(qū)的強(qiáng)度和范圍明顯小于模擬結(jié)果。2月12日（圖3（c））華北地區(qū)的重污染區(qū)范圍擴(kuò)大，東北地區(qū)重污染區(qū)略范圍減小，與觀測結(jié)果的趨勢(shì)一致（圖1（c）），但模擬的污染區(qū)強(qiáng)度和范圍仍大于觀測結(jié)果。

圖4為2020-02-10—2020-02-12 3組同化試驗(yàn)的PM2.5增量場，即同化試驗(yàn)減去控制試驗(yàn)的差值場。圖4（a）為2月10日PM 試驗(yàn)的增量場，可以看出，東北地區(qū)以正增量為主，天津以及山東半島到江蘇、安徽等地區(qū)為負(fù)的增量場，對(duì)比控制試驗(yàn)（圖3（a））和地面PM2.5觀測結(jié)果（圖1（a））的差別，同化后的初始場由于融合了地面PM2.5觀測信息，與觀測場更一致。圖4（b）為2月11日PM 試驗(yàn)的增量場，除了河北北部以及陜西西南部地區(qū)以外，整個(gè)增量場以負(fù)值為主，同化改進(jìn)了控制試驗(yàn)（圖3（b））中相比于地面觀測（圖1（b））的高估情況。圖4（c）2月12日PM2.5試驗(yàn)的增量場，可以看出整個(gè)華北、東北地區(qū)為明顯的負(fù)增量場，也改進(jìn)了控制試驗(yàn)相比于地面觀測的高估情況。總體來說，PM 試驗(yàn)可以顯著的改進(jìn)控制試驗(yàn)的高估。圖4（d）、圖4（e）和圖4（f）分別為2020-02-10—2020-02-12 FY 試驗(yàn)初始場PM2.5的增量分布，可以看出，F(xiàn)Y 試驗(yàn)也是以負(fù)增量場為主，從2020-02-10—2020-02-12 負(fù)增量的范圍和強(qiáng)度逐漸擴(kuò)大，與PM 試驗(yàn)增量場的趨勢(shì)是一致的，這說明FY-3D 衛(wèi)星AOD 資料雖然和地面PM2.5資料是相互獨(dú)立的數(shù)據(jù)源，但兩者的強(qiáng)度分布是基本一致的，對(duì)同化改進(jìn)的趨勢(shì)也趨同；但FY 試驗(yàn)和PM 試驗(yàn)的增量場也有所區(qū)別，主要體現(xiàn)在FY試驗(yàn)負(fù)增量場的強(qiáng)度和范圍偏小，而正增量場的范圍較大，強(qiáng)度也略大于PM 試驗(yàn)，這和圖2 中衛(wèi)星AOD的大值區(qū)范圍偏大是一致的，而這些地方的地面觀測站點(diǎn)較少（圖1），說明通過同化AOD數(shù)據(jù)在空間上可以更全面地提高PM2.5模擬結(jié)果。圖4（g）、圖4（h）和圖4（i）分別為2020-02-10—2020-02-12 FY&PM 試驗(yàn)PM2.5的增量場，可以看出，F(xiàn)Y&PM 試驗(yàn)由于融合了PM2.5和衛(wèi)星AOD數(shù)據(jù)，其增量場正負(fù)中心更多，F(xiàn)Y&PM 試驗(yàn)增量場分布既綜合體現(xiàn)了前兩組同化試驗(yàn)各自的特征，又體現(xiàn)出AOD 數(shù)據(jù)對(duì)地面PM2.5觀測的補(bǔ)充效果。由于AOD 數(shù)據(jù)的數(shù)據(jù)量更大，所包含的信息量更充足，其明顯改善了PM 試驗(yàn)由于數(shù)據(jù)缺失導(dǎo)致的在西北地區(qū)的低估模擬，可以認(rèn)為AOD 數(shù)據(jù)在空間上可以更全面的對(duì)模式的模擬效果進(jìn)行改進(jìn)。

圖4 2020-02-10—2020-02-12同化試驗(yàn)與控制試驗(yàn)的模擬PM2.5質(zhì)量濃度（μg/m3）結(jié)果差（增量場）Fig.4 Incremental field of surface PM2.5（μg/m3）in the experiments on February 10 to 12，2020

為了進(jìn)一步定量評(píng)價(jià)同化對(duì)初始場的改進(jìn)效果，利用式（2）—式（4）計(jì)算2020-02-10—2020-02-12 T 06：00 時(shí)各組試驗(yàn)的量化評(píng)分。圖5為4 組試驗(yàn)2020-02-10—2020-02-12 模式初始場PM2.5與觀測值的散點(diǎn)圖，表3 為其對(duì)應(yīng)的檢驗(yàn)評(píng)分。由圖5（a）可以看出，2月10日控制試驗(yàn)初始場的模擬結(jié)果（黑色）位于中心線左上方，表明控制試驗(yàn)中PM2.5濃度模擬結(jié)果普遍偏高，平均偏差為64.68 μg/m3，相關(guān)系數(shù)僅為0.39，均方根誤差為85.34 μg/m3；同化PM 試驗(yàn)（藍(lán)色）降低了PM2.5的模擬濃度，與觀測結(jié)果更一致，平均偏差降低到36.24 μg/m3，相關(guān)系數(shù)提高到0.73，均方根誤差降低到48.69 μg/m3；FY 試驗(yàn)（紅色）相對(duì)于控制試驗(yàn)也有一定改進(jìn)，平均偏差為62.12 μg/m3，相關(guān)系數(shù)為0.47，均方根誤差為70.68 μg/m3，需要強(qiáng)調(diào)的是，由于檢驗(yàn)資料用的是地面PM2.5觀測，而FY 試驗(yàn)的同化資料來自于衛(wèi)星AOD 數(shù)據(jù)，兩者的觀測變量、時(shí)空分布都有所不同，但FY 試驗(yàn)評(píng)分仍優(yōu)于控制試驗(yàn)，這表明同化衛(wèi)星AOD 資料對(duì)改進(jìn)地面PM2.5分析場有一定的正效應(yīng)；圖5（a）中FY&PM 試驗(yàn)（棕色）的評(píng)分介于PM 試驗(yàn)與FY 試驗(yàn)之間，平均偏差為40.91 μg/m3，相關(guān)系數(shù)為0.66，均方根誤差為55.17 μg/m3。圖5（b）（c）分別是2020-02-11—2020-02-12 PM2.5模式初始場與觀測散點(diǎn)圖，與圖5（a）類似，3組同化試驗(yàn)的檢驗(yàn)結(jié)果均優(yōu)于控制試驗(yàn)，特別是圖5（b）中的FY 試驗(yàn)也明顯優(yōu)于控制試驗(yàn)，相關(guān)系數(shù)達(dá)到了0.72。

表3 初始場PM2.5的檢驗(yàn)評(píng)分Table 3 Average quantitative assessment results of PM2.5 in the initial field

下面以衛(wèi)星AOD數(shù)據(jù)作為標(biāo)準(zhǔn)計(jì)算量化評(píng)分，圖6為觀測和模擬的散點(diǎn)圖，表4為其對(duì)應(yīng)的檢驗(yàn)評(píng)分。圖6、圖5類似，3組同化試驗(yàn)總體上均優(yōu)于控制試驗(yàn)。相對(duì)而言，F(xiàn)Y 試驗(yàn)（紅色）及其評(píng)分最優(yōu)，但FY&PM試驗(yàn)（棕色）的有些評(píng)分與FY試驗(yàn)相當(dāng)，甚至優(yōu)于FY試驗(yàn)，如圖6（b）中FY&PM試驗(yàn)的平均偏差為0.02，圖6（c）中FY&PM 試驗(yàn)的平均偏差為0.05，相關(guān)系數(shù)為0.83，均方根誤差為0.18，均優(yōu)于FY試驗(yàn)的評(píng)分，這說明同化地面PM2.5資料，可以有效彌補(bǔ)整層AOD的效果。

表4 初始場AOD的檢驗(yàn)評(píng)分Table 4 Average quantitative assessment results of AOD in the initial field

圖5 2020-02-10—2020-02-12初始場PM2.5濃度模擬值與觀測值的散點(diǎn)圖Fig.5 Scatter diagram of the simulated and observed PM2.5 concentration in the initial field on February 10 to 12，2020

圖6 2020-02-10 06：00—2020-02-12 06：00 AOD模擬值與觀測值分布散點(diǎn)圖Fig.6 The scatter diagram of AOD simulated concentration and observed concentration from 06：00 on February 10 to 06：00 on February 12，2020

為了更客觀評(píng)價(jià)同化對(duì)初始場的改進(jìn)效果，對(duì)PM2.5觀測和AOD 觀測資料進(jìn)行檢驗(yàn)結(jié)果進(jìn)行平均。表3 是2020-02-10—2020-02-12 兩種資料檢驗(yàn)的平均量化評(píng)分，可以看出，兩種檢驗(yàn)方法同化試驗(yàn)的評(píng)分均優(yōu)于控制試驗(yàn)。用PM2.5檢驗(yàn)時(shí)，控制試驗(yàn)的平均偏差為68.56 μg/m3，相關(guān)系數(shù)為0.51，均方根誤差為80.36 μg/m3。通過同化PM 試驗(yàn)平均偏差減小到30.93 μg/m3，減少54.9%，相關(guān)系數(shù)提高到0.77，提高51.4%，均方根誤差減小到85.36 μg/m3，減小50.6%；FY 試驗(yàn)的平均偏差為53.53 μg/m3，減少21.9%，相關(guān)系數(shù)為0.59，提高16%，均方根誤差為70.72 μg/m3，減少17.2%。FY&PM 的平均偏差為35 μg/m3，減少49%，相關(guān)系數(shù)為0.68，提高34%，均方根誤差為49.28 μg/m3，減少42.3%。用AOD資料檢驗(yàn)的效果表明，F(xiàn)Y&PM試驗(yàn)的平均總體最優(yōu)，平均偏差為0.04，降低83%，相關(guān)系數(shù)為0.8，提升66%，均方根誤差為0.15，降低65.2%。

表5 PM2.5和AOD初始場的平均量化評(píng)分Table 5 Average quantitative assessment results of PM2.5 and AOD in the initial field

表6 PM2.5和AOD的24 h預(yù)報(bào)平均量化評(píng)分Table 6 24 hours forecast average quantitative score of PM2.5 and AOD

3.3 預(yù)報(bào)效果檢驗(yàn)評(píng)價(jià)

同化對(duì)初始場改進(jìn)的主要目的是提高后續(xù)預(yù)報(bào)的準(zhǔn)確率，下面對(duì)4組試驗(yàn)的預(yù)報(bào)結(jié)果進(jìn)行分析和評(píng)價(jià)。圖7 是2020-02-10 T 06：00—2020-02-12 T 06：00 每天24 h PM2.5預(yù)報(bào)的量化評(píng)分演變曲線，可以看出，3組同化試驗(yàn)的平均偏差、相關(guān)系數(shù)和均方根誤差相對(duì)于控制試驗(yàn)都有所提高。圖7（a），圖7（b）和圖7（c）分別是2月10、11 和12日平均偏差變化曲線，可以看出除了10日FY 試驗(yàn)（紅色線）對(duì)控制試驗(yàn)的改善效果略差以外，其他時(shí)間3組同化試驗(yàn)對(duì)控制試驗(yàn)都有明顯的改善，而且改善效果一直持續(xù)到24 h。圖7（d），圖7（e）和圖7（f）為相關(guān)系數(shù)曲線，3 組同化試驗(yàn)對(duì)控制試驗(yàn)都有明顯提高，特別在前12 h 的提高顯著。圖7（g），圖7（h）和圖7（i）為均方根誤差變化曲線，其特征與平均偏差曲線相似。從圖7中還可以看出，PM 試驗(yàn)（藍(lán)色線）在前幾小時(shí)的評(píng)分通常優(yōu)于FY 試驗(yàn)（紅色線）和FY&PM 試驗(yàn)（棕色線），但隨著預(yù)報(bào)時(shí)效的延長，F(xiàn)Y&PM 試驗(yàn)（棕色線）通常能夠超過PM 試驗(yàn)的評(píng)分，F(xiàn)Y 試驗(yàn)的評(píng)分也能和PM試驗(yàn)相當(dāng)，這表明同化衛(wèi)星AOD資料能夠改進(jìn)三維空間的氣溶膠濃度，更有利于后期預(yù)報(bào)的持續(xù)性提高。

圖7 2020-02-10 T 06：00—2020-02-13 T 06：00量化評(píng)分Fig.7 Quantitative score during 2020-02-10 T 06：00—2020-02-13 T 06：00

表4 是2020-02-10—2020-02-12 24 h 預(yù)報(bào)平均量化檢驗(yàn)結(jié)果，可以看出，以PM2.5和AOD 兩種資料檢驗(yàn)的結(jié)果都表明同化對(duì)預(yù)報(bào)有明顯的改進(jìn)。以PM2.5作為檢驗(yàn)標(biāo)準(zhǔn)時(shí)，相對(duì)于控制試驗(yàn)，同化PM 試驗(yàn)的平均偏差減少15.2%，相關(guān)系數(shù)提高7.3%，均方根誤差減少13.4%；同化FY 試驗(yàn)也有明顯的改進(jìn)，平均偏差減少13.7%，相關(guān)系數(shù)提高6.5%，均方根誤差減少了12.3%。同化FY&PM 試驗(yàn)的改善效果最顯著，平均偏差減少19.7%，相關(guān)系數(shù)提高8.8%，均方根誤差減少17.2%。用衛(wèi)星AOD 資料作為檢驗(yàn)標(biāo)準(zhǔn)與PM2.5檢驗(yàn)標(biāo)準(zhǔn)的效果類似，3 組同化試驗(yàn)都比控制試驗(yàn)有提高，同化FY&PM 的提升效果最好，平均偏差減少40.1%，相關(guān)系數(shù)提高25.9%，均方根誤差減少了34.7%；同化FY 試驗(yàn)也有顯著改進(jìn)，平均偏差、相關(guān)系數(shù)和均方根誤差都改進(jìn)20%以上?？傊瑑煞N資料的檢驗(yàn)都表明同化地面PM2.5和衛(wèi)星AOD 資料均可以改進(jìn)24 h 預(yù)報(bào)評(píng)分，同時(shí)同化兩種資料的預(yù)報(bào)評(píng)分效果最高，這說明兩種資料可以相互彌補(bǔ)，達(dá)到最好的預(yù)報(bào)效果。

4 結(jié)論

資料同化是改進(jìn)大氣化學(xué)模式預(yù)報(bào)水平的有效手段，目前用于空氣質(zhì)量預(yù)報(bào)的衛(wèi)星數(shù)據(jù)大多源于國外衛(wèi)星，包括Terra、Aqua、Himawari-8等。本文首次采用了國內(nèi)自主研發(fā)的FY-3D 星AOD 數(shù)據(jù)進(jìn)行同化和空氣質(zhì)量預(yù)報(bào)，以2020-02-10—2020-02-12中國北部地區(qū)的一次重污染過程為例，檢驗(yàn)了FY-3D 星數(shù)據(jù)對(duì)提高空氣質(zhì)量預(yù)報(bào)水平的作用，為空氣質(zhì)量資料同化預(yù)報(bào)自主控制提供了參考。

本文的試驗(yàn)結(jié)果表明，無論同化地面PM2.5質(zhì)量濃度還是AOD都可以有效提高24 h的預(yù)報(bào)效果，當(dāng)采用地面PM2.5作為檢驗(yàn)標(biāo)準(zhǔn)時(shí)，同時(shí)同化兩種資料相對(duì)于只同化地面PM2.5資料，對(duì)后期預(yù)報(bào)的改進(jìn)有明顯提升，這表明衛(wèi)星AOD 資料能夠彌補(bǔ)地面PM2.5資料的不足，對(duì)三維空間場的改進(jìn)尤其有利于后期地面PM2.5預(yù)報(bào)的提高。以AOD 數(shù)據(jù)為檢驗(yàn)標(biāo)準(zhǔn)時(shí)，同化兩種資料試驗(yàn)相對(duì)于無同化試驗(yàn)提高效果更為顯著，24 h 預(yù)報(bào)場的平均偏差和均方根誤差分別降低40.1% 和34.7%，相關(guān)系數(shù)提高25.9%。與已有文獻(xiàn)相比，本文中同化FY-3D 星AOD 資料的提高效果高于國外衛(wèi)星資料同化對(duì)預(yù)報(bào)的改進(jìn)，例如同樣是對(duì)24 h 預(yù)報(bào)的改進(jìn)，同化GOCI 的AOD 資料平均偏差降低36.3%左右（Pang等，2018），同化Terra 和Aqua 衛(wèi)星的MODIS 的AOD 資料平均偏差降低14.2%左右（McHenry 等，2015）。當(dāng)然，同化效果的改進(jìn)受地理區(qū)域、污染情況、模式能力等差異的影響，不能完全相比，但可以肯定同化FY-3D 星AOD 資料的在空氣質(zhì)量預(yù)報(bào)中有非常好的應(yīng)用前景。

本文對(duì)風(fēng)云衛(wèi)星AOD 同化試驗(yàn)僅是初步的，在以后的研究中還需要進(jìn)一步從資料和同化兩方面入手提高FY-3D 星的應(yīng)用價(jià)值。如目前的FY-3D 星MERSI 的AOD 數(shù)據(jù)采用的是暗目標(biāo)算法DT（Dark Target），主要覆蓋有植被、城市和反射率較低的裸地上空（楊磊庫等，2021），而在高緯度雪融地區(qū)、沙漠區(qū)以及海洋上空缺少反演結(jié)果，如果能改進(jìn)反演算法增加AOD 在這些區(qū)域的反演值，將會(huì)進(jìn)一步提高衛(wèi)星AOD 同化和預(yù)報(bào)的效果；還可以利用衛(wèi)星AOD 和地面PM2.5資料進(jìn)行四維變分資料同化研究，將更多的觀測信息引入模式中，生成在四維時(shí)空尺度上更加協(xié)調(diào)的分析場，同時(shí)還可以改進(jìn)模式的排放源，下一步將在這些方面開展研究。