1 引言(Introduction)

研究显示，大气污染是导致人类死亡或者致病的重要影响因素之一，随着大气污染程度的加剧，人类死亡率会明显上升(谢元博等，2013；李杰等，2014).近年来，受人为活动加剧和不利气象条件的共同影响，重污染天气频繁出现，已严重影响到人们的身体健康，因而受到各级政府和气象部门的高度关注.国务院于2013年9月10日公布了《大气污染防治行动计划》，力争逐步消除重污染天气，使全国空气质量明显改善.经过3年的努力，全国城市空气质量总体改善，PM_2.5、PM₁₀、二氧化氮、二氧化硫和一氧化碳年均浓度和超标率逐年下降，大多数城市重污染天气的天数减少.但大气环境所面临的形势依旧严峻，冬季重污染问题突出，尤其是京津冀及周边地区为全国重污染天气高发的地区，占全国重污染总天数的44.1%.为减轻重污染天气的影响，确保重污染天气应急能高效有序进行，消减污染峰值，降低污染频次，保障公众健康，国务院和各级地方政府都在积极推动重污染天气预警工作的开展.

重污染天气的形成受人为排放和气象因素的共同影响，其中，人为排放是内因，气象因素是外因，但在一定时期内，人为排放相对恒定，对于重污染天气的生成、维持和消散，气象因素在其中发挥的作用不可忽视(穆穆等，2014).为更有效地实现重污染天气的防治，各地气象和环保部门均联合开展了重污染天气预警工作，基于天气背景对重污染天气规律的掌握成为其中必须开展的研究.目前，相关研究大致可分为以下几类：① 从过程入手，对重污染过程进行细致解析.如杨孝文等(2016)对2013年1月9—15日北京市一次典型重污染过程进行研究，认为稳定的大气环流背景场、高湿度低风速的地面气象条件、低而厚的逆温层及北京三面环山的特殊地形结构是造成此次大气重污染过程的主要原因；李云婷等(2016)对2015年10月北京市一次重污染过程进行分析，认为区域传输、秸秆焚烧对本次北京市重污染天气过程具有一定的影响，本地机动车排放在不利气象条件下的积累、二次转化及垂直方向空间的极端压缩是导致此次重污染的主要原因；王跃等(2014)对2013年2月21—28日北京地区一次重污染过程的研究认为，弱低压场或弱高压场控制下，局地西南风和东南风输送与北部山区偏北风在山前的汇聚，配合边界层低层顺时针方向的风切变，易发生大气中细颗粒物的爆发性增长；均压场控制和近地层持续偏南气流输送，配合高层持续稳定的西北风，是污染长时间持续稳步增长的主因；近地层低风速、高湿度和逆温的维持是区域重污染爆发增长和长时间持续增长的关键气象因素.② 基于多年资料对重污染天气进行类型划分，凝练重污染天气概念模型.如李令军等(2016)将北京重污染天气分为积累型、光化学型、沙尘型和复合型4类；赵敬国等(2015)将兰州重污染天气分为静稳型和沙尘型，其中，静稳型天气占77%，其气象学成因主要是风速小、大气环境稳定度大；沙尘型天气占23%，春季气候干燥，相对湿度低，造成大风沙尘天气给兰州市输送大量沙尘颗粒形成大气重污染；程念亮等(2015)的研究显示，2013年北京市重污染日累计有58 d，占到全年总天数的15.9%；北京市重污染日地面天气形势场可分为高压类、低压类、均压类3种类型，各占38%、41%、21%，重污染日PM_2.5平均浓度为218 μg·m^-3，均压类、高压类、低压类PM_2.5平均浓度分别为233.12、215.06、212.61μg·m^-3.王莉莉等(2010)对夏末秋初影响北京地区的主要天气系统进行划分，认为高污染的积累天气型包括槽前无降水、槽后脊前、脊、副高4种基本型，清洁的清除天气型包括槽或槽前有降水、槽后有降水或偏北风2种基本型.③ 对重污染天气进行定量分析，包括重污染天气的区域输送来源、水平和垂直扩散贡献等.如李珊珊等(2015)基于CMAX模式分析得出，2014年重污染日北京、天津、石家庄市的PM_2.5外来输送率分别为58%、54%、39%.

在重污染天气特征分析的基础上，由于预报预警的需要，越来越多的大气化学模式被用于重污染天气预报预警之中，如CMAQ模型(邓涛等，2012)、CMAX模型(薛文博等，2014)、WRF/Chem模型(赵秀娟等，2016)、CUACE模型(周春红，2013)和NAQPMS模型(王自发等，2014)等.考虑数值模式机理和排放源的不确定性，在模式产品运用前或者运用过程中进行模式的检验是必不可少的环节.赵秀娟等(2016)对WRF/Chem模型在京津冀区域运用的检验结果显示，2014年该系统对京津冀及周边地区PM_2.5质量浓度的预报效果较好，大部分站点的相关系数在0.6以上，北京部分站点可达0.8以上.白永清等(2016)的研究显示，华中地区环境气象数值模式在武汉地区PM_2.5浓度的预报效果较好，相关系数为0.52，相对误差为34%.周广强等(2016)的研究显示，华东区域环境气象数值预报业务系统各城市的PM_2.5质量浓度相关系数基本在0.5以上，预报效果随污染程度的加重而降低，数值预报多数较观测偏低，平均偏低20%~30%，气象-污染的双向反馈作用的不足可能是引起重污染预报效果下降的主要原因，人为源清单的不确定性也影响了其准确性的提升.基于以往经验数值模拟误差可以分为2类：随机性误差和系统性误差，通过降低系统性误差，可以有效地提高数值模式产品的支撑能力.在重污染天气过程中，由于污染类型的相似，同一天气背景下PM_2.5质量浓度模拟值与实况值之间的误差有相似之处，因此，通过不同天气背景下PM_2.5质量浓度模拟的检验，可降低大气化学模式的系统性误差.基于此，潘锦秀等(2016)在将重污染天气分为静稳型、沙尘型和特殊型的基础上，对京津冀地区2013年NAQPMS模式进行检验，认为当预报AQI值达到150以上时，实际发生重污染天气过程的概率较大，如定义AQI大于150作为重污染天气预警临界值，模式预报准确率可提高至70%以上，天气系统对污染过程预报有重要影响，WRF气象模式对中低层天气系统位置及强度预报偏差是导致静稳型污染过程早报和晚报的一个重要原因.

天津位于京津冀地区的中部，是全国重污染天气最为频发的地区之一，2016年PM_2.5年均质量浓度为69 μg·m^-3，在全国参与排名的74个城市中位列第58位，重污染天气预报预警是其《大气污染防治行动计划》执行的重要工作之一.目前，天津市气象局和天津市环保局每日保持4次会商，联合制作空气质量预报并加强重污染天气预报预警工作.为有效支撑上述工作开展，天津市气象局于2015年构建多功能环境气象数值模式并投入业务使用，其短期模块提供0~96 h逐小时天津地区空气质量六要素质量浓度预报产品，在重污染天气预报预警中发挥着积极作用.本文以天津地区长序列观测PM_2.5质量浓度资料为依托，基于天气背景对2014—2016年天津地区重污染天气进行归类并分析其统计特征.在此基础上，参考业务模式回算2014—2016年天津地区逐时PM_2.5资料，分析不同类型天气中模式模拟性能并讨论可能的误差来源，以期为天津重污染天气预警中数值模式产品运用提供参考.

2 资料的选取和模式参数的介绍(Materials and methods) 2.1 监测数据

本文使用的监测数据主要为天津地区逐时PM_2.5质量浓度监测资料，数据来自两部分：2014年1月1日—2017年1月31日数据为天津市环境监站发布的逐小时PM_2.5质量浓度监测数据，监测站点27个，监测方法为震荡天平法；2009年1月1日—2013年12月31日数据为中国气象局天津大气边界层观测站(北纬39°06′，东经117°10′，海拔高度2.2 m，台站编号:54517) 逐小时监测数据，监测方法为震荡天平法，两者数据通过2014—2016年3年同步观测，进行归一化修正.气象数据来自天津市气象局天津13个监测站点逐小时资料，其均匀分布在天津所有区，包括风速、温度、湿度和气压观测，天气分析使用中国气象局3 h一次的地面天气填图资料.

2.2 模式设置

数值模拟使用WRF/Chem模式，该模式是由NCAR和NOAA联合一些大学和研发机构开发的中尺度在线大气化学模式，考虑了大气污染的化学过程、平流输送、湍流扩散、干湿沉降过程，在全球空气质量预报和模拟中有广泛的运用.本文采用WRF/Chem3.5.1版本，气相化学过程采用CBMZ机制，气溶胶过程采用MOSAIC模型，主要物理过程设置如下：积云对流方案采用grell-3D，微物理过程采用WSM5，长波辐射方案和短波辐射方案均采用RRTMG，考虑气溶胶直接辐射反馈，边界层方案使用YSU，模式水平分辨率为15 km，水平网格为121×121，中心经纬度为39°N、117°E，垂直方向分为41层.模式的人为排放源清单使用清华大学MEIC2012，分辨率为0.25°×0.25°，在天津地区使用27个空气质量监测站实况数据和相关排放源统计信息进行时空的细化，气象初始场和背景场均使用NECP的FNL全球1°×1°数据，模拟时间为2014年1月1日—2017年1月31日，模拟采用24 h滚动计算，每24 h重新使用一次FNL气象初始场，而污染初始场则为上一次的模拟值.

3 结果和讨论(Results and discussion) 3.1 天津地区重污染天气分布

根据天津边界层观测站地面监测数据和天津市环境监测中心发布的PM_2.5质量浓度数据，构建了2009—2016年天津地区PM_2.5质量浓度时序图.图 1a显示，2009—2016年天津地区年均PM_2.5质量浓度为84 μg·m^-3，其中，2009—2012年稳定在87 μg·m^-3，2013年受不利气象条件影响，1月PM_2.5质量浓度均值超过150 μg·m^-3，全年均值达到99 μg·m^-3.2013年《大气污染防治行动计划》颁布执行，大气环境防治力度加强，尽管近年出现气象条件持续不利的情况，2015—2016年天津地区PM_2.5质量浓度仍逐步回落到69 μg·m^-3.统计显示，2009—2016年天津地区重污染天气为341 d，约占全部天数的11.7%，重污染主要发生在每年的10月—次年3月，约占全年的82%，尤其是2013年《大气污染防治行动计划》执行以后，非采暖季空气质量明显改善，2014—2016年连续3年5—9月未出现重污染天气.从全年数据分析(图 1b)可知，2009—2013年天津地区每年重污染天气约为49 d，2015—2016年下降到27 d.《大气污染防治行动计划》执行后，重污染天气天数下降超过45%.但冬季重污染问题依旧严峻，以12月为例，由于2015—2016年连续两年污染气象条件极不利于大气污染物扩散，这两年12月均出现11 d的重污染天气，与2009—2010年水平相当.在采暖季中(图 1c)，12月出现重污染天气的概率最高，约为27.5%，1月、11月和2月接近，分别为22.1%、20.4%和23.2%，10月略低，约为19.3%.2016年10月颁布了新的“天津市重污染天气应急预案”.根据预案要求，在预测AQI日均值大于200，并将持续2 d及以上且未达到更高级别预警条件时，启动重污染天气黄色预警；在预测AQI日均值大于200，并将持续3 d及以上且出现AQI大于300的情况时，启动重污染天气橙色预警；在预测AQI日均值大于200并将持续4 d及以上，且AQI日均值大于300并将持续2 d以上时，或预测AQI日均值达到500并将持续1 d以上时，启动重污染天气红色预警.监测数据显示，2009—2016年期间符合黄色及以上预警天数为246 d，占所有重污染天气天数的72.5%，符合黄色预警条件65次，橙色预警条件15次，红色预警条件5次，AQI超过200连续天数最多的为2011年2月16—24日，为9 d；AQI超过300，连续天数最多为3 d，出现4次，分别为2009年11月5—7日、2013年1月10—12日、2014年12月27—29日、2015年12月21—23日，4次过程中3次位于低压槽前，南北风场在天津附近辐合，形成大气污染物堆积，出现连续3 d持续严重污染天气.

3.2 重污染天气类型划分

考虑到2013年《大气污染防治行动计划》执行后，非采暖季空气质量明显改善，如2014—2016年连续3年5—9月未出现重污染天气.在后面的研究中，样本的选取主要集中在2014—2016年的1—4月、10—12月及2017年1月.上述时间段合计654 d，根据地面天气形势图对其进行类型划分，分为11类.具体为均压场、冷锋前低压区、华北地形槽或华北小低压、低压槽前、低压、弱高压、高压后、倒槽、高压底、高压前和低压后(表 1).统计显示(表 2)，11类天气过程平均PM_2.5质量浓度最高的是冷锋前低压区，其次为低压槽前和均压场，平均浓度分别为146、144、124 μg·m^-3，重污染天气出现的概率分别为36.73%、39.58%和29.82%，3类低压过程出现重污染天气54 d，占重污染日的53.4%.3类低压天气以外，当京津冀地区位于出海高压后部时，地面多以持续西南风为主，高空多以暖平流为主，易于逆温形成，且京津冀地区大气污染呈现南高北低格局，在西南风的作用下，区域输送和本地大气污染叠加，天津地区易出现持续的重污染天气，其对应的PM_2.5平均质量浓度为109 μg·m^-3，重污染天气出现概率为22.22%，出现次数20次，占重污染日的19.8%.倒槽和弱高压控制时，天津地区PM_2.5平均质量浓度与统计时段均值接近，出现重污染天气的概率均较低.弱高压天气PM_2.5质量浓度相比前一日一般有一个缓慢增长；而倒槽天气出现时，受偏东风影响(天津东侧比邻渤海)，PM_2.5质量浓度会略有下降.不考虑上游污染带来的输送影响，统计数据反映出高压前、高压底和低压后3类天气最为有利于大气污染物扩散，其对应的PM_2.5质量浓度分别为54、69和76 μg·m^-3，相比前一日PM_2.5质量浓度分别下降为41、26和21 μg·m^-3.在上述类型以外，华北地区受地形影响，易出现地形低压，尤其是在高压系统减弱以后，当高空转为偏西气流，受南北向太行山影响，气流过山后，气柱伸长，空气发生辐合，气旋性涡度增加；同时，下沉气流绝热增温，在对流层低层产生暖温度脊，使低层减压形成低压槽，在华北地区形成一个闭合的小低压(华北小低压)或围绕华北的中北部有气旋性弯曲的等压线(华北地形槽)，此时在太行山前(河北中南部)大气污染物会快速累积，甚至达到重度污染水平.天津位于太行山东侧，属于平原地形，大气污染物积累速度略慢于山前，且此段过程一般处于大气污染过程前期，所以PM_2.5平均质量浓度为90 μg·m^-3，出现重污染天气概率并不高，但其大气污染物积累速度在几种天气类型中最快.统计显示，高压系统减弱过程中，有地形槽的出现其PM_2.5质量浓度相对前一日增幅可达43 μg·m^-3，是没有地形槽出现弱高压天气PM_2.5质量浓度积累增幅的1倍.在弱高压转为地形槽过程以外，低压槽前也是PM_2.5质量浓度增幅比较明显的天气类型，受低压槽区辐合线的影响，在辐合线附近或者南侧，南北大气污染物交汇，污染气象条件极不利于大气污染物扩散，PM_2.5质量浓度相对前一日增幅明显，平均值为39 μg·m^-3.尤其深冬季节(12月—次年1月)，在我国蒙古以东或我国东北地区为一闭合低气压系统，在华北平原沿山有气旋性弯曲的等压线，两者相互连接，天津表现为低压槽前，在华北地区辐合线明显，区域大范围呈现重度污染，如2015年12月29日.统计此类天气形势，12—1月内出现17 d，其中，重度污染天气11 d，中度污染天气3 d，PM_2.5质量浓度均值为189 μg·m^-3，是天津深冬季节最主要的污染天气类型之一.

基于不同天气类型对应的气象要素特征分析(表 3)，不利污染扩散的天气形势一般对应减压(海平面气压)和增温过程.3类低压(均压、低压槽前和冷锋前低压区)和弱高压天气混合层高度均较低，风速与大气污染物的扩散能力密切相关.但对于不同天气类型，风速的影响并不是绝对的，如弱高压(高压中心)转为高压后部(高压边缘)时，一般地面风速会有所增加，但对应的PM_2.5质量并不会下降，而是呈现增加趋势，低压槽前和锋前低压对应的平均风速高于弱高压和高压后天气，但PM_2.5质量浓度和重污染天气出现概率却显著的高于弱高压天气.风场辐合和锋前输送在其中的影响至关重要，讨论单气象要素扩散能力的时候，并不能单独从数值上去分析，需要结合对应的天气形势综合考虑.

表 4数据表明，由于天气系统本身具有的特征，基于天气系统讨论气象要素对PM_2.5质量浓度的影响和全样本讨论是有明显区别的.① 从全样本分析，增温减压过程对应着PM_2.5质量浓度的增加，但如果加入天气系统讨论，则需要分为2种情况.当出现不利于大气污染物扩散的天气形势时，同一天气形势增温和减压与PM_2.5质量浓度的相关系数并不高，说明增温和减压过程引起的PM_2.5质量浓度相关性波动主要还是不同类型天气系统转换引起的.对于同一类型的天气，比如1005 hPa的均压场并不比1002 hPa的均压场有利于污染物扩散；但对于有利于大气污染物扩散的天气系统，比如高压底或者高压前，减温和增压仍然是重要的标记，如1040 hPa冷高压相比1035 hPa冷高压系统其形成的扩散条件是有更有利的.② 从数据上气温可以很好地反映季节的变化，11类天气系统除高压前外，气温均与PM_2.5质量浓度呈现显著负相关，说明气温越低(越接近深冬)，同一天气系统出现重污染天气的概率越高，尤其是低压槽前，与气温的相关系数可以达到-0.44，高压底相关系数可以达到-0.30，这些与预报中的认知是一致的.在华北地区低压槽前大气污染物累积有典型的季节特征，在10月—11月初、2—4月气温转换季节，虽然低压槽前有一定辐合，但低压前西南风风速能维持较强的水平扩散能力，并不易于出现重度污染天气.但进入11月底到次年的1月，东北低压与华北地形槽连接，在天津表现为低压槽前，此时入夜时间明显延长，逆温出现频率增加，湍流抑制，部分时刻还有雾天气出现，风由高空传导到地面效率明显下降，在地面呈现弱的西南风，水平扩散能力显著下降时低压槽前辐合风场明显，重污染天气出现概率显著提高，所以从气温上表现出与PM_2.5质量浓度高度的负相关.同理分析高压后部污染类型，气温与PM_2.5质量浓度相关性不显著，说明其在10月—次年4月期间受季节影响较小，10月判断出海高压后出现重污染天气和12月分析可以以相同的阈值去考虑.③ 风速是判断大气污染水平扩散的很好的标识，其与PM_2.5质量浓度的相关系数可以达到-0.48.分天气类型考虑，在3种情况下获得天气形势后风速的指标意义较弱，一是弱气压场，由于其本身对应的风场就比较弱，所以风速区分大气污染强弱程度的能力较弱，比如弱高压和均压场，其风速与PM_2.5质量浓度相关系数仅为-0.27和-0.38；二是强天气过程，比如高压前、高压底，由于其本身对应的梯度风较强，当此类天气出现后，大气污染物均能很好的清除，基于风速区分大气污染物程度的能力较弱；三是输送型特征表现的比较明显的天气类型，比如高压后，西南风的增加往往导致河北中南部大气污染物对天津的输送.

同一类型天气中，风速对于细颗粒污染区分度较强的是华北地形槽、低压前、低压后、倒槽和冷锋前的低压.上述类型的天气，风速的差异对于大气污染物累积程度有较强的指示作用.不同天气类型相对湿度与PM_2.5质量浓度相关性也有较大差异，一般而言，湿度越高细颗粒物污染也越重，但对于偏东风影响的系统(如高压底)，上述特征表现的则不明显.在11类天气类型中，弱高压转地形槽出现时，PM_2.5质量浓度与相对湿度的相关系数可以高达0.73，其对细颗粒污染的指示性极强.而此类天气类型，大气化学模式对于细颗粒模拟的能力是不足的，相关系数甚至弱于单一相对湿度指标(相关系数为0.69)，在弱高压转地形槽天气中，依据相对湿度补充数值模式判断细颗粒物污染累积程度应该是比较实用的一种预报手段.数据统计显示，当相对湿度超过60%以后，需要考虑出现中度以上污染的可能，超过70%以上，需要考虑出现重度以上污染的可能，当相对湿度小于40%，即使出现弱高压转地形槽的天气，其累计速度应该也较慢，空气质量维持在良好水平的概率较大.从原理上分析，可能一方面是因为水汽和PM_2.5均为物质，其在大气中传输、扩散，以及湍流和风场对其的影响与PM_2.5的物质输送、扩散和稀释有相似之处；二是气溶胶吸湿增长效应伴随的二次反应，相对湿度的增加最终导致PM_2.5增加.两方面的原因叠加，使得相对湿度在弱高压转地形槽的天气类型中，对细颗粒物污染强度指示性极强.混合层厚度相比相对湿度和风速对于天气类型的敏感性较弱，在分析时对于垂直扩散能力的把握，可以使用通用阈值去考虑.

3.3 不同天气背景数值模拟PM_2.5质量浓度分析

WRF/Chem模式是NCAR和NOAA联合一些大学和研发机构开发的中尺度在线大气化学模式，文献显示，在全国气象部门中基于其为核心构建环境气象数值预报系统的有北京、上海、江苏、广东、河北和湖北等省市的气象部门.天津环境气象数值模式业务系统于2011年构建，2015年完成天河超算中心的升级改造并投入业务使用.模式根据业务需求设计为6个模块，其中，短期模块采用多边界层多气溶胶机制的扰动集合预报方式构建，集合组成员包括以MOSAIC气溶胶机制为核心的YSU边界层方案、BL边界层方案、MYN边界层方案、MYJ边界层方案4个成员，以及以MADE/SORGAM气溶胶机制为核心的YSU边界层方案成员，模式水平辨率为9 km，网格数为250×250，垂直方向分为41层，每日提供0~96 h逐小时空气质量预报数据.中长期模块在适当降低短期模式分辨率的基础上构建，其水平分辨率为15 km，网格数为120×120，预报时效延长至12 d，边界层方案选择YSU方案，气溶胶机制分为MOSAIC和MADE/SORGAM两组进行计算，采用NECP/GFS(0.5°×0.5°分辨率)全球模式预报场作为驱动，侧边界条件12 h更新一次，提供0~12 d逐日空气质量预报数据.在线源追踪模型在WRF/chem3.5版本的基础上，增加颗粒物一次源输送的追踪代码，实现天津及周边地区72 h一次污染来源的实时追踪.污染天气分析模块在短期、中长期模式的基础上，对其气象要素进行提取，构建混合层厚度、理查森数、静稳指数、大气环境容量、通风系数、大气稳定度、输送通量和滞留系数等指标，提升预报员污染天气分析能力.沙尘模式以WRF/Chem3.5版本为核心构建，水平分辨率为60 km，模拟区域覆盖影响我国北方的主要沙尘源区，提供0~96 h沙尘区域预报.应急扩散模型通过WRF、HYSPLIT和WEBGIS三者相互结合构建，提供突发性大气污染事故发生后污染扩散的主要路径和影响范围.

2016年全年运行结果显示(图 2)，15 km分辨率YSU边界层方案和MADE/SORGAM气溶胶机制中长期预报模块中，0~48 h PM_2.5质量浓度预报与实况的相关系数为0.79，相对误差为31.6%；48~96 h预报与实况的相关系数为0.76，相对误差为35.0%；96~120 h预报与实况的相关系数为0.7，相对误差为39.5%；120 h以后预报效果明显下降；120~168 h预报与实况的相关系数维持在0.59，相对误差为43.3%；168~216 h时的相关系数维持在0.56，相对误差为47.2%；216~288 h的相关系数衰减至0.38，相对误差为49.5%.为更清晰地分析天津环境气象数值模式对细颗粒物的模拟能力，提升预报员对不同天气类型环境气象数值预报能力的把握，基于FNL资料回算2014—2016年数据，模型设置参考业务运行模式，具体见2.2节模式设置.

基于2014—2016年WRF/Chem模拟的PM_2.5质量浓度与实况值差异性分析.天津地区PM_2.5质量浓度模拟与实况数据的相关系数为0.79，相对误差为29.9%，模拟均值为76 μg·m^-3，实况均值为76.5 μg·m^-3，模拟的趋势性和数值上与实况均较为接近.在全年的12个月份中，3—4月模拟效果最佳，12—2月相对误差较大，但相关系数较高，趋势预报效果较好，7—8月受降水影响，PM_2.5质量浓度干扰因素较多，模拟效果最差.根据以往经验，数值模式模拟误差可以分为两类，一是随机性的误差，二是系统性的误差，通过降低系统性误差，可以有效地提高数值模式产品的支撑能力.在大气污染过程中，由于污染类型的相似，同一天气背景下PM_2.5质量浓度模拟值与实况值之间的误差有相似之处，可以通过不同天气背景PM_2.5质量浓度模拟的检验，降低大气化学模式的系统性误差.

分不同天气类型对数值模式PM_2.5质量浓度模拟效果进行分析，天津环境气象数值模式趋势预报效果较差的是高压底、华北地形槽和冷锋前低压区3类；预报效果较好的是低压、倒槽、高压后、弱高压和均压场(表 5和图 3).从相对误差和绝对误差分析，高压底和高压前由于实况数值较低显示相对误差较高，但其绝对误差并不大.从系统性偏差而言，冷锋前低压区、华北地形槽和低压过程模拟略有偏低，使用数值模式数据时可适当调高；当海平面气压场表现为低压槽前时，模式对于辐合风场带来的细颗粒污染强度模拟明显偏低，需要有一个15~20 μg·m^-3的调高；高压前和高压底出现时大气化学模式模拟结果略有偏高，可以适当降低数值模式模拟结果.

3.4 不同天气背景重污染天气数值模式模拟效果分析

对比数值模式模拟值和实况监测值，研究期间天津地区日均PM_2.5质量浓度大于150 μg·m^-3的天数为100 d.实况和模式模拟PM_2.5质量浓度均达到重度污染等级的天数为67 d，漏报率为33%，模式模拟PM_2.5质量浓度达到重度污染等级而实况未出现的为30 d，空报率为31%，数值模式2014—2017年1月(仅考虑1—4月、9—12月)天津地区重污染TS(式(1))评分为0.68.

(1)

式中，NA为预报正确次数，NB为空报次数，NC为漏报次数.

在33次漏报中，1、2、3、4月的漏报率分别为45%、22%、50%、100%，10、11、12月的漏报率分别为36%、33%、11%；均压场漏报率为17.6%，冷锋前低压区漏报率为23.5%，华北地形槽漏报率为75%，低压槽前漏报率为47.3%，低压漏报率为25%，弱高压漏报率为33%，高压后漏报率为30%，高压底漏报率为50%，高压前漏报率为60%.如果认为实况出现PM_2.5质量浓度大于150 μg·m^-3，预报PM_2.5质量浓度大于125 μg·m^-3时，数值模拟对于重污染过程有显著提示即为正确，则准确率为83%，1、2、3、4月的漏报率分别为32%、0、33%、0，10、11、12月的漏报率分别为18%、6.7%、11%；均压场漏报率为5.9%，冷锋前低压区漏报率为11.8%，华北地形槽漏报率为75%，低压槽前漏报率为21%，低压漏报率为25%，弱高压漏报率为11%，高压后漏报率为0，高压底漏报率为50%，高压前漏报率为40%.上述数据分析显示，重污染天气4种主要的天气形势，均压场、冷锋前低压区和高压后数值模式对于重污染天气漏报率较低，一般重污染日均能很好地模拟.17次漏报过程中，可分为3种情景：① 低压槽前，由于辐合线模拟位置对于此类型大气污染影响至关重要，对于其模拟的偏差导致个别重污染天气存在漏报，上述类型占23.5%；② 受冷空气影响时，包括冷空气模拟偏弱和到来时间偏晚2种情景，一般均发生在持续性大气污染过程中，由于区域大范围的细颗粒污染出现，气溶胶对于气象条件形成反馈机制，使得真实大气相对于模拟更加趋于稳定，冷空气影响减弱和偏晚，导致重污染天气漏报，此类占41.7%；③ 弱高压转为地形槽的过程中，此类天气细颗粒积累速度极快，但由于前期一般为高压前转弱高压的过程，大气污染原始浓度并不高，在2014—2016年期间仅出现4次重污染天气，但数值模拟对此类过程捕捉能力极差，出现3次漏报，分析原因3次漏报的共同特征是弱高压转为地形槽的过程中形成闭合低压区(华北小低压)，当闭合低压区出现后，大气污染物在小范围积聚，可以快速地由二级或者三级跃升至五级重度污染，目前中尺度数值模式中对于小范围的闭合低压区仍然不能准确模拟，导致上述过程出现多次漏报.

在30次空报中，1、2、3、4月的空报率分别为33%、42%、38%、100%，10、11、12月的空报率分别为0、44%、17%；均压场空报率为22%，冷锋前低压区空报率为28%，华北地形槽空报率为66%，低压槽前空报率为0，低压空报率为0，弱高压空报率为50%，高压后空报率为35%，高压底空报率为50%，高压前空报率为71.4%.如果认为预报PM_2.5质量浓度大于150 μg·m^-3，实况大于125 μg·m^-3时，数值模拟对于重污染过程提示正确，则空报率为16.5%，出现空报次数为16次.1、2、3、4月的空报率分别为17%、8%、13%、33%，10、11、12月的空报率分别为0、39%、10%；均压场空报率为5.5%，冷锋前低压区空报率为22.2%，华北地形槽空报率为33.3%，低压槽前空报率为0，低压空报率为0，弱高压空报率为33%，高压后空报率为5%，高压底空报率为0，高压前空报率为71.4%.由数据显示，在低压槽前、均压场和高压后3种类型中，数值模式很少会出现空报，当数值模式预报重污染天气时，出现重污染天气的概率可以达到77%，日均PM_2.5质量浓度大于125 μg·m^-3的概率超过96%.空报主要在高压前、弱高压和锋前低压区，其中，高压前和锋前低压区空报主要是由于冷空气过程预报时间比实况偏晚引起的，占空报的56%；弱高压天气空报出现主要与高压中心位置模拟偏移有关.天津位于渤海西侧，当处于高压中心时，由于系统性风向不明显，受海陆热力差异影响，呈现弱的东风、东南风，与河北中南部污染带隔离，维持二级良到三级轻度污染，而随着高压系统东移，系统风明显，逐渐转为高压后部，风向转为南风或者西南风，河北中南部的大气污染物输送会快速地使得天津由二级跃升为五级，此时高压中心模拟与实况的偏移，对大气污染输送通道是否建立至关重要，从而导致模式的空报，占空报情况的25%，

4 结论(Conclusions)

1) 统计显示，2009—2016年天津地区重污染天气天数为341 d，约占全部天数的11.7%，重污染天气主要发生的季节为每年的10月—次年3月，约占全年的82%.2013年《大气污染防治行动计划》执行以后，年重污染天气天数从49 d下降到27 d，尤其是非采暖季空气质量明显改善，2014—2016年连续3年5—9月未出现重污染天气.

2) 天津重污染天气出现的地面形势主要为锋前低压区、低压槽前、均压场和高压后，4种天气类型出现重污染天气的日数分别为18、19、17和20 d，占所有重污染天气的73%.4种天气类型以外，受华北特殊地形影响，京津冀地区弱高压系统减弱后常转为地形槽控制，当地面受地形槽控制时，PM_2.5出现快速累积，均速为每日增幅43 μg·m^-3，是没有地形槽出现弱高压天气系统PM_2.5质量浓度增速的1倍，为所有天气类型大气细颗粒物累积速度最快的.

3) 同一天气背景下PM_2.5质量浓度模拟值与实况值之间的误差有相似之处，冷锋前低压区、华北地形槽和低压过程模拟值略有偏低；出现低压槽前天气时模式对辐合风场带来的细颗粒污染浓度模拟明显偏低；高压前和高压底出现时大气化学模式模拟结果略微偏高.

4)2014—2017年1月(仅考虑1—4月、10—12月)天津地区日均PM_2.5质量浓度大于150 μg·m^-3的天数为100 d，实况和模式模拟PM_2.5质量浓度均达到重度污染等级的天数为67 d，漏报率为33%，模式模拟PM_2.5质量浓度达到重度污染等级而实况未出现的天数为30 d，空报率为31%，数值模式天津地区重污染TS评分为0.68.从气象角度分析，漏报与低压槽辐合线模拟位置偏差、冷空气受污染反馈影响偏弱偏晚、小尺度闭合低压区未准确模拟3个因素密切相关；空报主要与冷空气过程模拟比实况偏晚和高压中心位置与输送通道建立时间密切相关.从数值模拟角度，均压场、冷锋前低压区、弱高压和高压后4类过程漏报率较低，重污染过程数值模拟均能很好把握；低压槽前、均压场和高压后3种类型数值模式空报率较低，当数值模式预报重污染天气时，将有极高概率出现重污染天气，应予以关注.