大气所等提出基于反演在线更新排放源清单的空气质量业务预报方法

       污染源清单是空气质量数值预报最重要的输入数据之一，是影响预报准确率的关键因子。传统自下而上源清单由于需要收集的信息量大、制作成本高，难以快速更新，往往需要1年以上才能更新一次，其不确定性在我国大气污染源排放快速变化情形下会显著增大，对空气质量预报也引入了较大的不确定性。

针对这一难题，中国科学院大气所物理研究所联合中国环境监测总站，提出了在线更新排放清单的业务预报新方法。该方法基于自主研发的大气化学数据同化系统ChemDAS，进一步解耦排放源反演所需的集合模拟与预报，每日动态反演城市主要污染物的排放量数据。在排放源反演过程中，该方法同化融合了多变量的污染物监测浓度数据，包括一氧化碳（CO）、二氧化硫（SO₂）、二氧化氮（NO₂）、臭氧（O₃）、细颗粒物（PM_2.5）、粗颗粒物（PM₁₀），以分别更新不同污染物的排放数据，包括CO、SO₂、氮氧化物（NO_x）、挥发性有机物（VOC_s）及其他PM_2.5和PM₁₀的前体物排放。与传统方法相比，这一方法将计算量降低了84%，使得在业务预报中采用集合卡尔曼滤波源反演更加高效。

该方法已应用于国家生态环境质量预测预报中心，在业务预报中实现了在线反演更新排放清单。这一技术不仅有效提高了预报精度，而且能够快速评估大气污染物排放量的变化。在2022年1月至2月的预报中，该方法将PM_2.5的7天预报均方根误差降低了7.1%，O₃等污染物的预报均方根误差也有了明显降低。此外，反演的排放数据揭示了2022年北京冬奥会期间排放控制措施的显著影响，表明北京市、张家口市和河北省的氮氧化物排放分别降低了53.5%、42.7%和48.6%。

近期，相关研究成果发表在《环境科学与技术快报》（Environmental Science & Technology Letters）上，并入选为封面文章（Supplementary Covers）。研究工作得到国家自然科学基金的支持。

消息来源：中国科学院官网