東北地理所在沙塵預報模型評估研究中取得進展
過去幾年，在我國大氣污染較為嚴重的背景下，協助地方政府開展有效的重污染天氣預報預警與聯防聯控工作，是大氣環境研究的主要工作之一。2019年4月開始，環保部進一步完善空氣質量考核制度，各地空氣質量評估過程中將不再剔除沙塵天氣影響，對準確預報預警沙塵天氣提出了更高的要求。
東北地理所區域大氣環境學科組的研究人員在分析過去10年東北地區大氣污染特征的基礎上，針對春秋沙塵、秋季秸稈焚燒和冬季燃煤的重污染時段，分別開展了模擬與預報預警研究。基于學科組近10年的沙塵天氣模擬工作經驗，針對當前全球主流的空氣質量模型（CMAQ、WRF-Chem、CAMx和CHIMERE）中共計13種沙塵機制方案開展了全面系統性的評估研究。其中，CAMx模型中的沙塵模擬評估研究為全球首次開展。調整修改后沙塵預報模式將轉化為業務運行版本供哈長城市群開展預報預警應用。
圖1 2015年5月5日沙塵暴事件中應用不同起沙方案和起沙來源分布圖模擬獲取的日均PM10空間分布; (a-e) GOCART方案, (g-l) AFWA方案, (m-r) UOC_Shao2004方案
研究結果顯示， 盡管不同起沙方案均可再現該次沙塵事件的空間分布格局，但每個模型預測PM10模擬濃度與實際觀測PM10濃度之間存在較大差異。通常，在默認配置下，CHIMERE模型的模擬性能相對較好。經過參數調整后，采用AFWA方案的WRF-Chem以及采用Ginoux et al.（2012）的季節性起沙源區分布圖的模擬效果最好，其次為采用UOC_Shao2004方案的WRF-Chem、CHIMERE和CMAQ模型。通過替換默認的起沙分布源圖并消除模式代碼中的摩擦速度限制，CAMx的模擬性能得到了顯著改善。本項研究表明在區域尺度內模擬沙塵事件應仔細甄選已有的起沙源區分布圖，或由本地數據生成新圖。此外，應進一步研究和測量不同土壤類型的垂直起沙效率，以期進一步提高空氣質量模型中垂直粉塵通量的模擬準確性。
圖2 中國東北地區不同沙塵方案模擬PM10與觀測PM10對比分析的泰勒分布圖
相關研究工作以“中國東北地區春季沙塵暴的多模式模擬評估研究：全球主流空氣質量模型中沙塵模擬能力評估與改進”（ Multimodel simulations of a springtime dust storm over northeastern China: implications of an evaluation of four commonly used air quality models (CMAQ v5.2.1, CAMx v6.50, CHIMERE v2017r4, and WRF-Chem v3.9.1)）為題發表在國際權威期刊《地球科學模式發展》（Geoscientific Model Development 簡稱：GMD），區域大氣環境學科組馬思琪博士生為第一作者，張學磊副研究員為通訊作者。GMD雜志是地球系統模式發展方向的頂級期刊之一，主旨向學界介紹地學模式發展重要進展，2018年影響因子5.15，5年影響因子5.70。該研究論文為東北地理所在該刊物發表的首篇模型模擬論文。該工作受到國家重點研發計劃（項目編號：2017YFC0212304），國家自然科學基金（項目編號：41571063；41771071）以及中國科學院人才計劃項目資助完成。
論文信息：
Ma, S., Zhang, X.*, Gao, C., Tong, D. Q.*, Xiu, A., Wu, G., Cao, X., Huang, L., Zhao, H., Zhang, S., Ibarra-Espinosa, S., Wang, X., Li, X., and Dan, M.: Multimodel simulations of a springtime dust storm over northeastern China: implications of an evaluation of four commonly used air quality models (CMAQ v5.2.1, CAMx v6.50, CHIMERE v2017r4, and WRF-Chem v3.9.1), Geosci. Model Dev., 12, 4603–4625, 2019.
文章鏈接：https://doi.org/10.5194/gmd-12-4603-2019
Ma, S.; Zhang, X.*, Gao, C., Tong, Q.*, Xiu, A., Zhao, H., Zhang, S.: Simulating Performance of CHIMERE on a Late Autumnal Dust Storm over Northern China. Sustainability, 11, 1074, 2019.
文章鏈接：https://www.mdpi.com/2071-1050/11/4/1074
附件下載：
吉公網安備22017302000214號
