使用MM5-CMAQ模型对大阪的区域空气质量进行高分辨率建模和评估外文翻译资料

 2022-11-09 16:30:01

英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料

中文译文

使用MM5-CMAQ模型对大阪的区域空气质量进行高分辨率建模和评估

SHRESTHA Kundan Lallowast;, KONDO Akira, KAGA Akikazu, INOUE Yoshio

大阪大学工学部可持续能源与环境工程系，日本大阪5650871。

  1. mail: kundan@ea.see.eng.osaka-u.ac.jp

Received 06 June 2008; revised 10 September 2008; accepted 23 September 2008

摘要

越来越多的人认为高分辨率模型是改善区域空气质量监测和预报的先决条件。对于地形复杂，土地复杂的高度城市化地区尤其如此。本研究利用社区的多学位空气质量模型（CMAQ）和中等规模的MM5模型进行综合分析，以评估这种高分辨率建模系统在预测复杂臭氧空气质量方面的适用性。在日本大阪。 1公里和3公里的网络区域叠加在9公里范围内，1公里的网络区域覆盖大阪地区。正确验证后，使用高分辨率网络点值 - 中尺度模型（GPV-MSM）。统计指标用为臭氧设定的性能标准，来验证和评估模拟的臭氧浓度。在9km和3km网络网格中发现最大臭氧时间是最好的，平均绝对误差高达3ppbv。此外，结果表明1 km网络优于大多数观测站网络，这些网络站点在误差和相关性方面存在显着差异。这些结果充分证明了在高度城市化的地区使用高分辨率集成MM5-CMAQ系统，例如大阪地区，该地区拥有复杂的地面和土地用途。

关键词：空气质量模型评估; 臭氧; 社区多尺度空气质量;MM5; 统计分析

引言：

随着全球城市化的兴起，城市空气污染已成为一个日益严重的全球性问题。 我们一直面临着满足臭氧等空气污染物空气质量标准的挑战性任务。随着第三代空气质量生成模型（AQM）的发展，我们开始广泛使用这些模型来指导排放控制的战略和区域发展。对于日本的情况，这些模型已经过很有限的观测测试。因此，需要进行更系统和全面的模型评估，以评估模型的可靠性。

由于持续的工业化和向城市中心的迁移，特大城市的空气质量非常令人担忧。除健康和社会问题外，空气污染还对环境产生严重的区域和全球影响（Akimoto，2003）。在日本，东京和大阪这两个大都市是典型的地区，对这些地区的空气污染进行详细的研究和分析是当务之急。光化学空气污染是日本西部最大都市区大阪的一个关键问题（Itano等，2006）。通过以任意方式操纵模型输入参数，臭氧事件的主要特征可以重叠。在这种情况下的结果表明该模型可能与给定的情况一致，但在应用于其他情况时具有较差的预测能力（Sailor和Dietsch，2007）。虽然这种方法对于大量地点而言是非常耗费资源的，但使用并行集群机器，使用第三代空气质量模型与现代气象模型相结合似乎是有用的。

在大阪高度不规则的山地中，区域污染物和前驱物运输、海风和热岛效应在复杂风型的形成中起着重要作用。Palau等（2005年）和Fenger（2003年）提出，在复杂地形的沿海地区，由于整体平流上不同尺度间的气象相互作用和污染物湍流扩散的强烈影响，用不适当的尺度来解决气象学问题，在城市尺度下的低层污染物行为模拟中会产生很大的差距。

从全球范围来看，许多诸如社区多尺度空气质量（CMAQ）（Byun和Ching，1999）、CAMx、SAQM等三维空气质量管理系统与一些突出的中尺度模型,如MM5（Dudhia等人，2005）和RAMS（Pielke等人，1992）相结合。对臭氧、其前体物、颗粒物等建模的不同方面进行了研究，重点是对空气质量管理系统和驱动它们的中尺度模型的评估（Hogrefe等人，2001a，2001b；Zhang等人，2006b，2006c；Biswas等人，2001；Palau等人，2005）。在日本，空气质量管理系统和气象模型有一些应用（Uno等人，1996年），例如使用RAMS（区域大气模型系统）气象模型和CMAQ（社区多尺度空气质量）模型（Zhang等人，2004年，2006年a；Sugatetal.，2001年）。也有与CMAQ模式相比不同的气象模式研究（Hara等，2005），但很长一段时间的研究不是在复杂的地理市区进行。我们不能仅仅依靠事件数据集来描述当地的气象和臭氧问题。既然我们可以在一个较长的时间尺度达到更好的模型性能，建模周期应比单一事件的持续时间更长的时间来提高监管流程建模的可信度（Hogrefe等，2001年）。网格分辨率也显著影响臭氧空气质量的化学和运输过程，因此应仔细选择网格大小以进行臭氧模拟（Jang等人，1995a，1995b；Arunachalam等人，2006；Jimenez等人，2006）。本研究利用CMAQ空气质量模式结合MM5中尺度模式进行综合分析，以评估此高分辨率模式系统在日本大阪复杂地形臭氧空气品质预测中的适用性。包含9个节点的Pentium-4 Linux集群用于各种模拟。因此，利用不同的定量统计指标和臭氧性能标准集，根据观测数据评估模拟臭氧浓度。文中给出了这些结果，并讨论了综合高分辨率MM5-CMAQ模拟系统在复杂地形和土地利用高度城市化地区臭氧空气质量模拟中的适用性。

1方法

1.1建模区域

选择大阪地区作为MM5-CMAQ模型的目标区域（图1）。大阪周边地区被用作网络规模为1公里的最后一个区域（域3）。该区域嵌套在较大的区域，网络大小为3 km（域2）。这些区域进一步位于9公里网络的较大区域，几乎覆盖了整个日本（域1）。对于区域1,2和3，MM5区域的网络分别为118times;118,118times;118和91times;91。对于CMAQ模型，在三个区域中修改了边界以最小化边界效应的气象模式的影响。 CMAQ区域分别具有105 x 105,105 x 105和78 x 78网络，分别用于域1,2和3。基于sigma-p的垂直坐标系，所有三个区域包含23个垂直层。

图1社区多尺度空气质量（CMAQ）模型域嵌套。

1.2气象建模

宾夕法尼亚州立大学（PSU）/国家大气研究中心（NCAR）中尺度模拟系统（MM5）是一个有限区域、非流体静力学、地形跟随西格玛坐标模型，旨在模拟区或预测中尺度和区域尺度大气环流（Grell等人，1994；Dudhia等人，2005）。利用MM5模型可以生成风场、温度、水汽混合比等气象要素。

在没有四维数据同化（FDDA）的情况下，使用了MM5的最新版本（3.7）。采用日本气象局（JMA）提供的国家中尺度网格点值数据（GPVMSM）对模型进行初始化。各级的网格尺寸为0.2_times;0.25，数据采用日本国内JMA制定的网格二进制格式（DGRB）。研究了在MM5模型中使用该数据的可行性。由于GPV-MSM数据在MM5模型中的应用并不广泛，先通过与大阪地区的观测数据进行比较，然后采用简单的冰微物理和杜迪雅的长波和短波辐射方案、格雷尔累积参数化方案和中程预测（MRF）PBL方案（Hong和Pan，1996年）和多层土模型（Dudhia，1996年），成功地将其与美国国家环境预测中心（NCEP）的气象数据进行了对比验证。

1.3排放建模

排放数据包括各种类型的排放，并且可以分为三种类型：表面数据，高度可变数据和点源数据。地面数据包括固定区域资源和移动源排放，移动资源排放数据来自日本空气清洁计划（JCAP）。对于9 km（域1）和3 km（域2）区域，使用国家排放数据，空间分辨率为0.125x 0.0833。对于1km域（域3），使用0.0125x 0.00833分辨率的关西地区数据。有关排放的数据可在2002年7月获得。数据的另一个特点是工作日和周末的移动排放数据的可用性。同样，生物排放也包括在7月份的平均值中。

1.4空气质量建模

社区多尺度空气质量模型（CMAQ）是基于“一个大气”理念的欧拉式空气模型，它同时模拟区域和城市尺度上的大气，陆地和和影响空气污染物及其前体物的运输运、转化和沉积过程（Byun和Ching，1999）。本文采用CMAQ 4.5模型作为空气质量模型。对于CMAQ结果的后处理，使用气候数据分析软件（CDAT）。CMAQ与国家空气污染监测机制（SAPRC-99）的化学机制相结合。 该模型不仅解决了许多大气污染物之间的相互作用，而且解决了区域和城市尺度之间的相互作用。

1.5观测站

为评价模拟气象和空气质量变量，观测数据取自大阪市环境污染控制中心提供的“大气污染连续监测网络数据文件”。大阪大气污染监测网覆盖大阪地区，设有20个空气监测站，11个废气监测站。同样，大阪有94个车站分布在各个城市。图2显示了本研究中用于评估模型性能的站点。

1.6统计指标

为了评估MM5-CMAQ系统中臭氧空气质量的模拟，在评估中使用了几个统计性能指标。这些统计指标用数学公式表示。 （1） - （5）（Yu等人，2006; Zhang等人，2006b）。使用标准化标准偏差（NMB）和标准化标准误差（NME）等传统指标估算臭氧模型及其前体物的性能。由于NMB和NME使用标准化方法来解决相对差异，因此它们具有避免偏差值的优势。类似地，绝对平均误差（MAGE）对于观察模拟和观测数据之间的偏差的扩散也是有用的，并且平方根误差（RMSE）提供了与给定阵列相比的预测的不确定性。观察到的数据。定量评估。所有数据分析都在Python编程环境中完成，R统计软件包（R Development Core Team，2007）用于使用名为“Rpy”的Python接口计算统计指标。

图2大阪地区观测站。根据大阪县在线数据库中给出的代码，为每个观测站提供站代码。

相关系数（范围-1～1）。

其中，Mi和Mi分别是i处的测量和观测数据，n是点和时间步长的总数。同样，macr; M和rsquo; macr; O分别指Mi和Oi的平均值。

2结果和讨论

在不同的MM5-CMAQ模拟阶段，气象建模或MMA模拟和CMAQ模拟占据了大部分模拟时间。 使用9个节点的Linux Pentium-4 Linux集群，MM5模拟需要5天使用，而不同的CMAQ（域1,2,3）分辨率分别需要45小时，45小时和5天的用户的时间。 由于在MM5（域3）的最大区域中使用的时间步长是3s，因此MM5模拟中的用户时间与CMAQ中的域3模拟相当。与单处理器仿真相比，集群仿真占单处理器仿真用户时间的近1/5的时间。

2.1气象变量

温度，太阳辐射和风速等气象变量对于表面臭氧的精确模拟至关重要。MM5模拟能够很好的捕捉到近地表温度，具有非常高的相关系数（约0.8），平均绝对误差很低（约1.5K），并且能精确地再现日振幅（图3a）。在多云的天气中，太阳辐射被很好地捕获，辐射周期通常很低（图3d）。该模型再现天低辐射2002年7月10日等低辐射日。地面风的水平分量也得到很好的模拟，相关系数（约0.65）和总平均绝对误差（约1.5m/s）。由于模型中没有使用四维数据同化（FDDA），因此避免了风的日变化造成的显著损失，并且在1 km的分辨率下对局部风环流进行了相当好的模拟（图3b）。与观测值相比，风向也得到了很好的捕捉（图3c）。需要注意的是，观测到的风向只有16个等间距的离散方向。

2.2臭氧定量分析

通过MM5-CMAQ模拟可以很好地再现近地表附近臭氧浓度的变化（图3e）。模拟期的前半段臭氧时间相对较低，模拟期后半段的臭氧时间相对较高，这是很好的预测。地表面臭氧日变化是臭氧时间序列的最佳模拟效果。从太阳辐射的时间序列（图3d）可以清楚地看出，模拟月份的后半部分具有最高的太阳辐射，因此臭氧通常高于模拟月份的前半部分。所以，太阳辐射是影响臭氧产生的因素之一。重要的是，温度（图3a）和风速（图3b）等气象变量和臭氧之间的关系也可以从结果中清楚地得出。注意到有一个在模拟期间下半年没有阴雨天，强风通常有低臭氧事件为特征，如2002年7月25日和26日。这两天都是北风和东风之间的风向（图3c）。这些天盛行的高速天气风似乎是造成低臭氧的原因。另一方面，低风期，例如2002年7月23日和29日，其特征在于预期的臭氧日。在这些天，恶劣天气和海风的影响导致臭氧期浓度升高。总而言之，MM5-CMAQ系统可以很好地预测臭氧的时间序列以及影响臭氧时间序列的振幅和变化以及风温和风速变化的气象变量。

图3大阪市中心107号站近地面气温（A）、风速（B）、风向（C）、太阳辐射（D）和臭氧（E）的时间序列，这是一个典型的大阪市中心站的例子。

表1显示了每小时臭氧数据的截止值为40 ppbv的臭氧的统计，以及臭氧日最大值的度量。在第一部分中，观察值小于40 ppbv的成对数据不用于计算统计指标。在这类评价中，观测模拟数据对可以在空间和时间上匹配或不匹配。为了进行最严格的评估和分析，我们可以在整个模拟时间序列和评估中的所有站点上使用成对数据。因此，本研究使用配对资料。虽然美国环保局（2007）在其最新报告中没有推荐任何确定的模型性能标准，但本研究中使用了其先前报告中推荐的性能标准对模型性能进行定量分析。对于40 ppbv的臭氧层，美国环保署对NMB的标准限值为小于等于15%，对NME的标准限值为小于等于30%。由于NMB和NME结果（表1）都在这些标准范围内，因此可以认为现有的建模系统具有很高的预测性能。对于40 ppbv的臭氧层，所有的误差在3区比在更粗的区域网格

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[19265]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章