《Atmospheric Environment》：Evaluations of PM
2.5 forecast during Winter 2020 over India using WRF-SILAM model
编辑推荐：
印度主要城市空气污染预警系统研究
基于SILAM化学传输模型耦合IMD-WRF气象预报，构建72小时PM2.5等污染物预测系统，覆盖60°-100°E、0°-40°N区域。模型采用5km×5km网格，冬季实测数据验证显示对"不健康"等级预测准确率达92%，"非常不健康"等级误差控制在±15μg/m3内，为NCAP计划中的GRAP应急响应提供科学支撑。
Chinmay Jena|Vijay Kumar Soni|Anikender Kumar|Sanjay Bist|Kanika Taneja|Arpit Tiwari|Ananda Kumar Das|D.R. Pattanaik|Sachin D. Ghude|Andreas Uppstu|Rostislav Kouznetsov|Antti Hyvarinen|D.S. Pai|Mrutyunjay Mohapatra|M. Rajeevan
印度地球科学部，印度新德里气象局
摘要
印度主要城市的空气污染日益成为人类健康的严重问题，污染控制机构需要可靠的空气质量预测来应对日益恶化的空气质量。印度共有131个人口超过一百万的城市被认定为未达到国家环境空气质量标准的城市，这些城市的污染水平已经连续五年超出了标准。可靠的空气质量早期预警系统是污染控制机构和其他决策者有效管理空气质量恶化情况并提前实施污染控制措施的重要工具，尤其是在城市中。印度地球科学部（MoES）与印度气象局（IMD）和芬兰气象研究所（FMI）合作，推出了这一空气质量早期预警系统（AQEWS）。该系统利用SILAM（大气成分综合建模系统）化学传输模型，提供未来72小时的空气质量预测，涵盖所有标准污染物，包括颗粒物和气态物质，覆盖范围为60°E至100°E、0°N至40°N。气象数据来自IMD的3公里×3公里空间分辨率的天气研究预报（IMD-WRF）模型。SILAM模拟的PM2.5质量浓度与印度德里、孟买、金奈、班加罗尔、海得拉巴、勒克瑙和巴特纳等主要城市的实地观测数据进行了对比。对PM2.5浓度预测的评估显示，SILAM在预测空气质量不佳的情况时表现优异，但在预测非常不健康的空气质量情况时表现中等。此外，SILAM在预测PM2.5浓度方面具有很强的统计性能，其结果落在预期的不确定性范围内。空气质量早期预警系统使决策者能够根据可靠的预测采取积极的、基于科学的措施来防止空气质量进一步恶化。
引言
冬季严重的空气污染和糟糕的空气质量一直是印度主要城市，尤其是国家首都地区（NCR）和恒河平原地区的重大问题。不利的气象条件加上来自化石燃料、居民活动、生物质燃烧、交通运输和建筑等各种来源的排放，加剧了这些问题（Ghude等人，2008年；Sati和Mohan，2014年；Parkhi等人，2016年；Tiwari等人，2018年；Sawlani等人，2019年；Hakkim等人，2019年；Krishna等人，2019年；Kumar等人，2020年；Takigawa等人，2020年；Kanawade等人，2020年；Kulkarni等人，2020年；Kumar等人，2023年）。这些因素共同导致了该地区的复杂空气污染问题。由于大量人口暴露于这些污染物中，它们对健康构成了严重风险（Beig等人，2013年；Chate等人，2013年；Ghude等人，2016年；Guttikunda和Goel，2013年；Spears等人，2019年）。严重的空气污染事件的特点是PM2.5（空气动力学直径小于2.5微米的颗粒物）浓度高，这显著影响了NCR和其他印度城市的日常生活（Chowdhury等人，2019年；Jethva等人，2019年）。然而，由于大气污染过程的复杂性和多尺度特性，准确预测这些极端事件期间的空气质量仍然是一个重大挑战（Carmichael等人，2008年；Krishna等人，2019年；Kumar等人，2015年）。预测颗粒物浓度的主要不确定性来源于排放清单的不完整、对物理和化学过程（例如二次有机气溶胶的形成）理解不足、边界和初始大气条件的表示限制以及数值近似的误差（Mallet和Sportisse，2006年；Carmichael等人，2008年；Jena等人，2015年）。许多国家已经实施了基于化学传输建模框架的空气质量预测系统（Manins，1999年；Pudykiewicz等人，2003年；Wayland等人，2002年；Dabberdt等人，2004年；Otte等人，2005年；José等人，2008年），以有效管理和控制空气污染。为应对这些挑战，印度地球科学部（MoES）被要求开发运行中的空气质量预测系统。这些系统对于污染控制机构及时采取措施以及公众在不健康空气质量期间减少暴露至关重要（Ghude等人，2020年；Jena等人，2021年）。
印度政府（GoI）启动了国家清洁空气计划（NCAP），目标是在2024年前大幅降低地表颗粒物浓度（MoEF&CC，2018年）。作为该计划的一部分，印度政府为德里和NCR地区实施了分级响应行动计划（GRAP）。该计划使污染控制机构能够根据空气质量预测采取分级措施。为了支持GRAP措施的启动，准确预测极端空气污染事件至关重要。为此，印度地球科学部（MoES）下令开发一个高分辨率的空气质量预测系统。根据这一要求，MoES的机构开发并运行了空气质量早期预警系统（AQ-EWS）。印度气象局（IMD）与芬兰气象研究所（FMI）合作开发了高分辨率的空气质量预测系统SILAM（大气成分综合建模系统）。此外，印度热带气象研究所还运行了WRF-Chem模型作为AQ-EWS的一部分。这些模型为污染控制机构提供运行中的空气质量预测，使其能够及时根据GRAP采取必要措施。为了在极端污染事件期间改善空气质量决策，建模框架被扩展到能够预测印度全境5公里空间分辨率的PM2.5浓度。这一进展旨在提高如GRAP这样的社区级空气质量管理措施的有效性。据我们所知，目前还没有任何运行中心能够提供覆盖整个印度5公里×5公里空间范围的短期运行空气质量预测。
本文简要概述了涉及SILAM模型、IMD-WRF模型和实地观测的运行预测系统。它评估了印度各地冬季PM2.5运行预测的质量。研究表明，这些预测与预期的不确定性相符，证明了它们适用于向主要城市和整个印度的居民发出及时警告。
章节摘录
SILAM运行建模系统设置
在这项研究中，我们使用了大气成分综合建模系统（SILAM），这是一个离线的3D化学传输模型（Sofiev等人，2015年），并结合了IMD-WRF气象模型来预测地表PM2.5质量浓度。研究重点关注2020年12月3日至2021年2月28日的冬季高峰期，采用5公里×5公里的水平网格间距。我们的研究时间段与解锁阶段相吻合
印度及部分关键城市的PM2.5预测性能
本研究首先分析了2020年12月3日至2021年2月28日期间模型模拟的PM2.5浓度，这一时期的特点是整个模型区域内稳定的冬季气象条件。图1显示了SILAM模型在预测期第一天以5公里×5公里分辨率模拟的印度平均PM2.5浓度空间分布。该图突出了恒河平原地区的较高浓度
总结
本研究展示了一种新型运行空气质量预测系统的有效性，该系统将SILAM化学传输模型与IMD-WRF系统的气象预测相结合，用于预测印度冬季的地表PM2.5浓度。该系统表现出强大的预测能力，整体偏差和误差较低，并且在多个预测提前时间内观测到的PM2.5浓度与预测值之间始终保持较高的一致性。
预测系统表现尤为出色
CRediT作者贡献声明
Kanika Taneja：写作——审阅与编辑、可视化、验证、正式分析。Arpit Tiwari：写作——审阅与编辑、可视化、验证、正式分析。Anikender Kumar：写作——审阅与编辑、可视化、验证、正式分析。Sanjay Bist：写作——审阅与编辑、可视化、正式分析。Sachin D. Ghude：写作——审阅与编辑、可视化。Andreas Uppstu：写作——审阅与编辑。Ananda Kumar Das：写作——审阅与编辑、可视化。
未引用的参考文献
Brasseur等人，版本；Eder等人，2010年；Galperin等人，1996年；Kang等人，2005年；Karvosenoja等人，2010年；Kouznetsov和Sofiev，2012年；Kukkonen等人，2012年；MoEF&CC，2018年；Petersen等人，2018年；Sofiev等人，2010年；Sofiev，2019年；Tainio等人，2010年；Matthias等人，2018年；Wesely，1989年。
利益冲突声明
作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。
致谢
作者感谢多个机构的宝贵贡献，包括中央污染控制委员会（CPCB）、印度各州的污染控制委员会、印度气象局（IMD）和印度热带气象研究所（IITM），它们提供了来自其空气质量监测网络的关键地表PM2.5数据。我们还要感谢Mihir提供的强大计算支持，这要归功于国家中距离天气预报中心
