近日，北京大学数学科学学院、统计科学中心林伟长聘副教授团队关于PM2.5预报改进方法的论文“Improving PM2.5 Forecasts in China Using an Initial Error Transport Model”在Environmental Science & Technology（ES&T）正式发表。ES&T是环境科学领域公认的顶级期刊，由美国化学会出版，2019年影响因子7.864，在谷歌学术指标环境科学子类排名第一，是纳入自然指数的82种高水平期刊之一，在环境领域具有很强的影响力，对发表成果的重要性和原创性有极高要求。

PM2.5预报是制定科学污染防控策略、减轻空气污染对人体健康危害的重要依据。但由于初始条件、排放清单以及预报模式的不确定性，预报结果存在一定误差。使用资料同化方法将观测数据与模拟数据融合，为预报模式提供更准确的初始条件是改进空气质量预报的有效手段。常规的空气质量预报中，直接将同化后的初始条件嵌入大气化学传输模式（CTM），通过模式的传输、排放、物理化学和沉降模块模拟污染物演化过程，预报未来空气质量。然而PM2.5浓度受众多前体物影响，业务预报中，只有少数污染物的地面观测数据可被同化，导致同化物种与未同化物种之间的化学反应不平衡，以及同化的地面浓度与未同化的高空浓度之间的空间不平衡。这两类不平衡使CTM在预报过程中产生虚假的化学反应和垂直传输，使得同化初始场对PM2.5预报的改进主要局限于一天预报。

该论文提出一种基于初始误差传输模型（IETM）的PM2.5预报改进方法。该模型使用平流、扩散和衰减过程描述初始误差在预报中的演化过程，在CTM之外独立计算同化初始场对预报的影响。再使用IETM输出结果订正采用未同化初始场的CTM预报，得到最终预报结果。IETM不涉及物种间的相互作用和垂直传输，避免了常规预报方法的化学反应不平衡和垂直传输不平衡问题，进而显著增强、延长同化初始场对预报的改进效果。在2018年1月中国中东部的PM2.5预报中，采用IETM可将1至4天预报的均方根误差降低51.2，27.0，16.4和9.4 μg m-3，是常规方法改进幅度的3.2，6.9，8.6和10.4倍。

IETM预报流程图（左）及2018年1月PM2.5预报改进效果（右）

光华管理学院、统计科学中心吴煌坚博士后（合作导师：林伟、陈松蹊）和林伟副教授为该论文的共同通讯作者。其他作者包括光华管理学院、统计科学中心陈松蹊教授，中国科学院大气物理研究所郑小谷访问教授、朱江研究员、王自发研究员、陈学舜副研究员，中国科学院安徽光学精密机械研究所郑海涛博士，中国环境监测总站王威博士。该论文是大气专项空气质量统计模型课题的成果。

论文信息和链接：

Wu, H., Zheng, X., Zhu, J., Lin, W., Zheng, H., Chen, X., Wang, W., Wang, Z., Chen, S. X. (2020). Improving PM2.5 forecasts in China using an initial error transport model. Environmental Science & Technololgy, 54(17), 10493–10501.

https://doi.org/10.1021/acs.est.0c01680