一种基于EnKF的地面排放清单反演优化方法技术

本发明专利技术公开了一种基于EnKF的地面排放清单反演优化方法，包括：构建EnKF清单反演系统并耦合至WRF‑CMAQ模式系统；将每天反演后的清单重新应用到当天模式预报为下一天反演中的集合预报提供初始场，多天反演清单的平均作为最终优化的清单；评估清单区域变化及不确定性；将优化后的清单在同化时段内进行长时预报，与原始清单预报对比，评估优化后的清单对预报的提高效果。本发明专利技术通过EnKF方法构建集合反演同化系统来同时优化SO2、NOX、PM2.5排放清单，有效纠正了排放误差并提高了模式预报。

An EnKF-based Inversion Optimization Method for Ground Emission Inventory

The invention discloses an EnKF-based optimization method for ground emission inventory inversion, which includes: constructing an EnKF inventory inversion system and coupling it to a WRF CMAQ model system; re-applying the inverted daily inventory to the ensemble prediction in the inversion of the day model to provide an initial field for the ensemble prediction in the inversion of the next day; and evaluating the changes of the inventory area and the average of the inverted multi-day inventory as the final optimized inventory; Uncertainty; The optimized list is forecasted for a long time in the assimilated period, and compared with the original list, the improvement effect of the optimized list on the forecast is evaluated. The invention constructs an ensemble inversion assimilation system by EnKF method to optimize SO2, NOX and PM2.5 emission inventory at the same time, effectively corrects emission errors and improves model prediction.

【技术实现步骤摘要】
一种基于EnKF的地面排放清单反演优化方法
本专利技术属于环境保护领域，尤其是一种排放清单反演优化方法。
技术介绍
传统排放清单通常通过实地调查方法得到，由于污染源的分布和变化十分复杂，编制清单通常需要较长的时间和大量的人力来清查各类污染物以及建立模型进行估算，排放清单数据在较长时间内是固定不变的，所以会受工业的发展或政策的影响，实际排放波动大，造成模式较大的误差。
技术实现思路
专利技术目的：提供一种基于EnKF的地面排放清单反演优化方法，以解决现有技术存在的上述问题。技术方案：一种基于EnKF的地面排放清单反演优化方法，包括：步骤1、构建EnKF清单反演系统并耦合至WRF-CMAQ模式系统；步骤2、将每天反演后的清单重新应用到当天模式预报为下一天反演中的集合预报提供初始场，多天反演清单的平均作为最终优化的清单；步骤3、评估清单区域变化及不确定性；将优化后的清单在同化时段内进行长时预报，与原始清单预报对比，评估优化后的清单对预报的提高效果。根据本专利技术的一个方面，所述构建EnKF清单反演系统的步骤包括：步骤11、生成源排放集合样本为原始清单，δx为随机扰动场，i为集合样本数；步骤12、考虑PM2.5前体物的影响，同时对SO2、NOx的排放进行反演订正，计算源排放的背景误差协方差矩阵为反演前源排放集合平均，n为自然数；步骤13、基于集合误差统计和观测矢量，反演后的清单通过以下方程进行更新：其中，H观测算子，R为观测误差协方差矩阵，K为增益矩阵，决定背景场与观测的权重，为第i个成员的分析场，即优化后的排放清单，其所有成员的集合平均为最优估计，为下一次反演提供精度更高的排放清单。根据本专利技术的一个方面，还包括步骤14、采用日均浓度进行反演，同化窗口设为1天，以避免模式预报日变化误差对反演的影响；基于最优估计理论对观测值进行超级观测处理，将位于同一网格点的m个观测值yi和n个成员对应的预报值构成一个超级观测值和对应的预报值，i＝1，2，…，m；k＝1，2，…，n，假设不同站点不同时刻的观测误差相互独立，yi对应的观测标准差为ri，则新构成观测ynew，观测标准差rnew，以及对应的预报满足下列关系：根据本专利技术的一个方面，还包括步骤15、采用顺序同化方式依次同化单个站点，即同化一个观测之后更新的分析场作为下一次同化的背景场继续同化。根据本专利技术的一个方面，观测误差协方差R包括测量误差和代表性误差，代表性误差ε0为测量误差，ε0＝ermax+ermin*Π0，其中Π0为观测值，ermax为基本误差；γ为调谐比例因子，Δx为网格大小，L表示观测站点的影响半径，与观测位置有关，总的观测误差定义为根据本专利技术的一个方面，CMAQ模型系统包括：化学传输模块，用于模拟污染物的传输过程、化学过程和沉降过程；初始条件模块和边界条件模块，用于为CCTM提供污染物初始场和边界场；光化学分解率模块，用于计算光化学分解率；气象-化学接口模块，是气象模型和CCTM的接口，用于把气象数据转化为CCTM可读取的数据格式。有益效果：通过EnKF方法构建集合反演同化系统来同时优化SO2、NOX、PM2.5排放清单，有效纠正了排放误差并提高了模式预报。附图说明图1是本专利技术的原理示意图。图2是位于(a，c，e)南京和(b，d，f)上海站点观测与模拟的10-m风速(WS10)、2-m温度(T2)和2-m相对湿度(RH2)时间序列对比图。图3是中国大陆、NCP、YRD以及SCB区域平均SO2、NOX、一次PM2.5反演的排放比例因子时间变化图。图4是反演后清单与原始清单(a，c，e)排放差异(106g/d)以及(b，d，f)排放比例因子空间分布图。图5是2015年12月25日至30日采用反演后清单与原始清单模拟的SO2浓度以及RMSE对比图。图6是2015年12月25日至30日采用反演后清单与原始清单模拟的NO2浓度以及RMSE对比图。图7是2015年12月25日至30日采用反演后清单与原始清单模拟的PM2.5浓度以及RMSE对比图。图8是原始清单与反演后清单模拟的(a，b)SO2、(c，d)NO2、(e，f)PM2.5平均偏差对比图。图9是同化与未同化SO2、NO2观测反演的PM2.5(a)清单差异(106g/d)以及(b)排放比例因子空间分布图。图10是SO2、NO2和PM2.5局地化尺度由108、72、108km变为180、108和180km后反演的PM2.5(a)清单差异(106g/d)以及(b)排放比例因子空间分布图。具体实施方式在下文详细描述本专利技术的细节和原理。如图1所示，首先构建EnKF清单反演系统并耦合至WRF-CMAQ模式。由于WRF-CMAQ模型的离线耦合，忽略气象与化学的互反馈影响，为避免极端天气事件的模拟误差，本实施例选取研究时段为2015年12月25日至30日。其次对排放清单中一次PM2.5及前体物SO2、NOX进行随机扰动30个集合并进行集合预报，为避免排放日变化的影响同化窗口设为一天。每天反演后的清单重新应用到当天模式预报为下一天反演中的集合预报提供初始场，多天反演清单的平均作为最终优化的清单。评估清单区域变化及不确定性；将优化后的清单在同化时段内进行长时预报，与原始清单预报对比，评估优化后的清单对预报的提高效果。采用WRF-CMAQ离线区域空气质量模式预报气溶胶浓度和组分。WRF模式系统是美国国家大气研究中心(NCAR)、美国国家海洋和大气局(NOAA)和NCEP联合多个科研机构开发的新一代中尺度高分辨率天气研究和预报模式，能精确再现实际大气中的各种天气过程，广泛应用于大气科学研究及业务预报需求。WRF模型集成了迄今为止在中尺度上的研究成果，包括两个动态核心：一个数据同化系统和一个支持并行计算和系统可扩展性的体系结构。WRF水平方向采用ArakawaC网格，而垂直方向则采用地形跟随质量坐标将空间离散化，是完全可压的非静力平衡模式，可以更好地改善对中尺度天气的模拟和预报。WRF模型内部参数化方案比其他中尺度模型更丰富，所考虑的物理过程也更加详细。模式中引入的物理参数化方案主要包括微物理过程方案、积云对流方案、边界层方案、长波短波辐射模拟方案及陆面方案等。模拟和实时预报试验表明，WRF模式系统在预报各种天气条件方面表现出色。CMAQ由美国国家环境保护局开发的第三代空气质量预报模型，采用了“一个大气”的设计理念，将大气不同污染物间复杂的物理化学过程融为一体考虑，不仅模拟气象模型的驱动下污染物的输送、扩散、转化和迁移过程的影响，同时兼顾了区域与城市尺度间污染物在大气中的各种化学过程，包括液相化学过程、非均相化学过程、气溶胶过程和干湿沉积过程对浓度分布的影响，从而大大提高了CMAQ模拟的精度。CMAQ能在不同空间尺度范围内同时模拟PM、臭氧等多种大气污染物以及酸沉降、能见度等各种环境污染问题，还可以用来研究污染物来源、产生机理、扩散，揭示污染物的区域传输以及评估污染物减排效果、环境控制策略对空气质量的影响，从而制订最佳决策。CMAQ模型采用高度模块化设计，主要由5部分组成，其核心是化学传输模块CCTM(CMAQChemical-TransportModelProcessor)，可以模拟污染物的传输过程、化学过程和沉降过程等；初始条件模本文档来自技高网...

【技术保护点】
1.一种基于EnKF的地面排放清单反演优化方法，其特征在于，包括：步骤1、构建EnKF清单反演系统并耦合至WRF‑CMAQ模式系统；步骤2、将每天反演后的清单重新应用到当天模式预报为下一天反演中的集合预报提供初始场，多天反演清单的平均作为最终优化的清单；步骤3、评估清单区域变化及不确定性；将优化后的清单在同化时段内进行长时预报，与原始清单预报对比，评估优化后的清单对预报的提高效果。

【技术特征摘要】
1.一种基于EnKF的地面排放清单反演优化方法，其特征在于，包括：步骤1、构建EnKF清单反演系统并耦合至WRF-CMAQ模式系统；步骤2、将每天反演后的清单重新应用到当天模式预报为下一天反演中的集合预报提供初始场，多天反演清单的平均作为最终优化的清单；步骤3、评估清单区域变化及不确定性；将优化后的清单在同化时段内进行长时预报，与原始清单预报对比，评估优化后的清单对预报的提高效果。2.根据权利要求1所述的基于EnKF的地面排放清单反演优化方法，其特征在于，所述构建EnKF清单反演系统的步骤包括：步骤11、生成源排放集合样本为原始清单，δX为随机扰动场，i为集合样本数；步骤12、考虑PM2.5前体物的影响，同时对SO2、NOX的排放进行反演订正，计算源排放的背景误差协方差矩阵为反演前源排放集合平均，n为自然数；步骤13、基于集合误差统计和观测矢量，反演后的清单通过以下方程进行更新：其中，H观测算子，R为观测误差协方差矩阵，K为增益矩阵，决定背景场与观测的权重，为第i个成员的分析场，即优化后的排放清单，其所有成员的集合平均为最优估计，为下一次反演提供精度更高的排放清单。3.根据权利要求2述的基于EnKF的地面排放清单反演优化方法，其特征在于，还包括步骤14、采用日均浓度进行反演，同化窗口设为1天，以避免模式预报日变化误差对反演的影响；基于最优估...

【专利技术属性】
技术研发人员：冯树状，江飞，王恒茂，
申请(专利权)人：南京大学，
类型：发明
国别省市：江苏,32