基于反演在线更新排放源清单的空气质量业务预报方法

　　污染源清单是空气质量数值预报最重要的输入数据之一，是影响预报准确率的关键因子。传统自下而上源清单由于需要收集的信息量大、制作成本高，难以快速更新，往往需要1年以上才能更新一次，其不确定性在我国大气污染源排放快速变化情形下会显著增大，对空气质量预报也引入了较大的不确定性。

　　针对这一难题，中国科学院大气所物理研究所联合中国环境监测总站，提出了在线更新排放清单的业务预报新方法。该方法基于自主研发的大气化学数据同化系统ChemDAS，进一步解耦排放源反演所需的集合模拟与预报，每日动态反演城市主要污染物的排放量数据。在排放源反演过程中，该方法同化融合了多变量的污染物监测浓度数据，包括一氧化碳（CO）、二氧化硫（SO2）、二氧化氮（NO2）、臭氧（O3）、细颗粒物（PM2.5）、粗颗粒物（PM10），以分别更新不同污染物的排放数据，包括CO、SO2、氮氧化物（NOx）、挥发性有机物（VOCs）及其他PM2.5和PM10的前体物排放。与传统方法相比，这一方法将计算量降低了84%，使得在业务预报中采用集合卡尔曼滤波源反演更加高效。

　　该方法已应用于国家生态环境质量预测预报中心，在业务预报中实现了在线反演更新排放清单。这一技术不仅有效提高了预报精度，而且能够快速评估大气污染物排放量的变化。在2022年1月至2月的预报中，该方法将PM2.5的7天预报均方根误差降低了7.1%，O3等污染物的预报均方根误差也有了明显降低。此外，反演的排放数据揭示了2022年北京冬奥会期间排放控制措施的显著影响，表明北京市、张家口市和河北省的氮氧化物排放分别降低了53.5%、42.7%和48.6%。

　　近期，相关研究成果发表在《环境科学与技术快报》（Environmental Science & Technology Letters）上，并入选为封面文章（Supplementary Covers）。研究工作得到国家自然科学基金的支持。