doi:  10.3878/j.issn.1006-9895.1802.17260
大气污染资料同化与应用综述

A Review of Air Quality Data Assimilation Methods and Their Application
摘要点击 1091  全文点击 859  投稿时间:2017-10-28  
查看HTML全文  查看全文  查看/发表评论  下载PDF阅读器
基金:  国家自然科学基金项目91644216、41575128
中文关键词:  资料同化  大气复合污染  模式不确定性  浓度场同化  源反演
英文关键词:  Data assimilation  Air pollution  Model uncertainty  Concentration field assimilation  Emission inversion
           
作者中文名作者英文名单位
朱江ZHU Jiang中国科学院大气物理研究所国际气候与环境科学中心(ICCES), 北京 100029;中国科学院大学, 北京 100049
唐晓TANG Xiao中国科学院大气物理研究所大气边界层物理与大气化学国家重点实验室(LAPC), 北京 100029
王自发WANG Zifa中国科学院大气物理研究所大气边界层物理与大气化学国家重点实验室(LAPC), 北京 100029;中国科学院大学, 北京 100049
吴林WU Lin中国科学院大气物理研究所大气边界层物理与大气化学国家重点实验室(LAPC), 北京 100029
引用:朱江,唐晓,王自发,吴林.2018.大气污染资料同化与应用综述[J].大气科学,42(3):607-620,doi:10.3878/j.issn.1006-9895.1802.17260.
Citation:ZHU Jiang,TANG Xiao,WANG Zifa,WU Lin.2018.A Review of Air Quality Data Assimilation Methods and Their Application[J].Chinese Journal of Atmospheric Sciences (in Chinese),42(3):607-620,doi:10.3878/j.issn.1006-9895.1802.17260.
中文摘要:
      我国正面临以高浓度臭氧和细颗粒物为典型特征的大气复合污染问题,对其进行模拟和预报是有效应对大气污染的关键。大气复合污染预报的不确定性来源复杂,同时存在化学非线性的影响,各种模式输入不确定性对模拟预报影响的时空差异较大,从而导致很多不确定性约束方法难以确定关键的不确定性因子而进行有针对性的约束和订正。利用资料同化方法融合模式、多源观测等信息,减小模式输入数据的不确定性成为提升大气污染模拟预报精度的关键。本文将简要介绍大气污染资料同化相关的模式不确定性、同化算法以及污染物浓度场同化、源反演研究上的进展,探讨大气污染资料同化面临的主要挑战和发展趋势。
Abstract:
      China is facing serious air pollution problems especially that caused by high concentrations of ozone and fine particles. A key step to effectively control air pollution is the modeling and forecasting of air pollution. However, large uncertainties with complicated sources still exist in air pollution forecasting. The nonlinearity in chemical processes makes it difficult to identify those key uncertainty sources and carry out targeted constraints and corrections in the modeling study. Data assimilation method can combine modeling information with multi-source observations to improve the accuracy of air pollution simulation and forecast. In this paper, we briefly introduce model uncertainties, assimilation algorithms, and optimization of initial concentrations and emissions for air quality model in the field of air pollution data assimilation. Challenges and development trends in the study of atmospheric pollution data assimilation are also highlighted.
主办单位:中国科学院大气物理研究所 单位地址:北京市9804信箱
联系电话: 010-82995051,010-82995052传真:010-82995052 邮编:100029 Email:dqkx@mail.iap.ac.cn
本系统由北京勤云科技发展有限公司设计
京ICP备09060247号