数值预报和统计预报是空气质量预报的两类主要手段^[1-2]，数值预报的准确性受模式分辨率、气象预报产品、污染源排放清单和空气质量监测数据等因素影响，统计预报则受到统计模型、参数筛选和数据样本量等因素影响，两者结果均不能直接作为预报的最终结果，需要预报员结合经验对预报结果做出修正。因此，定期开展预报效果回顾和评估，不仅有助于提高对预报误差的认知，还能够帮助预报员总结经验，提高预报准确率^[3]。黄蕊珠等^[4]根据长三角地区空气质量区域预报工作需求，对分区文字预报和落区图预报2种方式分别制定了不同的预报准确性评估方法，分区文字预报根据设定的预报准确性判定方法计算预报评分，落区图预报按区域内的预报准确城市占比进行准确率统计。张璘等^[5]选取细颗粒物(PM_2.5)日均值、臭氧(O₃)日最大8 h滑动平均值(O₃-8 h)、空气质量指数(AQI) 日报和空气质量级别等指标，对江苏省13市未来1 d的预报结果和次日实况观测结果进行误差统计和对比，并提出开展当日7时预报更新及调整经典模式参数，这2种方法均有助于提高预报的准确性。吴莹等^[6]基于2017年泰州市环境空气质量自动监测数据，定量评估并对比了嵌套网格空气质量预报系统(NAQPMS)和区域多尺度空气质量模型(CMAQ)2种模型对O₃的预报效果，结果表明CMAQ模型对O₃-8 h的预报效果较好。

目前，空气质量预报的评估时效主要有未来24，48和72 h，通用性评估指标包括：空气质量级别准确率、AQI范围准确率、首要污染物准确率等。差异指标包括：预报与实测相差性(包括相关系数和相关系数检验指标)、空气质量预报综合考核评分(包括首要污染物正确性评分和预报AQI精确度评分等)。

南京市空气质量预报业务虽开展较早，但还未系统性地开展过预报效果评估分析工作。现基于2020年南京市逐日空气质量预报中的6项污染物实测质量浓度及AQI数据，对南京市2020年空气质量预报结果进行评估及误差分析，为提高预报能力提供参考。

1 研究方法 1.1 数据来源

使用2020年南京市9个大气国控点实测数据以及通过“五步法”得到的逐日预报数据，数据类别包含6项污染物的质量浓度及对应的空气质量分指数(IAQI)和当日AQI。

1.2 分析方法

南京市空气质量业务预报采用“五步法”，将客观预报(数值预报和统计预报)与人工经验预报相结合。具体步骤为：第一步，前期空气质量预报情况回顾，分析前期预报误差的原因；第二步，空气质量状况回顾及现状分析，回顾南京及周边近3 d的空气质量情况并结合气象条件进行现状分析；第三步，未来气象条件与扩散形式分析，根据气象观测及预报资料分析未来天气系统形式，预估与首要污染物高相关性的气象扩散条件；第四步，预报员依靠主观经验进行判断，得出初步预报结果；第五步，结合各数值模式预报结果及产品效果分析，做出最终预报结果。

1.3 评估指标 1.3.1 预报准确率评估

选用的空气质量预报评估方法为南京环境监测中心实际业务平台中运用的预报评估方法，该方法根据《环境空气质量指数AQI技术规范》(HJ 633—2012)、《环境空气质量数值预报技术规范》(HJ 1130—2020)、《环境空气质量预报预警方法技术指南》^[7]《环境空气质量预报成效评估方法技术指南》^[8]以及上海市环境空气质量预报考核评分方法^[9]，结合南京市预报中出现的具体情况进行了细化评分，形成具有本地化特色的预报评分方法，具体内容如下。

(1) 首要污染物预报准确率评分，仅在非优级情况下评定，具体规则见表 1。

(2) AQI预报准确率评分，具体规则见表 2。

(3) 首要污染物预报精度评分计算公式见式(1)，综合评分计算公式见式(2)。

$ \text { PPS }=\left(1-\frac{\left|\mathrm{IAQI}_{\mathrm{opp}}-\mathrm{IAQI}_{\mathrm{fpp}}\right|}{\mathrm{IAQ} \mathrm{I}_{\mathrm{opp}}}\right) \times 100 $

(1)

式中：PPS——首要污染物预报精度评分；IAQI_opp——实际首要污染物IAQI值；IAQI_fpp——预报首要污染物IAQI值。

$ \mathrm{CP}=0.7 \times \mathrm{AS}_{\mathrm{AQI}}+0.2 \times \mathrm{PPS}+0.1 \times \mathrm{AS}_{\mathrm{pp}} $

(2)

式中：CP——综合评分；AS_AQI——AQI预报准确率评分；AS_pp——首要污染物预报准确率评分。

1.3.2 相关性和偏差评估

依据《HJ 1130—2020》以及《环境空气质量预报成效评估方法技术指南》，采用相关系数(R)、标准化平均偏差(NMB) 和标准化平均误差(NME)作为评价依据来评估预报结果。R用于衡量预报值与实测值变化趋势的相关程度，NMB表示预报值与观测值的平均偏离程度，NME表示预报值与观测值的平均绝对误差^[10]。

2 预报评估结果 2.1 预报准确率综合评估

2020年南京市不同季节首要污染物预报准确率和精度、AQI预报准确率及综合评分见表 3。由表 3可见，首要污染物预报准确率评分为夏季最高，秋季最低，春季和冬季基本持平。原因是夏季(6—8月)首要污染物比较单一，均为O₃，预报难度较低；秋季(9—11月)是季节交替时期，不同污染物作为首要污染物的情况均有出现，PM_2.5、可吸入颗粒物(PM₁₀)、二氧化氮(NO₂)和O₃占比为41%，19%，13%和2%，不同首要污染物之间频繁变换且单项污染物的IAQI相差很小，使得秋季首要污染物预报难度较大。首要污染物预报精度评分为春、秋两季最高，夏季次之，冬季最低。尽管春、秋两季的首要污染物预报准确率评分较低，但其精度评分却较高，原因是这2个季节预报与实况的首要污染物之间的IAQI值相差很小，这也表明了南京在春、秋季节复合型污染特征较夏、冬季更为明显。

AQI预报准确率评分为秋季和春季相对较高，夏季和冬季相对较低。秋季和春季空气质量等级为良的天数较为集中，均为60 d，且AQI数值范围较为集中，而冬季(48 d)和夏季(39 d)等级为良的天数相对较少，且AQI波动范围较大，因此预报准确率评分相对偏低。综上，南京市空气质量预报综合评分最高的季节为秋季(86分)，其次是春季(84分)、夏季(81分)和冬季(72分)。

2.2 相关系数和偏差评估

2020年南京市不同季节空气质量预报效果评估见表 4。由表 4可见，4个季节R值相差不大，均为0.75左右，说明预报AQI与实测AQI有较好的相关关系。从NMB来看，4个季节均为正偏差，即均易出现预报高估，其中冬季正偏差尤为明显，夏季仅次于冬季，原因是冬季和夏季为污染高发季节，在污染频发时，预报员通常趋于进行保守的从重修正，造成预报偏差较大。

2.3 预报偏差分析

2020年南京市不同季节空气质量预报AQI、实况AQI及预报偏差时间序列见图 1(a)—(d)。由图 1可见，4个季节预报AQI与实况AQI的变化趋势基本一致。全年出现预报高估(预报AQI-实况AQI < 20)和低估(预报AQI-实况AQI > -20)的次数分别为75和32次，这与NMB的分析结论一致，即易出现预报高估。预报最大负偏差为-58，出现在5月13日，当日实况AQI级别为中度污染，而预报级别为良，另外2次较大的负偏差也出现在5月，说明春季AQI数值较高时易出现预报低估的现象。预报最大正偏差为+75，出现在1月18日，当日实况AQI级别为良，而预报级别为中度污染，出现了2个级别的预报高估。

2020年南京市不同季节不同首要污染物出现的总天数、误报天数和误报率见表 5。由表 5可见，从季节来看，夏季的总误报率(3.5%)明显低于其他3个季节，秋季最高(35.3%)，春季和冬季相差不大，分别为32.1%和29.2%。从不同首要污染物来看，NO₂作为首要污染物时的误报率最高(51.4%)，PM₁₀次之(35.7%)，这与PM₁₀和NO₂作为首要污染物主要出现在春、秋季节有关，这2个季节4种污染物的IAQI值经常非常接近，增加了预报员经验修正的难度，易出现误报；O₃误报率排第3(21.3%)，高于夏季首要污染物的误报率(3.5%)，这说明，由于近年来O₃污染出现月份提早以及结束月份推后，导致预报员对非夏季出现的O₃污染经验预判不足；PM_2.5误报率最低(8.7%)，这是由于PM_2.5作为首要污染物基本出现在冬季，符合预报员对于预报结果的经验预判。

2.4 典型污染案例预报偏差成因分析 2.4.1 预报高估

为了更加直观地分析预报偏差及其成因，选取2020年最为典型的首要污染物误报过程进行进一步分析。2020年1月18日，南京市实况AQI为90，预报AQI为165，是2020年偏差最大的1次预报高估。预报员关注到1月17日下午15：00—18日上午09：00相对湿度均 > 80%，此后相对湿度有所降低，但也始终> 60%，气温一直维持在0~5 ℃的稳定低温，平均风速 < 1.5 m/s, 瞬时风速 < 3 m/s，整个气象条件有利于颗粒物的生成^[11]，且17日午后起PM_2.5质量浓度一直维持在较高水平，考虑到污染物的积累，并且结合区域气象－大气化学在线耦合模式(WRF_chem)预报结果，预报员得出了轻度至中度污染的预报结果。2020年1月17—19日南京市实况及预报的PM_2.5小时变化见图 2。

造成此次预报高估有以下几点原因：(1)模式预报的PM_2.5日变化幅度明显大于实况，高值的预报明显偏高；(2)当天风力较小，基本无外源污染输入，且近年来针对颗粒物治理管控效果较好，使得本地累积速度放缓，因此当日PM_2.5实况为良。

2.4.2 预报低估

2020年5月13日，南京市实况AQI为153，预报AQI为95，是2020年偏差最大的1次预报低估。当日首要污染物为O₃，O₃-8 h质量浓度为218 μg/m³。当日实测气温为19~30 ℃，实测气温最高值出现在午后14:00—15：00，达到了容易出现高质量浓度O₃污染的温度条件^[12]。当日相对湿度也处于较低水平(<60%)，符合O₃易超标的湿度条件^[12-13]。当日风力在午后14：00后明显减小，扩散条件进一步转差，导致O₃小时质量浓度从15:00起>215 μg/m³，达到中度污染。2020年5月12—13日南京市实况及预报的O₃和NO₂小时变化见图 3。

造成此次预报低估有以下几个原因：(1)WRF_chem模式对O₃的变化趋势及“单峰”的日变化特征模拟较好^[14]，但在质量浓度量级上存在明显的低估；而在实况中，12日白天至13日凌晨，O₃的质量浓度出现持续积累，模式对这一特征的低估直接造成了次日的预报低估；(2)未考虑风向转变对O₃质量浓度累积的影响。12日22：00起，主导风向由偏西风转为东南风，构成了易造成O₃质量浓度超标的风力条件^[15]；(3)低估了前体物NO₂质量浓度异常升高带来的影响。5月12日夜间，实况NO₂出现了1次异常的升高，并于5月13日凌晨一直维持在较高水平，模式预报同样存在明显的低估。综上，虽然预报员考虑到了当日O₃的超标风险，但由于模式预报偏差、气象条件变化以及对前体物浓度关注不足，导致了最终预报等级的低估。

3 结论

预报评估是衡量空气质量预报业务水平的重要手段，定期开展预报评估有利于进一步规范预报业务，提升预报水平。本文分季节评估了AQI预报准确率、首要污染物预报准确率和精度，并将三者赋予不同权重，评价其综合评分；同时通过分析预报偏差的典型个例，归纳出现预报偏差的原因。

(1) 4个季节中，秋季和春季的AQI预报准确率评分最高；夏季首要污染物预报评分最高；综合评分最高的是秋季，其次是春季和夏季，冬季最低。4个季节预报与实况的R值相差不大，冬季和夏季的NMB和NME高于春季和秋季，因为冬季和夏季为污染高发季节，在污染频发时，预报员通常趋于进行保守的从重修正，造成预报偏差较大。

(2) 不同首要污染物误报率与季节相关，PM_2.5的误报率最低，为8.7%，O₃和PM₁₀次之，分别为21.3%和35.7%，NO₂最高，达到51.4%。结合不同污染物出现的季节可以看出，PM_2.5作为首要污染物主要出现在冬季，O₃主要出现在夏季，这2个季节其他污染物质量浓度相对较低，较少对首要污染物预报造成干扰，预报难度低。NO₂和PM₁₀作为首要污染物通常出现在春季和秋季，这2个季节4种污染物的IAQI值都较为接近，增加了预报员的经验修正难度，因此NO₂和PM₁₀作为首要污染物的误报率较高。

(3) 预报误差分析表明，由于气象预报偏差和空气质量模式预报偏差等客观因素，以及预报员对各污染物形成机理和污染特征的本地变化掌握不足等主观因素共同导致了预报的误差。因此，除了不断优化空气质量预报模式外，预报员在进行空气质量预报时，要充分掌握各项污染物的形成机理和季节变化特征，密切关注气象条件、前体物和污染物变化，在此基础上对模式预报结果做出更加准确的修正。同时，通过阶段性的预报效果回顾评估和预报偏差分析，不断改进不足，提高预报准确率，提升空气质量预报业务水平。