校准CAMS欧洲多模型空气质量预报用于区域空气污染监测
摘要：CAMS空气质量多模型预测已经在2019年和2020年评估和校准了对PM10、PM2.5、O3、NO2和CO的预测，与意大利利古里亚大区（西北意大利）的区域监测网络收集的观测数据进行比较。本研究中使用的校准策略源于成熟的集合模型输出统计（EMOS）方法，通过该方法可以准确地将原始集合预测转化为预测概率密度函数，并同时纠正偏差和扩散误差。该策略还提供了模型不确定性的校准预测。通过我们的分析，污染物实时观测在校准策略中的重要作用在较短的预测小时数中显而易见。我们的动态校准策略比不考虑实时数据的类似策略更优越。我们确定的最佳校准策略使CAMS多模型预测系统比其他运行在更高空间分辨率上，利用更详细的排放清单信息的原始空气质量模型更可靠。我们期望我们的研究对于识别和建立可靠和经济的空气污染预警系统会产生积极的影响。
作者：Gabriele Casciaro, Mattia Cavaiola, Andrea Mazzino
论文ID：2201.13355
分类：Atmospheric and Oceanic Physics
分类简称：physics.ao-ph
提交时间：2022-07-27