基于优插值数据同化方法提升空气质量模型PM10估计精度研究.pdfVIP

第十七届IFAC系统辨识研讨会预印本国际会议2015年

10月19‑21日

⋆

使用最优插值改进空气质量模型

AURORA的PM估计

10

∗∗∗∗

奥斯卡·毛里西奥·阿古德洛彼得·维埃内巴特·德摩尔

∗KULeuven，电气工程系(ESAT)‑STADIUS/iMindsMedicalIT，

KasteelparkArenberg10，B‑3001Leuven，比利时。电子邮件：

{mauricio.agudelo，bart.demoor}@esat.kuleuven.be。

∗∗VITO‑佛兰德技术，环境建模单位，Boeretang200，

BE‑2400Mol，比利时。电子邮件：peter.viaene@vito.be

：本文介绍了使用称为最佳插值(OI)的数据同化技术改进空气质量模型AURORA的

PM估计的结果。数据同化过程中使用了IRCEL（比利时区域间环境局）的地面测量数

10

据。AURORA的覆盖范围包括比利时、以及法国、德国和荷兰的小部分地区，网格分辨

2

率为5×5km。在本研究中，网格单元之间的误差协方差的表征是通过使用

Hollingsworth‑L¨onnberg方法来完成的。仿真结果表明，最优插值技术能够显着降低PM10

2.5

估计的误差，从而间接改善PM场。

：数据同化，状态估计，最优插值，空气质量

1。简介它们对于同化过程的成功或失败起着非常重要的作用。

颗粒物(PM)是指空气中存在的固体或液体颗粒的术语。根在现有的数据同化技术中，我们可以提到变分方法

据颗粒的大小，我们可以区分两组：PM2.5（空气动力学（3D‑var和4D‑var）、基于卡尔曼滤波器的方法（例

直径最大为2.5微米）和PM10（空气动力学直径最大为如，集成卡尔曼滤波器、集成变换卡尔曼滤波器等）和统

10微米）。吸入这些颗粒会对人类健康产生有害影响，如计方法，例如最优插值（OI）。与预测误差协方差与时间

哮喘、肺癌、心血管问题、出生和过早（Pope相关（在每个同化步骤中估计）的基于卡尔曼滤波器的

IIIetal.(2002)），因此准确估计PM至关重要。方法不同，在最优插值方法中，这些协方差是时间不变的

（协方差通过使用经验协方差函数来近似），这使得该技

尽管在创建准确描述空气污染物浓度分布的模型方面付出术在计算资源有限时成为非常有的选择。该方法在

了巨大努力，但在许多情况下可以观察到模型估计值与测空气质量领域的一些应用可以在Wu等人的中找

量值之间存在相当大的差异（例如Vautard等人到。(2008)，Tomte等人。(2009)，坎迪亚尼等

（2012））。所涉及机制的复杂性以及模型参数和模型人。

输入