【研究成果】利用光達資料同化 提升臺灣PM2.5濃度預報準確度

by Yang-Kuang Chao
438 觀看次數

撰稿  /  何郁庭 (科學推展中心特約編輯)


圖1. PM2.5造成的污染,是近年全球重視的公共議題。(圖片來源:中央大學大氣科學系王聖翔教授)

PM2.5造成的污染,是近年全球重視的公共議題,政府也相當關注;若能增進PM2.5濃度預報的精準度及預警時間長度,將有效增加政府示警的效能,並提供人們更充足的應變時間。

中央大學大氣科學系楊舒芝教授所領導的研究團隊結合區域氣象預報模式(WRF)與局地系集轉換卡爾曼濾波器(LETKF),發展區域系集資料同化系統(NCU WRF-LETKF),以此系統優化台灣劇烈天氣資料同化,了解台灣氣象預報的挑戰,提升氣象預報準確度。今年(2022),該研究團隊結合鄭芳怡教授所建置的WRF-CMAQ空品預報系統及王聖翔教授協助環保署建置維護的MPLNET(註1)的光達資料,建立光達資料同化。在WRF-CMAQ預報系統架構下,同化光達反演的高垂直解析度PM2.5濃度值能改進大氣邊界層風速預報並進一步改善PM2.5濃度的預報準確度,此研究成果發表於《Atmospheric Environment》。

資料同化及前置準備

氣象觀測資料能提供真實大氣狀況,數值模式預報透過動熱力方程式能推估不同時間的大氣狀態。資料同化(Data assimilation)有效結合觀測資料及數值模式,發揮兩者優勢。透過資料同化所得的分析場作為模式初始場,可進一步改進數值模式預報。資料同化目前已廣泛地應用於大氣科學領域包含數值天氣和氣候預報,並能發揮如氣象衛星和雷達資料等不同觀測資料優勢等。

此研究利用MPLNET中央大學觀測站(NCU)及西屯觀測站(Xitun)的光達資料,每75公尺反演出一筆PM2.5濃度,並以此獲得大氣邊界層內PM2.5垂直分佈特性。接著透過NCU WRF-LETKF 同化此PM2.5觀測,並提供氣象模式風場修正,再以此進行空品模式的計算。

此研究進行三組數值實驗,BASE實驗進行單一預報,利用四維度資料同化(FDDA,  four-dimensional data assimilation)將全球分析場資料加入WRF模式中;於實驗時間(2018/12/19)前,從2018/12/17日8時起,以輕推(nudge)的方式,將風、溫度、水氣等資訊趨近NCEP FNL的資料,再將此單一預報驅動CMAQ空品模式。而此亦為一般空品模擬及預報常使用的方式。另兩組實驗使用系集架構(ensemble framework)。兩組實驗的差異在於,CTRL實驗未使用光達資料同化,而LDA實驗同化光達資料,再進行氣象及空品預報。此研究探討2018年12月18-20日之嚴重PM2.5污染事件,此空污事件受穩定大氣結構、弱風,及背風渦漩影響,通風擴散條件不佳導致污染物累積。

圖2. 上排:三組實驗預報於2018年12月19日15時之地面PM2.5濃度與風場,圈圈為地面PM2.5濃度觀測值。下排為同時間模式預報的地面風速與流線場。

在此一高污染事件期間,臺灣西北外海形成一背風渦漩,造成北臺灣嚴重空氣污染事件(圖2)。一方面此渦旋的環流結構,將污染物累積於北臺灣,另一方面渦旋的逆時針環流結構,帶來西南風分量,也將中部地區的污染物帶進北臺灣,造成空品惡化。而背風渦漩受綜觀氣象風場與臺灣複雜地形之間交互作用影響。氣象模式初始場誤差、物理過程、熱動力機制皆可影響對此背風渦漩的模擬。其中,氣象模式初始風場誤差影響背風渦漩位置及結構甚巨。

三組數值模式預測比較

三組實驗的PM2.5預報皆有一定準確性(圖2),然而BASE組實驗所預報的背風渦漩結構,造成風速高估,地表PM2.5濃度低估。使用系集架構有助掌握臺灣西北外海背風渦漩特性,CTRL組實驗預報風場較BASE更貼近觀測值,且PM2.5濃度預報於竹苗、中臺灣地區,更接近觀測值。LDA組實驗,同化光達資料進一步改善臺灣西北外海渦旋結構,有效改進CTRL中部PM2.5濃度高估問題。比起單一預報,系集預報有效掌握小尺度動力發展及其不確定性,而同化光達資料則能有效改善近地面風場,掌握近地層大氣動力特性。

綜合以上,光達資料同化可修正風場結構,主要是因為PM2.5濃度誤差與風場誤差有高度相關性,此相關性不僅具有流場相依特性,並隨高度、地形改變。透過LDA預報結果,建構高污染傳輸路徑,而掌握背風渦漩環流結構及大氣邊界層發展特性,以及其與複雜地形之間的交互作用,為有效改善空品預報之關鍵。

小結與展望

當進入秋冬空污季節,臺灣西半部受中央山脈地形阻擋,呈現靜風穩定大氣結構,也導致嚴重空污事件發生。而背風渦旋的生成,往往造成臺灣西半部空污事件的加劇。面對此複雜環流結構,更需要精準的空品預報技術,協助中央以及地方政府機關,提早因應空品預警應變措施。透過高垂直解析度大氣觀測可掌握大氣邊界層熱動力特性,而資料同化技術,結合觀測與數值模式,能更正確地掌握污染物傳輸與擴散過程,改善空品預報。此研究成果在環保署空氣污染防治基金科技研究計畫的補助下,進展完成。

研究團隊群於現階段(2020-2023年)執行科技部大氣學門研究計畫(Taiwan Atmospheric PBL Observation, Modeling and Assimilation Experiment, T-POMDA)(圖3),進一步利用剖風儀、無人飛機、無線電聲波探測系統等垂直觀測資料,納入資料同化系統,探討臺灣空氣污染問題,期盼能更有效提升臺灣空氣品質預報的準確度。

圖3. 臺灣大氣邊界層觀測實驗計畫

 


註1:Micro-Pulse Lidar Network,全球光達觀測網。https://mplnet.gsfc.nasa.gov/

 

參考文獻

[1] Shu-Chih Yang, Fang-Yi Cheng, Lian-Jie Wang, Sheng-Hsiang Wang, Chia-Hua Hsu (2022). Impact of lidar data assimilation on planetary boundary layer wind and PM2.5 prediction in Taiwan. Atmospheric Environment. 277. https://doi.org/10.1016/j.atmosenv.2022.119064.


你可能也想知道

X