导　　师： 郑君瑜

授予学位： 博士

作　　者： ;

机构地区： 华南理工大学

摘　　要： 由于污染形成机制认知的局限性和模型输入参数的不确定性,以CAMQ和CAMx为代表的复杂空气质量模型模拟仍然存在很大的不确定性。如何改进与提高模型模拟的准确性是国内外大气环境科学研究关注的重点与前沿之一。定量不确定性分析是利用概率分析的手段定量分析模型输入不确定性来源对模型结果的影响,识别影响模型模拟的关键不确定性来源,进而指导模型改进的方向与途径。然而,由于复杂空气质量模型定量不确定性分析涉及的不确定性源众多、常规的蒙特卡罗不确定性传递方法所需的计算资源巨大、以及简化模型本身带来的不确定性等问题,复杂空气质量模型的定量不确定性仍然存在诸多不足。复杂空气质量模型的复杂性和众多的不确定性来源是目前国内外开展复杂空气质量模型改进研究亟需突破的关键瓶颈问题之一。针对这些瓶颈问题,论文围绕复杂空气质量模型关键不确定性来源诊断识别与改进的研究目标,以PM2.5模拟为例对复杂空气质量定量不确定性分析方法与应用开展了较为系统性的研究,其主要的研究成果和结论如下:（1）初步构建了由敏感性分析识别重要模型输入、输入不确定性量化、不确定性传递、基于贝叶斯的不确定性矫正、不确定性结果评价和不确定性来源解析6部分组成的复杂空气质量模型定量不确定性诊断方法框架体系,为量化识别复杂空气质量模型关键不确定性来源,提升模型模拟性能,开展空气质量概率预报提供了方法学基础;（2）利用合并多个案例的HDDM敏感性系数的思路,建立了逐步HDDM-RFM（High-order Decoupled Direct Method–Reduced Form Model）方法,解决了模型输入扰动或不确定性较大时,传统HDDM-RFM方法不确定性传递准确性下降的问题,有效提高了不确定性传递的准确性;（3）利用耦合HDDM与SRSM方法的思路,建立了HDD

关 键 词： 细颗粒物 不确定性分析 数据融合 模型模拟改进

领　　域： []