近年来京津冀地区灰霾污染受到了广泛关注，结合数值预报的污染预报预警是防控灰霾污染的重要基础。然而单模式空气质量模式受到来自初始场、模式参数等不确定性的影响，预报结果具有较大不确定性，尤其对重污染事件的准确预报非常困难，为重污染事件的预报预警和防控带来了很大的挑战。集合预报作为一种动力随机预报，通过构造多初值、多模式的方法能够弥补单模式预报输入场和动力框架的不确定性，在数值天气预报中已经有较好的预报经验，然而在空气质量预报领域的应用较少。本文针对京津冀地区颗粒物(PM10和PM2.5)开展集合预报研究，构造基于输入场扰动的蒙特卡罗集合预报系统，检验评估预报结果的准确率和可靠性，并将其与多模式集合预报的结果进行对比。　　本文首先对搭建在北京市环境监测站的空气质量多模式集合预报系统在2010年4月的PM10预报效果进行了评估，并引入多元线性回归方法集成三个模式成员的预报结果。通过分析得到:(1)不同模式的预报结果差异较大，并没有一个模式的预报技巧完全优于其它两个模式，其中CMAQ对北京PM10变化趋势的预报优于其它两个模式，NAQPMS预报的均方根误差整体低于其他两个模式。(2)多模式预报结果的算术平均在趋势预报和偏差两项指标上都低于部分单模式预报，并不能有效改进PM10预报;基于分站点的模式和观测数据构建的多元线性回归集成预报模型能显著提高PM10预报的准确率，选定合适的训练天数(36天)后，所有站点PM10日均值预报的均方根误差相对单模式预报或集合平均预报下降32％～43％，预报偏差大幅减小至5.8μg/m3，总体预报技巧显著优于单模式和多模式算术平均的预报结果。　　多模式集合预报主要是考虑数值模式物理过程中的不确定性，为了进一步考虑输入场不确定性，本研究拟发展基于模式输入参量扰动、包含更多预报成员的蒙特卡罗集合预报系统。由于其预报性能与模式扰动参量的选取直接相关，本研究首先对影响单模式预报的误差来源进行分析。秋季是京津冀地区重污染高发时段，污染物预报的误差体现尤为明显，从而选取2014年10月作为灰霾误差来源的分析对象，利用统计方法，评估了污染物预报误差的时空特征:(1)京津冀地区的误差最大的区域位于京津冀中部和南部的污染传输带上，均方根误差最高可达120μg/m3;(2)模式对清洁时段的模拟好于对污染时段的模拟，对于不同的污染事件，模拟能力也有差异。气象场误差与污染物预报误差具有相关关系，认为风速、风向、湿度和温度的预报误差可能是影响不确定度的误差来源。考虑到10月是秸秆燃烧高发时段，通过modis卫星火点图和基于风速的后向轨迹判断，认为存在火点源向京津冀地区的输送轨迹。这部分未被模式考虑的生物质燃烧源则也可能是导致污染物模拟误差的原因，因此存在排放源的不确定性。　　为了定量评估造成模式不确定性的因素，基于蒙特卡罗方法将5个气象要素和8类排放物种分别输入模式进行扰动，并将扰动的样本集合输入NAQPMS得到集合预报的样本集。分析扰动系数和预报样本的相关性，得到:(1)对模式误差最敏感的气象因素为风速，其负相关系数为-0.4，风速增大10％，污染物浓度降低6.3μg/m3。(2)对模式误差敏感的排放源物种为一次颗粒物、黑碳和有机碳，相关系数分别为0.79和0.36。(3)气象场和排放源扰动造成模拟浓度的离散度分别为36.3μg/m3和39.2μg/m3，说明二者对京津冀地区PM2.5预报不确定性都有非常重要影响。因此将关键气象要素和排放源同时进行扰动，构造蒙特卡罗集合预报系统。　　为了获得比单模式预报更具有指导意义的预报产品，利用蒙特卡罗集合预报的输出结果，分别进行确定性集成预报和概率预报。确定性集成预报采用最优子集挑选方法，通过对子集样本的分析，确定最优子集的样本数量为20组时整体预报效果最佳，得到预报结果准确度比单模式预报结果的等级命中率提高10％，相关系数上升0.18，均方根误差下降18.1μg/m3，提升效果显著。对集合预报结果进行概率预报，给出了概率预报的预报形式并对结果特征进行了初步分析:(1)利用可靠性曲线和ROC散点图分析各个污染等级下概率预报的预报技巧和可靠性后发现，概率预报对各等级的预报技巧排序为优＞重＞良＞中＞轻＞严重，且对于优、重、严重等级事件的预报可靠性较高，对于良和轻等级事件概率易高估。(2)基于概率预报的确定性预报在大部分城市的预报效果优于单模式预报，能够使污染等级准准确率平均提高5％，尤其在重污染发生时，能将污染事件命中率提高约30％。(3)利用“成本-损失”模型分析了概率预报的经济价值，证明概率预报比确定性预报能够为更多的用户提供更好的决策帮助，获得更大的经济效应。