1. 项目概述：WRF-CMAQ 模型到底解决什么问题
如果你刚接触空气质量数值模拟，大概率会从各种论文、报告里频繁看到 WRF-CMAQ 这个词。它是一套把气象模拟与大气化学传输结合起来的建模系统，简单说就是先用 WRF 把大气“物理状态”算出来，再把结果喂给 CMAQ，让后者在网格空间里模拟污染物怎样生成、沉降、传输和转化。我自己从研究生阶段开始折腾这套系统，前后跑了不下几百个模拟案例，可以负责任地讲：WRF-CMAQ 是当前国内环境科研与业务预报中使用最广泛、文档最完整、社区最活跃的空气质量模型组合之一，没有太多悬念。
这套系统能解决的问题很明确。比如某地出现臭氧超标，你想知道是本地生成的还是外来输送的；某工业园区上马新项目，你想评估它对下风向城市 PM2.5 浓度的增量贡献；或者某次重污染过程中，气象条件到底占了几成、排放变化占了几成。这些问题靠观测数据很难直接回答，因为观测只能告诉你“发生了什么”，很难告诉你“为什么发生、谁导致的”。WRF-CMAQ 的价值就是用物理和化学机制，把大气变化过程尽可能真实地重演一遍，从而给你一个可解释、可拆解的答案。
从历史来看，WRF 是新一代中尺度气象预报模型，由美国大气研究中心等机构开发，而 CMAQ 是美国环保署的社区多尺度空气质量模型。两者通过一套名为 MCIP 的接口程序衔接，形成了从气象驱动到化学传输的完整模拟链路。值得一提的是，国内很多省份的空气质量预报预警系统、重大活动空气质量保障系统，底层用的就是这套组合。所以不管你是做科研、写环评论证，还是搞业务预报，这套流程都是绕不开的核心技能。
这篇博文，我想站在“把 CMAQ 用户手册第十三章的内容落地到实际跑通”的角度，把 WRF-CMAQ 从原理到实操的完整框架做一次梳理。适合两类读者：一是刚入门、正准备搭环境跑第一个案例的研究生；二是已经有 WRF 基础、但对 CMAQ 数据流和配置细节还不太清楚的工程师。我会尽量讲清楚“为什么要这样做”，而不仅是“怎么做”，因为太多人在这一步只记住了命令，换台机器或者换个版本就不会玩了。
2. 为什么我坚持推荐 WRF-CMAQ 这套技术路线
2.1 从模型架构看整条模拟链路
一个完整 WRF-CMAQ 模拟系统由四层构成：气象场、排放源、化学传输、后处理分析。WRF 负责第一层，它输出风、温、湿、压、辐射、降水等气象要素，时间频率一般要求逐小时甚至更高。CMAQ 负责第三层，它把 WRF 提供的气象场作为“大背景”，再叠加人为源和天然源排放，在每一个网格里求解化学动力学方程，算出 O3、PM2.5、NO2、SO2 等污染物的时空分布。
第二层排放源是关键中的关键。CMAQ 本身不生成排放数据，它需要的是分物种、分时间、分区域的网格化排放清单。国内常用的是清华大学开发的 MEIC 清单，全球尺度则有 EDGAR、MEGAN（天然源）等。清单数据要先经过排放处理工具（比如 SMOKE）做时间分配、化学物种映射和空间分配，才能变成 CMAQ 能识别的 NetCDF 格式文件。很多人跑模型跑出荒唐结果，最后排查下来不是化学机制配错，而是排放清单的格式或者投影没有配对。
第四层后处理分析是出成果的地方，常见工具有 R 语言的 OpenAir 包、Python 的 xarray/pyproj、NCL 等。模型输出的 NetCDF 文件里有几百个变量，包括各物种浓度、干湿沉降通量、气溶胶组分等，你可以诊断一个网格点的浓度时间序列，也可以做区域平均、污染过程回演，还可以做源贡献分析（OSAT/ISAM）来回答“谁的贡献大”。
四个模块环环相扣，任何一层的错都会传导到下游。我再强调一遍：WRF 输出频率、排放清单时空分辨率、CMAQ 网格定义，这三件大事必须在运行前就对齐，否则后面全是糊涂账。
2.2 与其它空气质量模型的横向对比
有人会问：现在开源模型那么多，为什么不去用 GEOS-Chem，或者用 CAMx？我的看法是：选模型不是选“最先进”，而是选“最适合你的科学问题+最可靠的技术支撑”。
GEOS-Chem 的强项是全球化学输送模拟，它的化学机制非常详尽，适合做温室气体、对流层臭氧长距离传输这类问题，但它本身的嵌套模拟在中尺度区域的精细过程描述上不如 CMAQ 成熟。CAMx 与 CMAQ 功能高度重合，差不多的物理化学框架，差不多的输入数据结构，特别是有臭氧源分担技术（OSAT）和颗粒物源追踪（PSAT），在某些特定评估需求下更灵活，但国内用户少、教程少，遇到问题找资料比 CMAQ 费劲得多。
CMAQ 的优势有三个：一是 EPA 持续维护，版本迭代稳定，社区生态好；二是物种映射、化学机制（如 CB6r3、SAPRC07tic）有成熟文档，你论文里写了什么机制，同行能直接复现；三是有 MCIP、ISAM、DDM-3D 等一批配套工具，从气象处理到敏感性分析全链条打通。相比之下 WRF-CMAQ 的学习曲线虽然不算平缓，但一旦把主流程跑通，后续扩展性非常强。
用我们课题组常说的一句话总结：“WRF-CMAQ 就像是空气质量模型里的‘大众汽车’——性能稳定、配件好找、修起来也容易找到人问。”对于环境科研和业务预报场景，这已经足够优秀了。
3. 核心组件拆解：一次模拟跑通需要哪些模块
3.1 WRF 气象输出：被很多人忽视的“生命线”
WRF 输出给 CMAQ 的并不是原始 WRF 输出文件本身，而是 MCIP 重新处理的中间文件。但 WRF 怎么跑、输出哪些变量、多长时间一次，直接决定了下游能否接得上。
先提一个最常见的坑：CMAQ 要求气象输入的时间间隔通常为 1 小时，如果你的 WRF 输出是 3 小时一次，MCIP 也能插值，但插值会平滑掉一些短时气象过程，尤其在风速和边界层高度变化剧烈的时刻，污染物浓度模拟误差会一下子放大。我自己的标准做法是 WRF 输出频率设置为 1 小时，遇到研究对流或局地环流的案例会加密到 30 分钟。
WRF 版本选择上也要注意。目前主流组合是 WRF 4.3 或 4.4 配 CMAQ 5.3.2 或 5.4，旧版本如 WRF 3.8 配 CMAQ 5.2 也能跑，但新版本在化学机制和气溶胶模块上有不少更新，不建议新手从旧版本起步。另外，WRF 有两种垂直坐标选项，CMAQ 接收的标准是质量坐标下的变量，MCIP 会自动做转换，你不用操心，但有一点必须自己确认：WRF 模拟区域必须完整覆盖 CMAQ 模拟区域，或者最好完全一致。嵌套关系搞反了，MCIP 会直接报错，而且是那种查半天文档也摸不着头脑的报错。
3.2 排放清单处理：误差的重要来源
很多人把模型模拟偏差归咎于气象场或者化学机制，但我的经验是，大部分情况下排放清单的误差才是最大的偏差来源。人群活动、工厂开工、柴油车运行，这些数据的时空分布不可能完全精确，所以模拟值和观测对不上，未必是模型物理化错误，很可能是“进去的垃圾不对，出来的结果自然不对”。
CMAQ 排放输入有两种格式：一是 fortran 格式的 point/area/mobile 源文件；二是 IO/API 标准的 NetCDF 格式。目前主流实践是用 SMOKE 把原始清单处理为 CMAQ 可直接读取的 NetCDF 格式。这个过程有三步：
- 空间分配：把县级、地市级排放总量分配到你模拟区域内每个网格，需要空间分配权重因子（人口、道路、土地利用等）。
- 时间分配：把年排放量分配到小时，需要月变化系数、周变化系数和日变化曲线。
- 化学物种映射：把清单里的常规污染物（如 NOx、VOC、PM2.5）映射成 CMAQ 化学机制里的具体物种（如 NO、NO2、ETH、TOL、XYL 等）。
这三步里最容易被忽略的是化学物种映射。CB6r3 机制里 VOC 被拆成十来种物种，不同清单源谱的拆分比例各有差异，直接用默认映射表虽然能跑通，但臭氧模拟结果可能偏移很大。有条件的话，应该用本地源谱数据去替代默认的 split factor。
3.3 MCIP 接口模块：理解它才能用好它
MCIP 全程是 Meteorology-Chemistry Interface Processor，它就是 WRF 和 CMAQ 之间的“翻译官”。它把 WRF 输出的大气变量转换成 CMAQ 所需的水平风、垂直扩散系数、云参数、辐射通量、边界层高度等字段，同时重新插值到 CMAQ 的网格和垂直层上。
MCIP 最常见的运行方式是读取 wrfout 文件，输出 GRIDCRO/GRIDDES/METCRO 等若干类文件。你需要注意 MCIP 里的垂直层设置：它从 WRF 获取垂直层数，并按 CMAQ 控制文件里定义的层次做映射。CMAQR 的默认垂直结构是从地面到约 100 hPa，大概 35 层左右，近地面层加密。这个设置在大多数情景下够用，但如果你研究的是边界层内污染物垂直混合，建议在地面到 1 km 以内至少保留 12 层以上，否则垂直扩散过程表达不足。
有个实用建议：跑 MCIP 前先把你 WRF 输出的时间范围和 CMAQ 要模拟的时间范围严格对齐。MCIP 是一个时次一个时次处理的，如果 WRF 运行中途断了或者少了一个小时，MCIP 那一步会直接中断，而且错误提示并不明显，通常是“error reading met file”这种让人抓狂的提示。所以养成好习惯：WRF 跑完先检查 wrfout 文件数量和时间步完整性，再做 MCIP。
4. 从零开始装环境：版本搭配与编译避坑
这一节我按照自己多年实践验证过的一套组合来讲，虽然不是唯一选择，但至少能保证你在一台全新的 Linux 服务器上不抓狂。
4.1 版本与依赖组合的推荐配置
我用得最顺手的组合是：WRF 4.4.2 + CMAQ 5.4 + 配套工具链。依赖库方面，NetCDF-C 4.9.2、NetCDF-Fortran 4.6.0、MPICH 4.0.2、IOAPI 3.2、curl 和 zlib 都是经典组合。需要特别提醒的是，WRF 和 CMAQ 都必须用同一个 NetCDF-Fortran 编译，否则运行时会出现“NetCDF: Unknown file format”之类的错误。
如果你打算用 GCC 编译器，建议 gcc/gfortran 版本不低于 9.3，太老的编译器在编译 WRF 的“module_irr”等新模块时会报错。Intel 编译器也是一样，ifort 2021 之后的版本对 WRF 4.4 系列兼容性更好，老版本 ifort 2013 虽然也能编译，但会碰到各种“unlimited format”警告，不建议在 2024 年的服务器上再用。
IOAPI 是 CMAQ 的底层文件库，编译它时需要指定环境变量 BIN，例如设置为 Linux2_x86_64gfortran，这个字符串决定 Makefile 行为。很多人卡在这一步，其实它的逻辑是 IOAPI 为不同平台和编译器预定义了目录结构，你只要在 configure 或环境变量上匹配对，编译就会顺利很多。
4.2 WRF-CMAQ 编译步骤与关键变量
WRF 编译流程大家都熟悉：先运行 configure，选择 15（gfortran dmpar）这类编号，再运行 compile em_real，最后检查 main 目录下是否生成 wrf.exe 和 real.exe。这里我只说几个容易忽视的点：
- 环境变量 WRF_EM_CORE=1 要确保设置，否则后续 CMAQ 调用 WRF 气象数据时，可能因为缺少 WRF 核心定义导致数据读取异常。
- 编译 WRF 时建议把“nesting”选项选为 1（basic），两层嵌套场景够用，计算量也更小。
- 跑 WRF 之前，先把 geogrid 生成 geo_em 文件里土地利用数据检查一遍。国内很多区域如果用默认 MODIS 数据，城市扩张区域可能没有及时更新，这会直接影响边界层参数化和城市热岛效应模拟，最终牵动臭氧和 PM2.5 浓度。
CMAQ 编译相对更复杂一点。它采用 Linux 下的“configure”和“make”两级方式。我的建议是按照官网“CMAQ-5.4 Tutorial”的顺序，先编译 ioapi，再编译 cctm。关键环境变量有：
CMAQ_HOME：指向你的工作目录CMAQ_DATA：存放输入数据和输出结果的路径GRID_NAME：网格名称，比如GRIDCRO2D的文件名要与之匹配
编译 CCTM 前需要确认 “BLDTYPE” 是 ser 还是 par。如果使用串行版本，跑起来简单但巨慢，一个 100×100×35 的三天模拟大概要十几个小时；并行版本则需要设置好 MPI 参数，尤其在集群上跑，MPI_PROC_NUM和节点分布直接影响运行效率。
5. 实操过程：三层嵌套案例完整走一遍
5.1 模拟区域与投影参数设置
以中国东部区域为例，一套典型的三层嵌套设计是这样：外层 d01 覆盖整个中国及周边，网格距 27 km；中间 d02 覆盖华北平原和长三角，网格距 9 km；内层 d03 覆盖京津冀核心区，网格距 3 km。这种“27-9-3”的嵌套方式很经典，既能抓住大尺度天气过程，又能解析局地环流和污染分布细节。
投影参数上，我习惯选用兰勃特投影（Lambert Conformal），两个标准纬线设为 30°N 和 60°N，中心经度设为 110°E。设置投影参数时要注意，CMAQ 模拟域的水平网格必须严格对应 WRF 模拟域，也就是说 CMAQ 的 GRIDCRO2D 要和 WRF 的 geo_em 文件完全对齐。大多数人不愿手动对齐，那你就用 MCIP 输出里自带的 GRIDDESC 文件，它会自动生成投影信息，你只需确保 CMAQ 读取时路径一致就行。
还有一个非常重要但很多人忽略的配置：WRF 的嵌套网格之间必须满足“奇数倍”关系，比如 27km 到 9km 是 3 倍，9km 到 3km 也是 3 倍。这是 WRF 网格嵌套的基本要求，如果你不按要求设置，会直接报错。
5.2 排放清单的准备过程
以 MEIC 清单为例，它的原始数据格式是按省份、按部门、按月份分列的逐小时排放量。要让 CMAQ 用上，需要将它转换为 NetCDF 格式的“emis”文件。具体做法是用 SMOKE 里的“Gridding”和“Temporal Allocation”模块处理。如果只是跑通一个测试案例，也可以直接下载 CMQ 官方的“benchmark”排放文件，先把流程走通，再换自己的清单。
这一步我要特别提示一个坑：MEIC 的化学物种拆分表（即meic2cb6r3_scale.txt）中是按 CB6r3 机制拆分的，如果你 CMAQ 编译时选了 SAPRC07tic 机制，那这份拆分表完全不适用，必须更换对应 SAPRC 的映射表。很多新手在跑 O3 模拟时发现模拟值偏高或偏低，排查到底才发现机制和清单方向不匹配。所以切记：化学机制的选项要和排放清单的物种拆分表保持同一套体系。
5.3 运行流程与关键控制参数
跑 CMAQ 的核心程序是 CCTM（CMAQ Chemical Transport Model），它读取 MCIP 的气象文件、排放文件、初始条件和边界条件，输出每小时的浓度场文件。
运行 CCTM 前要配置run_cctm.csh脚本，里面有几个参数必须认真对待：
CTM_APPL：控制这个案例的标识，建议包含区域和时段信息，比如d3_20250115，后面找输出文件会方便很多。CTM_START和CTM_END：模拟起止时间。CMAQ 的边界条件和初始条件文件必须覆盖这个时间范围。CTM_MAXSTEP：最大时间步长，一般设 60 或 120 秒。如果设置太大，化学反应刚烈的时候容易发散，导致浓度出现负值或 NaN。CTM_PROC：并行核数。在 3km 网格上，建议每核负责不超过 10 个网格列，太多会影响负载均衡。
运行完 CCTM，你会在指定输出目录下得到CCTM_CCTM_APPL_*.nc文件，用 Python 或 NCL 就可以实现后处理绘图了。
6. 常见问题与排查技巧实录
6.1 气象字段缺失或格式错误
这是一个高频问题。现象是 MCIP 运行时报ERROR: variable not found，最后发现是 WRF 输出里缺了某个变量，最常缺的是T2、Q2、SWDOWN或RAINC/RAINNC。原因多半是 WRF 的namelist.input里io_form_auxinput或者输出变量的auxhist设置有问题。
排查思路很简单：先用ncdump -h wrfout_d01_*查看变量列表，对照 MCIP 要求的变量清单逐项检查。发现缺了就回 namelist 里补上变量输出，但要注意有些变量（特别是辐射通量）必须在 WRF 的physics设置里打开对应方案才会输出，切不可强行在iofields里添加不存在的变量。
6.2 排放清单物种映射报错
CMAQ 运行时报Species not in mechanism, check emissions这类错误，说明排放文件里有某个物种在化学机制里不存在。常见于手工修改清单映射表后，新旧物种名混用。比如 CB6r3 机制里有ETH和ETHA，但老清单里写的是C2H6，就会直接报错。
解决办法有两种：一是修改排放文件的物种名，使其与机制匹配；二是在 CMAQ 的CSQY_DATA里加一个别名映射表，将旧名映射到新名。我更推荐第一种做法，因为别名映射会给后处理带来不必要的混乱。另外，物种大小写也很关键，IOAPI 对变量名大小写是敏感的，NO和no会被当成两个物种。
6.3 模拟结果出现明显空间错位
假如你画出来的 PM2.5 浓度高值中心和实际监测点对不上，尤其是高值区整体偏移了半个网格以上，那大概率是投影坐标系不一致。CMAQ 输出用的是兰勃特投影下的网格坐标，绘图时必须先做投影变换，再用cartopy或者basemap叠加地图。用 matplotlib 直接画经纬度而没有转换投影矩阵，出现空间错位就是必然结果。
处理办法是在绘图前读取 GRIDDESC 文件里的投影参数，用pyproj定义投影坐标系，再把模型坐标转换成经纬度，或者反过来把监测点经纬度投影到模型网格坐标。这一步看起来繁琐，但跑通一次后可以固化成公共函数，以后所有案例都用它，一劳永逸。
7. 按项目经验总结几个关键体会
整套 WRF-CMAQ 流程跑下来，我最深的感受是：这不仅仅是一个软件操作的问题，更是一种工程化思维。每一层都有大量隐性的“约定”，从变量名到坐标系再到时间基准，任何一个环节不遵守约定，下游就会以各种奇怪的方式给你反馈。所以第一步永远是建立一张“数据流清单”，从 WRF 输出到 MCIP 文件到排放文件到 CCTM 输出，把变量名、时间频率、投影信息全部写清楚，这个清单的价值会在你排查问题的关键时刻体现出来。
另一个体会是“并行计算不是万能的”。很多人一上来就开 96 核跑 3km 网格，结果发现加速比很差，原因是 CMAQ 的并行瓶颈往往在 I/O 和通信，而不是计算本身。更合理的做法是先用小范围单体跑通，再扩大规模，同时把输出频率控制好——除非你在做过程分析，否则逐小时输出就足够了，逐 10 分钟输出会把存储空间直接塞爆。
最后分享一个实用性很强的小技巧：当你拿到一套全新的服务器环境时，不要急于直接编译 CMAQ。先跑一遍官方的 benchmark 案例，对照参考输出验证结果。如果 benchmark 能通过，说明编译器和依赖库没有问题，接下来替换真实数据和网格，风险会小很多。别嫌 benchmark 数据大，那点时间换来的是后面几星期的省心，这笔账太划算了。
