为降低单个模式预报的不确定性和提高多模式集成空气质量预报系统的精细化程度,利用Cressman插值初步建立了我国0.25°×0.25°网格化污染物实况.结合4套空气质量数值预报模式,通过均值集成、权重集成和多元线性回归集成分别逐格点建立了集成预报.在预报当天各单一模式和集成方法前50 d预报效果评估基础上,建立了最优集成预报.对2018年12月19—22日一次重污染过程中集成预报的PM2.5浓度评估结果显示:在污染较重时刻,最优集成预报与观测之间的归一化平均偏差(NMB)值在重污染地区保持在-20％～40％,对污染程度为良及以上区域的预报范围相较于单个模式更接近观测.整个过程中,最优集成在大部分污染区域与观测之间的NMB值为-20％～20％,均方根误差(RMSE)值为35～75μg·m-3,相关系数(R)值大于0.4.相较于所有单一模式和其他集成方法,最优集成在全国最多的格点有着较高的总体评分.在污染最重区域的8个城市,最优集成预报的污染过程平均开始和结束时间分别比观测时间早1.8和6.9 h.未来需融合卫星反演和地表观测来提高网格化污染物实况的精细化程度,利用降尺度、主客观融合和滚动订正等方法进一步提高网格化多模式集成空气质量预报的准确率.