近年来，京津冀地区持续面临严重的PM_2.5污染问题，但受模式初始场误差影响，其预报存在显著不确定性。为提升区域PM_2.5预报能力，本研究将空气质量预报模式NAQPMS与条件非线性最优扰动（CNOP）方法相结合，构建了一套基于CNOP的污染物目标观测系统（TOPO系统），用于识别导致PM_2.5预报误差增长的关键初始不确定性，包括敏感区域及敏感污染物种。研究以2025年2月京津冀地区一次污染过程为例，利用TOPO系统识别了该事件的目标观测敏感变量及敏感区域，并通过敏感性试验对系统有效性进行了验证。同时，通过一系列敏感性试验，评估了模式关键参数对识别结果的影响。结果表明，该污染事件的预报误差主要来源于PM_2.5、BC和OC初始浓度的不确定性；不同化学物种对应的敏感区域存在明显差异，但总体集中于京津冀地区西北部。OSSE结果显示，相较于在非敏感区域减小初始扰动，在敏感区域内减小扰动可显著提升预报效果，验证了TOPO系统识别的敏感区的有效性。敏感性试验进一步表明，敏感区域对模式输入气象资料、初始扰动约束条件、优化时间长度等模式参数设置具有一定依赖性。总体而言，在TOPO系统识别的初始敏感区域内开展针对性的污染物观测，有望显著提升PM_2.5的预报技巧。本研究可为揭示京津冀地区空气质量预报不确定性的主要来源提供依据，并为区域污染物目标观测试验的优化布局提供科学指导。
 

PM2.5；目标观测；CNOP；初值敏感性