CN102628852A - 基于污染物来源识别技术的大气污染源分级方法 - Google Patents
基于污染物来源识别技术的大气污染源分级方法 Download PDFInfo
- Publication number
- CN102628852A CN102628852A CN2012100654942A CN201210065494A CN102628852A CN 102628852 A CN102628852 A CN 102628852A CN 2012100654942 A CN2012100654942 A CN 2012100654942A CN 201210065494 A CN201210065494 A CN 201210065494A CN 102628852 A CN102628852 A CN 102628852A
- Authority
- CN
- China
- Prior art keywords
- source
- pollutant
- pollution
- meteorological
- atmospheric pollution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于污染物来源识别技术的大气污染源分级方法,属于大气环境规划管理与污染防控技术领域,包括:基于气象模式进行研究区域高时空分辨率气象模拟,基于GIS对研究区域进行网格划分,并设置浓度贡献评价点,收集污染源排放信息,建立气象-空气质量模式耦合系统,计算敏感因子,识别敏感排放区域,将敏感因子归一化处理,结合污染物排放负荷、敏感排放区域排序对污染源进行分级识别。本发明所要解决的技术问题是提供一种基于污染物来源识别技术的大气污染源分级方法,对大气污染源的敏感性进行评价并将其定量分级,为污染物科学减排提供有效的技术支撑。
Description
技术领域
本发明涉及大气环境规划管理与污染防控技术领域,尤其涉及一种基于污染物来源识别技术的大气污染源分级方法。
背景技术
近年来随着对大气污染控制的不断深入,且随着对酸沉降、光化学烟雾、灰霾等污染特征认识的不断加深,公众已开始认识到大气污染问题的存在及严重性。我国空气污染已经由煤烟型污染转变为煤烟与机动车尾气污染并存的复合型污染,大气氧化能力不断增强,相当多的地区出现区域性多种污染物同时以高浓度并存的严峻局面。该问题不仅成为我国特色的严重环境问题,也是世界大气科学领域的研究前沿。大气污染的程度与区域的经济发达程度有很大关系,以京津冀、长三角和珠三角为代表的三大城市群不仅是我国经济发展水平最快的地区,同时也是大气污染防控研究较为集中的案例地区。大气污染防治问题最终仍落实在科学合理的污染源减排问题上,而我国目前的污染源减排形势已相当严峻,如何利用有限的污染物减排空间发挥出改善环境质量的最大效果是当前污染源减排工作急需解决的重要问题。
来自不同排放区域相同排放量的大气污染物对城市空气质量的贡献浓度水平,受污染物方位、距离、区域地形、气象因素等条件的影响,其影响程度有所差异。当前的污染源控制并未考虑到各地区各行业污染源的环境影响贡献差异。
在已有的排放贡献研究中,陈东升等结合Models-3进行数值模拟,利用“清零法”来研究分析周边省市排放对北京空气质量的影响[Chen D.S.,Cheng S.Y.,Liu L.,Chen T.,Guo X.R.,2007.An integrated MM5-CMAQmodeling approach for assessing trans-boundary PM10 contribution to thehost city of 2008 Olympic Summer Games e Beijing,China.AtmosphericEnvironment 41,1237-1250.]。如研究北京周边某一省市对北京的影响时,则削减该省市的污染物,保留其它区域的污染源进行模拟,模拟结果与基本情景的模拟结果比较,两者的差值为该省市大气污染源对北京的贡献值,以达到排放贡献影响程度量化的目的。而当研究区域内多地区多污染物的贡献浓度时,传统的“清零法”计算需要分别清零模拟,计算量大,较为耗时,此外污染物在扩散过程中伴随着复杂的化学反应,各排放源贡献浓度之和不等于所有排放源的贡献浓度,因此清零法也会导致一定误差。此外,还有研究学者利用ADMS模型计算污染物排放与空气质量的关系[肖杨,毛显强,马根慧.基于ADMS和线性规划的区域大气环境容量测算.环境科学研究,2008,21(3):13-16],但受到模型限制,多地区多污染物的排放贡献研究,计算量巨大,难以实现。
因此,当下需要迫切解决的一个技术问题就是:如何能够提出一种有效的措施,以解决现有技术中存在的问题。
发明内容
本发明所要解决的技术问题是提供一种基于污染物来源识别技术的大气污染源分级方法,对大气污染源的敏感性进行评价并将其定量分级,为污染源科学减排提供有效的技术支撑。
为了解决上述技术问题,本发明提供的一种基于污染物来源识别技术的大气污染源分级方法,包括:
基于气象模式进行研究区域高时空分辨率气象模拟;
基于GIS对研究区域进行网格划分,并设置浓度贡献评价点;
收集污染物排放信息;
建立气象-空气质量耦合模式系统,计算敏感因子,识别敏感排放区域;
将敏感因子归一化处理,结合污染物排放负荷、敏感排放区域排序对污染源进行分级识别。
进一步地,所述方法在收集污染源排放信息后还包括:
借助评价点和环境监测数据对模拟模型进行校验。
进一步地,所述基于气象模式进行高时空分辨率气象模拟具体包括以下步骤:
选取模拟基准年;
收集所选基准年在研究区域内各气象站点各季代表月的气象观测数据;
收集气象模式所需的地形及土地利用资料;
通过气象模式进行研究区域气象模拟。
进一步地,所述气象观测数据包括温度、压强、湿度、风速和风向。
进一步地,所述排放信息包括点源排放信息和面源排放信息。
进一步地,所述点源排放信息包括经度坐标和纬度坐标、烟囱高度(m)、烟囱出口内径(m)、烟囱排气温度(K)、烟气流速(m/hr)及各污染物排放量(颗粒物为g/hr,气态污染物为mol/hr)。
进一步地,所述面源排放信息包括排放位置、排放量(颗粒物为g/hr,气态污染物为mol/hr)。
进一步地,所述对污染源进行分级识别包括对点源的分级和对面源的分级。
进一步地,所述对点源的分级具体包括以下步骤:
将各个污染源的敏感因子指标和排放负荷指标从大到小排序,分别分出两个指标的排序位置位于前25%,25%-75%,后75%的污染源;
第一级污染源为敏感因子指标和排放负荷指标排序都位于前25%的污染源;
第二级污染源为敏感因子指标或排放负荷指标排序位于前25%的污染源;
将敏感因子指标和排放负荷指标排序都位于后75%的污染源作为第四级污染源,这部分排放源排放贡献及单位排放贡献都较小;
分出第一、二、四级污染源后,剩余的为第三级污染源。
进一步地,所述对面源的分级具体包括以下步骤:
对各面源排放量信息进行统计;
根据面源所在区域的排放敏感性判定级别。
综上,本发明提供的基于污染物来源识别技术的大气污染源分级方法,使得敏感源筛选由理论上可行转为实际中可操作,敏感源筛选及基于敏感性评价的污染源分级识别方法,可为大气环境质量控制与管理提供决策支持,通过对敏感程度较大的排放区域以及敏感级别较高的排放源有针对性地实施分级分步骤消减和控制措施,尽量在敏感程度较小的排放区域布局污染较重的工业企业,可以在降低污染物空气质量浓度的同时,提高减排效率,通过较少污染物的减排措施获得较大幅度的空气质量提升空间,对于环境质量改善具有重要作用。
附图说明
图1是本发明的基于污染物来源识别技术的大气污染源分级方法的流程示意图;
图2是本发明的具体实施方式中所述案例城市受体点设置示意图;
图3是本发明的具体实施方式中所述案例城市PM10排放空间分布示意图;
图4是本发明的具体实施方式中所述污染物来源识别耦合模型框架图;
图5是本发明的具体实施方式中所述案例城市PM10敏感因子结果空间分布示意图;
图6是本发明的具体实施方式中所述污染源分级技术路线图;
图7是本发明的具体实施方式中所述案例城市各级别排放点源空间分布示意图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1(a)所示的基于污染物来源识别技术的大气污染源分级方法的流程示意图,所述方法具体包括:
S101,基于气象模式进行研究区域高时空分辨率气象模拟;
实际应用的示意图参见图1(b),首先选取模拟基准年,基于美国环境预报中心(NCEP)提供的全球1°×1°分辨率的模式背景场网格数据(6h间隔),并充分收集该年份研究区域内各气象站点各季代表月的气象观测MICAPS数据,包括温、压、湿、风等各气象要素监测资料(多为3h间隔),利用气象模式进行研究区域气象模拟,用于提供符合空气质量模式的高时空分辨率要求的研究区域气象场;气象模式所需的地形及土地利用数据采用美国地质勘探(USGS)的全球30秒分辨率地形资料。
S102,基于GIS对研究区域进行网格划分,并设置浓度贡献评价点;
基于GIS技术对研究区域进行网格划分,在研究区域内选取空间上均匀分布的网格点作为受体点即评价点,用于评估排放源对研究对象整体区域的污染物浓度贡献水平(μg·m-3)。
S103,收集污染源排放信息;
收集研究区域内污染源排放信息,包括点源经度坐标和纬度坐标(要求精确到秒)、烟囱高度(m)、烟囱出口内径(m)、烟囱排气温度(K)、烟气流速(m/hr)及各污染物排放量(颗粒物为g/hr,气态污染物为mol/hr),以及面源排放信息,包括排放位置、排放量(颗粒物为g/hr,气态污染物为mol/hr)。将排放信息导入数据库,生成符合空气质量模式要求的排放信息。
S104,建立气象-空气质量耦合模式系统,计算敏感因子,识别敏感排放区域;
本发明定义单位排放污染物强对环境浓度贡献大的排放区域和排放源分别为敏感排放区域和敏感源,依据排放区域或排放源的敏感性评价进行污染源的分级识别。
通过模式计算进行污染物来源识别,计算单个排放源或单个排放地区对目标区域的污染物环境浓度贡献(μg·m-3),考虑不同污染物毒性差异,将浓度贡献值进行多污染物归一化处理,定义敏感因子SI为:
i——排放区域或排放源i;
j——污染物j,包括SO2,NO2,PM10;
Ci,j——排放区域或排放源i排放的污染物j对所有受体点的平均贡献浓度(年均值),ug/m3;
Ei,j——排放区域或排放源i污染物j的年排放量,t/a;
Sj——污染物j的环境质量二级标准,ug/m3;
该指标结合了多种作用因素,包括空间距离因素、污染物迁移扩散规律、气象条件、地形因子和污染源状况,因此以此指标进行敏感排放区域或敏感源筛选识别。
计算研究区域各实体排放源排放负荷:
i——排放源i;
j——污染物j,包括SO2,NO2,PM10;
Ei,j——排放源i污染物j的年排放量,t/a;
Sj——污染物j的环境质量二级标准,ug/m3。
S105,将敏感因子归一化处理,结合污染物排放负荷、敏感排放区域排序对污染源进行分级识别。
基于敏感因子和污染源排放负荷两种指标,对研究区域排放实体源进行分级识别,建立以下大气污染排放源分级原则,具体为:
点源分级:
①首先将各个污染源的敏感因子指标和排放负荷指标从大到小排序,分别分出排序位置位于前25%,25%-75%,后75%的污染源;
②第一级污染源为敏感因子指标和排放负荷指标排序都位于前25%的污染源,即需要优先控制的城市敏感源。因为这部分源对城市大气污染贡献率大,同时单位排放量的贡献率大,通过对该类源的减排能够较大幅度的改善空气质量,同时通过削减较少的排放量就能得到较高的空气质量改善率,提高减排效率。
③第二级污染源为敏感因子指标或排放负荷指标排序位于前25%的污染源,这部分污染源或排放源总贡献率较大,通过对该类源的削减存在较大的空气质量改善空间;或单位排放贡献较大,通过削减较少的排放量能够得到较高的空气质量改善率,因此减排效率比较高;
④在分出第一、二级污染源后,将敏感因子指标和排放负荷指标排序都位于后75%的污染源作为第四级污染源,这部分排放源排放贡献及单位排放贡献都较小;
⑤在分出第一、二、四级污染源后,剩余的为第三级污染源;通常在实行以上第一、二级污染源削减控制后,城市空气质量将会有较大幅度的改善。随着科技的进步和人们对空气质量改善要求的提高,城市大气质量管理部门将制定新一轮的大气污染减排控制方案,从而生成新的污染源排放清单对城市污染源敏感性进行重新评价并分级识别。
面源分级:
对各区县面源排放信息进行统计后,根据排放面源所在行政区县的排放敏感性识别即敏感排序判定级别。
进一步地,所述方法在收集污染物排放信息后还包括:
借助评价点和环境监测数据对模拟模型进行校验。
具体地,利用环境监测数据进行模型校验。利用调试好的气象-空气质量耦合模型系统,计算基准年各季节代表月排放源对各拟定受体点的污染物贡献浓度(μg·m-3),将各代表月的日均模拟值与环境监测值进行对比。
以下通过具体的应用对本发明的方案作进一步介绍:
近年来随着模型模拟技术的进步,带有基于伴随矩阵的示踪模块的空气质量模型(如CMAx)可以计算真实气象条件下不同受体网格的小时浓度,较其他模型而言,该模型的时间尺度、空间尺度更加精细,可同时进行多排放源-多受体点的排放贡献识别,极大地提升了计算速度,因此本方案选取该空气质量模型用于搭建气象-空气质量耦合模型系统。
1.北京地区敏感区域筛选
1)模拟时段选取:分别选取2007年、2008年1、4、7、10四个月作为春、夏、秋、冬四季的代表月,收集该模拟时段内的美国环境预报中心(NCEP)提供的1°×1°分辨率的气象背景场数据及包括温、压、湿、风等各气象要素的北京地区气象监测MICAPS资料,利用气象模型MM5模拟得到研究区域符合空气质量模型CMAX要求的高时空分辨率气象场数据;
2)基于GIS技术对研究区域进行网格划分,研究目标区域受体点需均匀分布以能代表研究对象整体空气质量水平。在北京市行政区域内选取均匀分布的网格(尺度为3km×3km)48个,每个网格代表面积约为300km2的目标区域。受体点网格分布示意图如图2;
3)收集研究区域污染源排放信息,将排放信息导入数据库,生成符合空气质量模型CMAX格式要求的排放信息(排放分布示意图如图3)。将气象信息和排放信息导入调试好的MM5-CAMx-PSAT耦合模型系统,该模式系统在Linux操作系统上运行,耦合模型框架图见图4;
4)从历年环境质量公报上看,影响北京空气质量的首要污染物为PM10,遂以PM10作为案例研究因子,将北京各行政区县作为研究对象,结合2007、2008年4个代表月的气象场数据,利用MM5-CAMx-PSAT耦合模型系统计算北京各区县单位排放源对各受体点的贡献浓度,将所有受体点计算结果平均得到空间平均浓度,并将各代表月的数据取平均值计为年均值,计算北京市各行政区PM10的平均敏感因子,对北京市各区县排放敏感性进行定量评价。北京各区县排放PM10敏感因子空间分布图见图5。
可以看出,城四区敏感因子值均比较大,即对于北京市整体而言,敏感因子值较大的地区主要集中在北京市中心城区。因此,在制定空气质量控制方案时,应重点控制以及优先消减敏感因子值较大地区的排放源,新建、扩建项目布局应尽量考虑敏感因子值较小的地区。
2.北京地区污染源分级识别
(1)点源
1)模拟时段选取:分别选取2007年、2008年1、4、7、10四个月作为春、夏、秋、冬四季的代表月,收集该模拟时段内的美国环境预报中心(NCEP)提供的1°×1°分辨率的气象背景场数据及包括温、压、湿、风等各气象要素的北京地区气象监测MICAPS资料,利用MM5模式模拟得到研究区域符合CMAX模式的高时空分辨率气象场数据;
2)基于GIS技术对研究区域进行网格划分,研究目标区域受体点需均匀分布以能代表研究对象整体空气质量水平。在北京市行政区域内选取均匀分布的网格(尺度为3km×3km)48个,每个网格代表面积约为300km2的目标区域。受体点网格分布示意图如图2。
3)获取区域内所有点源的详细排放信息,包括点源经纬度坐标(要求精确到秒)、烟囱高度(m)、烟囱出口内径(m)、烟囱排气温度(K)、烟气流速(m/hr)及各污染物排放量(颗粒物为g/hr,气态污染物为mol/hr),将排放信息导入数据库,生成符合CMAX模式格式要求的排放信息。将气象信息和排放信息导入调试好的MM5-CAMx-PSAT耦合模型系统(图4);
4)结合2007、2008年4个代表月的气象场模拟数据,利用MM5-CAMx-PSAT耦合模型系统计算北京所有点源单位排放源对各受体点的贡献浓度,将所有受体点计算结果平均得到空间平均浓度,并将各代表月的数据取平均值计为年均值,计算北京市各点源的敏感因子SI及排放负荷P,利用图6所示的分级原则对北京市所有排放点源进行分级,实施分步分阶段控制。北京各级别排放点源空间分布图见图7。
(2)面源
对各区县面源排放信息统计,根据排放面源所在行政区县的敏感性排序判定级别。
进一步说明的,本发明中所述的气象模型、空气质量模型所用工具在满足本方案中所提及功能的前提下,可以有所变化。
以上对本发明所提供的基于污染物来源识别技术的大气污染源分级方法进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于污染物来源识别技术的大气污染源分级方法,其特征在于,包括:
基于气象模式进行研究区域高时空分辨率气象模拟;
基于GIS对研究区域进行网格划分,并设置浓度贡献评价点;
收集污染源排放信息;
建立气象-空气质量耦合模式系统,计算敏感因子,识别敏感排放区域;
将敏感因子归一化处理,结合污染物排放负荷、敏感排放区域排序对污染源进行分级识别。
2.根据权利要求1所述的基于污染物来源识别技术的大气污染源分级方法,其特征在于,所述方法在收集污染源排放信息后还包括:
借助评价点和环境监测数据对模拟模型进行校验。
3.根据权利要求2所述的基于污染物来源识别技术的大气污染源分级方法,其特征在于,所述基于气象模式进行高时空分辨率气象模拟具体包括以下步骤:
选取模拟基准年;
收集所选基准年在研究区域内各气象站点各季代表月的气象观测数据;
收集气象模式所需的地形及土地利用资料;
通过气象模式进行研究区域气象模拟。
4.根据权利要求3所述的基于污染物来源识别技术的大气污染源分级方法,其特征在于,所述气象观测数据包括温度、压强、湿度、风速和风向。
5.根据权利要求3所述的基于污染物来源识别技术的大气污染源分级方法,其特征在于:
所述排放信息包括点源排放信息和面源排放信息。
6.根据权利要求5所述的基于污染物来源识别技术的大气污染源分级方法,其特征在于:
所述点源排放信息包括经度坐标和纬度坐标、烟囱高度(m)、烟囱出口内径(m)、烟囱排气温度(K)、烟气流速(m/hr)及各污染物排放量(颗粒物为g/hr,气态污染物为mol/hr)。
7.根据权利要求5所述的基于污染物来源识别技术的大气污染源分级方法,其特征在于:
所述面源排放信息包括排放位置、排放量(颗粒物为g/hr,气态污染物为mol/hr)。
8.根据权利要求1所述的基于污染物来源识别技术的大气污染源分级方法,其特征在于:
所述对污染源进行分级识别包括对点源的分级和对面源的分级。
9.根据权利要求8所述的基于污染物来源识别技术的大气污染源分级方法,其特征在于,所述对点源的分级具体包括以下步骤:
将各个污染物的敏感因子指标和排放负荷指标从大到小排序,分别分出两个指标的排序位置位于前25%,25%-75%,后75%的污染源;
第一级污染源为敏感因子指标和排放负荷指标排序都位于前25%的污染源;
第二级污染源为敏感因子指标或排放负荷指标排序位于前25%的污染源;
将敏感因子指标和排放负荷指标排序都位于后75%的污染源作为第四级污染源,这部分排放源排放贡献及单位排放贡献都较小;
分出第一、二、四级污染源后,剩余的为第三级污染源。
10.根据权利要求8所述的基于污染物来源识别技术的大气污染源分级方法,其特征在于,所述对面源的分级具体包括以下步骤:
对各面源排放量信息进行统计;
根据面源所在区域的排放敏感性判定级别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210065494.2A CN102628852B (zh) | 2012-03-13 | 2012-03-13 | 基于污染物来源识别技术的大气污染源分级方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210065494.2A CN102628852B (zh) | 2012-03-13 | 2012-03-13 | 基于污染物来源识别技术的大气污染源分级方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102628852A true CN102628852A (zh) | 2012-08-08 |
CN102628852B CN102628852B (zh) | 2014-12-31 |
Family
ID=46587147
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210065494.2A Active CN102628852B (zh) | 2012-03-13 | 2012-03-13 | 基于污染物来源识别技术的大气污染源分级方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102628852B (zh) |
Cited By (49)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200103A (zh) * | 2014-09-04 | 2014-12-10 | 浙江鸿程计算机系统有限公司 | 一种基于多领域特征的城市空气质量等级预测方法 |
CN104200104A (zh) * | 2014-09-04 | 2014-12-10 | 浙江鸿程计算机系统有限公司 | 一种基于空间特征的细粒度空气污染物浓度区域估计方法 |
WO2014194480A1 (en) * | 2013-06-05 | 2014-12-11 | Microsoft Corporation | Air quality inference using multiple data sources |
CN104680021A (zh) * | 2015-03-11 | 2015-06-03 | 广州旭诚信息科技有限公司 | 求解污染物后向轨迹的方法及其系统 |
CN105117853A (zh) * | 2015-09-07 | 2015-12-02 | 中科宇图天下科技有限公司 | 一种基于网格化的gis监察执法方法和系统 |
CN105403664A (zh) * | 2015-10-19 | 2016-03-16 | 电力规划设计总院 | 一种基于wrf-chem的大型点污染源大气环境影响评价方法 |
CN106404616A (zh) * | 2016-08-31 | 2017-02-15 | 孙扬 | 一种大气细颗粒物(pm2.5)排放源解析定位的方法 |
CN106503447A (zh) * | 2016-10-31 | 2017-03-15 | 中科宇图科技股份有限公司 | 一种非点源污染排放清单快速处理方法 |
CN106709127A (zh) * | 2015-11-12 | 2017-05-24 | 国际商业机器公司 | 利用cfd和卫星数据提取污染排放源 |
CN107016246A (zh) * | 2017-04-17 | 2017-08-04 | 南京雨后地软环境技术有限公司 | 一种将气候模式和化学模式相耦合的分析方法 |
CN107194139A (zh) * | 2016-03-14 | 2017-09-22 | 日电(中国)有限公司 | 大气污染源分级方法及计算设备 |
CN107367577A (zh) * | 2017-06-27 | 2017-11-21 | 苏州浪声科学仪器有限公司 | 一种根据风向和风速测定污染物来源的方法及系统 |
CN107563562A (zh) * | 2017-09-08 | 2018-01-09 | 新奥泛能网络科技股份有限公司 | 网格化城市大气污染物排放的评估方法及装置 |
CN107589222A (zh) * | 2017-09-15 | 2018-01-16 | 深圳市卡普瑞环境科技有限公司 | 一种污染物综合监测方法以及处理系统 |
CN107917987A (zh) * | 2017-11-09 | 2018-04-17 | 北京伟瑞迪科技有限公司 | 一种面向城市空气污染物溯源分析方法 |
CN108120661A (zh) * | 2017-12-19 | 2018-06-05 | 北京理工大学 | 一种城市空气中颗粒物含量时空分布测定方法 |
CN108170635A (zh) * | 2017-11-24 | 2018-06-15 | 南京大学 | 一种中尺度大气光化学污染综合过程分析方法 |
CN108446807A (zh) * | 2018-04-02 | 2018-08-24 | 环境保护部环境规划院 | 基于重污染天气预警的大气污染物排放总量控制方法 |
CN109726899A (zh) * | 2018-12-13 | 2019-05-07 | 西安理工大学 | 社会化网络媒体数据中城市空气污染事件的识别方法 |
CN109902913A (zh) * | 2019-01-10 | 2019-06-18 | 天津大学 | 一种大气污染叠加风险区识别及评价方法 |
CN110018280A (zh) * | 2019-05-17 | 2019-07-16 | 北京市环境保护科学研究院 | 一种大气污染源排放综合表征方法及装置 |
CN110085281A (zh) * | 2019-04-26 | 2019-08-02 | 成都之维安科技股份有限公司 | 一种基于特征污染因子源解析的环境污染溯源系统及方法 |
CN110658307A (zh) * | 2019-10-12 | 2020-01-07 | 江苏省常州环境监测中心 | 评估污染源对环境空气质量影响的方法 |
CN110674570A (zh) * | 2019-09-04 | 2020-01-10 | 山西大学 | 计算不同污染来源对Pb污染贡献率的反距离模型构建方法 |
CN110849837A (zh) * | 2019-11-26 | 2020-02-28 | 南昌工程学院 | 一种大气污染叠加风险区识别及评价方法 |
CN110909483A (zh) * | 2019-12-03 | 2020-03-24 | 河北先河环保科技股份有限公司 | 一种基于网格化数据的点源大气污染物排放清单校验方法 |
CN111091082A (zh) * | 2019-12-09 | 2020-05-01 | 北京空间机电研究所 | 一种基于高分辨率遥感数据的流域污染溯源方法 |
CN111178786A (zh) * | 2020-01-08 | 2020-05-19 | 中科宇图科技股份有限公司 | 一种保障区域空气质量的排放源位置确定方法及系统 |
CN111220781A (zh) * | 2020-03-26 | 2020-06-02 | 泛测(北京)环境科技有限公司 | 一种道路上空大气污染物分级方法 |
WO2020135887A1 (zh) * | 2018-12-29 | 2020-07-02 | 中科三清科技有限公司 | 污染来源预测方法、装置及电子设备 |
CN111444633A (zh) * | 2020-04-20 | 2020-07-24 | 中国科学院大气物理研究所 | 一种针对大气污染过程的定量解析方法和系统 |
CN111523717A (zh) * | 2020-04-15 | 2020-08-11 | 北京工业大学 | 一种大气污染物排放清单的反演估算方法 |
US10746714B2 (en) | 2017-06-16 | 2020-08-18 | International Business Machines Corporation | Air pollution source recognition based on dynamic pairing and comparison |
CN111727447A (zh) * | 2019-08-14 | 2020-09-29 | 柯灵爱尔(北京)环境技术中心 | 一种选择污染物治理措施的方法 |
CN111899817A (zh) * | 2020-08-04 | 2020-11-06 | 中科三清科技有限公司 | 污染物源解析方法和装置 |
US10830743B2 (en) | 2017-05-04 | 2020-11-10 | International Business Machines Corporation | Determining the net emissions of air pollutants |
CN112381341A (zh) * | 2020-09-21 | 2021-02-19 | 中国科学院大气物理研究所 | 一种区域空气质量管控措施效果评估方法 |
CN113807626A (zh) * | 2020-06-17 | 2021-12-17 | 天津大学 | 基于污染普查的电力、热力行业大气污染物减排分级方法 |
CN114139856A (zh) * | 2021-10-22 | 2022-03-04 | 河北先河环保科技股份有限公司 | 船舶污染物排放治理方案确定方法及终端设备 |
CN114200078A (zh) * | 2021-11-22 | 2022-03-18 | 中科三清科技有限公司 | Oh自由基浓度的测算方法和装置 |
CN114549262A (zh) * | 2022-04-28 | 2022-05-27 | 河北先河环保科技股份有限公司 | 大气污染物减排分级管控方法、电子设备及可读存储介质 |
CN114841438A (zh) * | 2022-05-07 | 2022-08-02 | 中科三清科技有限公司 | 预评估排放源对空气质量影响的方法、装置和电子设备 |
CN114965883A (zh) * | 2022-05-17 | 2022-08-30 | 南京信息职业技术学院 | 一种判断区域主要大气污染物和主要大气污染源的方法 |
CN115420854A (zh) * | 2022-08-22 | 2022-12-02 | 北京工业大学 | 一种基于正后向模型结合的大气污染物溯源方法 |
CN115879595A (zh) * | 2022-09-13 | 2023-03-31 | 重庆市生态环境大数据应用中心 | 一种城区大气污染网格化平台的构建方法 |
CN115935040A (zh) * | 2023-03-02 | 2023-04-07 | 北京工业大学 | 一种大气污染协同控制区域、时间识别方法 |
CN116739388A (zh) * | 2023-08-14 | 2023-09-12 | 中科三清科技有限公司 | 减排措施评估方法、装置及存储介质 |
CN117970527A (zh) * | 2024-04-02 | 2024-05-03 | 南昌云宜然科技有限公司 | 一种大气污染物的组网溯源监测方法及系统 |
CN114139856B (zh) * | 2021-10-22 | 2024-09-24 | 河北先河环保科技股份有限公司 | 船舶污染物排放治理方案确定方法及终端设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1920556A (zh) * | 2006-09-13 | 2007-02-28 | 南京大学 | 基于gis的农业非点源污染发生潜力指数评价方法 |
CN101882184A (zh) * | 2010-05-25 | 2010-11-10 | 中冶赛迪工程技术股份有限公司 | 基于gis技术和aermode模型的大气环评系统与环评方法 |
-
2012
- 2012-03-13 CN CN201210065494.2A patent/CN102628852B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1920556A (zh) * | 2006-09-13 | 2007-02-28 | 南京大学 | 基于gis的农业非点源污染发生潜力指数评价方法 |
CN101882184A (zh) * | 2010-05-25 | 2010-11-10 | 中冶赛迪工程技术股份有限公司 | 基于gis技术和aermode模型的大气环评系统与环评方法 |
Non-Patent Citations (4)
Title |
---|
S.Y.CHENG ET AL: "An integrated MM5–CMAQ modeling approach for assessing trans-boundary PM10 contribution to the host city of 2008 Olympic summer games—Beijing, China", 《ATMOSPHERIC ENVIRONMENT》 * |
孙雪丽等: "区域污染对北京市采暖期SO2的污染的影响分析", 《安全域环境学报》 * |
陈东升: "周边地区对北京市大气质量的影响及大气环境容量研究", 《万方学位论文全文数据库》 * |
黄青: "城市能源与大气耦合模型建立及在北京的应用研究", 《万方学位论文全文数据库》 * |
Cited By (69)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014194480A1 (en) * | 2013-06-05 | 2014-12-11 | Microsoft Corporation | Air quality inference using multiple data sources |
CN104200104A (zh) * | 2014-09-04 | 2014-12-10 | 浙江鸿程计算机系统有限公司 | 一种基于空间特征的细粒度空气污染物浓度区域估计方法 |
CN104200103A (zh) * | 2014-09-04 | 2014-12-10 | 浙江鸿程计算机系统有限公司 | 一种基于多领域特征的城市空气质量等级预测方法 |
CN104680021A (zh) * | 2015-03-11 | 2015-06-03 | 广州旭诚信息科技有限公司 | 求解污染物后向轨迹的方法及其系统 |
CN105117853A (zh) * | 2015-09-07 | 2015-12-02 | 中科宇图天下科技有限公司 | 一种基于网格化的gis监察执法方法和系统 |
CN105403664A (zh) * | 2015-10-19 | 2016-03-16 | 电力规划设计总院 | 一种基于wrf-chem的大型点污染源大气环境影响评价方法 |
CN106709127A (zh) * | 2015-11-12 | 2017-05-24 | 国际商业机器公司 | 利用cfd和卫星数据提取污染排放源 |
US10372846B2 (en) | 2015-11-12 | 2019-08-06 | International Business Machines Corporation | Retrieving pollution emission source using CFD and satellite data |
CN106709127B (zh) * | 2015-11-12 | 2021-03-16 | 国际商业机器公司 | 利用cfd和卫星数据提取污染排放源 |
CN107194139A (zh) * | 2016-03-14 | 2017-09-22 | 日电(中国)有限公司 | 大气污染源分级方法及计算设备 |
CN106404616B (zh) * | 2016-08-31 | 2018-12-25 | 孙扬 | 一种大气细颗粒物(pm2.5)排放源解析定位的方法 |
CN106404616A (zh) * | 2016-08-31 | 2017-02-15 | 孙扬 | 一种大气细颗粒物(pm2.5)排放源解析定位的方法 |
CN106503447A (zh) * | 2016-10-31 | 2017-03-15 | 中科宇图科技股份有限公司 | 一种非点源污染排放清单快速处理方法 |
CN106503447B (zh) * | 2016-10-31 | 2020-01-14 | 中科宇图科技股份有限公司 | 一种非点源污染排放清单快速处理方法 |
CN107016246A (zh) * | 2017-04-17 | 2017-08-04 | 南京雨后地软环境技术有限公司 | 一种将气候模式和化学模式相耦合的分析方法 |
US10830743B2 (en) | 2017-05-04 | 2020-11-10 | International Business Machines Corporation | Determining the net emissions of air pollutants |
US10746714B2 (en) | 2017-06-16 | 2020-08-18 | International Business Machines Corporation | Air pollution source recognition based on dynamic pairing and comparison |
CN107367577A (zh) * | 2017-06-27 | 2017-11-21 | 苏州浪声科学仪器有限公司 | 一种根据风向和风速测定污染物来源的方法及系统 |
CN107563562A (zh) * | 2017-09-08 | 2018-01-09 | 新奥泛能网络科技股份有限公司 | 网格化城市大气污染物排放的评估方法及装置 |
CN107589222A (zh) * | 2017-09-15 | 2018-01-16 | 深圳市卡普瑞环境科技有限公司 | 一种污染物综合监测方法以及处理系统 |
CN107917987A (zh) * | 2017-11-09 | 2018-04-17 | 北京伟瑞迪科技有限公司 | 一种面向城市空气污染物溯源分析方法 |
CN108170635B (zh) * | 2017-11-24 | 2023-09-08 | 南京大学 | 一种中尺度大气光化学污染综合过程分析方法 |
CN108170635A (zh) * | 2017-11-24 | 2018-06-15 | 南京大学 | 一种中尺度大气光化学污染综合过程分析方法 |
CN108120661A (zh) * | 2017-12-19 | 2018-06-05 | 北京理工大学 | 一种城市空气中颗粒物含量时空分布测定方法 |
CN108446807B (zh) * | 2018-04-02 | 2022-05-06 | 中国地质大学(北京) | 基于重污染天气预警的大气污染物排放总量控制方法 |
CN108446807A (zh) * | 2018-04-02 | 2018-08-24 | 环境保护部环境规划院 | 基于重污染天气预警的大气污染物排放总量控制方法 |
CN109726899A (zh) * | 2018-12-13 | 2019-05-07 | 西安理工大学 | 社会化网络媒体数据中城市空气污染事件的识别方法 |
WO2020135887A1 (zh) * | 2018-12-29 | 2020-07-02 | 中科三清科技有限公司 | 污染来源预测方法、装置及电子设备 |
CN109902913A (zh) * | 2019-01-10 | 2019-06-18 | 天津大学 | 一种大气污染叠加风险区识别及评价方法 |
CN110085281A (zh) * | 2019-04-26 | 2019-08-02 | 成都之维安科技股份有限公司 | 一种基于特征污染因子源解析的环境污染溯源系统及方法 |
CN110085281B (zh) * | 2019-04-26 | 2021-07-20 | 成都之维安科技股份有限公司 | 一种基于特征污染因子源解析的环境污染溯源系统及方法 |
CN110018280B (zh) * | 2019-05-17 | 2021-08-17 | 北京市环境保护科学研究院 | 一种大气污染源排放综合表征方法及装置 |
CN110018280A (zh) * | 2019-05-17 | 2019-07-16 | 北京市环境保护科学研究院 | 一种大气污染源排放综合表征方法及装置 |
CN111727447A (zh) * | 2019-08-14 | 2020-09-29 | 柯灵爱尔(北京)环境技术中心 | 一种选择污染物治理措施的方法 |
CN110674570B (zh) * | 2019-09-04 | 2023-05-30 | 山西大学 | 计算不同污染来源对Pb污染贡献率的反距离模型构建方法 |
CN110674570A (zh) * | 2019-09-04 | 2020-01-10 | 山西大学 | 计算不同污染来源对Pb污染贡献率的反距离模型构建方法 |
CN110658307A (zh) * | 2019-10-12 | 2020-01-07 | 江苏省常州环境监测中心 | 评估污染源对环境空气质量影响的方法 |
CN110849837A (zh) * | 2019-11-26 | 2020-02-28 | 南昌工程学院 | 一种大气污染叠加风险区识别及评价方法 |
CN110909483B (zh) * | 2019-12-03 | 2023-09-08 | 河北先河环保科技股份有限公司 | 一种基于网格化数据的点源大气污染物排放清单校验方法 |
CN110909483A (zh) * | 2019-12-03 | 2020-03-24 | 河北先河环保科技股份有限公司 | 一种基于网格化数据的点源大气污染物排放清单校验方法 |
CN111091082B (zh) * | 2019-12-09 | 2023-08-01 | 北京空间机电研究所 | 一种基于高分辨率遥感数据的流域污染溯源方法 |
CN111091082A (zh) * | 2019-12-09 | 2020-05-01 | 北京空间机电研究所 | 一种基于高分辨率遥感数据的流域污染溯源方法 |
CN111178786A (zh) * | 2020-01-08 | 2020-05-19 | 中科宇图科技股份有限公司 | 一种保障区域空气质量的排放源位置确定方法及系统 |
CN111178786B (zh) * | 2020-01-08 | 2023-04-25 | 中科宇图科技股份有限公司 | 一种保障区域空气质量的排放源位置确定方法及系统 |
CN111220781A (zh) * | 2020-03-26 | 2020-06-02 | 泛测(北京)环境科技有限公司 | 一种道路上空大气污染物分级方法 |
CN111523717A (zh) * | 2020-04-15 | 2020-08-11 | 北京工业大学 | 一种大气污染物排放清单的反演估算方法 |
WO2021208393A1 (zh) * | 2020-04-15 | 2021-10-21 | 北京工业大学 | 一种大气污染物排放清单的反演估算方法 |
CN111523717B (zh) * | 2020-04-15 | 2023-05-16 | 北京工业大学 | 一种大气污染物排放清单的反演估算方法 |
CN111444633A (zh) * | 2020-04-20 | 2020-07-24 | 中国科学院大气物理研究所 | 一种针对大气污染过程的定量解析方法和系统 |
CN111444633B (zh) * | 2020-04-20 | 2021-04-27 | 中国科学院大气物理研究所 | 一种针对大气污染过程的定量解析方法和系统 |
CN113807626A (zh) * | 2020-06-17 | 2021-12-17 | 天津大学 | 基于污染普查的电力、热力行业大气污染物减排分级方法 |
CN111899817A (zh) * | 2020-08-04 | 2020-11-06 | 中科三清科技有限公司 | 污染物源解析方法和装置 |
CN112381341A (zh) * | 2020-09-21 | 2021-02-19 | 中国科学院大气物理研究所 | 一种区域空气质量管控措施效果评估方法 |
CN114139856B (zh) * | 2021-10-22 | 2024-09-24 | 河北先河环保科技股份有限公司 | 船舶污染物排放治理方案确定方法及终端设备 |
CN114139856A (zh) * | 2021-10-22 | 2022-03-04 | 河北先河环保科技股份有限公司 | 船舶污染物排放治理方案确定方法及终端设备 |
CN114200078A (zh) * | 2021-11-22 | 2022-03-18 | 中科三清科技有限公司 | Oh自由基浓度的测算方法和装置 |
CN114200078B (zh) * | 2021-11-22 | 2022-08-19 | 中科三清科技有限公司 | Oh自由基浓度的测算方法和装置 |
CN114549262A (zh) * | 2022-04-28 | 2022-05-27 | 河北先河环保科技股份有限公司 | 大气污染物减排分级管控方法、电子设备及可读存储介质 |
CN114841438A (zh) * | 2022-05-07 | 2022-08-02 | 中科三清科技有限公司 | 预评估排放源对空气质量影响的方法、装置和电子设备 |
CN114965883A (zh) * | 2022-05-17 | 2022-08-30 | 南京信息职业技术学院 | 一种判断区域主要大气污染物和主要大气污染源的方法 |
CN115420854B (zh) * | 2022-08-22 | 2023-12-15 | 北京工业大学 | 一种基于正后向模型结合的大气污染物溯源方法 |
CN115420854A (zh) * | 2022-08-22 | 2022-12-02 | 北京工业大学 | 一种基于正后向模型结合的大气污染物溯源方法 |
CN115879595A (zh) * | 2022-09-13 | 2023-03-31 | 重庆市生态环境大数据应用中心 | 一种城区大气污染网格化平台的构建方法 |
CN115879595B (zh) * | 2022-09-13 | 2023-10-24 | 重庆市生态环境大数据应用中心 | 一种城区大气污染网格化平台的构建方法 |
CN115935040A (zh) * | 2023-03-02 | 2023-04-07 | 北京工业大学 | 一种大气污染协同控制区域、时间识别方法 |
CN116739388B (zh) * | 2023-08-14 | 2023-11-03 | 中科三清科技有限公司 | 减排措施评估方法、装置及存储介质 |
CN116739388A (zh) * | 2023-08-14 | 2023-09-12 | 中科三清科技有限公司 | 减排措施评估方法、装置及存储介质 |
CN117970527A (zh) * | 2024-04-02 | 2024-05-03 | 南昌云宜然科技有限公司 | 一种大气污染物的组网溯源监测方法及系统 |
CN117970527B (zh) * | 2024-04-02 | 2024-06-11 | 南昌云宜然科技有限公司 | 一种大气污染物的组网溯源监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN102628852B (zh) | 2014-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102628852B (zh) | 基于污染物来源识别技术的大气污染源分级方法 | |
CN109522603B (zh) | 基于云平台的车载拉格朗日实时大气污染溯源系统及方法 | |
Li et al. | Exploring the spatial spillover effects of industrialization and urbanization factors on pollutants emissions in China's Huang-Huai-Hai region | |
Jin et al. | Evaluation of impacts of trees on PM2. 5 dispersion in urban streets | |
CN106649960B (zh) | 大气多污染物环境容量三维迭代计算方法 | |
CN114371260B (zh) | 一种工业企业无组织VOCs网格化监测、扩散预警及溯源方法 | |
CN110009226B (zh) | 一种场地污染风险等级评测及敏感受体影响识别系统 | |
Gokhale et al. | Performance evaluation of air quality models for predicting PM10 and PM2. 5 concentrations at urban traffic intersection during winter period | |
Naughton et al. | A land use regression model for explaining spatial variation in air pollution levels using a wind sector based approach | |
Sun et al. | Development of emissions inventory and identification of sources for priority control in the middle reaches of Yangtze River Urban Agglomerations | |
Wu et al. | Development of an on-line source-tagged model for sulfate, nitrate and ammonium: A modeling study for highly polluted periods in Shanghai, China | |
Xie et al. | Methods for defining the scopes and priorities for joint prevention and control of air pollution regions based on data-mining technologies | |
CN110095394A (zh) | 一种大气颗粒物污染快速溯源方法 | |
Carr et al. | Development and evaluation of an air quality modeling approach to assess near-field impacts of lead emissions from piston-engine aircraft operating on leaded aviation gasoline | |
CN103440411A (zh) | 基于暴露人群\面积\声环境功能区的交通噪声污染模型 | |
Chow et al. | Middle-and neighborhood-scale variations of PM10 source contributions in Las Vegas, Nevada | |
Brankov et al. | Assessing the effects of transboundary ozone pollution between Ontario, Canada and New York, USA | |
CN110658307A (zh) | 评估污染源对环境空气质量影响的方法 | |
Liu et al. | Spatiotemporal variations of ambient concentrations of trace elements in a highly polluted region of China | |
Guevara et al. | Inter-comparison between HERMESv2. 0 and TNO-MACC-II emission data using the CALIOPE air quality system (Spain) | |
CN115033809A (zh) | 一种城市颗粒物时空管控方法 | |
Ren et al. | Analysis of the spatial characteristics of inhalable particulate matter concentrations under the influence of a three-dimensional landscape pattern in Xi'an, China | |
Kumar et al. | Comparison of predicted vehicular pollution concentration with air quality standards for different time periods | |
Zhang et al. | Natural and human factors influencing urban particulate matter concentrations in central heating areas with long-term wearable monitoring devices | |
Su et al. | Migration and diffusion characteristics of air pollutants and meteorological influences in Northwest China: a case study of four mining areas |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |