CN105550784A - 一种空气质量监测站优化布点方法 - Google Patents

Abstract

本发明公开了一种空气质量监测站优化布点方法，涉及空气质量监测技术领域。该方法在现有的监测布点网络基础上，通过在研究区域内增加布点，提高监测结果的可靠性和准确性，为城市环境质量状况及变化趋势的分析提供数据支撑。而由于增加布点后，监控的费用会极大的提高，因此，本发明中，在增加布点的位置和数量的确定过程中，在综合考虑了经济成本等制约因素的情况下，以克里金方差最小化为布点目标，通过使用空间模拟退火算法，计算增加布点后研究区域的克里金方差，确定克里金方差取得最小值时增加的布点数量和位置，从而，在经济成本最低的条件下，实现了以最少的监测点位获得最大范围空间的代表性数据，提高了监测结果的可靠性和准确性。

Description

一种空气质量监测站优化布点方法

技术领域

本发明涉及空气质量监测技术领域，尤其涉及一种空气质量监测站优化布点方法。

背景技术

城市空气质量的状况是通过城市空气质量监测数据来体现。空气质量监测一般是指通过对环境空气中的主要污染物进行定期或连续的监测，判定环境空气质量(或污染程度)和其变化趋势。由于监测数据的时效性和连续性，采用手动监测的方法无法满足所需工作量，需根据当地的行政区划、大气污染物分布状况等要素，建立一定数量自动监测站，从而形成区域空气质量监测网，进行规定项目的定期自动监测。

由于对空气污染物的空间分布模式的认识还不足，空间分析统计理论体系尚不完善，而且缺乏相应的规范，因此，我国在空气质量监测中，对于空气质量监测布点的研究还有很多不足与缺陷，导致监测网络的很多区域点位主观定位较多，而缺乏科学的依据，例如监测站点数量不合理、空间代表范围不够，监测值的时间和空间精度不足等。

发明内容

本发明的目的在于提供一种空气质量监测站优化布点方法，从而解决现有技术中存在的前述问题。

为了实现上述目的，本发明采用的技术方案如下：

一种空气质量监测站优化布点方法，包括如下步骤：

S1，计算研究区域内所有布点方案的克里金方差；

S2，以所述克里金方差最小值为优化布点目标，确定所述研究区域内增加的布点数量和位置。

进一步地，S1之前还包括步骤S0：获取所述研究区域污染物的遥感监测数据，则，S1中，利用所述遥感监测数据分析所述研究区域的空间区域变量，计算所述变量的半变异函数，建立优化模型，根据所述优化模型计算研究区域内所有布点方案的克里金方差。

进一步地，，S0和S1之间，还包括步骤：对所述遥感监测数据进行预处理。

优选地，所述预处理包括：区域格网化。

优选地，所述污染物包括PM2.5和PM10。

优选地，S1采用枚举法计算研究区域内所有布点方案的克里金方差。

优选地，S1采用空间模拟退火算法研究区域内所有布点方案的克里金方差。

优选地，所述空间模拟退火算法采用如下步骤进行实施：

1)生成一个初始化离散布点方案x₀，令x_best＝x₀，计算目标函数值E(x₀)；

2)设置初始温度T(0)＝T₀，迭代次数i＝1；

3)DowhileT(i)>T_min

a)forj＝1～k

b)将当前最优解x_best带入扰动函数，产生一新的解x_new，计算新的目标函数值E(x_new)，并计算目标函数值的增量ΔE＝E(x_new)-E(x_best)；

c)如果ΔE＜0，则x_best＝x_new；

d)如果ΔE＞0，则p＝exp(-ΔE/T(i))，如果c＝random[0,1]＜p，则x_best＝x_new；否则x_best＝x_best；

e)Endfor；

4)i＝i+1；

5)EndDo；

6)输出当前结果，计算结束。

本发明的有益效果是：本发明实施例提供的空气质量监测站优化布点方法，目的在于，在现有的监测布点网络基础上，通过在研究区域内增加布点，提高监测结果的可靠性和准确性，为城市环境质量状况及变化趋势的分析提供数据支撑。而由于增加布点后，监控的费用会极大的提高，因此，本发明中，在增加布点的位置和数量的确定过程中，在综合考虑了经济成本等制约因素的情况下，以克里金方差最小化为布点目标，通过使用空间模拟退火算法，计算增加布点后研究区域的克里金方差，确定克里金方差取得最小值时增加的布点数量和位置，从而，在经济成本最低的条件下，实现了以最少的监测点位获得最大范围空间的代表性数据，提高了监测结果的可靠性和准确性。

附图说明

图1是本发明实施例提供的空气质量监测站优化布点方法流程示意图；

图2是某市第一季度PM10分布状况；

图3是某市第一季度PM10空间变异分析结果；

图4是某市第二季度PM10分布状况；

图5是某市第二季度PM10空间变异分析结果；

图6是某市第三季度PM10分布状况；

图7是某市第三季度PM10空间变异分析结果；

图8是某市第四季度PM10分布状况；

图9是某市第四季度PM10空间变异分析结果；

图10是研究区域网格划分示意图；

图11是第一季度研究区域内原有监测站的克里金标准差分布结果图；

图12是第一季度研究区域内增设监测站后的克里金标准差分布结果图；

图13是第二季度研究区域内原有监测站的克里金标准差分布结果图；

图14是第二季度研究区域内增设监测站后的克里金标准差分布结果图；

图15是第三季度研究区域内原有监测站的克里金标准差分布结果图；

图16是第三季度研究区域内增设监测站后的克里金标准差分布结果图；

图17是第四季度研究区域内原有监测站的克里金标准差分布结果图；

图18是第四季度研究区域内增设监测站后的克里金标准差分布结果图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明实施例提供了一种空气质量监测站优化布点方法，包括如下步骤：

S1，计算研究区域内所有布点方案的克里金方差最小值；

S2，以所述克里金方差最小值为优化布点目标，确定所述研究区域内增加的布点数量和位置。

现有的空气质量监测布点，存在点位数量不合理、空间代表范围不够，监测值的时间和空间精度不足等问题，本发明的目的在于，在现有的监测布点网络基础上，通过在研究区域内增加布点，提高监测结果的可靠性和准确性，为城市环境质量状况及变化趋势的分析提供数据支撑。而由于增加布点后，监控的费用会极大的提高，因此，本发明中，在增加布点的位置和数量的确定过程中，在综合考虑了经济成本等制约因素的情况下，以克里金方差最小化为目标，在研究区域内确定最优的布点方案。

监测网络设计优化模型的目标函数与监测目标密切相关。基于污染源监控的监测站点应该选择污染源密集的区域设立，以覆盖尽可能多的污染源为目标；而以空气质量总体评价和获取污染物空间分布为目的的监测网络则需要其各个站点离散分布。

克里金误差方差是评价监测网络设计的很好的指标，而克里金误差方差是由变量的空间变异结构和监测站点位置的分布形式来决定。因此首先确定监测对象的空间变异结构，然后计算克里金误差方差，选取评价方差最小的点位和数量。

克里金方差最小化(MinimizationoftheOrdinaryKrigingVariance，MOKV)准则的目的是使抽样点的分布处于合适的位置以使克里金插值后生成的表面精度最高或由已知抽样点对所有未抽样点的估计精度最高。这一思想最先由F.Bertolino提出，并被广泛应用与土壤调查制图和环境监测领域。整体克里金方差大小可以用来说明插值表面生成的精度，它与样本点的布局息息相关，通过使插值表面生成的整体克里金方差最小，可以有效规范抽样点在空间的合理布局。

所以，对于增加布点后的区域，其克里金方差平均值为最小时，增加布点的数量和位置认为是合理的。

在本发明实施例中，S1中，可以采用如下两种方法计算克里金方差最小值：

一、当增加布点的数量不多时，则可以采用枚举法计算研究区域内所有布点方案的克里金方差最小值，其中，枚举法的公式可以表述如下：

$Minimize:\underset{j=1}{\overset{n_e}{\Σ}}\frac{{\mathrm{\σ}}_K^2\left(x_{e,j}\right|S)}{n_e}$

式中，n_e为离散网格点的个数，x_e,j代表第j个网格，S代表抽取的样点。

对于克里金空间插值理论而言，参数主要由变异函数决定。

变异函数用来表征随机变量的空间变异结构，或空间连续性，它是地统计学的基础。它既能描述区域化变量的空间结构性变化，又能描述其随机性变化。

变异函数包含三个基本参数：

块金值(Nugget)表示滞后距为0时的变差(多为误差)；

变程(Range)表示数据之间有相关性的最大距离；

基台值(Sill)表示距离大于变程时的变差。

变异函数的拟合模型包含指数模型、球状模型、高斯模型等。

二、当增加布点的数量较多，比如候选点位未知的情况下，则可以采用空间模拟退火算法进行布点模型的优化，计算研究区域内所有布点的克里金方差平均值的最小值，其中，空间模拟退火算法可以采用如下步骤进行实施：

1)生成一个初始化离散布点方案x₀，令x_best＝x₀，计算目标函数值E(x₀)；

2)设置初始温度T(0)＝T₀，迭代次数i＝1；

3)DowhileT(i)>T_min

a)forj＝1～k

b)将当前最优解x_best带入扰动函数，产生一新的解x_new，计算新的目标函数值E(x_new)，并计算目标函数值的增量ΔE＝E(x_new)-E(x_best)；

c)如果ΔE＜0，则x_best＝x_new；

d)如果ΔE＞0，则p＝exp(-ΔE/T(i))，如果c＝random[0,1]＜p，则x_best＝x_new；否则x_best＝x_best；

e)Endfor；

4)i＝i+1；

5)EndDo；

6)输出当前结果，计算结束。

在本发明实施例中，得到理论的最优步点之后，需要与实际的监测优化指标进行比较，从而得到与实际最相符的优化布点方案。

在本发明的一个优选实施例中，S1之前还可以包括步骤S0：获取所述研究区域污染物的遥感监测数据，则，S1中，利用所述遥感监测数据分析所述研究区域的空间区域变量，计算所述变量的半变异函数，建立优化模型，根据所述优化模型计算研究区域内所有布点方案的克里金方差最小值。

基于地统计学的优化布点必须要提前求算空间区域变量的半变异函数。区域变量一定的情况下，半变异函数依赖于样点的数量和分布。获取可靠的半变异函数最少需要150个样点，而探索其各向异性，则需要更多的点位。遥感技术具时效性强，大面积同步观测的特点，常用于为其他领域提供全面可靠的数据。遥感影像反演为我们提供了空间区域变量分析的新途径。

除了利用遥感监测数据的方法外，还可以采用地面监测站采集数据的方法，但是地面监测站数量有限，不能满足大范围的空间分布。

在本发明的一个优选实施例中，S0和S1之间，还可以包括步骤：对所述遥感监测数据进行预处理。

在本发明实施例中，所述预处理可以包括：区域格网化。

区域格网化的作用是为了统计连续空间内的方差，对所选区域进行格网化，以格网为单元对选点结果进行分析。在系统布点中，点位或是位于规则网格中心或是位于网格的节点上。网格可以具有不同的大小和形状，最普通的形状是正方形、长方形、六角形和三角形网格，一般认为三角网格布点被证明是用于克里金插值的最行之有效的方案。利用三角形格网的系统布点方案均匀布设点位分布，布点结束后，用上述的空间变异函数求算区域的克里金方差

在本发明实施例中，所述污染物可以包括PM2.5和PM10。

根据空气质量指数AQI的要求，参与空气质量等级评定的主要有六项指标，这三项为人们较为关注的前三项。

具体实施例：

以某市优化布点方案为例，说明本发明实施例提供的空气质量监测站点优化的实施过程。

一、采用离散空间内公式计算研究区域内所有布点的克里金方差平均值的最小值。

在监测点位选取之前，需要对影响点位分布的因素进行分析，即对某市AOD、PM10、PM2.5的空间分布数据进行对比分析。考虑到污染物浓度及扩散随季节的变化而不同，因此选取PM10按季度统计结果，对其进行空间变异分析。

2014年1月到3月某市PM10分布状况如图2所示，其分析结果如图3所示。从分析结果可以看出：

空间变异参数——块金值为12.83，基台值为253.57，变程为63552.29。变异函数模型采用球状模型。则公式可以表述如下：

$\mathrm{\γ}\left(h\right)=\left\{\begin{array}{cc}12.83+(253.57-12.83)\×\[1.5\×\left(\frac{h}{63552.29}\right)-0.5\×{\left(\frac{h}{63552.29}\right)}^3\]& 0\≤h\≤63552.29\\ 253.57& h>63552.29\end{array}\right.$

2014年4月到6月某市PM10分布状况如图4所示，其分析结果如图5所示。从分析结果可以看出：

空间变异参数——块金值为68.79，基台值为182.95，变程为58372.05。变异函数模型采用球状模型。则公式可以表述如下：

$\mathrm{\γ}\left(h\right)=\left\{\begin{array}{cc}68.79+(182.95-68.79)\×\[1.5\×\left(\frac{h}{58372.05}\right)-0.5\×{\left(\frac{h}{58372.05}\right)}^3\]& 0\≤h\≤58372.05\\ 182.95& h>58372.05\end{array}\right.$

2014年7月到9月某市PM10分布状况如图6所示，其分析结果如图7所示。从分析结果可以看出：

空间变异参数——块金值为4.14，基台值为36.33，变程为35701.16。变异函数模型采用球状模型。则公式可以表述如下：

$\mathrm{\γ}\left(h\right)=\left\{\begin{array}{cc}4.14+(36.33-4.14)\×\[1.5\×\left(\frac{h}{35701.16}\right)-0.5\×{\left(\frac{h}{35701.16}\right)}^3\]& 0\≤h\≤35701.16\\ 36.33& h>35701.16\end{array}\right.$

2014年10月到12月某市PM10分布状况如图8所示，其分析结果如图9所示。从分析结果可以看出：

空间变异参数——块金值为0，基台值为246.79，变程为81006.88。变异函数模型采用球状模型。则公式可以表述如下：

$\mathrm{\γ}\left(h\right)=\left\{\begin{array}{cc}0+(246.79-0)\×\[1.5\×\left(\frac{81006.88}{h}\right)-0.5\×{\left(\frac{81006.88}{h}\right)}^3\]& 0\≤h\≤81006.88\\ 246.79& h>81006.88\end{array}\right.$

二、采用空间模拟退火算法进行布点模型的优化，计算研究区域内所有布点的克里金方差平均值的最小值。

在选点方案之前，首先需要对某市进行格网化，以格网为单元对选点结果进行分析。为了统计整体克里金方差，将某市范围划分为2km*2km的离散网格。其中不完整的网格按照其中心点的位置判定其所属区域。某市范围内网格共1328个，市区范围内网格共150个。之所以确定为2km的网格，是从先验知识的精度和污染物的相关尺度等方面综合考虑的。划分网格如图10所示。

利用克里金方差最小化准则，在候选点位中选取合适的点位，设计最佳的选点方案。分别计算每个网格四个季度的克里金方差，此网格的克里金方差为四个季度的克里金方差之和：

γ(h)＝γ(h)₁+γ(h)₂+γ(h)₃+γ(h)₄

选点目标是使得某市范围内所有网格的克里金方差平均值最小。

候选点位共有11个，选点要求为：灵川县1个必选、秀峰区2选1，雁山区3选1，叠彩区3选1，临桂区2选1，因此共有1×2×3×3×2＝36种选点方案。对所有的选点方案计算某市范围和市区范围内的克里金方差，并与现有的监测站点分析结果进行对比。

由于已经限定了选点条件(从不同的区域选点)，因此不同布点方案结果相差不大，但以增设4、7、10、13、14这5个点位为最优，此方案使得某市范围内平均克里金方差由739.95降至528.17，市区范围内平均克里金方差由404.92降至250.23。合并增设5个点位和已建成的4个点位，在ArcMap中进行克里金分析，求得贵某市范围内克里金标准差(克里金方差的平方根)，与原有4个点位(不增设监测站)分析结果进行对比。

1月到3月对比结果如图11和12所示(其中，图11为不增设监测站，图12为在4、7、10、13、14点位增设监测站)。

4月到6月对比结果如图13和14所示(其中，图13为不增设监测站，图14为在4、7、10、13、14点位增设监测站)。

7月到9月对比结果如图15和16所示(其中，图15为不增设监测站，图16为在4、7、10、13、14点位增设监测站)。

10月到12月对比结果如图17和18所示(其中，图17为不增设监测站，图18为在4、7、10、13、14点位增设监测站)。

从上述结果可以看出，在现有的4个空气质量监测站点的基础上，通过使用本发明实施例提供的优化布点方法，确定选择4、7、10、13、14点位增设监测站是合理的，即某师范高等专科学校(秀峰区)、草坪回族希望小学校园、冠岩景区(雁山区)、师大一附(叠彩区)、市委党校(临桂区)和市第二技工学校(灵川县)五个点位。

通过采用本发明公开的上述技术方案，得到了如下有益的效果：本发明实施例提供的空气质量监测站优化布点方法，目的在于，在现有的监测布点网络基础上，通过在研究区域内增加布点，提高监测结果的可靠性和准确性，为城市环境质量状况及变化趋势的分析提供数据支撑。而由于增加布点后，监控的费用会极大的提高，因此，本发明中，在增加布点的位置和数量的确定过程中，在综合考虑了经济成本等制约因素的情况下，以克里金方差最小化为布点目标，通过使用空间模拟退火算法，计算增加布点后研究区域的克里金方差，确定克里金方差取得最小值时增加的布点数量和位置，从而，在经济成本最低的条件下，实现了以最少的监测点位获得最大范围空间的代表性数据，提高了监测结果的可靠性和准确性。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本领域人员应该理解的是，上述实施例提供的方法步骤的时序可根据实际情况进行适应性调整，也可根据实际情况并发进行。

上述实施例涉及的方法中的全部或部分步骤可以通过程序来指令相关的硬件来完成，所述的程序可以存储于计算机设备可读取的存储介质中，用于执行上述各实施例方法所述的全部或部分步骤。所述计算机设备，例如：个人计算机、服务器、网络设备、智能移动终端、智能家居设备、穿戴式智能设备、车载智能设备等；所述的存储介质，例如：RAM、ROM、磁碟、磁带、光盘、闪存、U盘、移动硬盘、存储卡、记忆棒、网络服务器存储、网络云存储等。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。

Claims (8)

1.一种空气质量监测站优化布点方法，其特征在于，包括如下步骤：

S1，计算研究区域内所有布点方案的克里金方差最小值；

S2，以所述克里金方差最小值为优化布点目标，确定所述研究区域内增加的布点数量和位置。

2.根据权利要求1所述的空气质量监测站优化布点方法，其特征在于，S1之前还包括步骤S0：获取所述研究区域污染物的遥感监测数据，则，S1中，利用所述遥感监测数据分析所述研究区域的空间区域变量，计算所述变量的半变异函数，建立优化模型，根据所述优化模型计算研究区域内所有布点方案的克里金方差最小值。

3.根据权利要求2所述的空气质量监测站优化布点方法，其特征在于，S0和S1之间，还包括步骤：对所述遥感监测数据进行预处理。

4.根据权利要求3所述的空气质量监测站优化布点方法，其特征在于，所述预处理包括：区域格网化。

5.根据权利要求2所述的空气质量监测站优化布点方法，其特征在于，所述污染物包括PM2.5和PM10。

6.根据权利要求1所述的空气质量监测站优化布点方法，其特征在于，S1采用枚举法计算研究区域内所有布点方案的克里金方差。

7.根据权利要求1所述的空气质量监测站优化布点方法，其特征在于，S1采用空间模拟退火算法研究区域内所有布点方案的克里金方差。

8.根据权利要求7所述的空气质量监测站优化布点方法，其特征在于，所述空间模拟退火算法采用如下步骤进行实施：

1)生成一个初始化离散布点方案x₀，令x_best＝x₀，计算目标函数值E(x₀)；

2)设置初始温度T(0)＝T₀，迭代次数i＝1；

3)DowhileT(i)>T_min

a)forj＝1～k

b)将当前最优解x_best带入扰动函数，产生一新的解x_new，计算新的目标函数值E(x_new)，并计算目标函数值的增量ΔE＝E(x_new)-E(x_best)；

c)如果ΔE＜0，则x_best＝x_new；

d)如果ΔE＞0，则p＝exp(-ΔE/T(i))，如果c＝random[0,1]＜p，则x_best＝x_new；否则x_best＝x_best；

e)Endfor；

4)i＝i+1；

5)EndDo；

6)输出当前结果，计算结束。