CN106649960B - 大气多污染物环境容量三维迭代计算方法 - Google Patents
大气多污染物环境容量三维迭代计算方法 Download PDFInfo
- Publication number
- CN106649960B CN106649960B CN201610890597.0A CN201610890597A CN106649960B CN 106649960 B CN106649960 B CN 106649960B CN 201610890597 A CN201610890597 A CN 201610890597A CN 106649960 B CN106649960 B CN 106649960B
- Authority
- CN
- China
- Prior art keywords
- industry
- contribution
- atmospheric
- matrix
- establishing
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Abstract
本发明提供了一种大气多污染物环境容量计算方法,包括:基于污染源排放清单和气象模型,建立区域复合型大气污染环境容量三维迭代计算模型;根据污染源的空间分布、行业类型及污染物指标,建立污染源三维分类法与受体点优化选择的层次分级法;利用环境容量三维迭代模型,建立动态的空间传输矩阵、行业贡献矩阵、前体物贡献矩阵迭代计算方法;根据空间、行业和前体物贡献矩阵,采用多目标非线性优化技术,迭代计算各地区、分行业的SO2、NOx、颗粒物、NH3、VOCs等大气污染物环境容量。本方法统筹考虑了PM2.5的区域传输、行业耦合以及前体物非线性协同等作用,弥补了现有环境容量计算方法的不足。
Description
技术领域
本发明涉及大气环境科学领域,尤其涉及一种大气多污染物环境容量三维迭代计算方法。
背景技术
大气环境容量在我国一直被作为支撑国家大气污染物总量控制和空气质量管理的重要依据。目前,常见的大气环境容量的核算方法包括A值法、线性规划法、模型模拟法等,其特点如下:
A值法仅考虑自然因素,基于线性假设,采用箱式模型原理,无法反映大气中物理化学转化过程,适用于核定理想状态下的大气环境容量,优点是简单、方便,但不适用于核定复合性大气污染指标约束下的多污染物环境容量。
线性优化方法是基于线性优化理论计算大气环境容量,将污染源及其扩散过程与控制点联系起来,以目标控制点的浓度达标作约束,通过多源模型加数学规划法等确定源的最大允许排放量,线性优化方法主要适用于尺度较小的区域,反映“排放-受体”的响应关系,可以在区域上对大气环境容量进行优化配置,但该方法受到线性关系的制约,不能处理具有非线性特征的二次大气污染问题。
模型模拟法是采用空气质量模型对污染源削减方案进行模拟,满足空气质量达标对应的污染源排放量即为区域大气环境容量,可以兼顾气象、地形等自然因素和污染源等人为因素对于大气环境容量的制约,有效克服传统单一方法所遇到的困难,可以反映复杂的大气物理化学转化、传输过程,但该方法假设污染源排放的空间布局、行业分布等不发生显著变化,因此不能对环境容量在空间、行业、前体物之间进行三维优化,无法核算环境容量的空间、行业、前体物三维分布特征。
PM2.5中各化学组份的跨区域输送特征存在显著差异,PM2.5达标约束下的多污染物环境容量本质是各空间、行业大气污染物的最大允许排放量,核心技术是多种污染物排放量在空间和行业的多目标最优化问题。因此,如何提供一种能够从空间、行业、前体物三维对大气多污染物环境容量进行计算的方法,成为大气环境科学领域亟待解决的技术问题。
发明内容
为解决上述技术问题,本发明将提供一种基于空间、行业、前体物三维迭代优化的大气多污染物环境容量核算方法,该方法可以更加科学、合理、精细地将污染源的地区差异、行业差异以及前体物特征等引入环境容量核算模型,统筹考虑了PM2.5的区域传输、行业耦合以及多污染物协同作用,理论体系更加合理,结果更加可信,可以测算区域、省、市、区县等多尺度的大气环境容量,可更加科学地指导大气环境治理。具体而言,本发明提供了如下技术方案:
一种大气多污染物环境容量三维迭代计算方法,该方法包括:
S1,基于污染源及气象模型,建立污染物排放清单,并建立PM2.5达标约束条件下的多污染物环境容量三维迭代模型;
S2,采用污染源三维分类法,对污染源空间、行业及污染排放指标进行分类;采用层次分级法,优化选择受体点;
S3,基于环境容量三维迭代模型,建立动态的空间传输矩阵、行业贡献矩阵、前体物贡献矩阵及消减权重向量,并进行迭代计算;
S4,基于空间传输矩阵、行业贡献矩阵、前体物贡献矩阵,采用多目标非线性优化法,迭代核算PM2.5达标约束下大气污染物大气环境容量。
优选地,所述S1进一步包括:
S11,基于环境统计数据和污染源普查活动水平数据,建立大气多污染物高时空分辨率的污染物排放清单,所述排放清单包含空间参数、化学参数、时间参数;需要指出的是,该排放清单可以依据具体的排放物或关注的污染物来设定,本发明不以其具体的形式为限定;
S12,结合全球气象再分析资料,利用中尺度气象模型WRF,模拟区域气象场;
S13,在所述排放清单和气象场基础上,建立空气模型,所述空气模型表达式如下:
其中:t为时间,l为污染物类别,cl为污染物浓度,VH为水平风矢量,η为净垂直输送率,H为边界层高度,ρ为大气密度,K为扩散系数;
S14,根据气象、排放、空气质量标准,建立基于PM2.5平均浓度达标的大气污染环境容量三维迭代模型,表达式如下:
Q=F(Me,Ge,Ph,Pc,Aq,Em)
其中:Me为气象条件,Ge为地形条件,Ph为物理转化过程,Pc为化学转化过程,Aq为空气质量标准对PM2.5平均浓度的限值要求,Em为污染源排放。
优选地,所述S13中,可以基于第三代空气模型CMAQ,建立空气模型,具体包括:将CMAQ模型与WRF模型采用相同的模拟时段和空间投影坐标系,并提高高湿度环境下CMAQ模型的转化速率。需要指出的是,在该步骤中,也可以采用其他的空气模型,来建立待处理的空气模型,而采用第三代空气模型仅是一个较优的实施例,此处所基于的空气模型,仅以能够体现湿度等常规的条件对污染物及大气状态的影响即可。
优选地,所述S2中的层次分级法,具体为依据区域划分的不同层级,作为对应层级的受体点,并设置对应不同层级的约束条件。区域层级可以是依据行政区域、地理区域、海拔区域等方式进行划分,本领域技术人员可以依照不同的设定需要进行划分。
优选地,所述S3中,进一步包括:
基于环境容量三维迭代模型,确定周边区域对受体点PM2.5的贡献率,建立基准情景下的空间传输矩阵、行业贡献矩阵、前体物贡献矩阵;
基于污染消减条件,计算污染源削减权重向量,并创建新的污染物排放清单,在此基础上利用环境容量三维迭代模型进行迭代计算,建立新的空间传输矩阵、行业贡献矩阵和前体物贡献矩阵。
优选地,所述消减权重向量包括空间消减权重向量、行业消减权重向量和前体物消减权重向量。
优选地,所述S4进一步包括:
基于所述消减权重向量,以受体点PM2.5浓度达标为约束条件,以空间、行业、污染物排放量最大为目标,计算最大允许排放量,作为所述大气环境容量。
优选地,所述S4采用下多目标非线性优化法,其计算方式如下:
θijk=f(Me,q,etc)
约束方程为:
式中:qijk为式中第i个空间、j个行业、k个前体物的最大允许排放量,Me为气象条件,q为每次迭代计算中的排放清单,et为影响因素;θijk为第i个空间、j个行业、k个前体物对第l个受体点的PM2.5的平均浓度的贡献率,Cl为第l个受体点的PM2.5的平均浓度,SPM2.5为环境空气质量标准中PM2.5的二级浓度限值。
优选地,所述空间传输矩阵为
ρij=Cij/Ci
式中:ρij为第j个空间对第i受体点PM2.5平均浓度贡献率,a代表共有a个受体点;m代表共有m个空间源分类;Cij为第j个空间对第i受体点PM2.5平均浓度贡献值,Ci为第i受体点PM2.5平均浓度值;
所述行业贡献矩阵为:
γij=Cij/Ci
式中:γij为第j个行业对第i受体点PM2.5平均浓度贡献的权重值,n代表共有n个行业源分类;Cij为第j个行业对第i受体点PM2.5平均浓度贡献值,Ci为第i受体点PM2.5平均浓度值;
所述前体物贡献矩阵为:
λij=Cij/Ci
式中:λij为第j种大气污染物对第i受体点PM2.5平均浓度贡献率,t代表共有t种前体物;Cij为第j种大气污染物对第i受体点PM2.5平均浓度贡献值,Ci为第i受体点PM2.5平均浓度值。
优选地,所述空间消减权重向量为:
U=(U1,U2,U3,...,Um)
式中:Uj为第j类源对区域所有受体点PM2.5平均浓度的贡献率;
所述行业消减权重向量为:
V=(V1,V2,V3,...,Vn)
式中:Vj为第j个行业对区域所有受体点PM2.5平均浓度的贡献率;
所述前体物消减权重向量为:
W=(W1,W2,W3,...,Wt0
式中:Wj为第j种大气污染物对区域所有受体点PM2.5平均浓度的贡献率。
与现有技术相比,本发明技术方案统筹考虑了PM2.5的区域传输、行业耦合以及前体物非线性协同等作用,弥补了现有环境容量计算方法的不足,提供了一种高效的依据消减需要动态调整,并快速计算相应的大气容量的方法。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例的大气多污染物环境容量三维迭代计算方法的流程图;
图2为本发明实施例的受体点分级示意图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。应当明确,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
图1示出本发明的大气多污染物环境容量三维迭代计算方法的具体步骤。如图1所示,本发明的计算方法包括以下步骤:
S1,基于污染源及气象模型,建立污染物排放清单,并建立PM2.5达标约束条件下的多污染物环境容量三维迭代模型;
S2,采用污染源三维分类法,对污染源空间、行业及污染排放指标进行分类;采用层次分级法,优化选择受体点;
S3,基于环境容量三维迭代模型,建立动态的空间传输矩阵、行业贡献矩阵、前体物贡献矩阵及消减权重向量,并进行迭代计算;
S4,基于空间传输矩阵、行业贡献矩阵、前体物贡献矩阵,采用多目标非线性优化法,迭代核算PM2.5达标约束下SO2、NOx、颗粒物、NH3、VOCs等大气污染物大气环境容量。
[S1,建立PM2.5达标约束下的多污染物环境容量三维迭代计算模型]
基于污染源排放清单和气象模型,建立区域复合型大气污染环境容量三维迭代模型。
在一个具体的实施方式中,S1可以包括以下步骤:
S11,基于环境统计数据和污染源普查活动水平,建立分地区、分行业、分物种的大气多污染物高时空分辨率排放清单。
表1排放清单关键参数
S12,结合NCEP全球气象再分析资料,利用中尺度气象模型WRF,优选网格嵌套方式与参数化方案,并模拟区域气象场。
WRF模型包含微物理过程方案、长波辐射方案、短波辐射方案等,每个方案有多个参数选项。根据模拟区域特征,对参数选项进行优选,具体见表2所示。此外,对WRF模型源代码进行了优化,增加了气象模型摩擦速度,降低模型模拟的风速,克服了模型模拟风速偏高的问题。WRF模型在水平方向上的网格间距为27km×27km、9km×9km、3km×3km;垂直方向共设置30个气压层,层间距自下而上逐渐增大。WRF模型的初始场与边界场数据采用美国国家环境预报中心(NCEP)提供的6h一次、1°分辨率的FNL全球分析资料,每日对初始场进行初始化,每次模拟时长为30h,模拟起转时间设置为6h。
表2 WRF参数
参数化方案 | 所选方案名称 |
微物理过程方案 | WSM3 |
长波辐射方案 | RRTMG |
短波辐射方案 | RRTMG |
近地层方案 | PleimXiu |
陆面过程方案 | PleimXiu |
边界层方案 | ACM2 |
积云对流方案 | Kain-Fritsch |
S13,在污染源排放清单和气象场基础上,优选地,对第三代空气模型CMAQ进行改进与本地化。该模型模拟污染物在大气中复杂的转化过程,涵盖排放、扩散、化学转化及去除等,采用微分方程反映每个物种的平均浓度,表达式如下:
式中:t为时间,l为污染物类别,cl为污染物浓度,VH为水平风矢量,η为净垂直输送率,H为边界层高度,ρ为大气密度,K为扩散系数。化学过程包括一系列特定化学机制,污染物去除过程包括干沉降和湿沉降。
针对空气质量模型CMAQ对重污染天气模拟浓度偏低,进行了以下改进:强化了湿度对PM2.5的影响,提升了高湿度环境下的转化速率。
针对模拟区域特征,对CMAQ模型参数进行本地化,具体如下:
CMAQ模型与WRF模型采用相同的模拟时段和空间投影坐标系,模拟区域采用Lambert投影坐标系。CMAQ模拟结果输出时间间隔为1h,CMAQ模型在水平方向上的网格间距为27km×27km、9km×9km、3km×3km。垂直方向共设置14个气压层,层间距自下而上逐渐增大。采用的化学机制为CB-05气相化学反应机理和AERO5气溶胶反应机理。
S14,根据气象、排放、空气质量标准等因素,建立基于PM2.5平均浓度达标的大气污染环境容量模型,表达式如下:
Q=F(Me,Ge,Ph,Pc,Aq,Em)
式中:Me为气象条件,Ge为地形条件,Ph为物理转化过程,Pc为化学转化过程,Aq为空气质量标准对PM2.5平均浓度的限值要求,Em为污染源排放。
影响大气环境容量计算的因素既包括空气质量标准、污染源排放等人为因素,也包括气象条件、地形地貌、大气中污染物物理化学转化过程等自然因素,如表3所示。由于地形、气象等自然因素和空气质量标准相对稳定,重点从污染源着手,通过空间、行业和前体物的三维迭代动态优化技术,计算区域大气环境容量。
表3影响大气环境容量的关键因素
[S2,污染源三维分类与受体点的优化选择]
根据污染源的空间分布、行业类型及污染物指标特征,对污染源进行分类,并且根据研究目标和研究区域的环境空气质量的监测点位,采用层次分级法,优化选择受体点。
在一个具体的实施方式中,步骤S2还可以通过以下方式实现:
S21,三维源分类
根据污染源排放特征,建立基于空间、行业、前体物的污染源三维分类体系。
空间上,按照行政单元对污染源进行分类,得到向量M,M=(M1,M2,M3,…,Mm);行业上,按照行业分类代码,对污染源进行分类,得到向量N,N=(N1,N2,N3,…,Nn);在污染物指标上,按照SO2、NOx、颗粒物、NH3等前体物进行分类,得到向量T,T=(T1,T2,T3,…,Tt)。最后,建立涵盖空间、行业、前体物的三维排放矩阵E,E=M×N×T。以上公式中,m代表共有m个空间源分类,n代表共有n个行业源分类,t代表共有t种前体物。
S22,优化选择受体点
根据层次分级法,优化选择受体点。受体点可分为四级,其中,一级是区域层面,以区域所有受体点PM2.5平均浓度达标为约束;二级是省级层面,以省辖区内所有受体点PM2.5平均浓度达标为约束;三级是地市层面;以市辖区内所有受体点PM2.5平均浓度达标为约束;四级是监测点位,以市辖区内每个受体点PM2.5浓度达标为约束。以上述四类受体点选取原则及约束条件为基础,计算不同约束条件下的多污染物环境容量。
[S3,基于空间、行业、前体物的三维迭代动态优化]
利用环境容量三维迭代模型,模拟基准情景下研究区域PM2.5及关键组份平均浓度,以空间、行业、前体物三个维度贡献率为削减权重系数,制定各空间单元、各行业、各污染物的迭代削减方案,创建新的多污染物排放清单,利用空气质量模型迭代计算,建立新的空间传输矩阵、行业贡献矩阵和前体物贡献矩阵。需要说明的是,上述的空间传输矩阵、行业贡献矩阵和前体物贡献矩阵的形式可以是多变的,仅以能够表述其他区域对受体点的污染物的影响为准,以下的具体计算方式及其表达式,仅作为一个优选的实施例进行例举。
在一个具体的实施例中,S3可以通过以下步骤实现:
S31,空间迭代动态优化
基于环境容量三维迭代模型,通过溯源追踪技术,解析区域内PM2.5的空间来源,确定周边地区对受体点PM2.5的污染贡献,分析不同地区排放与PM2.5浓度的耦合关系,建立基准情景下空间传输矩阵,计算污染源空间削减权重向量;采用贡献大的地区优先削减原则,对PM2.5平均浓度未达标的地区制定削减方案,迭代创建新的多污染物排放清单;空气质量模型第n次迭代计算后,可得到以下空间传输矩阵;以不同地区排放源对受体点贡献大小为权重,优化确定第n+1次的空间削减方案,建立第n+1次的多污染物排放清单;在此基础上,建立动态空间传输矩阵和污染源动态空间削减权重向量。
ρij=Cij/Ci
式中:ρij为第j个空间对第i受体点PM2.5平均浓度贡献率,为百分比%;a代表共有a个受体点;m代表共有m个空间源分类;Cij为第j个空间对第i受体点PM2.5平均浓度贡献值,单位为ug/m3;Ci为第i受体点PM2.5平均浓度值,单位为ug/m3。
根据第j类源对区域所有受体点PM2.5平均浓度的贡献率,建立污染源空间削减权重向量U,其表达式为:
U=(U1,U2,U3,...,Um)
式中:Uj为第j类源对区域所有受体点PM2.5平均浓度的贡献率,为百分比%。
S32,行业迭代动态优化
基于环境容量三维迭代模型,通过溯源追踪技术,解析研究区域内重点行业对PM2.5的贡献,分析不同行业排放与PM2.5平均浓度的关联,建立基准情景下行业贡献矩阵,计算污染源行业削减权重向量;采用贡献大的行业优先削减原则,制定重点行业污染物削减方案,迭代创建新的多污染物排放清单;空气质量模型第n次迭代计算后,可得到以下权重矩阵;以不同行业对受体点贡献大小为权重,优化确定第n+1次的行业削减方案,建立第n+1次的多污染物排放清单;在此基础上,建立动态行业贡献矩阵和动态行业削减权重向量。
γij=Cij/Ci
式中:γij为第j个行业对第i受体点PM2.5平均浓度贡献的权重值,为百分比%;n代表共有n个行业源分类;Cij为第j个行业对第i受体点PM2.5平均浓度贡献值,单位为ug/m3;Ci为第i受体点PM2.5平均浓度值,单位为ug/m3。
根据第j个行业对区域所有受体点PM2.5平均浓度的贡献率,建立污染源行业削减权重向量V,其表达式为;
V=(V1,V2,V3,...,Vn)
式中:Vj:第j个行业对区域所有受体点PM2.5平均浓度的贡献率,为百分比%。
S33,前体物迭代动态优化
基于环境容量三维迭代模型,识别研究区域PM2.5组分中硫酸盐、硝酸盐、铵盐、一次PM2.5所占比例,解析SO2、NOx、一次PM2.5、NH3等前体物对PM2.5的污染贡献,分析大气污染物排放与PM2.5的响应关系,建立基准情景下SO2、NOx、一次PM2.5、NH3等与PM2.5等前体物贡献矩阵,计算前体物削减权重向量;采用贡献大的前体物优先削减原则,制定不同污染物削减方案,迭代创建新的多污染物排放清单;空气质量模型第n次迭代计算后,可得到以下权重矩阵;以不同前体物对受体点贡献大小为权重,优化确定第n+1次的前体物削减方案,建立第n+1次的多污染物排放清单;在此基础上,建立动态前体物贡献矩阵和动态前体物削减权重向量。
λij=Cij/Ci
式中:λij:第j种大气污染物对第i受体点PM2.5平均浓度贡献率,为百分比%;t代表共有t种前体物;Cij:第j种大气污染物对第i受体点PM2.5平均浓度贡献值,单位为ug/m3;Ci:第i受体点PM2.5平均浓度值,单位为ug/m3。
根据第j种大气污染物对区域所有受体点PM2.5平均浓度的贡献率,建立前体物削减权重向量W,其表达式为;
W=(W1,W2,W3,...,Wt)
式中:Wj:第j种大气污染物对区域所有受体点PM2.5平均浓度的贡献率,为百分比%。
[S4,基于空间、行业、前体物环境容量的三维耦合技术]
在一个具体的实施方式中,该步骤S4可以通过以下方式实现:基于空间、行业和前体物的削减权重向量U、V、W,采用多目标非线性优化法,以受体点PM2.5浓度达标为约束,以各空间、各行业、各种污染物排放量最大为目标,计算最大允许排放量,最终得到各地区分行业SO2、NOx、颗粒物、NH3、VOCs等大气污染物的环境容量,其表达式为:
θijk=f(Me,q,etc)
约束方程为:
式中:qijk为式中第i个空间、j个行业、k个前体物的最大允许排放量,Me为气象条件,q为每次迭代计算中的排放清单,etc为物理、化学等影响因素;θijk为第i个空间、j个行业、k个前体物对第l个受体点的PM2.5的平均浓度的贡献率,为百分比%;Cl为第l个受体点的PM2.5的平均浓度,单位为ug/m3;SPM2.5为环境空气质量标准中PM2.5的二级浓度限值,单位为ug/m3。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (3)
1.一种大气多污染物环境容量三维迭代计算方法,其特征在于,所述方法包括:
S1,基于污染源及气象模型,建立污染物排放清单,并建立PM2.5达标约束条件下的多污染物环境容量三维迭代模型;
S2,采用污染源三维分类法,对污染源空间、行业及污染排放指标进行分类;采用层次分级法,优化选择受体点;
S3,基于环境容量三维迭代模型,建立动态的空间传输矩阵、行业贡献矩阵、前体物贡献矩阵及消减权重向量,并进行迭代计算;
S4,基于空间传输矩阵、行业贡献矩阵、前体物贡献矩阵,采用多目标非线性优化法,迭代核算PM2.5达标约束下大气污染物大气环境容量;
所述S1进一步包括:
S11,基于环境统计数据和污染源普查活动水平数据,建立大气多污染物高时空分辨率的污染物排放清单,所述排放清单包含空间参数、化学参数、时间参数;
S12,结合全球气象再分析资料,利用中尺度气象模型WRF,模拟区域气象场;
S13,在所述排放清单和气象场基础上,建立空气模型,所述空气模型表达式如下:
其中:t为时间,l为污染物类别,cl为污染物浓度,VH为水平风矢量,η为净垂直输送率,H为边界层高度,ρ为大气密度,K为扩散系数;
S14,根据气象、排放、空气质量标准,建立基于PM2.5平均浓度达标的大气污染环境容量三维迭代模型,表达式如下:
Q=F(Me,Ge,Ph,Pc,Aq,Em)
其中:Me为气象条件,Ge为地形条件,Ph为物理转化过程,Pc为化学转化过程,Aq为空气质量标准对PM2.5平均浓度的限值要求,Em为污染源排放;
所述S3中的空间传输矩阵、行业贡献矩阵、前体物贡献矩阵及消减权重向量具体获取方式如下:
所述空间传输矩阵为
ρij=Cij/Ci
式中:ρij为第j个空间对第i受体点PM2.5平均浓度贡献率,a代表共有a个受体点;m代表共有m个空间源分类;Cij为第j个空间对第i受体点PM2.5平均浓度贡献值,Ci为第i受体点PM2.5平均浓度值;
所述行业贡献矩阵为:
γij=C′ij/C′i
式中:γij为第j个行业对第i受体点PM2.5平均浓度贡献的权重值,n代表共有n个行业源分类;C′ij为第j个行业对第i受体点PM2.5平均浓度贡献值,C′i为第i受体点PM2.5平均浓度值;
所述前体物贡献矩阵为:
λij=C″ij/C″i
式中:λij为第j种大气污染物对第i受体点PM2.5平均浓度贡献率,t代表共有t种前体物;C″ij为第j种大气污染物对第i受体点PM2.5平均浓度贡献值,C″i为第i受体点PM2.5平均浓度值;
所述消减权重向量包括空间消减权重向量、行业消减权重向量和前体物消减权重向量;所述空间消减权重向量为:
U=(U1,U2,U3,...,Um)
式中:Uj为第j类源对区域所有受体点PM2.5平均浓度的贡献率;
所述行业消减权重向量为:
V=(V1,V2,V3,...,Vn)
式中:Vj为第j个行业对区域所有受体点PM2.5平均浓度的贡献率;
所述前体物消减权重向量为:
W=(W1,W2,W3,...,Wt)
式中:Wj为第j种大气污染物对区域所有受体点PM2.5平均浓度的贡献率;
所述S4进一步包括:
基于所述消减权重向量,以受体点PM2.5浓度达标为约束条件,以空间、行业、污染物排放量最大为目标,计算最大允许排放量,作为所述大气环境容量,所述S4采用多目标非线性优化法,其计算方式如下:
θijk=f(Me,q,etc)
约束方程为:
式中:qijk为式中第i个空间、j个行业、k个前体物的最大允许排放量,Me为气象条件,q为每次迭代计算中的排放清单,etc为影响因素;θijk为第i个空间、j个行业、k个前体物对第l个受体点的PM2.5的平均浓度的贡献率,Cl为第l个受体点的PM2.5的平均浓度,SPM2.5为环境空气质量标准中PM2.5的二级浓度限值。
2.根据权利要求1所述的方法,其特征在于,所述S2中的层次分级法,具体为依据区域划分的不同层级,作为对应层级的受体点,并设置对应不同层级的约束条件。
3.根据权利要求1所述的方法,其特征在于,所述S3中,进一步包括:
基于环境容量三维迭代模型,确定周边区域对受体点PM2.5的贡献率,建立基准情景下的空间传输矩阵、行业贡献矩阵、前体物贡献矩阵;
基于污染消减条件,计算污染源削减权重向量,并创建新的污染物排放清单,在此基础上利用环境容量三维迭代模型进行迭代计算,建立新的空间传输矩阵、行业贡献矩阵和前体物贡献矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610890597.0A CN106649960B (zh) | 2016-10-12 | 2016-10-12 | 大气多污染物环境容量三维迭代计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610890597.0A CN106649960B (zh) | 2016-10-12 | 2016-10-12 | 大气多污染物环境容量三维迭代计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106649960A CN106649960A (zh) | 2017-05-10 |
CN106649960B true CN106649960B (zh) | 2020-03-20 |
Family
ID=58856580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610890597.0A Active CN106649960B (zh) | 2016-10-12 | 2016-10-12 | 大气多污染物环境容量三维迭代计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106649960B (zh) |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107818220B (zh) * | 2017-10-31 | 2019-03-08 | 钦州学院 | 基于生态系统动力学综合模型对海湾环境容量的估算方法 |
CN107871210B (zh) * | 2017-11-03 | 2022-03-22 | 南开大学 | 一种大气环境容量核算方法 |
CN108829642B (zh) * | 2018-04-24 | 2022-11-22 | 中国环境科学研究院 | 一种利用特征雷达图分析环境质量数据的方法 |
CN109342658A (zh) * | 2018-10-30 | 2019-02-15 | 河南省环境保护科学研究院 | 基于wrf模型的计算机程序化计算大气环境容量的方法 |
CN109446696B (zh) * | 2018-11-08 | 2020-04-07 | 成都市环境保护科学研究院 | 基于cmaq模型的快速大气环境容量测算方法、存储介质和终端 |
CN109685281B (zh) * | 2018-12-29 | 2020-02-07 | 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 |
CN110046382A (zh) * | 2019-03-06 | 2019-07-23 | 环境保护部环境工程评估中心 | 大气污染的源解析方法、装置、电子设备及存储介质 |
GB202201846D0 (en) * | 2019-08-14 | 2022-03-30 | Innovation Center For Clean Air Solutions | Method for selecting pollutant treatment measure |
CN110988269B (zh) * | 2019-12-18 | 2020-07-31 | 中科三清科技有限公司 | 大气污染源排放清单的偏差修正方法、装置及存储介质 |
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 |
CN111666646B (zh) * | 2020-05-25 | 2023-03-28 | 上海市环境监测中心(上海长三角区域空气质量预测预报中心) | 基于复杂网络的大气污染传输关键节点的识别方法及系统 |
CN112036038B (zh) * | 2020-08-31 | 2021-07-23 | 中科三清科技有限公司 | 一种排放源的排放量调优方法、装置、设备及存储介质 |
CN112131739A (zh) * | 2020-09-22 | 2020-12-25 | 南京创蓝科技有限公司 | 一种乡镇级别大气污染溯源的预报方法 |
CN112418609A (zh) * | 2020-10-30 | 2021-02-26 | 暨南大学 | 一种基于面-网格-点的大气二次污染精准溯源方法 |
CN112561145A (zh) * | 2020-12-08 | 2021-03-26 | 成都市环境保护科学研究院 | 一种臭氧污染管控敏感区预报方法、存储介质及终端 |
CN112700009B (zh) * | 2021-03-22 | 2021-07-09 | 南京智汇环境气象产业研究院有限公司 | 一种基于遗传算法的城市pm2.5双目标控制策略优化算法 |
CN112801422B (zh) * | 2021-03-23 | 2024-01-23 | 南京智汇环境气象产业研究院有限公司 | 数值模型和线性规划模型相结合的大气污染协同控制方法 |
CN113688505A (zh) * | 2021-07-29 | 2021-11-23 | 北京化工大学 | 一种空气质量数据快速优化方法、系统及装置 |
CN114647953B (zh) * | 2022-04-06 | 2022-10-11 | 中科三清科技有限公司 | 测算大气环境容量的方法、装置及电子设备 |
CN114819696B (zh) * | 2022-05-12 | 2023-06-23 | 中科三清科技有限公司 | 确定污染物浓度影响因素的方法、装置及电子设备 |
CN114818391B (zh) * | 2022-06-28 | 2022-10-21 | 北京化工大学 | 一种基于多溯源模型的污染源浓度分析方法 |
CN114819781A (zh) * | 2022-07-01 | 2022-07-29 | 湖南工商大学 | 环境容量计算方法、装置、计算机设备及存储介质 |
CN115526043B (zh) * | 2022-09-21 | 2023-03-28 | 重庆市生态环境科学研究院 | 一种考虑空气资源禀赋的大气环境容量计算方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102819661A (zh) * | 2012-06-19 | 2012-12-12 | 中国科学院大气物理研究所 | 一种运用区域空气质量模式的大气环境容量新算法 |
CN105260790A (zh) * | 2015-09-23 | 2016-01-20 | 中国水产科学研究院黄海水产研究所 | 一种沿海城市不同行业污染物允许排海量的优化计算方法 |
CN105337303A (zh) * | 2015-09-22 | 2016-02-17 | 贵州电网有限责任公司电网规划研究中心 | 一种含热泵的热电联产型微电网容量优化配置方法 |
CN105335792A (zh) * | 2015-09-18 | 2016-02-17 | 广州蓝穹环保科技有限公司 | 一种基于稀疏矩阵运算排放源模型的排放源清单处理工具 |
CN105512485A (zh) * | 2015-12-14 | 2016-04-20 | 中国科学院大气物理研究所 | 一种估算细颗粒物及其前体物环境容量的新方法 |
-
2016
- 2016-10-12 CN CN201610890597.0A patent/CN106649960B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102819661A (zh) * | 2012-06-19 | 2012-12-12 | 中国科学院大气物理研究所 | 一种运用区域空气质量模式的大气环境容量新算法 |
CN105335792A (zh) * | 2015-09-18 | 2016-02-17 | 广州蓝穹环保科技有限公司 | 一种基于稀疏矩阵运算排放源模型的排放源清单处理工具 |
CN105337303A (zh) * | 2015-09-22 | 2016-02-17 | 贵州电网有限责任公司电网规划研究中心 | 一种含热泵的热电联产型微电网容量优化配置方法 |
CN105260790A (zh) * | 2015-09-23 | 2016-01-20 | 中国水产科学研究院黄海水产研究所 | 一种沿海城市不同行业污染物允许排海量的优化计算方法 |
CN105512485A (zh) * | 2015-12-14 | 2016-04-20 | 中国科学院大气物理研究所 | 一种估算细颗粒物及其前体物环境容量的新方法 |
Non-Patent Citations (4)
Title |
---|
Fully coupled online chemistry within the WRF model;Georg A. Grell 等;《Atmospheric Environment》;20051231;第39卷(第37期);第6957-6975页 * |
中国PM2.5跨区域传输特征数值模拟研究;薛文博 等;《中国环境科学》;20140620;第36卷(第6期);第1361-1368页 * |
基于全国城市PM2.5达标约束的大气环境容量模拟;薛文博 等;《中国环境科学》;20141020;第34卷(第10期);第2490-2496页 * |
美国环保局第三代空气质量预报和评估系统;樊琦 等;《重庆环境科学》;20031125;第25卷(第11期);第134-137页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106649960A (zh) | 2017-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106649960B (zh) | 大气多污染物环境容量三维迭代计算方法 | |
Li et al. | Energy performance simulation for planning a low carbon neighborhood urban district: A case study in the city of Macau | |
Quan et al. | Urban data and building energy modeling: A GIS-based urban building energy modeling system using the urban-EPC engine | |
CN102628852A (zh) | 基于污染物来源识别技术的大气污染源分级方法 | |
CN105893770A (zh) | 一种气候变化和人类活动对流域水资源影响的量化方法 | |
Wang et al. | From simulation to data-driven approach: A framework of integrating urban morphology to low-energy urban design | |
CN114578457B (zh) | 一种基于进化集成学习的大气污染物浓度时空预测方法 | |
CN107665376A (zh) | 一种湿地空间分布变化格局模拟与预测方法 | |
Saleh et al. | Parametric urban comfort envelope, an approach toward a responsive sustainable urban morphology | |
Zhang et al. | Influence of the spatial distribution pattern of buildings on the distribution of PM2. 5 concentration | |
Zhang et al. | Spatio-temporal evolution of urban thermal environment and its driving factors: Case study of Nanjing, China | |
Tong | A genetic algorithm approach to optimizing the distribution of buildings in urban green space | |
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 | |
Tehrani et al. | Predicting solar radiation in the urban area: A data-driven analysis for sustainable city planning using artificial neural networking | |
CN110045440A (zh) | 一种大气雾霾数值预报的集合预报方法及系统 | |
Zachary et al. | Trade-offs between energy cost and health impact in a regional coupled energy–air quality model: the LEAQ model | |
Maison et al. | Parameterizing the aerodynamic effect of trees in street canyons for the street network model MUNICH using the CFD model Code_Saturne | |
Wang et al. | Complex network analysis of PM2. 5 transport in the Yangtze River Delta Region, China | |
CN115329425A (zh) | 一种空气质量驱动下的建筑群体形态优化设计方法及系统 | |
Van de Vel et al. | Air-quality modelling in the Lake Baikal region | |
Mosadegh et al. | Uncertainty Analysis Of Future Projections Of Temperature, Precipitation, And Solar Radiation Under Global Warming Effect In Tehran, Iran | |
CN115526043B (zh) | 一种考虑空气资源禀赋的大气环境容量计算方法 | |
Bowker et al. | Fine‐scale simulations of aeolian sediment dispersion in a small area in the northern Chihuahuan Desert | |
Amirabadizadeh et al. | Assessment of impacts of future climate change on water resources of the Hulu Langat basin using the swat model | |
Karimian Shamsabadi et al. | Urban buildings configuration and pollutant dispersion of PM 2.5 particulate to enhance air quality |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |