CN107194139B - 大气污染源分级方法及计算设备 - Google Patents
大气污染源分级方法及计算设备 Download PDFInfo
- Publication number
- CN107194139B CN107194139B CN201610143893.4A CN201610143893A CN107194139B CN 107194139 B CN107194139 B CN 107194139B CN 201610143893 A CN201610143893 A CN 201610143893A CN 107194139 B CN107194139 B CN 107194139B
- Authority
- CN
- China
- Prior art keywords
- pollution
- pollution source
- meteorological
- source
- moment
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2219/00—Indexing scheme relating to application aspects of data processing equipment or methods
- G06F2219/10—Environmental application, e.g. waste reduction, pollution control, compliance with environmental legislation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
提供了大气污染源分级方法和计算设备,该方法包括:针对研究区域,模拟在选定时刻的气象场,并对选定时刻之后的一个或多个时刻的气象场进行预测,得到所述研究区域在各时刻的气象信息;根据气象信息以及对研究区域有影响的各污染源的污染物排放信息,确定各污染源在各时刻对所述研究区域中设置的一个或多个评价点的污染贡献浓度;以及根据所述污染贡献浓度,对各污染源进行分级。根据本公开的示例实施例,能够通过对气象场的预测,获得污染源在未来一段时间内的污染贡献,对污染源进行动态分级,更准确地反映当前及未来时段内的污染情况,有利于为污染源的科学减排以及污染控制提供决策依据。
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,尤其涉及一种基于环境影响因素的大气污染源动态分级方法及实现该方法的计算设备。
背景技术
近年来,随着我国城市化进程的加快和经济的高速发展,我国的大气污染形势严峻,区域灰霾天气频发,已严重影响到人民的身体健康。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,而我国目前的污染物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。
受污染源方位、距离、区域地形、气象因素等条件的影响,来自不同排放源相同排放量的大气污染物对城市空气质量的影响程度也有所差异。对大气污染源进行分级,能够区分不同污染源的影响程度和范围,为污染源的科学减排以及污染控制提供依据,为政府在空气质量预警时制定相应的污染源限制措施提供决策支持。
已经提出了多种大气污染源分级方法,一种方法包括:对研究区域不同季节的气象场进行模拟;按季节分别计算每个排放源对各评价点的污染贡献浓度;计算每个排放源的每种污染物对每个评价点的年均贡献浓度;以及根据年均贡献浓度对大气污染源进行分级。
发明内容
技术问题
上述污染源分级方法是基于污染源的年均污染贡献,反映了污染源在全年的污染情况,是静态的分级结果。由于污染源的排放强度会随时间发生变化,如供暖企业在采暖季的污染强度会高于非采暖季;即使在排放强度不变的情况下,由于环境因素的影响,同一个污染源对周边的污染贡献也不相同。因此,对污染源的静态分级无法准确反映污染源的实际贡献浓度,也无法为科学减排提供决策依据。
需要一种技术,能够根据污染源在未来一段时间内的污染贡献对污染源进行动态分级,为科学减排提供更准确的决策依据。
本公开的示例实施例克服上述缺点或上文未描述的其它缺点。然而,并不要求示例性实施例克服上述缺点,并且本公开的示例性实施例可以不克服上述问题的任一个。
解决方案
示例性实施例的一个方面提供一种大气污染源分级方法,包括:针对研究区域,模拟在选定时刻的气象场,并对选定时刻之后的一个或多个时刻的气象场进行预测,得到所述研究区域在各时刻的气象信息;根据气象信息以及对研究区域有影响的各污染源的污染物排放信息,确定各污染源在各时刻对所述研究区域中设置的一个或多个评价点的污染贡献浓度;以及根据所述污染贡献浓度,对各污染源进行分级。
示例性实施例的另一方面提供一种用于大气污染源分级的计算设备,包括:信息获取模块,配置为获取研究区域的气象信息和对研究区域有影响的各污染源的污染物排放信息;以及信息处理模块,配置为根据获取的气象信息,模拟在选定时刻的气象场,并对选定时刻之后的一个或多个时刻的气象场进行预测,得到所述研究区域在各时刻的气象信息;根据各时刻的气象信息以及各污染源的污染物排放信息,确定各污染源在各时刻对所述研究区域中设置的一个或多个评价点的污染贡献浓度;并且根据所述污染贡献浓度,对各污染源进行分级。
有益效果
根据本公开的示例实施例,能够通过对气象场的预测,获得污染源在未来一段时间内的污染贡献,从而对污染源进行动态分级,更准确地反映污染源在该时段内对周边的污染贡献。这样,对污染源的分级更加准确,更符合当前及未来时段内的实际情况,有利于为污染源的科学减排以及污染控制提供决策依据,对于环境质量改善具有重要作用。
本发明的附加和/或其他方面和优点将部分地在以下描述中阐述,并且根据所述描述将部分地变得清楚,或者可以通过本发明的实践来学习。
附图说明
通过参考附图描述本公开的一些实例实施例,本公开的以上和/或其他方面将更加清楚,其中:
图1是本公开示例实施例可应用的实施环境的示意图;
图2是根据本公开示例实施例的浓度贡献评价点设置示意图;
图3示意性示出了污染源排放的污染物的影响范围产生动态变化;
图4是根据本公开示例实施例的大气污染源分级方法的示意流程图;以及
图5是根据本公开另一示例实施例的大气污染源分级方法的示意流程图。
具体实施方式
本公开的示例实施例可以进行不同的修改。因此,具体示例实施例在附图中被示出并在具体实施方式中被详细描述。然而,应当理解的是,本公开并不限于具体示例性实施例,而是在不脱离本公开的范围和精神的前提下包括所有修改、等同物和替代。此外,没有对公知的功能或结构进行详细描述,因为详细描述它们可能导致本公开不清楚。
术语“第一”、“第二”等可以用于描述不同组件,但是组件不被术语限制。这些术语仅用来将一个组件与另一组件区分开来。
此外,将理解,当元件或层被称为在另一元件或层“上”、“连接到”、“耦合到”或“邻近于”另一元件或层时,其可以直接在另一元件或层上、直接连接到、耦合到或邻近于另一元件或层,或者可以存在中间元件或层。相反,当元件被称为“直接”在另一元件或层“上”、“直接连接到”、“直接耦合到”或“直接邻近于”另一元件或层时,不存在中间元件或层。
本申请中使用的术语仅用于描述示例性实施例,但并不旨在限制本公开的范围。此外,单数表达不将本公开限制为具有单个组件或步骤。相反,即使以单数表达来描述,本公开也可以包括多个组件或步骤。在本申请中,术语″包括″和″由…组成″指明写在说明书中的特征、数量、步骤、操作、组件、元件或其组合的存在,但并不排除一个或多个其它特征、数量、步骤、操作、组件、元件或其组合的存在或者添加它们的可能性。
在示例性实施例中,″模块″或″单元″执行至少一个功能或操作,并且可以使用硬件、软件或者硬件与软件的组合来实现。此外,除了以特定硬件实现的“模块”或“单元”以外,多个“模块”或多个“单元”可以整合为至少一个模块,并且可以以至少一个处理器来实现。
文中的一些术语定义如下。环境因素:包括地形、下垫面类型、气象因素等。大气污染源:向大气中持续排放一定数量污染物的排放源。影响因子:量化反映污染源对研究区域污染贡献的大小。
现在将参考附图更加详细地描述本公开的示例性实施例。
图1是本公开示例实施例可应用的实施环境的示意图。该环境包括计算设备10、气象信息数据库12和排放信息数据库14。气象信息数据库12可以存储例如全球各地区在一定时段上的气象信息。气象信息数据库12可以包括一个或多个数据库,用于存储多种数据,例如美国环境预报中心(NCEP)提供的全球气象背景场数据,包括温度、气压、湿度、风向、风力等各气象要素的地区气象监测数据,GFS全球气象预报数据等。排放信息数据库14可以存储例如一个或多个地区的各污染源的污染物排放信息,包括污染源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)等。
如图1所示,计算设备10包括信息获取模块102和信息处理模块104。例如,计算设备10可以包括计算机或工作站等具有计算处理功能的设备。信息获取模块102可以获取研究区域的气象信息和对研究区域有影响的各污染源的污染物排放信息。研究区域可以是大气污染源分级的目标区域,例如某个城市、某几个市县组成的区域等。信息获取模块102可以与气象信息数据库12和排放信息数据库14相连,分别获取研究区域的气象信息和污染物排放信息,并将获取的信息提供给信息处理模块104。作为示例,信息获取模块102可以包括具有数据通信或数据输入功能的装置,例如通信装置或输入装置。信息处理模块104可以根据获取的气象信息,模拟在选定时刻的气象场,并对选定时刻之后的一个或多个时刻的气象场进行预测,得到研究区域在各时刻的气象信息,根据各时刻的气象信息以及各污染源的污染物排放信息,确定各污染源在各时刻对研究区域中设置的一个或多个评价点的污染贡献浓度,并且根据污染贡献浓度,对各污染源进行分级。作为示例,信息处理模块104可以包括处理器,处理器被编程为执行上述功能。
根据示例性实施例,研究区域中的浓度贡献评价点可以是预先设置的,也可以由信息处理模块104实时设置。图2是根据本公开示例实施例的浓度贡献评价点设置示意图。如图2所示,例如选择某个城市作为研究区域,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。这里,基于GIS技术对研究区域进行网格划分,研究区域中的评价点均匀分布以能代表研究对象整体空气质量水平。例如在该城市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300km的目标区域。
根据示例性实施例,信息获取模块102可以获取研究区域在选定时刻t的气象数据和全球气象背景场数据,例如NCEP全球气象背景场、地形及土地利用数据以及时刻t的气象监测数据。根据信息获取模块102获取的数据,信息处理模块104可以利用预定的气象模型(例如WRF)模拟得到在时刻t符合预定的空气质量模型(例如CMAx)的气象场模拟数据M(t),作为选定时刻t的气象信息。
根据示例性实施例,信息获取模块102可以获取选定时刻t之后一个或多个时刻t+1,...,t+n的气象预报数据。例如,从NCEP可下载GFS全球预报数据。信息处理模块104基于气象场模拟数据M(t)和预定的气象预报模型(例如,WRF气象预报模型),对时段[t,t+n]中t+1到t+n各时刻的气象场进行预测,得到预测的气象场数据M(t+1),......,M(t+n)。预测的气象场数据的示例在表1中示出:
表1
根据示例性实施例,信息获取模块102可以获取研究区域的污染物排放信息。信息处理模块104可以将气象信息(例如,气象场数据M(t),M(t+1),......,M(t+n))和污染物排放信息处理为符合操作要求的格式,输入到预定的扩散模型,来计算每个污染源排放的每种污染物在时段[t,t+n]中的各时刻对各评价点的污染贡献浓度。
根据示例性实施例,扩散模型定义如下:
ui为污染源i处的风速[m/s];
φ(λ)为标准正态分布函数。
根据示例性实施例,信息处理模块104可以根据每个污染源在时段[t,t+n]中各时刻的污染贡献浓度C(t),C(t+1),......,C(t+n),计算每个污染源在包括在时段[t,t+n]中对各评价点的贡献浓度总和。例如,信息处理模块104可以将每个污染源在各时刻的污染贡献浓度相加,得到贡献浓度总和。
信息处理模块104可以利用计算的每个污染源的贡献浓度总和,对各污染物浓度贡献进行归一化处理,来计算每个污染源的影响因子SI。这里,影响因子反映污染源对研究区域污染贡献的大小。例如,影响因子SI可以定义如下:
i代表污染源i,j代表污染物j(包括SO2,NO2,PM2.5等);
Ci,j代表污染源i排放的污染物j对所有评价点的贡献浓度总和[ug/m3];
Ei,j代表污染源i排放的污染物j的年排放量[t/a];
Sj代表污染物j的环境质量二级标准[ug/m3]。
根据示例性实施例,信息处理模块104可以基于影响因子对各污染源进行排序,得到各污染源在时段[t,t+n]中的气象条件下的分级。例如,将各个污染源的影响因子从大到小排序,位于前25%的污染源定义为第一级污染源,即需要优先控制的城市敏感源;位于后75%的污染源为第三级污染源,其余为第二级污染源。
根据上述示例性实施例,通过对气象场的预测,可以计算污染源在未来一段时间内的污染贡献,从而对污染源进行动态分级,能够更准确地反映污染源在该时段内对周边的污染贡献。这样,对污染源的分级更加准确,更符合当前及未来时段内的实际情况,有利于为污染源的科学减排以及污染控制提供决策依据。
根据另一示例性实施例,信息获取模块102可以获取研究区域在选定时段上的环境因素。例如,环境因素包括地形因素、下垫面类型以及气象因素中的至少一个。信息处理模块104可以在确定各污染源在各时刻对各评价点的污染贡献浓度之前,根据获取的环境因素,确定各污染源的影响范围,并确定各污染源在各时刻对其影响范围内设置的各评价点的污染贡献浓度。图3示意性示出了污染源排放的污染物的影响范围产生动态变化。污染源排放的污染物在大气环境中受到例如风力及风向的影响,从而使得污染物的影响范围产生动态变化。如图3所示,当风速不大于0.5m/s时,风向总是飘忽多变,因此污染源的影响范围在以方程x2+y2=(7200*0.5)2为边界的圆内(含边界),即在以污染源为圆心,半径为3600m的圆内。当风速大于0.5m/s时,风向一般确定不变,因此对于任意一个污染源,其影响范围在下风方向的扇形区域内(含边界),扇形的边界由方程x2+y2=(7200*u)2和确定。式中,7200和0.5均为经验值,u为风速,σyx由下表2确定,其中的大气稳定度可以从气象数据中获得。
表2
大气稳定度 | σ<sub>y</sub>x |
A | 0.76 |
B | 0.57 |
C | 0.43 |
D | 0.27 |
E | 0.24 |
根据该示例性实施例,能够提高计算效率,在环境因素发生变化时,及时对大气污染源进行动态分级。具体而言,基于气象、地形等要素动态确定每个污染源的影响范围,并在计算污染源对各评价点的污染贡献浓度时,只需计算污染源对其影响范围内的评价点的贡献浓度,减少了计算量,提高了运行效率。
图4是根据本公开示例实施例的大气污染源分级方法400的示意流程图,该方法400可以在图1所示的环境中执行。在步骤402,计算设备10针对研究区域,模拟在选定时刻的气象场,并对选定时刻之后的一个或多个时刻的气象场进行预测,得到研究区域在各时刻的气象信息。具体地,计算设备10获取研究区域在选定时刻的气象数据和全球气象背景场数据,利用预定的气象模型模拟得到符合预定的空气质量模型的气象场模拟数据,作为选定时刻的气象信息。此外,计算设备10获取一个或多个时刻的全球预报数据,并基于气象场模拟数据和预定的气象预报模型,预测得到气象场预测数据,作为该一个或多个时刻的气象信息。
在步骤404,计算设备10根据气象信息以及对研究区域有影响的各污染源的污染物排放信息,确定各污染源在各时刻对研究区域中设置的一个或多个评价点的污染贡献浓度。具体地,计算设备10将气象信息和污染物排放信息输入到预定的扩散模型,来计算每个污染源排放的每种污染物在各时刻对各评价点的污染贡献浓度。
在步骤406,计算设备10根据污染贡献浓度,对各污染源进行分级。具体地,计算设备10根据各时刻的污染贡献浓度,计算每个污染源在包括所述各时刻的时段上对各评价点的贡献浓度总和。计算设备10利用计算的每个污染源的贡献浓度总和,对各污染物浓度贡献进行归一化处理,来计算每个污染源的影响因子,并基于影响因子对各污染源进行排序,得到各污染源在该时段的气象条件下的分级。
图4的大气污染源分级方法400还可以包括对研究区域进行网格划分,选取网格点作为评价点,用于评估污染源对研究对象整体区域的污染物浓度贡献水平。
图5是根据本公开另一示例实施例的大气污染源分级方法500的示意流程图,该方法500可以在图1所示的环境中执行。图5的步骤502和508与图4的步骤402和404相同,在此不再赘述。在步骤504,计算设备10根据研究区域的环境因素,确定各污染源的影响范围。在步骤506,计算设备10确定各污染源在各时刻对其影响范围内设置的各评价点的污染贡献浓度。
本公开示例性实施例所述的气象模型、空气质量模型所用工具在满足本公开中所提及功能的前提下,可以有所变化。
根据示例性实施例执行的处理可以以程序的形式存储在非暂时性计算机可读介质中。非暂时性计算机可读介质是可以半永久地存储数据的介质而不是诸如寄存器、高速缓存和内存之类临时存储数据的介质,并且可以由设备读取。更具体地,上述应用或程序可以存储在诸如紧凑盘(CD)、数字视频盘(DVD)、硬盘、蓝光盘、通用串行总线(USB)、记忆卡以及只读存储器(ROM)之类的非暂时性计算机可读介质中。
上述示例性实施例和优点仅仅是示例性的,并不被解释为限制本公开。本发明的教导易于应用于其他类型的设备。此外,本公开示例实施例的描述是说明性的,而并非限制权利要求的范围,并且许多替代、改进和变化对于本领域普通技术人员将是清楚明白的。
Claims (9)
1.一种大气污染源分级方法,包括:
针对研究区域,模拟在选定时刻的气象场,并对选定时刻之后的一个或多个时刻的气象场进行预测,得到所述研究区域在各时刻的气象信息;
根据气象信息以及对研究区域有影响的各污染源的污染物排放信息,确定各污染源在各时刻对所述研究区域中设置的一个或多个评价点的污染贡献浓度;以及
根据所述污染贡献浓度,对各污染源进行分级;
其中确定各污染源在各时刻对各评价点的污染贡献浓度包括:
将气象信息和污染物排放信息输入到预定的扩散模型,来计算每个污染源排放的每种污染物在各时刻对各评价点的污染贡献浓度,
所述预定的扩散模型定义如下:
ui为污染源i处的风速;
φ(λ)为标准正态分布函数。
2.根据权利要求1所述的大气污染源分级方法,其中,所述模拟在选定时刻的气象场包括:
获取所述研究区域在选定时刻的气象数据和全球气象背景场数据,利用预定的气象模型模拟得到符合预定的空气质量模型的气象场模拟数据,作为选定时刻的气象信息。
3.根据权利要求2所述的大气污染源分级方法,其中,所述对选定时刻之后的一个或多个时刻的气象场进行预测包括:
获取所述一个或多个时刻的全球预报数据,并基于气象场模拟数据和预定的气象预报模型,预测得到气象场预测数据,作为所述一个或多个时刻的气象信息。
4.根据权利要求1所述的大气污染源分级方法,其中,所述对各污染源进行分级包括:
根据各时刻的污染贡献浓度,计算每个污染源在包括所述各时刻的时段上对各评价点的贡献浓度总和;
利用计算的每个污染源的贡献浓度总和,对各污染物浓度贡献进行归一化处理,来计算每个污染源的影响因子,所述影响因子反映污染源对研究区域污染贡献的大小;以及
基于影响因子对各污染源进行排序,得到各污染源在所述时段的气象条件下的分级。
5.根据权利要求1所述的大气污染源分级方法,在确定各污染源在各时刻对各评价点的污染贡献浓度之前,所述方法还包括:
根据所述研究区域在包括所述各时刻的时段上的环境因素,确定各污染源的影响范围;
其中所述确定各污染源在各时刻对各评价点的污染贡献浓度包括:确定各污染源在各时刻对其影响范围内设置的各评价点的污染贡献浓度。
6.根据权利要求5所述的大气污染源分级方法,其中所述环境因素包括地形因素、下垫面类型以及气象因素中的至少一个。
7.一种用于大气污染源分级的计算设备,包括:
信息获取模块,配置为获取研究区域的气象信息和对研究区域有影响的各污染源的污染物排放信息;以及
信息处理模块,配置为
根据获取的气象信息,模拟在选定时刻的气象场,并对选定时刻之后的一个或多个时刻的气象场进行预测,得到所述研究区域在各时刻的气象信息;
根据各时刻的气象信息以及各污染源的污染物排放信息,确定各污染源在各时刻对所述研究区域中设置的一个或多个评价点的污染贡献浓度;并且
根据所述污染贡献浓度,对各污染源进行分级;
其中所述信息处理模块配置为:
将气象信息和污染物排放信息输入到预定的扩散模型,来计算每个污染源排放的每种污染物在各时刻对各评价点的污染贡献浓度;
所述预定的扩散模型定义如下:
ui为污染源i处的风速;
φ(λ)为标准正态分布函数。
8.根据权利要求7所述的计算设备,其中,所述信息处理模块配置为:
根据各时刻的污染贡献浓度,计算每个污染源在包括所述各时刻的时段上对各评价点的贡献浓度总和;
利用计算的每个污染源的贡献浓度总和,对各污染物浓度贡献进行归一化处理,来计算每个污染源的影响因子,所述影响因子反映污染源对研究区域污染贡献的大小;以及
基于影响因子对各污染源进行排序,得到各污染源在所述时段的气象条件下的分级。
9.根据权利要求7所述的计算设备,其中所述信息处理模块配置为:
根据所述研究区域在包括所述各时刻的时段上的环境因素,确定各污染源的影响范围;以及
确定各污染源在各时刻对其影响范围内设置的各评价点的污染贡献浓度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610143893.4A CN107194139B (zh) | 2016-03-14 | 2016-03-14 | 大气污染源分级方法及计算设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610143893.4A CN107194139B (zh) | 2016-03-14 | 2016-03-14 | 大气污染源分级方法及计算设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107194139A CN107194139A (zh) | 2017-09-22 |
CN107194139B true CN107194139B (zh) | 2021-08-03 |
Family
ID=59871185
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610143893.4A Active CN107194139B (zh) | 2016-03-14 | 2016-03-14 | 大气污染源分级方法及计算设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107194139B (zh) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107917987B (zh) * | 2017-11-09 | 2020-10-20 | 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 |
CN109446743B (zh) * | 2018-12-24 | 2022-11-29 | 常州市环境监测中心 | 基于统计自适应方法计算突发污染源和外来污染输送贡献 |
CN109840616A (zh) * | 2018-12-26 | 2019-06-04 | 中译语通科技股份有限公司 | 一种学术影响力预测方法 |
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 |
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 |
CN109857976B (zh) * | 2019-01-16 | 2023-10-31 | 北京英视睿达科技股份有限公司 | 控制站传输影响模型建立方法、装置、设备及存储介质 |
CN110006799A (zh) * | 2019-02-14 | 2019-07-12 | 北京市环境保护监测中心 | 一种热点网格污染类型的分类方法 |
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 |
CN111727447B (zh) * | 2019-08-14 | 2022-03-01 | 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 |
CN110458915A (zh) * | 2019-08-14 | 2019-11-15 | 孙玮 | 一种大气污染时空变换评价预测模型的建立方法 |
CN110889079B (zh) * | 2019-09-29 | 2024-04-12 | 北京众蓝科技有限公司 | 一种基于动态反演排放源数据的空气质量预报系统 |
CN111368401A (zh) * | 2020-02-20 | 2020-07-03 | 南开大学 | 污染源的溯源方法、装置和存储介质 |
CN111665325B (zh) * | 2020-06-09 | 2021-06-01 | 中科三清科技有限公司 | 确定大气污染物时间来源的方法和装置 |
CN112541255A (zh) * | 2020-11-27 | 2021-03-23 | 暨南大学 | 一种大气污染排放来源自动识别系统及识别方法 |
CN112598269A (zh) * | 2020-12-22 | 2021-04-02 | 广东中联兴环保科技有限公司 | 园区挥发性有机物管理方法、装置、设备以及存储介质 |
CN112580898B (zh) * | 2020-12-30 | 2023-11-03 | 成都佳华物链云科技有限公司 | 一种污染预测方法以及污染预测模型训练方法 |
CN112967764B (zh) * | 2021-03-30 | 2023-05-30 | 河北先河环保科技股份有限公司 | 多技术耦合的污染物源解析方法、装置 |
CN113569403B (zh) * | 2021-07-23 | 2023-08-29 | 南开大学 | 一种基于大气扩散-辐射标准化的环境VOCs来源解析方法 |
CN113720972B (zh) * | 2021-09-02 | 2022-07-29 | 中科三清科技有限公司 | 大气污染物的源解析方法及装置 |
CN114088593B (zh) * | 2021-10-11 | 2022-10-11 | 中科三清科技有限公司 | 海盐排放通量的确定方法和装置 |
CN114063197A (zh) * | 2021-11-16 | 2022-02-18 | 中科三清科技有限公司 | 一种预测环境污染的方法和装置 |
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 |
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 |
CN116739190B (zh) * | 2023-08-14 | 2023-12-01 | 中科三清科技有限公司 | 优化污染控制的减排比例、减排成本与管控时间的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011137674A (ja) * | 2009-12-28 | 2011-07-14 | Hitachi Engineering & Services Co Ltd | 環境濃度予測装置、環境濃度予測方法、およびそのプログラム |
CN102682605A (zh) * | 2012-06-13 | 2012-09-19 | 长安大学 | 基于汽车排放的高速公路环境交通容量确定系统及方法 |
CN104408308A (zh) * | 2014-11-25 | 2015-03-11 | 复旦大学 | 一种地下空间排放口排放污染物对周围环境影响的测量方法 |
CN104881546A (zh) * | 2015-06-01 | 2015-09-02 | 中国科学院上海高等研究院 | 一种提高大气污染模型预测效率的方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090098127A (ko) * | 2008-03-13 | 2009-09-17 | (주)바이오텔 | 대기 오염물질 모니터링 시스템 및 그 방법 |
CN102567808B (zh) * | 2010-12-31 | 2015-04-29 | 北京工业大学 | 结合实时气象信息的重大危险源事故后果预测预警方法 |
CN102628852B (zh) * | 2012-03-13 | 2014-12-31 | 北京工业大学 | 基于污染物来源识别技术的大气污染源分级方法 |
CN103163278B (zh) * | 2013-01-31 | 2015-04-29 | 北京工业大学 | 基于数值模式与统计分析结合的大气重污染预报方法 |
-
2016
- 2016-03-14 CN CN201610143893.4A patent/CN107194139B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011137674A (ja) * | 2009-12-28 | 2011-07-14 | Hitachi Engineering & Services Co Ltd | 環境濃度予測装置、環境濃度予測方法、およびそのプログラム |
CN102682605A (zh) * | 2012-06-13 | 2012-09-19 | 长安大学 | 基于汽车排放的高速公路环境交通容量确定系统及方法 |
CN104408308A (zh) * | 2014-11-25 | 2015-03-11 | 复旦大学 | 一种地下空间排放口排放污染物对周围环境影响的测量方法 |
CN104881546A (zh) * | 2015-06-01 | 2015-09-02 | 中国科学院上海高等研究院 | 一种提高大气污染模型预测效率的方法 |
Non-Patent Citations (4)
Title |
---|
Pollutan diffusio mode an G.I.S integratio procedur fo evaluatin atmospheri emission i industria areas;A. Bonfiglio 等;《Transactions on Ecology and the Environment》;19981231;第21卷;850-858 * |
The Mathematics of Atmospheric Dispersion Modeling;John M. Stockie;《Society for Industrial and Applied Mathematics》;20110505;第53卷(第2期);349-372 * |
利用高斯点源法估算外来源贡献;杨富新;《辽宁城乡环境科技》;20041031;第24卷(第5期);26-28 * |
大气扩散参数在大气污染物落地浓度估算中的贡献;文术;《成都气象学院学报》;19951231;第10卷(第4期);359-363 * |
Also Published As
Publication number | Publication date |
---|---|
CN107194139A (zh) | 2017-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107194139B (zh) | 大气污染源分级方法及计算设备 | |
Kent et al. | Evaluation of urban local-scale aerodynamic parameters: implications for the vertical profile of wind speed and for source areas | |
Wu et al. | Effects of urban landscape pattern on PM2. 5 pollution—a Beijing case study | |
KR101668753B1 (ko) | 대기 오염 관리 시스템 | |
Kuik et al. | Air quality modelling in the Berlin–Brandenburg region using WRF-Chem v3. 7.1: sensitivity to resolution of model grid and input data | |
CN106651036A (zh) | 空气质量预报系统 | |
CN111753426B (zh) | 颗粒物污染的源解析方法和装置 | |
US20110208414A1 (en) | Method and determining system for automatically determining emission locations, and method and traffic control system based thereon for immission-dependent traffic control | |
Martin et al. | Analysis of the spatial representativeness of rural background monitoring stations in Spain | |
CN109613182A (zh) | 基于大气污染物的监测布点选址方法及装置 | |
KR20140024541A (ko) | 대기 모델링 서비스 제공 시스템 | |
CN109376443A (zh) | 区域大气污染环境仿真动态模拟系统 | |
JP4206024B2 (ja) | 大気物質指標分布解析装置 | |
CN114118613A (zh) | 一种焦化土壤污染空间分布预测优化方法及系统 | |
Perez et al. | Forecasting of hourly PM2. 5 in south-west zone in Santiago de Chile | |
Hamid et al. | Short term prediction of PM10 concentrations using seasonal time series analysis | |
CN115860214A (zh) | 一种pm2.5排放浓度的预警方法和装置 | |
Nicolis et al. | Bayesian spatiotemporal modeling for estimating short‐term exposure to air pollution in Santiago de Chile | |
Luhar et al. | Application of a prognostic model TAPM to sea-breeze flows, surface concentrations, and fumigating plumes | |
Mendes et al. | Air quality forecast by statistical methods: application to Portugal and Macao | |
CN113486295B (zh) | 基于傅里叶级数的臭氧总量变化预测方法 | |
CN109213840B (zh) | 基于多维特征深度学习的热点网格识别方法 | |
CN114002381A (zh) | 一种大气污染溯源扩散分析方法及装置 | |
CN113688506A (zh) | 基于微站等多维数据的潜在大气污染源识别方法 | |
CN117314023A (zh) | 一种大气污染数据分析方法、系统及计算机存储介质 |
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 |