CN107238679A - 观测区域中的空气物质排放源的排放量修正方法和装置 - Google Patents

Abstract

根据本发明，提出一种排放量修正方法，包括：将观测区域中的各空气物质成分的初始浓度网格数据、各空气物质排放源的初始排放量网格数据和气象模型解析数据输入空气物质预测模型，获取预定时间后的预测浓度网格数据；利用实时观测到的实际观测浓度数据对所述预测浓度网格数据进行修正，获取修正后的浓度网格数据；将预测浓度网格数据减去该修正后的浓度网格数据，获取修正前后的差值浓度网格数据；以及基于所述修正前后的差值浓度网格数据，利用初始浓度和/或初始排出量网格数据与预测浓度网格数据之间的灵敏度数据矩阵的反函数，计算针对初始浓度和/或初始排出量网格数据的修正值，从而对初始浓度和/或初始排出量网格数据进行修正。

Description

观测区域中的空气物质排放源的排放量修正方法和装置

技术领域

本发明涉及一种观测区域中的空气物质排放源的排放量修正方法和装置，能够考虑实时观测到的空气物质观测数据来修正通过统计获取的观测区域中的空气物质排放源的排放量，并且能够利用修正后的排放量来提高空气物质预测的精度。

背景技术

随着现代化建设的高速发展，大气环境污染问题日益严重，给城市区域本来就脆弱的生态系统造成了巨大压力；城市化进程对城市的大气环境质量、城市风、大气温度、降水、雾等等方面都产生了不可忽视的影响，导致了城市空气污染加重、酸雨、城市雾灾等等各方面的大气环境问题；该问题已经成为国际学术界的研究热点和重点。

随着空气污染防治和研究工作的开展，迫切需要了解空气污染的影响和变化趋势，为此空气污染的预报应运而生；研究大气扩散基本模式要解决的基本问题，是湍流与烟流传播和物质浓度衰减的关系问题；目前处理这个问题广泛运用三种理论，即梯度输送理论、统计理论和相似理论；利用这些理论来进行研究时，又有三种方法，即：数值分析法、现场研究法和实验室中的模拟研究法。

空气污染预测要从环境采集数据，并对市区影响最大的大气中的重要污染物进行评价；为此，需要选用〔有时要做修正〕或建立空气污染预测模型，确定自由大气中空气微团运动受气压梯度力、重力和地转偏向力的影响情况，如果作曲线运动时，还受惯性离心力的影响，但没有摩擦力；这些力，决定了空气微团的运动方程。由空气微团的运动方程，可根据具体的起始条件与边界条件，对方程求解，获取不同的大气扩散模式，从而建立相应的预测模型。

在进行空气物质(例如空气污染物)的预测时，由于各空气物质排放源的排放量是对由设置在空气物质排放源处或其附近的传感器观测到的排放量的历史统计数据进行统计而获取的，因此可能与预测时的实际排放数据具有较大的偏差(例如，可能在预测时刚引入了新的空气物质排放源等状况的存在)，因此，需要提出一种技术，能够对预测所采用的各空气物质排放源的排放量进行修正，进而能够利用该修正后的空气物质排放源的排放量来更精确地进行空气物质预测。

发明内容

为了克服现有技术的上述缺陷提出了本发明。因此，本发明的目的之一是提出一种观测区域中的空气物质排放源的排放量修正方法和装置，能够考虑实时观测到的空气物质观测数据来修正通过统计获取的观测区域中的空气物质排放源的排放量，并且能够利用修正后的排放量来提高空气物质预测的精度。

为了实现上述目的，根据本发明，提出了一种观测区域中的空气物质排放源的排放量修正方法，包括：预测步骤，将观测区域中的各空气物质成分的初始浓度网格数据、各空气物质排放源的初始排放量网格数据和气象模型解析数据输入空气物质预测模型，获取预定时间后的预测浓度网格数据；基于实测的修正步骤，利用实时观测到的实际观测浓度数据对所述预测浓度网格数据进行修正，获取修正后的浓度网格数据；差值获取步骤，将预测浓度网格数据减去该修正后的浓度网格数据，获取修正前后的差值浓度网格数据；以及初始数据修正步骤，基于所述修正前后的差值浓度网格数据，利用初始浓度网格数据和/或初始排出量网格数据与预测浓度网格数据之间的灵敏度数据矩阵的反函数，计算针对初始浓度网格数据和/或初始排出量网格数据的修正值，从而对初始浓度网格数据和/或初始排出量网格数据进行修正。

优选地，根据本发明，所述初始排出量网格数据是通过对由设置在空气物质排放源处或其附近的传感器观测到的排放量的历史统计数据进行统计而获取的。

优选地，根据本发明，所述初始数据修正步骤包括：基于所述修正前后的差值浓度网格数据，利用所述反函数，仅针对初始浓度网格数据进行逆变换，计算针对初始浓度网格数据的初始浓度修正值；如果存在大于预定阈值的初始浓度修正值，则将该初始浓度修正值乘以松弛系数来获取修正后的初始浓度网格数据，利用该修正后的初始浓度网格数据，反复执行所述预测步骤、所述基于实测的修正步骤、所述差值获取步骤，直到所计算出的针对初始浓度网格数据的初始浓度修正值收敛到所述预定阈值以下为止。

优选地，根据本发明，所述初始数据修正步骤还包括：如果所计算出的对初始浓度网格数据的初始浓度修正值收敛到所述预定阈值以下，则基于所述修正前后的差值浓度网格数据，利用所述反函数，仅针对初始排放量网格数据进行逆变换，获取针对初始排放量网格数据的初始排放量修正值；如果存在大于另一预定阈值的初始排放量修正值，则将该初始排放量修正值乘以松弛系数来获取修正后的初始排放量网格数据，利用该修正后的初始排放量网格数据，反复执行所述预测步骤、所述基于实测的修正步骤、所述差值获取步骤，直到所计算出的针对初始排放量网格数据的初始排放量修正值收敛到所述另一预定阈值以下为止。

优选地，根据本发明，所述初始数据修正步骤包括：基于所述修正前后的差值浓度网格数据，利用所述反函数，仅针对处于所述观测区域的边界的初始浓度网格数据进行逆变换，计算针对处于所述观测区域的边界的初始浓度网格数据的边界初始浓度修正值；如果存在大于预定阈值的边界初始浓度修正值，则将该边界初始浓度修正值乘以松弛系数来获取修正后的初始浓度网格数据，利用该修正后的初始浓度网格数据，反复执行所述预测步骤、所述基于实测的修正步骤、所述差值获取步骤，直到所计算出的针对处于所述观测区域的边界的初始浓度网格数据的边界初始浓度修正值收敛到所述预定阈值以下为止；根据最终的对处于所述观测区域的边界的初始浓度网格数据的修正量来确定并指示来自所述观测区域之外的跨境物质影响状况。

优选地，根据本发明，所述初始数据修正步骤还包括：如果所计算出的针对处于所述观测区域的边界的初始浓度网格数据的边界初始浓度修正值收敛到所述预定阈值以下，则基于所述修正前后的差值浓度网格数据，利用所述反函数，仅对初始排放量网格数据进行逆变换，获取针对初始排放量网格数据的初始排放量修正值；如果存在大于另一预定阈值的初始排放量修正值，则将该初始排放量修正值乘以松弛系数来获取修正后的初始排放量网格数据，利用该修正后的初始排放量网格数据，反复执行所述预测步骤、所述基于实测的修正步骤、所述差值获取步骤，直到所计算出的针对初始排放量网格数据的初始排放量修正值收敛到所述另一预定阈值以下为止；基于最终的对初始排放量网格数据的修正量来确定并指示来自新空气物质排放源的新排放量的发生状况。

优选地，根据本发明，所述空气物质预测模型是空气物质扩散和/或反应模型。

另外，根据本发明，还提出了一种观测区域中的空气物质排放源的排放量修正装置，包括：预测单元，将观测区域中的各空气物质成分的初始浓度网格数据、各空气物质排放源的初始排放量网格数据和气象模型解析数据输入空气物质预测模型，获取预定时间后的预测浓度网格数据；基于实测的修正单元，利用实时观测到的实际观测浓度数据对所述预测浓度网格数据进行修正，获取修正后的浓度网格数据；差值获取单元，将预测浓度网格数据减去该修正后的浓度网格数据，获取修正前后的差值浓度网格数据；以及初始数据修正单元，基于所述修正前后的差值浓度网格数据，利用初始浓度网格数据和/或初始排出量网格数据与预测浓度网格数据之间的灵敏度数据矩阵的反函数，计算针对初始浓度网格数据和/或初始排出量网格数据的修正值，从而对初始浓度网格数据和/或初始排出量网格数据进行修正。

根据本发明，能够考虑实时观测到的空气物质观测数据来修正通过统计获取的观测区域中的空气物质排放源的排放量，并且能够利用修正后的排放量来提高空气物质预测的精度。

附图说明

通过参考附图的详细描述，本发明的上述目的和优点将变得更清楚，其中：

图1是示意地示出了根据本发明的空气物质预测过程的示意图。

图2是示意地示出了根据本发明的观测区域中的空气物质排放源的排放量等的修正过程的示意图。

图3是示出了根据本发明的观测区域中的空气物质排放源的排放量修正方法的流程图。

图4是示出了根据本发明的越境污染或新空气物质排放源的确定和显示方法的流程图。

具体实施方式

下面将参考附图描述本发明的优选实施例。在附图中，相同的元件将由相同的参考符号或数字表示。此外，在本发明的下列描述中，将省略对已知功能和配置的具体描述，以避免使本发明的主题不清楚。

如图1所示，将基准时刻(例如0：00)的空气中的各空气物质成分i(i＝1～N，N为自然数)的浓度网格数据、各空气物质排放源j(j＝1～m，m为自然数)的排放量网格数据、气象模型解析数据输入到诸如化学物质扩散反应模型的空气物质预测模型进行时间进展计算，从而可以预测出预定时间(例如1小时)后的各空气物质成分i的预测浓度网格数据。这里需要指出的是，本发明中出现的“空气物质”并不仅仅包括空气中的污染物、或各种有害物质或化学成分，还包括空气中所包含的不完全有害的物质甚至无害物质。

作为初始浓度网格数据，基准时刻的浓度网格数据可以是例如通过将观测区域中的不同空气物质观测点处所观测到的空气物质浓度数据映射到地图上的观测区域中的各个网格上而形成的。所谓网格通常是将地图上的区域在经度和维度上等间隔地分割为四边形(例如矩形和方形)而形成的格子。

在本发明中，可以对各空气物质成分(或者化学成分)i分别形成基准时刻的浓度网格数据，作为针对各空气物质成分i的初始浓度网格数据。例如，图1所示的C11～C55均为观测区域中的各个网格的针对成分n的浓度网格数据，其他的空气物质成分的浓度网格数据与此类似。在图1所示的例子中，C11～C55按矩阵排列，构成了整个观测区域的浓度网格数据。该图1中的阴影部分表示浓度相对较高的浓度网格数据。

在进行空气物质预测时，作为初始的排放量网格数据，诸如工厂、车辆等各空气物质排放源的排放量可以是诸如对设置在空气物质排放源处或其附近的传感器所观测的排放量历史数据进行统计来获取的。由于采用排放量历史数据的统计值作为进行空气物质预测时的初始排放量网格数据，如果例如在预测时出现了新的空气物质排放源，则预测所得到的空气物质预测结果是不准确的。本发明考虑到诸如这样的情况的发生，借助于对空气物质预测结果进行修正，能够对预测时通过统计得到的初始排放量网格数据进行修正，进而可以诸如确定并指示新的空气物质排放源的存在状况。

气象模型解析数据是可以例如通过网络从气象局这样的机构下载获取的数据，例如，可以是包括风力、风向、空气流动状况等的与空气扩散相关的模型解析数据。

如图1所示，当将各空气物质成分的初始浓度网格数据、各空气物质排放源的初始排放量网格数据和气象模型解析数据输入空气物质预测模型(例如化学物质扩散/反应模型)进行基于时间的计算，就可以获取诸如1小时后的各空气物质成分的预测浓度网格数据，作为空气物质预测结果。

图2是示意地示出了根据本发明的观测区域中的空气物质排放源的排放量等的修正过程的示意图。

如图2所示，与图1同样地，当将各空气物质成分的初始浓度网格数据、各空气物质排放源的初始排放量网格数据和气象模型解析数据输入空气物质预测模型(例如化学物质扩散/反应模型)进行基于时间的计算，就可以获取预测获取的预定时间后的预测浓度网格数据。

然后，可以将该预测浓度网格数据利用实时从各空气物质观测点观测到的实际观测浓度数据进行修正，可以获取修正后的浓度网格数据。关于如何利用实时观测到的实际观测浓度数据来对预测浓度网格数据进行修正，可以利用各种现有的修正方法，由于其并非本发明的重点，因此在此不再详述。

之后，可以求出该预测浓度网格数据与修正后的浓度网格数据之间的差值，获取修正前后的差值浓度网格数据。

然后，可以使用稍后所述的反函数，基于修正前后的差值浓度网格数据Δ，来求得初始排放量网格数据的修正值ΔE和/或初始浓度网格数据的修正值ΔC。这样，可以利用该修正值ΔE和/或修正值ΔC来对初始排放量网格数据和/或初始浓度网格数据进行修正。由于各空气物质成分的浓度具有相关性因而在进行修正时需要采用非线性的方法来进行迭代修正。例如，可以将修正值乘以松弛系数(小于1的正值)，然后将其加到初始浓度网格数据或初始排放量网格数据上，形成修正后的初始浓度网格数据或初始排放量网格数据，反复进行上述空气物质预测、基于实测的修正、以及差值获取，直到该修正值ΔE和/或修正值ΔC收敛到预定阈值以下为止，从而完成最终的对初始浓度网格数据和/或初始排放量网格数据的修正。

下面，将描述如何获取用来求得修正值ΔE或修正值ΔC的反函数。在本发明中，在执行基于化学物质扩散/反应模型的时间进展计算的同时执行DDM(去耦直接法)处理，可以获取初始浓度网格数据/排出量网格数据的各位置×成分与预测浓度网格数据之间的灵敏度数据矩阵。然后，将进行线性化和有效性选择简化后的该灵敏度数据矩阵进行反转来求得前述的反函数G^-1(Δ)。

图3是示出了根据本发明的观测区域中的空气物质排放源的排放量方法的流程图。

如图3所示，在步骤301，基于各空气物质成分的初始浓度网格数据、各空气物质排放源的初始排放量网格数据和气象模型解析数据执行基于化学物质扩散/反应模型的时间进展计算和DDM运算，获取预测浓度网格数据和用于求得修正值ΔE和/或修正值ΔC的反函数。在步骤303，利用实时观测到的实际观测浓度数据对预测浓度网格数据进行修正，获取修正后的浓度网格数据。在步骤305，将预测浓度网格数据减去该修正后的浓度网格数据，获取修正前后的差值浓度网格数据Δ。

在步骤307，判断是否存在大于预定的阈值的差值浓度网格数据Δ。如果在步骤307判断为存在大于预定的阈值的差值浓度网格数据Δ(步骤307的是)，则进入步骤313。如果在步骤307判断为不存在大于预定的阈值的差值浓度网格数据Δ(步骤307的否)，则整个过程结束。

在步骤313，利用步骤301中所获取的反函数，仅针对初始浓度网格数据进行逆变换，获取针对初始浓度网格数据的修正值ΔC。

在步骤315，判断是否存在大于预定阈值的修正值ΔC。如果在步骤315中判断为存在大于预定阈值的修正值ΔC(步骤315的是)，则进入步骤317。在该步骤317中，将该修正值ΔC乘以松弛系数(1以下的值)并加到初始浓度网格数据上，得到修正后的初始浓度网格数据。然后，转到步骤301，利用该修正后的初始浓度网格数据反复执行上述空气物质预测、基于实测的修正、以及差值获取等过程，直到在步骤315判断为不存在大于预定阈值的修正值ΔC(即，修正值ΔC收敛到阈值以下)为止。

如果在步骤315判断为不存在大于预定阈值的修正值ΔC，则转到步骤309。在步骤309，仅针对排放量网格数据进行逆变换，获取针对初始排放量网格数据的修正值ΔE。

在步骤311判断是否存在大于另一预定阈值的修正值ΔE。如果在步骤311中判断为存在大于该另一预定阈值的修正值ΔE(步骤311的是)，则进入步骤319。在该步骤319中，将该排放量修正值ΔE乘以松弛系数(1以下的值)并加到初始排放量网格数据上，形成修正后的初始排放量网格数据。然后，转到步骤301，利用该修正的初始排放量网格数据反复执行上述空气物质预测、基于实测的修正、以及差值获取等过程，直到在步骤311判断为不存在大于该另一预定阈值的修正值ΔE为止。

如果在步骤311判断为不存在大于该另一预定阈值的修正值ΔE(即，修正值ΔE收敛到该另一阈值以下)，则整个过程结束。

图4是示出了根据本发明的越境污染或新空气物质排放源的确定和显示方法的流程图。

图4中的步骤401～405与图3的步骤301～305类似，在此不再重复描述。

在步骤407，判断是否存在大于预定的阈值的差值浓度网格数据Δ。如果在步骤407判断为存在大于预定的阈值的差值浓度网格数据Δ(步骤407的是)，则进入步骤409。如果在步骤407判断为不存在大于预定的阈值的差值浓度网格数据Δ(步骤407的否)，则整个过程结束。

在步骤409，利用步骤401中所获取的反函数，仅针对处于观测区域的边界的初始浓度网格数据进行逆变换，获取针对处于观测区域的边界的初始浓度网格数据的边界修正值ΔC。例如，如图2所示，针对空气物质成分n，处于观测区域的边界的初始浓度网格数据包括C11、C12、C13、C14、C15、C25、C35、C45、C55、C54、C53、C52、C51、C41、C31、C21。

在步骤411，判断是否存在大于预定阈值的边界修正值ΔC。如果在步骤411中判断为存在大于预定阈值的边界修正值ΔC(步骤411的是)，则进入步骤413。在该步骤413中，将该边界修正值ΔC乘以松弛系数(1以下的值)并加到对应的初始浓度网格数据上，形成修正后的初始浓度网格数据。然后，转到步骤401，利用该修正的初始浓度网格数据反复执行上述空气物质预测、基于实测的修正、以及差值获取等过程，直到在步骤411判断为不存在大于预定阈值的边界修正值ΔC(即，修正值ΔC收敛到阈值以下)为止。

此时，还可以在步骤415，根据最终的针对处于观测区域的边界的初始浓度网格数据的修正量，来确定并显示(指示)来自观测区域之外的越境污染状况。

如果在步骤411判断为不存在大于预定阈值的边界修正值ΔC，则转到步骤417。在步骤417，仅针对排放量网格数据进行逆变换，获取针对初始排放量网格数据的修正值ΔE。

在步骤419判断是否存在大于另一预定阈值的修正值ΔE。如果在步骤419中判断为存在大于该另一预定阈值的修正值ΔE(步骤419的是)，则进入步骤421。在该步骤421中，将该排放量修正值ΔE乘以松弛系数(1以下的值)并加到初始排放量网格数据上，来形成修正后的初始排放量网格数据。然后，转到步骤401，利用该修正的初始排放量网格数据反复执行上述空气物质预测、基于实测的修正、以及差值获取等过程，直到在步骤419判断为不存在大于该另一预定阈值的修正值ΔE(即，修正值ΔE收敛到该另一阈值以下)为止。

如果在步骤419判断为不存在大于该另一预定阈值的修正值ΔE，则根据最终的针对空气物质排放源的初始排放量网格数据的修正量，来确定并显示(指示)新空气物质排放源引起的新排放量的发生状况。

以上列举了若干具体实施例来详细阐明本发明，这些个例仅用于说明本发明的原理及其实施方法，而非对本发明的限制，在不脱离本发明的精神和范围的情况下，本领域的技术人员还可以做出各种变形和改进。因此，本发明不应由上述实施例来限定，而应由所附权利要求及其等价物来限定。

Claims (8)

1.一种观测区域中的空气物质排放源的排放量修正方法，包括：

预测步骤，将观测区域中的各空气物质成分的初始浓度网格数据、各空气物质排放源的初始排放量网格数据和气象模型解析数据输入空气物质预测模型，获取预定时间后的预测浓度网格数据；

基于实测的修正步骤，利用实时观测到的实际观测浓度数据对所述预测浓度网格数据进行修正，获取修正后的浓度网格数据；

差值获取步骤，将预测浓度网格数据减去该修正后的浓度网格数据，获取修正前后的差值浓度网格数据；以及

初始数据修正步骤，基于所述修正前后的差值浓度网格数据，利用初始浓度网格数据和/或初始排出量网格数据与预测浓度网格数据之间的灵敏度数据矩阵的反函数，计算针对初始浓度网格数据和/或初始排出量网格数据的修正值，从而对初始浓度网格数据和/或初始排出量网格数据进行修正。

2.根据权利要求1所述的方法，其特征在于：

所述初始排出量网格数据是通过对由设置在空气物质排放源处或其附近的传感器观测到的排放量的历史统计数据进行统计而获取的。

3.根据权利要求1所述的方法，其特征在于：

所述初始数据修正步骤包括：

基于所述修正前后的差值浓度网格数据，利用所述反函数，仅针对初始浓度网格数据进行逆变换，计算针对初始浓度网格数据的初始浓度修正值；

如果存在大于预定阈值的初始浓度修正值，则将该初始浓度修正值乘以松弛系数来获取修正后的初始浓度网格数据，利用该修正后的初始浓度网格数据，反复执行所述预测步骤、所述基于实测的修正步骤、所述差值获取步骤，直到所计算出的针对初始浓度网格数据的初始浓度修正值收敛到所述预定阈值以下为止。

4.根据权利要求3所述的方法，其特征在于：

所述初始数据修正步骤还包括：

如果所计算出的对初始浓度网格数据的初始浓度修正值收敛到所述预定阈值以下，则基于所述修正前后的差值浓度网格数据，利用所述反函数，仅针对初始排放量网格数据进行逆变换，获取针对初始排放量网格数据的初始排放量修正值；

如果存在大于另一预定阈值的初始排放量修正值，则将该初始排放量修正值乘以松弛系数来获取修正后的初始排放量网格数据，利用该修正后的初始排放量网格数据，反复执行所述预测步骤、所述基于实测的修正步骤、所述差值获取步骤，直到所计算出的针对初始排放量网格数据的初始排放量修正值收敛到所述另一预定阈值以下为止。

5.根据权利要求1所述的方法，其特征在于：

所述初始数据修正步骤包括：

基于所述修正前后的差值浓度网格数据，利用所述反函数，仅针对处于所述观测区域的边界的初始浓度网格数据进行逆变换，计算针对处于所述观测区域的边界的初始浓度网格数据的边界初始浓度修正值；

如果存在大于预定阈值的边界初始浓度修正值，则将该边界初始浓度修正值乘以松弛系数来获取修正后的初始浓度网格数据，利用该修正后的初始浓度网格数据，反复执行所述预测步骤、所述基于实测的修正步骤、所述差值获取步骤，直到所计算出的针对处于所述观测区域的边界的初始浓度网格数据的边界初始浓度修正值收敛到所述预定阈值以下为止；

根据最终的对处于所述观测区域的边界的初始浓度网格数据的修正量来确定并指示来自所述观测区域之外的跨境物质影响状况。

6.根据权利要求5所述的方法，其特征在于：

所述初始数据修正步骤还包括：

如果所计算出的针对处于所述观测区域的边界的初始浓度网格数据的边界初始浓度修正值收敛到所述预定阈值以下，则基于所述修正前后的差值浓度网格数据，利用所述反函数，仅对初始排放量网格数据进行逆变换，获取针对初始排放量网格数据的初始排放量修正值；

如果存在大于另一预定阈值的初始排放量修正值，则将该初始排放量修正值乘以松弛系数来获取修正后的初始排放量网格数据，利用该修正后的初始排放量网格数据，反复执行所述预测步骤、所述基于实测的修正步骤、所述差值获取步骤，直到所计算出的针对初始排放量网格数据的初始排放量修正值收敛到所述另一预定阈值以下为止；

基于最终的对初始排放量网格数据的修正量来确定并指示来自新空气物质排放源的新排放量的发生状况。

7.根据权利要求1所述的方法，其特征在于：

所述空气物质预测模型是空气物质扩散和/或反应模型。

8.一种观测区域中的空气物质排放源的排放量修正装置，包括：

预测单元，将观测区域中的各空气物质成分的初始浓度网格数据、各空气物质排放源的初始排放量网格数据和气象模型解析数据输入空气物质预测模型，获取预定时间后的预测浓度网格数据；

基于实测的修正单元，利用实时观测到的实际观测浓度数据对所述预测浓度网格数据进行修正，获取修正后的浓度网格数据；

差值获取单元，将预测浓度网格数据减去该修正后的浓度网格数据，获取修正前后的差值浓度网格数据；以及

初始数据修正单元，基于所述修正前后的差值浓度网格数据，利用初始浓度网格数据和/或初始排出量网格数据与预测浓度网格数据之间的灵敏度数据矩阵的反函数，计算针对初始浓度网格数据和/或初始排出量网格数据的修正值，从而对初始浓度网格数据和/或初始排出量网格数据进行修正。