CN109523083A - 大气污染排放测算模型建立、测算方法及模型建立装置 - Google Patents
大气污染排放测算模型建立、测算方法及模型建立装置 Download PDFInfo
- Publication number
- CN109523083A CN109523083A CN201811396625.9A CN201811396625A CN109523083A CN 109523083 A CN109523083 A CN 109523083A CN 201811396625 A CN201811396625 A CN 201811396625A CN 109523083 A CN109523083 A CN 109523083A
- Authority
- CN
- China
- Prior art keywords
- data
- heat
- industrial
- air pollution
- emission
- 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.)
- Pending
Links
- 238000003915 air pollution Methods 0.000 title claims abstract description 105
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000009776 industrial production Methods 0.000 claims abstract description 24
- 230000005855 radiation Effects 0.000 claims description 24
- 238000004519 manufacturing process Methods 0.000 claims description 23
- 239000003344 environmental pollutant Substances 0.000 claims description 22
- 231100000719 pollutant Toxicity 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000012544 monitoring process Methods 0.000 claims description 15
- 239000003245 coal Substances 0.000 claims description 14
- 238000012417 linear regression Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 10
- 239000007789 gas Substances 0.000 claims description 9
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 claims description 8
- 239000000809 air pollutant Substances 0.000 claims description 6
- 231100001243 air pollutant Toxicity 0.000 claims description 6
- 239000000428 dust Substances 0.000 claims description 3
- DOTMOQHOJINYBL-UHFFFAOYSA-N molecular nitrogen;molecular oxygen Chemical compound N#N.O=O DOTMOQHOJINYBL-UHFFFAOYSA-N 0.000 claims 1
- 239000000463 material Substances 0.000 abstract description 12
- 238000001514 detection method Methods 0.000 abstract description 9
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 12
- 238000009826 distribution Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 239000000047 product Substances 0.000 description 5
- 241000196324 Embryophyta Species 0.000 description 4
- 238000000691 measurement method Methods 0.000 description 4
- 239000010865 sewage Substances 0.000 description 4
- 238000012216 screening Methods 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 2
- 239000004568 cement Substances 0.000 description 2
- 235000019504 cigarettes Nutrition 0.000 description 2
- 238000011109 contamination Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003455 independent Effects 0.000 description 2
- 238000003331 infrared imaging Methods 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 241000790917 Dioxys <bee> Species 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 241000208818 Helianthus Species 0.000 description 1
- 235000003222 Helianthus annuus Nutrition 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 239000005864 Sulphur Substances 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009415 formwork Methods 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
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
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
本发明提供了一种大气污染排放测算模型建立、测算方法及模型建立装置,涉及大气污染排放统计的技术领域,包括:获取热异常数据、遥感影像数据和兴趣点数据,得到工业热源样本数据库;对工业热源样本数据库中的数据进行分类;获取工业生产统计数据,根据工业生产统计数据确定各类源的排放因子;根据各类源的排放因子的统计数据与筛选分类后的工业热源样本数据库中的热异常数据进行拟合,建立大气污染排放测算模型。可以动态检测整个区域的工业企业的大气污染排放情况,减少测算时间、增加测算准确性,并减少人力物力资源的支出。
Description
技术领域
本发明涉及大气污染排放统计技术领域,尤其是涉及一种大气污染排放测算模型建立方法及装置。
背景技术
传统用于工业大气污染排放的测算的方法有实测法、产排污系数法、物料衡算法等。实测法是根据监测数据测算实际排放量的方法,通过每小时的污染物实测浓度数据、平均烟气量、运行时间核算污染物年排放量,该方法的缺点在于实测数据会存在系统的主观误差,同时,对排污口进行逐小时的监测费时费力,并且有些排污口可能由于结构等原因很难展开监测。产物系数法通常通过《固定源监测质量保证与质量控制技术规范》中的污染物排放系数,结合各装置燃气用量进行核算。物料衡算法通常根据《工业污染源产排污系数手册》中的公式和系数,以物料守恒原理计算大气污染排放总量。这两种方法测算出的排放量由于缺少考虑真实的工况情况,会与实际的大气污染排放量有所出入。同时,这3种测算方法主要用于固定污染源排放总量的核算,对于工业企业的无组织排放很难进行测算。而且年度统计工业排放量时,由于数据量繁多,需要很长时间才能得到统计结果,使统计结果很难的跟上监管需求。
针对上述现有技术中工业大气污染排放的测算方法主要用于固定污染源排放总量的核算,测算时间长、测算准确性较差、人力物力资源使用较多的问题,目前尚未提出有效解决方案。
遥感监测技术是通过航空或卫星等收集环境的电磁波信息对远离的环境目标进行监测识别环境质量状况的技术,它是一种先进的环境信息获取技术,在获取大面积同步和动态环境信息方面“快”而“全”,是其他检测手段无法比拟和完成的。如若应用在工业大气污染排放的测算中,将解决传统排放统计中面临的受主观误差大,费时费力,监测具有空间局限性等问题。
发明内容
有鉴于此,本发明的目的在于提供一种大气污染排放测算模型建立、测算方法及模型建立装置,以动态检测整个区域的工业企业的大气污染排放情况,减少测算时间、增加测算准确性,并减少人力物力资源的支出。
第一方面,本发明实施例提供了一种大气污染排放测算模型建立方法,包括:获取热异常数据、遥感影像数据和兴趣点数据,并根据热异常数据、遥感影像数据和兴趣点数据得到工业热源样本数据库,热异常数据包括热异常点的辐射能量值;对工业热源样本数据库中的数据进行分类;获取工业生产统计数据,根据工业生产统计数据确定各类源的排放因子;根据各类源的排放因子的统计数据与筛选分类后的工业热源样本数据库中的热异常数据进行拟合,建立大气污染排放测算模型。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,对工业热源样本数据库中的数据进行分类,包括:对工业热源样本数据库中的数据根据区域、用途进行分类。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实施方式,其中,工业生产统计数据包括:煤炭消耗量、产能和大气污染物排放因子的排放量;大气污染物排放因子至少包括二氧化硫、氮氧化物和烟粉尘。
结合第一方面,本发明实施例提供了第一方面的第三种可能的实施方式,其中,根据各类源的排放因子的统计数据与筛选分类后的工业热源样本数据库中的热异常数据进行拟合,建立大气污染排放测算模型,包括:使用多元线性回归分析、地理时空加权模型对各类源的排放因子的统计数据与筛选分类后的工业热源样本数据库中的热异常数据进行拟合,建立大气污染排放测算模型。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实施方式,其中,获取热异常数据、遥感影像数据和兴趣点数据,并根据热异常数据、遥感影像数据和兴趣点数据得到工业热源样本数据库,包括:获取热异常数据,对热异常数据进行预处理;获取遥感影像数据和兴趣点数据,对遥感影像数据和兴趣点数据进行预处理;用预处理后的遥感影像数据和兴趣点数据筛选预处理后的热异常数据,得到工业热源样本数据库。
结合第一方面,本发明实施例提供了第一方面的第五种可能的实施方式,其中,对热异常数据进行预处理,包括:结合热异常点、土地利用和土地覆盖数据、夜间灯光指数,通过时间滤波、空间滤波和热点亮温,对热异常数据进行预处理。
结合第一方面,本发明实施例提供了第一方面的第六种可能的实施方式,其中,还包括:根据工业热源样本数据库中的经筛选过的各类热异常数据的数量和辐射能量值,分析各类工业热源随工厂数量和生产情况变化的关系;根据工业热源样本数据库中的经筛选过的各类热异常数据,分析各类工业热源随时间变化的关系;根据工业热源样本数据库中的经筛选过的各类热异常数据,分析各类工业热源随空间变化的关系。
第二方面,本发明实施例还提供一种大气污染排放测算方法,应用于第一方面及其各可能的实施方式之一获得的的大气污染排放测算模型,包括:获得需要进行测算的工业热源的热异常数据中的辐射强度数据;将辐射强度数据的辐射能量值输入到大气污染排放测算模型;通过大气污染排放测算模型计算大气污染排放测算结果。
结合第二方面,本发明实施例提供了第二方面的第一种可能的实施方式,其中,还包括:获得统计数据中大气污染排放数据和大气污染物浓度监测数据;分析大气污染排放测算结果与统计数据中大气污染排放数据和大气污染物浓度监测数据的一致性。
第三方面,本发明实施例还提供一种大气污染排放模型建立装置,包括:数据库建立模块,用于获取热异常数据、遥感影像数据和兴趣点数据,并根据热异常数据、遥感影像数据和兴趣点数据得到工业热源样本数据库,热异常数据包括热异常点的辐射能量值;分类模块,用于对工业热源样本数据库中的数据进行分类;排放因子拟合模块,用于获取工业生产统计数据,根据工业生产统计数据确定各类源的排放因子;模型建立模块,用于根据各类源的排放因子的统计数据与筛选分类后的工业热源样本数据库中的热异常数据进行拟合,建立大气污染排放测算模型。
本发明实施例带来了以下有益效果:
通过热异常数据、遥感影像数据和兴趣点数据建立工业热源样本数据库,按工业源类型分类后,结合从工业生产统计数据中获得的排放因子,建立大气污染排放模型。通过大气污染排放模型可以动态检测整个区域的工业企业的大气污染排放情况,减少测算时间、增加测算准确性,并减少人力物力资源的支出。
本公开的其他特征和优点将在随后的说明书中阐述,或者,部分特征和优点可以从说明书推知或毫无疑义地确定,或者通过实施本公开的上述技术即可得知。
为使本公开的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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他的附图。
图1为本发明实施例提供的一种大气污染排放模型建立方法的流程图;
图2为本发明实施例提供的一种工业热源样本数据库建立方法的流程图;
图3为本发明实施例提供的一种大气污染排放测算方法的流程图;
图4为本发明实施例提供的一种大气污染排放模型建立装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
传统用于工业大气污染排放的测算的方法有实测法、产排污系数法、物料衡算法等。实测法是根据监测数据测算实际排放量的方法,通过每小时的污染物实测浓度数据、平均烟气量、运行时间核算污染物年排放量,该方法的缺点在于实测数据会存在系统的主观误差,同时,对排污口进行逐小时的监测费时费力,并且有些排污口可能由于结构等原因很难展开监测。产物系数法通常通过《固定源监测质量保证与质量控制技术规范》中的污染物排放系数,结合各装置燃气用量进行核算。物料衡算法通常根据《工业污染源产排污系数手册》中的公式和系数,以物料守恒原理计算大气污染排放总量。这两种方法测算出的排放量由于缺少考虑真实的工况情况,会与实际的大气污染排放量有所出入。同时,这3种测算方法主要用于固定污染源排放总量的核算,对于工业企业的无组织排放很难进行测算。而且年度统计工业排放量时,由于数据量繁多,需要很长时间才能得到统计结果,使统计结果很难的跟上监管需求。
基于此,本发明实施例提供的一种大气污染排放模型建立、测算方法及模型建立装置,通过热异常数据、遥感影像数据和兴趣点数据建立工业热源样本数据库,在分类后结合从工业生产统计数据中获得的排放因子,建立大气污染排放模型。可以动态检测整个区域的工业企业的大气污染排放情况,减少测算时间、增加测算准确性,并减少人力物力资源的支出。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种大气污染排放模型建立方法进行详细介绍。
实施例1
本发明实施例1提供了一种大气污染排放模型建立方法,参见图1所示的一种大气污染排放模型建立方法的流程图,包括如下步骤:
步骤S102,获取热异常数据、遥感影像数据和兴趣点数据,并根据热异常数据、遥感影像数据和兴趣点数据得到工业热源样本数据库。
热异常数据包括热异常点的辐射能量值,热异常数据以Suomi-NPP(NationalPolar-orbiting Partnership,国家极地轨道伴随卫星)中的VIIRS(Visible InfraredImaging Radiometer Suite,可见光红外成像辐射仪)夜间热异常产品为主要数据源。Suomi-NPP是美国国家极轨业务环境卫星系统预备项目的首颗卫星,Suomi-NPP卫星上搭载了VIIRS,VIIRS作为美国第二代中分辨率影像辐射计,主要用于检测陆地、大气、冰和海洋在可见光和红外波段上的辐射变化,为检测移动火、植被、海洋水色、洋面温度和其他地表变化提供数据。遥感影像(Remote Sensing Image,RS)是指记录各种地物电磁波大小的胶片或照片,主要分为航空像片和卫星相片。兴趣点(Point of Interest,POI)是地理信息系统中的术语,泛指一切可以抽象为点的地理对象,尤其是一些与人们生活密切相关的地理实体,如学校、银行、餐馆、加油站、医院、超市等。兴趣点的主要用途是对事物或事件的地址进行描述,能在很大程度上增强对事物或事件位置的描述能力和查询能力,提高地理定位的精度和速度。热异常数据提供了地表热辐射变化的信息,遥感影像数据提供了地表实况信息,兴趣点数据提供了定位信息,将热异常数据、遥感影像数据和兴趣点数据结合,就可以将工业企业的热异常数据提取出来,并附上准确的地理信息、行业信息,构建工业热源样本数据库。
通过MODIS(Moderate-Resolution Dmaging Spectroradiometer,中分辨率成像光谱仪)、JPSS(Joint Polar Satellite System,联合极轨卫星系统)等极轨卫星和Himawari 8(向日葵8号)等静止卫星、以及今后发射各种卫星的数据通过波段计算也可反演出热异常数据,用于工业大气污染排放测算。
步骤S104,对工业热源样本数据库中的数据进行分类。
工业热源样本数据库中,包含了不同类别的工业及其POI的位置信息以及热异常点的辐射强度信息,因此,需要通过POI信息对热异常点进行分类,为更加方便的构建模型。分类的方式可以按照区域、强度、类型等进行分类。分类构建大气污染排放模型。
步骤S106,获取工业生产统计数据,根据工业生产统计数据确定各类源的排放因子。
工业生产统计数据主要表明不同地区工业生产活动状况,可以从工业生产统计数据得到大气污染排放因子。工业生产统计数据包括了工业生产的数据,包括类别、生产产值、生产时间、生产工艺、生产强度、煤炭消耗量和大气污染物浓度排放数据等。排放因子是指排放标准中限定的某种污染物。
步骤S108,根据各类源的排放因子的统计数据与筛选分类后的工业热源样本数据库中的热异常数据进行拟合,建立大气污染排放测算模型。
排放因子可以体现大气污染排放的程度,不同类型的工业源排放强度可能会有差别,因此对工业热源样本数据库中的热异常数据进行分类后与各类工业源排放因子统计数据进行拟合,构建大气污染排放模型。
本发明实施例提供的上述方法,通过热异常数据、遥感影像数据和兴趣点数据建立工业热源样本数据库,在分类后结合从工业生产统计数据中获得的排放因子,建立大气污染排放模型。通过大气污染排放模型可以动态检测整个区域的工业企业的大气污染排放情况,减少测算时间、增加测算准确性,并减少人力物力资源的支出。
在对工业热源样本数据库中的数据进行分类的过程中,可以按照用途或地区进行分类,上述方法还包括:对工业热源样本数据库中的数据根据区域、用途进行分类。以区域分类为例,可以按照不同城市,不同的区县进行分类;以用途分类为例,可以按照不同的用途进行分类,例如可以分为:水泥厂、钢铁厂、发电厂等等。也可以综合区域和用途进行分类,例如:A市水泥厂、A市发电厂、B市钢铁厂、B市发电厂等等。
本发明实施例提供的上述方法,可以通过对区域或用途进行划分,分类工业热源样本数据库中的数据。
一般来说,煤炭消耗越高,释放的热量越高,大气污染排放越高;生产产值较高的企业也有较高的大气污染排放风险;不同类型的工厂,影响大气污染排放的影响因子也并不相同。因此需分行业构建大气污染排放模型,建模时需考虑的因素至少包括煤炭消耗量、产能和大气污染物的排放量;大气污染物至少包括二氧化硫、氮氧化物和烟(粉)尘,上述方法还包括:工业生产统计数据包括:煤炭消耗量、产能和大气污染物排放因子的排放量;大气污染物排放因子至少包括二氧化硫、氮氧化物和烟粉尘。
由于工业企业的热异常数据表现的是工业企业对环境释放热的能力,其与工业企业的煤炭消耗必然存在最为直接的关系,而煤炭的消耗会造成大气污染物的生成,因此可以以煤炭消耗量为桥梁构建大气污染排放估算模型。此外,有些大气污染物的产生是工业生产形成的副产品,因此在建模时也可以以工业产能为桥梁构建大气污染排放估算模型。
本发明实施例提供的上述方法,在对热异常点数据与排放因子统计数据进行拟合的过程中,应当选择合适的方法分析,上述方法还包括:使用多元线性回归分析、地理时空加权模型对排放因子与分类后的工业热源样本数据库中的数据进行拟合,建立热点辐射强度与煤炭消耗、产能、排放因子的线性回归方程,计算相关性系数,建立各因子间的定量对应关系,结合实际生产情况建立大气污染排放模型,即使用多元线性回归分析、地理时空加权模型对各类源的排放因子的统计数据与筛选分类后的工业热源样本数据库中的热异常数据进行拟合,建立大气污染排放测算模型。
在回归分析中,如果有两个或两个以上的自变量,就称为多元回归。事实上,一种现象常常是与多个因素相联系的,由多个自变量的最优组合共同来预测或估计因变量,比只用一个自变量进行预测或估计更有效,更符合实际。因此多元线性回归比一元线性回归的实用意义更大。地理时空加权模型是一个局部线性回归模型,可以同时考虑空间和时间非平稳性。因此,采用多元线性回归和地理时空加权模型建立大气污染排放模型,可以具有更高的准确性。
本发明实施例提供的上述方法,采用多元线性回归和地理时空加权模型进行拟合,建立大气污染排放模型,大气污染排放模型具有更高的准确性。
在建立工业热源样本数据库的过程中需要对数据进行预处理,参见图2所示的一种工业热源样本数据库建立方法的流程图,例如,可以按照以下步骤执行:
步骤S202,获取热异常数据,对热异常数据进行预处理。
热异常数据Suomi-NPP卫星中的VIIRS夜间热异常产品为主要数据源。在获得热异常数据后,需要筛选工业热源,计算工业热能释放,并进一步推算大气污染排放水平,需要进行预处理操作。预处理包括:结合热异常点、土地利用和土地覆盖数据、夜间灯光指数,通过时间滤波、空间滤波和热点亮温,对热异常数据进行预处理。土地覆盖是随遥感技术发展而出现的一个新概念,其含义与“土地利用”相近,只是研究的角度有所不同。土地覆盖侧重于土地的自然属性,土地利用侧重于土地的社会属性,对地表覆盖物(包括已利用和未利用)进行分类。如对林地的划分,前者根据林地生态环境的不同,将林地分为针叶林地、阔叶林地、针阔混交林地等,以反映林地所处的生境、分布特征及其地带性分布规律和垂直差异。利用土地利用和土地覆盖数据可将未落在工业区的热异常点过滤掉。夜间灯光指数来源于夜间灯光遥感数据,夜间灯光遥感数据可以使用Suomi-NPP的夜间灯光产品。夜间灯光数据可以展现区域的经济发展状况。辅助工业热异常数据观测工业企业夜间生产情况。时间滤波和空间滤波指通过污染源排放在时间、空间上的特点对热异常点数据进行滤波,目的是改善数据质量,包括去除非工业热异常数据、增强热异常点识别准确性等。
步骤S204,获取遥感影像数据和兴趣点数据,对遥感影像数据和兴趣点数据进行预处理。
以高空间分辨率遥感影像辅助兴趣点建立工业热源样本数据库,以确保工业热源的分布的准确性。遥感数据具有空间连续、实时等特点,可以高效、全面的展现区域工业企业空间分布情况,客观的通过识别工业企业的热排放,监控工业企业的生产情况。
步骤S206,用预处理后的遥感影像数据和兴趣点数据筛选预处理后的热异常数据,得到工业热源样本数据库。
经过预处理后,工业热源样本数据库中的数据更加准确,去除了噪声信息。
本发明实施例提供的上述方法,在建立工业热源样本数据库的过程中对数据进行预处理,构建的工业热源样本数据库可更加准确的表现工业企业的分布。
还可以对工业源大气污染进行特征分析,上述方法还包括:根据工业热源样本数据库中的经筛选过的各类热异常数据的数量和辐射能量值,分析各类工业热源随工厂数量和生产情况变化的关系;根据工业热源样本数据库中的经筛选过的各类热异常数据,分析各类工业热源随时间变化的关系;根据工业热源样本数据库中的经筛选过的各类热异常数据,分析各类工业热源随空间变化的关系。
分别分析工业热异常点数量、时间、和空间上的变化,可以结合监管政策、市场规律以及生产工艺、减排措施等,对多时相的工业热源数量、强度以年、季、月不同时间尺度的变化进行统计分析;使用地理统计分析、空间统计分析等方法对工业热源的空间分布规律进行分析。对区域污染源污染评估具有很大的应用前景。
本发明实施例提供的上述方法,对工业源大气污染进行特征分析,提高了污染源时空分布统计的效率。
本实施例提供的一种大气污染排放测算模型建立方法,通过热异常数据、遥感影像数据和兴趣点数据建立工业热源样本数据库,按工业源类型分类后,结合从工业生产统计数据中获得的排放因子,建立大气污染排放模型;可以通过对区域或用途进行划分,分类工业热源样本数据库中的数据;采用多元线性回归和地理时空加权模型进行拟合,建立大气污染排放模型,大气污染排放模型具有更高的准确性;在建立工业热源样本数据库的过程中对数据进行预处理,构建的工业热源样本数据库可更加准确的表现工业企业的分布;对工业源大气污染进行特征分析,提高了污染源时空分布统计的效率。通过大气污染排放模型可以动态检测整个区域的工业企业的大气污染排放情况,减少测算时间、增加测算准确性,并减少人力物力资源的支出,提高了污染源时空分布统计的效率。
实施例2
本发明实施例2提供一种大气污染排放测算方法,参见图3所示的一种大气污染排放测算方法的流程图,包括如下步骤:
步骤S302,获得需要进行测算的工业热源的热异常数据中的辐射强度数据。
在建立大气污染排放模型后,可以使用该大气污染排放模型估算大气污染排放。通过输入热异常数据,产能和煤炭消耗等参数就可以推算大气污染排放情况。
步骤S304,将辐射强度数据的辐射能量值输入到大气污染排放测算模型。
通过输入热异常数据,产能和煤炭消耗等参数就可以推算大气污染排放情况。
步骤S306,通过大气污染排放测算模型计算大气污染排放测算结果。
估算的是排放因子的排放量,即通过热异常点的辐射能量数据、煤炭消耗量、产能作为参数输入到估算模型中、估算工业企业生产过程中排放的大气污染物排放浓度。
本发明实施例提供的上述方法,可以通过估算大气污染排放模型,计算大气污染排放,通过大气污染排放模型可以动态检测整个区域的工业企业的大气污染排放情况,减少测算时间、增加测算准确性,并减少人力物力资源的支出。
在预测完成后,可以与大气污染排放统计数据以及在线污染源监测数据进行验证,上述方法还包括:获得统计数据中大气污染排放数据和大气污染物浓度监测数据;分析大气污染排放测算结果与统计数据中大气污染排放数据和大气污染物浓度监测数据的一致性。
将估算得到的估算大气污染排放与其他排放数据进行对比,就可以得到误差,根据误差可以进一步修正大气污染排放模型,以获得更加准确的预测效果。
本发明实施例提供的上述方法,可以在估算完成后,将估算得到的估算大气污染排放与其他排放数据进行验证,修正大气污染排放模型,以获得更加准确的估算效果。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的大气污染排放测算方法的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本发明实施例提供的大气污染排放测算方法,与上述实施例提供的大气污染排放模型建立方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
实施例3
本发明实施例3提供一种大气污染排放模型建立装置,参见图4所示的一种大气污染排放模型建立装置的结构示意图,包括数据库建立模块41、分类模块42、排放因子拟合模块43和模型建立模块44,上述各模块的功能如下:
数据库建立模块41,用于获取热异常数据、遥感影像数据和兴趣点数据,并根据热异常数据、遥感影像数据和兴趣点数据得到工业热源样本数据库,热异常数据包括热异常点的辐射能量值;
分类模块42,用于对工业热源样本数据库中的数据进行分类;
排放因子拟合模块43,用于获取工业生产统计数据,根据工业生产统计数据确定各类源的排放因子;
模型建立模块44,用于根据各类源的排放因子的统计数据与筛选分类后的工业热源样本数据库中的热异常数据进行拟合,建立大气污染排放测算模型。
上述装置还包括:对工业热源样本数据库中的数据根据区域、用途进行分类。
上述装置中统计数据包括:煤炭消耗量和产能;大气污染排放因子至少包括二氧化硫、氮氧化物和烟(粉)尘。
上述装置还包括:使用多元线性回归分析、地理时空加权模型对排放因子与分类后的工业热源样本数据库中的数据进行拟合,建立大气污染排放模型。
上述装置还包括:
热异常数据模块,用于获取热异常数据,对热异常数据进行预处理;
遥感影像数据和兴趣点数据模块,用于获取遥感影像数据和兴趣点数据,对遥感影像数据和兴趣点数据进行预处理;
工业热源样本数据库模块,用于预处理后的遥感影像数据和兴趣点数据筛选预处理后的热异常数据,得到工业热源样本数据库。
上述装置还包括:结合热异常点土地利用和土地覆盖数据、夜间灯光指数,通过时间滤波和空间滤波的方法,对热异常数据进行预处理。
上述装置还包括:
数量分析模块,用于根据工业热源样本数据库,分析工业热源随工厂数量和生产水平变化的关系;
时间分析模块,用于根据工业热源样本数据库,分析工业热源随时间变化的关系;
空间分析模块,用于根据工业热源样本数据库,分析工业热源随空间变化的关系。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的大气污染排放模型建立装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本发明实施例提供的大气污染排放模型建立装置,与上述实施例提供的大气污染排放模型建立方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解: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,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,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 (10)
1.一种大气污染排放测算模型建立方法,其特征在于,包括:
获取热异常数据、遥感影像数据和兴趣点数据,并根据所述热异常数据、所述遥感影像数据和所述兴趣点数据得到工业热源样本数据库,所述热异常数据包括热异常点的辐射能量值;
对所述工业热源样本数据库中的数据进行分类;
获取工业生产统计数据,根据所述工业生产统计数据确定各类源的排放因子;
根据所述各类源的排放因子的统计数据与筛选分类后的所述工业热源样本数据库中的热异常数据进行拟合,建立大气污染排放测算模型。
2.根据权利要求1所述的方法,其特征在于,对所述工业热源样本数据库中的数据进行分类,包括:对所述工业热源样本数据库中的数据根据区域、用途进行分类。
3.根据权利要求1所述的方法,其特征在于,所述工业生产统计数据包括:煤炭消耗量、产能和大气污染物排放因子的排放量;所述大气污染物排放因子至少包括二氧化硫、氮氧化物和烟粉尘。
4.根据权利要求1所述的方法,其特征在于,根据所述各类源的排放因子的统计数据与筛选分类后的所述工业热源样本数据库中的热异常数据进行拟合,建立大气污染排放测算模型,包括:
使用多元线性回归分析、地理时空加权模型对所述各类源的排放因子的统计数据与筛选分类后的所述工业热源样本数据库中的热异常数据进行拟合,建立大气污染排放测算模型。
5.根据权利要求1所述的方法,其特征在于,获取热异常数据、遥感影像数据和兴趣点数据,并根据所述热异常数据、所述遥感影像数据和所述兴趣点数据得到工业热源样本数据库,包括:
获取热异常数据,对所述热异常数据进行预处理;
获取遥感影像数据和兴趣点数据,对所述遥感影像数据和所述兴趣点数据进行预处理;
用预处理后的所述遥感影像数据和所述兴趣点数据筛选预处理后的所述热异常数据,得到工业热源样本数据库。
6.根据权利要求5所述的方法,其特征在于,对所述热异常数据进行预处理,包括:
结合热异常点、土地利用和土地覆盖数据、夜间灯光指数,通过时间滤波、空间滤波和热点亮温,对所述热异常数据进行预处理。
7.根据权利要求1所述的方法,其特征在于,还包括:
根据所述工业热源样本数据库中的经筛选过的各类热异常数据的数量和辐射能量值,分析各类工业热源随工厂数量和生产情况变化的关系;
根据所述工业热源样本数据库中的经筛选过的各类热异常数据,分析所述各类工业热源随时间变化的关系;
根据所述工业热源样本数据库中的经筛选过的各类热异常数据,分析所述各类工业热源随空间变化的关系。
8.一种大气污染排放测算方法,其特征在于,应用于权利要求1-7任一项方法获得的大气污染排放测算模型,包括:
获得需要进行测算的工业热源的热异常数据中的辐射强度数据;
将所述辐射强度数据的辐射能量值输入到所述大气污染排放测算模型;
通过所述大气污染排放测算模型计算大气污染排放测算结果。
9.根据权利要求8所述的方法,其特征在于,还包括:
获得统计数据中大气污染排放数据和大气污染物浓度监测数据;
分析所述大气污染排放测算结果与所述统计数据中大气污染排放数据和大气污染物浓度监测数据的一致性。
10.一种大气污染排放模型建立装置,其特征在于,包括:
数据库建立模块,用于获取热异常数据、遥感影像数据和兴趣点数据,并根据所述热异常数据、所述遥感影像数据和所述兴趣点数据得到工业热源样本数据库,所述热异常数据包括热异常点的辐射能量值;
分类模块,用于对所述工业热源样本数据库中的数据进行分类;
排放因子拟合模块,用于获取工业生产统计数据,根据所述工业生产统计数据确定各类源的排放因子;
模型建立模块,用于根据所述各类源的排放因子的统计数据与筛选分类后的所述工业热源样本数据库中的热异常数据进行拟合,建立大气污染排放测算模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811396625.9A CN109523083A (zh) | 2018-11-21 | 2018-11-21 | 大气污染排放测算模型建立、测算方法及模型建立装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811396625.9A CN109523083A (zh) | 2018-11-21 | 2018-11-21 | 大气污染排放测算模型建立、测算方法及模型建立装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109523083A true CN109523083A (zh) | 2019-03-26 |
Family
ID=65778439
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811396625.9A Pending CN109523083A (zh) | 2018-11-21 | 2018-11-21 | 大气污染排放测算模型建立、测算方法及模型建立装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109523083A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112034801A (zh) * | 2020-08-30 | 2020-12-04 | 上海市环境科学研究院 | 挥发性有机污染物总量排污系数计算方法、系统、介质及终端 |
CN112257551A (zh) * | 2020-10-19 | 2021-01-22 | 北京市劳动保护科学研究所 | 一种氮氧化物污染源识别及排放量确定的方法及系统 |
CN117034588A (zh) * | 2023-07-31 | 2023-11-10 | 广东省科学院广州地理研究所 | 基于夜光遥感和兴趣点的产业碳排放空间模拟方法和系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156622A (zh) * | 2014-08-27 | 2014-11-19 | 北京市环境保护监测中心 | 一种城市交通颗粒物排放量的估算方法 |
CN104200089A (zh) * | 2014-08-27 | 2014-12-10 | 北京市环境保护监测中心 | 一种测定平房燃煤大气污染物排放量的方法 |
-
2018
- 2018-11-21 CN CN201811396625.9A patent/CN109523083A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156622A (zh) * | 2014-08-27 | 2014-11-19 | 北京市环境保护监测中心 | 一种城市交通颗粒物排放量的估算方法 |
CN104200089A (zh) * | 2014-08-27 | 2014-12-10 | 北京市环境保护监测中心 | 一种测定平房燃煤大气污染物排放量的方法 |
Non-Patent Citations (2)
Title |
---|
孙佳琪等: "基于Suomi-NPP VIIRS夜间热异常产品的城市工业热源分类--以京津冀地区为例", 《地理与地理信息科学》 * |
赵文慧: "北京平原区城乡结合部燃煤散烧及污染物排放量估算", 《环境科学研究》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112034801A (zh) * | 2020-08-30 | 2020-12-04 | 上海市环境科学研究院 | 挥发性有机污染物总量排污系数计算方法、系统、介质及终端 |
CN112257551A (zh) * | 2020-10-19 | 2021-01-22 | 北京市劳动保护科学研究所 | 一种氮氧化物污染源识别及排放量确定的方法及系统 |
CN112257551B (zh) * | 2020-10-19 | 2021-09-10 | 北京市劳动保护科学研究所 | 一种氮氧化物污染源识别及排放量确定的方法及系统 |
CN117034588A (zh) * | 2023-07-31 | 2023-11-10 | 广东省科学院广州地理研究所 | 基于夜光遥感和兴趣点的产业碳排放空间模拟方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Reusser et al. | Analysing the temporal dynamics of model performance for hydrological models | |
Elangasinghe et al. | Complex time series analysis of PM10 and PM2. 5 for a coastal site using artificial neural network modelling and k-means clustering | |
CN106990128B (zh) | 区域尾矿库环境风险评估中斑块影像和污染特征耦合方法 | |
Dennis et al. | A framework for evaluating regional-scale numerical photochemical modeling systems | |
Göckede et al. | A combination of quality assessment tools for eddy covariance measurements with footprint modelling for the characterisation of complex sites | |
Kourgialas et al. | Statistical analysis and ANN modeling for predicting hydrological extremes under climate change scenarios: The example of a small Mediterranean agro-watershed | |
Zhang et al. | Assimilation of precipitation-affected radiances in a cloud-resolving WRF ensemble data assimilation system | |
CN110310019A (zh) | 一种流域水系统协同承载力评价模型的构建方法 | |
CN109523083A (zh) | 大气污染排放测算模型建立、测算方法及模型建立装置 | |
Galmarini et al. | ENSEMBLE and AMET: Two systems and approaches to a harmonized, simplified and efficient facility for air quality models development and evaluation | |
CN114371260A (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 | |
Dong et al. | Vulnerability of urban water infrastructures to climate change at city level | |
Yan et al. | Assimilating multi-source remotely sensed data into a light use efficiency model for net primary productivity estimation | |
CN116050612A (zh) | 基于多技术融合的大气温室气体监测站点选址方法及系统及存储介质 | |
CN111667183A (zh) | 一种耕地质量监测方法及系统 | |
CN115759488A (zh) | 一种基于边缘计算的碳排放监测预警分析系统及其方法 | |
CN114005048A (zh) | 基于多时相数据的土地覆盖变化与热环境影响研究方法 | |
Mittal et al. | Correlation among environmental parameters using an online Smart Weather Station System | |
CN111752990A (zh) | 一种雷电易发性等级划分方法 | |
Ilić et al. | Optimization of heavy metals total emission, case study: Bor (Serbia) | |
CN109325522B (zh) | 基于改进kmeans的重工业时序热源区域识别算法 | |
CN116663779B (zh) | 耕地土壤多深度肥力点面转换方法及装置 | |
CN116466368B (zh) | 基于激光雷达和卫星资料的沙尘消光系数廓线估算方法 | |
CN109213840A (zh) | 基于多维特征深度学习的热点网格识别方法 | |
CN116679356A (zh) | 高时空分辨率下的pm2.5和臭氧混合污染的预测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190326 |