CN109817288A - 一种气溶胶水溶性离子数据挖掘及图形化展示的方法 - Google Patents
一种气溶胶水溶性离子数据挖掘及图形化展示的方法 Download PDFInfo
- Publication number
- CN109817288A CN109817288A CN201811514876.2A CN201811514876A CN109817288A CN 109817288 A CN109817288 A CN 109817288A CN 201811514876 A CN201811514876 A CN 201811514876A CN 109817288 A CN109817288 A CN 109817288A
- Authority
- CN
- China
- Prior art keywords
- water soluble
- aerosol
- graphical representation
- soluble ion
- ion
- 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
Landscapes
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明涉及一种气溶胶水溶性离子数据挖掘及图形化展示的方法,属于空气质量监测技术领域。本发明气溶胶水溶性离子数据挖掘及图形化展示的方法包括:S1、获取目标区域大气气溶胶中水溶性离子的种类及其在大气气溶胶中的绝对浓度数据;S2、根据图形化展示模型对水溶性离子进行分类,将获取的绝对浓度数据转换为相对当量浓度数据;S3、确定分类后各类别的水溶性离子及其相对浓度数据在图形化展示模型中的映射关系,使其以图形化的形式展示出来。采用本发明的方法能直观、清楚显示大气中气溶胶水溶性离子的组成、来源等特征。
Description
技术领域
本发明属于空气质量监测技术领域,涉及一种气溶胶水溶性离子数据挖掘及图形化展示的方法。
背景技术
气溶胶(aerosol)是由固体或液体小质点分散并悬浮在气体介质中形成的胶体分散体系,又称气体分散体系,其分散相为固体或液体小质点,其大小为0.001μm~100μm,分散介质为气体。液体气溶胶通常称为雾,固体气溶胶通常称为雾烟。天空中的云、雾、尘埃,工业上和运输业上用的锅炉和各种发动机里未燃尽的燃料所形成的烟,采矿、采石场磨材和粮食加工时所形成的固体粉尘,人造的掩蔽烟幕和毒烟等都是气溶胶的具体实例。大气气溶胶会直接影响太阳辐射及云凝结核的形成,对全球气候变化、大气环境和人体健康都有重要影响。随着城市工业化指数的增加,灰霾天气出现的频率越来越高,气溶胶渐渐成为人们研究关注的焦点,而无机离子是气溶胶颗粒物的重要组成部分,气溶胶中的无机离子根据来源可分为一次离子和二次离子,一次离子是指排放源直接排放到大气中的无机离子,二次离子是指在大气中经过化学反应由一次离子转换而来的无机离子。硫酸盐、硝酸盐、铵盐是二次气溶胶中重要的无机离子,又称为SNA(sulfate、nitrate、ammonium),是表征区域污染的重要指标,这些离子可来自一次排放源的排放,但主要来自大气中气-粒转化过程形成的二次气溶胶,其气态的前体物包括HNO3、HNO2、NO2、SO2和NH3等酸碱性气体,并且受到温度和湿度等气象要素的影响。在霾过程中,颗粒物表面的非均相转化对SO4 2--和NO3 -的形成作用更为明显。据报道,2013年1月北京霾天气下PM2.5中SNA的含量有明显增加,由非霾天的29.3%增长到50.3%;南京霾天气下PM2.5中NH4 +、NO3 -、SO4 2-的质量浓度分别是非霾天的1.71、1.96和1.23倍;广州市霾天PM10中NH4 +、NO3 -、SO4 2-的质量浓度分别是非霾天的3.2、9.7、3.7倍。
目前的监测积累了大量的水溶性无机离子的数据,但缺少快速有效的处理、挖掘和展示监测数据的手段方法,无法直观快速而有效地提炼出无机离子的污染特征(化学组成)和污染时段等信息。气溶胶中无机离子传统分析方法是利用三元维度(三元图)来分析二次离子的分布特征,根据很多研究结果显示,一次离子对气溶胶的来源和形成特点具有更好的表征作用。到目前为止,还没有一种工具可以有效地直观显示一次离子和二次离子,并能表征无机离子的组成特点和来源特征。
发明内容
本发明的目的是针对现有技术存在的上述问题,提出了一种应用于大气质量检测的气溶胶水溶性离子数据挖掘及图形化展示的方法,能直观、清楚显示大气中气溶胶水溶性离子的组成、来源等特征。
本发明的目的可通过下列技术方案来实现:
一种气溶胶水溶性离子数据挖掘及图形化展示的方法,所述方法包括以下步骤:
S1、获取目标区域大气气溶胶中水溶性离子的种类及其在大气气溶胶中的绝对浓度数据;
S2、根据图形化展示模型对水溶性离子进行分类,将获取的绝对浓度数据转换为相对当量浓度数据;
S3、确定分类后各类别的水溶性离子及其相对浓度数据在图形化展示模型中的映射关系,使其以图形化的形式展示出来。
作为优选,所述水溶性离子的含量数据可采用在线离子色谱仪(包括Marga和其它类似仪器设备)进行监测获得,也可通过其他途径采样离线分析。
作为优选,所述步骤S2中图形化展示模型为三元以上维度的多元数据处理模型。
作为优选,所述步骤S2中图形化展示模型包括Piper diagram或Durov Diagram或Expanded Durov diagram。
作为优选,所述步骤S2中对水溶性离子进行分类包括一级分类和二级分类,所述一级分类为将所述水溶性离子分为水溶性阳离子和水溶性阴离子,所述二级分类为按照来源和化学性质分别对水溶性阳离子和水溶性阴离子进一步分类。
作为优选,所述将获取的绝对浓度数据转换为相对浓度数据,将分类后各类别的水溶性离子的绝对浓度数据转换为分类后各类别水溶性阳离子占水溶性阳离子总量的当量浓度百分比,和各类别水溶性阴离子占水溶性阴离子总量的当量浓度百分比。
作为优选,水溶性阴离子和水溶性阳离子分别定义三元空间,并根据来源和化合性质进行区分,运用两个独立三元图分别表征,由此至少可以表征相互独立的四元变量,三元图坐标轴可以依据需要调整。
作为优选,所述步骤S3中映射关系为分类后各类别的水溶性离子及其相对浓度数据在图形化展示模型中对应的位置或/和颜色,气溶胶中水溶性离子总绝对浓度的大小以数字或图形面积的形式展示。
作为优选,所述水溶性离子包括水溶性阳离子和水溶性阴离子,所述水溶性阳离子包括K+、Ca2+、Na+、Mg2+、NH4 +,所述水溶性阴离子包括SO4 2-、NO3 -、Cl-、CO3 2、PO4 3-、NO2 -。
本发明以对Piper diagram、Durov Diagram等多元图作为气溶胶中无机离子图形化展示的模型,通过对上述多元图模型的改进,使其能够应用于大气气溶胶领域,以多元的维度工具来处理和挖掘无机离子的在线和离线数据,从而可以从大量监测数据中快速分析出水溶性无机离子的组成特征、化学特征和分布特征等,并能够捕捉到污染时段的特征。
与现有技术相比,本发明具有以下有益效果:本发明能够快速处理分析大量水溶性无机离子监测数据,可以直观清楚的展示和分析气溶胶中水溶性无机离子的化学组成和污染的时段特征,为分析气溶胶颗粒物的成因提供了有效的分析处理手段。
附图说明
图1为传统Piper diagram在水化学领域的表征实例图,图中的字母和数字表征内容为:
A:钙型;B:没有显性型;C:镁型;D:钠和钾型;E:碳酸氢盐型;F:硫酸盐型;G:氯化物型;1:过碱型;2:过酸型;3:弱酸超过强酸型;4:强酸超过弱酸型;5:碳酸氢钠镁型;6:氯化钙型;7:氯化钠型;8:碳酸氢钠型;9:混合型。
图2为本发明改进后Piper diagram应用于大气气溶胶的表征图,图中的字母和数字表征内容为:
A:钠和镁型;B:没有显性型;C:钾和钙型;D:铵型;E:硫酸盐型;F:硝酸盐型;G:氯化物型;1:一次阳离子超过铵型;2:氨超过一次阳离子型;3:硫酸盐超过硝酸盐和氯化物型;4:硝酸盐和氯化物超过硫酸盐型;5:一次离子硫酸盐型;6:一次离子硝基/氯化物型;7:硝酸铵/氯化铵型;8:硫酸铵型;9:混合型。
图3为本发明改进后Piper diagram应用于大气气溶胶的另一表征图。
具体实施方式
以下是本发明的具体实施例,对本发明的技术方案作进一步的描述,但本发明并不限于这些实施例。
实施例1
本实施例以Piper diagram模型和气溶胶颗粒物中PM2.5为例对本发明的方法进行进一步解释。
本实施例中气溶胶水溶性离子数据图形化展示的方法如下:
(1)采用在线离子色谱仪Marga(瑞士万通)进行监测,获取目标区域内大气气溶胶中水溶性离子的种类及其24h质量浓度数据,共测定15天,每隔一个小时测定一次,水溶性离子的种类有K+、Ca2+、Na+、Mg2+、NH4 +、SO4 2-、NO3 -、Cl-几种。
(2)选择六元维度的Piper diagram作为本实施例图形化展示的模型,根据Piperdiagram和水溶性离子的特点将大气气溶胶中水溶性离子分为水溶性阳离子和水溶性阴离子,再按照来源和化学性质将水溶性阳离子分为三组:K++Ca2+(C:钾和钙型)、Na++Mg2+(A:钠和镁型)、NH4 +(D:铵型),将水溶性阴离子分为三组:SO4 2-(E:硫酸盐型)、NO3 -(F:硝酸盐型)、Cl-(G:氯化物型);如图2所示,将三组水溶性阳离子和三组水溶性阴离子分别在Piperdiagram中两个三角形三元图中展示(图2左下和右下位置所示,各类别离子在Piperdiagram中的位置和颜色对应关系如图所示),其中每一类水溶性离子对应三角形三元图中的特定位置和特定颜色。这两个三角形三元图同时投到菱形图上(图2中上位置所示),本实施例将菱形图划分为九个区,具体划分方式见图2的附图说明;三元图和菱形图各边的读数刻度分成相等的100份(单位为%),至此形成气溶胶水溶性离子数据图形化展示工具。
(3)计算各类别水溶性离子的当量浓度,然后进一步计算各类别水溶性阳离子占水溶性阳离子总量的当量浓度百分比,和各类别水溶性阴离子占水溶性阴离子总量的当量浓度百分比,即先分别计算K++Ca2+、Na++Mg2+、NH4 +的当量浓度,然后分别计算K++Ca2+、Na++Mg2+、NH4 +占水溶性阳离子总当量浓度的百分比;同理,对于水溶性阴离子,先分别计算SO4 2-、NO3 -、Cl-的当量浓度,然后分别计算SO4 2-、NO3 -、Cl-占水溶性阴离子总当量浓度的百分比。
(4)将步骤(3)中计算所得的各分类离子百分比数据输入到步骤(2)中构建的图形化展示工具中,将其以图形化的形式展示出来。如图3所示,Piper diagram菱形图中的圆圈的面积比例代表水溶性离子的总绝对浓度的大小,图3中该总绝对浓度以当量浓度表示。如图2和图3所示,两个三角形三元图中的样点的延长线到中间菱形内交于一点,这个点代表样品中PM2.5中总的水溶性无机离子中的阴阳离子相对百分比的组成。这个样点延伸到菱形的四个边的读数代表这个样点的各离子组分的相对组成,从而可以直观清楚地反映该样点的化学组成特征。同理,两个三元图中的点分别代表样品点的阴离子组成和样品点的阳离子组成。
Piper diagram是1944年由Piper发明的,现有技术中常应用于为水化学的分析。如图1所示为Piper diagram在水化学领域的表征实例图。
需要说明的是,本发明中所使用的图形化展示模型还可以是Durov Diagram或其他类似的三元以上维度的多元数据处理展示模型,所使用的水溶性离子测定仪器还可以是除了Marga外任意的其他离线、在线的用于测定气溶胶颗粒的水溶性离子仪器,所测定的水溶性离子还可以包括实施例1中所述的几种离子之外的其他气溶胶水溶性离子,如CO3 2、PO4 3-、NO2 -等离子。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (6)
1.一种气溶胶水溶性离子数据挖掘及图形化展示的方法,其特征在于,所述方法包括以下步骤:
S1、获取目标区域大气气溶胶中水溶性离子的种类及其在大气气溶胶中的绝对浓度数据;
S2、根据图形化展示模型对水溶性离子进行分类,将获取的绝对浓度数据转换为相对当量浓度数据;
S3、确定分类后各类别的水溶性离子及其相对浓度数据在图形化展示模型中的映射关系,使其以图形化的形式展示出来。
2.根据权利要求1所述的气溶胶水溶性离子数据图形化展示的方法,其特征在于,所述步骤S2中的图形化展示模型为四元及以上维度的多元数据处理模型。
3.根据权利要求1或2所述的气溶胶水溶性离子数据挖掘及图形化展示的方法,其特征在于,所述步骤S2中的图形化展示模型包括Piper diagram或Durov Diagram或ExpandedDurov diagram。
4.根据权利要求3所述的气溶胶水溶性离子数据挖掘及图形化展示的方法,其特征在于,所述步骤S2中对水溶性离子进行分类包括一级分类和二级分类,所述一级分类为将所述水溶性离子分为水溶性阳离子和水溶性阴离子,所述二级分类为按照来源和化学性质分别对水溶性阳离子和水溶性阴离子进一步分类。
5.根据权利要求3所述的气溶胶水溶性离子数据挖掘及图形化展示的方法,其特征在于,所述步骤S3中映射关系为分类后各类别的水溶性离子及其相对浓度数据在图形化展示模型中对应的位置或/和颜色,气溶胶中水溶性离子总绝对浓度的大小以数字或图形面积的形式展示。
6.根据权利要求1所述的气溶胶水溶性离子数据挖掘及图形化展示的方法,其特征在于,所述水溶性离子包括水溶性阳离子和水溶性阴离子,所述水溶性阳离子包括K+、Ca2+、Na+、Mg2+、NH4 +,所述水溶性阴离子包括SO4 2-、NO3 -、Cl-、CO3 2-、PO4 3-、NO2 -。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811514876.2A CN109817288A (zh) | 2018-12-12 | 2018-12-12 | 一种气溶胶水溶性离子数据挖掘及图形化展示的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811514876.2A CN109817288A (zh) | 2018-12-12 | 2018-12-12 | 一种气溶胶水溶性离子数据挖掘及图形化展示的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109817288A true CN109817288A (zh) | 2019-05-28 |
Family
ID=66601567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811514876.2A Pending CN109817288A (zh) | 2018-12-12 | 2018-12-12 | 一种气溶胶水溶性离子数据挖掘及图形化展示的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109817288A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112365789A (zh) * | 2020-11-09 | 2021-02-12 | 中国科学院城市环境研究所 | 一种气溶胶水溶性离子浓度与组分的动态演示方法与系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104597516A (zh) * | 2015-01-19 | 2015-05-06 | 天地科技股份有限公司 | 一种矿井突水水源快速判别系统 |
CN105653788A (zh) * | 2015-12-29 | 2016-06-08 | 中国神华能源股份有限公司 | 一种矿区水源识别方法、装置和系统 |
-
2018
- 2018-12-12 CN CN201811514876.2A patent/CN109817288A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104597516A (zh) * | 2015-01-19 | 2015-05-06 | 天地科技股份有限公司 | 一种矿井突水水源快速判别系统 |
CN105653788A (zh) * | 2015-12-29 | 2016-06-08 | 中国神华能源股份有限公司 | 一种矿区水源识别方法、装置和系统 |
Non-Patent Citations (3)
Title |
---|
RANJAN KUMAR RAY, ET AL.: "Reproducing the Piper Trilinear Diagram in Rectangular Coordinates", 《GROUND WATER》 * |
何超: "湖北大学主校区气溶胶中水溶性离子含量的变化规律", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
侯祎亮: "贵州省三岔河流域水化学特征及其影响因素分析", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112365789A (zh) * | 2020-11-09 | 2021-02-12 | 中国科学院城市环境研究所 | 一种气溶胶水溶性离子浓度与组分的动态演示方法与系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jain et al. | Chemical characteristics and source apportionment of PM 2.5 using PCA/APCS, UNMIX, and PMF at an urban site of Delhi, India | |
Singh et al. | 60 years of UK visibility measurements: impact of meteorology and atmospheric pollutants on visibility | |
Cheng et al. | Overview of receptor-based source apportionment studies for speciated atmospheric mercury | |
Kothai et al. | Chemical characterization and source identification of particulate matter at an urban site of Navi Mumbai, India | |
Gugamsetty et al. | Source characterization and apportionment of PM10, PM2. 5 and PM0. 1 by using positive matrix factorization | |
Zhang et al. | Characterization of the size-segregated water-soluble inorganic ions at eight Canadian rural sites | |
Birmili et al. | Long-term observations of tropospheric particle number size distributions and equivalent black carbon mass concentrations in the German Ultrafine Aerosol Network (GUAN) | |
Kong et al. | Receptor modeling of PM2. 5, PM10 and TSP in different seasons and long-range transport analysis at a coastal site of Tianjin, China | |
Sahu et al. | Health risk associated with potential source regions of PM 2.5 in Indian cities | |
Chen et al. | Size-resolved chemical composition of atmospheric particles during a straw burning period at Mt. Huang (the Yellow Mountain) of China | |
Masiol et al. | A chemometric approach to determine local and regional sources of PM10 and its geochemical composition in a coastal area | |
Gibson et al. | A comparison of four receptor models used to quantify the boreal wildfire smoke contribution to surface PM 2.5 in Halifax, Nova Scotia during the BORTAS-B experiment | |
Zhang et al. | Development of source profiles and their application in source apportionment of PM 2.5 in Xiamen, China | |
Fang et al. | Chemical composition and health risk indices associated with size-resolved particulate matter in Pearl River Delta (PRD) region, China | |
Jose et al. | Characterization of PM10 and PM2. 5 emission sources at Chennai, India | |
Ferenczi et al. | Long-term characterization of urban PM10 in Hungary | |
CN109817288A (zh) | 一种气溶胶水溶性离子数据挖掘及图形化展示的方法 | |
Ho et al. | Characteristics of carbonate carbon in PM2. 5 in a typical semi-arid area of Northeastern China | |
Quass et al. | Source apportionment of airborne dust in Germany: methods and results | |
Mijića et al. | Characteristics and application of receptor models to the atmospheric aerosols research | |
Birmili et al. | Long-term observations of tropospheric particle number size distributions and equivalent black carbon mass concentrations in the German Ultrafine Aerosol Network (GUAN), Earth Syst | |
Abdullah et al. | Particulate matter (pm10) analysis during pre-and post-flood event | |
Yücel | Ionic composition of precipitation in Marmaris station | |
Kelbus | Is there new particle formation in the marine boundary layer of the North Sea? | |
Gupta | Development of an Indigenous Sensor for Sub-micron Aerosol Monitoring in India |
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 |
Application publication date: 20190528 |
|
RJ01 | Rejection of invention patent application after publication |