CN110085281B - 一种基于特征污染因子源解析的环境污染溯源系统及方法 - Google Patents
一种基于特征污染因子源解析的环境污染溯源系统及方法 Download PDFInfo
- Publication number
- CN110085281B CN110085281B CN201910341774.3A CN201910341774A CN110085281B CN 110085281 B CN110085281 B CN 110085281B CN 201910341774 A CN201910341774 A CN 201910341774A CN 110085281 B CN110085281 B CN 110085281B
- Authority
- CN
- China
- Prior art keywords
- pollution
- analysis
- source
- data
- diffusion
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000003912 environmental pollution Methods 0.000 title claims abstract description 22
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 98
- 231100000719 pollutant Toxicity 0.000 claims abstract description 98
- 238000009792 diffusion process Methods 0.000 claims abstract description 91
- 238000012544 monitoring process Methods 0.000 claims abstract description 50
- 230000008569 process Effects 0.000 claims abstract description 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 23
- 238000000556 factor analysis Methods 0.000 claims abstract description 16
- 238000007621 cluster analysis Methods 0.000 claims abstract description 10
- 238000009825 accumulation Methods 0.000 claims abstract description 8
- 238000006243 chemical reaction Methods 0.000 claims abstract description 8
- 238000003860 storage Methods 0.000 claims abstract description 3
- 239000000126 substance Substances 0.000 claims description 19
- 239000000779 smoke Substances 0.000 claims description 14
- 239000000356 contaminant Substances 0.000 claims description 8
- 238000003911 water pollution Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000004088 simulation Methods 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 4
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 238000009795 derivation Methods 0.000 claims description 3
- 239000012530 fluid Substances 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 238000013508 migration Methods 0.000 claims description 3
- 230000005012 migration Effects 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 230000004071 biological effect Effects 0.000 claims description 2
- 239000003181 biological factor Substances 0.000 claims description 2
- 230000002925 chemical effect Effects 0.000 claims description 2
- 230000000704 physical effect Effects 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 abstract description 9
- 210000001503 joint Anatomy 0.000 abstract description 2
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 8
- JCXJVPUVTGWSNB-UHFFFAOYSA-N Nitrogen dioxide Chemical compound O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 description 6
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 5
- 230000005611 electricity Effects 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- QAOWNCQODCNURD-UHFFFAOYSA-N Sulfuric acid Chemical compound OS(O)(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-N 0.000 description 4
- 239000000443 aerosol Substances 0.000 description 4
- 238000011109 contamination Methods 0.000 description 4
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 description 3
- 239000003651 drinking water Substances 0.000 description 3
- 235000020188 drinking water Nutrition 0.000 description 3
- VGQXTTSVLMQFHM-UHFFFAOYSA-N peroxyacetyl nitrate Chemical compound CC(=O)OO[N+]([O-])=O VGQXTTSVLMQFHM-UHFFFAOYSA-N 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 239000010865 sewage Substances 0.000 description 3
- 239000012855 volatile organic compound Substances 0.000 description 3
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 description 2
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- GRYLNZFGIOXLOG-UHFFFAOYSA-N Nitric acid Chemical compound O[N+]([O-])=O GRYLNZFGIOXLOG-UHFFFAOYSA-N 0.000 description 2
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 2
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 description 2
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000003153 chemical reaction reagent Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 229930195733 hydrocarbon Natural products 0.000 description 2
- 150000002430 hydrocarbons Chemical class 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 150000002576 ketones Chemical class 0.000 description 2
- 229940100892 mercury compound Drugs 0.000 description 2
- 244000005700 microbiome Species 0.000 description 2
- 239000003595 mist Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 229910017604 nitric acid Inorganic materials 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 239000013618 particulate matter Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- AKEJUJNQAAGONA-UHFFFAOYSA-N sulfur trioxide Chemical compound O=S(=O)=O AKEJUJNQAAGONA-UHFFFAOYSA-N 0.000 description 2
- KVGZZAHHUNAVKZ-UHFFFAOYSA-N 1,4-Dioxin Chemical compound O1C=COC=C1 KVGZZAHHUNAVKZ-UHFFFAOYSA-N 0.000 description 1
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 1
- JJWSNOOGIUMOEE-UHFFFAOYSA-N Monomethylmercury Chemical compound [Hg]C JJWSNOOGIUMOEE-UHFFFAOYSA-N 0.000 description 1
- 229910002651 NO3 Inorganic materials 0.000 description 1
- 241000208125 Nicotiana Species 0.000 description 1
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 1
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 description 1
- RSPISYXLHRIGJD-UHFFFAOYSA-N OOOO Chemical compound OOOO RSPISYXLHRIGJD-UHFFFAOYSA-N 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- UHVIBVZISWKHAF-UHFFFAOYSA-N [O-][N+](C1=CC(C(C2=CC(F)=CC(O)=C2)=O)=CC(O)=C1O)=O Chemical compound [O-][N+](C1=CC(C(C2=CC(F)=CC(O)=C2)=O)=CC(O)=C1O)=O UHVIBVZISWKHAF-UHFFFAOYSA-N 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 150000001299 aldehydes Chemical class 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 150000003863 ammonium salts Chemical class 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000031018 biological processes and functions Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 239000000460 chlorine Substances 0.000 description 1
- 229910052801 chlorine Inorganic materials 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000007857 degradation product Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000010881 fly ash Substances 0.000 description 1
- -1 formaldehyde, ketones Chemical class 0.000 description 1
- TUJKJAMUKRIRHC-UHFFFAOYSA-N hydroxyl Chemical compound [OH] TUJKJAMUKRIRHC-UHFFFAOYSA-N 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 150000002731 mercury compounds Chemical class 0.000 description 1
- 150000002894 organic compounds Chemical class 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 239000000791 photochemical oxidant Substances 0.000 description 1
- 238000006552 photochemical reaction Methods 0.000 description 1
- 238000006303 photolysis reaction Methods 0.000 description 1
- 230000015843 photosynthesis, light reaction Effects 0.000 description 1
- 239000012286 potassium permanganate Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 239000000941 radioactive substance Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 239000004071 soot Substances 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B45/00—ICT specially adapted for bioinformatics-related data visualisation, e.g. displaying of maps or networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Educational Administration (AREA)
- Evolutionary Biology (AREA)
- Biotechnology (AREA)
- Medical Informatics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- Biophysics (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Remote Sensing (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- Bioethics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于特征污染因子源解析的环境污染溯源系统及方法，获取污染因子数据构建污染源DNA库并实时更新，建立扩散模型，对监测点的数据进行全面数据采集的存储、管理、查询分析，并形成长效的数据积累，实现环境监测数据的基础数据库，与水质、空气自动监测站完成对接，实时或定期收集相关监测数据，将污染物分为一次污染物和二次污染物，将二次污染物以逆向反应的原理推导得到相应的一次污染物；基于因子分析法、聚类分析法、层次分析法对一次污染物进行分析，并与污染源DNA库进行匹配结合扩散模型与GIS地图确定污染源，为环境应急事件决策者快速发现污染源头提供技术分析的支持。
Description
技术领域
本发明涉及环境污染分析领域，具体涉及一种基于特征污染因子源解析的环境污染溯源系统及方法。
背景技术
现有环境污染溯源系统缺乏对特征污染因子进行源解析分析，污染物排放到外部环境以后往往会在物理、化学或生物作用下发生变化，或外部环境中的其他原生物质发生反应而生成二次污染物，其物理化学性状都会发生改变。这会导致直接现有溯源系统不能在动态变化的环境下进行精准的判断，出现对溯源目标分析的误判或者错判。
发明内容
本发明的目的在于克服现有技术的不足，提供一种基于特征污染因子源解析的环境污染溯源系统及方法，建立一套基于特征污染因子源解析算法模型，结合大气、水、固废环境污染源企业数据库，对特征污染物和在环境中变化后的二次污染因子的来源进行数据匹配，从而分析出导致环境污染的可疑污染源排查范围，为环境应急事件决策者快速发现污染源头提供技术分析的支持。
本发明的目的是通过以下技术方案来实现的：
一种基于特征污染因子源解析的环境污染溯源方法，包括以下步骤：
步骤1)建立污染源DNA库
获取污染因子数据构建污染源DNA库并实时更新；
步骤2)建立扩散模型
包括大尺度污染扩散模型、中尺度污染扩散模型、小尺度污染扩散模型以及分段烟羽模型以及水体污染扩散模型；
步骤3)采集污染物数据
对监测点的数据进行全面数据采集的存储、管理、查询分析，并形成长效的数据积累，实现环境监测数据的基础数据库，与水质、空气自动监测站完成对接，实时或定期收集相关监测数据；
步骤4)污染物分析
将污染物分为一次污染物和二次污染物，将二次污染物以逆向反应的原理推导得到相应的一次污染物；将原本的一次污染物、逆反推导的一次污染物，一起作为总的一次性污染物；二次污染物是指排入环境中的一次污染物在物理、化学因素或生物的作用下发生变化；逆向反应的原理推导，则是指根据二次污染物的具体物质通过物理、化学、生物作用下的反向分析，得出对应的一次污染物；
步骤5)溯源分析
基于因子分析法、聚类分析法、层次分析法对总的一次污染物进行分析，并与污染源DNA库进行匹配结合扩散模型与GIS地图确定污染源。
进一步的，所述大尺度污染扩散模型包括气象数据和大气扩散模式两个部分，所述扩散模式基于大气环境模拟开源计算平台来实现，使用平台中的欧拉扩散模式模拟污染物质的大尺度迁移输运过程；
所述中尺度污染扩散模型采用非静力学模式，求解水平、垂直动量方程和物质扩散方程；
所述小尺度污染扩散模型采用计算流体力学CFD技术，湍流模型采用k-ε模型，扩散方程采用涡粘扩散模型，即采用涡粘性模型进行扩散计算；
所述分段烟羽模型每半小时释放一个长形烟团,代表半小时的平均烟羽段。一个时间步长结束后,从源处释放一个长度为uT且烟团轴线方向为顺风方向的烟团，在每个时间步长中,风速和风向及释放率被认为是常数，单个长形烟团浓度分布机理模型如下：
其中h是有效源高,u是T时段内的平均风速,F(x)是考虑烟羽在传输方向上的扩散修正,其形式如下:
其中，σx，σy，σz为扩散系数，估算污染物浓度时,需要确定源强Q、平均风速u。
进一步的，所述σy，σz采用帕斯奎尔扩散曲线法。
进一步的，所述步骤4)中的一次污染物是指直接排放的污染物，二次污染物是指一次污染物在物理、化学因素或生物的作用下发生变化，或与环境中的其他物质发生反应所形成的物理、化学性状与一次污染物不同的新污染物。
进一步的，所述步骤5)溯源分析包括大气污染源溯源和水污染源溯源；
对于大气污染，基于Web-GIS绘制高时空分辨率的空气质量空间分布图，能够精准的定位污染来源；通过叠加气象、交通流量分析出污染过程受气象和交通等排放源因素影响的情况，从而直观且全面地掌握污染从累积到消散的全过程；
对于水污染源溯源，基于因子分析法、聚类分析法、层次分析法多种分析方法的方法耦合，在不明确污染源排放成分时，对原数据进行筛选和标准化处理，利用因子分析进行异常监测数据关联性分析，得到污染源排放污染物的贡献率来确定污染物；对因子分析结果进行聚类分析，将有相似性的污染因子聚集在一起，同时能够区分差异性较大的污染因子；经过污染物的数据因子分析和聚类分析，可以得到污染物源解析的结果。
本发明的有益效果是：该发明充分利用大数据分析技术，对污染的来源进行智能研判，为潜在的污染源进行权重赋值，为用户提供给污染溯源信息服务。建设环境应急污染源溯源分析系统，辅助监管层在环境污染发生后对污染源企业进行及时管控，能有效防控污染事件影响范围的持续扩大。并在事后提供对肇事污染源主体进行责任追究，提高环保部门对突发环境污染事故的综合处理能力。通过基于特征污染因子源解析的环境污染溯源系统的运用，在突发环境应急事件的前期研判过程中，决策者可以迅速掌握特征污染物的具体污染因子的成分鉴定，并反向推导出可能是由哪些一次性污染物在外部环境中通过物理化学变化而来，从而分析出泄露或者排放的污染物最终来源。为决策者对环境污染事件的源头控制、防止事态扩大、现场处置及救援等工作，提供准确的信息支撑。从而实现对污染源头的有效控制，降低次生、衍生灾害，最大限度减少损失，减小事故的影响范围，降低对环境污染的程度。
附图说明
图1为大气污染溯源分析流程；
图2为水污染溯源分析流程。
具体实施方式
下面结合具体实施例进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。
实施例1
如图1所示：
本实施例以大气污染溯源分析为例进行说明，其包括以下步骤：
步骤1)建立污染源DNA库
根据污染因子的污染超标量进行分类分析，具体为，重点风险源监控数据和多时段采集的污染数据分析出污染数据的发展趋势、污染因子。构建污染源DNA库，利用污染源排放因子特性以及地理环境、排放规律、污染结果等信息，保障数据能够及时地更新。便于在发生环境污染时，能够进行污染源的溯源分析。通过建模预测高危企业，提前把控可能存在违法、违规问题企业，鉴定执法对象，集中精力重点检查监管。对污染物进行成分分析和规模分析，根据分析结果，了解污染物的污染方式、影响范围以及相应的处置方法，并对污染事件进行定级，并与系统中已有的污染源DNA库进行匹配，缩小嫌疑范围。
步骤2)建立扩散模型
大尺度污染扩散分析
大尺度污染扩散分析采用大尺度大气扩散模拟模型的方式分析，大尺度大气扩散模拟包括两个部分：气象数据和大气扩散模式。其中，气象数据可使用由中国国家气象中心发布的气象预报数据产品。对于扩散模式，基于大气环境模拟开源计算平台来实现，使用平台中的欧拉扩散模式模拟污染物质的大尺度(数千公里以上)迁移输运过程。
中尺度污染扩散分析
中尺度污染扩散分析采用中尺度大气扩散模拟模型的方式分析，中尺度大气扩散模型采用非静力学模式，求解水平、垂直动量方程和物质扩散方程。该模型通过在指定的网格上以一定的释放率释放一系列高斯型烟团来模拟随时间变化的释放，分配到每个烟团中的气载物质的量等于释放率乘以烟团的释放时间间隔。可用于中等的均匀或非均匀地形，而且还适用于变化的(不稳定)气象条件。
小尺度污染扩散分析
小尺度污染扩散分析采用小尺度大气扩散模拟模型的方式进行分析，小尺度大气扩散模型采用计算流体力学CFD技术，湍流模型采用k-ε模型，扩散方程采用涡粘扩散模型，即采用涡粘性模型进行扩散计算。小尺度大气扩散模型研究适用于距离事故地点20km以内的污染物大气输运和扩散情况，综合考虑气候、风向等因素的影响以及与复杂地形的耦合，从而获得较精细尺度下的污染物浓度场。
分段烟羽模型ATSTEP是一个十分简化而快速的模型。模型中每半小时释放一个长形烟团,代表半小时的平均烟羽段。一个时间步长(即半小时)结束后,从源处释放一个长度为uT且烟团轴线方向为顺风方向的烟团。在每个时间步长中,风速和风向及释放率被认为是常数。单个长形烟团浓度分布机理模型如下：
其中h是有效源高,u是T时段内的平均风速,F(x)是考虑烟羽在传输方向(即X方向)上的扩散修正,其形式如下:
其中，σx，σy，σz为扩散系数。
估算污染物浓度时,需要确定源强Q、平均风速u、
扩散参数σy和σz。本方案采用帕斯奎尔扩散曲线法。
帕斯奎尔扩散曲线法的思路:帕斯奎尔首先提出应用观测到的风速、云量、云状和日照等天气资料,将大气的扩散稀释能力划分为A、B、C、D、E、F六个稳定度级别,然后根据大量扩散实验的数据和理论上的考虑,用曲线来表示每一个稳定度级别的σy和σz随距离的变化。这样就可用前面导出的扩散模式进行浓度估算了。
帕斯奎尔扩散曲线法的应用
(1)根据常规气象资料确定稳定度级别:帕斯奎尔划分稳定度级别的标准为:
稳定度级别中,A为极不稳定,B为不稳定,C为弱不稳定,D为中性,E为弱稳定,F为稳定。稳定度级别A—B表示按A、B级的数据内插。夜间定义为日落前1小时至日出后1小时。不论何种天气状况,夜间前后各1小时作为中性,即D级稳定度。
如表：
P—G扩散曲线表扩散系数确定表：
帕斯奎尔扩散参数σy和σz值 单位：m
根据地面上方10m处的风速、日照等级、阴云分布状况及云量等天气资料，确定出某时某地的大气稳定度级别,然后再利用P—G扩散曲线图查出对应于当时当地的大气稳定度及下风向距离x的σy和σz值，以上为扩散系数获取机理。
至此完成了系统平台的搭建，然后进行采样分析。
步骤3)采集污染物数据
【气环境质量监测数据】包括：辖区内大气监测站点
某年某月某日某一时刻的实时大气监测数据(PM2.5、PM10、NO2、SO2、O3、CO)
某一监测站点AQI的走势图(年、月、日)
行政区域大气环境质量排名。
通过前端传感监测点位的监测数据，可以基于Web-GIS绘制高时空分辨率的空气质量空间分布图，能够精准的定位污染来源以及污染的传输变化趋势，与此同时，通过叠加气象、交通流量等信息，还可以分析出污染过程受气象和交通等排放源因素影响的情况，从而直观且全面地掌握污染从累积到消散的全过程，实现精准溯源科学治污。
其中，通过对空间数据的采集，建立包括园区、重点港口、重点污染企业、乡镇饮用水源地、辖区河流、跨界河流等的分图层地图服务，按需叠加相应地图图层；纳入乡镇集中式饮用水水源地环境保护；除矢量地图外，增加影像等地图服务，包括无人机现场采集的区域地图，地图平台将对无人机采集的区域图像建立专业图层服务，用于将此图层叠加在底图之上，能更加精确地研判污染扩散情况，从而追溯污染扩散的源头。
步骤4)污染物分析
二次污染物，是指排入环境中的一次污染物在物理、化学因素或生物的作用下发生变化，或与环境中的其他物质发生反应所形成的物理、化学性状与一次污染物不同的新污染物。又称继发性污染物。如一次污染物SO2在空气中氧化成硫酸盐气溶胶，汽车排气中的氮氧化物、碳氢化合物在日光照射下发生光化学反应生成的臭氧、过氧乙酰硝酸酯(PAN)、甲醛和酮类等二次污染物。无机汞化合物通过微生物的作用转变成的甲基汞化合物；某些农药通过微生物或光解作用生成的降解产物等。
一次污染物举例：二氧化硫、一氧化碳、二氧化氮、氮氧化物、碳氢化物、挥发性有机物(VOCs)、颗粒物(飘尘、降尘、油烟等)、氨气、及含氧、氮、氯、硫有机化合物以及放射性物质等
二次污染物举例：硫酸及硫酸盐气溶胶、硝酸及硝酸盐气溶胶、铵盐气溶胶、臭氧、过氧乙酰硝酸酯、甲醛和酮类、硫酸雾、硝酸雾、光化学氧化剂OX、二次有机颗粒物、过氧化羟基自由基(HO2·)、羟基自由基HO、二噁英、三氧化硫、二氧化氮、醛、酮。
步骤5)溯源分析
溯源机制：对于已发生的空气质量问题，系统准确定位问题点周边的空气自动站，明确显示问题指标并在此基础上智能分析大气污染排放源和大气质量变化之间的关系，科学而准确的分析出导致空气质量下降的具体污染因子、污染源等情况，辅助管理人员迅速清楚问题并给出有针对性的处理方法。大气污染溯源分析基于GIS地图，在地图上标识有问题的点，用户输入查询范围，即可查询到问题点周边的空气自动监测站，点击对比分析，可以在以折线图的形式统一展示各空气自动站的AQI、SO2、NO2、CO、O3、PM2.5、PM10的变化趋势，系统自动分析污染因子的变化情况，得出导致空气质量下降的的具体污染因子，再根据污染因子情况，分析周边排放该污染物的污染源企业有哪些，排放是否超标，从而准确找到影响该区域空气质量的污染源，实现大气污染的溯源分析。
实施例2
如图2所示：
本实施例以大气污染溯源分析为例进行说明，基于水污染源解析算法模型，通过对水环境污染源的监管以及水环境污染源头的追溯，可以有效防范污染物的扩散、查找到污染源，进而保证水环境的安全。水污染源解析算法模型基于因子分析法、聚类分析法、层次分析法等多种分析方法的方法耦合，在不明确污染源排放成分时，对原数据进行筛选和标准化处理，利用因子分析进行异常监测数据关联性分析，得到污染源排放污染物的贡献率来确定污染物；对因子分析结果进行聚类分析，将有相似性的污染因子聚集在一起，同时能够区分差异性较大的污染因子；经过污染物的数据因子分析和聚类分析，可以得到污染物源解析的结果。
其包括以下步骤：
1)建立污染源DNA库，该步骤与实施例的步骤1)相同，本实施例中不做具体说明。
2)建立扩散模型，在本实施例中引入的是水体污染扩散模型；
3)采集污染物数据
【水环境质量监测数据】包括：
根据辖区获得监测站数据
根据河流水系获得监测站数据
单个监测站数据，某年某月某日某一时刻的实时监测数据(高锰酸钾、氨氮、溶解氧、PH等数据值)
水质达标率走势图
在现有水质、空气自动监测站基础上，结合水流速流向、空气风速风向、水气风险源风险因子、风险源排查问题、风险源自动监测监控发现问题，建设应急源解析系统，实现污染源头定位。
对集中式饮用水源地、水利设施、环境风险源周边敏感区域，环境风险源企业周边环境监测点的数据进行全面数据采集的存储、管理、查询分析，并形成长效的数据积累，实现环境监测数据的基础数据库，与水质、空气自动监测站完成对接，实时或定期收集相关监测数据。为大数据分析提供数据基础
具体操作为通过接入超声波多普勒流速仪测出的水体流速数据，雷达水位计测出的水体水位数据，水体COD、氨氮、总磷、总氮、pH、浊度等信息。
1)污染物分析，与实施例1相同。
2)溯源分析
引入水体污染扩散模型，进行定量定性分析，结合视频监控数据和企业排污数据、污染源排污口信息等，充分利用大数据分析技术，对污染的来源进行智能研判，为潜在的污染源进行权重赋值，为用户提供给污染溯源信息服务。
其整体流程为：
1)采集河流水的样本，对在地图上标会采集地点；
2)样本成分分析完成后，在采集地点分析周边的污染因子；
3)利用电子地图的缓冲区分析，分析周边的风险源企业的污染因子、浓度等相关数据，与采集的样本进行匹配；
4)将匹配后的结果按相似度以列表方式进行展示。
在本发明中还做出了如下改进：
1.基于污染源风险单元和环境污染因子数据库的大数据分析技术
环境应急大数据智能分析中心通过数据采集、处理、存储、联机分析等数据流程管理，依托大数据分析、人工智能技术对多种数据进行管理和应用，基于大气环境监测、重污染天气预警、污染溯源、污染扩散、预测预警、大数据共享等应用模型，为环境保护及安全生产监督管理各项工作开展提供有效的数据支撑。此外基于大量基础数据，将风险源分析模型、突发事件预警预报模型、大气污染溯源模型、大气污染扩散模型、大气质量预测模型、重污染天气预警模型、大数据共享模块等模型植入环境应急大数据智能分析中心之中，为园区环境应急管理工作、园区大气质量在线监测、园区重污染天气预警及环境保护综合业务提供基础数据支撑、业务流程支撑及指挥决策提供科学的、有效的、可行的辅助支撑。
2.数据精准分析
1)系统通过对站房视频数据、治污设施视频数据、排口视频数据进行视频智能分析，排除人为干扰等因素，从视频的角度确认从治污到排污整个过程的有效性，保障超标数据的准确性与合理性。
2)系统通过对企业电表数据的接入，实时掌握各环节设备运行的用电量，并与设备正常运行时的用电量做比对，排除因电量突变导致的在线数据超标情况，从用电量的角度确认从治污到排污整个过程的有效性，保障超标数据的准确性与合理性。
3)系统通过对在线监测设备的深度接入，获取其运行状态数据与试剂信息数据，排除因试剂量不足或设备运行异常导致的在线数据超标情况，从在线监测设备运行状态的角度确认在线监测过程的有效性，保障超标数据的准确性与合理性。
根据污染物的监测结果，基于系统中已有的污染扩散模型，进行模拟，分析污染物排放起始时间、起始地点、起始浓度等。结合污染源企业自动在线监测数据以及相关的水文和气象信息等，分析污染源排污规律及异常规律，挖掘出污染源各个时间段的污水、污气排放规律，锁定污染来源，为下一步进行核查提供决策参考，为执法人员重点检查执法的时间段提供依据。
生态环境中的污染来源于人为排放，由于来源不同以及大气中的物理化学反应影响不同，导致污染物的元素种类和含量也是千差万别，而每类污染源都有自己的特征成分，通过示踪元素可以进行来源研究。借助示踪元素对区域污染物进行溯源分析，并根据大气标准站、空气微站、VOC监测站、气象站、恶臭气体监测站等一系列监测站点监测到的风向、风速、温度、湿度等气象条件，通过污染物玫瑰图来分析污染源的来源方向，为污染源溯源分析提供数据支撑。
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
Claims (6)
1.一种基于特征污染因子源解析的环境污染溯源系统，其特征在于，包括：
数据采集模块，对监测点的数据进行全面数据采集的存储、管理、查询分析，并形成长效的数据积累；
数据库，用于存储实现环境监测数据的基础数据，以及污染源DNA库并实时更新；
扩散模型，包括大尺度污染扩散模型、中尺度污染扩散模型、小尺度污染扩散模型以及分段烟羽模型以及水体污染扩散模型；
污染物分析模块，将污染物分为一次污染物和二次污染物，将二次污染物以逆向反应的原理推导得到相应的一次污染物；将原本的一次污染物、逆反推导得到的一次污染物，一起作为总的一次性污染物；二次污染物是指排入环境中的一次污染物在物理、化学因素或生物的作用下发生变化；逆向反应的原理推导，则是指根据二次污染物的具体物质通过物理、化学、生物作用下的反向分析，得出对应的一次污染物；
溯源分析模块，基于因子分析法、聚类分析法、层次分析法对总的一次污染物进行分析，并与污染源DNA库进行匹配结合扩散模型与GIS地图确定污染源。
2.一种基于特征污染因子源解析的环境污染溯源方法，其特征在于，包括以下步骤：
步骤1)建立污染源DNA库
获取污染因子数据构建污染源DNA库并实时更新；
步骤2)建立扩散模型
包括大尺度污染扩散模型、中尺度污染扩散模型、小尺度污染扩散模型以及分段烟羽模型以及水体污染扩散模型；
步骤3)采集污染物数据
对监测点的数据进行全面数据采集的存储、管理、查询分析，并形成长效的数据积累，实现环境监测数据的基础数据库，与水质、空气自动监测站完成对接，实时或定期收集相关监测数据；
步骤4)污染物分析
将污染物分为一次污染物和二次污染物，将二次污染物以逆向反应的原理推导得到相应的一次污染物；
步骤5)溯源分析
基于因子分析法、聚类分析法、层次分析法对一次污染物进行分析，并与污染源DNA库进行匹配结合扩散模型与GIS地图确定污染源。
3.根据权利要求2所述的一种基于特征污染因子源解析的环境污染溯源方法，其特征在于，所述大尺度污染扩散模型包括气象数据和大气扩散模式两个部分，所述扩散模式基于大气环境模拟开源计算平台来实现，使用平台中的欧拉扩散模式模拟污染物质的大尺度迁移输运过程；
所述中尺度污染扩散模型采用非静力学模式，求解水平、垂直动量方程和物质扩散方程；
所述小尺度污染扩散模型采用计算流体力学CFD技术，湍流模型采用k-ε模型，扩散方程采用涡粘扩散模型，即采用涡粘性模型进行扩散计算；
所述分段烟羽模型每半小时释放一个长形烟团,代表半小时的平均烟羽段；一个时间步长结束后,从源处释放一个长度为uT且烟团轴线方向为顺风方向的烟团，在每个时间步长中,风速和风向及释放率被认为是常数，单个长形烟团浓度分布机理模型如下：
其中h是有效源高，x、y、z计算点的三轴坐标，u是T时段内的平均风速,F(x)是在传输方向上的扩散修正，即x方向的扩散修正，其形式如下:
其中，σx，σy，σz为扩散系数，估算污染物浓度时,需要确定源强Q、平均风速u。
4.根据权利要求3所述的一种基于特征污染因子源解析的环境污染溯源方法，其特征在于，所述σy，σz采用帕斯奎尔扩散曲线法。
5.根据权利要求2所述的一种基于特征污染因子源解析的环境污染溯源方法，其特征在于，所述步骤4)中的一次污染物是指直接排放的污染物，二次污染物是指一次污染物在物理、化学因素或生物的作用下发生变化，或与环境中的其他物质发生反应所形成的物理、化学性状与一次污染物不同的新污染物。
6.根据权利要求5所述的一种基于特征污染因子源解析的环境污染溯源方法，其特征在于，所述步骤5)溯源分析包括大气污染源溯源和水污染源溯源；
对于大气污染，基于Web-GIS绘制高时空分辨率的空气质量空间分布图，能够精准的定位污染来源；通过叠加气象、交通流量分析出污染过程受气象和交通排放源因素影响的情况，从而直观且全面地掌握污染从累积到消散的全过程；
对于水污染源溯源，基于因子分析法、聚类分析法、层次分析法多种分析方法的方法耦合，在不明确污染源排放成分时，对原数据进行筛选和标准化处理，利用因子分析进行异常监测数据关联性分析，得到污染源排放污染物的贡献率来确定污染物；对因子分析结果进行聚类分析，将有相似性的污染因子聚集在一起，同时能够区分差异性较大的污染因子；经过污染物的数据因子分析和聚类分析，可以得到污染物源解析的结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910341774.3A CN110085281B (zh) | 2019-04-26 | 2019-04-26 | 一种基于特征污染因子源解析的环境污染溯源系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910341774.3A CN110085281B (zh) | 2019-04-26 | 2019-04-26 | 一种基于特征污染因子源解析的环境污染溯源系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110085281A CN110085281A (zh) | 2019-08-02 |
| CN110085281B true CN110085281B (zh) | 2021-07-20 |
Family
ID=67416797
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910341774.3A Active CN110085281B (zh) | 2019-04-26 | 2019-04-26 | 一种基于特征污染因子源解析的环境污染溯源系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110085281B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116564431A (zh) * | 2023-06-02 | 2023-08-08 | 江苏捷利达环保科技有限公司 | 一种基于大数据处理的污染源在线分析系统及方法 |
Families Citing this family (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110531030B (zh) * | 2019-08-16 | 2021-11-12 | 北京慧辰资道资讯股份有限公司 | 一种基于物联网大数据大气污染物分析的方法及装置 |
| CN112540147B (zh) * | 2019-09-20 | 2023-12-22 | 中国石油化工股份有限公司 | 一种炼化企业区域性大气污染物溯源方法 |
| CN110779843B (zh) * | 2019-09-30 | 2022-06-07 | 成都市环境保护科学研究院 | 一种大气二次颗粒物污染过程的分型分析系统 |
| CN110954658B (zh) * | 2019-12-02 | 2023-09-29 | 上海宝钢工业技术服务有限公司 | 工业园区挥发性有机物网格化溯源调查的方法 |
| CN111062316A (zh) * | 2019-12-16 | 2020-04-24 | 成都之维安科技股份有限公司 | 一种基于深度学习技术的污染源废水排放实时视频分析系统 |
| CN111125641B (zh) * | 2019-12-25 | 2024-03-12 | 广州博进信息技术有限公司 | 一种大气污染异常识别与成因分析方法、装置及存储介质 |
| CN111077280B (zh) * | 2020-01-14 | 2020-08-25 | 浙江清华长三角研究院 | 一种基于河网的农村污水处理设施与水质监测站点间的溯源分析方法 |
| CN111537023B (zh) * | 2020-05-13 | 2021-05-07 | 浙江大学 | 一种工业园区大气污染物扩散模拟与溯源方法 |
| CN111814111B (zh) * | 2020-05-25 | 2021-07-27 | 南京大学环境规划设计研究院集团股份公司 | 一种工业园区大气污染物溯源方法 |
| 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 |
| CN112418487A (zh) * | 2020-10-30 | 2021-02-26 | 中国水利水电科学研究院 | 一种小流域河湖污染物反向精准溯源方法及系统 |
| 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 |
| CN112505282A (zh) * | 2020-12-25 | 2021-03-16 | 生态环境部南京环境科学研究所 | 一种环境水体污染实时精准溯源预警方法及其系统 |
| CN112651645B (zh) * | 2020-12-30 | 2023-03-24 | 农业农村部环境保护科研监测所 | 一种产地环境监测异常数据全程溯源解析方法 |
| CN112881611B (zh) * | 2021-01-20 | 2023-06-16 | 无锡高德环境科技有限公司 | 一种污染源溯源方法 |
| CN113361199A (zh) * | 2021-06-09 | 2021-09-07 | 成都之维安科技股份有限公司 | 基于时间序列的多维污染物排放强度预测方法 |
| CN113484198B (zh) * | 2021-06-30 | 2022-12-23 | 重庆建安仪器有限责任公司 | 一种辐射烟云扩散预测系统及方法 |
| CN113610243B (zh) * | 2021-08-12 | 2023-10-13 | 中节能天融科技有限公司 | 基于耦合机器学习和相关性分析的大气污染物溯源方法 |
| CN114662981B (zh) * | 2022-04-15 | 2023-01-03 | 广东柯内特环境科技有限公司 | 基于大数据应用的污染源企业监管方法 |
| CN114881472A (zh) * | 2022-05-07 | 2022-08-09 | 中科三清科技有限公司 | 机动车排放对空气质量影响的分析方法、装置及设备 |
| CN115048475A (zh) * | 2022-06-09 | 2022-09-13 | 南京国环科技股份有限公司 | 一种基于大数据的快速水污染溯源方法以及系统 |
| CN116340980B (zh) * | 2023-04-04 | 2023-09-05 | 临沂市生态环境局费县分局 | 一种基于大数据的水环境污染分析管理系统及方法 |
| CN116934101B (zh) * | 2023-09-19 | 2023-11-24 | 湖北君邦环境技术有限责任公司 | 智慧园区辅助执法管理方法、装置、存储介质及电子设备 |
| CN116975378B (zh) * | 2023-09-21 | 2023-12-05 | 江苏云天精筑环境科技有限公司 | 一种基于大数据的设备环境监测方法及系统 |
| CN117610942B (zh) * | 2024-01-22 | 2024-03-29 | 广东智环创新环境科技有限公司 | 基于物联网的产业园区环保监督管理预警方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100750179B1 (ko) * | 2006-11-06 | 2007-08-17 | 재단법인서울대학교산학협력재단 | 지하수 오염물질 부하량 결정방법 |
| CN102628852A (zh) * | 2012-03-13 | 2012-08-08 | 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 |
| KR20160079303A (ko) * | 2014-12-26 | 2016-07-06 | 주식회사 현대케피코 | 공기유량센서 클리닝 방법 |
| CN105740650A (zh) * | 2016-03-02 | 2016-07-06 | 广西作物遗传改良生物技术重点开放实验室 | 一种快速准确鉴定高通量基因组数据污染源的方法 |
| CN106203688A (zh) * | 2016-07-01 | 2016-12-07 | 中国水利水电科学研究院 | 一种经济与环境约束下点源污染消减技术的优化筛选方法 |
| CN106339974A (zh) * | 2016-10-21 | 2017-01-18 | 常州市环境监测中心 | 一种市区大气污染物排放清单的建立方法 |
| US9719972B2 (en) * | 2015-03-31 | 2017-08-01 | International Business Machines Corporation | System and method for air-pollutant source-localization using parked motor vehicles |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160091474A1 (en) * | 2014-09-29 | 2016-03-31 | Tanguy Griffon | Method and a System for Determining at Least One Forecasted Air Quality Health Effect Caused in a Determined Geographical Area by at Least One Air Pollutant |
| CN109376210A (zh) * | 2018-10-24 | 2019-02-22 | 海口金政信息科技有限公司 | 一种智能污染源动态管理系统及方法 |
| CN109583743A (zh) * | 2018-11-26 | 2019-04-05 | 南京创蓝科技有限公司 | 基于拉格朗日模型和移动观测平台的大气污染溯源方法 |
-
2019
- 2019-04-26 CN CN201910341774.3A patent/CN110085281B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100750179B1 (ko) * | 2006-11-06 | 2007-08-17 | 재단법인서울대학교산학협력재단 | 지하수 오염물질 부하량 결정방법 |
| CN102628852A (zh) * | 2012-03-13 | 2012-08-08 | 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 |
| KR20160079303A (ko) * | 2014-12-26 | 2016-07-06 | 주식회사 현대케피코 | 공기유량센서 클리닝 방법 |
| US9719972B2 (en) * | 2015-03-31 | 2017-08-01 | International Business Machines Corporation | System and method for air-pollutant source-localization using parked motor vehicles |
| CN105740650A (zh) * | 2016-03-02 | 2016-07-06 | 广西作物遗传改良生物技术重点开放实验室 | 一种快速准确鉴定高通量基因组数据污染源的方法 |
| CN106203688A (zh) * | 2016-07-01 | 2016-12-07 | 中国水利水电科学研究院 | 一种经济与环境约束下点源污染消减技术的优化筛选方法 |
| CN106339974A (zh) * | 2016-10-21 | 2017-01-18 | 常州市环境监测中心 | 一种市区大气污染物排放清单的建立方法 |
Non-Patent Citations (3)
| Title |
|---|
| Sources and abatement mechanisms of VOCs in southern China;Mengdi Song 等;《Atmospheric Environment》;20190315;第201卷;全文 * |
| 上海拟建污染源"DNA数据库" 为区域联防联控提供精准预测;余梦;《http://sh.eastday.com/m/20140109/u1a7876095_1.html》;20140109;全文 * |
| 化学反应Petri网的大气复合污染损害度评价模型;苏佳 等;《环境科学与技术》;20190228;第42卷(第2期);全文 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116564431A (zh) * | 2023-06-02 | 2023-08-08 | 江苏捷利达环保科技有限公司 | 一种基于大数据处理的污染源在线分析系统及方法 |
| CN116564431B (zh) * | 2023-06-02 | 2024-01-09 | 江苏捷利达环保科技有限公司 | 一种基于大数据处理的污染源在线分析系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110085281A (zh) | 2019-08-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110085281B (zh) | 一种基于特征污染因子源解析的环境污染溯源系统及方法 | |
| CN112085241B (zh) | 一种基于机器学习的环境大数据分析和决策平台 | |
| CN111260208B (zh) | 基于风险场的区域网格化累积性环境风险评估系统及方法 | |
| CN114371260B (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 | |
| Qiu et al. | Atmospheric dispersion prediction and source estimation of hazardous gas using artificial neural network, particle swarm optimization and expectation maximization | |
| Lestari et al. | Source apportionment of particulate matter at urban mixed site in Indonesia using PMF | |
| El-Harbawi | Air quality modelling, simulation, and computational methods: a review | |
| Qiao et al. | Modeling dry and wet deposition of sulfate, nitrate, and ammonium ions in Jiuzhaigou National Nature Reserve, China using a source-oriented CMAQ model: Part I. Base case model results | |
| CN114155129A (zh) | 一种基于工业园区的大气环境溯评方法和系统 | |
| Blanchard | Methods for attributing ambient air pollutants to emission sources | |
| Mirsanjari et al. | Investigation of the impacts of urban vegetation loss on the ecosystem service of air pollution mitigation in Karaj metropolis, Iran | |
| Harkat et al. | The impact of industrial air pollution on the urban environment of setif: Modeling and mapping of total suspended particles | |
| Stein et al. | Using measured and modeled indicators to assess ozone-NOx-VOC sensitivity in a western Mediterranean coastal environment | |
| JP2004157898A (ja) | 環境監視システム | |
| Malinović-Milićević et al. | Prediction of tropospheric ozone concentration using artificial neural networks at traffic and background urban locations in Novi Sad, Serbia | |
| Liu et al. | Study on the development of multi perception system for “Internet Plus” smart environmental protection | |
| Nicolescu et al. | Mapping air quality: An assessment of the pollutants dispersion in inhabited areas to predict and manage environmental risks | |
| Savas | Computers in urban air pollution control systems: Part A. planning for pollution abatement part B. monitoring, prediction, and control of air quality | |
| Hicks et al. | The role of the atmosphere in coastal ecosystem decline—future research directions | |
| Wang et al. | A GIS-based multi-source and multi-box modeling approach (GMSMB) for air pollution assessment—A North American case study | |
| Lapkovsky et al. | An approach to finding sources of pollution to maintain stable air quality | |
| Karl | Development of the city-scale chemistry transport model citychem-episode and its application to the city of Hamburg | |
| Clark et al. | Air quality impact assessment | |
| Mahesh Kumar | ASSESSMENT AND PREDICTION OF AIR POLLUTANTS USING AERMOD MODEL IN CHANDIGARH | |
| Sarsenova et al. | Analytical Decision-Making System Based on the Analysis of Air Pollution in the City of Nur-Sultan |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: An environmental pollution traceability system and method based on source analysis of characteristic pollution factors Effective date of registration: 20220525 Granted publication date: 20210720 Pledgee: Bank of Chengdu science and technology branch of Limited by Share Ltd. Pledgor: CHENGDU ZVAN TECHNOLOGY CO.,LTD. Registration number: Y2022980006201 |