CN110095394A - 一种大气颗粒物污染快速溯源方法 - Google Patents
一种大气颗粒物污染快速溯源方法 Download PDFInfo
- Publication number
- CN110095394A CN110095394A CN201910443167.8A CN201910443167A CN110095394A CN 110095394 A CN110095394 A CN 110095394A CN 201910443167 A CN201910443167 A CN 201910443167A CN 110095394 A CN110095394 A CN 110095394A
- Authority
- CN
- China
- Prior art keywords
- pollution
- atmospheric
- particulate matter
- source
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 239000008277 atmospheric particulate matter Substances 0.000 title claims abstract description 26
- 230000008685 targeting Effects 0.000 claims abstract description 12
- 239000002245 particle Substances 0.000 claims abstract description 10
- 238000009792 diffusion process Methods 0.000 claims abstract description 7
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 5
- 231100000719 pollutant Toxicity 0.000 claims abstract description 5
- 238000012544 monitoring process Methods 0.000 claims description 16
- 230000000694 effects Effects 0.000 claims description 12
- 238000011109 contamination Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 10
- 239000008187 granular material Substances 0.000 claims description 9
- 235000007164 Oryza sativa Nutrition 0.000 claims description 8
- 239000013618 particulate matter Substances 0.000 claims description 8
- 235000009566 rice Nutrition 0.000 claims description 8
- 230000002123 temporal effect Effects 0.000 claims description 6
- 210000001163 endosome Anatomy 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 240000007594 Oryza sativa Species 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 8
- 230000002265 prevention Effects 0.000 abstract description 6
- 230000003319 supportive effect Effects 0.000 abstract description 3
- 239000000428 dust Substances 0.000 description 8
- 241000209094 Oryza Species 0.000 description 7
- 238000002485 combustion reaction Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 239000002956 ash Substances 0.000 description 3
- 239000002803 fossil fuel Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000000446 fuel Substances 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000000809 air pollutant Substances 0.000 description 1
- 231100001243 air pollutant Toxicity 0.000 description 1
- 239000010882 bottom ash Substances 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种大气颗粒物污染快速溯源方法,包括以下步骤:步骤S1:建立区域颗粒物排放信息库;步骤S2:确定颗粒物污染时段;步骤S3:获取污染时段的区域气象数据;步骤S4:确定受体位置;步骤S5:获取区域内污染时段不同网格的气团滞留时间以及污染来源识别计算;步骤S6:确定是该次污染过程的污染排放来源区域所属网格;步骤S7:筛选颗粒物污染的靶向防治对象。本发明首次联用源清单‑气象模型‑粒子扩散模型技术,对大气颗粒物污染来源进行解析;对历史和未来的颗粒物污染来源进行追溯,溯源结果精准,靶向性强,对防治政策指定的支撑性特别强。
Description
技术领域
本发明涉及大气颗粒物污染快速溯源的方法,尤其是一种大气颗粒物污染快速溯源方法。
背景技术
近年来,随着社会经济的发展和城市化的扩张,大气颗粒物污染日益严重,不少地区频繁出现大范围的颗粒物重污染事件,对人民的身体健康造成了严重的影响,引起了社会各界的高度关注。如何确定污染来源的行业和地区实施精准性防控,提高污染防控有效性,是目前各界关注的重点。
当前大气颗粒物污染来源解析技术主要包括清单法、源模型法、受体模型法和监测法等四大类。其中,依赖监测的解析方法成本高,不仅需要花相当高的成本购置相应的仪器,而且需要有大量的基础工作积累,结果靶向性差、不具备预测功能,这都大大地限制了监测法在实际业务中的应用和成效。单纯的清单法和受体模型法,虽然简单易操作,但时效性差,解析结果靶向性不强,不能预测,无法有效地提高污染防治的精准性,严重制约了该方法在治理和预判中的应用。源模型法具备预测功能,但操作难度大,计算量大,要保障解析结果的时效性,对软件硬件配置的要求很高,目前应用面不广。
发明内容
本发明的目的是为了解决上述现有技术的缺陷,提供一种兼具对历史和未来的颗粒物污染事件进行来源追溯的能力,能有效解决颗粒物污染来源解析的时效性和靶向性问题。
本发明的目的可以通过采取如下技术方案达到:
一种大气颗粒物污染快速溯源方法,包括以下步骤:
步骤S1:收集、获取辖区内的大气颗粒物排放相关的活动水平数据,建立区域颗粒物排放信息库;
步骤S2:根据实际监测或预报结果,确定颗粒物污染时段;
步骤S3:使用气象模式WRF对污染事件时段的区域气象环境进行模拟,并获取污染时段的区域气象数据;
步骤S4:确定受体位置,通常为监测站点所在位置,包括经度、纬度和采样口高度;
步骤S5:联用Flexpart粒子扩散模式,设置好相关参数,计算网格与上述网格化清单一致,获取区域内污染时段不同网格的气团滞留时间以及污染来源识别计算:
PSCF
ij
=
其中,PSCF ij 为任意网格ij颗粒物排放对受体颗粒物浓度影响的概率;为归一化后任意网格ij的气团滞留时间;为归一化后任意网格ij的大气颗粒物排放量。由于PSCF是一个条件概率,其不确定性会随着网格点与受体位置距离的增加而增大,尤其当任意网格的气团滞留时间较小的时候。引入权重函数,用于减小滞留时间过小的网格的PSCF的不确定性,具体如下:
对输入识别模型的气团滞留时间t和大气颗粒物排放量p作归一化处理,主要是考虑到两者在数值上存在量级的差异,如果直接输入模型中进行计算,会影响计算结果的敏感性。本发明采用如下方法对气团滞留时间t和大气颗粒物排量p作归一化处理:
其中,t ij 为任意网格ij的原始气团滞留时间,t max 和t min 为区域网格内最大和最小的气团滞留时间;p ij 为任意网格ij原始的大气颗粒物排放量,p max 和p min 为区域网格内最大和最小的大气颗粒物排放量。
步骤S6:上述步骤5所述PSCF不为0的网格为该次污染过程的污染排放来源区域。
步骤S7:把区域内的大气颗粒物排放源信息从信息库中调出,筛选颗粒物污染的靶向防治对象。
作为一种优选方案,所述辖区内的大气颗粒物排放相关的活动水平数据包括以下步骤:
步骤S11:计算不同部门的颗粒物排放量,建立1×1km高空间分辨率的区域大气颗粒物网格化排放清单;
步骤S12:建立不同网格与之包含具体的工业企业、交通路段、工地、非道路移动机械等排放单元的对应关系,建立颗粒物排放信息库。
作为一种优选方案,所述气象模式WRF包含:当前事件是空气质量监测网络实际监测的污染事件,则WRF模式的初始和边界资料为NCEP气象再分析资料;当前事件是预报未来可能会发生的污染事件,则WRF模式的初始和边界资料为GFS气象预报资料;当前事件是地形和下垫面输入资料分别来自USGS 30s全球地形和MODIS下垫面分类资料。
作为一种优选方案,所述NCEP气象再分析资料的分辨率为1×1,时间分辨率是6h(00、06、12、18UTC)。
作为一种优选方案,所述GFS气象预报资料,分辨率为0.25×0.25,时间分辨率是6h(00、06、12、18UTC)。
本发明相对于现有技术具有如下的有益效果:
1、本发明首次联用源清单-气象模型-粒子扩散模型技术,对大气颗粒物污染来源进行解析,建立了污染源区识别模型;
2、本发明能对历史和未来的颗粒物污染来源进行追溯,溯源结果精准,靶向性强,对防治政策指定的支撑性特别强;
3、本发明对现有大气颗粒物污染来源解析技术的有效补充,方法简单易行,解析快速,经费投入少,能有效地支持各地大气颗粒物污染的靶向防治,应用示范推广价值高。
附图说明
图1为本发明的大气颗粒物污染快速溯源方法流程图。
图2为本发明颗粒物排放信息库的流程图。
图3为本发明PSCF计算的流程图。
图4为本发明污染时段、气象数据下载时段示意图。
图5为本发明靶向控制对象筛选流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对一种大气颗粒物污染快速溯源方法进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1:
如图1至图5所示,本实施例的提供的大气颗粒物污染快速溯源方法,主要是针对某次的颗粒物污染事件,在源清单法的基础上创新地联用气象模型和粒子扩散模型,并开发了污染源区识别模型,以快速、定向识别大气颗粒物污染主要的排放单元。
所述的颗粒物污染事件,可以是区域空气质量监测网络监测或区域空气质量预报未来可能会发生的PM10、PM2.5污染事件。
所述的源清单,为辖区网格化、高分辨率的大气颗粒物排放清单,包括工业、交通、工地扬尘、非道路移动机械等部门的颗粒物排放量及其空间分布,不同的排放部门下细分不同的具体的排放单元,包括企业、路段、工地、非道路移动机械等。
一种大气颗粒物污染快速溯源方法,具体步骤如下:
步骤S1:收集、获取辖区内的大气颗粒物排放相关的活动水平数据,建立区域颗粒物排放信息库。
本发明涉及的区域颗粒物排放信息考虑的排放部门主要包括工业企业的化石燃料固定燃烧、工艺过程、交通道路扬尘、工地扬尘和非道路移动机械等。建立区域颗粒物排放信息库的具体操作如下:
首先,收集、获取辖区内的相关部门的活动水平数据,不同部门需要考虑的活动水平数据如下表所示:
表1 活动水平数据类型
排放部门 | 活动水平数据类型 |
化石燃料固定燃烧 | 燃料消耗量、燃料灰分、燃烧设施类型、污染控制措施类型和效率等 |
工艺过程 | 产品产量、工艺方式 |
交通道路扬尘 | 车流量 |
工地扬尘 | 施工、砂石堆料的个数和面积 |
非道路移动机械 | 燃油消费量 |
然后,参考大气污染物排放清单编制技术指南,计算区域颗粒物排放。其中,化石燃料固定燃烧源的颗粒物排放计算主要采用物料平衡法计算,其他排放部门的颗粒物排放采用排放因子法进行,具体如下公式所示:
E
化石
=A×A
ar
×(1-r
a
)×f
PM
×(1-η)
E
其他
=A×F
E
×(1-η)
其中,E为排放量(吨),A为排放源活动水平,A ar 为平均燃煤灰分,r a 为灰分进入底灰比例,f PM 为某粒径范围颗粒物(PM10或PM2.5)占总颗粒物排放比例,F E 为排放因子,η为控制措施的去除率。
排放因子的获取基于大气污染物排放清单编制技术指南、文献调研或本地监测。
再者,通过地理信息系统将上述排放量进行1km×1km的网格化空间分配。其中,工业源包括化石燃料固定燃烧和工艺过程,作点源处理,通过经纬度信息定位到对应网格;交通道路扬尘作面源处理,按照道路网络的空间分布确定排放分配的网格,不同道路排放的空间差异结合道路的车流量、车速等参数以体现排放的空间变异性;工地扬尘和非道路移动机械,作点源处理,根据所在经纬度信息定位到对应网格。
最后,分别建立不同网格和工业企业、交通路段、工地和非道路移动机械的信息对应关系,构建区域颗粒物排放信息库。
步骤S2:根据实际监测或预报结果,确定颗粒物污染时段。根据区域不同粒径大气颗粒物的实际监测数据或区域空气质量预报模型对未来一定时长不同粒径大气颗粒物浓度的预报结果,当某一时刻区域某一粒径的大气颗粒物浓度达到轻度或以上污染水平,并持续超过24小时或以上,即判断发生颗粒物污染,当颗粒物浓度稳定回落至优良,则污染结束,定义上述这段时间为颗粒物污染时段。
步骤S3:使用气象模式WRF对污染事件时段的区域气象环境进行模拟,并获取污染时段的区域气象数据。具体操作步骤如下:
步骤S31:根据颗粒物污染时段,并往前增加24h,预留做模式预热时间,从NCEP网站上下载对应的气象驱动数据。 如果为空气质量监测网络实际监测的污染事件,则WRF模式的初始和边界资料为NCEP气象再分析资料,分辨率为1×1,时间分辨率是6h(00、06、12、18UTC),如果是预报未来可能会发生的污染事件,则WRF模式的初始和边界资料为NCEP气象预报资料,分辨率为0.25×0.25,时间分辨率是6h(00、06、12、18UTC)。
步骤S32:根据网格化清单网格设置,确定WRF计算网格,设置好WRF计算的开始和结束时间。
步骤S33:地形和下垫面土地利用输入资料分别来自USGS和MODIS 30s数据,根据步骤S32确定的计算网格,对步骤S31下载的气象驱动数据,进行垂直和水平方向的插分。
步骤S34:利用步骤S33插分后的文件,制作WRF计算的气象初始和边界条件文件。
步骤S35:设置WRF计算不同过程的参数化方案,进行污染时段的区域气象环境模拟。
步骤S4:确定受体位置,通常为监测站点所在位置,包括经度、纬度和采样口高度。
步骤S5:联用Flexpart粒子扩散模式,设置好相关参数,计算网格与上述网格化清单一致,获取区域内污染时段不同网格的气团滞留时间以及污染来源识别计算:
PSCF
ij
=
其中,PSCF ij 为任意网格ij颗粒物排放对受体颗粒物浓度影响的概率;为归一化后任意网格ij的气团滞留时间;为归一化后任意网格ij的大气颗粒物排放量。由于PSCF是一个条件概率,其不确定性会随着网格点与受体位置距离的增加而增大,尤其当任意网格的气团滞留时间较小的时候。引入权重函数,用于减小滞留时间过小的网格的PSCF的不确定性,具体如下:
对输入识别模型的气团滞留时间t和大气颗粒物排放量p作归一化处理,主要是考虑到两者在数值上存在量级的差异,如果直接输入模型中进行计算,会影响计算结果的敏感性。本发明采用如下方法对气团滞留时间t和大气颗粒物排量p作归一化处理:
其中,t ij 为任意网格ij的原始气团滞留时间,t max 和t min 为区域网格内最大和最小的气团滞留时间;p ij 为任意网格ij原始的大气颗粒物排放量,p max 和p min 为区域网格内最大和最小的大气颗粒物排放量。
步骤S6:上述步骤5所述PSCF不为0的网格为该次污染过程的污染排放来源区域。
步骤S7:把区域内的大气颗粒物排放源信息从信息库中调出,筛选颗粒物污染的靶向防治对象。把区域内的大气颗粒物排放源信息从信息库中调出,按部门(工业、交通、工地扬尘、非道路移动机械等)分别对其颗粒物排放量进行总量统计,并按部门对不同的排放单元按排放量从大到小进行排序,识别出该次污染过程关键的大气颗粒物排放部门和获得不同部门的颗粒物重点排放单元名录,以支持靶向性的颗粒物污染防治工作开展。
本发明首次联用源清单-气象模型-粒子扩散模型技术,对大气颗粒物污染来源进行解析,建立了污染源区识别模型;对历史和未来的颗粒物污染来源进行追溯,溯源结果精准,靶向性强,对防治政策指定的支撑性特别强;对现有大气颗粒物污染来源解析技术的有效补充,方法简单易行,解析快速,经费投入少,能有效地支持各地大气颗粒物污染的靶向防治,应用示范推广价值高。
以上所述,仅为本发明专利优选的实施例,但本发明专利的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明专利所公开的范围内,根据本发明专利的技术方案及其发明专利构思加以等同替换或改变,都属于本发明专利的保护范围。
Claims (5)
1.一种大气颗粒物污染快速溯源方法,包括以下步骤:
步骤S1:收集、获取辖区内的大气颗粒物排放相关的活动水平数据,建立区域颗粒物排放信息库;
步骤S2:根据实际监测或预报结果,确定颗粒物污染时段;
步骤S3:使用气象模式WRF对污染事件时段的区域气象环境进行模拟,并获取污染时段的区域气象数据;
步骤S4:确定受体位置,通常为监测站点所在位置,包括经度、纬度和采样口高度;
步骤S5:联用Flexpart粒子扩散模式,设置好相关参数,计算网格与上述网格化清单一致,获取区域内污染时段不同网格的气团滞留时间以及污染来源识别计算:
PSCF
ij
=
其中,PSCF ij 为任意网格ij颗粒物排放对受体颗粒物浓度影响的概率;为归一化后任意网格ij的气团滞留时间;为归一化后任意网格ij的大气颗粒物排放量。由于PSCF是一个条件概率,其不确定性会随着网格点与受体位置距离的增加而增大,尤其当任意网格的气团滞留时间较小的时候。引入权重函数,用于减小滞留时间过小的网格的PSCF的不确定性,具体如下:
对输入识别模型的气团滞留时间t和大气颗粒物排放量p作归一化处理,主要是考虑到两者在数值上存在量级的差异,如果直接输入模型中进行计算,会影响计算结果的敏感性。本发明采用如下方法对气团滞留时间t和大气颗粒物排量p作归一化处理:
其中,t ij 为任意网格ij的原始气团滞留时间,t max 和t min 为区域网格内最大和最小的气团滞留时间;p ij 为任意网格ij原始的大气颗粒物排放量,p max 和p min 为区域网格内最大和最小的大气颗粒物排放量。
步骤S6:上述步骤5所述PSCF不为0的网格为该次污染过程的污染排放来源区域。
步骤S7:把区域内的大气颗粒物排放源信息从信息库中调出,筛选颗粒物污染的靶向防治对象。
2.根据权利要求1所述的一种大气颗粒物污染快速溯源方法,其特征在于,所述辖区内的大气颗粒物排放相关的活动水平数据包括以下步骤:
步骤S11:计算不同部门的颗粒物排放量,建立1×1km高空间分辨率的区域大气颗粒物网格化排放清单;
步骤S12:建立不同网格与之包含具体的工业企业、交通路段、工地、非道路移动机械等排放单元的对应关系,建立颗粒物排放信息库。
3.根据权利要求1所述的一种大气颗粒物污染快速溯源方法,其特征在于,所述气象模式WRF包含:当前事件是空气质量监测网络实际监测的污染事件,则WRF模式的初始和边界资料为NCEP气象再分析资料;当前事件是预报未来可能会发生的污染事件,则WRF模式的初始和边界资料为GFS气象预报资料;当前事件是地形和下垫面输入资料分别来自USGS 30s全球地形和MODIS下垫面分类资料。
4.根据权利要求3所述的一种大气颗粒物污染快速溯源方法,其特征在于,所述NCEP气象再分析资料的分辨率为1×1,时间分辨率是6h(00、06、12、18UTC)。
5.根据权利要求3所述的一种大气颗粒物污染快速溯源方法,其特征在于,所述GFS气象预报资料,分辨率为0.25×0.25,时间分辨率是6h(00、06、12、18UTC)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910443167.8A CN110095394A (zh) | 2019-05-27 | 2019-05-27 | 一种大气颗粒物污染快速溯源方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910443167.8A CN110095394A (zh) | 2019-05-27 | 2019-05-27 | 一种大气颗粒物污染快速溯源方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110095394A true CN110095394A (zh) | 2019-08-06 |
Family
ID=67449257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910443167.8A Pending CN110095394A (zh) | 2019-05-27 | 2019-05-27 | 一种大气颗粒物污染快速溯源方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110095394A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110687257A (zh) * | 2019-11-04 | 2020-01-14 | 河北先河环保科技股份有限公司 | 一种基于恶臭在线监测系统的溯源方法 |
CN110779843A (zh) * | 2019-09-30 | 2020-02-11 | 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 |
CN110991930A (zh) * | 2019-12-18 | 2020-04-10 | 天津玺腾龙科技发展有限公司 | 计算公路路段尘负荷等级的方法 |
CN111198151A (zh) * | 2020-01-15 | 2020-05-26 | 湖南城市学院 | 一种大气颗粒物采集分析装置及其收集和分析方法 |
CN111612064A (zh) * | 2020-05-20 | 2020-09-01 | 中科三清科技有限公司 | Pm2.5污染气团溯源方法、装置、电子设备及存储介质 |
CN113284244A (zh) * | 2021-04-20 | 2021-08-20 | 四川大学 | 一种基于格点化扩散模拟的大气污染物溯源方法 |
CN115409483A (zh) * | 2022-09-05 | 2022-11-29 | 江苏尚维斯环境科技股份有限公司 | 一种针对大气污染源的追溯方法及系统 |
CN115950797A (zh) * | 2023-03-02 | 2023-04-11 | 北京复兰环保科技有限公司 | 污染物溯源方法和系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4603575A (en) * | 1984-12-27 | 1986-08-05 | Board Of Governors For Higher Education, State Of Rhode Island And Providence Plantations | Elemental tracer system for determining the source areas of pollution aerosol |
CN101604423A (zh) * | 2009-07-09 | 2009-12-16 | 深圳市疾病预防控制中心 | 持久性有机污染物的数据管理系统及数据管理方法 |
CN105335792A (zh) * | 2015-09-18 | 2016-02-17 | 广州蓝穹环保科技有限公司 | 一种基于稀疏矩阵运算排放源模型的排放源清单处理工具 |
CN106295905A (zh) * | 2016-08-22 | 2017-01-04 | 南京大学 | 一种基于拉格朗日输送模型的空气质量快速溯源预报方法 |
CN106844913A (zh) * | 2017-01-09 | 2017-06-13 | 河海大学 | 一种基于三维cfd的滞留气团热力学特性模拟方法 |
CN107516007A (zh) * | 2017-08-02 | 2017-12-26 | 京津冀环境气象预报预警中心 | 一种气团停留时长计算方法 |
CN109522603A (zh) * | 2018-10-18 | 2019-03-26 | 南京大学 | 基于云平台的车载拉格朗日实时大气污染溯源系统及方法 |
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
- 2019-05-27 CN CN201910443167.8A patent/CN110095394A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4603575A (en) * | 1984-12-27 | 1986-08-05 | Board Of Governors For Higher Education, State Of Rhode Island And Providence Plantations | Elemental tracer system for determining the source areas of pollution aerosol |
CN101604423A (zh) * | 2009-07-09 | 2009-12-16 | 深圳市疾病预防控制中心 | 持久性有机污染物的数据管理系统及数据管理方法 |
CN105335792A (zh) * | 2015-09-18 | 2016-02-17 | 广州蓝穹环保科技有限公司 | 一种基于稀疏矩阵运算排放源模型的排放源清单处理工具 |
CN106295905A (zh) * | 2016-08-22 | 2017-01-04 | 南京大学 | 一种基于拉格朗日输送模型的空气质量快速溯源预报方法 |
CN106844913A (zh) * | 2017-01-09 | 2017-06-13 | 河海大学 | 一种基于三维cfd的滞留气团热力学特性模拟方法 |
CN107516007A (zh) * | 2017-08-02 | 2017-12-26 | 京津冀环境气象预报预警中心 | 一种气团停留时长计算方法 |
CN109522603A (zh) * | 2018-10-18 | 2019-03-26 | 南京大学 | 基于云平台的车载拉格朗日实时大气污染溯源系统及方法 |
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 |
Non-Patent Citations (2)
Title |
---|
刘娜 等: "兰州冬季大气污染来源的初步分析-源地与输送", 《第35届中国气象学会年会》 * |
陈赛华 等: "一种快速定量估计大气污染物来源的方法", 《环境科学学报》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110779843A (zh) * | 2019-09-30 | 2020-02-11 | 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 |
CN110687257A (zh) * | 2019-11-04 | 2020-01-14 | 河北先河环保科技股份有限公司 | 一种基于恶臭在线监测系统的溯源方法 |
CN110991930A (zh) * | 2019-12-18 | 2020-04-10 | 天津玺腾龙科技发展有限公司 | 计算公路路段尘负荷等级的方法 |
CN110991930B (zh) * | 2019-12-18 | 2023-05-23 | 天津玺腾龙科技发展有限公司 | 计算公路路段尘负荷等级的方法 |
CN111198151A (zh) * | 2020-01-15 | 2020-05-26 | 湖南城市学院 | 一种大气颗粒物采集分析装置及其收集和分析方法 |
CN111612064A (zh) * | 2020-05-20 | 2020-09-01 | 中科三清科技有限公司 | Pm2.5污染气团溯源方法、装置、电子设备及存储介质 |
CN113284244A (zh) * | 2021-04-20 | 2021-08-20 | 四川大学 | 一种基于格点化扩散模拟的大气污染物溯源方法 |
CN113284244B (zh) * | 2021-04-20 | 2023-09-05 | 四川大学 | 一种基于格点化扩散模拟的大气污染物溯源方法 |
CN115409483A (zh) * | 2022-09-05 | 2022-11-29 | 江苏尚维斯环境科技股份有限公司 | 一种针对大气污染源的追溯方法及系统 |
CN115409483B (zh) * | 2022-09-05 | 2023-10-20 | 江苏尚维斯环境科技股份有限公司 | 一种针对大气污染源的追溯方法及系统 |
CN115950797A (zh) * | 2023-03-02 | 2023-04-11 | 北京复兰环保科技有限公司 | 污染物溯源方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110095394A (zh) | 一种大气颗粒物污染快速溯源方法 | |
Borck et al. | Population density and urban air quality | |
CN102628852B (zh) | 基于污染物来源识别技术的大气污染源分级方法 | |
Gao et al. | Assessing neighborhood air pollution exposure and its relationship with the urban form | |
Vautard et al. | Evaluation and intercomparison of Ozone and PM10 simulations by several chemistry transport models over four European cities within the CityDelta project | |
Pilla et al. | A GIS model for personal exposure to PM10 for Dublin commuters | |
CN112991132B (zh) | Pm2.5和臭氧协同管控区域识别方法及装置 | |
CN108802856B (zh) | 一种基于ai的源数据动态修正预报系统及其工作方法 | |
Vitali et al. | A Lagrangian modelling approach to assess the representativeness area of an industrial air quality monitoring station | |
Gao et al. | Assessing neighborhood variations in ozone and PM2. 5 concentrations using decision tree method | |
CN113360850A (zh) | 一种大气污染物线源溯源分析方法 | |
Liu et al. | A framework for delineating the regional boundaries of PM2. 5 pollution: A case study of China | |
Goyal et al. | Identification of air pollution hotspots in urban areas-An innovative approach using monitored concentrations data | |
Kumar et al. | GIS application in urban traffic air pollution exposure study: a research review | |
Clench-Aas et al. | Air pollution exposure monitoring and estimating. Part I. Integrated air quality monitoring system | |
Koulidis et al. | Air quality levels in the vicinity of three major Greek airports | |
Neier | Austrian air–just clean for locals: a nationwide analysis of environmental inequality | |
Kumar et al. | Comparison of predicted vehicular pollution concentration with air quality standards for different time periods | |
Borrego et al. | Forecasting human exposure to atmospheric pollutants in Portugal–A modelling approach | |
CN110991930B (zh) | 计算公路路段尘负荷等级的方法 | |
Dios et al. | A mixed top-down and bottom-up methodology in spatial segregation of emissions based on GIS tools | |
Trewhela et al. | Analysis of exposure to fine particulate matter using passive data from public transport | |
Özkal | Analysis of annual citizen odor observation records and its relationship with meteorological factors: Çorlu/Tekirdağ case study | |
Isakov et al. | Resolving neighborhood scale in air toxics modeling: a case study in Wilmington, CA | |
Loibl et al. | From national emission totals to regional ambient air quality information for Austria |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190806 |