CN111157688A - 评价污染源对空气质量监测站影响的方法和装置 - Google Patents

Abstract

一种评价污染源对空气质量监测站影响的方法和装置，所述方法包括：获得以监测站为圆心以r为半径的区域内的周边污染源的位置、类型和源强以及在监测站的主导风向的来源方向上所述区域的边界处的外部污染物浓度；当所述外部污染物浓度与监测站的监测浓度超过第一阈值时，以主导风向的来源方向上的边界监测浓度、背景点浓度与气象数据为输入，以监测站的监测浓度为输出建立机器学习模型，计算外部污染源在监测站的模拟浓度c_wind；当所述周边污染源的监测浓度与监测站的监测浓度超过第二阈值时，建立数学模型，计算所述周边污染源在监测站的模拟浓度c_{target_predict i}；计算各污染源贡献给监测站的污染浓度。

Description

评价污染源对空气质量监测站影响的方法和装置

技术领域

本发明属于环境监测技术领域，具体涉及一种评价污染源对空气质量监测站影响的方法和装置。

背景技术

人类活动节奏的日益增快，使得环境问题日益凸现。环境空气质量监测作为环境问题中重要的一环，它能快速的反映地区和城市的环境空气质量，使得环境空气质量状况更加透明化。目前，我国环境空气质量监测网涵盖国家、省、市、县四个级别，在全国各城市共布置1436个监测点位。空气质量监测站各项污染物的浓度表征了该区域的空气质量水平，是上级部门考核空气质量、压实治理责任的标准。

各个空气质量监测站周边存在各类污染源(餐饮、工业、汽修、施工、裸地、道路等等)，但对于各类污染源对于各个监测站是否存在一定量的影响难以得知。

在现有技术中，一般通过污染源的排放清单来估算其污染物排放强度，但都是用污染源的最大排放量来估算，无法判定具体排放时间和排放量及其对于监测站点到底有无影响。

发明内容

为了解决现有技术中存在的问题，本发明提出一种评价污染源对空气质量监测站影响的方法和装置，可以实时监测污染源对监测站的影响。

为了达到上述目的，一方面本发明提出一种评价污染源对空气质量监测站影响的方法，包括：

获得以监测站为圆心以r为半径的区域内的周边污染源的位置、类型和源强以及在监测站的主导风向的来源方向上所述区域的边界处的外部污染物浓度；

当所述外部污染物浓度与监测站的监测浓度超过第一阈值时，以主导风向的来源方向上的边界监测浓度、背景点浓度与气象数据为输入，以监测站的监测浓度为输出建立机器学习模型，计算外部污染源在监测站的模拟浓度c_wind；

当所述周边污染源的监测浓度与监测站的监测浓度超过第二阈值时，建立数学模型，计算所述周边污染源在监测站的模拟浓度c_{target_predict i}；

计算各污染源贡献给监测站的污染浓度。

在一些实施例中，当且仅当下式被满足时，计算外部污染源在监测站的模拟浓度c_wind：

式中，c_{border i}为在监测站的主导风向的来源方向上的边界处第i个监测设备监测到的边界监测浓度，m为监测设备的数量，c_target为监测站的监测浓度，D为边界与监测站的距离，v为边界处风速在外部污染源到监测站方向的分量，

为边界处风向与主导风向的夹角，θ为基于历史数据分析的经验权重。

在一些实施例中，当且仅当下式被满足时，计算所述周边污染源在监测站的模拟浓度c_{target_predict i}：

式中，c_{source i}为第i个周边污染源的监测浓度，c_target为监测站的监测浓度，Di为第i个周边污染源与监测站距离，v为周边污染源处风速在周边污染源到监测站方向的分量，δ为基于历史数据分析的经验权重。

在一些实施例中，r的取值范围为4-6km。在一些实施例中，周边污染源的类型包括三类，第一类污染源为具有必要的污染源强信息的规模企业，第二类污染源为缺少必要的污染源强信息的规模企业，第三类污染源为缺少必要的污染源强信息的小型企业。

在一些实施例中，对于第一类污染源，所述第二数学模型为大气污染物分子扩散模型，利用周边污染源的位置、污染物排放数据以及气象数据计算监测站处的模拟浓度c′_{target_predict i}。

在一些实施例中，模拟浓度c′_{target_predict i}通过下式进行修正：

式中，x_{source i}为第i个周边污染源的监测浓度，x_background为背景点浓度，x_{source_predict i}为第i个周边污染源处的模拟浓度，c′_{target_predict i}为第i个周边污染源在监测站处的模拟浓度，c_{target_predict i}为修正后的第i个周边污染源在监测站的模拟浓度。

在一些实施例中，对于第二类污染源，取第一类污染源中属于同类型污染源的数据集，以该数据集中的监测站监测浓度、气象数据为输入，污染源强为输出，建立机器学习模型，并利用第二类污染源的气象数据和监测站监测浓度计算第二类污染源的源强信息，最后以第二类污染源的气象数据和计算得到的源强数据为输入，采用大气污染物分子扩散模型求得第二类污染源在监测站的模拟浓度c_{target_predict i}。

在一些实施例中，对第三类污染源，以污染源处浓度、背景点浓度与气象数据为输入，监测站的监测浓度为输出，构建机器学习模型，并利用所述机器学习模型计算第三类污染源在监测站的模拟浓度c_{target_predict i}。

在一些实施例中，通过下式计算周边污染源或外部污染物对监测站浓度的贡献：

式中，c_target为监测站监测浓度，c_background为背景点浓度，c_wind为主导风向方向上传输的外部污染物在监测站的模拟浓度，c_{source_predict i}为第i个周边污染源传输到监测站的模拟浓度，n为周边污染源个数，c_{source_contribute i}为第i个周边污染源贡献给监测站的污染浓度。

另一方面，本发明还提出一种评价污染源对空气质量监测站影响的装置，包括：

监测模块，包括多个监测设备，用于获得以监测站为圆心以r为半径的区域内的周边污染源的位置、类型和源强以及在监测站的主导风向的来源方向上所述区域的边界处的外部污染物浓度；

外部污染模拟浓度计算模块，当所述外部污染物浓度与监测站的监测浓度超过第一阈值时，以主导风向的来源方向上的边界监测浓度、背景点浓度与气象数据为输入，监测站的监测浓度为输出建立第一数学模型，计算外部污染源在监测站的模拟浓度c_wind；

周边污染模拟浓度计算模块，当所述周边污染源的监测浓度与监测站的监测浓度超过第二阈值时，建立第二数学模型，计算所述周边污染源在监测站的模拟浓度c_{target_predict i}；

污染浓度贡献计算模块，用于计算各污染源贡献给监测站的污染浓度。

在一些实施例中，边界处的监测设备的数量为3个以上，平均分布在监测站主导风向的来源方向及其上下浮动22.5度的范围内。

又一方面，本发明还提出一种电子设备，包括：

处理器，

计算机可读介质，用于存储计算机程序；

其中，当所述计算机程序被所述处理器执行时，使得所述处理器执行所述方法。

又一方面，本发明还提出一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时使处理器执行所述方法。

与现有技术相比，本发明的方法具有以下技术效果：

本发明可以评价各种类型的污染源对空气质量监测站的影响，可以将当前难以纳入考虑的零散餐饮业、未上报污染排放信息的工业企业以及外部污染源纳入分析考虑，更加准确定位判断考核站所受污染的来源及其贡献。

附图说明

以下附图仅旨在于对本发明做示意性说明和解释，并不限定本发明的范围。其中：

图1为本发明实施例中监测站区域内的污染源监测设备分布图；

图2为本发明实施例中监测站主导风向边界处的监测设备分布图；

图3为本发明实施例中背景点的分布图；

图4为本发明实施例中采用callpuff后向轨迹模型对某工业同区的污染排放轨迹预测；

图5为本发明实施例中评价污染源对空气质量监测站影响的装置方框图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。

在本发明的说明书中，提及“一个实施例”时均意指在该实施例中描述的具体特征、结构或者参数、步骤等至少包含在根据本发明的一个实施例中。因而，在本发明的说明书中，若采用了诸如“根据本发明的一个实施例”、“在一个实施例中”等用语并不用于特指在同一个实施例中，若采用了诸如“在另外的实施例中”、“根据本发明的不同实施例”、“根据本发明另外的实施例”等用语，也并不用于特指提及的特征只能包含在特定的不同的实施例中。本领域的技术人员应该理解，在本发明说明书的一个或者多个实施例中公开的各具体特征、结构或者参数、步骤等可以以任何合适的方式组合。

本发明提出一种评价污染源对空气质量监测站影响的方法，包括：

(1)获得以监测站为圆心以r为半径的区域内的周边污染源的位置、类型和源强以及在监测站的主导风向的来源方向上所述区域的边界处的外部污染物浓度；

(2)当所述外部污染物浓度与监测站的监测浓度超过第一阈值时，以主导风向的来源方向上的边界监测浓度、背景点浓度与气象数据为输入，监测站的监测浓度为输出建立第一数学模型，计算外部污染物在监测站的模拟浓度c_wind；

当所述周边污染源的监测浓度与监测站的监测浓度超过第二阈值时，建立第二数学模型，计算所述周边污染源在监测站的模拟浓度c_{target_predict i}；

(3)计算各污染源贡献给监测站的污染浓度。

在一些实施例中，步骤(1)包括：首先，基于以年为单位的监测站历史气象数据判断监测站主导风向，其次，基于污染源清单，卫星遥感等各类手段获取监测站周边污染源的位置、类型与源强，当前，污染源具体包括：各类成规模工厂与工业园区、小型散乱污企业、路边餐饮企业等。

监测站周边指的是监测站周围半径r以内的区域，该区域半径的选取是经过对大量污染源数据进行分析，判断绝大多数污染源的主要污染影响范围进而决定的，r的取值范围可以在4-6km。

在一个实施例中，通过大气污染物分子扩散模型(例如calpuff后向轨迹模型)对大量历史数据的分析，在近地面风速＜10m/s的情况下(约5级风，历史数据中有99％的数据风速小于10m/s)，若污染源处污染物浓度为1，则其扩散至5km外的污染物浓度最大不高于1％，因此划定半径为5km。基于确认的污染源位置，在这些污染源点位布设监测设备(如图1所示)。通过这些监测设备监测到的污染物浓度计算周边污染源对监测站的影响。

污染源的类型可分为三类，第一类污染源为具有必要的污染源强信息的规模企业，该类污染源可以使用大气污染物分子扩散模型进行分析；第二类污染源为缺少必要的污染源强信息的规模企业，该类污染源也可以使用大气污染物分子扩散模型进行分析，但需要通过建立数学模型计算其源强信息；第三类污染源为缺少必要的污染源强信息的小型企业，例如小型散乱污企业、路边餐饮企业等，该类污染源不能采用大气污染物分子扩散模型进行分析，需要通过建立数学模型计算其排放的污染物在监测站的浓度。

考虑到气象分析中，常将风向以8个方向进行区分，因此，基于监测站历史主导风向，选取该主导风向来源方向及其上下浮动22.5度的三个方向，在这三个方向上距离监测站r处布设监测设备。如图2所示，在一个实施例中，主导风向为西北偏北，在监测站的正北方、西北偏北和西北方布设三个监测设备。通过在此处监测到的污染物浓度计算区域外部污染对监测站的影响。在另一些实施例中，还可以在主导风向来源方向及其上下浮动22.5度的范围内设置更多的监测设备，例如4-6个。

在一些实施例中，步骤(2)包括：首先，在监测站同区域(例如同一城市)选取背景点，背景点可以单独布设于周边没有污染源的位置(如图3所示)，或以同一时刻该区域全部监测点位中浓度最低的点位作为当时刻背景点。

当且仅当下式被满足时，计算主导风向上的外部污染传输到监测站的浓度

式中，c_{border i}为在监测站的主导风向的来源方向上边界处各监测设备监测到的边界监测浓度，m为监测设备的数量，c_target为监测站监测浓度，D为边界与监测站距离，v为边界处风速在边界到监测站方向的分量，

为边界处风向与主导风向的夹角，θ为基于历史数据分析的经验权重。

在一个实施例中，一种θ典型取值方式如下：

统计监测站的历史气象数据，获得历史平均风速分量v＝v均，给定D为5km，基于calpuff轨迹模型计算出当此种气象条件下边界污染物浓度为c_{border 0}时，监测站处浓度刚好为0，则θ＝c_{border 0}*|v均|/5km

以监测设备布设后一段时间内的主导风向的来源方向上的边界监测浓度、背景点浓度与气象数据为输入，监测站监测浓度为输出的数据集，构建和训练机器学习模型，并利用这一模型计算主导风向方向上传输的外部污染物在监测站的模拟浓度c_wind。例如，这里的机器学习模型可以为xgboost。

当且仅当下式被满足时，执行后续步骤，计算各周边污染源的污染传输到监测站的浓度

式中，c_{source i}为第i个污染源的监测浓度，c_target为监测站的监测浓度，D_i为第i个污染源与监测站距离，v为污染源处风速在污染源到监测站方向的分量，δ为基于历史数据分析的经验权重。δ的取值方式与上述θ的取值方式类似。

对第一类污染源，以气象数据，源强数据为输入，基于大气污染物分子扩散模型进行分析，这里的模型可以是诸如HYSPLIT-4后向轨迹模型，Calpuff后向轨迹模型等模型，其输入为污染源(如工厂烟囱)的位置、各类污染物排放数据(如SO₂每小时排放量、PM10每小时排放量)以及气象数据(如风速风向)等。图4为本发明实施例中采用callpuff后向轨迹模型对某工业园区的污染排放轨迹预测。

大气污染物分子扩散模型进行分析可以获得监测站处的模拟浓度c′_{tarpet_predict i}，然后通过下式进行修正：

式中，x_{source i}为第i个周边污染源的监测浓度，x_background为背景点浓度，x_{source_predict i}为第i个周边污染源处的模拟浓度(由污染源强数据和扩散模型得到)，c′_{target_predict i}为第i个周边污染源在监测站处的模拟浓度(由污染源强数据和扩散模型得到)，c_{target_predict i}为修正后的第i个周边污染源在监测站的模拟浓度。

对第二类污染源，首先基于污染源的类型，匹配至对应的污染排放模式模型(例如，有一钢铁厂(已知污染源类型为钢铁厂)，但其污染源强未知，则将第一类污染源中全部污染源类型为钢铁厂的数据取为数据集，进行下述操作)，取第一类污染源中属于同类型污染源的数据集，以该数据集中的监测站监测浓度、气象数据为输入，污染源强为输出，建立机器学习模型(例如xgboost)，并基于一段时间的目标第二类污染源历史数据(气象数据与监测站监测浓度数据)计算第二类污染源的源强信息，最后，以气象数据，以及经计算求得的源强数据为输入，采用与第一类污染源相同的大气污染物分子扩散模型求得在监测站的模拟浓度c_{target_predict i}。

对第三类污染源，即相对特殊，不能采用现有大气污染物分子扩散模型进行分析的污染源(主要原因在于污染源类型独特，无法套入模型等)，直接以监测设备布设后一段时间内的污染源处浓度，背景点浓度与气象数据为输入，监测站监测浓度为输出的数据集，构建训练机器学习模型(例如xgboost)，并利用这一模型计算第三类污染源排放污染在监测站的模拟浓度c_{target_predict i}。

在一些实施例中，通过下式计算周边污染源/外部污染物对监测站浓度贡献：

式中，c_target为监测站监测浓度，c_background为背景点浓度，c_wind为主导风向方向上传输的外部污染物在监测站的模拟浓度，c_{source_predict i}为第i个周边污染源传输到监测站的模拟浓度，n为周边污染源个数，c_{source_contribute i}为第i个周边污染源贡献给监测站的污染浓度。

相应地，本发明还提出一种评价污染源对空气质量监测站影响的装置，如图5所示，该装置包括：

监测模块，包括多个监测设备，用于获得以监测站为圆心以r为半径的区域内的周边污染源的位置、类型和源强以及在监测站的主导风向的来源方向上所述区域的边界处的外部污染物浓度；

外部污染模拟浓度计算模块，当所述外部污染物浓度与监测站的监测浓度超过第一阈值时，以主导风向的来源方向上的边界监测浓度、背景点浓度与气象数据为输入，监测站的监测浓度为输出建立第一数学模型，计算外部污染物在监测站的模拟浓度c_wind；

周边污染模拟浓度计算模块，当所述周边污染源的监测浓度与监测站的监测浓度超过第二阈值时，建立第二数学模型，计算所述周边污染源在监测站的模拟浓度c_{target_predict i}；

污染浓度贡献计算模块，用于计算各污染源贡献给监测站的污染浓度。

本领域技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。

根据本发明的实施例，根据本发明的方法流程可以被实现为计算机软件程序。例如，本发明的实施例包括一种电子设备，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行上述方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分从网络上被下载和安装，和/或从可拆卸介质被安装。在该计算机程序被处理器执行时，执行本发明实施例的系统中限定的上述功能。根据本发明的实施例，所述装置可以通过计算机程序模块来实现。

本发明还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中的装置中所包含的；也可以是单独存在，而末装配入该装置中。上述计算机可读存储介质承载有一个或者多个计算机程序，当上述一个或者多个计算机程序被执行时，实现根据本发明实施例的方法。

根据本发明的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本发明的实施例，计算机可读存储介质可以包括上文描述的ROM和/或RAM和/或ROM和RAM以外的一个或多个存储器。

通过本发明，可以实时并且准确地监测周边污染源和外部污染源贡献给监测站的污染浓度，从而有效地监督和管理周边区域的污染源，在一个实施例中，本发明被应用于多次因监测浓度高而受到管理单位重视的某国控空气质量监测站点。在管理单位末采用本发明的方法之前，通过突击检查督改周边企业排污情况之后数日的监测站点浓度相比之前浓度没有变化，而管理单位采用本发明的方法并对所述方法判断的周边主要污染贡献企业排污情况进行重点监管之后数日的监测站点浓度有明显下降，说明本发明在环境监测和主要污染贡献企业的监督管理中是非常有效的。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种评价污染源对空气质量监测站影响的方法，包括：

获得以监测站为圆心以r为半径的区域内的周边污染源的位置、类型和源强以及在监测站的主导风向的来源方向上所述区域的边界处的外部污染物浓度，优选地，r的取值范围为4-6km；

当所述外部污染物浓度与监测站的监测浓度超过第一阈值时，以主导风向的来源方向上的边界监测浓度、背景点浓度与气象数据为输入，以监测站的监测浓度为输出建立机器学习模型，计算外部污染源在监测站的模拟浓度c_wind；

当所述周边污染源的监测浓度与监测站的监测浓度超过第二阈值时，建立数学模型，计算所述周边污染源在监测站的模拟浓度c_{target_predict i}；

计算各污染源贡献给监测站的污染浓度。

2.根据权利要求1所述的方法，其中，当且仅当下式被满足时，计算外部污染源在监测站的模拟浓度c_wind：

式中，c_{border i}为在监测站的主导风向的来源方向上的边界处第i个监测设备监测到的边界监测浓度，m为监测设备的数量，c_target为监测站的监测浓度，D为边界与监测站的距离，v为边界处风速在外部污染源到监测站方向的分量，

为边界处风向与主导风向的夹角，θ为基于历史数据分析的经验权重。

3.根据权利要求1所述的方法，其中，当且仅当下式被满足时，计算所述周边污染源在监测站的模拟浓度c_{target_predict i}：

式中，c_{source i}为第i个周边污染源的监测浓度，c_target为监测站的监测浓度，D_i为第i个周边污染源与监测站距离，v为周边污染源处风速在周边污染源到监测站方向的分量，δ为基于历史数据分析的经验权重。

4.根据权利要求1所述的方法，其中，周边污染源的类型包括三类，第一类污染源为具有必要的污染源强信息的规模企业，第二类污染源为缺少必要的污染源强信息的规模企业，第三类污染源为缺少必要的污染源强信息的小型企业。

5.根据权利要求4所述的方法，其中，对于第一类污染源，所述第二数学模型为大气污染物分子扩散模型，利用周边污染源的位置、污染物排放数据以及气象数据计算监测站处的模拟浓度c′_{target_predict i}；

优选地，模拟浓度c′_{target_predict i}通过下式进行修正：

式中，x_{source i}为第i个周边污染源的监测浓度，x_background为背景点浓度，x_{source_predict i}为第i个周边污染源处的模拟浓度，c′_{target_predict i}为第i个周边污染源在监测站处的模拟浓度，c_{target_predict i}为修正后的第i个周边污染源在监测站的模拟浓度；

对于第二类污染源，取第一类污染源中属于同类型污染源的数据集，以该数据集中的监测站监测浓度、气象数据为输入，污染源强为输出，建立机器学习模型，并利用第二类污染源的气象数据和监测站监测浓度计算第二类污染源的源强信息，最后以第二类污染源的气象数据和计算得到的源强数据为输入，采用大气污染物分子扩散模型求得第二类污染源在监测站的模拟浓度c_{target_predict i}；

对第三类污染源，以污染源处浓度、背景点浓度与气象数据为输入，监测站的监测浓度为输出，构建机器学习模型，并利用所述机器学习模型计算第三类污染源在监测站的模拟浓度c_{target_predict i}。

6.根据权利要求5所述的方法，其中，通过下式计算周边污染源或外部污染源对监测站浓度的贡献：

式中，c_target为监测站监测浓度，c_background为背景点浓度，c_wind为主导风向方向上传输的外部污染物在监测站的模拟浓度，c_{source_predict i}为第i个周边污染源传输到监测站的模拟浓度，n为周边污染源个数，c_{source_contribute i}为第i个周边污染源贡献给监测站的污染浓度。

7.一种评价污染源对空气质量监测站影响的装置，包括：

监测模块，包括多个监测设备，用于获得以监测站为圆心以r为半径的区域内的周边污染源的位置、类型和源强以及在监测站的主导风向的来源方向上所述区域的边界处的外部污染物浓度；

外部污染模拟浓度计算模块，当所述外部污染物浓度与监测站的监测浓度超过第一阈值时，以主导风向的来源方向上的边界监测浓度、背景点浓度与气象数据为输入，监测站的监测浓度为输出建立第一数学模型，计算外部污染源在监测站的模拟浓度c_wind，优选地，所述外部污染模拟浓度计算模块执行权利要求2所述的步骤；

周边污染模拟浓度计算模块，当所述周边污染源的监测浓度与监测站的监测浓度超过第二阈值时，建立第二数学模型，计算所述周边污染源在监测站的模拟浓度c_{target_predict i}，优选地，所述周边污染模拟浓度计算模块执行权利要求3-5任一项所述的步骤；

污染浓度贡献计算模块，用于计算各污染源贡献给监测站的污染浓度，优选地，所述污染浓度贡献计算模块执行权利要求6所述的步骤。

8.根据权利要求7所述的装置，其中，边界处的监测设备的数量为3个以上，平均分布在监测站主导风向的来源方向及其上下浮动22.5度的范围内。

9.一种电子设备，包括：

处理器，

计算机可读介质，用于存储计算机程序；

其中，当所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1-6任一项所述方法。

10.一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时使处理器执行权利要求1-6任一项所述方法。

Images