CN111651873A - 城市大气VOCs排放清单反演方法、系统、终端以及储存介质 - Google Patents
城市大气VOCs排放清单反演方法、系统、终端以及储存介质 Download PDFInfo
- Publication number
- CN111651873A CN111651873A CN202010442893.0A CN202010442893A CN111651873A CN 111651873 A CN111651873 A CN 111651873A CN 202010442893 A CN202010442893 A CN 202010442893A CN 111651873 A CN111651873 A CN 111651873A
- Authority
- CN
- China
- Prior art keywords
- vocs
- concentration
- urban
- emission
- list
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
-
- 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
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Treating Waste Gases (AREA)
Abstract
本申请提供一种城市大气VOCs排放清单反演方法、系统、终端以及储存介质,包括:基于城市基准排放清单以及气象场模拟获得VOCs模拟浓度、氧化剂浓度以及气象场参数;利用观测得到的地面VOCs浓度,同化所述VOCs模拟浓度;根据所述VOCs浓度、氧化剂浓度以及气象场参数反演VOCs排放量,获得城市尺度VOC排放强度;将VOC排放强度进行迭代至达到迭代条件时,获得VOCs排放清单最终反演结果,其中,所述迭代条件包括相邻迭代次数获得的氧化因子的浓度偏差小于偏差阈值。解决现有城市VOCs排放清单不确定性高,而导致环境质量管控难度大的问题。本申请利用城市基准排放清单结合地面观测浓度,经过模型反复迭代,反演得到更为优化的VOCs排放清单。
Description
技术领域
本申请涉及大气污染治理领域,特别是涉及一种城市大气VOCs排放清单反演方法、系统、终端以及储存介质。
背景技术
近20年来,空气污染预报模式的研究得到了很大的发展。空气质量模式将复杂的大气物理、化学模式系统化,建立污染物排放、气象、化学反应相关的模型,模拟空气质量的变化,但目前空气质量模式对各污染物的定量模型还存在一定的偏差,造成对污染过程的科学反演以及政策评估的不确定性。这一不确定性由多方面因素导致,污染物排放清单作为空气质量模式的输入文件,其准确性对空气质量模型最终的模拟效果有很大影响。
排放清单是指各种排放源在一定时间跨度和空间区域内向大气中排放的大气污染物的量的总和。利用排放清单和空气质量模型对区域大气环境质量进行模拟预测,是目前大气环境治理与决策的重要手段。污染源排放清单的准确性直接影响空气质量模型的模拟效果。
目前,VOCs排放清单的编制主要基于“自下而上”的方法,即根据污染源经济部门、技术特征等要素划分为若干个基本排放单元,然后为每个单元获取相应的活动水平、排放因子、治理措施、燃料使用类型等信息,计算不同行业及工段的污染物排放量。基于这种编制手段,VOCs排放总量计算必须对每类排放源进行测试,导致测试成本高。为了获得VOCs分物种清单,还需对每类污染源进行污染源谱测试,这进一步增加了VOCs排放清单编制的成本、难度以及不确定性。为了降低排放清单的不确定性,提高模型模拟精度,目前除了“自下而上”的编制方法,基于卫星观测数据、飞机航测等“自上而下”的方法也常被用于大气污染物排放清单的计算和反演,但这些方法存在物种、区域的限制,并不适合VOCs排放来源复杂的中国大部分城市。因此,目前很难获得准确性强的城市大气VOCs排放清单,进而不利于环境质量的管控。
申请内容
鉴于以上所述现有技术的缺点,本申请的目的在于提供一种城市大气VOCs排放清单反演方法、系统、终端以及储存介质,用于解决现如今由于污染源类型复杂,数据测试成本高,数据获取难度大,空间分布不均匀,时间尺度变化大等问题导致目前城市尺度VOCs排放清单不确定性大,不利于环境质量的管控。
为实现上述目的及其他相关目的,本申请提供一种城市大气VOCs排放清单反演方法,包括:基于城市基准排放清单以及气象场模拟获得不同高度上VOCs模拟浓度、氧化剂浓度以及气象场参数;利用根据地面观测得到的地面VOCs观测浓度,同化所述VOCs模拟浓度并得到同化后不同高度层上的VOCs浓度值;根据所述同化后VOCs浓度、氧化剂浓度以及气象场参数计算由于排放、化学消耗、水平传输导致的VOCs浓度差,从而反演VOCs排放量,获得VOCs排放强度;将VOCs排放强度进行迭代至达到迭代条件时,获得VOCs排放清单结果,其中,所述迭代条件包括相邻迭代次数获得的氧化因子的浓度偏差小于偏差阈值。
于本申请的一实施例中,根据所述VOCs浓度、氧化剂浓度以及气象场参数反演VOCs 排放清单的方式包括:根据所述VOCs浓度、氧化剂浓度、气象场参数、城市网格范围以及环境边界层高度信息反演VOCs排放量。
于本申请的一实施例中,所述气象场参数包括在各垂直高度上的输出和输入速率以及各 VOCs物种的干沉降速率。
于本申请的一实施例中,所述氧化因子包括OH自由基、NO3自由基和臭氧中的一种或多种。
于本申请的一实施例中,所述偏差阈值为10%。
于本申请的一实施例中,基于城市基准排放清单获得VOCs模拟浓度、氧化剂浓度以及气象场参数的方式包括:基于WRF气象场模拟以及基于城市基准排放清单的CMAQ模型模拟,获得VOCs模拟浓度、氧化剂浓度以及气象场参数。
于本申请的一实施例中,所述方法还包括:根据误差标准对所述VOCs排放清单结果进行反复迭代计算。
为实现上述目的及其他相关目的,本申请提供一种城市大气VOCs排放清单反演系统,所述系统包括:参数提取模块,用于基于城市基准排放清单获得不同高度上VOCs模拟浓度、氧化剂浓度以及气象场参数;浓度同化模块,用于利用根据地面观测得到的地面VOCs观测浓度,同化所述VOCs模拟浓度并得到同化后不同高度层上的VOCs浓度值;反演模块,用于根据所述VOCs浓度、氧化剂浓度以及气象场参数计算由于排放、化学消耗、水平传输导致的VOCs浓度差,从而反演VOCs排放量,获得VOC排放强度;迭代模块,用于将所述 VOC排放强度进行迭代至达到迭代条件时,获得VOCs排放清单结果,其中,所述迭代条件包括相邻迭代次数获得的氧化因子的浓度偏差小于偏差阈值。
为实现上述目的及其他相关目的,本申请提供一种城市大气VOCs排放清单反演终端,包括:存储器,用于存储计算机程序;处理器,运行所述计算机程序,以执行所述城市大气VOCs排放清单反演方法。
为实现上述目的及其他相关目的,本申请提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述城市大气VOCs排放清单反演方法。
如上所述,本申请的城市大气VOCs排放清单反演方法、系统、终端以及储存介质,具有以下有益效果:本申请利用城市基准排放清单结合地面观测浓度,经过模型反复迭代,反演得到更为优化的VOCs排放清单。
附图说明
图1显示为本申请一实施例中城市大气VOCs排放清单反演方法的流程示意图。
图2显示为本申请一实施例中经过反演的VOCs排放清单结果示意图。
图3显示为本申请一实施例中原始排放清单结果示意图。
图4a显示为本申请一实例中VOCs观测浓度图。
图4b显示为本申请一实例中原始模拟浓度图。
图4c显示为本申请一实例中反演后清单模拟浓度图。
图5显示为本申请一实施例中城市大气VOCs排放清单反演系统的结构示意图。
图6显示为本申请一实施例中城市大气VOCs排放清单反演方法的流程示意图。
图7显示为本申请一实施例中城市大气VOCs排放清单反演终端的结构示意图。
具体实施方式
以下通过特定的具体实例说明本申请的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本申请的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,在下述描述中,参考附图,附图描述了本申请的若干实施例。应当理解,还可使用其他实施例,并且可以在不背离本申请的精神和范围的情况下进行机械组成、结构、电气以及操作上的改变。下面的详细描述不应该被认为是限制性的,并且本申请的实施例的范围仅由公布的专利的权利要求书所限定。这里使用的术语仅是为了描述特定实施例,而并非旨在限制本申请。空间相关的术语,例如“上”、“下”、“左”、“右”、“下面”、“下方”、““下部”、“上方”、“上部”等,可在文中使用以便于说明图中所示的一个元件或特征与另一元件或特征的关系。
在通篇说明书中,当说某部分与另一部分“连接”时,这不仅包括“直接连接”的情形,也包括在其中间把其它元件置于其间而“间接连接”的情形。另外,当说某种部分“包括”某种构成要素时,只要没有特别相反的记载,则并非将其它构成要素,排除在外,而是意味着可以还包括其它构成要素。
其中提到的第一、第二及第三等术语是为了说明多样的部分、成份、区域、层及/或段而使用的,但并非限定于此。这些术语只用于把某部分、成份、区域、层或段区别于其它部分、成份、区域、层或段。因此,以下叙述的第一部分、成份、区域、层或段在不超出本实用新型范围的范围内,可以言及到第二部分、成份、区域、层或段。
再者,如同在本文中所使用的,单数形式“一”、“一个”和“该”旨在也包括复数形式,除非上下文中有相反的指示。应当进一步理解,术语“包含”、“包括”表明存在所述的特征、操作、元件、组件、项目、种类、和/或组,但不排除一个或多个其他特征、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的,或意味着任一个或任何组合。因此,“A、B或C”或者“A、B和/或C”意味着“以下任一个:A;B;C;A和B;A和C;B和C;A、B和C”。仅当元件、功能或操作的组合在某些方式下内在地互相排斥时,才会出现该定义的例外。
本申请提供一种城市大气VOCs排放清单反演方法,解决目前基于清单编制技术由于污染源类型复杂、排放因子获取难度大而导致的结果不确定性高,环境质量管控难度大的问题。本申请利用城市基准排放清单结合地面观测浓度,经过模型反复迭代,反演得到更为优化的 VOCs排放清单。
下面以附图1为参考,针对本申请的实施例进行详细说明,以便本申请所述技术领域的技术人员能够容易地实施。本申请可以以多种不同形态体现,并不限于此处说明的实施例。
如图1所示,展示一实施例中城市大气VOCs排放清单反演方法的流程示意图,所述方法包括:
步骤S11:基于基准大气污染物排放清单以及气象场模拟获得VOCs模拟浓度、氧化剂浓度以及气象场参数。
可选的,对于VOCs模拟浓度、氧化剂浓度以及气象场参数的模拟选择WRF气象模型和/或CMAQ空气质量模型。
其中,所述WRF为中尺度气象模型,包括微物理参数化方案、积云对流参数化方案、陆面过程参数化方案、边界层参数化方案、长波辐射参数化方案和短波辐射参数化方案。本实施例根据区域特性,选择的WRF参数化方案如表1所示。WRF的初始场和边界场来自美国气象环境预报中心(NCEP)和美国国家大气研究中心(NCAR)开发的FNL全球再分析资料。CMAQ模型为美国环保署(USEPA)极力推广使用的第三代空气质量模式系统,基于“一个大气”的理念设计完成,考虑大气中所有物理过程以及多物种、多相态污染物化学反应过程。考虑化学输送平流、气相化学、烟羽处理、干沉降、湿沉降等过程,同时包含气溶胶模块,可计算气溶胶转化,提供多种化学机制选项。可用于日常的区域和城市尺度空气质量预报,还可用于评估污染物减排效果、预测环境控制策略对空气质量的影响。CMAQ的输入主要是有气象场文件、排放清单文件以及初始场和边界场文件。
表1 WRF参数化方案
微物理过程 | Purdue Lin方案 |
长波辐射 | RRTM |
短波辐射 | Goddard |
陆面过程 | Noah |
边界层方案 | YSU方案 |
积云参数化 | Grell-3 |
可选的,获取不同高度上的VOCs模拟浓度、氧化剂浓度、气象场参数以及大气边界层高度信息。
可选的,根据所述VOCs浓度、氧化剂浓度、气象场参数、城市网格范围以及大气边界层高度反演VOCs排放量。
在一实施例中,城市网格范围采用3层嵌套网格,其中第一层(D1)覆盖整个中国、东亚及东南亚部分国家,网格分辨率为36×36km;第二层(D2)覆盖了中国东部地区,网格分辨率为12×12km;第三层(D3)覆盖了包括上海、浙江、江苏和安徽在内的整个长三角区域,网格分辨率为4×4km。
可选的,所述气象场参数包括在不同高度u(东西)和v(南北)方向上的风矢量信息,及干沉降速率。
步骤S12:根据VOCs地面观测浓度,以及同化模块,对各高度上的VOCs浓度值进行数据同化。
可选的,假设在城市尺度范围内VOCs浓度水平分布较为均匀的情况下,而垂直方向根据模型模拟廓线进行同比例同化,具体公式如下:
可选的,根据在一定时间地点环境下的一组或多组地面观测,获得所述地面VOCs观测浓度。其中,VOCs观测资料来自VOCs自动监测仪(CHROMATO-SUD,Airmozone)实时监测C2~C12的56种VOCs组分。VOCs在线分析仪自带内部校准系统,内部校准系统由三根装有丁烷、己烷和苯标准物质的渗透管组成,每天运行一次,分别用丁烷、己烷和苯三种物质对仪器进行自动标定。内部校准系统对仪器进行标定时,不对大气样品进行检测。本研究采用PAMS标准气体(美国Spectra Gases公司)进行VOCs的定性和定量,共计定量分析 58种VOCs,分别为30种烷烃、11种烯烃、16种芳香烃以及乙炔。仪器对不同VOC物种的检测限为几十到几百ppt。定期采用PAMS标准气体对仪器进行了0、0.5、1.0、2.0、4.0ppbv 的多点校准。
步骤S13:根据各高度上同化后VOCs浓度、氧化剂模拟浓度以及气象场参数反演VOCs 排放清单,获得VOC排放强度。
可选的,根据边界层高度信息确定反演层数(边界层高度外污染物浓度很小可忽略),通过反演模块,根据同化后VOCs浓度、氧化剂模拟浓度以及气象场参数反演所述VOCs排放量,获得VOC排放强度。
可选的,所述反演的原理包括:
所述VOCs浓度主要受源排放、化学消耗、沉降、传输以及边界层高度变化影响,假设城市是一个混合层高度为h,面积为S的三维箱体,则其大气VOCs的浓度变化可用下列公式(2)表达:
其中,[VOC]是整个上海箱体中某VOC组分的大气浓度,μg m-3;E是VOC排放强度,单位为μg s-1;k该VOC与氧化剂(O)的反应速率常数,单位为m3μg-1s-1;[O]是氧化剂O的浓度,包括OH自由基、NO3自由基以及臭氧,单位为μg m-3;k[O][VOC]是VOC的大气消耗速率,单位为μg m-3s-1;T是传输速率(正值为输出,负值为输入),单位为μg s-1;D干沉降速率,单位为μg s-1。
由公式(2)变形即可得到VOC组分排放强度,如公式(3)所列:
即可反演VOCs排放量获得VOC排放强度。
步骤S14:将所述VOC排放强度进行迭代至达到迭代条件时,获得VOCs排放清单结果,其中,所述迭代条件包括相邻迭代次数获得的氧化因子的浓度偏差小于偏差阈值。
可选的,将VOC排放强度第i+1次迭代获得的Ei+1替换至第i次跌代获得的Ei进行迭代及步骤S13的反演,并当相邻迭代次数获得的氧化因子的浓度偏差小于偏差阈值时,迭代终止,获得VOCs排放清单结果。
可选的,相邻迭代次数获得的氧化因子的浓度偏差小于10%。
可选的,所述氧化因子包括OH自由基、NO3自由基以及臭氧中的一种或多种。
可选的,所述氧化因子为OH自由基,当经过第i次迭代获得[OH]i与经过第i+1次迭代 [OH]i+1的相对偏差小于10%时,终止迭代,得到的Ei+1即为最终VOCs排放清单结果。所述VOCs排放清单结果准确性更强。如图2所示为经过反演的VOCs排放清单结果,图3所述为原始排放清单结果,图4a为VOCs观测浓度、图4b为原始模拟浓度及图4c为反演后清单模拟浓度。
可选的,所述方法还包括:根据误差标准对所述VOCs排放清单结果进行反复迭代计算,以达到优化排放清单的效果。
可选的,所述误差标准包括;考虑化学输送平流、气相化学、烟羽处理、干沉降、湿沉降等过程的所造成的误差。
与上述实施例原理相似的是,本申请提供一种城市大气VOCs排放清单反演系统。
以下结合附图提供具体实施例:
如图5所示展示本申请实施例中的一种城市大气VOCs排放清单反演系统的结构示意图。
所述系统包括:
参数提取模块51,用于基于城市基准排放清单获得VOCs模拟浓度、氧化剂浓度以及气象场参数;
浓度获取模块52,利用VOCs地面观测浓度,同化所述VOCs模拟结果,并得到同化后不同高度上的VOCs浓度值;
反演模块53,用于根据所述VOCs浓度、氧化剂浓度以及气象场参数反演VOCs排放清单;
迭代模块54,用于将所述VOCs排放量进行迭代至达到迭代条件时,获得VOCs排放清单结果,其中,所述迭代条件包括相邻迭代次数获得的氧化因子的浓度偏差小于偏差阈值。
可选的,所述参数提取模块51连接所述浓度同化模块52,所述浓度同化模块52连接所述反演模块53,所述反演模块53连接所述迭代模块54。
可选的,所述参数提取模块51基于城市基准排放清单的CMAQ模型模拟及及WRF气象场模拟获得VOCs模拟浓度、氧化剂浓度以及气象场参数。
可选的,所述参数提取模块51基于城市基准排放清单的CMAQ模型模拟及对WRF气象场模拟获得VOCs模拟浓度、氧化剂浓度、气象场参数以及大气边界层尺寸高度。
可选的,所述气象场参考参数包括输入及输出速率以及干沉降速率。
可选的,根据VOCs地面观测浓度,利用所述浓度同化模块52,同化VOCs模拟浓度,获得不同高度上同化后VOCs浓度值。
可选的,所述浓度同化模块52中的VOCs地面观测浓度来自VOCs自动监测仪(CHROMATO-SUD,Airmozone)实时监测C2~C12的56种VOCs组分。
可选的,所述反演模块53利用不同高度上同化后的VOCs浓度值、氧化剂浓度、气象场参数、城市网格范围及大气边界层高度,反演人VOCs排放清单,获得VOC排放强度。
可选的,所述反演模块53反演的原理包括:
所述VOCs浓度主要受源排放、化学消耗、沉降、传输以及边界层高度变化影响,假设城市是一个混合层高度为h,面积为S的三维箱体,则其大气VOCs的浓度变化可用下列公式(2)表达:
其中,[VOC]是整个上海箱体中某VOC组分的大气浓度,μg m-3;E是VOC排放强度,单位为μg s-1;k该VOC与氧化剂(O)的反应速率常数,单位为m3μg-1s-1;[O]是氧化剂O的浓度,包括OH自由基、NO3自由基以及臭氧,单位为μg m-3;k[O][VOC]是VOC的大气消耗速率,单位为μg m-3s-1;T是净输出速率,单位为μg s-1;D干沉降速率,单位为μg s-1。
由公式(2)变形即可得到VOC组分排放强度,如公式(3)所列:
即可反演VOCs排放清单获得获得VOC排放强度。
可选的,所述迭代模块54将VOC排放强度第i+1次迭代获得的Ei+1替换为第i次迭代获得的Ei进行迭代及步骤S13的反演,并当相邻迭代次数获得的氧化因子的浓度偏差小于偏差阈值时,迭代终止,获得VOCs排放清单结果。
可选的,所述迭代模块54相邻迭代次数获得的氧化因子的浓度偏差小于10%。
可选的,所述氧化因子包括OH自由基、NO3自由基以及臭氧中的一种或多种。具体的排放反演过程如图6所示。
可选的,所述氧化因子包括OH自由基。具体的,所述迭代模块54当经过第i次迭代获得[OH]i与经过第i+1次迭代[OH]i+1的相对偏差小于10%时,终止迭代,得到的Ei+1即为最终VOCs排放清单结果。所述VOCs排放清单结果准确性更强。
可选的,所述系统还包括:优化模块,与所述迭代模块54连接,用于根据误差标准对所述VOCs排放清单结果进行反复迭代计算,以达到优化排放清单的效果。
可选的,所述误差标准包括;考虑化学输送平流、气相化学、烟羽处理、干沉降、湿沉降等过程的所造成的误差。
如图7所示,展示本申请实施例中的城市大气VOCs排放清单反演终端70的结构示意图。
所述城市大气VOCs排放清单反演终端70包括:存储器71及处理器72所述存储器71用于存储计算机程序;所述处理器72运行计算机程序实现如图1所述的城市大气VOCs排放清单反演方法。
可选的,所述存储器71的数量均可以是一或多个,所述处理器72的数量均可以是一或多个,所而图1中均以一个为例。
可选的,所述城市大气VOCs排放清单反演终端70中的处理器72会按照如图1述的步骤,将一个或多个以应用程序的进程对应的指令加载到存储器71中,并由处理器72来运行存储在存储器71中的应用程序,从而实现如图1所述城市大气VOCs排放清单反演方法中的各种功能。
可选的,所述存储器71,可能包括但不限于高速随机存取存储器、非易失性存储器。例如一个或多个磁盘存储设备、闪存设备或其他非易失性固态存储设备;所述处理器71,可能包括但不限于中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可选的,所述处理器72可以是通用处理器,包括中央处理器(Central ProcessingUnit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本申请还提供计算机可读存储介质,存储有计算机程序,所述计算机程序运行时实现如图1所示的城市大气VOCs排放清单反演方法。所述计算机可读存储介质可包括,但不限于,软盘、光盘、CD-ROM(只读光盘存储器)、磁光盘、ROM(只读存储器)、RAM(随机存取存储器)、EPROM(可擦除可编程只读存储器)、EEPROM(电可擦除可编程只读存储器)、磁卡或光卡、闪存、或适于存储机器可执行指令的其他类型的介质/机器可读介质。所述计算机可读存储介质可以是未接入计算机设备的产品,也可以是已接入计算机设备使用的部件。
综上所述,本申请城市大气VOCs排放清单反演方法、系统、终端以及储存介质,解决现有排放清单编制技术由于污染来源及工序复杂、时间及空间差异性大导致的数据获难度大、成本高、确定性大的问题,造成难以获得较高准确性的城市大气VOCs排放清单,加大环境质量的管控的难度。本申请利用城市基准排放清单结合地面观测浓度,经过模型反演,获得更为优化的大气VOCs排放清单。所以,本申请有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本申请的原理及其功效,而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本申请所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本申请的权利要求所涵盖。
Claims (10)
1.一种城市大气VOCs排放清单反演方法,其特征在于,所述方法包括:
基于城市基准排放清单以及气象场模拟获得不同高度上VOCs模拟浓度、氧化剂浓度以及气象场参数;
利用地面观测得到的VOCs浓度,同化所述VOCs模拟浓度并计算得到同化后不同高度层上的VOCs浓度值;
根据所述同化后的VOCs浓度、氧化剂浓度以及气象场参数计算由于排放、化学消耗、水平传输导致的VOCs浓度差,从而反演VOCs排放量,获得VOC排放强度;
将所述VOC排放强度进行迭代至达到迭代条件时,获得VOCs排放清单结果,其中,所述迭代条件包括相邻迭代次数获得的氧化因子的浓度偏差小于偏差阈值。
2.根据权利要求1所述的城市大气VOCs排放清单反演方法,其特征在于,根据所述VOCs浓度、氧化剂浓度、气象场参数、城市网格范围以及大气边界层高度反演VOCs排放量。
3.根据权利要求1所述的城市大气VOCs排放清单反演方法,其特征在于,所述气象场参数包括在各垂直高度上的输出和输入速率以及各VOCs物种的干沉降速率。
4.根据权利要求1所述的城市大气VOCs排放清单反演方法,其特征在于,所述氧化因子包括OH自由基、NO3自由基以及臭氧中的一种或多种。
5.根据权利要求1所述的城市大气VOCs排放清单反演方法,其特征在于,所述偏差阈值为10%。
6.根据权利要求1所述的城市大气VOCs排放清单反演方法,其特征在于,基于城市基准排放清单获得VOCs模拟浓度、氧化剂浓度以及气象场参数的方式包括:基于WRF气象场模拟以及基于城市基准排放清单的CMAQ模型模拟,获得VOCs模拟浓度、氧化剂浓度以及气象场参数。
7.根据权利要求1所述的城市大气VOCs排放清单反演方法,其特征在于,所述方法还包括:根据误差标准对所述VOCs排放清单结果进行反复迭代计算。
8.一种城市大气VOCs排放清单反演系统,其特征在于,所述系统包括:
参数提取模块,用于基于城市基准排放清单获得不同高度上VOCs模拟浓度、氧化剂浓度以及气象场参数;
浓度同化模块,用于利用根据地面观测得到的地面VOCs观测浓度,同化所述VOCs模拟浓度并得到同化后不同高度层上的VOCs浓度值;
反演模块,用于根据所述VOCs浓度、氧化剂浓度以及气象场参数计算由于排放、化学消耗、水平传输导致的VOCs浓度差,从而反演VOCs排放量,获得VOC排放强度;
迭代模块,用于将所述VOC排放强度进行迭代至达到迭代条件时,获得VOCs排放清单结果,其中,所述迭代条件包括相邻迭代次数获得的氧化因子的浓度偏差小于偏差阈值。
9.一种城市大气VOCs排放清单反演终端,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于运行所述计算机程序,以执行如权利要求1或7中所述的城市大气VOCs排放清单反演方法。
10.一种计算机存储介质,其特征在于,存储有计算机程序,所述计算机程序运行时实现如权利要求1至7中任一项所述的城市大气VOCs排放清单反演方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010442893.0A CN111651873B (zh) | 2020-05-22 | 2020-05-22 | 城市大气VOCs排放清单反演方法、系统、终端以及储存介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010442893.0A CN111651873B (zh) | 2020-05-22 | 2020-05-22 | 城市大气VOCs排放清单反演方法、系统、终端以及储存介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111651873A true CN111651873A (zh) | 2020-09-11 |
CN111651873B CN111651873B (zh) | 2023-03-14 |
Family
ID=72346034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010442893.0A Active CN111651873B (zh) | 2020-05-22 | 2020-05-22 | 城市大气VOCs排放清单反演方法、系统、终端以及储存介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111651873B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112214913A (zh) * | 2020-11-16 | 2021-01-12 | 中科三清科技有限公司 | 臭氧的主导前体物识别方法、装置、电子设备及存储介质 |
CN114200078A (zh) * | 2021-11-22 | 2022-03-18 | 中科三清科技有限公司 | Oh自由基浓度的测算方法和装置 |
CN114324780A (zh) * | 2022-03-03 | 2022-04-12 | 阿里巴巴达摩院(杭州)科技有限公司 | 大气污染物排放通量处理方法、存储介质以及计算机终端 |
CN114547553A (zh) * | 2022-04-27 | 2022-05-27 | 河北先河环保科技股份有限公司 | 二氧化碳排放量的反演方法、装置、设备及存储介质 |
CN114564841A (zh) * | 2022-03-03 | 2022-05-31 | 上海市环境科学研究院 | 城市大气排放清单反演方法、系统、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2161321C2 (ru) * | 1998-07-14 | 2000-12-27 | Государственный ракетный центр "КБ им. акад. В.П. Макеева" | Способ контроля за выбросами загрязняющих веществ источниками загрязнения атмосферы |
US20130179078A1 (en) * | 2009-11-26 | 2013-07-11 | Tanguy Griffon | Method for measuring weekly and annual emissions of a greenhouse gas over a given surface area |
US20170140075A1 (en) * | 2015-11-12 | 2017-05-18 | International Business Machines Corporation | Retrieving pollution emission source using cfd and satellite data |
US20180210469A1 (en) * | 2017-01-26 | 2018-07-26 | International Business Machines Corporation | Dynamic emission discharge reduction |
CN109858686A (zh) * | 2019-01-14 | 2019-06-07 | 南京大学 | 一种基于EnKF的地面排放清单反演优化方法 |
CN109916788A (zh) * | 2019-01-14 | 2019-06-21 | 南京大学 | 一种区分不同区域排放变化和气象条件变化对pm2.5浓度影响的方法 |
CN110334438A (zh) * | 2019-07-04 | 2019-10-15 | 北京思路创新科技有限公司 | 一种空气污染物排放清单反演方法和设备 |
CN110889079A (zh) * | 2019-09-29 | 2020-03-17 | 北京众蓝科技有限公司 | 一种基于动态反演排放源数据的空气质量预报系统 |
-
2020
- 2020-05-22 CN CN202010442893.0A patent/CN111651873B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2161321C2 (ru) * | 1998-07-14 | 2000-12-27 | Государственный ракетный центр "КБ им. акад. В.П. Макеева" | Способ контроля за выбросами загрязняющих веществ источниками загрязнения атмосферы |
US20130179078A1 (en) * | 2009-11-26 | 2013-07-11 | Tanguy Griffon | Method for measuring weekly and annual emissions of a greenhouse gas over a given surface area |
US20170140075A1 (en) * | 2015-11-12 | 2017-05-18 | International Business Machines Corporation | Retrieving pollution emission source using cfd and satellite data |
US20180210469A1 (en) * | 2017-01-26 | 2018-07-26 | International Business Machines Corporation | Dynamic emission discharge reduction |
CN109858686A (zh) * | 2019-01-14 | 2019-06-07 | 南京大学 | 一种基于EnKF的地面排放清单反演优化方法 |
CN109916788A (zh) * | 2019-01-14 | 2019-06-21 | 南京大学 | 一种区分不同区域排放变化和气象条件变化对pm2.5浓度影响的方法 |
CN110334438A (zh) * | 2019-07-04 | 2019-10-15 | 北京思路创新科技有限公司 | 一种空气污染物排放清单反演方法和设备 |
CN110889079A (zh) * | 2019-09-29 | 2020-03-17 | 北京众蓝科技有限公司 | 一种基于动态反演排放源数据的空气质量预报系统 |
Non-Patent Citations (2)
Title |
---|
朱蓉等: "第2代大气污染物排放源强反演模式SSIM2及其在城市规划大气环境影响评价中的应用", 《气象科技》 * |
程兴宏等: "不同大气污染物监测密度对CMAQ源同化修正效果影响的模拟", 《高原气象》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112214913A (zh) * | 2020-11-16 | 2021-01-12 | 中科三清科技有限公司 | 臭氧的主导前体物识别方法、装置、电子设备及存储介质 |
CN114200078A (zh) * | 2021-11-22 | 2022-03-18 | 中科三清科技有限公司 | Oh自由基浓度的测算方法和装置 |
CN114200078B (zh) * | 2021-11-22 | 2022-08-19 | 中科三清科技有限公司 | Oh自由基浓度的测算方法和装置 |
CN114324780A (zh) * | 2022-03-03 | 2022-04-12 | 阿里巴巴达摩院(杭州)科技有限公司 | 大气污染物排放通量处理方法、存储介质以及计算机终端 |
CN114564841A (zh) * | 2022-03-03 | 2022-05-31 | 上海市环境科学研究院 | 城市大气排放清单反演方法、系统、设备及存储介质 |
CN114324780B (zh) * | 2022-03-03 | 2022-08-02 | 阿里巴巴达摩院(杭州)科技有限公司 | 大气污染物排放通量处理方法、存储介质以及计算机终端 |
WO2023165336A1 (zh) * | 2022-03-03 | 2023-09-07 | 阿里巴巴达摩院(杭州)科技有限公司 | 大气污染物排放通量处理方法、存储介质以及计算机终端 |
CN114547553A (zh) * | 2022-04-27 | 2022-05-27 | 河北先河环保科技股份有限公司 | 二氧化碳排放量的反演方法、装置、设备及存储介质 |
CN114547553B (zh) * | 2022-04-27 | 2022-08-02 | 河北先河环保科技股份有限公司 | 二氧化碳排放量的反演方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111651873B (zh) | 2023-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111651873B (zh) | 城市大气VOCs排放清单反演方法、系统、终端以及储存介质 | |
Yang et al. | Quantitative impacts of meteorology and precursor emission changes on the long-term trend of ambient ozone over the Pearl River Delta, China, and implications for ozone control strategy | |
Baudic et al. | Seasonal variability and source apportionment of volatile organic compounds (VOCs) in the Paris megacity (France) | |
CN111368401A (zh) | 污染源的溯源方法、装置和存储介质 | |
Bove et al. | An integrated PM2. 5 source apportionment study: positive matrix factorisation vs. the chemical transport model CAMx | |
Carmichael et al. | Evaluating regional emission estimates using the TRACE‐P observations | |
Li et al. | Spatiotemporal estimation of satellite-borne and ground-level NO2 using full residual deep networks | |
CN114564841B (zh) | 城市大气排放清单反演方法、系统、设备及存储介质 | |
CN111353634B (zh) | 一种基于模式初始场同化的二氧化硫排放源优化方法 | |
CN109858686A (zh) | 一种基于EnKF的地面排放清单反演优化方法 | |
Meroni et al. | Investigating the role of chemical and physical processes on organic aerosol modelling with CAMx in the Po Valley during a winter episode | |
Metia et al. | Urban air pollution estimation using unscented Kalman filtered inverse modeling with scaled monitoring data | |
CN113570163A (zh) | 基于数学模型的大气臭氧浓度预测方法、系统和装置 | |
Wang et al. | Inverse modeling of black carbon emissions over China using ensemble data assimilation | |
Park et al. | Numerical simulation of atmospheric CO2 concentration and flux over the Korean Peninsula using WRF-VPRM model during Korus-AQ 2016 campaign | |
Huang et al. | Source area identification with observation from limited monitor sites for air pollution episodes in industrial parks | |
Ponomarev et al. | Application of atmospheric chemical transport models to validation of pollutant emissions in Moscow | |
Qu et al. | Extending ozone‐precursor relationships in China from peak concentration to peak time | |
Hakala et al. | Observed coupling between air mass history, secondary growth of nucleation mode particles and aerosol pollution levels in Beijing | |
Borhani et al. | Current status and future forecast of short-lived climate-forced ozone in Tehran, Iran, derived from ground-based and satellite observations | |
Bertrand et al. | Improving the European air quality forecast of the Copernicus Atmosphere Monitoring Service using machine learning techniques | |
Deguillaume et al. | Bayesian Monte Carlo analysis applied to regional‐scale inverse emission modeling for reactive trace gases | |
Inomata et al. | Source–receptor relationship analysis of the atmospheric deposition of PAHs subject to long-range transport in Northeast Asia | |
Shrestha et al. | High-resolution modeling and evaluation of ozone air quality of Osaka using MM5-CMAQ system | |
Xing et al. | Rapid inference of nitrogen oxide emissions based on a top-down method with a physically informed variational autoencoder |
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 |