CN111753426A - 颗粒物污染的源解析方法和装置 - Google Patents
颗粒物污染的源解析方法和装置 Download PDFInfo
- Publication number
- CN111753426A CN111753426A CN202010594657.0A CN202010594657A CN111753426A CN 111753426 A CN111753426 A CN 111753426A CN 202010594657 A CN202010594657 A CN 202010594657A CN 111753426 A CN111753426 A CN 111753426A
- Authority
- CN
- China
- Prior art keywords
- source
- pollution
- data
- target area
- concentration
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Chemical & Material Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种颗粒物污染的源解析方法和装置,涉及污染源解析的技术领域,包括获取气象数据、目标区域对应的颗粒物以及颗粒物的组分数据;基于颗粒物及组分数据,并根据受体模型解析得到污染源浓度数据;基于气象数据进行图像模拟,确定影响目标区域的气团轨迹;基于气团轨迹和污染源浓度数据确定目标区域中污染源的潜在来源及浓度权重。通过受体模型获得目标区域的污染源数据以及基于气象数据获得目标区域的气团轨迹,通过潜在源贡献分析法得到对目标区域污染源造成影响的潜在源区,解决污染来源的区域传输问题。
Description
技术领域
本发明涉及污染源解析技术领域,尤其是涉及一种大气中颗粒物污染的源解析方法和装置。
背景技术
颗粒物污染除了本地来源之外,还存在气候等影响因素造成的区域传输问题。现今一般通过潜在源贡献分析法(potential source contribution function,PSCF)结合浓度权重轨迹分析法(concentration-weighted trajectory,CWT)对影响研究区空气质量的污染源区进行确认,并在此基础上分析这些潜在源区的环境属性对目标受区的影响程度。其中,潜在源贡献分析法是一种基于气流轨迹分析来识别源区的方法,又叫滞留时间分析法。PSCF只能用每个网格中污染轨迹所占的比例多少来反映不同潜在源区对目标受区中污染贡献率的大小,不能反映不同潜在源区对目标受区中的污染程度,即PCSF无法模拟潜在源区的污染贡献量数值的大小。因此,在PSCF的基础上采用CWT来分析潜在源区对目标受区中的污染程度。
但传统的潜在源贡献分析法PSCF,结合浓度权重轨迹分析法CWT,只能获得PM2.5的传输影响,无法考虑到区域传输影响下污染物的各类详细污染来源,也就是说,PSCF和CWT主要基于污染物观测数据获得污染物的潜在来源及浓度权重,无法解决污染物详细污染来源的区域传输问题。
发明内容
本发明的目的在于提供一种颗粒物污染的源解析方法和装置,通过获得目标区域的污染源浓度数据以及对目标区域污染源造成影响的气团轨迹,结合受体模型的解析,能够获得被周边区域影响后的目标区域中污染源的潜在来源和浓度权重,从而定性和半定量的解决颗粒物的污染源的区域传输问题。
第一方面,本发明实施例提供了一种颗粒物污染的源解析方法,包括:
获取气象数据、目标区域对应的颗粒物以及所述颗粒物的组分数据;
基于所述颗粒物及所述组分数据,并根据受体模型解析得到所述目标区域的至少一种指定类别的污染源浓度数据污染源;
基于所述气象数据进行图像模拟,确定影响所述目标区域的气团轨迹;
基于所述气团轨迹和至少一种所述指定类别的污染源浓度数据确定所述目标区域中至少一种所述指定类别的污染源的潜在来源及浓度权重污染源。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,基于所述颗粒物及所述组分数据,并根据受体模型解析得到污染源浓度数据的步骤,包括:
将所述颗粒物及所述组分数据输入受体模型,得到源解析结果;
分析整理所述源解析结果,得到污染源浓度数据。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实施方式,其中,基于所述气团轨迹和至少一种所述指定类别的污染源浓度数据确定所述目标区域中至少一种所述指定类别的污染源的潜在来源及浓度权重的步骤,包括:
创建分析图层,将所述气团轨迹和所述目标区域的污染源浓度数据导入潜在源分析模型,生成潜在源模拟结果;
基于所述分析图层,将所述气团轨迹和所述目标区域的污染源浓度数据导入浓度权重分析模型进行浓度权重分析,进而获得浓度权重分析结果。
结合第一方面,本发明实施例提供了第一方面的第三种可能的实施方式,其中,所述潜在源分析模型为潜在源贡献分析法PSCF模型,所述浓度权重分析模型为浓度权重轨迹分析法CWT模型。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实施方式,其中,基于气象数据进行图像模拟,确定影响所述目标区域的气团轨迹的步骤,包括:
将所述气象数据导入制图工具,基于预设参数模拟得到影响所述目标区域的气团轨迹。
结合第一方面,本发明实施例提供了第一方面的第五种可能的实施方式,其中,所述受体模型为正定矩阵因子分解模型PMF模型。
结合第一方面,本发明实施例提供了第一方面的第六种可能的实施方式,其中,所述预设参数包括经纬度、高度和模拟时间段。
第二方面,本发明实施例还提供一种颗粒物污染的源解析装置,包括:
获取模块,用于获取气象数据、目标区域对应的颗粒物以及所述颗粒物的组分数据;
解析模块,用于基于所述颗粒物及所述组分数据,并根据受体模型解析得到所述目标区域的至少一种指定类别的污染源浓度数据;
模拟模块,用于基于所述气象数据进行图像模拟,确定所述目标区域的气团轨迹;
确定模块,用于基于所述气团轨迹和至少一种所述指定类别的污染源浓度数据确定所述目标区域中至少一种所述指定类别的污染源的潜在来源及浓度权重污染源。
第三方面,实施例提供一种电子设备,包括存储器、处理器及存储在所述存储器上并且能够在所述处理器上运行的程序,所述处理器执行所述程序时实现如前述实施方式中任一项所述的颗粒物污染的源解析方法。
第四方面,实施例提供一种计算机可读存储介质,所述可读存储介质中存储有计算机程序,所述计算机程序被执行时实现前述实施方式中任意一项所述的颗粒物污染的源解析方法。
本发明实施例提供一种颗粒物污染的源解析方法和装置,通过受体模型对目标区域中的颗粒物及组分数据解析,从解析结果中获得该目标区域的污染源浓度数据,并基于气象数据图像模拟得到该目标区域的气团轨迹,将气团轨迹和污染源浓度数据作为潜在源分析模型和浓度权重分析模型的输入,实现将受体模型各污染源的解析结果,与潜在源分析模型和浓度权重分析模型有机的结合在一起,定性和半定量地解决颗粒物的污染源的区域传输问题。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种颗粒物污染的源解析方法流程图;
图2为本发明实施例提供的一种颗粒物污染的源解析装置的功能模块示意图;
图3为本发明实施例提供的电子设备的硬件架构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
受体模型是在受体成分谱已知而源谱未知的情况下,结合各排放源的标识组分和运算结果,推断排放源种类及其对受体的贡献。污染源一般分为扬尘源、燃煤源、工艺过程源、机动车尾气源、生物质燃烧源和二次源。
当前受体模型能够模拟出研究区域的本地来源及贡献,但对于污染源的区域传输问题无法给出很好的解答。
潜在源贡献分析法(Potential Source Contribution Function,PSCF)是一种基于气流轨迹分析来识别源区的方法,又叫滞留时间分析法,利用此法可以初步对影响研究区空气质量的污染源区进行确认,并在此基础上分析这些潜在源区的环境属性对受区的影响,但PSCF只能用每个网格中污染轨迹所占的比例多少来反映不同潜在源区贡献率的大小,不能反映不同潜在源区的污染程度也就无法模拟数值的大小,因此,在此基础上,结合浓度权重轨迹分析法(concentration-weighted trajectory,CWT)用来分析潜在源区的污染程度。
PSCF和CWT主要基于污染物观测数据获得污染物的潜在来源及浓度权重,无法解决污染物详细污染来源的区域传输问题。
基于此,本发明实施例提供的一种颗粒物污染的源解析方法和装置,通过获得目标区域的污染物组分数据以及对目标区域污染源造成影响的气团轨迹,结合受体模型的解析,能够获得被周边区域影响后的目标区域中污染源的潜在来源和浓度权重,从而定性和半定量解决颗粒物的污染源的区域传输问题。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种颗粒物污染的源解析方法进行详细介绍。
图1为本发明实施例提供的一种颗粒物污染的源解析方法流程图。
参照图1,本发明实施例提供了一种颗粒物污染的源解析方法,包括:
步骤S102,获取气象数据、目标区域对应的颗粒物以及所述颗粒物的组分数据;
其中,用户可获取来自全球范围的气象数据,颗粒物可理解为PM2.5;
在可选的实施例中,按照所需时间段获得相应的气象数据,进而基于该气象数据进行模拟,以能够获得目标区域的气团轨迹,步骤S102中的气象数据可从公开网站上下载,例如美国国家海洋和大气管理局网站等。可根据所需模拟时段下载相应时间段的气象数据。
步骤S104,基于所述颗粒物及所述组分数据,并根据受体模型解析得到所述目标区域的至少一种指定类别的污染源浓度数据;
这里,受体模型在受体成分谱已知而源谱未知的情况下,结合各排放源的组分数据和模拟结果,解析得到污染源浓度数据,其中,污染源浓度数据为各种污染源对各种污染物的贡献浓度。
所述受体模型包括化学质量平衡模型(CMB)和因子分析类模型(PMF、PCA/MLR、UNMIX、ME2等)。在可选的实施例中,所述受体模型为正定矩阵因子分解模型(PMF模型)。
在可选的实施例中,为了得到污染源对应的各个类别或特定类别的污染源浓度数据,步骤S104还包括以下步骤:
步骤1.1),将所述颗粒物及所述组分数据输入受体模型,得到源解析结果;
步骤1.2),分析整理所述源解析结果,得到所述目标区域的至少一种指定类别的污染源浓度数据,如指定类别的污染源浓度数据可为扬尘源15μg/m3、燃煤源10μg/m3等等。
步骤S106,基于所述气象数据进行图像模拟,确定影响所述目标区域的气团轨迹;
这里,基于目标区域对气象数据进行图像模拟,能够预测出对目标区域可能产生影响的气团轨迹,该气团轨迹可能来自不同区域。如,若目标区域为北京,通过对全球范围的气象数据进行图像模拟后,能够得到对目标区域影响较大的来自天津、河北区域中的气团轨迹,该气团轨迹可能会出现随风力移动等情况,进而对北京区域造成影响。
在可选的实施例中,为了得到对目标区域存在影响的气团轨迹,步骤S106,包括:
步骤2.1),将所述气象数据导入制图工具,模拟得到影响所述目标区域的气团轨迹。
作为一种可选的实施例,可基于预设参数,并通过所述制图工具对气象数据进行模拟,得到影响所述目标区域中污染源浓度的气团轨迹,所述预设参数包括经纬度、高度和模拟时间段。这里,制图工具可根据经纬度、高度和模拟时间段等预设参数确定出可能对目标区域造成影响的气团轨迹。可选地,所述制图工具为例如MeteoInfo等气象制图软件。
步骤S108,基于所述气团轨迹和至少一种指定类别的所述污染源浓度数据确定所述目标区域中至少一种所述指定类别的污染源的潜在来源及浓度权重。
这里,将受体模型输出的源解析结果进行整理,获得每个污染源的贡献浓度,作为潜在源分析模型和浓度权重分析模型的输入数据。
在可选的实施例中,所述潜在源分析模型为潜在源贡献分析法(PSCF模型),所述浓度权重分析模型为浓度权重轨迹分析法(CWT模型)。
如,10月1日,二次源浓度为29.24908182μg/m3,扬尘源浓度为28.28077041μg/m3,工业源浓度为8.87760992μg/m3,燃煤源浓度为22.11469177μg/m3,生物质燃烧源浓度为0μg/m3,机动车源浓度为11.47784μg/m3。
在此基础上,将基于受体模型输出源解析结果确定的目标污染源数据通过潜在源分析模型和浓度权重分析模型添加到气团轨迹上,最终的结果以网格形式进行体现,其中潜在源分析模型网格颜色的深浅程度,表征网格所在区域为对目标区域的颗粒物污染源影响区域的可能性的多少,即网格颜色越深,该网格所在区域可能对目标区域的污染影响可能性越大。浓度权重分析模型结果中网格颜色的深浅程度,表征网格所在区域对目标区域颗粒物污染源影响程度的大小,即网格颜色越深,影响程度越大。如,PSCF结果显示天津颜色等级为0.9-1,河北区域颜色等级为0.8-0.9,河南颜色等级为0.7-0.8;CWT结果显示天津浓度权重为250-300,河北区域浓度权重为200-250,河南浓度权重为150-200,则对于目标区域北京颗粒物的污染源主要来自于天津,影响程度的浓度权重为250-300。
在可选的实施例中,步骤S108还包括:
步骤3.1)创建分析图层,在潜在源分析模型导入气团轨迹和目标区域的污染源浓度数据,设置基本参数,进而生成潜在源分析模拟结果。这里,基于潜在源分析模型的模拟解析规则设置基本参数。
这里,分析图层为用于导入气团轨迹的背景板,基于上述创建的分析图层,在浓度权重分析模型导入气团轨迹和所述目标区域的污染源浓度数据,设置相关参数,进而获得浓度权重分析结果。这里,基于浓度权重分析模型的分析规则设置相关参数。
其中,在可选的实施例中,所述潜在源分析模型为潜在源贡献分析法(PSCF模型),所述浓度权重分析模型为浓度权重轨迹分析法(CWT模型)。
通过本发明实施例,将可能对目标区域造成影响的气团轨迹与经受体模型解析得到的各种类别的污染源浓度数据相结合,确定目标区域中各种类别或任意指定类别的污染源的潜在来源及浓度权重。如,经过PSCF和CWT对受体模型输出结果进行分析,可得到天津对目标区域北京的颗粒物污染中的扬尘源影响最大,浓度权重为100-200;河北区域对目标区域北京的污染颗粒物PM2.5中的燃煤源影响最大,浓度权重为20-80。其中,该影响等级为各个区域之间进行衡量影响程度的尺度。
可以理解的是,传统的受体模型只能解决颗粒物污染的本地来源的解析问题,传统的潜在源分析模型或浓度权重分析模型只能解决颗粒物污染整体的轨迹传输问题,如天津区域对目标区域北京的颗粒物污染的影响程度。本发明实施例通过结合受体模型解析方法与潜在源分析模型或浓度权重分析模型分析法,能够解决颗粒物污染在传输过程中,污染物详细污染来源的区域传输问题,如天津区域对目标区域北京的颗粒物污染中各类源(如扬尘源、燃煤源等)的影响程度。
本发明实施例定性和半定量地得到的污染源的区域潜在来源及浓度权重,能够对后续应用的研究提供数据支持,在一种可选的实施例中,可通过获知对目标区域中各类污染源的影响较大区域,对相应区域实现相应污染源的管控,进而实现目标区域中该类污染源的控制。如目标地区北京的颗粒物污染主要由扬尘源造成,此时通过本发明实施例知晓天津对目标地区北京的扬尘源的影响较大,可通过管控天津地区的扬尘源排放,进而控制目标地区的颗粒物污染。
在实际应用的优选实施例中,通过受体模型对目标区域中的颗粒物及组分数据解析,从解析结果中获得该目标区域的污染源浓度数据,并基于气象数据图像模拟得到会对该目标区域的污染源浓度数据造成影响的气团轨迹,将气团轨迹和污染源浓度数据作为潜在源分析模型和浓度权重分析模型的输入,实现将受体模型各污染源的解析结果,与潜在源分析模型和浓度权重分析模型有机的结合在一起,定性和半定量地得到污染源的区域潜在来源及浓度权重的目的。
如图2所示,本发明实施例还提供一种颗粒物污染的源解析装置,包括:
获取模块,用于获取气象数据、目标区域对应的颗粒物以及所述颗粒物的组分数据;
解析模块,用于基于所述颗粒物及所述组分数据,并根据受体模型解析得到所述目标区域的至少一种指定类别的污染源浓度数据;
模拟模块,用于基于气象数据进行图像模拟,确定影响所述目标区域的气团轨迹;
确定模块,用于基于所述气团轨迹和至少一种所述指定类别的污染源浓度数据确定所述目标区域中至少一种所述指定类别的污染源的潜在来源及浓度权重。
在可选的实施例中,解析模块还具体用于将所述颗粒物及所述组分数据输入受体模型,得到源解析结果;分析整理所述源解析结果,得到污染源浓度数据。
在可选的实施例中,模拟模块还具体用于将所述气象数据导入制图工具,模拟得到影响所述目标区域的气团轨迹。
在可选的实施例中,确定模块还具体用于基于所述潜在源分析模型生成潜在源模拟结果,基于浓度权重分析模型获得浓度权重分析结果。
在可选的实施例中,确定模块还具体用于创建分析图层,将所述气团轨迹和所述目标区域的污染源浓度数据导入潜在源分析模型,生成潜在源模拟结果;基于所述分析图层,将所述气团轨迹和所述目标区域的污染源浓度数据导入浓度权重分析模型,进而获得浓度权重分析结果。
可以理解的是,本实施例中的各功能模块的具体操作方法可参照上述方法实施例中相应步骤的详细描述,在此不再重复赘述。
本发明实施例提供的一种用于实现颗粒物污染源解析的电子设备,本实施例中,所述电子设备可以是,但不限于,个人电脑(Personal Computer,PC)、笔记本电脑、监控设备、服务器等具备分析及处理能力的计算机设备。
作为一种示范性实施例,可参见图3,电子设备110,包括通信接口111、处理器112、存储器113以及总线114,处理器112、通信接口111和存储器113通过总线114连接;上述存储器113用于存储支持处理器112执行上述方法的计算机程序,上述处理器112被配置为用于执行该存储器113中存储的程序。
本发明实施例所提供的一种计算机可读存储介质,所述可读存储介质中存储有计算机程序,所述计算机程序代码被执行时可实现上述任一实施例所述的方法,具体实现可参见方法实施例,在此不再赘述。
本文中提到的机器可读存储介质可以是任何电子、磁性、光学或其它物理存储装置,可以包含或存储信息,如可执行指令、数据,等等。例如,机器可读存储介质可以是:RAM(Radom Access Memory,随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、任何类型的存储盘(如光盘、dvd等),或者类似的存储介质,或者它们的组合。
非易失性介质可以是非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、任何类型的存储盘(如光盘、dvd等),或者类似的非易失性存储介质,或者它们的组合。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种颗粒物污染的源解析方法,其特征在于,包括:
获取气象数据、目标区域对应的颗粒物以及所述颗粒物的组分数据;
基于所述颗粒物及所述组分数据,并根据受体模型解析得到所述目标区域的至少一种指定类别的污染源浓度数据;
基于所述气象数据进行图像模拟,确定影响所述目标区域的气团轨迹;
基于所述气团轨迹和至少一种所述指定类别的污染源浓度数据确定所述目标区域中至少一种所述指定类别的污染源的潜在来源及浓度权重。
2.根据权利要求1所述的方法,其特征在于,基于所述颗粒物及所述组分数据,并根据受体模型解析得到污染源浓度数据的步骤,包括:
将所述颗粒物及所述组分数据输入受体模型,得到源解析结果;
分析整理所述源解析结果,得到污染源浓度数据。
3.根据权利要求1所述的方法,其特征在于,基于所述气团轨迹和至少一种所述指定类别的污染源浓度数据确定所述目标区域中至少一种所述指定类别的污染源的潜在来源及浓度权重的步骤,包括:
创建分析图层,将所述气团轨迹和所述目标区域的污染源浓度数据导入潜在源分析模型,生成潜在源模拟结果;
基于所述分析图层,将所述气团轨迹和所述目标区域的污染源浓度数据导入浓度权重分析模型进行浓度权重分析,进而获得浓度权重分析结果。
4.根据权利要求3所述的方法,其特征在于,
所述潜在源分析模型为潜在源贡献分析法PSCF模型,所述浓度权重分析模型为浓度权重轨迹分析法CWT模型。
5.根据权利要求1所述的方法,其特征在于,基于所述气象数据进行图像模拟,确定影响所述目标区域的气团轨迹的步骤,包括:
将所述气象数据导入制图工具,基于预设参数模拟得到影响所述目标区域的气团轨迹。
6.根据权利要求2所述的方法,其特征在于,所述受体模型为正定矩阵因子分解模型PMF模型。
7.根据权利要求5所述的方法,其特征在于,所述预设参数包括经纬度、高度和模拟时间段。
8.一种颗粒物污染的源解析装置,其特征在于,包括:
获取模块,用于获取气象数据、目标区域对应的颗粒物以及所述颗粒物的组分数据;
解析模块,用于基于所述颗粒物及所述组分数据,并根据受体模型解析得到所述目标区域的至少一种指定类别的污染源浓度数据污染源;
模拟模块,用于基于所述气象数据进行图像模拟,确定影响所述目标区域的气团轨迹;
确定模块,用于基于所述气团轨迹和至少一种所述指定类别的污染源浓度数据确定所述目标区域中至少一种所述指定类别的污染源的潜在来源及浓度权重污染源。
9.一种电子设备,其特征在于,包括存储器、处理器及存储在所述存储器上并且能够在所述处理器上运行的程序,所述处理器执行所述程序时实现如权利要求1至7中任意一项所述的颗粒物污染的源解析方法。
10.一种计算机可读存储介质,其特征在于,所述可读存储介质中存储有计算机程序,所述计算机程序被执行时实现权利要求1-7中任意一项所述的颗粒物污染的源解析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010594657.0A CN111753426B (zh) | 2020-06-24 | 2020-06-24 | 颗粒物污染的源解析方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010594657.0A CN111753426B (zh) | 2020-06-24 | 2020-06-24 | 颗粒物污染的源解析方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111753426A true CN111753426A (zh) | 2020-10-09 |
CN111753426B CN111753426B (zh) | 2021-07-16 |
Family
ID=72677350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010594657.0A Active CN111753426B (zh) | 2020-06-24 | 2020-06-24 | 颗粒物污染的源解析方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111753426B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112687350A (zh) * | 2020-12-25 | 2021-04-20 | 中科三清科技有限公司 | 空气细颗粒物的来源解析方法、电子设备及存储介质 |
CN113420984A (zh) * | 2021-06-23 | 2021-09-21 | 天津大学 | 空气污染源区的确定方法 |
CN113740221A (zh) * | 2021-09-07 | 2021-12-03 | 天津大学 | 基于细颗粒物与臭氧的空气污染源区确定方法 |
CN114154828A (zh) * | 2021-11-25 | 2022-03-08 | 泛测(北京)环境科技有限公司 | 大气污染区域传输分析方法和系统 |
CN115236771A (zh) * | 2022-09-22 | 2022-10-25 | 中科三清科技有限公司 | 扬尘浓度确定方法、装置、存储介质和电子设备 |
CN117116381A (zh) * | 2023-09-08 | 2023-11-24 | 重庆市生态环境科学研究院 | 一种基于受体和化学传输模型综合解析细颗粒物源贡献的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101419208A (zh) * | 2008-11-29 | 2009-04-29 | 太原理工大学 | 一种解决空气颗粒物来源解析中遇到的共线性问题的方法 |
CN103698255A (zh) * | 2013-12-26 | 2014-04-02 | 中国环境科学研究院 | 一种大气颗粒物来源实时解析方法 |
CN110673229A (zh) * | 2019-10-23 | 2020-01-10 | 新亚优华科技有限公司 | 一种基于热点网格技术的大气污染物扩散轨迹追踪方法 |
CN111458456A (zh) * | 2020-03-04 | 2020-07-28 | 生态环境部南京环境科学研究所 | 一种基于cwt的大气一次污染物外来源定量分析方法 |
-
2020
- 2020-06-24 CN CN202010594657.0A patent/CN111753426B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101419208A (zh) * | 2008-11-29 | 2009-04-29 | 太原理工大学 | 一种解决空气颗粒物来源解析中遇到的共线性问题的方法 |
CN103698255A (zh) * | 2013-12-26 | 2014-04-02 | 中国环境科学研究院 | 一种大气颗粒物来源实时解析方法 |
CN110673229A (zh) * | 2019-10-23 | 2020-01-10 | 新亚优华科技有限公司 | 一种基于热点网格技术的大气污染物扩散轨迹追踪方法 |
CN111458456A (zh) * | 2020-03-04 | 2020-07-28 | 生态环境部南京环境科学研究所 | 一种基于cwt的大气一次污染物外来源定量分析方法 |
Non-Patent Citations (2)
Title |
---|
李颜君等: "北京地区大气颗粒物输送路径及潜在源分析", 《中国环境科学》 * |
肖浩: "贵阳市PM2.5水溶性无机离子组成特征及氮源解析", 《万方学位论文全文数据库》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112687350A (zh) * | 2020-12-25 | 2021-04-20 | 中科三清科技有限公司 | 空气细颗粒物的来源解析方法、电子设备及存储介质 |
CN113420984A (zh) * | 2021-06-23 | 2021-09-21 | 天津大学 | 空气污染源区的确定方法 |
CN113740221A (zh) * | 2021-09-07 | 2021-12-03 | 天津大学 | 基于细颗粒物与臭氧的空气污染源区确定方法 |
CN113740221B (zh) * | 2021-09-07 | 2022-07-26 | 天津大学 | 基于细颗粒物与臭氧的空气污染源区确定方法 |
CN114154828A (zh) * | 2021-11-25 | 2022-03-08 | 泛测(北京)环境科技有限公司 | 大气污染区域传输分析方法和系统 |
CN115236771A (zh) * | 2022-09-22 | 2022-10-25 | 中科三清科技有限公司 | 扬尘浓度确定方法、装置、存储介质和电子设备 |
CN115236771B (zh) * | 2022-09-22 | 2023-04-07 | 中科三清科技有限公司 | 扬尘浓度确定方法、装置、存储介质和电子设备 |
CN117116381A (zh) * | 2023-09-08 | 2023-11-24 | 重庆市生态环境科学研究院 | 一种基于受体和化学传输模型综合解析细颗粒物源贡献的方法 |
CN117116381B (zh) * | 2023-09-08 | 2024-05-03 | 重庆市生态环境科学研究院 | 一种基于受体和化学传输模型综合解析细颗粒物源贡献的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111753426B (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111753426B (zh) | 颗粒物污染的源解析方法和装置 | |
CN111798928B (zh) | 大气颗粒物污染源解析方法和装置 | |
CN107194139B (zh) | 大气污染源分级方法及计算设备 | |
Wang et al. | Accuracy assessments of land use change simulation based on Markov-cellular automata model | |
Cheng et al. | Spatio-temporal variations of PM2. 5 concentrations and the evaluation of emission reduction measures during two red air pollution alerts in Beijing | |
CN111368401A (zh) | 污染源的溯源方法、装置和存储介质 | |
Sexton et al. | A perturbed parameter ensemble of HadGEM3-GC3. 05 coupled model projections: part 1: selecting the parameter combinations | |
CN109446696B (zh) | 基于cmaq模型的快速大气环境容量测算方法、存储介质和终端 | |
CN112967764B (zh) | 多技术耦合的污染物源解析方法、装置 | |
CN112711893B (zh) | 污染源对pm2.5贡献计算方法、装置和电子设备 | |
CN110348746B (zh) | 基于单个污染源的空气质量影响评估方法和装置 | |
CN111581792B (zh) | 一种基于两阶段非负Lasso模型的大气PM2.5浓度预测方法及系统 | |
CN115629159B (zh) | 一种基于多源数据的臭氧及前体物溯源方法及装置 | |
CN110738354A (zh) | 预测颗粒物浓度的方法、装置、存储介质及电子设备 | |
Wen et al. | Source apportionment of PM 2.5 in Tangshan, China—Hybrid approaches for primary and secondary species apportionment | |
CN112669190A (zh) | 污染源异常排放行为的检测方法、装置及计算机设备 | |
CN114611280A (zh) | 基于obm和ebm多模式的臭氧综合源解析方法 | |
CN116087044A (zh) | 一种基于cmb模型的pm2.5在线来源解析方法及设备 | |
CN113011455A (zh) | 一种空气质量预测svm模型构建方法 | |
CN112364940A (zh) | 基于多源数据的大气污染物源解析方法、存储介质及设备 | |
Schlünzen | On the validation of high-resolution atmospheric mesoscale models | |
Wang et al. | Hyperlocal environmental data with a mobile platform in urban environments | |
Williams et al. | Review of air quality modelling in Defra | |
CN115239027B (zh) | 空气质量格点化集合预报的方法及装置 | |
Carslaw et al. | Defra Phase 2 urban model evaluation |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20201009 Assignee: Beijing Zhongke Sanqing Environmental Technology Co.,Ltd. Assignor: 3CLEAR TECHNOLOGY Co.,Ltd. Contract record no.: X2022980012305 Denomination of invention: Method and device for source analysis of particulate pollution Granted publication date: 20210716 License type: Common License Record date: 20220815 |
|
EE01 | Entry into force of recordation of patent licensing contract |