CN111798928B - 大气颗粒物污染源解析方法和装置 - Google Patents

大气颗粒物污染源解析方法和装置 Download PDF

Info

Publication number
CN111798928B
CN111798928B CN202010623640.3A CN202010623640A CN111798928B CN 111798928 B CN111798928 B CN 111798928B CN 202010623640 A CN202010623640 A CN 202010623640A CN 111798928 B CN111798928 B CN 111798928B
Authority
CN
China
Prior art keywords
source
concentration
contribution
pollution
uncertainty
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
Application number
CN202010623640.3A
Other languages
English (en)
Other versions
CN111798928A (zh
Inventor
李璇
孙明生
易志安
李诗瑶
秦东明
张言云
李蔷
杨帆
管梦爽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
3Clear Technology Co Ltd
Original Assignee
3Clear Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 3Clear Technology Co Ltd filed Critical 3Clear Technology Co Ltd
Priority to CN202010623640.3A priority Critical patent/CN111798928B/zh
Publication of CN111798928A publication Critical patent/CN111798928A/zh
Application granted granted Critical
Publication of CN111798928B publication Critical patent/CN111798928B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G16C20/40—Searching chemical structures or physicochemical data
    • 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
    • G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种大气颗粒物污染源解析方法和装置，涉及污染源解析技术领域，包括基于第一受体模型解析得到每类污染源对颗粒物的第一源贡献浓度；基于数值模型解析得到每类污染源对颗粒物的第二源贡献浓度；基于第一源贡献浓度、第二源贡献浓度、第一不确定度数据、第二不确定度数据、源类浓度对应关系、不确定度对应关系，通过第二受体模型进行解析，得到精细化综合源解析结果，通过受体模型与数值模型的联用，较为简便地获得准确的精细化源解析的结果。

Description

大气颗粒物污染源解析方法和装置
技术领域
本发明涉及大气污染源解析技术领域，尤其是涉及一种大气颗粒物污染源解析方法和装置。
背景技术
当前为了研究污染物对环境的影响，一般通过对污染源进行管控，进而实现环境治理保护的目的。而为了能够实现对各种污染源的合理管控，现今主要采用源解析方法研究解析各类污染源对环境中各污染物的贡献程度，即解析得到环境中各污染物属于哪种来源的污染源。
但是经发明人研究发现，污染源的排放条件、气象因素以及污染物在大气中转化过程或化学反应等条件会一定程度影响污染源源解析的准确性。而当前受体模型法如PMF模型、数值模型法如NAQPMS模型等的源解析方法并没有注意上述对源解析准确性构成影响的因素条件，因此，当前的源解析方法的源解析结果并不准确。由于当前源解析方法存在的弊端，为了得到污染源对环境各污染物的精确解析结果，还需要在当前源解析结果的基础上，再通过研究人员进一步细分污染源，才能实现精细化污染物来源解析，此种精细化源解析方式较为繁琐和复杂。
发明内容
本发明的目的在于提供一种大气颗粒物污染源解析方法和装置，通过受体模型与数值模型的联用，较为简便地获得准确的精细化源解析的结果。
第一方面，本发明实施例提供了一种大气颗粒物污染源解析方法，包括：
基于第一受体模型解析得到每类污染源对颗粒物的第一源贡献浓度，并计算得到所述第一源贡献浓度的第一不确定度数据；
基于数值模型解析得到每类污染源对所述颗粒物的第二源贡献浓度，并计算得到所述第二源贡献浓度的第二不确定度数据；
根据所述第一源贡献浓度和所述第二源贡献浓度得到源类浓度对应关系；
根据所述第一不确定度数据和所述第二不确定度数据得到不确定度对应关系；
基于所述第一源贡献浓度、所述第二源贡献浓度、所述第一不确定度数据、所述第二不确定度数据、源类浓度对应关系、不确定度对应关系，通过第二受体模型进行解析，得到精细化综合源解析结果。
第二方面，本发明实施例还提供一种大气颗粒物污染源解析装置，包括：
第一解析模块，用于基于第一受体模型解析得到每类污染源对颗粒物的第一源贡献浓度，并计算得到所述第一源贡献浓度的第一不确定度数据；
第二解析模块，用于基于数值模型解析得到每类污染源对所述颗粒物的第二源贡献浓度，并计算得到所述第二源贡献浓度的第二不确定度数据；
第一设置模块，用于根据所述第一源贡献浓度和所述第二源贡献浓度得到源类浓度对应关系；
第二设置模块，用于根据所述第一不确定度数据和所述第二不确定度数据得到不确定度对应关系；
精细源解析模块，用于基于所述第一源贡献浓度、所述第二源贡献浓度、所述第一不确定度数据、所述第二不确定度数据、源类浓度对应关系、不确定度对应关系，通过第二受体模型进行解析，得到精细化综合源解析结果。
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大气颗粒物污染源解析方法。
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大气颗粒物污染源解析方法。
本发明实施例提供一种大气颗粒物污染源解析方法和装置，通过第一受体模型解析得到当前颗粒物对应的每类污染源的第一源贡献浓度，并计算第一源贡献浓度对应的第一不确定度数据，并通过数值模型解析得到该当前颗粒物对应的每类污染源的第二源贡献浓度，并计算第二源贡献浓度对应的第二不确定度数据，设置第一源贡献浓度与第二源贡献浓度之间的对应关系、第一不确定度数据与第二不确定度之间的对应关系，第二受体模型基于第一源贡献浓度、第二源贡献浓度、第一不确定度数据、第二不确定度数据以及其对应关系，得到精细化综合源解析结果，该源解析结果较为精确，可满足大气颗粒物污染精细化管理对源解析精细化的需求，通过采用受体模型与数值模型联用的方法，不仅融合了两种模型的优点，同时弥补了每个模型的缺点，更进一步实现了精细化综合源解析。对受体模型解析结果和数值模型解析结果，通过受体模型再计算，实现精细化综合源解析。
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大气颗粒物污染源解析方法流程图；
图2为本发明实施例提供的一种基于第一受体模型得到的大气颗粒物各类源贡献浓度结果示意图；
图3为本发明实施例提供的一种基于第一受体模型得到的大气颗粒物各类源贡献不确定度结果示意图；
图4为本发明实施例提供的一种基于数值模型得到的大气颗粒物各类源贡献浓度结果示意图；
图5为本发明实施例提供的一种基于数值模型得到的大气颗粒物各类源贡献不确定度结果示意图；
图6为本发明实施例提供的一种第二受体模型输入的源贡献浓度数据示意图；
图7为本发明实施例提供的一种第二受体模型输入的不确定度数据示意图；
图8为本发明实施例提供的一种第二受体模型输入的源浓度对应关系示意图；
图9为本发明实施例提供的一种第二受体模型输入的不确定度对应关系示意图；
图10为本发明实施例提供的一种第二受体模型输出的精细化综合解析结果示意图；
图11为本发明实施例提供的另一种第二受体模型输出的精细化综合解析结果示意图；
图12为本发明实施例提供的又一种第二受体模型输出的精细化综合解析结果示意图；
图13为本发明实施例提供的另一种大气颗粒物污染源解析方法流程图；
图14为本发明实施例提供的一种大气颗粒物污染源解析装置的功能模块示意图；
图15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。
近年来，随着经济急剧崛起，工业迅速发展，人口增长，部分城市群持续出现大范围的以颗粒物和臭氧为特征污染物的污染天气，对群众身体健康造成不利影响。环境中的大气颗粒物可以与不同的来源相关联，比如与交通排放，二次气溶胶，生物质燃烧，扬尘和工业排放等相关，每一个的来源表明它具有不同的化学特征。为解决如何更好的控制这些污染物的难题，需要对大气颗粒物的来源进行深入研究，为城市大气颗粒物防治措施制定提供科学支撑，以此来减轻影响环境污染及其相关的健康影响。
现有源解析研究基于受体模型法或数值模型法来表征大气颗粒物来源。受体模型法从受体出发，根据源和受体颗粒物的化学、物理特征等信息，利用数学方法定量解析各污染源类对环境空气中颗粒物的贡献。受体模型主要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)。这里，以A地区为例进行说明，在已有研究的基础上，通过输入环境受体数据(碳组分、水溶性离子、元素组分)通过PMF模型计算得到A地区主要来源有燃煤(29.26％)、扬尘(23.83％)、机动车(19.34％)、二次源(16.01％)和工业源(11.57％)。但是未考虑到污染源和气象条件的作用，使解析结果与实际有一些偏差，同时未对二次源、扬尘源进行更精细的解析，一般仅得到上述几种较为粗略的源解析结果，未实现精细化综合源解析，不足以为实际精准管控提供技术支撑。
数值模型法以不同尺度数值模式方法定量描述大气污染物从源到受体所经历的物理化学过程，定量估算不同地区和不同类别污染源排放对环境空气中颗粒物的贡献。根据选定的空气质量模型要求，输入相应分辨率的地形高程、下垫面特征、环境参数、气象要素场、大气污染物环境监测资料和网格化源清单，采用模型内置的敏感性评估模块、源追踪模块、源开关法等，模拟建立颗粒物源排放与受体之间的对应关系，获得各地区各类污染源排放对环境浓度的贡献。这里，以B地区为例，在已有研究基础上，通过输入气象和源清单数据通过数值模型(CAMx、WRF-Chem、NAQPMS等)得到B地区主要来源有工业源(44％)、交通源(21％)、民用源(14％)、火力发电源(8％)、其他源(12％)。但是受到源清单数据的限制，未解析出扬尘源，未能对工业源等进行更精细的解析。由于排放清单数据的不确定度较大(计算排放清单时，涉及到的源种类、每类源的排放量不确定度都很大)，因此，受到源清单、气象条件、物理化学机制和模式计算误差等方面的不确定性影响，预测结果误差相对较大，未实现精细化综合源解析，不足以为实际精准管控提供技术支撑。
受体模型法或数值模型法解析出的源类已不能满足大气污染精细化治理的要求，需要进一步实现精细化来源解析，将解析出的二次源、燃煤源等源类进一步细分，实现精细化综合源解析，为科学精细管控提供技术支撑。
基于此，本发明实施例提供的一种大气颗粒物污染源解析方法，通过受体模型与数值模型的联用，较为简便地获得准确的精细化源解析的结果。
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大气颗粒物污染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大气颗粒物污染源解析方法流程图。
参照图1，本发明实施例提供了一种大气颗粒物污染源解析方法，包括：
步骤S102，基于第一受体模型解析得到每类污染源对颗粒物的第一源贡献浓度，并计算得到所述第一源贡献浓度的第一不确定度数据；
步骤S104，基于数值模型解析得到每类污染源对所述颗粒物的第二源贡献浓度，并计算得到所述第二源贡献浓度的第二不确定度数据；
步骤S106，根据所述第一源贡献浓度和所述第二源贡献浓度得到源类浓度对应关系；
步骤S108，根据所述第一不确定度数据和所述第二不确定度数据得到不确定度对应关系；
步骤S110，基于所述第一源贡献浓度、所述第二源贡献浓度、所述第一不确定度数据、所述第二不确定度数据、源类浓度对应关系、不确定度对应关系，通过第二受体模型进行解析，得到精细化综合源解析结果。
在实际应用的优选实施例中，通过第一受体模型解析得到当前颗粒物对应的每类污染源的第一源贡献浓度，并计算第一源贡献浓度对应的第一不确定度数据，并通过数值模型解析得到该当前颗粒物对应的每类污染源的第二源贡献浓度，并计算第二源贡献浓度对应的第二不确定度数据，设置第一源贡献浓度与第二源贡献浓度之间的对应关系、第一不确定度数据与第二不确定度之间的对应关系，第二受体模型基于第一源贡献浓度、第二源贡献浓度、第一不确定度数据、第二不确定度数据以及其对应关系，得到精细化综合源解析结果，该源解析结果较为精确，可满足大气颗粒物污染精细化管理对源解析精细化的需求，通过采用受体模型与数值模型联用的方法，不仅融合了两种模型的优点，同时弥补了每个模型的缺点，更进一步实现了精细化综合源解析。对受体模型解析结果和数值模型解析结果，通过受体模型再计算，实现精细化综合源解析。
其中，所述受体模型可包括CMB受体模型。
在一些可能的实施例中，步骤S102还包括以下步骤：
步骤1.1)，获取每类污染源的源谱数据、所述源谱数据的不确定度数据及所述颗粒物的组分浓度数据和所述组分浓度数据的不确定度数据；
这里，通过在线或手工观测获得大气颗粒物质量浓度、碳组分、水溶性离子、元素组分、有机组分浓度数据及不确定度数据；通过采集污染源样品测试化学组成，或者，通过文献查找其他人测试结果，来获得二次硝酸盐、二次硫酸盐、二次有机气溶胶、扬尘源、燃煤源、工业源、交通源、生物质燃烧源等各类污染源源谱数据及不确定度数据；
其中，源谱数据为通过各类污染源处获得的空气样品数据，如将从烟囱中采集的空气样品数据作为工业源的源谱数据、从将从道路中采集的汽车尾气样品数据作为交通源的源谱数据，等等；
步骤1.2)，通过第一受体模型基于所述颗粒物的组分浓度数据、所述组分浓度数据的不确定度数据、所述每类污染源的源谱数据和所述源谱数据的不确定度数据进行解析，得到每类污染源对所述颗粒物的第一源贡献浓度；
这里，将每类污染源的源谱数据、颗粒物及所述颗粒物的组分浓度数据作为输入数据导入第一受体模型，得到二次硝酸盐、二次硫酸盐、二次有机气溶胶、扬尘源、燃煤源、工业源、交通源、生物质燃烧源等各类污染源对大气颗粒物PM2.5贡献的解析结果，可参考图2，图2为第一受体模型得到的大气颗粒物各类源贡献浓度结果示意图；
其中，不确定度的含义是指由于测量误差的存在，对被测量值的不能肯定的程度，第一受体模型将不确定度数据作为输入数据，可保证第一源贡献浓度的准确性。
步骤1.3)，计算所述第一源贡献浓度的第一不确定度数据。
作为一种可选的实施例，利用第一受体模型输出得到的源贡献浓度结果计算源贡献不确定度，源贡献不确定度＝10％×源贡献浓度，如图3所示；
在可选的实施例中，步骤S104还通过以下步骤进行实现，包括：
步骤2.1)，获取环境参数、三维气象要素场参数和颗粒物环境检测数据；
其中，根据选定的数值模型要求，输入相应分辨率的地形高程、下垫面特征等环境参数。颗粒物环境检测数据为颗粒物PM2.5的检测浓度。利用MM5、WRF等气象模式为数值模型提供三维气象要素场资料(水平方向嵌套网格内层分辨率不低于3km×3km，垂直方向边界层内层不少于10层)；三维气象要素场参数是一种气象学参数，一般通过三层嵌套形式进行呈现，以对北京地区进行源解析为例，需要在水平、竖直方向进行气象参数采集，如，第一层，采集水平范围为北京区域，竖直高度为对地高度A米范围内的气象参数；第二层，采集水平范围为京津冀区域，竖直高度为对地高度B米范围内的气象参数；第三层，采集水平范围为华北区域，竖直高度为对地高度C米范围内的气象参数。利用污染源清单资料三维气象要素场参数作为模型运算初始条件输入数值模型，模型外层网格污染物浓度模拟结果作为内层网格的边界条件；采用数值模型内置的源追踪模块等，模拟建立颗粒物源排放与受体之间的对应关系，获得工业源、电力源、交通源、居民源、农业源等各污染源类排放对环境浓度的贡献，如图4所示；
步骤2.2)，通过数值模型基于所述环境参数、三维气象要素场参数和颗粒物环境检测数据进行模拟，得到每类污染源对所述颗粒物的第二源贡献浓度，其中，所述环境参数根据所述数值模型的要求设置；
步骤2.3)，计算所述第二源贡献浓度的第二不确定度数据。其中，利用数值模型得到的源贡献浓度结果计算源贡献不确定度，源贡献不确定度＝10％×源贡献浓度，如图5所示。
在一些实施例中，根据所述第一源贡献浓度和所述第二源贡献浓度得到源类浓度对应关系的步骤，包括：
步骤3.1)，根据预先设置的参考源、所述参考源与污染源类的对应关系，将所述参考源分别与第一源贡献浓度对应的每类污染源、第二源贡献浓度对应的每类污染源进行比对，得到源类浓度对应关系。在可选的实施例中，以受体模型输出的二次硝酸盐、二次硫酸盐、二次有机气溶胶、扬尘源、燃煤源、工业源、交通源和生物质燃烧源的污染源为参考源；参考源与各个污染源类的对应关系一般根据经验进行设定，例如，预先设置对应关系可如下设置：
二次硝酸盐与受体模型第一源贡献度中的二次硝酸盐浓度相等；二次硫酸盐与受体模型第一源贡献度中的二次硫酸盐浓度相等；二次有机气溶胶与受体模型第一源贡献度中的二次有机气溶胶浓度相等；扬尘源与受体模型第一源贡献度中的和扬尘源浓度相等，与数值模型第二源贡献度中的工业源、交通源、居民源和农业源相关；其余源类与上述对应关系类似，在此不再赘述，可详见图8。
其中，设置受体模型源类与数值模型源类浓度对应关系(如图8)，并将此对应关系作为第二受体模型的输入数据，两类源若为相等关系，则设置为1，两类源若为相关关系，则设置为-99，其余均设置为0。
在可选的实施例中，根据所述第一不确定度数据和所述第二不确定度数据得到不确定度对应关系的步骤，包括：
步骤4.1)，根据预先设置的参考源和所述参考源与污染源类的不确定度的对应关系，将所述参考源分别与第一不确定度数据对应的每类污染源、第二不确定度数据对应的每类污染源进行比对，得到不确定度对应关系。
此外，不确定度对应关系与源类浓度对应关系类似，设置受体模型源类与数值模型源类不确定度对应关系(如图9)，并将此对应关系作为第二受体模型的输入数据，两类源若为相关关系，则设置为-99，其余均设置为0；
在一些可能的实施例中，步骤S110，包括以下步骤：
步骤5.1)，基于所述第一源贡献浓度、所述第二源贡献浓度、所述第一不确定度数据、所述第二不确定度数据、源类浓度对应关系、不确定度对应关系，通过第二受体模型进行解析，得到每个所述数值模型输出的污染源类对所述第一受体模型输出的每类污染源的贡献比例；
如图10所示，电力源(数值模型输出的污染源类)对二次硝酸盐(第一受体模型输出的污染源)的贡献比例为0.1717，农业源对二次硝酸盐的贡献比例为0.1342，工业源对二次硝酸盐的贡献比例为0.2385，居民源对二次硝酸盐的贡献比例为0.2719，交通源对二次硝酸盐的贡献比例为0.1863；其他污染源类与上述实施例类似，在此不再赘述。
步骤5.2)，根据所述第一源贡献浓度和所述第二源贡献浓度计算的每类污染源浓度均值；
如，将图6中各个时间点的每种第一源贡献浓度(包括二次硝酸盐、二次硫酸盐等第一受体模型输出的浓度结果)、第二源贡献浓度(工业源、电力源等数值模型输出的浓度结果)进行求平均值计算，分别得到二次硝酸盐浓度为16.39μg/m3、二次有机气溶胶浓度为9.43μg/m3、燃煤源浓度为10.04μg/m3等等。
步骤5.3)，将所述每类污染源浓度均值与所述数值模型输出的每个污染源类对第一受体模型输出的每类污染源的贡献比例进行乘积，得到数值模型输出的每个污染源类对第一受体模型输出的每类污染源的贡献浓度；
以二次硝酸盐为例，将步骤5.1的比例与步骤5.2的浓度均值乘积，得到电力源对二次硝酸盐的贡献浓度为2.8141μg/m3，农业源对二次硝酸盐的贡献浓度为2.1994μg/m3，工业源对二次硝酸盐的贡献浓度为3.9090μg/m3，居民源对二次硝酸盐的贡献浓度为4.4564μg/m3，交通源对二次硝酸盐的贡献浓度为3.0542μg/m3；其他污染源类与上述实施例类似，在此不再赘述。
步骤5.4)，将所述每类污染源浓度均值、所述数值模型输出的每个污染源类对第一受体模型输出的每类污染源的贡献浓度的加和，进行差值计算，得到每类污染源中未能拟合部分浓度；
这里，污染源浓度均值包括二次硝酸盐、二次硫酸盐、二次有机气溶胶、扬尘源、燃煤源、工业源、交通源、生物质源各类污染源的浓度均值；根据步骤5.3能够得到的每个污染源类对第一受体模型输出的每类污染源的贡献浓度，再与各类来源的污染源浓度进行加和，如电力源对二次硝酸盐的贡献浓度为2.8141μg/m3，农业源对二次硝酸盐的贡献浓度为2.1994μg/m3，工业源对二次硝酸盐的贡献浓度为3.9090μg/m3，居民源对二次硝酸盐的贡献浓度为4.4564μg/m3，交通源对二次硝酸盐的贡献浓度为3.0542μg/m3，通过上述各类污染源对二次硝酸盐的贡献浓度加和，得到二次硝酸盐的浓度为16.4331μg/m3，其余污染源类的浓度加和与二次硝酸盐的计算方式一致；对应类别的污染源均值与污染源浓度进行差值计算得到未能拟合部分浓度，如二次硝酸盐的未能拟合部分浓度为二次硝酸盐浓度均值16.39μg/m3与二次硝酸盐的浓度16.4331μg/m3的差值，即二次硝酸盐的未能拟合部分浓度0.0431μg/m3。
步骤5.5)，基于所述数值模型输出的每个污染源类对第一受体模型输出的每类污染源的贡献浓度和所述每类污染源中未能拟合部分浓度，得到精细化综合源解析结果。
这里，基于数值模型输出的每个污染源类(如电力源、农业源、工业源、居民源、交通源)对第一受体模型输出的每类污染源(二次硝酸盐、二次硫酸盐、二次有机气溶胶、扬尘源、燃煤源、工业源、交通源、生物质源各类污染源)的贡献浓度以及所述每类污染源中未能拟合部分浓度，能够得到每个污染源类对第一受体模型输出的每类污染源的贡献比例，每类污染源中未能拟合部分比例，进而知晓每类污染源的排放情况由哪些污染源类的贡献而得，即得到精细化综合源解析结果。
其中，利用第一受体模型和数值模型解析得到的各类源贡献浓度和不确定度数据作为输入数据导入第二受体模型进行精细化综合源解析，将第一受体模型、数值模型得到的源贡献浓度和源类浓度对应关系作为第二受体模型的输入数据，第一受体模型和数值模型得到的源贡献浓度如图6所示；将第一受体模型、数值模型得到的不确定度数据和不确定度对应关系作为第二受体模型的输入数据，第一受体模型和数值模型得到的不确定度数据如图7所示；第二受体模型经过对上述输入数据的比例计算得到精细化综合源解析结果，如图10至图12所示。这里，图10为一种第二受体模型输出的精细化综合解析结果示意图，通过统计表格可以看出每个污染源类如工业源对每类污染源如二次硝酸盐、二次硫酸盐等的贡献比例，图11为第二受体模型输出的精细化综合解析结果的饼状示意图，通过饼状图的形式展示出每类污染源如二次硝酸盐、二次硫酸盐等来自于哪些污染源类，图12为又一种第二受体模型输出的精细化综合解析结果示意图；
如图13所示，将大气颗粒物环境浓度和不确定度数据、各种源谱数据和不确定度数据输入第一受体模型，第一受体模型解析输出各类源贡献的浓度，根据各类源贡献的浓度计算各类源贡献的不确定度；将地形高程、下垫面特征及环境参数，三维气象要素场资料、大气污染物环境实际检测资料输入数值模型，数值模型解析得到各类源贡献的浓度，根据此各类源贡献的浓度计算各类源贡献的不确定度；分别将第一受体模型和数值模型输出的各类源贡献浓度、各类源贡献的不确定度进行对应关系设置，并基于此对应关系设置第二受体模型的参数；将上述各类源贡献的浓度、不确定度以及对应关系作为第二受体模型的输入数据，进行源解析计算，得到精细化综合源解析结果。
本发明实施例通过采用受体模型与数值模型联用的方法，将受体模型各类源解析结果和数值模型各类源解析结果导入受体模型进行综合精细化源解析，综合了两种模型的结果，兼具了受体模型利用实际监测数据数学统计源解析的优点，兼具了数值模型法考虑污染源排放条件、气象要素、污染物在大气中的转化过程等条件的影响的优点，使模型解析出的结果进一步细分，实现了精细化综合源解析。
如图14所示，本发明实施例还提供一种大气颗粒物污染源解析装置，包括：
第一解析模块，用于基于第一受体模型解析得到每类污染源对颗粒物的第一源贡献浓度，并计算得到所述第一源贡献浓度的第一不确定度数据；
第二解析模块，用于基于数值模型解析得到每类污染源对所述颗粒物的第二源贡献浓度，并计算得到所述第二源贡献浓度的第二不确定度数据；
第一设置模块，用于根据所述第一源贡献浓度和所述第二源贡献浓度得到源类浓度对应关系；
第二设置模块，用于根据所述第一不确定度数据和所述第二不确定度数据得到不确定度对应关系；
精细源解析模块，用于基于所述第一源贡献浓度、所述第二源贡献浓度、所述第一不确定度数据、所述第二不确定度数据、源类浓度对应关系、不确定度对应关系，通过第二受体模型进行解析，得到精细化综合源解析结果。
在可选的实施例中，第一解析模块，还具体用于获取每类污染源的源谱数据、所述源谱数据的不确定度数据及所述颗粒物的组分浓度数据和所述组分浓度数据的不确定度数据；通过第一受体模型基于所述颗粒物的组分浓度数据、所述组分浓度数据的不确定度数据、所述每类污染源的源谱数据和所述源谱数据的不确定度数据进行解析，得到每类污染源对所述颗粒物的第一源贡献浓度；计算所述第一源贡献浓度的第一不确定度数据。
在可选的实施例中，第二解析模块，还具体用于获取环境参数、三维气象要素场参数和颗粒物环境检测数据；通过数值模型基于所述环境参数、三维气象要素场参数和颗粒物环境检测数据进行模拟，得到每类污染源对所述颗粒物的第二源贡献浓度，其中，所述环境参数根据所述数值模型的要求设置；计算所述第二源贡献浓度的第二不确定度数据。
在可选的实施例中，第一设置模块还具体用于，根据预先设置的参考源、所述参考源与污染源类的对应关系，将所述参考源分别与第一源贡献浓度对应的每类污染源、第二源贡献浓度对应的每类污染源进行比对，得到源类浓度对应关系。
在可选的实施例中，第二设置模块还具体用于，根据预先设置的参考源和所述参考源与污染源类的不确定度的对应关系，将所述参考源分别与第一不确定度数据对应的每类污染源、第二不确定度数据对应的每类污染源进行比对，得到不确定度对应关系。
在可选的实施例中，精细源解析模块还具体用于，基于所述第一源贡献浓度、所述第二源贡献浓度、所述第一不确定度数据、所述第二不确定度数据、源类浓度对应关系、不确定度对应关系，通过第二受体模型进行解析，得到每个所述数值模型输出的污染源类对所述第一受体模型输出的每类污染源的贡献比例；根据所述第一源贡献浓度和所述第二源贡献浓度计算的每类污染源浓度均值；将所述每类污染源浓度均值与所述数值模型输出的每个污染源类对第一受体模型输出的每类污染源的贡献比例进行乘积，得到数值模型输出的每个污染源类对第一受体模型输出的每类污染源的贡献浓度；将所述每类污染源浓度均值与所述数值模型输出的每个污染源类对第一受体模型输出的每类污染源的贡献浓度的加和进行差值计算，得到每类污染源中未能拟合部分浓度；基于所述数值模型输出的每个污染源类对第一受体模型输出的每类污染源的贡献浓度和所述每类污染源中未能拟合部分浓度，得到精细化综合源解析结果。
在可选的实施例中，所述受体模型包括CMB受体模型。
本发明实施例提供的用于实现一种电子设备，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15，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。
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。
本发明实施例所提供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大气颗粒物污染源解析方法，具体实现可参见方法实施例，在此不再赘述。
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 (9)

1.一种大气颗粒物污染源解析方法，其特征在于，包括：
基于第一受体模型解析得到每类污染源对颗粒物的第一源贡献浓度，并计算得到所述第一源贡献浓度的第一不确定度数据；
基于数值模型解析得到每类污染源对所述颗粒物的第二源贡献浓度，并计算得到所述第二源贡献浓度的第二不确定度数据；
根据所述第一源贡献浓度和所述第二源贡献浓度得到源类浓度对应关系；
根据所述第一不确定度数据和所述第二不确定度数据得到不确定度对应关系；
基于所述第一源贡献浓度、所述第二源贡献浓度、所述第一不确定度数据、所述第二不确定度数据、源类浓度对应关系、不确定度对应关系，通过第二受体模型进行解析，得到精细化综合源解析结果；
基于所述第一源贡献浓度、所述第二源贡献浓度、所述第一不确定度数据、所述第二不确定度数据、源类浓度对应关系、不确定度对应关系，通过第二受体模型进行解析，得到精细化综合源解析结果的步骤，包括：
基于所述第一源贡献浓度、所述第二源贡献浓度、所述第一不确定度数据、所述第二不确定度数据、源类浓度对应关系、不确定度对应关系，通过第二受体模型进行解析，得到每个所述数值模型输出的污染源类对所述第一受体模型输出的每类污染源的贡献比例；
根据所述第一源贡献浓度和所述第二源贡献浓度计算的每类污染源浓度均值；
将所述每类污染源浓度均值与所述数值模型输出的每个污染源类对第一受体模型输出的每类污染源的贡献比例进行乘积，得到数值模型输出的每个污染源类对第一受体模型输出的每类污染源的贡献浓度；
将所述每类污染源浓度均值与所述数值模型输出的每个污染源类对第一受体模型输出的每类污染源的贡献浓度的加和进行差值计算，得到每类污染源中未能拟合部分浓度；
基于所述数值模型输出的每个污染源类对第一受体模型输出的每类污染源的贡献浓度和所述每类污染源中未能拟合部分浓度，得到精细化综合源解析结果。
2.根据权利要求1所述的方法，其特征在于，基于第一受体模型解析得到每类污染源对颗粒物的第一源贡献浓度，并计算得到所述第一源贡献浓度的第一不确定度数据的步骤，包括：
获取每类污染源的源谱数据、所述源谱数据的不确定度数据及所述颗粒物的组分浓度数据和所述组分浓度数据的不确定度数据；
通过第一受体模型基于所述颗粒物的组分浓度数据、所述组分浓度数据的不确定度数据、所述每类污染源的源谱数据和所述源谱数据的不确定度数据进行解析，得到每类污染源对所述颗粒物的第一源贡献浓度；
计算所述第一源贡献浓度的第一不确定度数据。
3.根据权利要求1所述的方法，其特征在于，基于数值模型解析得到每类污染源对所述颗粒物的第二源贡献浓度，并计算得到所述第二源贡献浓度的第二不确定度数据的步骤，包括：
获取环境参数、三维气象要素场参数和颗粒物环境检测数据；
通过数值模型基于所述环境参数、三维气象要素场参数和颗粒物环境检测数据进行模拟，得到每类污染源对所述颗粒物的第二源贡献浓度，其中，所述环境参数根据所述数值模型的要求设置；
计算所述第二源贡献浓度的第二不确定度数据。
4.根据权利要求1所述的方法，其特征在于，根据所述第一源贡献浓度和所述第二源贡献浓度得到源类浓度对应关系的步骤，包括：
根据预先设置的参考源、所述参考源与污染源类的对应关系，将所述参考源分别与第一源贡献浓度对应的每类污染源、第二源贡献浓度对应的每类污染源进行比对，得到源类浓度对应关系。
5.根据权利要求1所述的方法，其特征在于，根据所述第一不确定度数据和所述第二不确定度数据得到不确定度对应关系的步骤，包括：
根据预先设置的参考源、所述参考源与污染源类的不确定度的对应关系，将所述参考源分别与第一不确定度数据对应的每类污染源、第二不确定度数据对应的每类污染源进行比对，得到不确定度对应关系。
6.根据权利要求1-5中任一项所述的方法，其特征在于，所述受体模型包括CMB受体模型。
7.一种大气颗粒物污染源解析装置，其特征在于，包括：
第一解析模块，用于基于第一受体模型解析得到每类污染源对颗粒物的第一源贡献浓度，并计算得到所述第一源贡献浓度的第一不确定度数据；
第二解析模块，用于基于数值模型解析得到每类污染源对所述颗粒物的第二源贡献浓度，并计算得到所述第二源贡献浓度的第二不确定度数据；
第一设置模块，用于根据所述第一源贡献浓度和所述第二源贡献浓度得到源类浓度对应关系；
第二设置模块，用于根据所述第一不确定度数据和所述第二不确定度数据得到不确定度对应关系；
精细源解析模块，用于基于所述第一源贡献浓度、所述第二源贡献浓度、所述第一不确定度数据、所述第二不确定度数据、源类浓度对应关系、不确定度对应关系，通过第二受体模型进行解析，得到精细化综合源解析结果；
精细源解析模块还用于基于所述第一源贡献浓度、所述第二源贡献浓度、所述第一不确定度数据、所述第二不确定度数据、源类浓度对应关系、不确定度对应关系，通过第二受体模型进行解析，得到每个所述数值模型输出的污染源类对所述第一受体模型输出的每类污染源的贡献比例；根据所述第一源贡献浓度和所述第二源贡献浓度计算的每类污染源浓度均值；将所述每类污染源浓度均值与所述数值模型输出的每个污染源类对第一受体模型输出的每类污染源的贡献比例进行乘积，得到数值模型输出的每个污染源类对第一受体模型输出的每类污染源的贡献浓度；将所述每类污染源浓度均值与所述数值模型输出的每个污染源类对第一受体模型输出的每类污染源的贡献浓度的加和进行差值计算，得到每类污染源中未能拟合部分浓度；基于所述数值模型输出的每个污染源类对第一受体模型输出的每类污染源的贡献浓度和所述每类污染源中未能拟合部分浓度，得到精细化综合源解析结果。
8.一种电子设备，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6中任一项所述的大气颗粒物污染源解析方法。
9.一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1-6中任一项所述的大气颗粒物污染源解析方法。
CN202010623640.3A 2020-06-30 2020-06-30 大气颗粒物污染源解析方法和装置 Active CN111798928B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010623640.3A CN111798928B (zh) 2020-06-30 2020-06-30 大气颗粒物污染源解析方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010623640.3A CN111798928B (zh) 2020-06-30 2020-06-30 大气颗粒物污染源解析方法和装置

Publications (2)

Publication Number Publication Date
CN111798928A CN111798928A (zh) 2020-10-20
CN111798928B true CN111798928B (zh) 2020-12-29

Family

ID=72809899

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010623640.3A Active CN111798928B (zh) 2020-06-30 2020-06-30 大气颗粒物污染源解析方法和装置

Country Status (1)

Country Link
CN (1) CN111798928B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112364940A (zh) * 2020-12-03 2021-02-12 苏州深蓝空间遥感技术有限公司 基于多源数据的大气污染物源解析方法、存储介质及设备
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
CN112858116B (zh) * 2021-01-15 2023-10-17 南开大学 一种精细化颗粒物源解析方法
CN112967764B (zh) * 2021-03-30 2023-05-30 河北先河环保科技股份有限公司 多技术耦合的污染物源解析方法、装置
CN113720972B (zh) * 2021-09-02 2022-07-29 中科三清科技有限公司 大气污染物的源解析方法及装置
CN116128421B (zh) * 2022-09-23 2023-10-20 北京清创美科环境科技有限公司 一种耦合污染源排放和解析的大气污染管控方案生成方法
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
CN117723623B (zh) * 2023-12-06 2024-06-18 中国科学院大气物理研究所 一种结合无机矩阵中有机物的贡献细分二次有机气溶胶的来源解析方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2585859A1 (en) * 2010-06-28 2013-05-01 Greenvision Systems Ltd Real-time monitoring, parametric profiling, and regulating contaminated outdoor air particulate matter throughout a region, via hyper-spectral imaging and analysis
CN106650020A (zh) * 2016-11-24 2017-05-10 北京师范大学 一种复合受体模型污染源解析方法
CN108680473A (zh) * 2018-05-09 2018-10-19 南开大学 一种应用单颗粒气溶胶质谱仪进行颗粒物源解析的方法
CN109409666A (zh) * 2018-09-21 2019-03-01 浙江仁欣环科院有限责任公司 基于大气扩散模型及线性规划的环境影响评估方法
CN109920492A (zh) * 2019-03-26 2019-06-21 中国水利水电科学研究院 一种水体沉积物中铅污染源解析的方法
CN110046382A (zh) * 2019-03-06 2019-07-23 环境保护部环境工程评估中心 大气污染的源解析方法、装置、电子设备及存储介质
CN110489785A (zh) * 2019-07-05 2019-11-22 山东大学 一种大气污染物在线源解析方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2585859A1 (en) * 2010-06-28 2013-05-01 Greenvision Systems Ltd Real-time monitoring, parametric profiling, and regulating contaminated outdoor air particulate matter throughout a region, via hyper-spectral imaging and analysis
CN106650020A (zh) * 2016-11-24 2017-05-10 北京师范大学 一种复合受体模型污染源解析方法
CN108680473A (zh) * 2018-05-09 2018-10-19 南开大学 一种应用单颗粒气溶胶质谱仪进行颗粒物源解析的方法
CN109409666A (zh) * 2018-09-21 2019-03-01 浙江仁欣环科院有限责任公司 基于大气扩散模型及线性规划的环境影响评估方法
CN110046382A (zh) * 2019-03-06 2019-07-23 环境保护部环境工程评估中心 大气污染的源解析方法、装置、电子设备及存储介质
CN109920492A (zh) * 2019-03-26 2019-06-21 中国水利水电科学研究院 一种水体沉积物中铅污染源解析的方法
CN110489785A (zh) * 2019-07-05 2019-11-22 山东大学 一种大气污染物在线源解析方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Application of PMF and CMB receptor models for the evaluation of the contribution of a large coal-fired power plant to PM10 concentrations;Daniele 等;《Science of The Total Environment》;20160801;第560–561卷;131-140 *
基于CALPUFF-CMB复合模型的环境空气PM2.5中二次硫酸盐来源解析技术研究;郑伟巍;《万方数据知识服务平台》;20160623;1-58 *

Also Published As

Publication number Publication date
CN111798928A (zh) 2020-10-20

Similar Documents

Publication Publication Date Title
CN111798928B (zh) 大气颗粒物污染源解析方法和装置
Aas et al. Global and regional trends of atmospheric sulfur
CN111368401A (zh) 污染源的溯源方法、装置和存储介质
Lund et al. Short Black Carbon lifetime inferred from a global set of aircraft observations
Gao et al. Insights into the chemical characterization and sources of PM2. 5 in Beijing at a 1-h time resolution
CN111753426B (zh) 颗粒物污染的源解析方法和装置
Sharma et al. Source apportionment of PM10 by using positive matrix factorization at an urban site of Delhi, India
CN110489785B (zh) 一种大气污染物在线源解析方法及系统
Tian et al. PM2. 5 source apportionment during severe haze episodes in a Chinese megacity based on a 5-month period by using hourly species measurements: Explore how to better conduct PMF during haze episodes
Tan et al. Characterizing the spatial variation of air pollutants and the contributions of high emitting vehicles in Pittsburgh, PA
Liang et al. Field comparison of electrochemical gas sensor data correction algorithms for ambient air measurements
CN108446715A (zh) 一种土壤重金属污染源解析方法、系统和装置
CN112967764B (zh) 多技术耦合的污染物源解析方法、装置
Bernardoni et al. Size-segregated aerosol in a hot-spot pollution urban area: Chemical composition and three-way source apportionment
CN117116381B (zh) 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
Dai et al. Improving apportionment of PM2. 5 using multisite PMF by constraining G-values with a prioriinformation
CN114611280A (zh) 基于obm和ebm多模式的臭氧综合源解析方法
CN110069897A (zh) 一种基于同位素技术的大气细颗粒物来源解析方法和装置
Liggio et al. Primary and secondary organic aerosols in urban air masses intercepted at a rural site
Huang et al. A feasible methodological framework for uncertainty analysis and diagnosis of atmospheric chemical transport models
Wen et al. Source apportionment of PM 2.5 in Tangshan, China—Hybrid approaches for primary and secondary species apportionment
Snoun et al. A comprehensive review of Gaussian atmospheric dispersion models: current usage and future perspectives
Frederickson et al. Are dense networks of low-cost nodes really useful for monitoring air pollution? A case study in Staffordshire
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
CN115712981A (zh) 基于受体和化学传输模型解析细颗粒物来源的方法及系统

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
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20201020

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 atmospheric particulate matter

Granted publication date: 20201229

License type: Common License

Record date: 20220815