CN111914388B - 基于时平均最低浓度的城区自然因素co2浓度的计算方法 - Google Patents

基于时平均最低浓度的城区自然因素co2浓度的计算方法 Download PDF

Info

Publication number
CN111914388B
CN111914388B CN202010508414.0A CN202010508414A CN111914388B CN 111914388 B CN111914388 B CN 111914388B CN 202010508414 A CN202010508414 A CN 202010508414A CN 111914388 B CN111914388 B CN 111914388B
Authority
CN
China
Prior art keywords
concentration
time
calculation
data
natural factor
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
CN202010508414.0A
Other languages
English (en)
Other versions
CN111914388A (zh
Inventor
黄荣宗
蓝丽娟
罗旗舞
阳春华
桂卫华
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.)
Central South University
Original Assignee
Central South University
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 Central South University filed Critical Central South University
Priority to CN202010508414.0A priority Critical patent/CN111914388B/zh
Publication of CN111914388A publication Critical patent/CN111914388A/zh
Application granted granted Critical
Publication of CN111914388B publication Critical patent/CN111914388B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
    • G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
    • G01N33/004—CO or CO2
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Operations Research (AREA)
  • Evolutionary Biology (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Combustion & Propulsion (AREA)
  • Algebra (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明涉及一种基于时平均最低浓度的城区自然因素CO2浓度的计算方法，利用一段时间内测得的近地表CO2浓度计算城市区域内自然因素引起的CO2浓度变化。在计算中，综合测得的近地表CO2浓度、以及大气边界层高度、温度、降水等气象数据，确定在一定气象条件下CO2浓度的最小值作为该市区自然因素引起的CO2浓度日变化规律。该方法综合利用各项气象数据，计算量小，能精确计算出对CO2浓度变化起主导作用的自然因素的占比，对研究城区人为CO2排放具有重要意义。

Description

基于时平均最低浓度的城区自然因素CO2浓度的计算方法
技术领域
本发明涉及大气环境空气质量监测领域，更具体地涉及一种基于时平均最低浓度的城区自然因素CO2浓度的计算方法。
背景技术
人类过度消耗不可再生能源是引起全球气候变化的主要因素，城市及其周边地区容纳的人口约占世界总人口的54％，城市区域贡献了70％以上的人为CO2排放量，因此实时监测城市区域近地表CO2浓度对研究CO2排放来源和扩散具有重要意义。大气中的CO2浓度日变化除了受人为排放CO2的影响之外，同时受生物圈光合作用和呼吸作用(VegetationPhotosynthesis and Respiration,VPR)的主导，也被大气环境中气体传输和扩散等气象条件的驱动。大气边界层(Planetary Boundary Layer,PBL)是大气中最接近地球表面的空气层，该层内部的空气成分充分混合且不受PBL以外的空气干扰。大气边界层高度(PBLH)受地表温度和太阳辐射的影响，在白天，地表因太阳照射而升温，PBLH随着上升，导致近地表的CO2气体浓度值降低；反之，夜晚的PBLH随着地表降温而下降，近地表的CO2气体浓度升高。其他自然因素如降水等也会导致PBLH变化，因此近地表的CO2浓度由于植被和气象条件等自然因素的作用存在明显的日变化趋势，人为碳排放引起CO2浓度变化通常淹没在自然因素作用引起的CO2浓度变化中而很难被精确量化，导致实时精确研究城市区域的碳排放存在很大困难。因而计算出近地表CO2浓度中自然因素引起的CO2浓度变化值对研究人为CO2排放具有重要意义。
目前研究大气中CO2背景浓度的方法主要有：高海拔测量、郊区测量、上/下风向浓度差值法、以及碳排放计算模型等。高海拔测量可以有效排除人为碳排放干扰，但由于高海拔植被与近地表存在较大差异，以及测量点经常处于大气边界层以外，高海拔测量结果并不能体现近地表CO2背景浓度的变化趋势。郊区测量的气象条件与城区差异小，但由于郊区植被密度与城区植被存在差异，因而其测量结果与实际城区的浓度存在偏差。上/下风向浓度差可以应用于人为CO2排放的研究，但该方法受气象条件约束。碳排放计算模型，如WRF-GHG(Weather Research and Forecasting Model,Greenhouse Gases)模型，可以量化自然因素CO2排放和吸收，以及人为CO2排放量，但模型计算量大，计算耗时长，模型精度有待提高。
由于气象条件的变化对近地表CO2浓度日变化作用很大，本发明提供了一种简单的计算方法，通过计算气象参数(如：大气边界层高度、近地表温度和降水等)对近地表CO2气体浓度变化的影响，以确定近地表因自然因素引起的CO2浓度的日变化趋势。
发明内容
为实现对城市区域人类碳排放的研究、减少温室气体排放、减缓全球气候变化的进程，本发明根据气象条件对近地表气体浓度变化的影响规律，分析不同时段CO2浓度与大气边界层高度、温度和降水的关系，并在此基础上提出基于时平均最低浓度的城区自然因素CO2浓度的计算方法，以进一步研究城区人为CO2排放和扩散，达到节能减排的目的。
为了实现上述目的，本发明提供了以下技术方案。
一种基于时平均最低浓度的城区自然因素CO2浓度的计算方法，包括如下步骤：
S1：搜集待测城市区域一段时间内的近地表CO2浓度值，以及对应时间内的大气边界层高度、温度、降水的气象参数，将所有数据按照时间序列一一排列，并作时平均计算，得到一组实测浓度和相关气象数据的变化序列；
S2：将S1所得数据按照不同的小时时间再分组，可得到24组以小时分组的数据；
S3：计算每个小时组里的大气边界层高度平均值Hmean，记录每个小时组里的最高温度值Tmax；
S4：对第一个小时组(00:00)的数据进行计算，选出大气边界层高度低于该组平均值Hmean的所有数据；
S5：选出除温度为Tmax以及降水量大于0以外的CO2浓度值；
S6：选取出以上计算所得CO2浓度值中最小的CO2浓度值作为该小时组里的自然因素条件下的CO2浓度；
S7：选取下一个小时(01:00)，重复S4—S6，直至得到一整天24小时对应的CO2浓度值，这些浓度值及其对应的时间构成的时间-浓度曲线图即为该段时间内的自然因素CO2浓度日变化曲线。
由于这种方法利用时平均的最低浓度进行计算，因此称为HALC法(Hourly-Averaged Lowest Concentration)。
本发明的有益效果：本发明以气象因素对大气中污染气体的排放和扩散的影响为理论基础，通过研究生物圈动植物光合作用和呼吸作用以及气象条件对CO2浓度日变化的影响机理，分析不同时间段内各种因素对CO2浓度的作用规律，提出了利用气象参数判定并选取时平均最低CO2浓度值作为近地表自然因素的CO2浓度值，进而得到CO2日变化浓度曲线图。由于计算所采用的参数均为近地表同一区域测得的数据，所得的计算结果可真实地反映该区域的自然因素作用下的CO2浓度值及其日变化规律，对研究该区内人为CO2排放和扩散规律具有很高的时效性。同时，该方法通过简单对比不同气象参数以确定每个时间段的最低CO2浓度值，不必对该区域内植被光合作用吸收和呼吸作用释放CO2总量、空气运动模型和气象条件变化、以及工业、交通运输等人类碳排放量进行模型计算，大大提高了计算速度，因此，该计算方法在理论上可行性较高，具有很好的可操作性，计算量小，适用范围广。
附图说明
图1是本发明的基于时平均最低CO2浓度计算城市区域自然因素CO2浓度日变化趋势的过程原理图。
图2是某城市区域冬季近地表时平均CO2浓度及大气边界层高度、温度、降水随时间变化的曲线图。
图3是采用HALC法计算某城市区域冬季自然因素CO2浓度日变化趋势曲线及其原始数据与NOAA ESRL CarbonTracker模型在同一区域相同时间内第4至10层(480-4500米)的平均CO2浓度数据比较图。
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。
更具体地，本发明的基于时平均最低浓度的城区自然因素CO2浓度的计算方法，包括如下步骤，如图1所示：
S1：搜集待测城市区域一段时间内的近地表CO2浓度值，以及对应时间内的大气边界层高度、温度、降水的气象参数，将所有数据按照时间序列一一排列，并作时平均计算，得到一组实测浓度和相关气象数据的变化序列；
S2：将S1所得数据按照不同的小时时间再分组，可得到24组以小时分组的数据；
S3：计算每个小时组里的大气边界层高度平均值Hmean，记录每个小时组里的最高温度值Tmax；
S4：对第一个小时组(00:00)的数据进行计算，选出大气边界层高度低于该组平均值Hmean的所有数据；
S5：选出除温度为Tmax以及降水量大于0以外的CO2浓度值；
S6：选取出以上计算所得CO2浓度值中最小的CO2浓度值作为该小时组的自然因素条件下的CO2浓度；
S7：选取下一个小时(01:00)，重复步骤4—6，直至得到一整天24小时对应的CO2浓度值，这些浓度值及其对应的时间构成的时间-浓度曲线图即为该段时间内的自然因素CO2浓度日变化曲线。
其中，步骤1所述的时间段可根据不同区域的CO2浓度变化规律改变，一般选取CO2浓度变化规律一致的时间段作为一个计算时间段，可以设置为季度、月等。
其中，步骤4和5的气象参数判断顺序可以改变。
其中，步骤1测量数据的时间平均可设置为不同时间长度。
由于这种方法利用时平均的最低浓度进行计算，因此称为HALC法(Hourly-Averaged Lowest Concentration)。
注：附图3 NOAA ESRL CarbonTracker模型的平均CO2浓度数据可参见网址“https://www.esrl.noaa.gov/gmd/ccgg/carbontracker/CT-NRT/”。
实施例
1)本实施例采用某城市区域冬季近地表CO2浓度为例，计算该城市区域自然因素CO2浓度日变化的曲线。搜集该城区冬季近地表CO2浓度值，以及对应时间内的大气边界层高度(PBLH)、温度(T)、降水的气象参数，将所有数据按照时间序列一一排列，并作时平均计算，得到一组实测浓度和相关气象数据的变化序列，数据如附图2所示；
2)将步骤1所得数据按照不同的小时时间再分组，可得到24组以小时分组的数据；
3)计算每个小时组里的大气边界层高度平均值Hmean，记录每个小时组里的最高温度值Tmax；
4)对第一个小时组(00:00)的数据进行计算，选出大气边界层高度低于该组平均值Hmean的所有数据；
5)选出除温度为Tmax以及降水量大于0以外的CO2浓度值；
6)选取出以上计算所得CO2浓度值中最小的CO2浓度值作为该小时组的自然因素条件下的CO2浓度；
7)选取下一个小时(01:00)，重复步骤4—6，直至得到一整天24小时对应的CO2浓度值，这些浓度值及其对应的时间构成的时间-浓度曲线图即为该段时间内的自然因素CO2浓度日变化曲线，所得结果如附图3所示。
从计算结果可以看出，HALC法计算得到的CO2浓度日变化曲线与NOAA ESRLCarbonTracker模型在同一区域相同时间内的平均CO2浓度值很接近，两种结果的平均浓度值之差在1.0ppm以内，说明HALC法在确定城区自然因素引起的CO2浓度具有很高的精度。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (4)

1.一种基于时平均最低浓度的城区自然因素CO2浓度的计算方法，其特征在于：包括如下步骤：
S1：搜集待测城市区域一段时间内的近地表CO2浓度值，以及对应时间内的大气边界层高度、温度、降水的气象参数，将所有数据按照时间序列一一排列，并作时平均计算，得到一组实测浓度和相关气象数据的变化序列；
S2：将S1所得数据按照不同的小时时间再分组，得到24组以小时分组的数据；
S3：计算每个小时组里的大气边界层高度平均值Hmean，记录每个小时组里的最高温度值Tmax；
S4：对第一个小时组以00:00开始的数据进行计算，选出大气边界层高度低于该组平均值Hmean的所有数据；
S5：选出除温度为Tmax以及降水量大于0以外的CO2浓度值；
S6：选取出以上计算所得CO2浓度值中最小的CO2浓度值作为该小时组的自然因素条件下的CO2浓度；
S7：选取下一个小时以01:00计算，重复步骤4—6，直至得到一整天24小时对应的CO2浓度值，这些浓度值及其对应的时间构成的时间-浓度曲线图即为该段时间内的自然因素CO2浓度日变化曲线。
2.根据权利要求1所述的城区自然因素CO2浓度的计算方法，其特征在于，所述步骤1的时间段可根据不同区域的CO2浓度变化规律改变，选取变化规律一致的时间段作为一个计算时间段，设置为季度或月。
3.根据权利要求1所述的城区自然因素CO2浓度的计算方法，其特征在于：所述步骤4和5的气象参数判断顺序根据需要调整。
4.如权利要求1所述的城区自然因素CO2浓度的计算方法，其特征在于：所述步骤1测量数据的时间平均可设置为不同时间长度。
CN202010508414.0A 2020-06-06 2020-06-06 基于时平均最低浓度的城区自然因素co2浓度的计算方法 Active CN111914388B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010508414.0A CN111914388B (zh) 2020-06-06 2020-06-06 基于时平均最低浓度的城区自然因素co2浓度的计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010508414.0A CN111914388B (zh) 2020-06-06 2020-06-06 基于时平均最低浓度的城区自然因素co2浓度的计算方法

Publications (2)

Publication Number Publication Date
CN111914388A CN111914388A (zh) 2020-11-10
CN111914388B true CN111914388B (zh) 2023-09-22

Family

ID=73238122

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010508414.0A Active CN111914388B (zh) 2020-06-06 2020-06-06 基于时平均最低浓度的城区自然因素co2浓度的计算方法

Country Status (1)

Country Link
CN (1) CN111914388B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114970184B (zh) * 2022-06-07 2024-04-02 中国科学院地理科学与资源研究所 同步反演高分辨率人为co2排放与自然co2通量的同化方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3355290A1 (en) * 2017-01-26 2018-08-01 BSH Hausgeräte GmbH Air quality in food processing
CN110595972A (zh) * 2019-10-16 2019-12-20 上海应用技术大学 Pm2.5浓度值和影响因素的分析方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3355290A1 (en) * 2017-01-26 2018-08-01 BSH Hausgeräte GmbH Air quality in food processing
CN110595972A (zh) * 2019-10-16 2019-12-20 上海应用技术大学 Pm2.5浓度值和影响因素的分析方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
北京城市大气CO_2浓度变化特征及影响因素;王长科, 王跃思, 刘广仁;环境科学(第04期);15-19 *
南京市大气CO_2浓度模拟及源贡献研究;胡诚;刘寿东;曹畅;徐敬争;曹正达;李文倩;徐家平;张弥;肖薇;李旭辉;;环境科学学报(第10期);236-249 *
基于多次谐波联合分析的气体浓度反演方法;刘紫怀, 阳春华;《光学学报》;第39卷(第10期);335-342 *
郑州城区大气CO_2浓度变化特征及影响因素分析;师丽魁;娄运生;方文松;;气象与环境科学(第01期);42-45 *
金沙江河谷大气二氧化碳浓度变化特征及影响因子;任鹏杰;陈先刚;王小平;;环境科学研究(第02期);16-23 *

Also Published As

Publication number Publication date
CN111914388A (zh) 2020-11-10

Similar Documents

Publication Publication Date Title
CN115293473B (zh) 一种林草生态修复效果评价方法
Barlow et al. Boundary layer dynamics over London, UK, as observed using Doppler lidar during REPARTEE-II
Janach Surface ozone: trend details, seasonal variations, and interpretation
Yadav et al. Distributions of ozone and related trace gases at an urban site in western India
Archer et al. Meteorology for coastal/offshore wind energy in the United States: Recommendations and research needs for the next 10 years
Hernández-Paniagua et al. Diurnal, seasonal, and annual trends in atmospheric CO2 at southwest London during 2000–2012: Wind sector analysis and comparison with Mace Head, Ireland
US11944048B2 (en) Decision-making method for variable rate irrigation management
CN113343421B (zh) 一种耦合城市植被形态的城市建筑能耗模拟方法及系统
CN111914388B (zh) 基于时平均最低浓度的城区自然因素co2浓度的计算方法
Ndarana et al. The flow and moisture fluxes associated with ridging South Atlantic Ocean anticyclones during the subtropical southern African summer
Zimnoch et al. Assessing surface fluxes of CO2 and CH4 in urban environment: a reconnaissance study in Krakow, Southern Poland
Gunthe et al. Study of relationship between daily maxima in ozone and temperature in an urban site in India
Brandt et al. Atmospheric chemistry measurements at Whiteface Mountain, NY: Ozone and reactive trace gases
Gras Baseline atmospheric condensation nuclei at Cape Grim 1977–1987
Sciare et al. Diurnal and seasonal variation of atmospheric dimethylsulfoxide at Amsterdam Island in the southern Indian Ocean
Hunter et al. Seasonal, latitudinal, and secular variations in temperature trend: Evidence for influence of anthropogenic sulfate
CN116681212A (zh) 一种城市群县级尺度植被固碳量驱动贡献分析方法及系统
Donateo et al. Characterization of size-segregated particles' turbulent flux and deposition velocity by eddy correlation method at an Arctic site
Vinogradova et al. Temporal variations in carbon dioxide and methane concentrations under urban conditions
KR20240002889A (ko) 딥러닝 모델 기반 태양광 발전율 예측 장치 및 이의 동작 방법
Fast et al. The effect of lake temperatures and emissions on ozone exposure in the western Great Lakes region
de Araújo Spatial variation of CO2 fluxes and lateral transport in an area of terra firme forest in Central Amazonia
Kumar et al. Atmospheric Boundary Layer and Geographic Information System (GIS): A Review
CN117371660B (zh) 顾及植被生长节律的台风对植被碳吸收影响的评估方法
Fennell Comparison of Onshore and Offshore Boundary Layers in the HARMONIE Model for Wind Energy Purposes

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