CN112033870B - 一种区域边界层pm2.5立体分布及总量推算的方法 - Google Patents

一种区域边界层pm2.5立体分布及总量推算的方法 Download PDF

Info

Publication number
CN112033870B
CN112033870B CN202010696972.4A CN202010696972A CN112033870B CN 112033870 B CN112033870 B CN 112033870B CN 202010696972 A CN202010696972 A CN 202010696972A CN 112033870 B CN112033870 B CN 112033870B
Authority
CN
China
Prior art keywords
ground
processing area
current time
relative humidity
equal
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
CN202010696972.4A
Other languages
English (en)
Other versions
CN112033870A (zh
Inventor
涂小萍
姚日升
缪群
胡晓
陈磊
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.)
Ningbo Ecological Environment Meteorological Center
Ning Boshiqixiangtai
Original Assignee
Ningbo Ecological Environment Meteorological Center
Ning Boshiqixiangtai
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 Ningbo Ecological Environment Meteorological Center, Ning Boshiqixiangtai filed Critical Ningbo Ecological Environment Meteorological Center
Priority to CN202010696972.4A priority Critical patent/CN112033870B/zh
Publication of CN112033870A publication Critical patent/CN112033870A/zh
Application granted granted Critical
Publication of CN112033870B publication Critical patent/CN112033870B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/06—Investigating concentration of particle suspensions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/95—Lidar systems specially adapted for specific applications for meteorological use
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/06—Investigating concentration of particle suspensions
    • G01N15/075—Investigating concentration of particle suspensions by optical means
    • 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
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Chemical & Material Sciences (AREA)
  • Computational Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Remote Sensing (AREA)
  • Algebra (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Dispersion Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种区域边界层PM2.5立体分布及总量推算的方法，其收集最近2～3年观测到的PM2.5质量浓度、大气能见度、相对湿度，按不同观测站点、不同季节和不同相对湿度等级进行统计，得出的最优推算公式更有针对性；从线性关系、乘幂关系、指数关系、对数关系四种对应关系中统计并挑选出最优的拟合公式作为最优推算公式，避免了人为指定对应关系而造成的片面和不合理性；将地面PM2.5观测站观测到的PM2.5质量浓度和由大气能见度和相对湿度观测资料得到的PM2.5质量浓度的推算结果进行融合分析，得到更精细的网格化的地面大气PM2.5质量浓度；利用激光雷达垂直观测的消光系数，计算三维网格内的PM2.5含量，从而计算处理区域边界层大气PM2.5总量，推算结果可信，可参考性高。

Description

一种区域边界层PM2.5立体分布及总量推算的方法
技术领域
本发明涉及一种大气污染物观测与处理技术，尤其是涉及一种区域边界层PM2.5立体分布及总量推算的方法。
背景技术
自20世纪80年代改革开放以来，中国大部分地区大气污染日益严重，霾天气增多，呈现出区域性、持续性特征，这与PM10和PM2.5质量浓度增长密切相关。PM10是指空气动力学直径≤10μm的细颗粒物，PM2.5是指空气动力学直径≤2.5μm的细颗粒物，PM10和PM2.5是大气复合污染最重要的特征污染物之一。秋冬季首要污染物主要为PM2.5，PM2.5的粒径小、面积大、活性强，易附带有毒、有害物质，主要出现在大气边界层内，且在大气中的停留时间长、输送距离远，对人体健康和大气环境质量的影响较大。中国2013年开始在74个重点城市开始PM2.5的在线监测，并在网上实时发布监测结果。
PM10和PM2.5通过改变大气光学特性造成大气能见度的下降，两种污染物中以PM2.5对大气能见度的影响更大。大气能见度与PM2.5质量浓度的关系很多情况下并不是线性关系，而是呈乘幂关系、指数关系或对数关系，并且存在季节、地区差异，另外大气能见度与大气湿度也有着密切关系，随着相对湿度和PM2.5质量浓度的增长，大气能见度水平逐渐降低，因此需要通过一定时间的观测，才能得出较为精确的关系。但是，目前对PM2.5质量浓度与大气能见度、相对湿度的关系研究基本上是针对单点观测资料进行统计分析，以发现更优的相关关系，还没有将这种相关关系进行更进一步的应用。
发明内容
本发明所要解决的技术问题是提供一种区域边界层PM2.5立体分布及总量推算的方法，其根据大气能见度和相对湿度观测资料进行PM2.5质量浓度的推算，从而获得更精细化的地面PM2.5质量浓度分布，进而实现区域边界层大气PM2.5总含量的推算，且推算结果可信，可参考性高。
本发明解决上述技术问题所采用的技术方案为：一种区域边界层PM2.5立体分布及总量推算的方法，其特征在于包括以下步骤：
步骤1：设定处理区域的地面上分散布置有Q个具有观测风、降雨、降雪和雾的气象站，设定处理区域的地面上分散布置有M个地面PM2.5观测站，且M个地面PM2.5观测站中有
Figure BDA0002591594040000021
个地面PM2.5观测站同时具有观测大气能见度和相对湿度的功能，并将这
Figure BDA0002591594040000022
个地面PM2.5观测站定义为多功能地面PM2.5观测站；设定处理区域的地面上还分散布置有N个大气能见度和相对湿度观测站和L部激光雷达，任一个大气能见度和相对湿度观测站与任一个地面PM2.5观测站之间至少相隔10公里距离，任一部激光雷达能够靠近任一个地面PM2.5观测站或任一个大气能见度和相对湿度观测站布置；其中，Q≥5，M≥3，
Figure BDA0002591594040000023
N≥1，L≥1；
步骤2：收集最近2～3年剔除大风天、降雨天、降雪天、大雾天后处理区域内的
Figure BDA0002591594040000024
个多功能地面PM2.5观测站观测到的PM2.5质量浓度、大气能见度、相对湿度的观测值，形成每个多功能地面PM2.5观测站对应的历史资料数据集，每个历史资料数据集中PM2.5质量浓度与大气能见度、相对湿度的观测值按小时相对应；然后按不同季节和不同相对湿度等级，将每个多功能地面PM2.5观测站对应的历史资料数据集分为4×D个子集，其中，季节有4个分别为春、夏、秋和冬季，D表示相对湿度等级的数量，D∈[4,6]，D＝6时6个相对湿度等级分别为相对湿度大于或等于90％、大于或等于80％且小于90％、大于或等于70％且小于80％、大于或等于60％且小于70％、大于或等于50％且小于60％、小于50％，D＝5时5个相对湿度等级分别为相对湿度大于或等于90％、大于或等于80％且小于90％、大于或等于70％且小于80％、大于或等于60％且小于70％、小于60％，D＝4时4个相对湿度等级分别为相对湿度大于或等于90％、大于或等于80％且小于90％、大于或等于70％且小于80％、小于70％；接着确定PM2.5质量浓度与大气能见度之间呈线性关系、乘幂关系、指数关系、对数关系四种对应关系时各自相关的拟合公式；之后根据每个子集中的PM2.5质量浓度和大气能见度的观测值及四种对应关系各自相关的拟合公式，计算得到针对每个子集的各种对应关系相关的拟合误差；再以拟合误差最小化原则，将针对每个子集的4个拟合误差中值最小的拟合误差相应的拟合公式作为该子集相应的由大气能见度推算PM2.5质量浓度的最优推算公式；
步骤3：对处理区域进行网格化处理，在处理区域的水平方向上网格化的水平分辨率为100～500m，在处理区域的垂直方向上采用地形追随坐标，在处理区域的垂直方向上从地面往上1000m高度内网格化的垂直分辨率为50m或100m，网格化处理得到多个三维网格；
步骤4：将当前计算所在的季节和时次对应定义为当前季节和当前时次，并设定当前时次不属于大风天、降雨天、降雪天或大雾天；
步骤5：将当前待处理的大气能见度和相对湿度观测站定义为当前观测站；
步骤6：从
Figure BDA0002591594040000031
个多功能地面PM2.5观测站中选出与当前观测站距离最近的一个多功能地面PM2.5观测站；然后从选出的多功能地面PM2.5观测站对应的历史资料数据集的4×D个子集相应的由大气能见度推算PM2.5质量浓度的最优推算公式中，确定一个与当前季节及在当前时次下当前观测站观测到的相对湿度的观测值所处的相对湿度等级所对应的子集相应的最优推算公式；再利用确定的最优推算公式，根据在当前时次下当前观测站观测到的大气能见度的观测值推算出在当前时次下当前观测站处的PM2.5质量浓度的推算值；
步骤7：将下一个待处理的大气能见度和相对湿度观测站作为当前观测站，然后返回步骤6继续执行，直至N个大气能见度和相对湿度观测站均处理完毕，得到在当前时次下N个大气能见度和相对湿度观测站处的PM2.5质量浓度的推算值；
步骤8：收集在当前时次下M个地面PM2.5观测站观测到的PM2.5质量浓度的观测值；然后将在当前时次下M个地面PM2.5观测站观测到的PM2.5质量浓度的观测值和在当前时次下N个大气能见度和相对湿度观测站处的PM2.5质量浓度的推算值插值到在处理区域的垂直方向上最底层三维网格即从地面往上的第1层三维网格中的每个三维网格的地面平面即底面的中心位置上，得到在当前时次下在处理区域的垂直方向上最底层三维网格即从地面往上的第1层三维网格中的每个三维网格的地面平面即底面的中心位置处的PM2.5质量浓度值；
步骤9：计算在当前时次下处理区域内的每个三维网格内的PM2.5含量，将在当前时次下在处理区域的垂直方向上从地面往上的第k层三维网格中的第j个三维网格内的PM2.5含量记为PM2.5g,k,j，PM2.5g,k,j＝PM2.5groud,1,j×Fk,j×Vk,j；其中，k和j均为正整数，1≤k≤K，K表示在处理区域的垂直方向上从地面往上的三维网格的总层数，
Figure BDA0002591594040000041
Ver表示在处理区域的垂直方向上从地面往上1000m高度内网格化的垂直分辨率，1≤j≤J，J表示在处理区域的水平方向上一层三维网格中的三维网格的总个数，J＝Gx×Gy，Gx表示在处理区域的水平方向上一层三维网格中x方向的三维网格的总个数，Gy表示在处理区域的水平方向上一层三维网格中y方向的三维网格的总个数，PM2.5groud,1,j表示在当前时次下在处理区域的垂直方向上从地面往上的第1层三维网格即最底层三维网格中的第j个三维网格的地面平面即底面的中心位置处的PM2.5质量浓度值，Vk,j表示在处理区域的垂直方向上从地面往上的第k层三维网格中的第j个三维网格的体积，Fk,j表示在当前时次下在处理区域的垂直方向上从地面往上的第k层三维网格中的第j个三维网格对应的消光比值，Fk,j根据在当前时次下L部激光雷达探测到的消光系数获得；
步骤10：计算在当前时次下处理区域内的PM2.5总含量，其值等于在当前时次下处理区域内的所有三维网格内的PM2.5含量的累加值。
所述的步骤9中的Fk,j的获取过程为：
步骤9_1：在当前时次下每部激光雷达垂直向上探测在处理区域的垂直方向上从地面往上1000m高度内的所有消光系数；
步骤9_2：根据在当前时次下的天气状况、大气污染状况以及激光雷达回波特征，对在当前时次下每部激光雷达探测到的所有消光系数进行甄别，仅保留由PM2.5导致的消光系数，并定义为有效消光系数；
步骤9_3：将在当前时次下每部激光雷达开始探测到第1个有效消光系数时所处的高度定义为有效开始高度，将在当前时次下每部激光雷达开始探测到的第1个有效消光系数作为地面至有效开始高度内的有效消光系数；
步骤9_4：计算在当前时次下每部激光雷达在处理区域的垂直方向上从地面往上的第k层三维网格对应的高度区间内的消光比值，记为
Figure BDA0002591594040000051
其中，Ek表示在当前时次下在处理区域的垂直方向上从地面往上的第k层三维网格对应的高度区间内该部激光雷达对应的所有有效消光系数的平均值，E0表示在当前时次下地面上该部激光雷达对应的有效消光系数即数值上等于在当前时次下该部激光雷达开始探测到的第1个有效消光系数；
步骤9_5：将在当前时次下L部激光雷达在处理区域的垂直方向上从地面往上的第k层三维网格对应的高度区间内的消光比值插值到在处理区域的垂直方向上从地面往上的第k层三维网格中的每个三维网格的中心位置上，得到在当前时次下在处理区域的垂直方向上从地面往上的第k层三维网格中的每个三维网格对应的消光比值，即得到在当前时次下在处理区域的垂直方向上从地面往上的第k层三维网格中的第j个三维网格对应的消光比值Fk,j。
所述的步骤2中，大风天是指处理区域内的任一气象站观测到的阵风风力大于或等于6级的日子，降雨天是指处理区域内的任一气象站观测到的小时降雨量大于0.1毫米或者日降雨量大于1.0毫米的日子，降雪天是指处理区域内的任一气象站观测到的降雪天气的日子，大雾天是指处理区域内的任一气象站观测到的大雾天气的日子。
与现有技术相比，本发明的优点在于：
本发明方法收集最近2～3年观测到的PM2.5质量浓度、大气能见度、相对湿度，按不同观测站点、不同季节和不同相对湿度等级进行统计，这样得出的最优推算公式更有针对性；从线性关系、乘幂关系、指数关系、对数关系四种对应关系中统计并挑选出最优的拟合公式作为最优推算公式，避免了人为指定对应关系而造成的片面和不合理性；将地面PM2.5观测站观测到的PM2.5质量浓度观测资料和由大气能见度观测资料和相对湿度观测资料得到的PM2.5质量浓度的推算结果进行融合分析，得到更精细的网格化的地面大气PM2.5质量浓度；利用米散射激光雷达垂直观测的消光系数，计算出三维网格内的PM2.5含量，从而计算出处理区域边界层大气PM2.5总量，技术方法可行，推算结果可信，可参考性高。
附图说明
图1为本发明方法的总体实现框图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
中国气象部门的区域自动气象站已经达到乡镇级分辨率，其中很多站点安装有能见度仪，相对于环境监测站，能够进行大气能见度和相对湿度观测的站点分辨率更高，因此，本发明用大气能见度和相对湿度观测来进行PM2.5质量浓度的推算，弥补地面PM2.5质量浓度监测站点偏少以及分布不均匀造成PM2.5质量浓度资料分辨率偏低的缺陷，并通过与PM2.5监测数据进行融合分析，得到更加精细化的地面PM2.5质量浓度的分布信息。
用于气溶胶粒子特征探测的激光雷达主要是以单波长或多波长(如Nd:YAG激光器1064、532、355nm)米散射激光雷达为主，地基、机载、星载等多种平台应用，技术比较成熟。米散射激光雷达可以用来探测大气气溶胶的光学特性，主要有散射系数、消光系数、退偏振比等，其中最常用的是消光系数，其与大气污染物(颗粒物或气溶胶浓度)呈负相关关系，可以反映出大气污染物浓度。大部分情况下，地基米散射激光雷达垂直向上探测，有时为测量交通干道上的颗粒物质量浓度，激光雷达还可以被水平放置，进行近似水平方向探测，以获取地面颗粒物的消光系数，并使用地面颗粒物的消光系数和质量浓度之间关系模型，进一步获取地面颗粒物的质量浓度，从而对交通排放的颗粒物进行了长时间连续立体监测。因此，本发明方法利用了激光雷达来垂直向上探测区域边界层内的消光系数。
本发明提出的一种区域边界层PM2.5立体分布及总量推算的方法，其总体实现框图如图1所示，其包括以下步骤：
步骤1：设定处理区域的地面上分散布置有Q个具有观测风、降雨、降雪和雾的气象站，设定处理区域的地面上分散布置有M个地面PM2.5观测站，且M个地面PM2.5观测站中有
Figure BDA0002591594040000061
个地面PM2.5观测站同时具有观测大气能见度和相对湿度的功能，并将这
Figure BDA0002591594040000071
个地面PM2.5观测站定义为多功能地面PM2.5观测站；设定处理区域的地面上还分散布置有N个大气能见度和相对湿度观测站和L部激光雷达，任一个大气能见度和相对湿度观测站与任一个地面PM2.5观测站之间至少相隔10公里距离，任一部激光雷达能够靠近任一个地面PM2.5观测站或任一个大气能见度和相对湿度观测站布置；其中，处理区域一般为一个城市区域或一个省区域，Q≥5，M≥3，
Figure BDA0002591594040000072
N≥1，L≥1。
步骤2：收集最近2～3年剔除大风天、降雨天、降雪天、大雾天后处理区域内的
Figure BDA0002591594040000073
个多功能地面PM2.5观测站观测到的PM2.5质量浓度、大气能见度、相对湿度的观测值，形成每个多功能地面PM2.5观测站对应的历史资料数据集，每个历史资料数据集中PM2.5质量浓度与大气能见度、相对湿度的观测值按小时相对应；然后按不同季节和不同相对湿度等级，将每个多功能地面PM2.5观测站对应的历史资料数据集分为4×D个子集，其中，季节有4个分别为春、夏、秋和冬季，D表示相对湿度等级的数量，D∈[4,6]，D＝6时6个相对湿度等级分别为相对湿度大于或等于90％、大于或等于80％且小于90％、大于或等于70％且小于80％、大于或等于60％且小于70％、大于或等于50％且小于60％、小于50％，D＝5时5个相对湿度等级分别为相对湿度大于或等于90％、大于或等于80％且小于90％、大于或等于70％且小于80％、大于或等于60％且小于70％、小于60％，D＝4时4个相对湿度等级分别为相对湿度大于或等于90％、大于或等于80％且小于90％、大于或等于70％且小于80％、小于70％；接着确定PM2.5质量浓度与大气能见度之间呈线性关系、乘幂关系、指数关系、对数关系四种对应关系时各自相关的拟合公式；之后根据每个子集中的PM2.5质量浓度和大气能见度的观测值及四种对应关系各自相关的拟合公式，计算得到针对每个子集的各种对应关系相关的拟合误差；再以拟合误差最小化原则，将针对每个子集的4个拟合误差中值最小的拟合误差相应的拟合公式作为该子集相应的由大气能见度推算PM2.5质量浓度的最优推算公式。
在本实施例中，步骤2中，大风天是指处理区域内的任一气象站观测到的阵风风力大于或等于6级的日子，降雨天是处理区域内的任一气象站观测到的指小时降雨量大于0.1毫米或者日降雨量大于1.0毫米的日子，降雪天是指处理区域内的任一气象站观测到的降雪天气的日子，大雾天是指处理区域内的任一气象站观测到的大雾天气的日子。
步骤3：对处理区域进行网格化处理，在处理区域的水平方向上网格化的水平分辨率为100～500m，在处理区域的垂直方向上采用地形追随坐标(即取地面高度的坐标为0m)，在处理区域的垂直方向上从地面往上1000m高度内网格化的垂直分辨率为50m或100m，网格化处理得到多个三维网格。如：若在处理区域的垂直方向上从地面往上1000m高度内网格化的垂直分辨率为100m，那么在处理区域的垂直方向上0～100m为第1个三维网格、100～200m为第2个三维网格，依次类推，900～1000m为第10个三维网格。
步骤4：将当前计算所在的季节和时次对应定义为当前季节和当前时次，并设定当前时次不属于大风天、降雨天、降雪天或大雾天。
步骤5：将当前待处理的大气能见度和相对湿度观测站定义为当前观测站。
步骤6：从
Figure BDA0002591594040000081
个多功能地面PM2.5观测站中选出与当前观测站距离最近的一个多功能地面PM2.5观测站；然后从选出的多功能地面PM2.5观测站对应的历史资料数据集的4×D个子集相应的由大气能见度推算PM2.5质量浓度的最优推算公式中，确定一个与当前季节及在当前时次下当前观测站观测到的相对湿度的观测值所处的相对湿度等级所对应的子集相应的最优推算公式；再利用确定的最优推算公式，根据在当前时次下当前观测站观测到的大气能见度的观测值推算出在当前时次下当前观测站处的PM2.5质量浓度的推算值。
步骤7：将下一个待处理的大气能见度和相对湿度观测站作为当前观测站，然后返回步骤6继续执行，直至N个大气能见度和相对湿度观测站均处理完毕，得到在当前时次下N个大气能见度和相对湿度观测站处的PM2.5质量浓度的推算值。
步骤8：收集在当前时次下M个地面PM2.5观测站观测到的PM2.5质量浓度的观测值；然后将在当前时次下M个地面PM2.5观测站观测到的PM2.5质量浓度的观测值和在当前时次下N个大气能见度和相对湿度观测站处的PM2.5质量浓度的推算值插值到在处理区域的垂直方向上最底层三维网格即从地面往上的第1层三维网格中的每个三维网格的地面平面即底面的中心位置上，得到在当前时次下在处理区域的垂直方向上最底层三维网格即从地面往上的第1层三维网格中的每个三维网格的地面平面即底面的中心位置处的PM2.5质量浓度值。
在此，插值采用现有的任意一种成熟的插值方法。
步骤9：计算在当前时次下处理区域内的每个三维网格内的PM2.5含量，将在当前时次下在处理区域的垂直方向上从地面往上的第k层三维网格中的第j个三维网格内的PM2.5含量记为PM2.5g,k,j，PM2.5g,k,j＝PM2.5groud,1,j×Fk,j×Vk,j；其中，k和j均为正整数，1≤k≤K，K表示在处理区域的垂直方向上从地面往上的三维网格的总层数，
Figure BDA0002591594040000091
Ver表示在处理区域的垂直方向上从地面往上1000m高度内网格化的垂直分辨率，1≤j≤J，J表示在处理区域的水平方向上一层三维网格中的三维网格的总个数，J＝Gx×Gy，Gx表示在处理区域的水平方向上一层三维网格中x方向的三维网格的总个数，Gy表示在处理区域的水平方向上一层三维网格中y方向的三维网格的总个数，PM2.5groud,1,j表示在当前时次下在处理区域的垂直方向上从地面往上的第1层三维网格即最底层三维网格中的第j个三维网格的地面平面即底面的中心位置处的PM2.5质量浓度值，Vk,j表示在处理区域的垂直方向上从地面往上的第k层三维网格中的第j个三维网格的体积，Fk,j表示在当前时次下在处理区域的垂直方向上从地面往上的第k层三维网格中的第j个三维网格对应的消光比值，Fk,j根据在当前时次下L部激光雷达探测到的消光系数获得。
在本实施例中，步骤9中的Fk,j的获取过程为：
步骤9_1：在当前时次下每部激光雷达垂直向上探测在处理区域的垂直方向上从地面往上1000m高度内的所有消光系数。
步骤9_2：根据在当前时次下的天气状况、大气污染状况以及激光雷达回波特征，对在当前时次下每部激光雷达探测到的所有消光系数进行甄别，仅保留由PM2.5导致的消光系数(剔除了代表低云、雨雾粒子等的部分消光系数)，并定义为有效消光系数。
步骤9_3：将在当前时次下每部激光雷达开始探测到第1个有效消光系数时所处的高度定义为有效开始高度，将在当前时次下每部激光雷达开始探测到的第1个有效消光系数作为地面至有效开始高度内的有效消光系数。
由于激光雷达探测的距离地面一定高度内没有探测结果或者探测结果不可用，因此定义激光雷达探测结果开始可以使用的高度为有效开始高度，一般为几十米，考虑到大气贴地层中的湍流作用，导致贴地层中的污染物混合均匀，从而认为激光雷达有效开始高度以下的探测结果不变，因此取地面至有效开始高度的有效消光系数均为有效开始高度上的有效消光系数的探测值。
步骤9_4：计算在当前时次下每部激光雷达在处理区域的垂直方向上从地面往上的第k层三维网格对应的高度区间内的消光比值，记为
Figure BDA0002591594040000101
其中，Ek表示在当前时次下在处理区域的垂直方向上从地面往上的第k层三维网格对应的高度区间内该部激光雷达对应的所有有效消光系数的平均值，E0表示在当前时次下地面上该部激光雷达对应的有效消光系数即数值上等于在当前时次下该部激光雷达开始探测到的第1个有效消光系数。
步骤9_5：将在当前时次下L部激光雷达在处理区域的垂直方向上从地面往上的第k层三维网格对应的高度区间内的消光比值插值到在处理区域的垂直方向上从地面往上的第k层三维网格中的每个三维网格的中心位置上，得到在当前时次下在处理区域的垂直方向上从地面往上的第k层三维网格中的每个三维网格对应的消光比值，即得到在当前时次下在处理区域的垂直方向上从地面往上的第k层三维网格中的第j个三维网格对应的消光比值Fk,j。
步骤10：计算在当前时次下处理区域内的PM2.5总含量，其值等于在当前时次下处理区域内的所有三维网格内的PM2.5含量的累加值。

Claims (2)

1.一种区域边界层PM2.5立体分布及总量推算的方法，其特征在于包括以下步骤：
步骤1：设定处理区域的地面上分散布置有Q个具有观测风、降雨、降雪和雾的气象站，设定处理区域的地面上分散布置有M个地面PM2.5观测站，且M个地面PM2.5观测站中有
Figure FDA0002910990910000011
个地面PM2.5观测站同时具有观测大气能见度和相对湿度的功能，并将这
Figure FDA0002910990910000012
个地面PM2.5观测站定义为多功能地面PM2.5观测站；设定处理区域的地面上还分散布置有N个大气能见度和相对湿度观测站和L部激光雷达，任一个大气能见度和相对湿度观测站与任一个地面PM2.5观测站之间至少相隔10公里距离，任一部激光雷达能够靠近任一个地面PM2.5观测站或任一个大气能见度和相对湿度观测站布置；其中，Q≥5，M≥3，
Figure FDA0002910990910000013
N≥1，L≥1；
步骤2：收集最近2～3年剔除大风天、降雨天、降雪天、大雾天后处理区域内的
Figure FDA0002910990910000014
个多功能地面PM2.5观测站观测到的PM2.5质量浓度、大气能见度、相对湿度的观测值，形成每个多功能地面PM2.5观测站对应的历史资料数据集，每个历史资料数据集中PM2.5质量浓度与大气能见度、相对湿度的观测值按小时相对应；然后按不同季节和不同相对湿度等级，将每个多功能地面PM2.5观测站对应的历史资料数据集分为4×D个子集，其中，季节有4个分别为春、夏、秋和冬季，D表示相对湿度等级的数量，D∈[4,6]，D＝6时6个相对湿度等级分别为相对湿度大于或等于90％、大于或等于80％且小于90％、大于或等于70％且小于80％、大于或等于60％且小于70％、大于或等于50％且小于60％、小于50％，D＝5时5个相对湿度等级分别为相对湿度大于或等于90％、大于或等于80％且小于90％、大于或等于70％且小于80％、大于或等于60％且小于70％、小于60％，D＝4时4个相对湿度等级分别为相对湿度大于或等于90％、大于或等于80％且小于90％、大于或等于70％且小于80％、小于70％；接着确定PM2.5质量浓度与大气能见度之间呈线性关系、乘幂关系、指数关系、对数关系四种对应关系时各自相关的拟合公式；之后根据每个子集中的PM2.5质量浓度和大气能见度的观测值及四种对应关系各自相关的拟合公式，计算得到针对每个子集的各种对应关系相关的拟合误差；再以拟合误差最小化原则，将针对每个子集的4个拟合误差中值最小的拟合误差相应的拟合公式作为该子集相应的由大气能见度推算PM2.5质量浓度的最优推算公式；
步骤3：对处理区域进行网格化处理，在处理区域的水平方向上网格化的水平分辨率为100～500m，在处理区域的垂直方向上采用地形追随坐标，在处理区域的垂直方向上从地面往上1000m高度内网格化的垂直分辨率为50m或100m，网格化处理得到多个三维网格；
步骤4：将当前计算所在的季节和时次对应定义为当前季节和当前时次，并设定当前时次不属于大风天、降雨天、降雪天或大雾天；
步骤5：将当前待处理的大气能见度和相对湿度观测站定义为当前观测站；
步骤6：从
Figure FDA0002910990910000021
个多功能地面PM2.5观测站中选出与当前观测站距离最近的一个多功能地面PM2.5观测站；然后从选出的多功能地面PM2.5观测站对应的历史资料数据集的4×D个子集相应的由大气能见度推算PM2.5质量浓度的最优推算公式中，确定一个与当前季节及在当前时次下当前观测站观测到的相对湿度的观测值所处的相对湿度等级所对应的子集相应的最优推算公式；再利用确定的最优推算公式，根据在当前时次下当前观测站观测到的大气能见度的观测值推算出在当前时次下当前观测站处的PM2.5质量浓度的推算值；
步骤7：将下一个待处理的大气能见度和相对湿度观测站作为当前观测站，然后返回步骤6继续执行，直至N个大气能见度和相对湿度观测站均处理完毕，得到在当前时次下N个大气能见度和相对湿度观测站处的PM2.5质量浓度的推算值；
步骤8：收集在当前时次下M个地面PM2.5观测站观测到的PM2.5质量浓度的观测值；然后将在当前时次下M个地面PM2.5观测站观测到的PM2.5质量浓度的观测值和在当前时次下N个大气能见度和相对湿度观测站处的PM2.5质量浓度的推算值插值到在处理区域的垂直方向上最底层三维网格即从地面往上的第1层三维网格中的每个三维网格的地面平面即底面的中心位置上，得到在当前时次下在处理区域的垂直方向上最底层三维网格即从地面往上的第1层三维网格中的每个三维网格的地面平面即底面的中心位置处的PM2.5质量浓度值；
步骤9：计算在当前时次下处理区域内的每个三维网格内的PM2.5含量，将在当前时次下在处理区域的垂直方向上从地面往上的第k层三维网格中的第j个三维网格内的PM2.5含量记为PM2.5g,k,j，PM2.5g,k,j＝PM2.5groud,1,j×Fk,j×Vk,j；其中，k和j均为正整数，1≤k≤K，K表示在处理区域的垂直方向上从地面往上的三维网格的总层数，
Figure FDA0002910990910000031
Ver表示在处理区域的垂直方向上从地面往上1000m高度内网格化的垂直分辨率，1≤j≤J，J表示在处理区域的水平方向上一层三维网格中的三维网格的总个数，J＝Gx×Gy，Gx表示在处理区域的水平方向上一层三维网格中x方向的三维网格的总个数，Gy表示在处理区域的水平方向上一层三维网格中y方向的三维网格的总个数，PM2.5groud,1,j表示在当前时次下在处理区域的垂直方向上从地面往上的第1层三维网格即最底层三维网格中的第j个三维网格的地面平面即底面的中心位置处的PM2.5质量浓度值，Vk,j表示在处理区域的垂直方向上从地面往上的第k层三维网格中的第j个三维网格的体积，Fk,j表示在当前时次下在处理区域的垂直方向上从地面往上的第k层三维网格中的第j个三维网格对应的消光比值，Fk,j根据在当前时次下L部激光雷达探测到的消光系数获得；
所述的步骤9中的Fk,j的获取过程为：
步骤9_1：在当前时次下每部激光雷达垂直向上探测在处理区域的垂直方向上从地面往上1000m高度内的所有消光系数；
步骤9_2：根据在当前时次下的天气状况、大气污染状况以及激光雷达回波特征，对在当前时次下每部激光雷达探测到的所有消光系数进行甄别，仅保留由PM2.5导致的消光系数，并定义为有效消光系数；
步骤9_3：将在当前时次下每部激光雷达开始探测到第1个有效消光系数时所处的高度定义为有效开始高度，将在当前时次下每部激光雷达开始探测到的第1个有效消光系数作为地面至有效开始高度内的有效消光系数；
步骤9_4：计算在当前时次下每部激光雷达在处理区域的垂直方向上从地面往上的第k层三维网格对应的高度区间内的消光比值，记为
Figure FDA0002910990910000032
Figure FDA0002910990910000033
其中，Ek表示在当前时次下在处理区域的垂直方向上从地面往上的第k层三维网格对应的高度区间内该部激光雷达对应的所有有效消光系数的平均值，E0表示在当前时次下地面上该部激光雷达对应的有效消光系数即数值上等于在当前时次下该部激光雷达开始探测到的第1个有效消光系数；
步骤9_5：将在当前时次下L部激光雷达在处理区域的垂直方向上从地面往上的第k层三维网格对应的高度区间内的消光比值插值到在处理区域的垂直方向上从地面往上的第k层三维网格中的每个三维网格的中心位置上，得到在当前时次下在处理区域的垂直方向上从地面往上的第k层三维网格中的每个三维网格对应的消光比值，即得到在当前时次下在处理区域的垂直方向上从地面往上的第k层三维网格中的第j个三维网格对应的消光比值Fk,j；
步骤10：计算在当前时次下处理区域内的PM2.5总含量，其值等于在当前时次下处理区域内的所有三维网格内的PM2.5含量的累加值。
2.根据权利要求1所述的一种区域边界层PM2.5立体分布及总量推算的方法，其特征在于所述的步骤2中，大风天是指处理区域内的任一气象站观测到的阵风风力大于或等于6级的日子，降雨天是指处理区域内的任一气象站观测到的小时降雨量大于0.1毫米或者日降雨量大于1.0毫米的日子，降雪天是指处理区域内的任一气象站观测到的降雪天气的日子，大雾天是指处理区域内的任一气象站观测到的大雾天气的日子。
CN202010696972.4A 2020-07-20 2020-07-20 一种区域边界层pm2.5立体分布及总量推算的方法 Active CN112033870B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010696972.4A CN112033870B (zh) 2020-07-20 2020-07-20 一种区域边界层pm2.5立体分布及总量推算的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010696972.4A CN112033870B (zh) 2020-07-20 2020-07-20 一种区域边界层pm2.5立体分布及总量推算的方法

Publications (2)

Publication Number Publication Date
CN112033870A CN112033870A (zh) 2020-12-04
CN112033870B true CN112033870B (zh) 2021-03-09

Family

ID=73579319

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010696972.4A Active CN112033870B (zh) 2020-07-20 2020-07-20 一种区域边界层pm2.5立体分布及总量推算的方法

Country Status (1)

Country Link
CN (1) CN112033870B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112816376B (zh) * 2020-12-29 2022-07-26 北方大贤风电科技（北京）有限公司 一种边界层pm2.5检测方法
CN113009437B (zh) * 2021-03-03 2023-10-03 云南大学 一种根据实时气溶胶分布求解激光雷达动态雷达比的方法
CN113375723A (zh) * 2021-06-26 2021-09-10 西北工业大学 基于固定翼无人机的大气污染立体化监控及数据处理方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101504353A (zh) * 2008-02-06 2009-08-12 香港科技大学 用于提供近地面悬浮颗粒物分布的方法和相应的系统
CN106126903A (zh) * 2016-06-21 2016-11-16 北京市环境保护监测中心 Pm2.5三维输送通量的计算方法和装置
CN108416031A (zh) * 2018-03-12 2018-08-17 南京恩瑞特实业有限公司 Nriet气象多源探测资料融合分析系统
CN108763756A (zh) * 2018-05-28 2018-11-06 河南工业大学 一种气溶胶光学厚度与pm2.5反演订正方法及其系统
CN109709577A (zh) * 2018-12-28 2019-05-03 南京雨后地软环境技术有限公司 一种基于WRF-Chem模式的气溶胶激光雷达反演PM2.5的三维变分同化方法
CN110907318A (zh) * 2019-11-07 2020-03-24 中国科学院遥感与数字地球研究所 一种近地面大气总悬浮颗粒物质量浓度遥感物理估算方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9606029B2 (en) * 2012-04-20 2017-03-28 Picarro, Inc. Leak distance estimation method using correlation measurements at isolated spatial points in a plume

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101504353A (zh) * 2008-02-06 2009-08-12 香港科技大学 用于提供近地面悬浮颗粒物分布的方法和相应的系统
CN106126903A (zh) * 2016-06-21 2016-11-16 北京市环境保护监测中心 Pm2.5三维输送通量的计算方法和装置
CN108416031A (zh) * 2018-03-12 2018-08-17 南京恩瑞特实业有限公司 Nriet气象多源探测资料融合分析系统
CN108763756A (zh) * 2018-05-28 2018-11-06 河南工业大学 一种气溶胶光学厚度与pm2.5反演订正方法及其系统
CN109709577A (zh) * 2018-12-28 2019-05-03 南京雨后地软环境技术有限公司 一种基于WRF-Chem模式的气溶胶激光雷达反演PM2.5的三维变分同化方法
CN110907318A (zh) * 2019-11-07 2020-03-24 中国科学院遥感与数字地球研究所 一种近地面大气总悬浮颗粒物质量浓度遥感物理估算方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
浙江北部一次爆发式发展重度大气污染的气象特点和成因;涂小萍 等;《环境科学学报》;20190531;第39卷(第5期);1443-1451 *

Also Published As

Publication number Publication date
CN112033870A (zh) 2020-12-04

Similar Documents

Publication Publication Date Title
CN112033870B (zh) 一种区域边界层pm2.5立体分布及总量推算的方法
Conceicao et al. Saharan dust transport to Europe and its impact on photovoltaic performance: A case study of soiling in Portugal
Beegum et al. Simulation and analysis of synoptic scale dust storms over the Arabian Peninsula
CN108763756B (zh) 一种气溶胶光学厚度与pm2.5反演订正方法及其系统
KR101531224B1 (ko) 이중편파 레이더 기반의 강수 추정 시스템 및 그 방법
CN102539336B (zh) 基于环境一号卫星的可吸入颗粒物估算方法及系统
Cheng et al. A receptor‐oriented methodology for determining source regions of particulate sulfate observed at Dorset, Ontario
CN109657363B (zh) 一种时空连续的pm2.5反演方法
Pasch et al. Meteorological characteristics associated with PM2. 5 air pollution in Cleveland, Ohio, during the 2009–2010 Cleveland Multiple Air Pollutants Study
CN111323352B (zh) 融合细颗粒物浓度数据的区域pm2.5遥感反演模型
Kotthaus et al. Volume for pollution dispersion: London's atmospheric boundary layer during ClearfLo observed with two ground-based lidar types
CN112180472A (zh) 一种基于深度学习的大气能见度集成预报方法
CN110674467A (zh) 基于swat模型的水文过程对气候变化的响应监测方法
Heintzenberg et al. New particle formation in the Svalbard region 2006–2015
CN108981616B (zh) 一种由无人机激光雷达反演人工林有效叶面积指数的方法
CN118244387B (zh) 基于瓦片分区的雷达反射率因子组网定量降水估测方法
Claiborn et al. Regional measurements and modeling of windblown agricultural dust: The Columbia Plateau PM10 Program
Yu et al. A climatological study of air pollution potential in China
Ponette-González et al. Urban edge trees: Urban form and meteorology drive elemental carbon deposition to canopies and soils
Eriksson et al. Analysis of station locations in a road weather information system
Suk et al. Operational real-time adjustment of radar rainfall estimation over the South Korea region
CN109918770B (zh) 一种人工增雨去除细颗粒预测模型
CN117494419A (zh) 一种多模型耦合的流域水土流失遥感监测方法
Junker et al. Aerosol light absorption in the North Atlantic: trends and seasonal characteristics during the period 1989 to 2003
Bao et al. Foliar particulate matter distribution in urban road system of Beijing, China

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