CN112418609A - 一种基于面-网格-点的大气二次污染精准溯源方法 - Google Patents
一种基于面-网格-点的大气二次污染精准溯源方法 Download PDFInfo
- Publication number
- CN112418609A CN112418609A CN202011185324.9A CN202011185324A CN112418609A CN 112418609 A CN112418609 A CN 112418609A CN 202011185324 A CN202011185324 A CN 202011185324A CN 112418609 A CN112418609 A CN 112418609A
- Authority
- CN
- China
- Prior art keywords
- grid
- emission
- pollution
- source
- secondary pollution
- 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
- 238000000034 method Methods 0.000 title claims abstract description 78
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 claims abstract description 47
- 239000013618 particulate matter Substances 0.000 claims abstract description 31
- 230000008569 process Effects 0.000 claims abstract description 28
- 238000013507 mapping Methods 0.000 claims abstract description 12
- 230000000694 effects Effects 0.000 claims abstract description 11
- 239000000126 substance Substances 0.000 claims abstract description 7
- 238000005516 engineering process Methods 0.000 claims description 38
- 239000003344 environmental pollutant Substances 0.000 claims description 27
- 238000004458 analytical method Methods 0.000 claims description 26
- 231100000719 pollutant Toxicity 0.000 claims description 22
- 238000004088 simulation Methods 0.000 claims description 17
- 238000012544 monitoring process Methods 0.000 claims description 15
- 238000009826 distribution Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000011161 development Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 6
- 238000001311 chemical methods and process Methods 0.000 claims description 4
- 230000004807 localization Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 239000000356 contaminant Substances 0.000 claims description 2
- 230000000750 progressive effect Effects 0.000 abstract description 3
- 238000012795 verification Methods 0.000 abstract description 3
- 230000004044 response Effects 0.000 description 5
- 239000002243 precursor Substances 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 102000030592 phosphoserine aminotransferase Human genes 0.000 description 3
- 108010088694 phosphoserine aminotransferase Proteins 0.000 description 3
- 241001481710 Cerambycidae Species 0.000 description 2
- QAOWNCQODCNURD-UHFFFAOYSA-N Sulfuric acid Chemical compound OS(O)(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-N 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 239000012855 volatile organic compound Substances 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- GRYLNZFGIOXLOG-UHFFFAOYSA-N Nitric acid Chemical compound O[N+]([O-])=O GRYLNZFGIOXLOG-UHFFFAOYSA-N 0.000 description 1
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 239000000926 atmospheric chemistry Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 229910017604 nitric acid Inorganic materials 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开的一种基于面‑网格‑点的大气二次污染精准溯源方法,基于空气质量大数据快速识别二次污染特征,判别当次二次污染过程的热点区域;以其为主要受体点,利用空气质量模型快速识别当次二次污染发生时本地敏感排放网格和贡献源类别,溯源至网格和行业水平;获取区域内污染行业的活动信息,建立高空间分辨率网格化排放源清单,利用地理坐标信息对敏感排放网格进行映射,网格识别关键排放企业和园区,进一步定位到企业水平;利用城市VOCs走航观测或颗粒物/臭氧遥感雷达的源定位结果,对比校验溯源结果;本发明建立“面‑网格‑点”多层次递进的溯源方法,提升溯源时效和精度,能够快速、准确定位关键排放园区/企业。
Description
技术领域
本发明涉及大气环境保护技术的研究领域,特别涉及一种基于面-网格-点的大气二次污染精准溯源方法。
背景技术
大量PM2.5和臭氧污染源集中在城市群和城乡复合带,并通过大气在主要城市群间输送,形成典型的区域大气二次污染。近两年国内主要城市群更是呈现出大范围、长时间、爆发性的区域二次污染特征,威胁人体健康和生态系统,并存在发生环境灾难的隐患,严重制约了区域经济可持续发展。我国区域空气质量管理已经进入PM2.5和臭氧污染协同防控的新阶段,针对PM2.5和臭氧二次污染的精准溯源技术研究及应用备受关注。
然而,单种源解析技术包括源清单、空气质量模式、受体模型和源强反算等方法往往存在较大的局限,大气二次污染溯源结果不确定性大且精度不足,无法精准解析引起二次污染的关键排放源区或企业,溯源所需时间长导致溯源结果滞后,难以满足精细化大气环境管理的需求。
在申请号为201910443167.8的中国发明专利中提出了一种大气颗粒物污染快速溯源方法。该发明首次联用源清单-气象模型-粒子扩散模型技术,能够对历史和未来的颗粒物污染进行来源识别,空间分辨率为0.25×0.25,时间分辨率为6h。该发明强调了进一步提升颗粒物来源解析精度,能够筛选出颗粒物污染的靶向排放部门和重点排放单元名录,成本低、普及性强。但是,该发明时间分辨率仍较低,溯源结果响应时间慢,不能满足当次污染发生时的靶向防治需求,且缺少O3污染溯源方法。
在申请号为201911043425.X的中国发明专利中提出了一种基于拉格朗日轨迹模式和化学盒子模式的区域臭氧污染溯源系统。该发明通过综合运用拉格朗日轨迹模式和化学盒子模式方法,设计排放源输入模块、初始化污染浓度场模块、大气化学和物理模块,着力解决三维欧拉模式化学机制表征简化、计算量大和零维盒子模式仅考虑化学过程、空间代表性有效的技术问题。该发明方法能够量化O3前体物相关污染物(包括CH4、NMVOCs、NOx和CO等)某时间点某目标区域的气流经过位置的污染物排放速率,但无法直接输出污染物对应的企业或园区排放源,且缺少PM2.5污染溯源模块。
在申请号为2018111418456.4的中国发明专利中提出一种基于拉格朗日模型和移动观测平台的大气污染溯源方法。该发明针对园区局地小尺度大气环境污染投诉事件,利用PM2.5和重要气态前体物的固定站点监测数据、网格化溯源模型结果及时段移动超站检测分析、清单中各行业对受体点污染物浓度的贡献量,重点识别园区特殊污染排放源(包括VOCs、SO2、H2S、CH4、硫酸气和硝酸气)对居民受体点贡献大小。该发明局限于投诉园区局地小尺度,依赖于受体点历史采样数据和历史投诉事件记录,且不涉及臭氧溯源模块。
另外,新兴溯源技术如无人机、激光雷达、走航观测等,可同时追溯PM2.5和臭氧污染来源,仪器响应时间也快,可达到小时及以下级别的溯源分辨率,但受限于城市及园区尺度、监测方案和数据挖掘需较强经验、设备购置和运维成本高,普适性较差。较多的反向模型应用于新兴溯源技术,但反向模型算法本身存在诸多局部最优解,且单次计算结果解析源个数有限。
在申请号为201820902371.2的中国实用新型专利和201911257211的中国发明专利中分别提出了一种移动式大气灰霾和臭氧立体监测与污染溯源系统和走航车。该系统和走航车可集成扫描式颗粒物激光雷达、臭氧立体监测激光雷达、秒级VOCs及恶臭气体质谱仪、气象参数检测仪和高清摄像系统,从而根据在线收集的立体监测数据,进行城市颗粒物和臭氧空间浓度分布和路径来源分析。该发明适用于城市及园区尺度,依赖传感器信号和设备稳定性,需要定期进行专业的调试和检查;并且走航监测方案的制定需要较强的经验,所耗用的成本也较高,难以进行广泛推广。
在申请号为201911270427.2的中国发明专利中提出一种基于天牛须搜索算法的大气污染物溯源方法。该发明利用天牛须搜索算法,参考风向信息和无人机左右两端监测浓度,能够有效追踪污染烟羽,最终确定污染源位置。该发明依赖污染物传感器准确采样和分析、数据传输稳定和下载持续,主要限于当次污染由某一个主要排放源和片区引起的污染过程的简单案例应用,尚不能满足复杂的二次污染精准溯源需求。
综上所述,目前大气二次污染源解析技术研究领域存在以下几个待解决的技术问题:
(1)应对突发污染事件,现有的大气二次污染源解析技术缺乏及时响应能力,影响应急决策的制定;
(2)应对日常环境监管,现有的大气二次污染源解析技术无法精准定位污染源至企业或者园区水平,影响精准施策和精细管控的效率,阻碍经济发展;
(3)单种源解析技术往往存在较大的局限,溯源结果存在较大不确定性,难以满足现阶段对空气污染治理提出的新要求,必须发展多种源解析技术集成的精准溯源技术。
发明内容
本发明的主要目的在于克服现有技术的缺点与不足,提供一种基于面-网格-点的大气二次污染精准溯源方法。该方法能够应用于多个城市环保相关部门或工业园区,快速、准确识别当次大气二次污染过程中的关键排放源和敏感排放区,遵循基于“面-网格-点”多层次递进的溯源思路,充分利用精细网格化源清单,对PSAT/OSAT模式的溯源信息进行二次解析,实现了污染来源的快速、精准定位,同时实现了大气污染溯源精度水平从“区域”突破到“企业”的提升。
本发明的主要目的通过以下的技术方案实现:
一种基于面-网格-点的大气二次污染精准溯源方法,包括以下步骤:
基于空气质量大数据快速识别二次污染特征,判别当次二次污染过程的热点区域;
以热点区域为主要受体点,基于并行式计算的方式利用空气质量模型中的源解析技术,快速识别当次二次污染发生时本地的敏感排放网格和贡献源类别,将二次污染来源定位到网格和行业水平;
获取区域内污染行业的活动信息,建立高空间精度的网格化排放源清单,利用该网格化排放源清单中的相关园区和企业地理坐标信息对敏感排放网格进行映射,基于敏感排放网格内的排放量大小识别影响本次二次污染的关键排放园区和企业,将二次污染来源定位到企业水平;
利用城市VOCs走航观测或颗粒物/臭氧遥感雷达的源定位结果,对比校验已识别的关键排放园区和企业,得到精准溯源结果。
进一步地,所述空气质量大数据包括空气质量在线监测数据、气象观测数据、天气形势分析数据;所述二次污染特征数据包括二次污染高发时段与演变特征、传输路径、热点区域、污染属性。
进一步地,所述判别当次二次污染过程的热点区域,具体为:获取历史基础资料和预报结果,利用时间序列、相关性分析和雷达特征图技术,从首要污染物、二次污染高值区特征、二次污染周期性特征、二次污染“周末效应”、二次污染过程中气象要素特征、污染物间相关性、污染属性、演变过程多维度、多视角出发,进行多污染物浓度时间窗可视化展示,从而快速识别预报结果中的PM2.5或臭氧污染过程,判断当次PM2.5或臭氧污染水平;利用空间插值技术,判断当次PM2.5或臭氧污染高值区和异常监测站点,从而充分掌握当次PM2.5或臭氧污染过程所涉及的空间和时间变化趋势。
进一步地,所述历史基础资料和预报结果,包括地形地理信息、气候特征、气象观测数据、城区和污染源布局结果。
进一步地,所述空气质量模型源解析技术为并行式的CAMx-PSAT/OSAT技术。
进一步地,所述利用空气质量模型中的源解析技术,快速识别当次二次污染发生时本地的敏感排放网格和贡献源类别,将二次污染来源定位到网格和行业水平,具体为:通过I/O并行化技术方案,建立以WRF-SMOKE-CAMx-PSAT/OSAT为核心的并行式模拟平台,将网格级别大气污染溯源计算任务的N个网格分解到[N/M]+1个WRF-SMOKE-CAMx-PSAT/OSAT模拟系统中,每个WRF-SMOKE-CAMx-PSAT/OSAT模拟系统给需要解析的网格的M个网格逐一加入反应性示踪物进行标记,追踪其在化学过程和物理过程的生成、转化、传输和消除过程,进而量化M个网格逐一对目标区域PM2.5和臭氧污染物浓度的贡献,再将所有WRF-SMOKE-CAMx-PSAT/OSAT模拟系统模拟结果集成输出,得到所有网格逐一对热点区域PM2.5和臭氧污染物浓度的贡献,进而快速识别出敏感排放网格和行业;在计算资源允许的条件下,排放源类别设置越多、地理区域设置越细,最小潜在贡献单元就越多。
进一步地,所述建立高空间精度的网格化排放源清单,具体如下:获取城市重点排污行业的污染物本地化源谱、排放因子和活动水平数据,运用区域高分辨率大气排放源清单开发方法,构建目标区域的精细网格化排放源清单,空间分辨率在1km以上。
进一步地,所述利用该网格化排放源清单中的相关园区和企业地理坐标信息对敏感排放网格进行映射,基于敏感排放网格内的排放量大小识别影响本次二次污染的关键排放园区和企业,具体为:利用时空网格分配技术,对敏感区域的精细网格化排放源清单进行高精度污染信息分配,重点掌握网格内的企业、园区和行业排放特征信息数据;筛选已识别本地敏感网格的地理位置和源强排放特征属性信息,与敏感区域的精细网格化排放源清单网格内的企业、园区和行业排放特征信息数据进行空间映射分析,最终识别区域内的关键污染源排放园区和企业。
进一步地,所述利用城市VOCs走航观测或颗粒物/臭氧遥感雷达的源定位结果,对比校验已识别的关键排放园区和企业,得到精准溯源结果,具体为:收集城市VOCs走航观测或颗粒物/臭氧遥感雷达影像结果,识别污染高值区出现范围、时间和源强特征,对比已识别关键排放企业和园区对应信息,判断两者一致性,进而得到精准溯源结果。
本发明与现有技术相比,具有如下优点和有益效果:
1、本发明采用系统的二次污染高发时段与演变特征、传输路径及热点区域、污染属性等识别技术,能够快速捕捉目标区域PM2.5和臭氧污染时段和污染演变特征;
2、本发明利用I/O并行式理念优化模式溯源速度,致力于克服CAMx-PSAT/OSAT模式系统因溯源空间精度过高而僵死、无法追溯污染物网格级别来源,有效缩短运算时间,时间分辨率达2h/天;
3、本发明集成模式、清单和走航等多种溯源技术,能够对PM2.5和臭氧污染溯源结果进行深入解析与验证,精准定位区域PM2.5和臭氧污染关键排放园区/企业。
附图说明
图1为本发明所述一种基于面-网格-点的大气二次污染精准溯源方法流程图;
图2为本发明所述实施例中基于R语言的污染过程特征与热点区域可视化识别技术的结果示意图;
图3为本发明所述实施例中并行式优化PSAT/OSAT模式技术流程图;
图4为本发明所述实施例中基于模式识别PM2.5和臭氧污染敏感网格结果示意图;
图5为本发明所述实施例中基于高分辨率排放源清单解析和走航/遥感的源定位结果校验PM2.5和臭氧污染关键排放源和园区的示意图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例:
一种基于面-网格-点的大气二次污染精准溯源方法,如图1所示,包括以下步骤:
基于空气质量大数据快速识别二次污染特征,判别当次二次污染过程的热点区域;
以热点区域为主要受体点,基于并行式计算的方式利用空气质量模型中的源解析技术,快速识别当次二次污染发生时本地的敏感排放网格和贡献源类别,将二次污染来源定位到网格和行业水平;
获取区域内污染行业的活动信息,建立高空间精度的网格化排放源清单,利用该网格化排放源清单中的相关园区和企业地理坐标信息对敏感排放网格进行映射,基于敏感排放网格内的排放量大小识别影响本次二次污染的关键排放园区和企业,将二次污染来源定位到企业水平;
利用城市VOCs走航观测或颗粒物/臭氧遥感雷达的源定位结果,对比校验已识别的关键排放园区和企业,得到精准溯源结果。
具体如下:
(1)秉持“面-网格-点”多层次递进的溯源方法,先识别PM2.5和臭氧污染热点区域,继而利用模式识别敏感区域的敏感排放网格,最后利用清单映射网格内关键排放园区/企业,并收集走航/遥感观测结果校验前述溯源结果。
(2)所述(1)中识别污染热点区域方法具体包括:基于空气质量在线监测数据、气象数据和天气形势等观测大数据,通过空气质量大数据快速分析程序快速识别二次污染高发时段与演变特征、传输路径及热点区域、污染属性等。
(3)所述(1)中利用模式识别敏感区域的敏感排放网格方法具体包括:针对热点区域当次PM2.5和臭氧污染过程,因地制宜划分计算网格,应用并行式CAMx-PSAT/OSAT模式快速识别主要传输通道网格,区分本地源和外来传输部分,最终获取当次二次污染发生时污染过程的本地敏感排放网格和贡献源类别,并利用在线监测数据对结果进行验证。
(4)所述(1)中利用高精度网格化排放源清单映射网格内关键排放园区/企业方法具体包括:根据(2)中已识别的PM2.5和臭氧污染本地主控前体物,建立PM2.5和臭氧污染关键前体物的高分辨率网格化排放源清单,当次污染发生时通过敏感区域高分辨率排放源清单空间映射,最终识别关键排放园区/企业。
(5)所述(1)中校验溯源结果方法具体包括:收集城市VOCs走航观测或颗粒物/臭氧遥感雷达影像结果,识别污染高值区出现范围、时间和源强特征,对比前述已识别关键排放企业和园区对应信息,判断两者一致性。
(6)优选的,所述二次污染热点区域和演变特征等识别技术具体包括:获取地形地理条件、气候特征、气象观测数据、城区和污染源布局、大气污染源分布等历史基础资料和预报结果,利用时间序列、相关性分析和雷达特征图等技术,从首要污染物、二次污染高值区特征、二次污染周期性特征、二次污染“周末效应”、二次污染过程中气象要素特征、污染物间相关性和污染属性、演变过程等多维度、多视角出发,进行多污染物浓度时间窗可视化展示,从而快速识别预报结果中的PM2.5或臭氧污染过程,判断当次PM2.5或臭氧污染水平;利用空间插值技术,判断当次PM2.5或臭氧污染高值区和异常监测站点,从而充分掌握当次PM2.5或臭氧污染过程所涉及的空间和时间变化趋势。
(7)优选的,所述并行式CAMx-PSAT/OSAT模式快速识别敏感排放网格技术具体包括:通过I/O并行化技术方案,建立以WRF-SMOKE-CAMx-PSAT/OSAT为核心的并行式模拟平台,将网格级别大气污染溯源计算任务的N个网格分解到[N/M]+1个WRF-SMOKE-CAMx-PSAT/OSAT模拟系统中,每个WRF-SMOKE-CAMx-PSAT/OSAT模拟系统给需要解析的网格的M个网格逐一加入反应性示踪物进行标记,追踪其在化学过程和物理过程的生成、转化、传输和消除过程,进而量化M个网格逐一对目标区域PM2.5和臭氧污染物浓度的贡献,再将所有WRF-SMOKE-CAMx-PSAT/OSAT模拟系统模拟结果集成输出,得到所有网格逐一对热点区域PM2.5和臭氧污染物浓度的贡献,进而快速识别出敏感排放网格和行业;在计算资源允许的条件下,排放源类别设置越多、地理区域设置越细,最小潜在贡献单元就越多。
(8)优选的,所述敏感区域高精度源清单建立技术具体包括:根据目标区域社会经济发展现状和产业布局特色,提前制定重点污染行业的企业或现场调研方案、设计重点排放源现场测试,从而获取重点排污行业的污染物本地化源谱、排放因子和活动水平等数据,运用区域高分辨率大气排放源清单开发方法,构建目标区域精细化源清单。利用时空网格分配技术,对精细化源清单进行高精度的污染信息分配,重点掌握网格内的企业、园区和行业排放特征信息数据。筛选已识别本地敏感网格的地理位置和源强排放特征等属性信息,与源清单网格内的企业、园区和行业排放特征信息数据进行空间映射分析,最终识别区域内的关键污染源排放园区和企业。
(9)优选的,所述关键排放企业和园区解析技术具体包括:利用时空网格分配技术,对敏感区域的精细网格化排放源清单进行高精度污染信息分配,重点掌握网格内的企业、园区和行业排放特征信息数据;筛选已识别本地敏感网格的地理位置和源强排放特征属性信息,与敏感区域的精细网格化排放源清单网格内的企业、园区和行业排放特征信息数据进行空间映射分析,最终识别区域内的关键污染源排放园区和企业。
(10)优选的,所述溯源结果校验技术具体包括:收集城市VOCs走航观测或颗粒物/臭氧遥感雷达影像结果,识别污染高值区出现范围、时间和源强特征,对比前述已识别关键排放企业和园区对应信息,判断两者一致性。
实验数据如下:
基于R语言处理空气质量观测等大数据的热点区域识别,参考图2。调研获取2018年7月-2019年6月宝安区空气质量与气象在线监测数据、污染源相关数据,借助时间序列分析和空间统计、雷达特征图等数据挖掘技术,快速识别宝安区PM2.5和臭氧污染过程高发时段与热点区域污染特征。分析结果显示,研究时段内宝安区大气污染具有明显的二次污染特征,5月-10月易发生O3高污染事件且8月污染水平最高、1月多发PM2.5超标污染,受交通源和二次生成作用明显。另外,宝安区排放源具有典型地域特征:南部多人口聚集,燃煤源和生物质燃烧源影响突出;中部多水泥和砂石制作厂,扬尘源和非道路移动源突出;东部地区,机动车尾气源突出;北部多VOCs排放企业,工业源影响突出。
基于并行式优化PSAT/OSAT模式的宝安区大气二次污染快速溯源,参考图3。获取2018年宝安区空气质量与气象监测数据、污染源基础数据,基于WRF-SMOKE-CAMx-PSAT/OSAT大气污染溯源平台,采用四层嵌套网格技术,搭建深圳宝安区二次污染快速溯源模拟平台。待模式表现良好后,借鉴分布式并行计算理念,将网格级别溯源计算任务划分到多个CAMx-PSAT/OSAT系统中完成,再将多个CAMx-PSAT/OSAT系统结果合并,有效提升模拟时效至2h/天,有效提升溯源精度至网格级别,结果参考图4。
基于高分辨率排放源清单和遥感结果进一步提升宝安区大气二次污染精准溯源精度,参考图5。按照《城市大气污染物排放清单编制技术指南手册》和《区域高分辨率大气排放源清单建立的技术方法与应用》方法体系,收集环境统计、政府公开发布的能源、经济、居民生活、林业等统计数据和本地化排放因子,构建2017年深圳市大气污染源排放精细化清单;利用GIS技术,对精细化源清单进行1km×1km网格分配,建立模式网格与精细化源清单映射关系集,将溯源系统输出的网格级别污染贡献分摊至点源或1km×1km网格(面源);进一步追溯高贡献网格内的排放源清单的建立过程,识别该网格内关键排放园区/企业,提升溯源精度。随后,根据已收集区域遥感雷达影像结果,识别污染高值区出现范围、时间和源强特征,对比前述已识别关键排放企业和园区对应信息,判断两者一致性。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (9)
1.一种基于面-网格-点的大气二次污染精准溯源方法,其特征在于,包括以下步骤:
基于空气质量大数据快速识别二次污染特征,判别当次二次污染过程的热点区域;
以热点区域为主要受体点,基于并行式计算的方式利用空气质量模型中的源解析技术,快速识别当次二次污染发生时本地的敏感排放网格和贡献源类别,将二次污染来源定位到网格和行业水平;
获取区域内污染行业的活动信息,建立高空间精度的网格化排放源清单,利用该网格化排放源清单中的相关园区和企业地理坐标信息对敏感排放网格进行映射,基于敏感排放网格内的排放量大小识别影响本次二次污染的关键排放园区和企业,将二次污染来源定位到企业水平;
利用城市VOCs走航观测或颗粒物/臭氧遥感雷达的源定位结果,对比校验已识别的关键排放园区和企业,得到精准溯源结果。
2.根据权利要求1所述的一种基于面-网格-点的大气二次污染精准溯源方法,其特征在于,所述空气质量大数据包括空气质量在线监测数据、气象观测数据、天气形势分析数据;所述二次污染特征数据包括二次污染高发时段与演变特征、传输路径、热点区域、污染属性。
3.根据权利要求1所述的一种基于面-网格-点的大气二次污染精准溯源方法,其特征在于,所述判别当次二次污染过程的热点区域,具体为:获取历史基础资料和预报结果,利用时间序列、相关性分析和雷达特征图技术,从首要污染物、二次污染高值区特征、二次污染周期性特征、二次污染“周末效应”、二次污染过程中气象要素特征、污染物间相关性、污染属性、演变过程多维度、多视角出发,进行多污染物浓度时间窗可视化展示,从而快速识别预报结果中的PM2.5或臭氧污染过程,判断当次PM2.5或臭氧污染水平;利用空间插值技术,判断当次PM2.5或臭氧污染高值区和异常监测站点,从而充分掌握当次PM2.5或臭氧污染过程所涉及的空间和时间变化趋势。
4.根据权利要求3所述的一种基于面-网格-点的大气二次污染精准溯源方法,其特征在于,所述历史基础资料和预报结果,包括地形地理信息、气候特征、气象观测数据、城区和污染源布局结果。
5.根据权利要求1所述的一种基于面-网格-点的大气二次污染精准溯源方法,其特征在于,所述空气质量模型源解析技术为并行式的CAMx-PSAT/OSAT技术。
6.根据权利要求5所述的一种基于面-网格-点的大气二次污染精准溯源方法,其特征在于,所述利用空气质量模型中的源解析技术,快速识别当次二次污染发生时本地的敏感排放网格和贡献源类别,将二次污染来源定位到网格和行业水平,具体为:通过I/O并行化技术方案,建立以WRF-SMOKE-CAMx-PSAT/OSAT为核心的并行式模拟平台,将网格级别大气污染溯源计算任务的N个网格分解到[N/M]+1个WRF-SMOKE-CAMx-PSAT/OSAT模拟系统中,每个WRF-SMOKE-CAMx-PSAT/OSAT模拟系统给需要解析的网格的M个网格逐一加入反应性示踪物进行标记,追踪其在化学过程和物理过程的生成、转化、传输和消除过程,进而量化M个网格逐一对目标区域PM2.5和臭氧污染物浓度的贡献,再将所有WRF-SMOKE-CAMx-PSAT/OSAT模拟系统模拟结果集成输出,得到所有网格逐一对热点区域PM2.5和臭氧污染物浓度的贡献,进而快速识别出敏感排放网格和行业。
7.根据权利要求1所述的一种基于面-网格-点的大气二次污染精准溯源方法,其特征在于,所述建立高空间精度的网格化排放源清单,具体如下:获取城市重点排污行业的污染物本地化源谱、排放因子和活动水平数据,运用区域高分辨率大气排放源清单开发方法,构建目标区域的精细网格化排放源清单,空间分辨率在1km以上。
8.根据权利要求7所述的一种基于面-网格-点的大气二次污染精准溯源方法,其特征在于,所述利用该网格化排放源清单中的相关园区和企业地理坐标信息对敏感排放网格进行映射,基于敏感排放网格内的排放量大小识别影响本次二次污染的关键排放园区和企业,具体为:利用时空网格分配技术,对敏感区域的精细网格化排放源清单进行高精度污染信息分配,重点掌握网格内的企业、园区和行业排放特征信息数据;筛选已识别本地敏感网格的地理位置和源强排放特征属性信息,与敏感区域的精细网格化排放源清单网格内的企业、园区和行业排放特征信息数据进行空间映射分析,最终识别区域内的关键污染源排放园区和企业。
9.根据权利要求1所述的一种基于面-网格-点的大气二次污染精准溯源方法,其特征在于,所述利用城市VOCs走航观测或颗粒物/臭氧遥感雷达的源定位结果,对比校验已识别的关键排放园区和企业,得到精准溯源结果,具体为:收集城市VOCs走航观测或颗粒物/臭氧遥感雷达影像结果,识别污染高值区出现范围、时间和源强特征,对比已识别关键排放企业和园区对应信息,判断两者一致性,进而得到精准溯源结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011185324.9A CN112418609B (zh) | 2020-10-30 | 2020-10-30 | 一种基于面-网格-点的大气二次污染精准溯源方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011185324.9A CN112418609B (zh) | 2020-10-30 | 2020-10-30 | 一种基于面-网格-点的大气二次污染精准溯源方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112418609A true CN112418609A (zh) | 2021-02-26 |
CN112418609B CN112418609B (zh) | 2024-06-18 |
Family
ID=74827023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011185324.9A Active CN112418609B (zh) | 2020-10-30 | 2020-10-30 | 一种基于面-网格-点的大气二次污染精准溯源方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112418609B (zh) |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112990111A (zh) * | 2021-04-20 | 2021-06-18 | 北京英视睿达科技有限公司 | 臭氧生成高值区的识别方法、装置、存储介质及设备 |
CN113393058A (zh) * | 2021-07-14 | 2021-09-14 | 成都佳华物链云科技有限公司 | 污染物管控方法、预测管控方法、实时管控方法及装置 |
CN113436045A (zh) * | 2021-06-15 | 2021-09-24 | 深圳中兴网信科技有限公司 | 大气污染多尺度融合溯源方法、装置和可读存储介质 |
CN113514612A (zh) * | 2021-06-30 | 2021-10-19 | 杭州谱育科技发展有限公司 | 区域内污染的溯源方法 |
CN113610243A (zh) * | 2021-08-12 | 2021-11-05 | 中节能天融科技有限公司 | 基于耦合机器学习和相关性分析的大气污染物溯源方法 |
CN113780880A (zh) * | 2021-09-26 | 2021-12-10 | 南通大学 | 一种基于空间代表性的pm2.5观测站点布局评价方法 |
CN113984968A (zh) * | 2021-10-26 | 2022-01-28 | 上海建科环境技术有限公司 | 一种工业园区大气VOCs溯源方法 |
CN114091863A (zh) * | 2021-11-11 | 2022-02-25 | 中科三清科技有限公司 | 园区内目标对象挥发性有机物污染等级的评估方法和装置 |
CN114218976A (zh) * | 2021-09-27 | 2022-03-22 | 中国环境科学研究院 | 臭氧前体物高值区精细化排放源追溯定位方法和系统 |
CN114429501A (zh) * | 2022-04-06 | 2022-05-03 | 湖南九九智能环保股份有限公司 | 一种空域大气污染溯源跟踪与定位方法及系统 |
CN114742460A (zh) * | 2022-05-07 | 2022-07-12 | 中科三清科技有限公司 | 一种确定待管控企业的方法、装置、电子设备及存储介质 |
CN115130831A (zh) * | 2022-06-08 | 2022-09-30 | 北京工业大学 | 一种小尺度精细化大气污染溯源方法 |
CN115204759A (zh) * | 2022-09-16 | 2022-10-18 | 北京弘象科技有限公司 | 一种基于多源数据的本地清单网格化制作方法和装置 |
CN115308374A (zh) * | 2022-08-08 | 2022-11-08 | 云南绿色环境科技开发有限公司 | 一种网格化大气污染物排放的可视化方法及系统 |
CN115526525A (zh) * | 2022-10-18 | 2022-12-27 | 中科三清科技有限公司 | 一种臭氧污染治理方法、装置、设备及存储介质 |
CN115713004A (zh) * | 2022-11-17 | 2023-02-24 | 河北省气象灾害防御和环境气象中心(河北省预警信息发布中心) | 颗粒物来源分析方法 |
CN115758711A (zh) * | 2022-11-11 | 2023-03-07 | 中国环境科学研究院 | 一种基于污染传输路径的大气污染新型溯源方法 |
CN115825215A (zh) * | 2022-10-18 | 2023-03-21 | 上海市环境科学研究院 | 实际道路机动车有机物排放快速定量方法、系统、介质及平台 |
CN116105743A (zh) * | 2023-04-17 | 2023-05-12 | 山东大学 | 一种联邦滤波系统信息因子分配方法及水下导航系统 |
CN116739224A (zh) * | 2023-08-14 | 2023-09-12 | 中科三清科技有限公司 | 确定重点污染源的贡献浓度的方法、装置与存储介质 |
CN116804666A (zh) * | 2023-06-29 | 2023-09-26 | 杭州高鹏自动化系统有限公司 | 一种基于多路采集系统的烟气分析方法 |
CN117147778A (zh) * | 2023-10-31 | 2023-12-01 | 航天宏图信息技术股份有限公司 | 大气污染物的溯源监测方法、装置、电子设备及存储介质 |
CN117408856A (zh) * | 2023-12-13 | 2024-01-16 | 浙江省生态环境监测中心(浙江省生态环境信息中心) | 污染物溯源方法、装置、存储介质及电子设备 |
CN117875576A (zh) * | 2024-03-13 | 2024-04-12 | 四川国蓝中天环境科技集团有限公司 | 一种基于结构化案例库的城市大气污染分析方法 |
CN117973710A (zh) * | 2024-04-02 | 2024-05-03 | 生态环境部卫星环境应用中心 | 一种针对卫星高值区的大气污染溯源方法 |
CN117973710B (zh) * | 2024-04-02 | 2024-06-28 | 生态环境部卫星环境应用中心 | 一种针对卫星高值区的大气污染溯源方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2503042C1 (ru) * | 2012-08-21 | 2013-12-27 | Федеральное бюджетное учреждение науки "Федеральный научный центр медико-профилактических технологий управления рисками здоровью населения" (ФБУН "ФНЦ медико-профилактических технологий управления рисками здоровью населения") | Способ пространственной количественной оценки уровня загрязнения атмосферного воздуха |
CN106649960A (zh) * | 2016-10-12 | 2017-05-10 | 环境保护部环境规划院 | 大气多污染物环境容量三维迭代计算方法 |
CN111413259A (zh) * | 2020-04-14 | 2020-07-14 | 河南省商丘生态环境监测中心 | 空气废气实时监测和溯源方法 |
CN111474307A (zh) * | 2020-03-26 | 2020-07-31 | 南方科技大学 | 污染物溯源方法、装置、计算机设备及存储介质 |
CN111523717A (zh) * | 2020-04-15 | 2020-08-11 | 北京工业大学 | 一种大气污染物排放清单的反演估算方法 |
-
2020
- 2020-10-30 CN CN202011185324.9A patent/CN112418609B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2503042C1 (ru) * | 2012-08-21 | 2013-12-27 | Федеральное бюджетное учреждение науки "Федеральный научный центр медико-профилактических технологий управления рисками здоровью населения" (ФБУН "ФНЦ медико-профилактических технологий управления рисками здоровью населения") | Способ пространственной количественной оценки уровня загрязнения атмосферного воздуха |
CN106649960A (zh) * | 2016-10-12 | 2017-05-10 | 环境保护部环境规划院 | 大气多污染物环境容量三维迭代计算方法 |
CN111474307A (zh) * | 2020-03-26 | 2020-07-31 | 南方科技大学 | 污染物溯源方法、装置、计算机设备及存储介质 |
CN111413259A (zh) * | 2020-04-14 | 2020-07-14 | 河南省商丘生态环境监测中心 | 空气废气实时监测和溯源方法 |
CN111523717A (zh) * | 2020-04-15 | 2020-08-11 | 北京工业大学 | 一种大气污染物排放清单的反演估算方法 |
Cited By (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112990111A (zh) * | 2021-04-20 | 2021-06-18 | 北京英视睿达科技有限公司 | 臭氧生成高值区的识别方法、装置、存储介质及设备 |
CN113436045A (zh) * | 2021-06-15 | 2021-09-24 | 深圳中兴网信科技有限公司 | 大气污染多尺度融合溯源方法、装置和可读存储介质 |
CN113514612A (zh) * | 2021-06-30 | 2021-10-19 | 杭州谱育科技发展有限公司 | 区域内污染的溯源方法 |
CN113514612B (zh) * | 2021-06-30 | 2024-05-10 | 杭州谱育科技发展有限公司 | 区域内污染的溯源方法 |
CN113393058A (zh) * | 2021-07-14 | 2021-09-14 | 成都佳华物链云科技有限公司 | 污染物管控方法、预测管控方法、实时管控方法及装置 |
CN113393058B (zh) * | 2021-07-14 | 2023-10-20 | 成都佳华物链云科技有限公司 | 污染物管控方法、预测管控方法、实时管控方法及装置 |
CN113610243B (zh) * | 2021-08-12 | 2023-10-13 | 中节能天融科技有限公司 | 基于耦合机器学习和相关性分析的大气污染物溯源方法 |
CN113610243A (zh) * | 2021-08-12 | 2021-11-05 | 中节能天融科技有限公司 | 基于耦合机器学习和相关性分析的大气污染物溯源方法 |
CN113780880A (zh) * | 2021-09-26 | 2021-12-10 | 南通大学 | 一种基于空间代表性的pm2.5观测站点布局评价方法 |
CN113780880B (zh) * | 2021-09-26 | 2023-07-04 | 南通大学 | 一种基于空间代表性的pm2.5观测站点布局评价方法 |
CN114218976A (zh) * | 2021-09-27 | 2022-03-22 | 中国环境科学研究院 | 臭氧前体物高值区精细化排放源追溯定位方法和系统 |
CN114218976B (zh) * | 2021-09-27 | 2024-03-08 | 中国环境科学研究院 | 臭氧前体物高值区精细化排放源追溯定位方法和系统 |
CN113984968A (zh) * | 2021-10-26 | 2022-01-28 | 上海建科环境技术有限公司 | 一种工业园区大气VOCs溯源方法 |
CN114091863B (zh) * | 2021-11-11 | 2022-11-04 | 中科三清科技有限公司 | 园区内目标对象挥发性有机物污染等级的评估方法和装置 |
CN114091863A (zh) * | 2021-11-11 | 2022-02-25 | 中科三清科技有限公司 | 园区内目标对象挥发性有机物污染等级的评估方法和装置 |
CN114429501A (zh) * | 2022-04-06 | 2022-05-03 | 湖南九九智能环保股份有限公司 | 一种空域大气污染溯源跟踪与定位方法及系统 |
CN114742460A (zh) * | 2022-05-07 | 2022-07-12 | 中科三清科技有限公司 | 一种确定待管控企业的方法、装置、电子设备及存储介质 |
CN115130831A (zh) * | 2022-06-08 | 2022-09-30 | 北京工业大学 | 一种小尺度精细化大气污染溯源方法 |
CN115130831B (zh) * | 2022-06-08 | 2024-02-27 | 北京工业大学 | 一种小尺度精细化大气污染溯源方法 |
CN115308374A (zh) * | 2022-08-08 | 2022-11-08 | 云南绿色环境科技开发有限公司 | 一种网格化大气污染物排放的可视化方法及系统 |
CN115204759A (zh) * | 2022-09-16 | 2022-10-18 | 北京弘象科技有限公司 | 一种基于多源数据的本地清单网格化制作方法和装置 |
CN115825215A (zh) * | 2022-10-18 | 2023-03-21 | 上海市环境科学研究院 | 实际道路机动车有机物排放快速定量方法、系统、介质及平台 |
CN115526525A (zh) * | 2022-10-18 | 2022-12-27 | 中科三清科技有限公司 | 一种臭氧污染治理方法、装置、设备及存储介质 |
CN115825215B (zh) * | 2022-10-18 | 2023-09-26 | 上海市环境科学研究院 | 实际道路机动车有机物排放快速定量方法、系统、介质及平台 |
CN115758711B (zh) * | 2022-11-11 | 2023-05-30 | 中国环境科学研究院 | 一种基于污染传输路径的大气污染溯源方法 |
CN115758711A (zh) * | 2022-11-11 | 2023-03-07 | 中国环境科学研究院 | 一种基于污染传输路径的大气污染新型溯源方法 |
CN115713004A (zh) * | 2022-11-17 | 2023-02-24 | 河北省气象灾害防御和环境气象中心(河北省预警信息发布中心) | 颗粒物来源分析方法 |
CN116105743A (zh) * | 2023-04-17 | 2023-05-12 | 山东大学 | 一种联邦滤波系统信息因子分配方法及水下导航系统 |
CN116804666B (zh) * | 2023-06-29 | 2024-01-12 | 杭州高鹏自动化系统有限公司 | 一种基于多路采集系统的烟气分析方法 |
CN116804666A (zh) * | 2023-06-29 | 2023-09-26 | 杭州高鹏自动化系统有限公司 | 一种基于多路采集系统的烟气分析方法 |
CN116739224A (zh) * | 2023-08-14 | 2023-09-12 | 中科三清科技有限公司 | 确定重点污染源的贡献浓度的方法、装置与存储介质 |
CN116739224B (zh) * | 2023-08-14 | 2023-11-03 | 中科三清科技有限公司 | 确定重点污染源的贡献浓度的方法、装置与存储介质 |
CN117147778A (zh) * | 2023-10-31 | 2023-12-01 | 航天宏图信息技术股份有限公司 | 大气污染物的溯源监测方法、装置、电子设备及存储介质 |
CN117147778B (zh) * | 2023-10-31 | 2024-01-05 | 航天宏图信息技术股份有限公司 | 大气污染物的溯源监测方法、装置、电子设备及存储介质 |
CN117408856A (zh) * | 2023-12-13 | 2024-01-16 | 浙江省生态环境监测中心(浙江省生态环境信息中心) | 污染物溯源方法、装置、存储介质及电子设备 |
CN117408856B (zh) * | 2023-12-13 | 2024-03-26 | 浙江省生态环境监测中心(浙江省生态环境信息中心) | 污染物溯源方法、装置、存储介质及电子设备 |
CN117875576A (zh) * | 2024-03-13 | 2024-04-12 | 四川国蓝中天环境科技集团有限公司 | 一种基于结构化案例库的城市大气污染分析方法 |
CN117875576B (zh) * | 2024-03-13 | 2024-05-24 | 四川国蓝中天环境科技集团有限公司 | 一种基于结构化案例库的城市大气污染分析方法 |
CN117973710A (zh) * | 2024-04-02 | 2024-05-03 | 生态环境部卫星环境应用中心 | 一种针对卫星高值区的大气污染溯源方法 |
CN117973710B (zh) * | 2024-04-02 | 2024-06-28 | 生态环境部卫星环境应用中心 | 一种针对卫星高值区的大气污染溯源方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112418609B (zh) | 2024-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112418609A (zh) | 一种基于面-网格-点的大气二次污染精准溯源方法 | |
Shi et al. | Investigating the influence of urban land use and landscape pattern on PM2. 5 spatial variation using mobile monitoring and WUDAPT | |
CN109522603B (zh) | 基于云平台的车载拉格朗日实时大气污染溯源系统及方法 | |
CN114371260B (zh) | 一种工业企业无组织VOCs网格化监测、扩散预警及溯源方法 | |
CN110598953A (zh) | 一种时空相关的空气质量预测方法 | |
Soulhac et al. | The model SIRANE for atmospheric urban pollutant dispersion; PART II, validation of the model on a real case study | |
CN111368401A (zh) | 污染源的溯源方法、装置和存储介质 | |
CN110085281A (zh) | 一种基于特征污染因子源解析的环境污染溯源系统及方法 | |
CN111696369B (zh) | 一种基于多源地理空间大数据的全市道路分时分车型交通流预测方法 | |
CN115453069B (zh) | 一种面向城市臭氧超标污染遥感溯源方法 | |
CN104865353A (zh) | 基于无人机的工业园区大气污染数据采集方法 | |
Berchet et al. | Evaluation of high-resolution gramm–gral (v15. 12/v14. 8) no x simulations over the city of zürich, switzerland | |
CN116070839A (zh) | 一种多源数据的道路微环境空气质量贡献溯源方法 | |
CN114357058A (zh) | 一种臭氧污染溯源方法 | |
Borrego et al. | The role of transboundary air pollution over Galicia and North Portugal area | |
CN115099451A (zh) | 一种基于污染精准溯源预报技术的企业敏感性识别方法 | |
Guevara et al. | Inter-comparison between HERMESv2. 0 and TNO-MACC-II emission data using the CALIOPE air quality system (Spain) | |
Iordache et al. | A cyberinfrastructure for air quality monitoring and early warnings to protect children with respiratory disorders | |
CN117092297A (zh) | 一种工业园区大气污染物的溯源方法、系统、设备及介质 | |
Chuang et al. | Probing air pollution in the Taichung metropolitan area, Taiwan. Part 1: Comprehensive model evaluation and the spatial-temporal evolution of a PM2. 5 pollution event | |
CN117058549B (zh) | 一种多行业二次污染动态来源解析系统及解析方法 | |
CN113077089A (zh) | 一种多因素对空气质量影响的评价方法和装置 | |
CN116109323B (zh) | 臭氧污染溯源方法、装置、设备及存储介质 | |
Isakov et al. | Resolving neighborhood scale in air toxics modeling: a case study in Wilmington, CA | |
CN113420984A (zh) | 空气污染源区的确定方法 |
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 |