CN112633626A - 一种大气污染物月平均浓度变化气象贡献率评估方法 - Google Patents

一种大气污染物月平均浓度变化气象贡献率评估方法 Download PDF

Info

Publication number
CN112633626A
CN112633626A CN202011254081.XA CN202011254081A CN112633626A CN 112633626 A CN112633626 A CN 112633626A CN 202011254081 A CN202011254081 A CN 202011254081A CN 112633626 A CN112633626 A CN 112633626A
Authority
CN
China
Prior art keywords
atmospheric
contribution rate
yci
meteorological
disturbance
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
Application number
CN202011254081.XA
Other languages
English (en)
Other versions
CN112633626B (zh
Inventor
王春林
蓝静
申冲
沈子琦
汤静
张强
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.)
Guangzhou Institute Of Tropical Marine Meteorology China Meteorological Administration (guangdong Meteorology Science Institute)
Original Assignee
Guangzhou Institute Of Tropical Marine Meteorology China Meteorological Administration (guangdong Meteorology Science Institute)
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 Guangzhou Institute Of Tropical Marine Meteorology China Meteorological Administration (guangdong Meteorology Science Institute) filed Critical Guangzhou Institute Of Tropical Marine Meteorology China Meteorological Administration (guangdong Meteorology Science Institute)
Priority to CN202011254081.XA priority Critical patent/CN112633626B/zh
Publication of CN112633626A publication Critical patent/CN112633626A/zh
Application granted granted Critical
Publication of CN112633626B publication Critical patent/CN112633626B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393Score-carding, benchmarking or key performance indicator [KPI] analysis

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种大气污染物月平均浓度变化气象贡献率评估方法,包括以下内容:按照“背景+扰动”的思路,设定污染物排放及管控水平在预定时段内是平稳变化的;构建目标区域大气污染物浓度逐月平均序列YCi;采用步长为3的滑动平均法,计算背景项序列YBi,计算大气扰动项序列YAi;任意两个月份的大气污染物浓度变化气象贡献率计算公式:△YA/△YC×100%。本发明实用性和功能性强,可广泛应用于气象技术领域。

Description

一种大气污染物月平均浓度变化气象贡献率评估方法
技术领域
本发明涉及气象领域,具体是指一种大气污染物月平均浓度变化气象贡献率评估方法。
背景技术
大气污染是大气污染物排放和不利气象条件共同作用的结果,其中大气污染物排放是内因,不利气象条件是外因,大气污染物月平均浓度变化是受大气污染排放及管控水平(合称为人为因素)和相关气象条件(自然因素)联合驱动的结果,如何剥离并量化评估人为因素、自然因素对大气污染物浓度逐月变化之贡献率,一直是生态环境等相关部门关心的问题。
学术界量化评估人为因素、自然因素对大气污染物浓度变化贡献方法主要有模式法和统计法两类。模式法通常基于相比较时段内污染物排放情景不变的假设,采用2套相比较时段内气象场数据驱动同一套排放源数据得到污染物浓度差异,认为是仅仅由于气象条件不同而导致的气象贡献,其优点是物理机制清楚,局限性在于运行复杂、操作成本高,且常常由于缺乏及时更新的排放源数据导致误差较大问题,事实上排放源不变的假设条件在很多情况下也是不成立的。统计法基于同样的假设进行的,只不过采用统计学方程代替动力模式得到气象贡献率,其优点是操作简易,但统计模型机理性不强,在不能很好解释结果的时候,其模型结构、因子选取合理性常常受到质疑。
气象贡献率概念本身在学术界是有争议的,一种观点认为污染浓度变化是排放源和气象条件复杂耦合非线性过程,不是简单的加和关系,不存在简单的百分率问题。逻辑上看,假定排放因素不变,污染物浓度的变化必然就是气象条件的影响,无论升降,气象贡献率是100%。因此,讨论气象条件贡献率问题前提是,首先认为排放源及其管控水平(即人为因素)是个变量,问题是如何量化人为因素和自然因素的权重。
发明内容
针对以上问题,本发明提出了一种简便易行的大气污染物月平均浓度变化气象贡献率评估方法,为生态环境和气象部门定量刻画逐月大气污染物浓度变化之气象要素贡献率提供方法依据,为制定针对性的大气污染管控策略、助力打赢蓝天保卫战提供方法支撑。
为达到上述目的,本发明提供的技术方案为:
一种大气污染物月平均浓度变化气象贡献率评估方法,包括以下内容:
1)按照“背景+扰动”的思路,设定污染物排放及管控水平在预定时段内是平稳变化的,是构成大气污染状况的基本面,即为背景项YB;而气象条件是影响大气污染水平最活跃的变量,是导致大气污染物浓度天气、气候尺度波动的决定性要素,即为扰动项YA,大气污染物逐月浓度值YC是“背景+扰动”,即:
YC=YA+YB (1),
式中,YA、YB、YC单位均为mg/m3
2)构建目标区域大气污染物浓度逐月平均序列YCi,其中i为月份序号,范围为1~n,n不小于36;
3)采用步长为3的滑动平均法,计算背景项序列YBi,i的数值范围为3~n,YBi计算公式为:
YBi=(YCi-2+YCi-1+YCi)/3 (2),
4)计算大气扰动项序列YAi,i范围为3~n,计算公式为:
YAi=YCi-YBi (3),
大气扰动项序列YAi即为气象因素对大气污染污染物浓度的绝对贡献量,气象因素相对贡献率为:
YAi/YCi×100% (4);
5)任意两个月份的大气污染物浓度变化气象贡献率计算公式:
△YA/△YC×100%,式中:△YA为式(3)计算得到的两个月份大气污染物浓度气象贡献量的差值,△YC为两个月份大气污染物浓度差值。
本发明与现有技术相比的优点在于:
首先,本发明给出大气污染变化气象贡献率的概念,为不同学科、行业部门之间讨论大气污染成因中人为因素、自然因素贡献率问题提供前提条件;
其次,本发明按照“背景+扰动”的思路,提出一个简明的计算气象贡献率的方法,为政府部门制定大气污染精准管控策略提供更精准的决策参考,具有显著的社会、生态效益;
第三,本发明提出的气象贡献率计算结果,可以为进一步量化分析不同气象要素的影响权重研究提供数据基础,也可为旬、季度等任意时间尺度大气污染物浓度变化气象贡献率评估提供借鉴。
具体实施方式
下面结合实施例对本发明做进一步的详细说明。
本发明按照“背景+扰动”的思路,认为污染物排放及管控水平在一定时段内是平稳变化的,是构成大气污染状况的基本面,即为背景项,而气象条件是影响大气污染水平最活跃的变量,是导致大气污染物浓度天气、气候尺度波动的决定性要素,即为扰动项。本发明基于上述“背景+扰动”的思路,构建一种剥离背景项和扰动项的方法,进而计算大气污染物月平均浓度变化气象贡献率。
实施例一
一种大气污染物月平均浓度变化气象贡献率评估方法,包括以下内容:
1)按照“背景+扰动”的思路,设定污染物排放及管控水平在预定时段内是平稳变化的,是构成大气污染状况的基本面,即为背景项YB;而气象条件是影响大气污染水平最活跃的变量,是导致大气污染物浓度天气、气候尺度波动的决定性要素,即为扰动项YA,大气污染物逐月浓度值YC是“背景+扰动”,即:
YC=YA+YB (1),
式中,YA、YB、YC单位均为mg/m3
2)构建目标区域大气污染物浓度逐月平均序列YCi,其中i为月份序号,范围为1~n,n不小于36;
3)采用步长为3的滑动平均法,计算背景项序列YBi,i的数值范围为3~n,YBi计算公式为:
YBi=(YCi-2+YCi-1+YCi)/3 (2),
4)计算大气扰动项序列YAi,i范围为3~n,计算公式为:
YAi=YCi-YBi (3),
大气扰动项序列YAi即为气象因素对大气污染污染物浓度的绝对贡献量,气象因素相对贡献率为:
YAi/YCi×100% (4);
5)任意两个月份的大气污染物浓度变化气象贡献率计算公式:
△YA/△YC×100%,式中:△YA为式(3)计算得到的两个月份大气污染物浓度气象贡献量的差值,△YC为两个月份大气污染物浓度差值。
综上,通过采用本发明提供的技术方案,能够达到的效果为:
首先,本发明给出大气污染变化气象贡献率的概念,为不同学科、行业部门之间讨论大气污染成因中人为因素、自然因素贡献率问题提供前提条件;
其次,本发明按照“背景+扰动”的思路,提出一个简明的计算气象贡献率的方法,为政府部门制定大气污染精准管控策略提供更精准的决策参考,具有显著的社会、生态效益;
第三,本发明提出的气象贡献率计算结果,可以为进一步量化分析不同气象要素的影响权重研究提供数据基础,也可为旬、季度等任意时间尺度大气污染物浓度变化气象贡献率评估提供借鉴。
以上对本发明及其实施方式进行了描述,这种描述没有限制性,实施例中所示的也只是本发明的实施方式之一,实际内容并不局限于此。总而言之,如果本领域的普通技术人员受其启示,在不脱离本发明创造宗旨的情况下,不经创造性的设计出与该技术方案相似的实施例,均应属于本发明的保护范围。

Claims (1)

1.一种大气污染物月平均浓度变化气象贡献率评估方法,其特征在于,包括以下内容:
1)按照“背景+扰动”的思路,设定污染物排放及管控水平在预定时段内是平稳变化的,是构成大气污染状况的基本面,即为背景项YB;而气象条件是影响大气污染水平最活跃的变量,是导致大气污染物浓度天气、气候尺度波动的决定性要素,即为扰动项YA,大气污染物逐月浓度值YC是“背景+扰动”,即:
YC=YA+YB (1),
式中,YA、YB、YC单位均为mg/m3
2)构建目标区域大气污染物浓度逐月平均序列YCi,其中i为月份序号,范围为1~n,n不小于36;
3)采用步长为3的滑动平均法,计算背景项序列YBi,i的数值范围为3~n,YBi计算公式为:
YBi=(YCi-2+YCi-1+YCi)/3 (2),
4)计算大气扰动项序列YAi,i范围为3~n,计算公式为:
YAi=YCi-YBi (3),
大气扰动项序列YAi即为气象因素对大气污染污染物浓度的绝对贡献量,气象因素相对贡献率为:
YAi/YCi×100% (4);
5)任意两个月份的大气污染物浓度变化气象贡献率计算公式:
△YA/△YC×100%,式中:△YA为式(3)计算得到的两个月份大气污染物浓度气象贡献量的差值,△YC为两个月份大气污染物浓度差值。
CN202011254081.XA 2020-11-11 2020-11-11 一种大气污染物月平均浓度变化气象贡献率评估方法 Active CN112633626B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011254081.XA CN112633626B (zh) 2020-11-11 2020-11-11 一种大气污染物月平均浓度变化气象贡献率评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011254081.XA CN112633626B (zh) 2020-11-11 2020-11-11 一种大气污染物月平均浓度变化气象贡献率评估方法

Publications (2)

Publication Number Publication Date
CN112633626A true CN112633626A (zh) 2021-04-09
CN112633626B CN112633626B (zh) 2024-01-05

Family

ID=75303077

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011254081.XA Active CN112633626B (zh) 2020-11-11 2020-11-11 一种大气污染物月平均浓度变化气象贡献率评估方法

Country Status (1)

Country Link
CN (1) CN112633626B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116402408A (zh) * 2023-06-06 2023-07-07 北京工业大学 一种基于站点浓度差异的本外地排放贡献估算方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109033713A (zh) * 2018-09-03 2018-12-18 广东省环境科学研究院 一种非道路移动机械的大气污染物排放计算方法
CN110298560A (zh) * 2019-06-13 2019-10-01 南方科技大学 一种大气污染排放控制效果的评估方法、装置及存储介质
US20190354647A1 (en) * 2018-05-17 2019-11-21 Toyota Jidosha Kabushiki Kaisha Wind noise analyzing apparatus and method for analyzing wind noise
CN111445064A (zh) * 2020-03-18 2020-07-24 广东省气候中心 一种气象干旱逐日动态监测指标

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190354647A1 (en) * 2018-05-17 2019-11-21 Toyota Jidosha Kabushiki Kaisha Wind noise analyzing apparatus and method for analyzing wind noise
CN109033713A (zh) * 2018-09-03 2018-12-18 广东省环境科学研究院 一种非道路移动机械的大气污染物排放计算方法
CN110298560A (zh) * 2019-06-13 2019-10-01 南方科技大学 一种大气污染排放控制效果的评估方法、装置及存储介质
CN111445064A (zh) * 2020-03-18 2020-07-24 广东省气候中心 一种气象干旱逐日动态监测指标

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王一洲;黄莹莹;李汇军;李崇银;: "基于COSMIC的平流层重力波参数分析", 空间科学学报, no. 03 *
王楠;李霞;李淑婷;于晓晶;冯志敏;郭宇宏;: "乌鲁木齐冬末一次伴随焚风的重污染天气过程探测研究", 沙漠与绿洲气象, no. 03 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116402408A (zh) * 2023-06-06 2023-07-07 北京工业大学 一种基于站点浓度差异的本外地排放贡献估算方法
CN116402408B (zh) * 2023-06-06 2023-09-26 北京工业大学 一种基于站点浓度差异的本外地排放贡献估算方法

Also Published As

Publication number Publication date
CN112633626B (zh) 2024-01-05

Similar Documents

Publication Publication Date Title
Kuo et al. Using artificial neural network for reservoir eutrophication prediction
Agee et al. Non-separable pollution control: Implications for a CO2 emissions cap and trade system
CN112633626A (zh) 一种大气污染物月平均浓度变化气象贡献率评估方法
CN116128421B (zh) 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
KR102100739B1 (ko) 미세먼지 발생 예측방법
CN107464017A (zh) 基于带时间差分贝叶斯网络的自适应软测量预测方法
Hendriarianti et al. Deoxygenation rate of carbon in upstream brantas river in the city of Malang
Shakerkhatibi et al. Using ANN and EPR models to predict carbon monoxide concentrations in urban area of Tabriz
Ronda et al. A growth inhibitory model with SOx influenced effective growth rate for estimation of algal biomass concentration under flue gas atmosphere
García Nieto et al. Cyanotoxin level prediction in a reservoir using gradient boosted regression trees: A case study
Izrael et al. The ability of stratospheric climate engineering in stabilizing global mean temperatures and an assessment of possible side effects
Carnerero et al. Trends in primary and secondary particle number concentrations in urban and regional environments in NE Spain
Bhardwaj et al. Time series and predictability analysis of air pollutants in Delhi
JP6219239B2 (ja) 水処理プラント
CN113111309B (zh) 一种人为与气象因素对大气污染物浓度影响的评估方法
CN113721468A (zh) 污水处理系统执行器加性故障的自愈控制方法及系统
Shi et al. Process modeling based on nonlinear PLS models using a prior knowledge-driven time difference method
JP2017100092A (ja) 下水処理制御装置
Sacasqui et al. Adaptive predictive control of dissolved oxygen concentration in a dynamic model of whiteleg shrimp culture
Kaur Modeling and multi-objective optimization of wastewater treatment process
Kalchev et al. OUTPUT-FEEDBACK H1 CONTROL FOR A SECOND-ORDER NONLINEAR MODEL OF A BIOTECHNOLOGICAL PROCESS
van Pinxteren et al. Machine learning ‘De-Weathering ‘of urban NOx data to quantify meteorological impacts at two traffic sites in Germany
Chaudhuri et al. Artificial neural network model to forecast the concentration of pollutants over Delhi: skill assessment of learning rules
Wojdan et al. Maintaining good conditioning of model identification task in immune inspired on-line optimizer of an industrial process
Mehmood et al. Optimization Technique on Dynamics of Carbon Dioxide to Controlling Global Warming

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