CN112800072A - 一种秸秆露天焚烧大气污染物排放清单快速更新的方法 - Google Patents
一种秸秆露天焚烧大气污染物排放清单快速更新的方法 Download PDFInfo
- Publication number
- CN112800072A CN112800072A CN202110092935.7A CN202110092935A CN112800072A CN 112800072 A CN112800072 A CN 112800072A CN 202110092935 A CN202110092935 A CN 202110092935A CN 112800072 A CN112800072 A CN 112800072A
- Authority
- CN
- China
- Prior art keywords
- open
- air
- region
- time
- straw burning
- 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
- 239000010902 straw Substances 0.000 title claims abstract description 202
- 238000000034 method Methods 0.000 title claims abstract description 63
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 52
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 52
- 230000005855 radiation Effects 0.000 claims abstract description 74
- 238000011160 research Methods 0.000 claims abstract description 27
- 230000000694 effects Effects 0.000 claims abstract description 10
- 238000001035 drying Methods 0.000 claims description 10
- 238000011835 investigation Methods 0.000 claims description 8
- 238000012417 linear regression Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 2
- 230000008901 benefit Effects 0.000 description 5
- 239000002028 Biomass Substances 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 235000017060 Arachis glabrata Nutrition 0.000 description 2
- 244000105624 Arachis hypogaea Species 0.000 description 2
- 235000010777 Arachis hypogaea Nutrition 0.000 description 2
- 235000018262 Arachis monticola Nutrition 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 2
- 241000219310 Beta vulgaris subsp. vulgaris Species 0.000 description 2
- 240000002791 Brassica napus Species 0.000 description 2
- 235000004977 Brassica sinapistrum Nutrition 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 2
- 235000012766 Cannabis sativa ssp. sativa var. sativa Nutrition 0.000 description 2
- 235000012765 Cannabis sativa ssp. sativa var. spontanea Nutrition 0.000 description 2
- 229920000742 Cotton Polymers 0.000 description 2
- 241000219146 Gossypium Species 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 240000000111 Saccharum officinarum Species 0.000 description 2
- 235000007201 Saccharum officinarum Nutrition 0.000 description 2
- 244000000231 Sesamum indicum Species 0.000 description 2
- 235000003434 Sesamum indicum Nutrition 0.000 description 2
- 244000061456 Solanum tuberosum Species 0.000 description 2
- 235000002595 Solanum tuberosum Nutrition 0.000 description 2
- 235000021536 Sugar beet Nutrition 0.000 description 2
- 241000209140 Triticum Species 0.000 description 2
- 235000021307 Triticum Nutrition 0.000 description 2
- 240000008042 Zea mays Species 0.000 description 2
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 2
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 235000009120 camo Nutrition 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 235000005607 chanvre indien Nutrition 0.000 description 2
- 235000005822 corn Nutrition 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000011487 hemp Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009275 open burning Methods 0.000 description 2
- 235000020232 peanut Nutrition 0.000 description 2
- 235000012015 potatoes Nutrition 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
- G06F16/2379—Updates performed during online database operations; commit processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Remote Sensing (AREA)
- Incineration Of Waste (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种实现秸秆露天焚烧大气污染物排放清单快速更新的方法，利用ArcGIS识别逐月秸秆露天焚烧火点；根据地理位置划分为六个区域；基于识别的月‑省秸秆露天焚烧火点的热辐射功率和区域划分，计算月‑省秸秆露天焚烧火点热辐射能；获取基于实际调研的年‑省秸秆露天焚烧比例数据，针对六个区域分别构建基于卫星遥感热辐射能的秸秆露天焚烧比例估算模型；建立包含全部目标年份与省份的年‑省秸秆露天焚烧比例估算数据库；收集自下而上方法估算秸秆露天焚烧大气污染物排放所需其他活动水平数据以及排放因子；估算年‑省秸秆露天焚烧大气污染物排放清单。本发明可实现年‑省秸秆露天焚烧大气污染物排放清单的快速更新。
Description
技术领域
本发明属于大气环境技术领域，涉及秸秆露天焚烧大气污染物排放清单的估算方法，具体涉及秸秆露天焚烧大气污染物年-省排放清单快速更新的估算方法。
背景技术
秸秆露天焚烧大气污染物排放清单是研究其对区域大气复合污染的形成机制、制定相关控制方案的关键基础信息。其主流的估算方法目前有两种：
(1)自下而上方法，该方法根据秸秆露天焚烧量与排放因子即可估算排放量，优点是可获得较为准确的排放量。而在估算秸秆露天焚烧量中，秸秆露天焚烧比例是准确估算秸秆焚烧量的重要数据。然而，目前获取较为准确的秸秆露天焚烧比例只能通过实际调研获得，其存在耗费大量人力、物力和财力且存在严重的滞后性的缺点，导致秸秆露天焚烧比例数据严重缺失，只能利用某年实际调研数据去估算不同年份的排放。而固定的比例估算不同年份的排放会影响排放的准确性，进而影响相关部门做出正确的决策。
(2)基于秸秆露天焚烧火点热辐射功率估算方法，该方法基于卫星遥感探测得到的火点热辐射功率数据，无需秸秆露天焚烧比例数据，直接通过对秸秆露天焚烧火点热辐射功率进行积分得到秸秆露天焚烧火点热辐射能，再通过转换系数即可得到秸秆露天焚烧量，再通过排放因子将其转换为不同污染物的排放量。该方法的优点为火点数据易于获得，且更新速度快(每日均有探测并逐月更新)。但鉴于我国农村地区农户耕地分布较为分散、秸秆焚烧的农业火较小，以及卫星探测火点的空间分辨率的限制(如MODIS，空间分辨率为1km×1km)，导致有较小的田间秸秆焚烧火点易被卫星漏探，因此，基于秸秆露天焚烧火点热辐射功率的估算方法存在秸秆露天焚烧排放被低估的问题。
因此，开发建立一种秸秆露天焚烧大气污染物排放清单快速更新的方法，可为相关部门决策及时提供准确的基础数据，为应对区域大气复合污染提供数据支撑。
发明内容
针对现有技术中存在的上述问题，本发明结合上述两种估算方法的优点，提供一种可快速建立或更新秸秆露天焚烧大气污染物排放清单的估算方法，其既可弥补重要基础数据——秸秆露天焚烧比例的缺失，又可避免卫星漏探火点带来的排放量低估问题，实现秸秆露天焚烧大气污染物排放清单的快速更新。
本发明公开一种秸秆露天焚烧大气污染物排放清单快速更新的估算方法，实现秸秆露天焚烧大气污染物排放清单的快速更新，包括以下步骤：
步骤1、获取逐月火点数据；
步骤2、利用ArcGIS软件对逐月火点数据进行识别，按照时间-区域的形式标定秸秆露天焚烧火点；
步骤3、对监测区域进行区域划分，以便进行分块识别管理；
步骤4、基于识别的时间-区域秸秆露天焚烧火点的热辐射功率数据和区域划分，估算时间-划分区域秸秆露天焚烧火点热辐射能，汇总为时间-区域秸秆露天焚烧火点热辐射能；
步骤5、获取基于实际调研的时间-区域秸秆露天焚烧比例数据，建立时间-区域秸秆露天焚烧比例实际调研数据库；
步骤6、利用SPSS将各划分区域内的各区域经汇总得到的时间-区域秸秆露天焚烧火点热辐射能与基于实际调研的时间-区域秸秆露天焚烧比例数据建立对数关系，针对各划分区域分别构建基于卫星遥感热辐射能的秸秆露天焚烧比例估算模型；
步骤7、基于建立的秸秆露天焚烧比例估算模型和动态更新的时间-区域秸秆露天焚烧火点热辐射能，建立包含全部目标时间与区域的时间-区域秸秆露天焚烧比例估算数据库；
步骤8、收集自下而上方法估算秸秆露天焚烧大气污染物排放所需其他活动水平数据以及排放因子；
步骤9、利用自下而上的方法，结合时间-区域秸秆露天焚烧比例估算数据库数据，估算时间-区域秸秆露天焚烧大气污染物排放清单。
所述步骤2中利用ArcGIS软件识别秸秆露天焚烧火点的方法是：首先对下载逐月火点数据在ArcGIS中转换为矢量格式的文件，并对其置信水平低的火点进行剔除(conf<20的火点剔除)；其次挑选具有农村特征的土地利用类型数据(即包含旱田、水田以及农村居民点的土地利用类型)，将矢量格式的火点数据、农村土地利用类型数据以及省级行政地图数据，利用ArcGIS中的叠加图层功能进行筛选，识别时间-区域秸秆露天焚烧火点。
所述步骤4中基于识别的时间-区域秸秆露天焚烧火点的热辐射功率数据和区域划分，估算时间-划分区域秸秆露天焚烧火点热辐射能，将其汇总为时间-区域秸秆露天焚烧火点热辐射能：基于筛选得到时间-区域秸秆露天焚烧火点的热辐射功率数据，根据区域划分，通过积分分别计算各划分区域内单元像元热辐射能，将其分别与划分区域内各区域的时间-区域秸秆露天焚烧火点数相乘，得到时间-区域秸秆露天焚烧热辐射能，将其汇总为时间-区域秸秆露天焚烧火点热辐射能。
所述步骤5中获取基于实际调研的时间-区域秸秆露天焚烧比例数据，建立时间-区域秸秆露天焚烧比例实际调研数据库的方法是：基于文献调研，收集实际调研的时间-区域秸秆露天焚烧比例。
所述步骤6中利用SPSS将各划分区域内各区域经汇总得到的时间-区域秸秆露天焚烧火点热辐射能与基于实际调研的时间-区域秸秆露天焚烧比例数据建立关系，针对各划分区域分别构建基于卫星遥感热辐射能的秸秆露天焚烧比例估算模型的方法是：利用SPSS中的线性回归功能，对各划分区域内的时间-区域秸秆露天焚烧比例实际调研数据和估算的时间-区域秸秆露天焚烧火点热辐射能，对各划分区域分别建立估算模型，估算模型的显著性水平sig值均需小于0.05。
所述步骤7中基于建立的秸秆露天焚烧比例估算模型和动态更新的时间-区域秸秆露天焚烧火点热辐射能，建立包含全部目标年份与省份的时间-区域秸秆露天焚烧比例估算数据库的方法是：将建立的各划分区域的秸秆露天焚烧比例模型用于其包含的区域，基于估算的时间-区域秸秆露天焚烧火点热辐射能，估算时间-区域秸秆露天焚烧比例估算数据，建立包含全部目标年份与区域的时间-区域秸秆露天焚烧比例估算数据库。
所述步骤8中收集自下而上方法估算秸秆露天焚烧大气污染物排放所需其他活动水平数据以及排放因子的方法是：通过调研国家统计局官方发布的统计年鉴，获取作物产量数据。通过文献调研，获取草谷比、干燥比和焚烧效率数据；通过文献调研和《生物质燃烧源大气污染物排放清单编制技术指南》，获取排放因子数据；
所述步骤9中利用自下而上的方法，结合时间-区域秸秆露天焚烧比例估算数据库数据，估算时间-区域秸秆露天焚烧大气污染物排放清单的方法是：基于步骤7建立的时间-区域秸秆露天焚烧比例估算数据库，和步骤8收集的活动水平数据和排放因子，实现清单的快速更新，计算公式如下：
Mi，j，y＝Pi，j，y×Ni，j×Dj×OBPi，y×CEj
其中，
Ei，k，y-区域i在时间y排放k种污染物的排放量，t；
Mi，j，y-区域i的作物j在时间y的焚烧量，kt；
EFj，k-秸秆j的污染物k的排放因子，g/kg；
Pi，j，y-作物j在区域i时间y的产量，t；
Ni，j-作物j在区域i的草谷比，无量纲；
Dj-作物j的干燥比，无量纲；
OBPi，y-区域i在时间y的露天焚烧比例，无量纲；
CEj-作物j的焚烧效率，无量纲。
与现有技术相比，本发明的有益效果为：
本发明可实现秸秆露天焚烧大气污染物排放清单的快速建立与更新，结合两种主流估算方法的优点，既可避免自下而上方法需要实地调研而导致的秸秆露天焚烧比例更新滞后，且耗费大量人力、物力和财力的缺陷，又可避免基于火点热辐射功率估算方法的低估问题。如未建立秸秆露天焚烧大气污染物排放清单，可根据本发明快速建立，如已建立，可根据本发明快速更新至与统计年鉴相一致的最新年份的秸秆露天焚烧大气污染物排放清单。研究成果可为区域大气复合污染形成机制研究与及时、有效的大气污染控制策略制定提供科技支撑。
附图说明
图1为本发明一种实施例公开的快速更新秸秆露天焚烧排放清单估算方法的流程图；
图2为本发明一种实施例公开的秸秆露天焚烧比例估算模型图；
图3为本发明一种实施例公开的各区域秸秆露天焚烧排放贡献，以PM2.5为例；
图4为本发明一种实施例公开的固定与未固定秸秆露天焚烧比例情景下排放变化趋势，以PM2.5为例。
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，下面将结合本发明实施例中的附图，对本发明实施例中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的一部分实施例，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的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。
下面结合附图对本发明做进一步的详细描述：
如图1所示，本发明提供一种秸秆露天焚烧大气污染物排放清单快速更新的方法，包括S1～S11，具体的：
S1、获取逐月火点数据，将其转为矢量数据，具体方法为：
在美国航空航天局官方网站(https://ladsweb.modaps.eosdis.nasa.gov/archive/allData//61/)下载MODIS(ModerateResolutionImagingSpectroradiometer)传感器的MCD14ML火点数据产品，该数据产品每月更新，其格式为txt。下载好的数据中有详细的时间、经纬度以及火点热辐射功率等数据。根据经纬度信息，在ArcGIS软件中转为矢量数据，剔除置信水平较低的火点(即conf<20的火点剔除)。
S2、获取农村土地利用类型数据，具体获取方法为：
从中国科学院地理科学与资源研究所的数据下载网址(http://www.resdc.cn/)上下载的中国土地利用遥感监测数据，在ArcGIS软件中挑选出具有农村土地利用类型(即包含旱田、水田以及农村居民点的土地利用类型，GRIDCODE＝11、12和52，认为是农村土地利用类型数据)，并存为矢量数据。
S3、获取中国省级行政边界数据，具体获取方法为：
从中国科学院地理科学与资源研究所的数据下载网址(http://www.resdc.cn/)上下载中国省级行政边界矢量数据。
S4、利用ArcGIS软件识别秸秆露天焚烧火点，具体识别方法为：
基于S1-S3获得的火点、农村土地利用类型和中国省级行政边界矢量数据，利用ArcGIS软件中的叠加图层功能，将三个图层叠加，识别出月-省秸秆露天焚烧火点。
S5、将中国31个省根据地理位置的临近程度，将其划分为六个区域，具体划分区域为：
西北，(陕西、甘肃、宁夏、新疆和青海)、西南(四川、重庆、广西、贵州、云南和西藏)、东北(黑龙江、吉林、辽宁和内蒙古自治区)、华北(北京、天津、河北、山西、山东和河南)、中部(湖北、湖南、安徽、江苏和江西)和东南(浙江、上海、福建、广东和海南)。
S6、计算年-省秸秆露天焚烧火点热辐射能，具体计算方法为：
S6-1、基于各区域的月-省秸秆露天焚烧火点的热辐射功率，对其进行积分，得到各区域的单元像元热辐射能；
S6-2、利用月-省秸秆露天焚烧火点数与计算的各区域的单元像元秸秆露天焚烧火点热辐射能相乘得到月-省秸秆露天焚烧火点热辐射能，可分别计算12个月的月-省秸秆露天焚烧火点热辐射能，对其汇总得到年-省秸秆露天焚烧火点热辐射能。
S7、建立年-省秸秆露天焚烧比例实际调研基础数据库；具体建立方法为：
通过文献调研，获取年-省秸秆露天焚烧比例实际调研数据，建立年-省秸秆露天焚烧比例实际调研基础数据库。
S8、利用各区域内年-省实际调研秸秆露天焚烧比例和秸秆露天焚烧火点年-省热辐射能建立各区域的秸秆露天焚烧比例估算模型，具体模型建立方法：
S8-1、利用SPSS的线性回归工具，分别对各区域内年-省实际调研秸秆露天焚烧比例和年-省秸秆露天焚烧火点热辐射能建立对数关系；
S8-2、判断六个模型的线性回归结果中的显著性水平(sig值)是否小于0.05，sig值小于0.05说明回归的模型具有统计意义，即建立的模型是成立的，且其相关性R越接近1，说明两者之间关系越显著，本发明建立的模型sig值均小于0.05，且相关性R均大于0.79，建立的模型如下：
OBP西北＝0.0560*ln(FRE)-0.9790
OBP西南＝0.0602*ln(FRE)-0.9977
OBP东北＝0.0829*ln(FRE)-1.6034
OBP华北＝0.0389*ln(FRE)-0.6496
OBP中部＝0.0856*ln(FRE)-1.5771
OBP东南＝0.0873*ln(FRE)-1.5323
其中，
OBP西北、OBP西南、OBP东北、OBP华北、OBP中部、OBP东南、：表示西北、西南、东北、华北、中部和东南地区的秸秆露天焚烧比例；
FRE：各区域的年-省秸秆露天焚烧火点热辐射能，MJ。
S9、建立的各区域的秸秆露天焚烧比例估算模型适用于各自包含的省份，基于计算的年-省秸秆露天焚烧火点热辐射能和其对应区域的秸秆露天焚烧比例估算模型，即可计算年-省秸秆露天焚烧比例。
S10、收集自下而上估算排放方法所需的活动水平数据和排放因子，具体包括：
作物产量：通过国家统计局发布的《中国农村统计年鉴》获取，主要包括12种作物，分别为：玉米、小麦、水稻、棉花、薯类、油菜籽、芝麻、花生、甘蔗、甜菜和麻类；
草谷比：通过文献调研获取不同省市12种作物草谷比；
干燥比和焚烧效率：通过文献调研获取，12种作物的干燥比和焚烧效率数据；
排放因子：通过文献调研和《生物质焚烧源大气污染物排放清单编制技术指南》获取12种作物13种污染物(SO2，NOx，PM10，PM2.5，NMVOCs，NH3，CO，EC，OC，CO2，CH4，N2O和Hg)的排放因子，尽可能多的收集本地化的实测的排放因子，若某作物某污染物的排放因子有多个实测值，去除离群值后求平均值，作为最终的排放因子。
S11、基于S9估算的秸秆露天焚烧比例和S10收集的活动水平数据和排放因子，即可快速建立或更新秸秆露天焚烧排放清单，公式如下：
Mi，j，y＝Pi，j，y×Ni，j×Dj×OBPi，y×CEj
其中，
Ei，k，y-省i在年y排放k种污染物的秸秆露天排放量，t；
Mi，j，y-省i的作物j在年y的秸秆露天焚烧量，kt；
EFj，k-秸秆j的污染物k的排放因子，g/kg；
Pi，j，y-作物j在省i年y的产量，t；
Ni，j-作物j在省i的草谷比，无量纲；
Dj-作物j的干燥比，无量纲；
OBPi，y-估算的省i在年y的秸秆露天焚烧比例，无量纲；
CEj-作物j的焚烧效率，无量纲。
实施例：
本发明提供一种秸秆露天焚烧大气污染物排放清单的估算方法，包括：
S1、登录美国航空航天局官方网站，下载MODIS(Moderate Resolution ImagingSpectrometer)传感器的2003-2018年每月的火点数据产品(MCD14ML)，其每月更新，格式为txt，覆盖全球范围的火点信息。其数据产品包含火点发生的时间、经纬度信息以及火点热辐射功率等数据。根据其经纬度，将其在ArcGIS软件中转换为矢量数据，剔除置信水平低(conf＜20)的火点。
S2、从中国科学院地理科学与资源研究所网站(http：//www.resdc.cn)下载中国土地利用遥感监测栅格数据和中国省级行政边界矢量数据，其中中国土地利用遥感监测栅格数据在ArcGIS软件中转换为矢量数据。
S3、根据中国土地利用遥感监测数据中的分类体系，找到农村土地利用类型，即包含旱田、水田以及农村居民点的土地利用类型(筛选出GRDCODE＝11、12和52的土地利用类型)，认为是农村土地利用类型数据，并存为矢量数据。
S4、根据火点、中国省级行政边界地图和农村土地利用类型的矢量数据，在ArcGIS软件，利用叠加功能将三个图层叠加，得到月-省秸秆露天焚烧火点。
S5、对中国31个省份划分为六个区域，分别为西北(陕西、甘肃、宁夏、新疆和青海)、西南(四川、重庆、广西、贵州、云南和西藏)、东北(黑龙江、吉林、辽宁和内蒙古自治区)、华北(北京、天津、河北、山西、山东和河南)、中部(湖北、湖南、安徽、江苏和江西)和东南(浙江、上海、福建、广东和海南)。
S6、根据S5的分区，对各区域的月-省秸秆露天焚烧火点的热辐射功率进行积分，得到各区域单元像元的秸秆露天焚烧火点热辐射能，将其与月-省秸秆露天焚烧火点数相乘，得到月-省秸秆露天焚烧火点热辐射能，汇总得到年-省秸秆露天焚烧火点热辐射能，得到2003-2018年31个省的年-省秸秆露天焚烧火点热辐射能。
S7、通过充分的文献调研，获取实地调研的年-省秸秆露天焚烧比例，建立年-省秸秆露天焚烧比例实地调研数据库。
S8、利用各区域内年-省实际调研的秸秆露天焚烧比例和年-省热辐射能建立各区域的秸秆露天焚烧比例估算模型，具体模型建立方法：
S8-1、利用SPSS的线性回归工具，分别对各区域内的年-省实际调研的秸秆露天焚烧比例和年-省秸秆露天焚烧火点热辐射能建立关系；
S8-2、判断线性回归结果中的显著性水平(sig值)是否小于0.05，sig值小于0.05说明回归的模型具有统计意义，即建立的模型是成立的，且其相关性R越接近1，说明两者之间关系越显著，本发明建立的模型sig值均小于0.05，且相关性R均大于0.79，建立的模型如下，如图2所示：
OBP西北＝0.0560*ln(FRE)-0.9790
OBP西南＝0.0602*ln(FRE)-0.9977
OBP东北＝0.0829*ln(FRE)-1.6034
OBP华北＝0.0389*ln(FRE)-0.6496
OBP中部＝0.0856*ln(FRE)-1.5771
OBP东南＝0.0873*ln(FRE)-1.5323
其中，
OBP西北、OBP西南、OBP东北、OBP华北、OBP中部、OBP东南、：表示西北、西南、东北、华北、中部和东南地区的秸秆露天焚烧比例；
FRE：各区域的秸秆露天焚烧火点年-省热辐射能，MJ。
S9、利用建立的模型，以及计算的2003-2018年秸秆露天焚烧火点年-省热辐射能，即可快速计算2003-2018年估算的年-省秸秆露天焚烧比例。
S10、收集自下而上估算排放方法所需的活动水平数据和排放因子数据，具体包括：
作物产量：通过国家统计局发布的2004-2019年《中国农村统计年鉴》获取，主要包括12种作物，分别为：玉米、小麦、水稻、棉花、薯类、油菜籽、芝麻、花生、甘蔗、甜菜和麻类
草谷比：通过文献调研获取，不同省市12种作物草谷比；
干燥比和焚烧效率：通过文献调研获取，12种作物的干燥比和焚烧效率数据；
排放因子：通过文献调研和《生物质焚烧源大气污染物排放清单编制技术指南》获取12种作物13种污染物(SO2，NOx，PM10，PM2.5，NMVOCs，NH3，CO，EC，OC，CO2，CH4，N2O和Hg)的排放因子，尽可能多的收集本地化的实测的排放因子，若某作物某污染物的排放因子有多个实测值，去除离群值后求平均值，作为最终的排放因子。
S11、基于S9估算的秸秆露天焚烧比例和S10收集的自下而上估算排放方法所需的基础数据，即可快速建立2003-2018年秸秆露天焚烧排放清单，如图3所示，公式如下：
Mi，j，y＝Pi，j，y×Ni，j×Dj×OBPi，y×CEj
其中，
Ei，k，y-省i在年y排放k种污染物的秸秆露天焚烧排放量，t；
Mi，j，y-省i的作物j在年y的秸秆露天焚烧量，kt；
EFj，k-秸秆j的污染物k的排放因子，g/kg；
Pi，j，y-作物j在省i年y的产量，t；
Nij-作物j在省i的草谷比，无量纲；
Dj-作物j的干燥比，无量纲；
OBPi，y-估算的省i在年y的秸秆露天焚烧比例，无量纲；
CEj-作物j的焚烧效率，无量纲。
估算模型优化结果：
如图4所示，由于中国秸秆露天焚烧年排放在2014年出现转折，将2003-2018年分为两阶段，以2014年为转折年，将秸秆露天焚烧比例固定估算排放与用实际变化的比例估算排放进行对比，发现2003年至2014年，由于固定比例而引起的与实际比例估算的排放误差为-25.9％～-4.5％，平均误差为-4.5％；2014年至2018年，由于固定比例而引起的与实际比例估算的排放误差为6.6％～30.6％，平均误差为20.9％，说明秸秆露天焚烧比例对秸秆露天焚烧年排放的准确估算有重要影响。本发明估算的秸秆露天焚烧比例，更能反映秸秆露天焚烧年排放的真实变化，为相关决策提供数据支撑。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.秸秆露天焚烧大气污染物排放清单快速更新的方法，其特征包括以下步骤：
步骤1、获取逐月火点数据；
步骤2、利用ArcGIS软件对逐月火点数据进行识别，按照时间-区域的形式标定秸秆露天焚烧火点；
步骤3、对监测区域进行区域划分，以便进行分块识别管理；
步骤4、基于识别的时间-区域秸秆露天焚烧火点的热辐射功率数据和区域划分，估算时间-划分区域秸秆露天焚烧火点热辐射能，汇总为时间-区域秸秆露天焚烧火点热辐射能；
步骤5、获取基于实际调研的时间-区域秸秆露天焚烧比例数据，建立时间-区域秸秆露天焚烧比例实际调研数据库；
步骤6、利用SPSS将各划分区域内的各区域经汇总得到的时间-区域秸秆露天焚烧火点热辐射能与基于实际调研的时间-区域秸秆露天焚烧比例数据建立对数关系，针对各划分区域分别构建基于卫星遥感热辐射能的秸秆露天焚烧比例估算模型；
步骤7、基于建立的秸秆露天焚烧比例估算模型和动态更新的时间-区域秸秆露天焚烧火点热辐射能，建立包含全部目标时间与区域的时间-区域秸秆露天焚烧比例估算数据库；
步骤8、收集自下而上方法估算秸秆露天焚烧大气污染物排放所需其他活动水平数据以及排放因子；
步骤9、利用自下而上的方法，结合时间-区域秸秆露天焚烧比例估算数据库数据，估算时间-区域秸秆露天焚烧大气污染物排放清单。
2.根据权利要求1所述的秸秆露天焚烧大气污染物排放清单快速更新方法，其特征在于，所述步骤2中利用ArcGIS软件识别秸秆露天焚烧火点的方法是：首先对下载逐月火点数据在ArcGIS中转换为矢量格式的文件，并对其置信水平低的火点进行剔除；其次挑选具有农村特征的土地利用类型数据，将矢量格式的火点数据、农村土地利用类型数据以及省级行政地图数据，利用ArcGIS中的叠加图层功能进行筛选，识别时间-区域秸秆露天焚烧火点。
3.根据权利要求1所述的秸秆露天焚烧大气污染物排放清单快速更新方法，其特征在于，所述步骤4中基于识别的时间-区域秸秆露天焚烧火点的热辐射功率数据和区域划分，估算时间-划分区域秸秆露天焚烧火点热辐射能，将其汇总为时间-区域秸秆露天焚烧火点热辐射能：基于筛选得到时间-区域秸秆露天焚烧火点的热辐射功率数据，根据区域划分，通过积分分别计算各划分区域内单元像元热辐射能，将其分别与划分区域内各区域的时间-区域秸秆露天焚烧火点数相乘，得到时间-区域秸秆露天焚烧热辐射能，将其汇总为时间-区域秸秆露天焚烧火点热辐射能。
4.根据权利要求1所述的秸秆露天焚烧大气污染物排放清单快速更新方法，其特征在于，所述步骤5中获取基于实际调研的时间-区域秸秆露天焚烧比例数据，建立时间-区域秸秆露天焚烧比例实际调研数据库的方法是：基于文献调研，收集实际调研的时间-区域秸秆露天焚烧比例。
5.根据权利要求1所述的秸秆露天焚烧大气污染物排放清单快速更新方法，其特征在于，所述步骤6中利用SPSS将各划分区域内各区域经汇总得到的时间-区域秸秆露天焚烧火点热辐射能与基于实际调研的时间-区域秸秆露天焚烧比例数据建立关系，针对各划分区域分别构建基于卫星遥感热辐射能的秸秆露天焚烧比例估算模型的方法是：利用SPSS中的线性回归功能，对各划分区域内的时间-区域秸秆露天焚烧比例实际调研数据和估算的时间-区域秸秆露天焚烧火点热辐射能，对各划分区域分别建立估算模型，估算模型的显著性水平sig值均需小于0.05。
6.根据权利要求1所述的秸秆露天焚烧大气污染物排放清单快速更新方法，其特征在于，所述步骤7中基于建立的秸秆露天焚烧比例估算模型和动态更新的时间-区域秸秆露天焚烧火点热辐射能，建立包含全部目标年份与省份的时间-区域秸秆露天焚烧比例估算数据库的方法是：将建立的各划分区域的秸秆露天焚烧比例模型用于其包含的区域，基于估算的时间-区域秸秆露天焚烧火点热辐射能，估算时间-区域秸秆露天焚烧比例估算数据，建立包含全部目标年份与区域的时间-区域秸秆露天焚烧比例估算数据库。
7.根据权利要求1所述的秸秆露天焚烧大气污染物排放清单快速更新方法，其特征在于，所述步骤8中收集自下而上方法估算秸秆露天焚烧大气污染物排放所需其他活动水平数据以及排放因子的方法是：通过调研官方发布的统计年鉴，获取作物产量数据；通过文献调研，获取草谷比、干燥比和焚烧效率数据；获取排放因子数据。
8.根据权利要求1所述的秸秆露天焚烧大气污染物排放清单快速更新方法，其特征在于，所述步骤9中利用自下而上的方法，结合时间-区域秸秆露天焚烧比例估算数据库数据，估算时间-区域秸秆露天焚烧大气污染物排放清单的方法是：基于步骤7建立的时间-区域秸秆露天焚烧比例估算数据库，和步骤8收集的活动水平数据和排放因子，实现清单的快速更新，计算公式如下：
Mi，j，y＝Pi，j，y×Ni，j×Dj×OBPi，y×CEj
其中，
Ei，k，y-区域i在时间y排放k种污染物的排放量，t；
Mi，j，y-区域i的作物j在时间y的焚烧量，kt；
EFj，k-秸秆j的污染物k的排放因子，g/kg；
Pi，j，y-作物j在区域i时间y的产量，t；
Ni，j-作物j在区域i的草谷比，无量纲；
Dj-作物j的干燥比，无量纲；
OBPi，y-区域i在时间y的露天焚烧比例，无量纲；
CEj-作物j的焚烧效率，无量纲。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110092935.7A CN112800072B (zh) | 2021-01-25 | 2021-01-25 | 一种秸秆露天焚烧大气污染物排放清单快速更新的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110092935.7A CN112800072B (zh) | 2021-01-25 | 2021-01-25 | 一种秸秆露天焚烧大气污染物排放清单快速更新的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112800072A true CN112800072A (zh) | 2021-05-14 |
| CN112800072B CN112800072B (zh) | 2024-02-02 |
Family
ID=75811494
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110092935.7A Active CN112800072B (zh) | 2021-01-25 | 2021-01-25 | 一种秸秆露天焚烧大气污染物排放清单快速更新的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112800072B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114153798A (zh) * | 2021-11-05 | 2022-03-08 | 中科三清科技有限公司 | 排放源自动更新方法、装置、电子设备和计算机可读存储介质 |
| CN114324780A (zh) * | 2022-03-03 | 2022-04-12 | 阿里巴巴达摩院(杭州)科技有限公司 | 大气污染物排放通量处理方法、存储介质以及计算机终端 |
| CN115862754A (zh) * | 2022-11-16 | 2023-03-28 | 中科三清科技有限公司 | 生物质燃烧排放清单确定方法、装置及设备 |
| CN117745089A (zh) * | 2023-12-08 | 2024-03-22 | 北京工业大学 | 一种基于多卫星数据的秸秆露天焚烧污染物排放估算方法 |
| CN117789025A (zh) * | 2023-12-26 | 2024-03-29 | 北京工业大学 | 一种基于物候信息的分作物秸秆露天焚烧排放估算方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111505016A (zh) * | 2020-04-21 | 2020-08-07 | 北京中科锐景科技有限公司 | 一种秸秆焚烧排放清单估算方法 |
-
2021
- 2021-01-25 CN CN202110092935.7A patent/CN112800072B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111505016A (zh) * | 2020-04-21 | 2020-08-07 | 北京中科锐景科技有限公司 | 一种秸秆焚烧排放清单估算方法 |
Non-Patent Citations (1)
| Title |
|---|
| 毛书帅 等: "多情景源排放参数反演下典型优化算法性能对比", 北京工业大学学报 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114153798A (zh) * | 2021-11-05 | 2022-03-08 | 中科三清科技有限公司 | 排放源自动更新方法、装置、电子设备和计算机可读存储介质 |
| CN114324780A (zh) * | 2022-03-03 | 2022-04-12 | 阿里巴巴达摩院(杭州)科技有限公司 | 大气污染物排放通量处理方法、存储介质以及计算机终端 |
| CN114324780B (zh) * | 2022-03-03 | 2022-08-02 | 阿里巴巴达摩院(杭州)科技有限公司 | 大气污染物排放通量处理方法、存储介质以及计算机终端 |
| CN115862754A (zh) * | 2022-11-16 | 2023-03-28 | 中科三清科技有限公司 | 生物质燃烧排放清单确定方法、装置及设备 |
| CN117745089A (zh) * | 2023-12-08 | 2024-03-22 | 北京工业大学 | 一种基于多卫星数据的秸秆露天焚烧污染物排放估算方法 |
| CN117789025A (zh) * | 2023-12-26 | 2024-03-29 | 北京工业大学 | 一种基于物候信息的分作物秸秆露天焚烧排放估算方法 |
| CN117789025B (zh) * | 2023-12-26 | 2024-06-04 | 北京工业大学 | 一种基于物候信息的分作物秸秆露天焚烧排放估算方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112800072B (zh) | 2024-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112800072A (zh) | 一种秸秆露天焚烧大气污染物排放清单快速更新的方法 | |
| Mehmood et al. | Spatial and temporal distributions of air pollutant emissions from open crop straw and biomass burnings in China from 2002 to 2016 | |
| Xu et al. | Evaluation of machine learning techniques with multiple remote sensing datasets in estimating monthly concentrations of ground-level PM2. 5 | |
| Filonchyk et al. | Combined use of satellite and surface observations to study aerosol optical depth in different regions of China | |
| Cheung et al. | Observational study of ozone pollution at a rural site in the Yangtze Delta of China | |
| Yin | Biomass burning spatiotemporal variations over South and Southeast Asia | |
| Sogacheva et al. | Spatial and seasonal variations of aerosols over China from two decades of multi-satellite observations–Part 1: ATSR (1995–2011) and MODIS C6. 1 (2000–2017) | |
| Zou et al. | Performance of air temperature from ERA5-Land reanalysis in coastal urban agglomeration of Southeast China | |
| Wessels et al. | Relationship between herbaceous biomass and 1‐km2 advanced very high resolution radiometer (AVHRR) NDVI in Kruger National Park, South Africa | |
| CN111727443A (zh) | 一种基于深度神经网络的土壤速效养分反演方法 | |
| Zha et al. | Agricultural fires and their potential impacts on regional air quality over China | |
| CN111505016B (zh) | 一种秸秆焚烧排放清单估算方法 | |
| Yan et al. | Study of the impact of summer monsoon circulation on spatial distribution of aerosols in East Asia based on numerical simulations | |
| Jiang et al. | Space-time mapping of ground-level PM 2.5 and NO 2 concentrations in heavily polluted northern China during winter using the Bayesian maximum entropy technique with satellite data | |
| Carvalho et al. | Future surface temperature changes for the Iberian Peninsula according to EURO-CORDEX climate projections | |
| Zeng et al. | Estimating hourly surface PM2. 5 concentrations across China from high-density meteorological observations by machine learning | |
| Hu et al. | Spatiotemporal characteristics of aerosols and their trends over mainland China with the recent Collection 6 MODIS and OMI satellite datasets | |
| Becker et al. | Particulate matter variability in Kathmandu based on in-situ measurements, remote sensing, and reanalysis data | |
| Yu et al. | Temporal-spatial analysis of crop residue burning in China and its impact on aerosol pollution | |
| Das et al. | Decadal variation of the land surface temperatures (LST) and urban heat island (UHI) over Kolkata City projected using MODIS and ERA-interim DataSets | |
| Chang et al. | Monitoring diurnal dynamics of surface urban heat island for urban agglomerations using ECOSTRESS land surface temperature observations | |
| Langlois et al. | Simulation of snow water equivalent (SWE) using thermodynamic snow models in Québec, Canada | |
| Wang et al. | Cropland nitrogen dioxide emissions and effects on the ozone pollution in the North China plain | |
| Li et al. | Urbanization effects on changes in the observed air temperatures during 1977–2014 in China | |
| Ali et al. | Spatiotemporal changes in aerosols over Bangladesh using 18 years of MODIS and reanalysis data |
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 |