CN112907149A - 气象污染综合诊断指数计算方法、装置及电子设备 - Google Patents
气象污染综合诊断指数计算方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112907149A CN112907149A CN202110362235.5A CN202110362235A CN112907149A CN 112907149 A CN112907149 A CN 112907149A CN 202110362235 A CN202110362235 A CN 202110362235A CN 112907149 A CN112907149 A CN 112907149A
- Authority
- CN
- China
- Prior art keywords
- meteorological
- pollution
- index
- time period
- sub
- 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.)
- Pending
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 51
- 238000004364 calculation method Methods 0.000 title claims description 35
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 67
- 231100000719 pollutant Toxicity 0.000 claims abstract description 67
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000005070 sampling Methods 0.000 claims abstract description 24
- 239000000356 contaminant Substances 0.000 claims abstract description 15
- 230000015654 memory Effects 0.000 claims description 28
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 claims description 9
- 239000002131 composite material Substances 0.000 claims description 3
- 238000011109 contamination Methods 0.000 claims description 3
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 28
- 230000008859 change Effects 0.000 description 13
- 239000013618 particulate matter Substances 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000009792 diffusion process Methods 0.000 description 7
- 230000015572 biosynthetic process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000003915 air pollution Methods 0.000 description 3
- 239000011324 bead Substances 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- CIYMULYYXFTYFR-UHFFFAOYSA-N 1-(2-fluorophenyl)-1-(4-fluorophenyl)-2-(1,2,4-triazol-1-yl)ethanol;methyl n-(1h-benzimidazol-2-yl)carbamate Chemical compound C1=CC=C2NC(NC(=O)OC)=NC2=C1.C=1C=C(F)C=CC=1C(C=1C(=CC=CC=1)F)(O)CN1C=NC=N1 CIYMULYYXFTYFR-UHFFFAOYSA-N 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 101100323157 Arabidopsis thaliana LAP1 gene Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000009423 ventilation 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
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了气象污染综合诊断指数计算方法、装置、电子设备及计算机可读存储介质，该方法包括：将采样时间段平均划分为多个子时间段；将子时间段分为针对指定污染物的污染时间段和非污染时间段；获取多个气象因子；获取采样时间段内，每个气象因子的多个样本；根据样本的数值和样本在污染时间段和非污染时间段的分布情况确定每个气象因子的分指数集合；根据指定气象因子的目标数值和对应的分指数集合确定每个指定气象因子的分指数；将指定气象因子的分指数相加得到气象污染综合诊断指数。该方法针对指定污染物划分污染时间段和非污染时间段，能够提高气象污染综合诊断指数与指定污染物的关联度，反映气象条件对指定污染物的影响。
Description
技术领域
本发明涉及气象污染技术领域，具体涉及气象污染综合诊断指数计算方法、装置、电子设备及计算机可读存储介质。
背景技术
大气污染形成的主要原因是污染物的大量排放，但受客观气象条件的影响，当出现不利于污染物输送和扩散的天气时，易造成污染物的积聚。同样，污染源排放量所造成的污染天气程度，随着气象条件的稀释或扩散能力的不同而变得大不相同。气象因子在污染物的扩散和输送中起到了主要的作用，直接影响污染物在大气中经历的各种物理过程，决定污染物的空间分布及其随时间变化的特征，对污染事件的形成、演变和消亡具有重要影响。准确把握空气污染气象条件是预报污染事件持续时间和污染峰值的前提，评估污染减排的成效也必须剔除气象条件变化对污染物变化率的影响。因此，空气污染气象条件的预报和评估对于重污染天气预报预警、大气污染治理具有重要意义，是目前环境气象预报服务业务的重要内容。
目前，气象条件对空气污染的影响通常用气象污染综合诊断指数来表示。现有的气象污染综合诊断指数计算方法可分为以下两类：
(1)通过理论计算得到的反应污染物扩散条件的诊断指数：如滞留指数、通风指数和扩散指数。该类指数单纯反映气象动力过程对污染物的影响，只能从理论上解释气象条件对污染物扩散的影响，对污染物浓度的表征有一定的局限性。
(2)凭预报员经验构建的气象因子权重计分表式的诊断指数：如静稳天气指数、高浓度臭氧潜势指数。该类经验性诊断指数虽然综合考虑了多种气象因子对污染过程的影响，但权重取值带有比较强的主观性、局地性，缺乏可比性。
现有的气象指数计算方法通常不针对某种特定的污染物，而是对宽泛的大气污染程度进行描述，应用在精细化的大气污染治理工作中有明显的局限性。
因此，设计一种客观、精细化、精度高、实用性强的气象指数计算方法成为了本领域的关键性问题。
发明内容
有鉴于此，本发明实施例提供了气象污染综合诊断指数计算方法、装置、电子设备及计算机可读存储介质，以解决现有技术中气象污染综合诊断指数与指定污染物的关联度较低、权重取值主观性较强、缺乏可比性的问题。
为此，本发明实施例提供了如下技术方案：
本发明第一方面，提供了气象污染综合诊断指数计算方法，包括：
将采样时间段平均划分为多个子时间段；
将所述子时间段分为针对指定污染物的污染时间段和非污染时间段；
获取多个气象因子；
获取所述采样时间段内，每个所述气象因子的多个样本；
根据所述样本的数值和所述样本在所述污染时间段和非污染时间段的分布情况确定每个所述气象因子的分指数集合；
根据指定气象因子的目标数值和对应的所述分指数集合确定每个所述指定气象因子的分指数；
将所述指定气象因子的分指数相加得到所述指定污染物对应的气象污染综合诊断指数。
进一步地，根据所述样本的数值和所述样本在所述污染时间段和非污染时间段的分布情况确定每个所述气象因子的分指数集合包括：
将所述气象因子的样本按照数值大小划分为多个区间；
根据每个所述区间内的所述样本在所述污染时间段和非污染时间段的分布数量计算每个区间对应的区间分指数，所述气象因子对应的全部所述区间分指数组成所述气象因子的分指数集合。
进一步地，确定每个所述气象因子的分指数集合之后还包括：
计算每个所述气象因子的指定污染物影响度；
将所述指定污染物影响度按照从大到小的顺序排序；
获取简单相关系数大于设定值的两个所述气象因子，将排序靠后的所述气象因子剔除，重复执行上述步骤直至任意两个所述气象因子的简单相关系数均小于或等于设定值；
将排序位于前N1个所述指定污染物影响度对应的所述气象因子作为所述指定气象因子；
其中，所述指定污染物影响度为所述气象因子对应的数值最大的区间分指数和数值最小的区间分指数的差值。
进一步地，根据每个所述子时间段对应的指定污染物的浓度将所述子时间段分为污染时间段和非污染时间段包括：
将所述子时间段按照所述指定污染物的浓度从高到低的顺序排序，将排序位于前N2位的子时间段作为污染时间段，将其余子时间段作为非污染时间段。
进一步地，获取所述采样时间段内，每个所述气象因子的多个样本包括：
在所述采样时间段内按照指定时间间隔采集每个所述气象因子的样本，所述指定时间间隔的时长小于所述子时间段的时长。
进一步地，所述区间分指数的计算公式如下：
其中，i为气象因子；n为区间；Kin为气象因子i在区间n内对应的区间分指数；ain为气象因子i在区间n内的样本中，分布在污染时间段的样本的数量；bin为气象因子i在区间n内的样本中，分布在非污染时间段的样本的数量；a为作为污染时间段的子时间段的数量；b为作为非污染时间段的子时间段的数量。
本发明第二方面，提供了一种气象污染综合诊断指数计算装置，包括：
第一划分模块，用于将采样时间段平均划分为多个子时间段；
第二划分模块，将所述子时间段分为针对指定污染物的污染时间段和非污染时间段；
第一获取模块，用于获取多个气象因子；
第二获取模块，用于获取所述采样时间段内，每个所述气象因子的多个样本；
第一计算模块，用于根据所述样本的数值和所述样本在所述污染时间段和非污染时间段的分布情况确定每个所述气象因子的分指数集合；
第二计算模块，用于根据指定气象因子的目标数值和对应的所述分指数集合确定指定气象因子的分指数；
第三计算模块，用于将指定气象因子的分指数相加得到所述指定污染物对应的气象污染综合诊断指数。
进一步地，所述第一计算模块包括：
划分单元，用于将所述气象因子的样本按照数值大小划分为多个区间；
计算单元，用于根据每个所述区间内的所述样本在所述污染时间段和非污染时间段的分布数量计算每个区间对应的区间分指数，所述气象因子对应的全部所述区间分指数组成所述气象因子的分指数集合。
本发明第三方面，提供了一种电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行本发明第一方面中任一所述的气象污染综合诊断指数计算方法。
本发明第四方面，提供了一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现本发明第一方面中任一所述的气象污染综合诊断指数计算方法。
本发明实施例技术方案，具有如下优点：
(1)本发明实施例提供的气象污染综合诊断指数计算方法包括：将子时间段分为针对指定污染物的污染时间段和非污染时间段。与传统的依据全部污染物或能见度来划分污染时间段和非污染时间段相比，本发明针对指定污染物划分污染时间段和非污染时间段，能够提高气象污染综合诊断指数与指定污染物的关联度，更精准地反映气象条件对指定污染物的影响。
(2)本发明实施例提供的气象污染综合诊断指数计算方法通过计算气象因子的指定污染物影响度能够排除对指定污染物没有影响或影响较小的气象因子，减少了计算量，避免了无关的气象因子干扰气象污染综合诊断指数计算的准确度。
(3)本发明实施例提供的气象污染综合诊断指数计算方法将指定污染物浓度排序位于前N2位的子时间段作为污染时间段，能够适用于不同污染程度的地区，避免污染时间段的数量过小或过大，进而能够避免污染时间段和非污染时间段的划分不合理导致气象污染综合诊断指数不具有参考价值。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的气象污染综合诊断指数计算方法的流程图；
图2是本发明实施例的颗粒物对应的气象污染综合诊断指数的计算值与PM2.5的观测值在京津冀地区的变化曲线对比图；
图3是本发明实施例的颗粒物对应的气象污染综合诊断指数的计算值与PM2.5的观测值在长三角地区的变化曲线对比图；
图4是本发明实施例的颗粒物对应的气象污染综合诊断指数的计算值与PM2.5的观测值在珠三角地区的变化曲线对比图；
图5是本发明实施例的颗粒物对应的气象污染综合诊断指数的计算值与PM2.5的观测值在西南地区的变化曲线对比图；
图6是本发明实施例的颗粒物对应的气象污染综合诊断指数的计算值与PM2.5的观测值在西北地区的变化曲线对比图；
图7是本发明实施例的臭氧对应的气象污染综合诊断指数的计算值与臭氧的观测值在京津冀地区的变化曲线对比图；
图8是本发明实施例的臭氧对应的气象污染综合诊断指数的计算值与臭氧的观测值在长三角地区的变化曲线对比图；
图9是本发明实施例的臭氧对应的气象污染综合诊断指数的计算值与臭氧的观测值在珠三角地区的变化曲线对比图；
图10是本发明实施例的臭氧对应的气象污染综合诊断指数的计算值与臭氧的观测值在西南地区的变化曲线对比图；
图11是本发明实施例的臭氧对应的气象污染综合诊断指数的计算值与臭氧的观测值在西北地区的变化曲线对比图；
图12是北京市臭氧日最大浓度与本发明实施例的臭氧对应的气象污染综合诊断指数的散点图、拟合曲线；
图13是北京市PM2.5日均浓度与本发明实施例的颗粒物对应的气象污染综合诊断指数的散点图、拟合曲线；
图14是根据本发明实施例的气象污染综合诊断指数计算装置的结构框图；
图15是本发明实施例提供的电子设备的硬件结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在本申请的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本申请中，“示例性”一词用来表示“用作例子、例证或说明”。本申请中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本申请，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本申请。在其它实例中，不会对公知的结构和过程进行详细阐述，以避免不必要的细节使本申请的描述变得晦涩。因此，本申请并非旨在限于所示的实施例，而是与符合本申请所公开的原理和特征的最广范围相一致。
以往的诸多研究已表明，边界层大气层结构特征对于污染的形成和污染物的扩散至关重要，而静稳天气有利于污染物的近地层累积，是造成重污染和低能见度天气的主要原因。
静稳天气指数是环境气象预报实践中最常见的综合诊断指数。该指数通过相关气象条件的叠加算得，具体方法是：①根据预报员经验或在统计分析相关数据、结合文献调研的基础上，筛选与静稳天气形成相关的气象要素；②根据各气象要素在静稳天气中的作用及其物理意义，确定各气象要素的阈值；③按照各因子在相应的阈值范围内对静稳天气形成或持续作用的大小确定各气象要素权重；④查找所有落在阈值范围内的因子，对其权重进行求和，最终得到静稳天气综合指数值。
北京地区静稳天气指数选取的气象因子及其权重如下表所示。选自北京地区静稳天气综合指数的初步构建及其在环境气象中的应用。
成都地区静稳天气指数选取的气象因子及其权重如下表所示。
选自成都静稳天气综合指数的构建及其应用。
现有的静稳天气指数的应用通常以城市为单位，其计算方法局地性强。不同城市间选取的参与指数计算的气象因子的种类及给定的各气象因子的权重都有很大差别，且构建静稳天气指数的气象因子的选取和权重的给定很大程度上依赖预报员的个人经验。除以往进行过静稳天气指数研究的几个城市外，其余地区准备用于计算静稳天气指数的评分或取值需要统计大量的气象观测数据。此外，静稳天气指数并不针对某种特定的污染物，而是对宽泛的大气污染程度进行描述，应用在精细化的大气污染治理工作中有明显的局限性。因此，设计一种客观定量的计算方法来构建新的针对不同污染物的气象污染综合诊断指数非常有必要。
针对现有技术中的上述技术问题，本发明实施例提供了气象污染综合诊断指数计算方法，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
在本实施例中提供了气象污染综合诊断指数计算方法，可用于环境污染预测系统等，图1是根据本发明实施例的气象污染综合诊断指数计算方法的流程图。如图1所示，本发明提供了一种气象污染综合诊断指数计算方法，包括如下步骤：
S101：将采样时间段平均划分为多个子时间段。本实施例中，子时间的时长可选小于或等于采样时间段时长的十分之一，子时间的时长可选大于或等于采样时间段时长的千分之一。例如，采样时间段为一年时，子时间段可选为一天、七天或三十天。通过设置合理的子时间段的数量能够避免个别的极端数据影响后续气象污染综合诊断指数的计算，提高后续计算的气象污染综合诊断指数的参考价值。
S102：将子时间段分为针对指定污染物的污染时间段和非污染时间段。指定污染物可选为颗粒物或臭氧，依据指定污染物的浓度将部分子时间段作为污染时间段，将其余子时间段作为非污染时间段。其中，污染时间段中指定污染物的浓度大于非污染时间段中指定污染物的浓度。
S103：获取多个气象因子。气象因子可选包括地面要素和/或高空要素。地面要素可选包括以下一种或几种：24小时变温(℃)，24小时变压(hPa)，2m相对湿度(％)，海平面气压(hPa)，10m水平风速(m/s)、10m风向(°)。高空要素的采集高度可选为1000hPa、925hPa、850hPa，700hPa或500hPa。高空要素可选包括以下一种或几种：相对湿度(％)，水平风分量U、V(m/s)，水平风速(m/s)，垂直速度(Pa/s)，散度(s-1)，混合层高度(边界层高度)。
S104：获取采样时间段内，每个气象因子的多个样本。多个样本为在不同时间采集的气象因子的数值。例如，气象因子为温度时，在采样时间内，每间隔六小时采集一次温度值作为温度的样本。子时间段为一天时，分别在两点、八点、十四点和二十点采集温度数值。采样时间段为历史时间段，样本为气象因子的历史数据。
S105：根据样本的数值和样本在污染时间段和非污染时间段的分布情况确定每个气象因子的分指数集合。分指数集合可选包括两个或两个以上区间分指数。每个区间分指数可选对应一个指定气象因子的数值区间.每个区间分指数可选与一个或多个样本的数值对应。多次计算气象污染综合诊断指数时，区间分指数可选只计算一次，并在后续计算气象污染综合诊断指数时反复使用。
S106：根据指定气象因子的目标数值和对应的分指数集合确定每个指定气象因子的分指数。指定气象因子为全部气象因子或部分气象因子。获取待计算的气象污染综合诊断指数对应的指定气象因子的目标数值。从分指数集合中找出与目标数值对应的区间分指数作为指定气象因子的分指数。目标数值为，用于计算气象污染综合诊断指数的指定气象因子的数值。每个区间分指数对应一个指定气象因子的数值区间时，目标数值所在的数值区间对应的区间分指数为目标数值对应的区间分指数。例如，采样时间段为2018年，气象因子为温度，温度大于或等于30度对应的区间分指数为1/5，温度小于30度对应的区间分指数为1/10。分指数集合包括1/5和1/10。计算2019年1月1日的气象污染综合诊断指数时，2019年1月1日的温度为10度，目标数值即为10度，与10度对应的区间分指数为1/10。每个区间分指数对应一个或多个样本的数值时，与目标数值的差值的绝对值最小的样本的数值对应的区间分指数为目标数值对应的区间分指数。
S107：将指定气象因子的分指数相加得到指定污染物对应的气象污染综合诊断指数。
与现有的依据全部污染物或能见度来划分污染时间段和非污染时间段相比，本发明将针对指定污染物划分污染时间段和非污染时间段，能够提高气象污染综合诊断指数与指定污染物的关联度，更精准地反映气象条件对指定污染物的影响，尤其适用于针对指定污染物的大气污染治理。
在一个具体的实施方式中，将气象因子的样本按照数值大小划分为多个区间。每个气象因子对应至少两个区间。区间的划分精确到样本数值的百分位，例如，气象因子为温度时，将小于25度的样本划分为一个区间，将大于或等于25度的样本划分为一个区间。在划分区间前，将样本按照数值从大到小排序，将排序位于前5％的极端高值样本和排序位于后5％的极端低值样本剔除，能够剔除由于检测仪器误差或其它干扰情况造成的极端数值样本。各区间内样本的数量相同或相近。例如，区间的数量为十个时，每个区间内的样本数量为剩余样本数量的十分之一。同一个区间内的样本的排序序号为连续值。根据每个区间内的样本在污染时间段和非污染时间段的分布数量计算每个区间对应的区间分指数，气象因子对应的全部区间分指数组成气象因子的分指数集合。区间内样本的总数不变的情况下，分布在污染时间段的样本的数量越多区间分指数越大。
区间分指数的计算公式如下：
其中，i为气象因子；n为区间；Kin为气象因子i在区间n内对应的区间分指数；ain为气象因子i在区间n内的样本中，分布在污染时间段的样本的数量；bin为气象因子i在区间n内的样本中，分布在非污染时间段的样本的数量；a为作为污染时间段的子时间段的数量；b为作为非污染时间段的子时间段的数量。
在同一地区，数值相近的气象因子对指定污染物的影响度相近。本实施例中，通过历史数据计算出由全部区间分指数组成气象因子的分指数集合能够在未来计算气象污染综合诊断指数时重复利用，将与指定气象因子的目标数值对应的区间分指数作为指定气象因子的分指数。
在一个具体的实施方式中，计算每个气象因子的指定污染物影响度。指定污染物影响度用于表示气象因子的数值变化与指定污染物浓度变化的关联度，指定污染物影响度的数值越大，气象因子的数值变化与指定污染物浓度变化的关联度越大。将指定污染物影响度按照从大到小的顺序排序，获取简单相关系数大于设定值的两个气象因子，将排序靠后的气象因子剔除，重复执行上述步骤直至任意两个气象因子的简单相关系数均小于或等于设定值。例如，气象因子按照指定污染物影响度排序后，排第二位的是850hPa相对湿度，排第三位的是700hPa相对湿度，而850hPa相对湿度和700hPa相对湿度之间的简单相关系数大于设定值，那就需要剔除700hPa相对湿度这个气象因子，把排在后面的气象因子前移，继续剔除简单相关系数大于设定值的两个气象因子中排序靠后的气象因子，直至不存在简单相关系数大于设定值的两个气象因子，即全部气象因子彼此不相关。
简单相关系数用来度量两个变量之间的线性关系，公式如下：
其中，r为简单相关系数，X为一个气象因子，Y为另一个气象因子，Cov(X,Y)为X与Y的协方差，Var[X]为X的方差，Var[Y]为Y的方差。再将排序位于前N1个指定污染物影响度对应的气象因子作为指定气象因子。N1为正整数，可选为十。其中，所述指定污染物影响度为所述气象因子对应的数值最大的区间分指数和数值最小的区间分指数的差值。
本实施例通过计算指定污染物影响度能够排除对指定污染物没有影响或影响较小的气象因子，减少了计算量，避免了无关的气象因子干扰气象污染综合诊断指数计算的准确度。
在一个具体的实施方式中，将子时间段按照指定污染物的浓度从高到低的顺序排序，将排序位于前N2位的子时间段作为污染时间段，将其余子时间段作为非污染时间段。N2为正整数，N2可选等于子时间段总数的四分之一。
现有的污染天气和非污染天气划分方法通常将污染物的浓度超过设定值的天气作为污染天气。按照现有的污染天气和非污染天气划分方法，部分污染严重的城市全部或绝大多数时间均为污染天气，部分城市全部或绝大多数时间均为非污染天气，污染天气或非污染天气的数量过少会导致后续计算的气象污染综合诊断指数不具备参考价值。本实施例将指定污染物浓度排序位于前N2位的子时间段作为污染时间段，能够适用于不同污染程度的地区，避免污染时间段的数量过小或过大，进而能够避免污染时间段和非污染时间段的划分不合理导致气象污染综合诊断指数不具有参考价值。
图2-6分别是2019年，本发明实施例的颗粒物对应的气象污染综合诊断指数的计算值与PM2.5的观测值在京津冀地区、长三角地区、珠三角地区、西南地区和西北地区的变化曲线对比图。横轴为时间，纵轴为PM2.5浓度，实线为利用本发明实施例计算的气象污染综合诊断指数计算的PM2.5浓度预报值，虚线为PM2.5浓度实际观测值。从图中可以看出，各区域观测值和预报值都呈显著的正相关。各区域拟合预报结果总体偏平稳，不易预报出极高值和极低值。
图7-11分别是2019年本发明实施例的臭氧对应的气象污染综合诊断指数的计算值与臭氧的观测值在京津冀地区、长三角地区、珠三角地区、西南地区和西北地区的变化曲线对比图。横轴为时间，纵轴为臭氧浓度，实线为利用本发明实施例计算的气象污染综合诊断指数计算的臭氧浓度预报值，虚线为臭氧浓度实际观测值。从图中可以看出，各区域观测值和预报值都呈显著的正相关。各区域拟合预报结果总体偏平稳，不易预报出极高值和极低值。
图12是2019年北京市臭氧日最大浓度与本发明实施例的臭氧对应的气象污染综合诊断指数的散点图、拟合曲线。图中，横轴为臭氧对应的气象污染综合诊断指数的数值，纵轴为臭氧的浓度。每个点代表一对对应的气象污染综合诊断指数和臭氧浓度，线为图中全部点的拟合曲线。由图12来看，2019年北京市臭氧日最大浓度与臭氧对应的气象污染综合诊断指数离散度较优。利用臭氧综合指数拟合臭氧日最大浓度，拟合公式为CO3＝28.69*pmi_o3-185.08,其中，CO3为纵坐标的对应数值，pmi_o3为横坐标的对应数值。拟合值与观测值的指定污染物影响度R为0.76，均方根误差RMSE为43.28。
图13是2019年北京市PM2.5日均浓度与本发明实施例的颗粒物对应的气象污染综合诊断指数的散点图、拟合曲线。图中，横轴为颗粒物对应的气象污染综合诊断指数的数值，纵轴为PM2.5的浓度。每个点代表一对对应的气象污染综合诊断指数和PM2.5的浓度，线为图中全部点的拟合曲线。由图13来看，2019年北京市日均PM2.5浓度与颗粒物对应的气象污染综合诊断指数离散度较优。利用颗粒物综合指数拟合PM2.5浓度，拟合公式为CPM2.5＝9.92*pmi_pm25–55.03,其中，CPM2.5为纵坐标的对应数值，pmi_pm25为横坐标的对应数值。拟合值与观测值的指定污染物影响度R为0.51，均方根误差RMSE为27.02。
在本实施例中还提供了一种气象污染综合诊断指数计算装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”为可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图14是根据本发明实施例的气象污染综合诊断指数计算装置的结构框图。如图14所示，本实施例提供一种气象污染综合诊断指数计算装置，包括：
第一划分模块141，用于将采样时间段平均划分为多个子时间段；
第二划分模块142，将子时间段分为针对指定污染物的污染时间段和非污染时间段；
第一获取模块143，用于获取多个气象因子；
第二获取模块144，用于获取采样时间段内，每个气象因子的多个样本；
第一计算模块145，用于根据样本的数值和样本在污染时间段和非污染时间段的分布情况确定每个气象因子的分指数集合；
第二计算模块146，用于根据指定气象因子的目标数值和对应的分指数集合确定指定气象因子的分指数；
第三计算模块147，用于将指定气象因子的分指数相加得到指定污染物对应的气象污染综合诊断指数。
本实施例中的气象污染综合诊断指数计算装置是以功能单元的形式来呈现，这里的单元是指ASIC电路，执行一个或多个软件或固定程序的处理器和存储器，和/或其他可以提供上述功能的器件。
在一个具体的实施方式中，第一计算模块包括：划分单元，用于将气象因子的样本按照数值大小划分为多个区间；计算单元，用于根据每个区间内的样本在污染时间段和非污染时间段的分布数量计算每个区间对应的区间分指数，气象因子对应的全部区间分指数组成气象因子的分指数集合。
上述各个模块的更进一步的功能描述与上述对应实施例相同，在此不再赘述。
本发明实施例还提供一种电子设备，具有上述图14所示的一种气象污染综合诊断指数计算装置。
请参阅图15，图15是本发明实施例提供的电子设备的硬件结构示意图，如图15所示，该终端可以包括：至少一个处理器151，例如CPU(Central Processing Unit，中央处理器)，至少一个通信接口153，存储器154，至少一个通信总线152。其中，通信总线152用于实现这些组件之间的连接通信。其中，通信接口153可以包括显示屏(Display)、键盘(Keyboard)，可选通信接口153还可以包括标准的有线接口、无线接口。存储器154可以是高速RAM存储器(Random Access Memory，随机存取存储器)，也可以是非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器154可选的还可以是至少一个位于远离前述处理器151的存储装置。其中处理器151可以结合图14所描述的装置，存储器154中存储应用程序，且处理器151调用存储器154中存储的程序代码，以用于执行上述任一气象污染综合诊断指数计算方法。
其中，通信总线152可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。通信总线152可以分为地址总线、数据总线、控制总线等。为便于表示，图15中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器154可以包括易失性存储器(英文：volatilememory)，例如随机存取存储器(英文：random-access memory，缩写：RAM)；存储器也可以包括非易失性存储器(英文：non-volatile memory)，例如快闪存储器(英文：flash memory)，硬盘(英文：hard diskdrive，缩写：HDD)或固态硬盘(英文：solid-state drive，缩写：SSD)；存储器154还可以包括上述种类的存储器的组合。
其中，处理器151可以是中央处理器(英文：centralprocessing unit，缩写：CPU)，网络处理器(英文：network processor，缩写：NP)或者CPU和NP的组合。
其中，处理器151还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文：application-specific integrated circuit，缩写：ASIC)，可编程逻辑器件(英文：programmablelogic device，缩写：PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(英文：complex programmable logic device，缩写：CPLD)，现场可编程逻辑门阵列(英文：field-programmable gate array，缩写：FPGA)，通用阵列逻辑(英文：generic arraylogic,缩写：GAL)或其任意组合。
可选地，存储器154还用于存储程序指令。处理器151可以调用程序指令，实现如本申请图1实施例中所示的气象污染综合诊断指数计算方法。
本发明实施例还提供了一种非暂态计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的气象污染综合诊断指数计算方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、快闪存储器(FlashMemory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种气象污染综合诊断指数计算方法，其特征在于，包括：
将采样时间段平均划分为多个子时间段；
将所述子时间段分为针对指定污染物的污染时间段和非污染时间段；
获取多个气象因子；
获取所述采样时间段内，每个所述气象因子的多个样本；
根据所述样本的数值和所述样本在所述污染时间段和非污染时间段的分布情况确定每个所述气象因子的分指数集合；
根据指定气象因子的目标数值和对应的所述分指数集合确定每个所述指定气象因子的分指数；
将所述指定气象因子的分指数相加得到所述指定污染物对应的气象污染综合诊断指数。
2.根据权利要求1所述的气象污染综合诊断指数计算方法，其特征在于，根据所述样本的数值和所述样本在所述污染时间段和非污染时间段的分布情况确定每个所述气象因子的分指数集合包括：
将所述气象因子的样本按照数值大小划分为多个区间；
根据每个所述区间内的所述样本在所述污染时间段和非污染时间段的分布数量计算每个区间对应的区间分指数，所述气象因子对应的全部所述区间分指数组成所述气象因子的分指数集合。
3.根据权利要求2所述的气象污染综合诊断指数计算方法，其特征在于，确定每个所述气象因子的分指数集合之后还包括：
计算每个所述气象因子的指定污染物影响度；
将所述指定污染物影响度按照从大到小的顺序排序；
获取简单相关系数大于设定值的两个所述气象因子，将排序靠后的所述气象因子剔除，重复执行上述步骤直至任意两个所述气象因子的简单相关系数均小于或等于设定值；
将排序位于前N1个所述指定污染物影响度对应的所述气象因子作为所述指定气象因子；
其中，所述指定污染物影响度为所述气象因子对应的数值最大的区间分指数和数值最小的区间分指数的差值。
4.根据权利要求1所述的气象污染综合诊断指数计算方法，其特征在于，根据每个所述子时间段对应的指定污染物的浓度将所述子时间段分为污染时间段和非污染时间段包括：
将所述子时间段按照所述指定污染物的浓度从高到低的顺序排序，将排序位于前N2位的子时间段作为污染时间段，将其余子时间段作为非污染时间段。
5.根据权利要求1所述的气象污染综合诊断指数计算方法，其特征在于，获取所述采样时间段内，每个所述气象因子的多个样本包括：
在所述采样时间段内按照指定时间间隔采集每个所述气象因子的样本，所述指定时间间隔的时长小于所述子时间段的时长。
6.根据权利要求2-5中任一所述的气象污染综合诊断指数计算方法，其特征在于，所述区间分指数的计算公式如下：
其中，i为气象因子；n为区间；Kin为气象因子i在区间n内对应的区间分指数；ain为气象因子i在区间n内的样本中，分布在污染时间段的样本的数量；bin为气象因子i在区间n内的样本中，分布在非污染时间段的样本的数量；a为作为污染时间段的子时间段的数量；b为作为非污染时间段的子时间段的数量。
7.一种气象污染综合诊断指数计算装置，其特征在于，包括：
第一划分模块，用于将采样时间段平均划分为多个子时间段；
第二划分模块，将所述子时间段分为针对指定污染物的污染时间段和非污染时间段；
第一获取模块，用于获取多个气象因子；
第二获取模块，用于获取所述采样时间段内，每个所述气象因子的多个样本；
第一计算模块，用于根据所述样本的数值和所述样本在所述污染时间段和非污染时间段的分布情况确定每个所述气象因子的分指数集合；
第二计算模块，用于根据指定气象因子的目标数值和对应的所述分指数集合确定指定气象因子的分指数；
第三计算模块，用于将指定气象因子的分指数相加得到所述指定污染物对应的气象污染综合诊断指数。
8.根据权利要求7所述的气象污染综合诊断指数计算装置，其特征在于，所述第一计算模块包括：
划分单元，用于将所述气象因子的样本按照数值大小划分为多个区间；
计算单元，用于根据每个所述区间内的所述样本在所述污染时间段和非污染时间段的分布数量计算每个区间对应的区间分指数，所述气象因子对应的全部所述区间分指数组成所述气象因子的分指数集合。
9.一种电子设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行上述权利要求1-6中任一所述的气象污染综合诊断指数计算方法。
10.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现上述权利要求1-6中任一所述的气象污染综合诊断指数计算方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110362235.5A CN112907149A (zh) | 2021-04-02 | 2021-04-02 | 气象污染综合诊断指数计算方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110362235.5A CN112907149A (zh) | 2021-04-02 | 2021-04-02 | 气象污染综合诊断指数计算方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112907149A true CN112907149A (zh) | 2021-06-04 |
Family
ID=76109884
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110362235.5A Pending CN112907149A (zh) | 2021-04-02 | 2021-04-02 | 气象污染综合诊断指数计算方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112907149A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114565330A (zh) * | 2022-04-30 | 2022-05-31 | 江西省气象信息中心(江西省气象培训中心、江西省农村经济信息中心) | 降水观测设备的健康度评估方法、系统、设备和存储介质 |
| CN114839317A (zh) * | 2021-12-27 | 2022-08-02 | 北京雪迪龙科技股份有限公司 | 大气网格化综合预警方法及其系统 |
| CN115879770A (zh) * | 2023-02-17 | 2023-03-31 | 深圳市国家气候观象台(深圳市天文台) | 一种污染气象风险指数计算方法、系统、终端及存储介质 |
| CN116757555A (zh) * | 2023-08-14 | 2023-09-15 | 中科三清科技有限公司 | 确定污染特征类型的方法、装置、电子设备和存储介质 |
| CN116776073A (zh) * | 2023-08-14 | 2023-09-19 | 中科三清科技有限公司 | 一种污染物浓度的评估方法和装置 |
-
2021
- 2021-04-02 CN CN202110362235.5A patent/CN112907149A/zh active Pending
Non-Patent Citations (3)
| Title |
|---|
| 张敏 等: "天津静稳指数建立及在环境气象预报和评估中的应用", 《环境科学学报》 * |
| 文雯 等: "成都市大气水汽与空气质量关系的研究", 《环境科学学报》 * |
| 陈懿妮 等: "杭州市静稳天气指数构建及应用研究", 《环境科学学报》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114839317A (zh) * | 2021-12-27 | 2022-08-02 | 北京雪迪龙科技股份有限公司 | 大气网格化综合预警方法及其系统 |
| CN114565330A (zh) * | 2022-04-30 | 2022-05-31 | 江西省气象信息中心(江西省气象培训中心、江西省农村经济信息中心) | 降水观测设备的健康度评估方法、系统、设备和存储介质 |
| CN115879770A (zh) * | 2023-02-17 | 2023-03-31 | 深圳市国家气候观象台(深圳市天文台) | 一种污染气象风险指数计算方法、系统、终端及存储介质 |
| CN116757555A (zh) * | 2023-08-14 | 2023-09-15 | 中科三清科技有限公司 | 确定污染特征类型的方法、装置、电子设备和存储介质 |
| CN116776073A (zh) * | 2023-08-14 | 2023-09-19 | 中科三清科技有限公司 | 一种污染物浓度的评估方法和装置 |
| CN116757555B (zh) * | 2023-08-14 | 2023-11-03 | 中科三清科技有限公司 | 确定污染特征类型的方法、装置、电子设备和存储介质 |
| CN116776073B (zh) * | 2023-08-14 | 2023-11-21 | 中科三清科技有限公司 | 一种污染物浓度的评估方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112907149A (zh) | 气象污染综合诊断指数计算方法、装置及电子设备 | |
| Boer et al. | Kriging and thin plate splines for mapping climate variables | |
| Fang et al. | Spatial-temporal characteristics of PM 2.5 in China: A city-level perspective analysis | |
| CN112880751B (zh) | 基于走航监测的空气污染状况获取方法 | |
| Vignati et al. | Global scale emission and distribution of sea-spray aerosol: Sea-salt and organic enrichment | |
| CN112905560A (zh) | 一种多源时空大数据深度融合的空气污染预测方法 | |
| CN111612055B (zh) | 天气形势的分型方法、空气污染状况的预测方法及装置 | |
| CN114254802B (zh) | 气候变化驱动下植被覆盖时空变化的预测方法 | |
| CN113632101A (zh) | 一种通过向量化分析预测大气污染的方法 | |
| Sequeira et al. | A critical data analysis and interpretation of the pH, ion loadings and electrical conductivity of rainwater from the territory of Hong Kong | |
| CN113836808A (zh) | 一种基于重污染特征约束的pm2.5深度学习预测方法 | |
| CN111612245A (zh) | 大气污染状况预测方法、装置、电子设备及存储介质 | |
| CN112819064A (zh) | 基于谱聚类的终端区时序气象场景识别方法 | |
| CN112990355A (zh) | 污染天气的分型方法、装置、电子设备及存储介质 | |
| CN116499938A (zh) | 一种职业工作场所气溶胶悬浮物智能监测方法 | |
| Santos et al. | Increasy eutrophication symptoms during a prolonged drought event in tropical semi-arid reservoirs, Brazil | |
| dos Santos et al. | Analysis of atmospheric aerosol (PM2. 5) in Recife city, Brazil | |
| CN112785876B (zh) | 终端区时序气象场景智能识别系统 | |
| CN115690576B (zh) | 基于夜光影像多特征的贫困率估算方法及系统 | |
| Makra et al. | An objective classification system of air mass types for Szeged, Hungary, with special interest in air pollution levels | |
| CN114691661B (zh) | 一种基于同化的云导风、温湿廓线预处理分析方法及系统 | |
| Loganathan et al. | Estimation of air quality index using multiple linear regression | |
| CN113610436B (zh) | 一种承灾体动态脆弱性评估方法及系统 | |
| CN109711894A (zh) | 航线需求异常的检测方法及系统 | |
| CN112200619A (zh) | 遥感数据与社会调查结合的区域经济发展估算方法及系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210604 |
|
| RJ01 | Rejection of invention patent application after publication |