CN112991132A - Pm2.5和臭氧协同管控区域识别方法及装置 - Google Patents
Pm2.5和臭氧协同管控区域识别方法及装置 Download PDFInfo
- Publication number
- CN112991132A CN112991132A CN202110483993.2A CN202110483993A CN112991132A CN 112991132 A CN112991132 A CN 112991132A CN 202110483993 A CN202110483993 A CN 202110483993A CN 112991132 A CN112991132 A CN 112991132A
- Authority
- CN
- China
- Prior art keywords
- concentration
- ozone
- unit monitoring
- monitoring area
- area
- 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
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 title claims abstract description 154
- 238000012544 monitoring process Methods 0.000 claims abstract description 196
- 239000013618 particulate matter Substances 0.000 claims abstract description 108
- 239000000126 substance Substances 0.000 claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 44
- 239000012855 volatile organic compound Substances 0.000 claims description 108
- 238000006552 photochemical reaction Methods 0.000 claims description 20
- 238000010586 diagram Methods 0.000 claims description 18
- 230000001105 regulatory effect Effects 0.000 claims description 18
- 238000007477 logistic regression Methods 0.000 claims description 14
- IYLGZMTXKJYONK-ACLXAEORSA-N (12s,15r)-15-hydroxy-11,16-dioxo-15,20-dihydrosenecionan-12-yl acetate Chemical compound O1C(=O)[C@](CC)(O)C[C@@H](C)[C@](C)(OC(C)=O)C(=O)OCC2=CCN3[C@H]2[C@H]1CC3 IYLGZMTXKJYONK-ACLXAEORSA-N 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- IYLGZMTXKJYONK-UHFFFAOYSA-N ruwenine Natural products O1C(=O)C(CC)(O)CC(C)C(C)(OC(C)=O)C(=O)OCC2=CCN3C2C1CC3 IYLGZMTXKJYONK-UHFFFAOYSA-N 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 8
- 239000000809 air pollutant Substances 0.000 abstract description 5
- 231100001243 air pollutant Toxicity 0.000 abstract description 5
- 230000004044 response Effects 0.000 abstract description 2
- 230000001737 promoting effect Effects 0.000 abstract 1
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 159
- 239000007789 gas Substances 0.000 description 11
- 230000008859 change Effects 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 239000003344 environmental pollutant Substances 0.000 description 6
- 231100000719 pollutant Toxicity 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 239000002243 precursor Substances 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000003915 air pollution Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 239000005022 packaging material Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002195 synergetic effect Effects 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
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
- G01N33/0037—NOx
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
- G01N33/0039—O3
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
- G01N33/0047—Organic compounds
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0073—Control unit therefor
- G01N33/0075—Control unit therefor for multiple spatially distributed sensors, e.g. for environmental monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Combustion & Propulsion (AREA)
- Business, Economics & Management (AREA)
- Medicinal Chemistry (AREA)
- Theoretical Computer Science (AREA)
- Food Science & Technology (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Dispersion Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Algebra (AREA)
- Educational Administration (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
Abstract
本发明提供了一种PM2.5和臭氧协同管控区域识别方法及装置,其中,该方法包括:对待监测地点划分至少一单位监测区域,在单位监测区域确定空气质量采集点;在空气质量采集点采集单位监测区域的空气物质浓度;基于空气物质浓度绘制单位监测区域对应的臭氧EKMA曲线图和/或PM2.5浓度分布图;根据臭氧EKMA曲线图和/或PM2.5浓度发布图确定单位监测区域的空气管控区域类别。通过本发明,可以快速识别待监测地点的监管区域,准确定位引起待监测地点空气污染物浓度升高的因素,以解决臭氧与PM2.5问题为入手点,为提升空气质量提供管控方向。
Description
技术领域
本发明涉及环境监控技术领域,特别是一种PM2.5和臭氧协同管控区域识别方法及装置、存储介质、设备。
背景技术
臭氧是氧的同素异形体,是一种具有特殊臭味的淡蓝色气体,主要分布在10~50km高度的平流层大气中,臭氧层能吸收外来的紫外线,因此被称为保护地球的卫士。但是近些年来,地面臭氧的浓度却在在不断增长,以臭氧为首要污染物的超标天数比例也在不断增加,占总超标天数的41.8%,仅次于占比45%的PM2.5。
影响臭氧污染的因素非常复杂,臭氧的形成与其前体挥发性有机化合物(VOCs)和氮氧化物(NOx)的总量和比例密切相关,呈现非线性化学响应关系,对气象因素极其敏感。夏季臭氧污染问题已成为打赢蓝天保卫战的重要“拦路虎”,与秋冬季PM2.5污染成为挡在环境综合治理面前的“两座大山”。因此,强化大气污染综合治理和联防联控,加强细颗粒物和臭氧协同控制刻不容缓。而目前的空气质量监管识别模型输入参数复杂、存在技术壁垒,对于高频次、快速的定位监管区无法提供有力的保障。
发明内容
鉴于上述问题,本发明提出了一种PM2.5和臭氧协同管控区域识别方法及装置、存储介质、设备,通过对待监测地点进行高密度的单位监测区域划分,设置空气质量采集点采集各单位监测区域的空气物质浓度,根据空气物质浓度绘制臭氧EKMA曲线图和PM2.5浓度分布图,根据臭氧EKMA曲线图和PM2.5浓度分布图确定单位监测区域的空气管控区域类别,可以实现高密度的PM2.5和臭氧的协同监管,综合确定待监测地点的空气质量,提高了空气管控区域类别确定的准确性,为后续提升空气质量水平提供基础。
依据本发明第一方面,提供了一种PM2.5和臭氧协同管控区域识别方法,包括:
对待监测地点划分至少一单位监测区域,在所述单位监测区域确定空气质量采集点;
在所述空气质量采集点采集所述单位监测区域的空气物质浓度;
基于所述空气物质浓度绘制所述单位监测区域对应的臭氧EKMA曲线图和/或PM2.5浓度分布图;
根据所述臭氧EKMA曲线图和/或PM2.5浓度发布图确定所述单位监测区域的空气管控区域类别。
可选地,所述空气物质浓度包括臭氧浓度、PM2.5浓度、VOCs浓度和NOx浓度;
所述基于所述空气物质浓度绘制所述单位监测区域对应的臭氧EKMA曲线图和/或PM2.5浓度分布图之前,还包括:
分别根据所述空气质量采集点采集的PM2.5浓度、VOCs浓度及NOx浓度计算设定时间周期内各小时对应的PM2.5小时浓度、VOCs小时浓度及NOx小时浓度;
根据所述空气质量采集点采集的臭氧浓度计算设定时间周期内各小时对应的臭氧8小时滑动平均浓度。
可选地,所述基于所述空气物质浓度绘制所述单位监测区域对应的臭氧EKMA曲线图和/或PM2.5浓度分布图,包括:
利用逻辑回归算法基于所述设定时间周期内各小时对应的VOCs小时浓度、NOx小时浓度和臭氧8小时滑动平均浓度,绘制所述单位监测区域对应的臭氧EKMA曲线图;
其中,所述VOCs小时浓度和所述NOx小时浓度为光化学反应前的初始浓度,所述臭氧8小时滑动平均浓度为光化学反应后的平衡浓度;和/或,
基于所述设定时间周期内各小时对应的VOCs小时浓度、NOx小时浓度和PM2.5小时浓度,利用逻辑回归算法绘制所述单位监测区域对应的PM2.5浓度分布图;
其中,所述VOCs小时浓度和所述NOx小时浓度为光化学反应前的初始浓度,所述PM2.5小时浓度为光化学反应后的平衡浓度。
可选地,所述根据所述臭氧EKMA曲线图和/或PM2.5浓度发布图确定所述单位监测区域的空气管控区域类别,包括:
根据所述臭氧EKMA曲线图确定所述单位监测区域对应的臭氧管控区域类别;和/或,
根据所述PM2.5浓度发布图确定所述单位监测区域对应的PM2.5管控区域类别;
根据所述单位监测区域对应的臭氧管控区域类别和/或PM2.5管控区域类别确定所述单位监测区域的空气管控区域类别;
其中,所述空气管控区域类别包括以下之一:PM2.5-NOx-VOCs监管区域、PM2.5-NOx监管区域、PM2.5-VOCs监管区域,NOx-VOCs监管区域、NOx监管区域、VOCs监管区域、PM2.5监管区域和正常区域。
可选地,所述根据所述臭氧EKMA曲线图确定所述单位监测区域对应的臭氧管控区域类别,包括:
获取当前测量的NOx浓度和VOCs浓度分别作为目标NOx浓度和目标VOCs浓度,在所述臭氧EKMA曲线图中确定第一目标点,并获取所述第一目标点对应的横轴等值线密度与纵轴等值线密度;
若所述第一目标点对应的横轴等值线密度大于纵轴等值线密度,则所述单位监测区域对应的臭氧管控区域为VOCs监管区域;
若所述第一目标点对应的横轴等值线密度小于纵轴等值线密度,则所述单位监测区域对应的臭氧管控区域为NOx监管区域;
若所述第一目标点对应的横轴等值线密度与纵轴等值线密度相同,则所述单位监测区域对应的臭氧管控区域为VOCs-NOx监管区域。
可选地,所述根据所述单位监测区域对应的PM2.5浓度发布图确定PM2.5管控区域类别,包括:
获取当前测量的NOx浓度、VOCs浓度和PM2.5浓度分别作为目标NOx浓度、目标VOCs浓度和目标PM2.5浓度,在所述PM2.5浓度分布图中确定第二目标点,并获取所述第二目标点对应的目标PM2.5浓度与拟合PM2.5浓度;
若所述第二目标点对应的目标PM2.5浓度大于拟合PM2.5浓度,则所述单位监测区域对应的PM2.5管控区域为PM2.5监管区域;
若所述第二目标点对应的目标PM2.5浓度小于或等于拟合PM2.5浓度,则所述单位监测区域对应的PM2.5管控区域为正常区域。
可选地,当所述待监测地点划分的单位监测区域为多个时,所述方法还包括:
收集各所述单位监测区域对应的空气管控区域类别;
获取各所述单位监测区域的地理位置;
根据各所述单位监测区域的地理位置和对应的空气管控区域类别,绘制空气质量监管地图,以对所述待检测地点中各所述单位监测区域对应的空气管控区域类别进行可视化展示。
依据本发明第二方面,提供了一种PM2.5和臭氧协同管控区域识别装置,包括:
区域划分模块,用于对待监测地点划分至少一单位监测区域,在所述单位监测区域确定空气质量采集点;
信息采集模块,用于在所述空气质量采集点采集所述单位监测区域的空气物质浓度;
图像绘制模块,用于基于所述空气物质浓度绘制所述单位监测区域对应的臭氧EKMA曲线图和/或PM2.5浓度分布图;
监管区域识别模块,用于根据所述臭氧EKMA曲线图和/或PM2.5浓度发布图确定所述单位监测区域的空气管控区域类别。
依据本发明第三方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如本发明第一方面任一项所述的PM2.5和臭氧协同管控区域识别方法的步骤。
依据本发明第四方面,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如本发明第一方面任一项所述的PM2.5和臭氧协同管控区域识别方法的步骤。
本发明提供的一种PM2.5和臭氧协同管控区域识别方法及装置、存储介质、设备,通过对待监测地点划分高密度的单位监测区域并于各单位监测区域设置可以采集空气物质浓度的空气质量采集点,根据采集的空气物质浓度绘制的臭氧EKMA曲线图和/或PM2.5浓度分布图确定单位监测区域的空气监管区域类别,并根据基于待监测地点划分的单位监测区域的具体地理位置及对应的空气监管区域类别绘制待监测地点的空气质量监管地图,既可以完成对于各单位监测区域空气管控区域类别的迅速确定,又能够根据EKMA曲线图和PM2.5浓度分布图对降低空气质量的空气污染物进行准确溯源,且输入数据简单、技术操作便捷,容易实现对待监测地点的空气污染情况及监控状态的整体把控。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
根据下文结合附图对本发明具体实施例的详细描述,本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的PM2.5和臭氧协同管控区域识别方法的流程示意图;
图2示出了本发明实施例提供的臭氧EKMA曲线图的示意图;
图3示出了本发明实施例提供的PM2.5浓度分布图的示意图;
图4示出了本发明实施例提供的空气质量监管地图的示意图;
图5示出了本发明实施例提供的PM2.5和臭氧协同管控区域识别装置的结构示意图;
图6示出了本发明实施例提供的计算机设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例提供了一种PM2.5和臭氧协同管控区域识别方法,如图1所示,该方法至少可以包括以下步骤S101~S104:
步骤S101,对待监测地点划分至少一单位监测区域,在单位监测区域确定空气质量采集点。
其中,待监测地点可以是以地理边界进行划分的某省份、某城市或某县等行政区域;单位区域可以根据待监测地点所包含的地理区域及边界进行划分,例如把某县城的各乡、各镇或各村为依据划分出单位监测区域,也可以按照一定的面积大小划分某县城对应的单位监测区域。对于一个待监测地点,可以划分一个或多个单位监测区域;对于每个单位监测区域,可以设置一个或多个空气质量采集点。各空气质量采集点可以设置多种物质浓度的测量仪器。
PM2.5与其前体物VOCs、NOx的空气质量采集点,包括:重点考核点、工地、工厂、道路交通以及国控站点周边“散乱污”等重点污染源,对上述空气质量采集点实时监测监控;臭氧与其前体物VOCs、NOx的空气质量采集点,包括:重点涉气企业、加油站、港口码头、道路交通以及国控站点周边等重点污染源实时监测监控。
上述空气质量采集点需要避开大面积的海洋湖泊、森林湿地、高山、盆地等地区。由于大面积的海洋/森林,与人类活动地区有明显的差异,会导致分析结论产生较大偏差。
步骤S102,在空气质量采集点采集单位监测区域的空气物质浓度。
空气物质浓度的采集可以使用各类传感器或信息采集模块。通常信息采集模块的设置高度为距离地面5-10米的高度。
在空气质量采集点至少设置2台信息采集模块,运行机制包括2种,第一种,2台信息采集模块均实时采集空气物质浓度,将采集的数据进行运算取平均值。另一种,其中一台信息采集模块负责实时采集数据,并将数据发送出去;另一台信息采集模块负责实时采集数据,并实时对另外一台准备发送出去的数据进行校验,如果校验结果为错误数据,则实时更新其采集的正确数据发送给另一台信息采集模块;如果校验结果为正确数据,则发送指令给另一台信息采集模块,另一台信息采集模块接收到指令后,将数据发送出去。
其中,空气物质浓度可以包括臭氧浓度、PM2.5浓度、VOCs(挥发性有机物)浓度及NOx(氮氧化物)浓度等空气污染物的浓度。VOCs(挥发性有机物)及NOx(氮氧化物)为臭氧及PM2.5共有的前体物。
步骤S103,基于空气物质浓度绘制单位监测区域对应的臭氧EKMA曲线图和/或PM2.5浓度分布图。
在绘制单位监测区域对应的臭氧EKMA曲线图和PM2.5浓度分布图之前,可以先对各空气质量采集点采集的单位监测区域的空气物质浓度进行处理。
具体来说,可以分别根据空气质量采集点采集的PM2.5浓度、VOCs浓度及NOx浓度计算设定时间周期内各小时对应的PM2.5小时浓度、VOCs小时浓度及NOx小时浓度;根据空气质量采集点采集的臭氧浓度计算设定时间周期内各小时对应的臭氧8小时滑动平均浓度。
其中,设定时间周期可以是绘制臭氧EKMA曲线图和PM2.5浓度分布图时所需空气物质浓度的采集时间周期,可以根据实际应用需求设置为几个小时、一天或一周等不同的时间周期,本发明对此不做限定。
也就是说,可以通过空气质量采集点对空气物质浓度进行实时监测,对于PM2.5、VOCs及NOx,计算前一个小时实时采集的空气物质浓度的平均浓度当作当前小时的空气物质小时浓度。例如,15:00的空气物质小时浓度可以为空气质量采集点在14:00-15:00实时采集的多个空气物质浓度的平均浓度。
若单个单位监测区域设置有单个空气质量采集点,则可以直接将单个空气质量采集点对应的空气物质小时浓度作为单位监测区域对应的空气物质小时浓度。
若单个单位监测区域设置有多个空气质量采集点,则可以将多个空气质量采集点对应的空气物质小时浓度的平均值作为单位监测区域对应的空气物质小时浓度,或将单位监测区域设置的多个空气质量采集点在某一时间实时采集的空气物质浓度的平均值作为单位监测区域在这一时间对应的空气物质浓度,再计算单位监测区域前一个小时对应的空气物质浓度的平均值,将此平均值作为单位监测区域当前小时的空气物质小时浓度。例如,某单位监测区域设置有3个空气质量采集点,每个空气质量采集点在同一时刻采集的空气物质浓度分别为a、b和c,计算均值d=(a+b+c)/3,将d作为这一时刻单位监测区域对应的空气物质浓度。若每个空气质量采集点都分别在前一小时内采集了45个空气物质浓度,则可以得到前一小时内单位监测区域对应的45个空气物质浓度,计算这45个空气物质浓度的平均浓度,就可以得到单位监测区域在当前时间对应的空气物质小时浓度。
对于臭氧,可以以当前时间为准,计算前8个小时采集的空气物质浓度的平均浓度当作当前小时的臭氧8小时滑动平均浓度,即每个小时对前8小时的臭氧小时浓度计算均值,作为当前小时的8小时滑动平均浓度。例如,当前时间为15:00,空气质量采集点在7:00-15:00八个小时,每个小时分别测量了45个臭氧的实时浓度,计算各小时对应的臭氧小时浓度,并计算各小时对应的臭氧小时浓度均值得到15:00的臭氧8小时滑动平均浓度。
在实际应用中,空气物质浓度的测量及计算方式可以根据不同的应用场景和实际情况进行调整,本发明对此不做限定。
进一步地,根据空气物质浓度绘制单位监测区域对应的臭氧EKMA曲线图可以包括:利用逻辑回归算法基于设定时间周期内各小时对应的VOCs小时浓度、NOx小时浓度和臭氧8小时滑动平均浓度,绘制单位监测区域对应的臭氧EKMA曲线图;其中,VOCs小时浓度和NOx小时浓度为光化学反应前的初始浓度,臭氧8小时滑动平均浓度为光化学反应后的平衡浓度。
根据空气物质浓度绘制单位监测区域对应的PM2.5浓度分布图可以包括:基于设定时间周期内各小时对应的VOCs小时浓度、NOx小时浓度和PM2.5小时浓度,利用逻辑回归算法绘制单位监测区域对应的PM2.5浓度分布图;其中,VOCs小时浓度和NOx小时浓度为光化学反应前的初始浓度,PM2.5小时浓度为光化学反应后的平衡浓度。
在绘制臭氧EKMA曲线图和PM2.5浓度分布图时所用到的逻辑回归算法,是一种根据模型预测在不同的自变量情况下因变量发生变化大小的计算过程,通过对回归或者分类问题,建立代价函数,再基于优化方法迭代求解出最优的模型参数,根据最优的模型参数对模型进行套用,得到训练完成的最优模型,可以对回归或者分类问题进行计算。
其中,绘制单位监测区域对应的臭氧EKMA曲线图,可以先设置模型训练集,模型训练集可以从空气质量采集点采集的各空气物质浓度中提取。模型训练集中自变量可以设置为臭氧浓度,因变量可以包括VOCs浓度、NOx浓度、VOCs/NOx比值及NOx中的NO2/NO比值,根据训练集中的自变量和因变量对逻辑回归模型进行训练,得到目标逻辑回归算法。由于VOCs和NOx为臭氧的前体物,因此,将VOCs小时浓度和NOx小时浓度作为光化学反应前的初始浓度,臭氧8小时滑动平均浓度作为光化学反应后的平衡浓度,将VOCs小时浓度、NOx小时浓度和臭氧8小时滑动平均浓度作为输入数据,通过目标逻辑回归算法,得到如图2所示的臭氧EKMA曲线图。图2为某市某日的臭氧EKMA曲线图。图中,X轴为VOCs浓度,Y轴为NOx浓度,等值线为臭氧浓度的拟合结果。通过图2,可以清楚的观察到臭氧浓度受VOCs浓度和NOx浓度变化的影响。
例如,将4月1日00:00-24:00作为一个周期,对于该周期内的每个小时对应的VOCs小时浓度、NOx小时浓度和臭氧8小时滑动平均浓度作为输入数据,通过目标逻辑回归算法,可以得到反映4月1日臭氧浓度受VOCs浓度和NOx浓度影响变化的臭氧EKMA曲线图。
绘制单位监测区域对应的PM2.5浓度分布图,可以先设置样本训练集,样本训练集可以从空气质量采集点采集的各空气物质浓度中提取,包括VOCs浓度、NOx浓度和PM2.5浓度,对样本训练集进行逻辑回归训练,拟合得到用于预测PM2.5浓度值的目标半方差函数。由于VOCs和NOx为PM2.5的前体物,因此,将VOCs小时浓度和NOx小时浓度作为光化学反应前的初始浓度,PM2.5小时浓度作为光化学反应后的平衡浓度,将VOCs小时浓度、NOx小时浓度和PM2.5小时浓度作为输入数据,利用目标半方差函数拟合PM2.5浓度曲面,得到如图3所示的PM2.5浓度分布图。图3为某市某日的PM2.5浓度分布图。图中,X轴为VOCs浓度,Y轴为NOx浓度,Z轴为PM2.5浓度,曲面为PM2.5浓度的拟合结果。通过图3,可以清楚的观察到PM2.5浓度受VOCs浓度和NOx浓度变化的影响。
也就是说,将4月1日00:00-24:00作为一个周期,对于该周期内的每个小时对应的VOCs小时浓度、NOx小时浓度和PM2.5小时浓度作为输入数据,利用目标半方差函数,可以得到根据4月1日的VOCs浓度和NOx浓度拟合得到的PM2.5浓度的PM2.5浓度分布图。
步骤S104,根据臭氧EKMA曲线图和/或PM2.5浓度发布图确定单位监测区域的空气管控区域类别。
确定单位监测区域的空气管控区域类别,可以先根据单位监测区域对应的臭氧EKMA曲线图确定臭氧管控区域类别,和/或根据单位监测区域对应的PM2.5浓度发布图确定PM2.5管控区域类别。其中,臭氧管控区域类别可以包括VOCs监管区域、NOx监管区域和VOCs-NOx监管区域;PM2.5管控区域类别可以包括PM2.5监管区域和正常区域。
具体来说,可以获取当前测量的NOx浓度和VOCs浓度,作为目标NOx浓度和目标VOCs浓度,在臭氧EKMA曲线图中确定第一目标点,并获取第一目标点对应的横轴等值线密度与纵轴等值线密度;若第一目标点对应的横轴等值线密度大于纵轴等值线密度,则单位监测区域对应的臭氧管控区域为VOCs监管区域;反之,若第一目标点对应的横轴等值线密度小于纵轴等值线密度,则单位监测区域对应的臭氧管控区域为NOx监管区域;若第一目标点对应的横轴等值线密度与纵轴等值线密度相同,则单位监测区域对应的臭氧管控区域为VOCs-NOx监管区域。
对于PM2.5管控区域类别的确定,可以获取当前测量的NOx浓度、VOCs浓度和PM2.5浓度,作为目标NOx浓度、目标VOCs浓度和目标PM2.5浓度,在PM2.5浓度分布图中确定第二目标点,并获取第二目标点对应的目标PM2.5浓度与拟合PM2.5浓度;若第二目标点对应的目标PM2.5浓度大于拟合PM2.5浓度,则单位监测区域对应的PM2.5管控区域为PM2.5监管区域;若第二目标点对应的目标PM2.5浓度小于或等于拟合PM2.5浓度,则单位监测区域对应的PM2.5管控区域为正常区域。
也就是说,可以利用单位监测区域前一天的臭氧EKMA曲线图确定该单位监测区域当前时间的臭氧管控区域类别。例如,4月2日07:00时需要确定该单位监测区域4月2日的臭氧管控区域类别,则该单位监测区域对应的空气质量采集点可以在07:00时实时检测当前的NOx浓度和VOCs浓度作为目标NOx浓度和目标VOCs浓度,可以在4月1日对应的臭氧EKMA曲线图上找到与目标NOx浓度和目标VOCs浓度对应的第一目标点,可以对第一目标点对应的横纵轴等值线密度进行比较,若第一目标点对应的横轴上等值线密度更大,则为VOCs监管区域;若第一目标点对应的纵轴上等值线密度更大,则为NOx监管区域;若第一目标点对应的横纵轴等值线密度相等,则为VOCs-NOx监管区域。同理,也可以以该第一目标点对应的臭氧浓度为起点,沿纵轴向下为降低NOx浓度,沿横轴向左为降低VOCs浓度。对比降低相同的NOx浓度和VOCs浓度时的臭氧浓度变化值的大小,若降低NOx浓度时臭氧浓度变化值大于降低VOCs浓度时的臭氧浓度变化值,则单位监控区域对应的臭氧管控区域类别为NOx监管区;若降低NOx浓度时臭氧浓度变化值小于降低VOCs浓度时的臭氧浓度变化值,则为VOCs监管区;若降低相同的VOCs浓度和NOx浓度时臭氧浓度变化值相同,则为NOx-VOCs监管区。
PM2.5管控区域与臭氧管控区域的确定方法类别类似,同样可以利用单位监测区域前一天的PM2.5浓度发布图确定该单位监测区域当前时间的PM2.5管控区域类别。例如,4月2日07:00时需要确定该单位监测区域4月2日的PM2.5管控区域类别,则该单位监测区域对应的空气质量采集点可以在07:00时实时检测当前的NOx浓度、VOCs浓度和PM2.5浓度,作为目标NOx浓度、目标VOCs浓度和目标PM2.5浓度,可以在4月1日对应的PM2.5浓度发布图上找到与目标NOx浓度、目标VOCs浓度和目标PM2.5浓度对应的第二目标点,确定第二目标点与PM2.5浓度发布图中的拟合PM2.5浓度曲面的位置关系。若第二目标点在拟合PM2.5浓度曲面上方,则可以理解为第二目标点对应的目标PM2.5浓度大于拟合PM2.5浓度,则该单位监测区域对应的PM2.5管控区域为PM2.5监管区域;若第二目标点在拟合PM2.5浓度曲面下方或与拟合PM2.5浓度曲面重合,即第二目标点对应的目标PM2.5浓度小于或等于拟合PM2.5浓度,则该单位监测区域对应的PM2.5管控区域为正常区域。
进一步地,确定单位监测区域对应的臭氧管控区域类别和PM2.5管控区域类别之后,可根据各单位监测区域对应的臭氧管控区域类别和/或PM2.5管控区域类别确定各单位监测区域的空气管控区域类别。其中,空气管控区域类别可以:PM2.5-NOx-VOCs监管区域、PM2.5-NOx监管区域、PM2.5-VOCs监管区域,NOx-VOCs监管区域、NOx监管区域、VOCs监管区域、PM2.5监管区域和正常区域。
也就是说,当单位监测区域当前实时检测的臭氧浓度值低于当地污染物排放要求对应的臭氧浓度限值时,可以将单位监测区域的PM2.5管控区域类别作为空气管控区域类别;当单位监测区域当前实时检测的PM2.5浓度值低于当地污染物排放要求对应的PM2.5浓度限值时,可以将单位监测区域的臭氧管控区域类别作为空气管控区域类别;若单位监测区域当前实时检测的臭氧浓度值和PM2.5浓度值都低于当地污染物排放要求对应的污染物浓度限值时,单位监测区域的空气管控区域类别为正常区域;若单位监测区域当前实时检测的臭氧浓度值和PM2.5浓度值都高于当地污染物排放要求对应的污染物浓度限值时,可以臭氧管控区域类别和PM2.5管控区域类别相叠加,得到单位监测区域对应的空气管控区域类别。
可选地,上述实施例提及,一个待监测地点可能划分有多个单位监测区域,当待监测地点划分的单位监测区域为多个时,还可以收集各单位监测区域对应的空气管控区域类别;获取各单位监测区域的地理位置;根据各单位监测区域的地理位置和对应的空气管控区域类别绘制空气质量监管地图,以对待检测地点中各单位监测区域对应的空气管控区域类别进行可视化展示。
也就是说,可以根据地理位置将各单位监测区域对应的空气管控区域类别显示在地图上,不同的空气管控区域类别可以以不同的颜色或标注进行显示,例如,1代表PM2.5-NOx-VOCs监管区域、2代表PM2.5-NOx监管区域、3代表PM2.5-VOCs监管区域、4代表NOx-VOCs监管区域、5代表NOx监管区域、6代表VOCs监管区域、7代表PM2.5监管区域、8代表正常区域,可以参考如图4所示的某市某日的空气质量监管地图,图中,不同序号和灰度代表不同的空气管控区域类别,通过图4,可以清楚地看到各单位监测区域对应的地理位置及空气管控区域类别,整体反映了待监测地点的空气污染情况及监控状态。
本发明实施例提供了一种PM2.5和臭氧协同管控区域识别方法,通过对待监测地点划分高密度的单位监测区域上设置采集空气物质浓度的空气质量采集点实现对待监测地点的高精度监测;根据采集的空气物质浓度绘制的臭氧EKMA曲线图和PM2.5浓度分布图确定空气监管区域类别,实现输入数据简单的监管区域快速确定;绘制待监测地点的空气质量监管地图,实现对待监测地点的空气污染情况及监控状态的整体监控。另外,根据EKMA曲线图和PM2.5浓度分布图对空气污染物浓度变化进行分析,可以迅速了解造成空气污染物浓度提升的具体原因,为改善空气质量,创建优良天气提供管控方向。
进一步地,作为图1的具体实现,本发明实施例提供了一种PM2.5和臭氧协同管控区域识别装置,如图5所示,该装置可以包括:区域划分模块510、信息采集模块520、图像绘制模块530和监管区域识别模块540。
区域划分模块510,可以用于对待监测地点划分至少一单位监测区域,在单位监测区域确定空气质量采集点。
信息采集模块520,可以用于在空气质量采集点采集单位监测区域的空气物质浓度。
图像绘制模块530,可以用于基于空气物质浓度绘制单位监测区域对应的臭氧EKMA曲线图和/或PM2.5浓度分布图。
监管区域识别模块540,可以用于根据臭氧EKMA曲线图和/或PM2.5浓度发布图确定单位监测区域的空气管控区域类别。
可选地,图像绘制模块530,还可以用于分别根据空气质量采集点采集的PM2.5浓度、VOCs浓度及NOx浓度计算设定时间周期内各小时对应的PM2.5小时浓度、VOCs小时浓度及NOx小时浓度;
根据空气质量采集点采集的臭氧浓度计算设定时间周期内各小时对应的臭氧8小时滑动平均浓度。
可选地,图像绘制模块530,还可以用于利用逻辑回归算法基于设定时间周期内各小时对应的VOCs小时浓度、NOx小时浓度和臭氧8小时滑动平均浓度,绘制单位监测区域对应的臭氧EKMA曲线图;
其中,VOCs小时浓度和NOx小时浓度为光化学反应前的初始浓度,臭氧8小时滑动平均浓度为光化学反应后的平衡浓度;和/或,
基于设定时间周期内各小时对应的VOCs小时浓度、NOx小时浓度和PM2.5小时浓度,利用逻辑回归算法绘制单位监测区域对应的PM2.5浓度分布图;
其中,VOCs小时浓度和NOx小时浓度为光化学反应前的初始浓度,PM2.5小时浓度为光化学反应后的平衡浓度。
可选地,监管区域识别模块540,还可以用于根据臭氧EKMA曲线图确定单位监测区域对应的臭氧管控区域类别;和/或,
根据PM2.5浓度发布图确定单位监测区域对应的PM2.5管控区域类别;
根据单位监测区域对应的臭氧管控区域类别和/或PM2.5管控区域类别确定单位监测区域的空气管控区域类别;
其中,空气管控区域类别包括以下之一:PM2.5-NOx-VOCs监管区域、PM2.5-NOx监管区域、PM2.5-VOCs监管区域,NOx-VOCs监管区域、NOx监管区域、VOCs监管区域、PM2.5监管区域和正常区域;
获取当前测量的NOx浓度和VOCs浓度分别作为目标NOx浓度和目标VOCs浓度,在臭氧EKMA曲线图中确定第一目标点,并获取第一目标点对应的横轴等值线密度与纵轴等值线密度;
若第一目标点对应的横轴等值线密度大于纵轴等值线密度,则单位监测区域对应的臭氧管控区域为VOCs监管区域;
若第一目标点对应的横轴等值线密度小于纵轴等值线密度,则单位监测区域对应的臭氧管控区域为NOx监管区域;
若第一目标点对应的横轴等值线密度与纵轴等值线密度相同,则单位监测区域对应的臭氧管控区域为VOCs-NOx监管区域;
获取当前测量的NOx浓度、VOCs浓度和PM2.5浓度分别作为目标NOx浓度、目标VOCs浓度和目标PM2.5浓度,在PM2.5浓度分布图中确定第二目标点,并获取第二目标点对应的目标PM2.5浓度与拟合PM2.5浓度;
若第二目标点对应的目标PM2.5浓度大于拟合PM2.5浓度,则单位监测区域对应的PM2.5管控区域为PM2.5监管区域;
若第二目标点对应的目标PM2.5浓度小于或等于拟合PM2.5浓度,则单位监测区域对应的PM2.5管控区域为正常区域。
可选地,本发明实施例提供的一种PM2.5和臭氧协同管控区域识别装置还可以包括:
监管地图绘制模块540,用于当待监测地点划分的单位监测区域为多个时,收集各单位监测区域对应的空气管控区域类别;获取各单位监测区域的地理位置;根据各单位监测区域的地理位置和对应的空气管控区域类别绘制空气质量监管地图,以对待检测地点中各单位监测区域对应的空气管控区域类别进行可视化展示。
需要说明的是,本发明实施例提供的一种PM2.5和臭氧协同管控区域识别装置所涉及各功能模块的其他相应描述,可以参考图1所示方法的对应描述,在此不再赘述。
基于上述如图1所示方法,相应的,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述任一实施例所述的PM2.5和臭氧协同管控区域识别方法的步骤。
基于上述如图1所示方法和如图5所示装置的实施例,本发明实施例还提供了一种计算机设备的实体结构图,如图6所示,该计算机设备可以包括通信总线、处理器、存储器和通信接口,还可以包括、输入输出接口和显示设备,其中,各个功能单元之间可以通过总线完成相互间的通信。该存储器存储有计算机程序,处理器,用于执行存储器上所存放的程序,执行上述实施例所述的PM2.5和臭氧协同管控区域识别方法的步骤。
所属领域的技术人员可以清楚地了解到,上述描述的系统、装置、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,为简洁起见,在此不另赘述。
另外,在本发明各个实施例中的各功能单元可以物理上相互独立,也可以两个或两个以上功能单元集成在一起,还可以全部功能单元都集成在一个处理单元中。上述集成的功能单元既可以采用硬件的形式实现,也可以采用软件或者固件的形式实现。
本领域普通技术人员可以理解:所述集成的功能单元如果以软件的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,其包括若干指令,用以使得一台计算设备(例如个人计算机,服务器,或者网络设备等)在运行所述指令时执行本发明各实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM)、随机存取存储器(RAM),磁碟或者光盘等各种可以存储程序代码的介质。
或者,实现前述方法实施例的全部或部分步骤可以通过程序指令相关的硬件(诸如个人计算机,服务器,或者网络设备等的计算设备)来完成,所述程序指令可以存储于一计算机可读取存储介质中,当所述程序指令被计算设备的处理器执行时,所述计算设备执行本发明各实施例所述方法的全部或部分步骤。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:在本发明的精神和原则之内,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案脱离本发明的保护范围。
Claims (10)
1.一种PM2.5和臭氧协同管控区域识别方法,其特征在于,包括:
对待监测地点划分至少一单位监测区域,在所述单位监测区域确定空气质量采集点;
在所述空气质量采集点采集所述单位监测区域的空气物质浓度;
基于所述空气物质浓度绘制所述单位监测区域对应的臭氧EKMA曲线图和/或PM2.5浓度分布图;
根据所述臭氧EKMA曲线图和/或PM2.5浓度发布图确定所述单位监测区域的空气管控区域类别。
2.根据权利要求1所述的方法,其特征在于,所述空气物质浓度包括臭氧浓度、PM2.5浓度、VOCs浓度和NOx浓度;
所述基于所述空气物质浓度绘制所述单位监测区域对应的臭氧EKMA曲线图和/或PM2.5浓度分布图之前,还包括:
分别根据所述空气质量采集点采集的PM2.5浓度、VOCs浓度及NOx浓度计算设定时间周期内各小时对应的PM2.5小时浓度、VOCs小时浓度及NOx小时浓度;
根据所述空气质量采集点采集的臭氧浓度计算设定时间周期内各小时对应的臭氧8小时滑动平均浓度。
3.根据权利要求2所述的方法,其特征在于,所述基于所述空气物质浓度绘制所述单位监测区域对应的臭氧EKMA曲线图和/或PM2.5浓度分布图,包括:
利用逻辑回归算法基于所述设定时间周期内各小时对应的VOCs小时浓度、NOx小时浓度和臭氧8小时滑动平均浓度,绘制所述单位监测区域对应的臭氧EKMA曲线图;
其中,所述VOCs小时浓度和所述NOx小时浓度为光化学反应前的初始浓度,所述臭氧8小时滑动平均浓度为光化学反应后的平衡浓度;和/或,
基于所述设定时间周期内各小时对应的VOCs小时浓度、NOx小时浓度和PM2.5小时浓度,利用逻辑回归算法绘制所述单位监测区域对应的PM2.5浓度分布图;
其中,所述VOCs小时浓度和所述NOx小时浓度为光化学反应前的初始浓度,所述PM2.5小时浓度为光化学反应后的平衡浓度。
4.根据权利要求1所述的方法,其特征在于,所述根据所述臭氧EKMA曲线图和/或PM2.5浓度发布图确定所述单位监测区域的空气管控区域类别,包括:
根据所述臭氧EKMA曲线图确定所述单位监测区域对应的臭氧管控区域类别;和/或,
根据所述PM2.5浓度发布图确定所述单位监测区域对应的PM2.5管控区域类别;
根据所述单位监测区域对应的臭氧管控区域类别和/或PM2.5管控区域类别确定所述单位监测区域的空气管控区域类别;
其中,所述空气管控区域类别包括以下之一:PM2.5-NOx-VOCs监管区域、PM2.5-NOx监管区域、PM2.5-VOCs监管区域,NOx-VOCs监管区域、NOx监管区域、VOCs监管区域、PM2.5监管区域和正常区域。
5.根据权利要求4所述的方法,其特征在于,所述根据所述臭氧EKMA曲线图确定所述单位监测区域对应的臭氧管控区域类别,包括:
获取当前测量的NOx浓度和VOCs浓度分别作为目标NOx浓度和目标VOCs浓度,在所述臭氧EKMA曲线图中确定第一目标点,并获取所述第一目标点对应的横轴等值线密度与纵轴等值线密度;
若所述第一目标点对应的横轴等值线密度大于纵轴等值线密度,则所述单位监测区域对应的臭氧管控区域为VOCs监管区域;
若所述第一目标点对应的横轴等值线密度小于纵轴等值线密度,则所述单位监测区域对应的臭氧管控区域为NOx监管区域;
若所述第一目标点对应的横轴等值线密度与纵轴等值线密度相同,则所述单位监测区域对应的臭氧管控区域为VOCs-NOx监管区域。
6.根据权利要求4所述的方法,其特征在于,所述根据所述单位监测区域对应的PM2.5浓度发布图确定PM2.5管控区域类别,包括:
获取当前测量的NOx浓度、VOCs浓度和PM2.5浓度分别作为目标NOx浓度、目标VOCs浓度和目标PM2.5浓度,在所述PM2.5浓度分布图中确定第二目标点,并获取所述第二目标点对应的目标PM2.5浓度与拟合PM2.5浓度;
若所述第二目标点对应的目标PM2.5浓度大于拟合PM2.5浓度,则所述单位监测区域对应的PM2.5管控区域为PM2.5监管区域;
若所述第二目标点对应的目标PM2.5浓度小于或等于拟合PM2.5浓度,则所述单位监测区域对应的PM2.5管控区域为正常区域。
7.根据权利要求1-6任一项所述的方法,其特征在于,当所述待监测地点划分的单位监测区域为多个时,所述方法还包括:
收集各所述单位监测区域对应的空气管控区域类别;
获取各所述单位监测区域的地理位置;
根据各所述单位监测区域的地理位置和对应的空气管控区域类别绘制空气质量监管地图,以对所述待检测地点中各所述单位监测区域对应的空气管控区域类别进行可视化展示。
8.一种PM2.5和臭氧协同管控区域识别装置,其特征在于,包括:
区域划分模块,用于对待监测地点划分至少一单位监测区域,在所述单位监测区域确定空气质量采集点;
信息采集模块,用于在所述空气质量采集点采集所述单位监测区域的空气物质浓度;
图像绘制模块,用于基于所述空气物质浓度绘制所述单位监测区域对应的臭氧EKMA曲线图和/或PM2.5浓度分布图;
监管区域识别模块,用于根据所述臭氧EKMA曲线图和/或PM2.5浓度发布图确定所述单位监测区域的空气管控区域类别。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的PM2.5和臭氧协同管控区域识别方法的步骤。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的PM2.5和臭氧协同管控区域识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110483993.2A CN112991132B (zh) | 2021-04-30 | 2021-04-30 | Pm2.5和臭氧协同管控区域识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110483993.2A CN112991132B (zh) | 2021-04-30 | 2021-04-30 | Pm2.5和臭氧协同管控区域识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112991132A true CN112991132A (zh) | 2021-06-18 |
CN112991132B CN112991132B (zh) | 2021-09-21 |
Family
ID=76336934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110483993.2A Active CN112991132B (zh) | 2021-04-30 | 2021-04-30 | Pm2.5和臭氧协同管控区域识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112991132B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113608561A (zh) * | 2021-07-23 | 2021-11-05 | 天津同阳科技发展有限公司 | 气体污染物浓度控制方法和装置 |
CN113740221A (zh) * | 2021-09-07 | 2021-12-03 | 天津大学 | 基于细颗粒物与臭氧的空气污染源区确定方法 |
CN114138868A (zh) * | 2021-12-03 | 2022-03-04 | 中科三清科技有限公司 | 空气质量统计分布图绘制方法和装置 |
CN114549262A (zh) * | 2022-04-28 | 2022-05-27 | 河北先河环保科技股份有限公司 | 大气污染物减排分级管控方法、电子设备及可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110567510A (zh) * | 2019-07-23 | 2019-12-13 | 北京英视睿达科技有限公司 | 大气污染监测方法、系统、计算机设备和存储介质 |
CN111768038A (zh) * | 2020-06-30 | 2020-10-13 | 平安国际智慧城市科技股份有限公司 | 污染物监控方法、装置、终端设备及存储介质 |
CN111798932A (zh) * | 2020-07-03 | 2020-10-20 | 中科三清科技有限公司 | 一种污染物监测数据的处理方法、装置、存储介质及终端 |
CN112362816A (zh) * | 2020-11-16 | 2021-02-12 | 中科三清科技有限公司 | 一种基于观测数据的臭氧来源分析方法及装置 |
CN112561145A (zh) * | 2020-12-08 | 2021-03-26 | 成都市环境保护科学研究院 | 一种臭氧污染管控敏感区预报方法、存储介质及终端 |
CN112560296A (zh) * | 2021-02-25 | 2021-03-26 | 北京英视睿达科技有限公司 | 用于生成臭氧的控制因素的判断方法、系统及电子设备 |
-
2021
- 2021-04-30 CN CN202110483993.2A patent/CN112991132B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110567510A (zh) * | 2019-07-23 | 2019-12-13 | 北京英视睿达科技有限公司 | 大气污染监测方法、系统、计算机设备和存储介质 |
CN111768038A (zh) * | 2020-06-30 | 2020-10-13 | 平安国际智慧城市科技股份有限公司 | 污染物监控方法、装置、终端设备及存储介质 |
CN111798932A (zh) * | 2020-07-03 | 2020-10-20 | 中科三清科技有限公司 | 一种污染物监测数据的处理方法、装置、存储介质及终端 |
CN112362816A (zh) * | 2020-11-16 | 2021-02-12 | 中科三清科技有限公司 | 一种基于观测数据的臭氧来源分析方法及装置 |
CN112561145A (zh) * | 2020-12-08 | 2021-03-26 | 成都市环境保护科学研究院 | 一种臭氧污染管控敏感区预报方法、存储介质及终端 |
CN112560296A (zh) * | 2021-02-25 | 2021-03-26 | 北京英视睿达科技有限公司 | 用于生成臭氧的控制因素的判断方法、系统及电子设备 |
Non-Patent Citations (3)
Title |
---|
SONGLIN XIANG等: "Control of both PM2.5 and O3 in Beijing-Tianjin-Hebei and the surrounding areas", 《ATMOSPHERIC ENVIRONMENT》 * |
刘宇轩 等: "基于后向传播神经网络的PM2.5和臭氧预测研究", 《能源工程》 * |
朱皛玄: "基于传感器的深圳市臭氧及前体物污染特征及关系研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113608561A (zh) * | 2021-07-23 | 2021-11-05 | 天津同阳科技发展有限公司 | 气体污染物浓度控制方法和装置 |
CN113608561B (zh) * | 2021-07-23 | 2022-05-10 | 天津同阳科技发展有限公司 | 气体污染物浓度控制方法和装置 |
CN113740221A (zh) * | 2021-09-07 | 2021-12-03 | 天津大学 | 基于细颗粒物与臭氧的空气污染源区确定方法 |
CN113740221B (zh) * | 2021-09-07 | 2022-07-26 | 天津大学 | 基于细颗粒物与臭氧的空气污染源区确定方法 |
CN114138868A (zh) * | 2021-12-03 | 2022-03-04 | 中科三清科技有限公司 | 空气质量统计分布图绘制方法和装置 |
CN114138868B (zh) * | 2021-12-03 | 2022-09-30 | 中科三清科技有限公司 | 空气质量统计分布图绘制方法和装置 |
CN114549262A (zh) * | 2022-04-28 | 2022-05-27 | 河北先河环保科技股份有限公司 | 大气污染物减排分级管控方法、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112991132B (zh) | 2021-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112991132B (zh) | Pm2.5和臭氧协同管控区域识别方法及装置 | |
Elangasinghe et al. | Complex time series analysis of PM10 and PM2. 5 for a coastal site using artificial neural network modelling and k-means clustering | |
Shi et al. | Investigating the influence of urban land use and landscape pattern on PM2. 5 spatial variation using mobile monitoring and WUDAPT | |
CN110085281B (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 | |
Lauvaux et al. | Policy-relevant assessment of urban CO2 emissions | |
KR101668753B1 (ko) | 대기 오염 관리 시스템 | |
CN110738354B (zh) | 预测颗粒物浓度的方法、装置、存储介质及电子设备 | |
CN105181898A (zh) | 基于大密度部署传感器的大气污染监控及管理方法及系统 | |
CN110687255A (zh) | 一种空气污染物的溯源方法、装置、设备和存储介质 | |
CN110095394A (zh) | 一种大气颗粒物污染快速溯源方法 | |
CN114218976B (zh) | 臭氧前体物高值区精细化排放源追溯定位方法和系统 | |
Henneman et al. | Air quality modeling for accountability research: Operational, dynamic, and diagnostic evaluation | |
CN114155129A (zh) | 一种基于工业园区的大气环境溯评方法和系统 | |
Kuebler et al. | Long-term trends of primary and secondary pollutant concentrations in Switzerland and their response to emission controls and economic changes | |
CN116070839A (zh) | 一种多源数据的道路微环境空气质量贡献溯源方法 | |
CN114742460A (zh) | 一种确定待管控企业的方法、装置、电子设备及存储介质 | |
Gurney et al. | Toward accurate, policy-relevant fossil fuel CO2 emission landscapes | |
JP4206024B2 (ja) | 大気物質指標分布解析装置 | |
Shi et al. | High-precision methodology for quantifying gas point source emission | |
Karimi et al. | Machine learning-based white-box prediction and correlation analysis of air pollutants in proximity to industrial zones | |
CN116739222B (zh) | 确定道路移动源的污染物浓度贡献值的方法与装置 | |
CN110991930A (zh) | 计算公路路段尘负荷等级的方法 | |
Hung | Urban air quality modelling and management in Hanoi, Vietnam | |
López-Pérez et al. | Spatial determination of traffic CO emissions within street canyons using inverse modelling | |
CN115705510A (zh) | 厂区气体污染分布预测方法、系统、电子设备及存储介质 |
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 | ||
CP01 | Change in the name or title of a patent holder |
Address after: 100071 Beijing Fengtai Auto Museum West Road No. 8 Courtyard 1 Building 6 Floor 606 Patentee after: Beijing Yingshi Ruida Technology Co.,Ltd. Address before: 100071 Beijing Fengtai Auto Museum West Road No. 8 Courtyard 1 Building 6 Floor 606 Patentee before: BEIJING INSIGHTS VALUE TECHNOLOGY Co.,Ltd. |
|
CP01 | Change in the name or title of a patent holder |