CN113740221A - 基于细颗粒物与臭氧的空气污染源区确定方法 - Google Patents
基于细颗粒物与臭氧的空气污染源区确定方法 Download PDFInfo
- Publication number
- CN113740221A CN113740221A CN202111042356.8A CN202111042356A CN113740221A CN 113740221 A CN113740221 A CN 113740221A CN 202111042356 A CN202111042356 A CN 202111042356A CN 113740221 A CN113740221 A CN 113740221A
- Authority
- CN
- China
- Prior art keywords
- area
- determining
- vocs
- pscf
- source
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000003915 air pollution Methods 0.000 title claims abstract description 39
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 title claims abstract description 14
- 208000035987 Body-Weight Trajectory Diseases 0.000 claims abstract description 17
- 238000011160 research Methods 0.000 claims abstract description 11
- 239000013618 particulate matter Substances 0.000 claims abstract description 9
- 239000012855 volatile organic compound Substances 0.000 claims description 51
- 239000003344 environmental pollutant Substances 0.000 claims description 9
- 231100000719 pollutant Toxicity 0.000 claims description 9
- 238000011109 contamination Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 claims description 4
- 239000000356 contaminant Substances 0.000 claims description 3
- 231100001143 noxa Toxicity 0.000 claims description 3
- 230000007123 defense Effects 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 6
- 239000002131 composite material Substances 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000002265 prevention Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003647 oxidation Effects 0.000 description 2
- 238000007254 oxidation reaction Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000693 micelle Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000004071 soot Substances 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000005436 troposphere Substances 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
- G01N33/0068—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a computer specifically programmed
-
- 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
-
- 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
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Combustion & Propulsion (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Dispersion Chemistry (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Feedback Control In General (AREA)
Abstract
本公开提供了一种基于细颗粒物与臭氧的空气污染源区确定方法，包括：获取空气污染源区确定任务；执行空气污染源区确定任务，以获取研究区域后向轨迹数据；将获取的后向轨迹数据网格化；导入研究区域的PM2.5和O3的逐时观测值；根据PM2.5对应的观测值确定PM2.5对应的潜在源贡献因子PSCFij和浓度权重轨迹CWTij；根据O3对应的观测值确定O3对应的潜在源贡献因子PSCFij和浓度权重轨迹CWTij；根据PM2.5和O3分别对应的PSCFij以及PM2.5和O3分别对应的CWTij分别确定满足预设条件的多个区域；确定多个区域中的公共区域；将公共区域确定为空气污染源区。
Description
技术领域
本公开涉及空气质量监测技术领域，尤其涉及一种基于细颗粒物与臭氧的空气污染源区确定方法。
背景技术
由于空气污染的严峻形势，国内外研究者针对大气污染物的浓度分布、时空变化、区域输送及形成机理等方面开展了大量的研究。各地也积极开展空气污染来源解析、空气质量预报业务和能力建设，以对大气污染进行来源解析并分析识别污染贡献重点区，为污染控制提供依据。
目前，虽然细颗粒物(PM2.5)浓度持续下降，但是臭氧(O3)浓度呈快速上升和蔓延态势。研究表明，虽然PM2.5和O3属于不同类型的污染物，但二者之间可以通过多种途径相互作用，以PM2.5防控为重心的减排措施所导致的污染源排放结构的变化，可能是臭氧污染持续上升的重要原因。因此，基于PM2.5与O3的污染传输关系，来准确地确定空气污染来源的主要源区，不仅能为日常生活和生产活动提供指导，还能针对性地进行污染防控。
发明内容
针对上述技术问题，本公开提供了一种基于细颗粒物与臭氧的空气污染源区确定方法，以至少部分地解决上述技术问题中的至少之一。
为了解决上述技术问题，本公开提供了一种基于细颗粒物与臭氧的空气污染源区确定方法，包括：
获取空气污染源区确定任务；
执行所述空气污染源区确定任务，以获取研究区域后向轨迹数据；
将获取的所述后向轨迹数据网格化；
导入所述研究区域的PM2.5和O3的逐时观测值；
根据所述PM2.5对应的观测值确定所述PM2.5对应的潜在源贡献因子PSCFij和浓度权重轨迹CWTij；
根据所述O3对应的观测值确定所述O3对应的潜在源贡献因子PSCFij和浓度权重轨迹CWTij；其中，i和j分别代表经度、纬度；
根据所述PM2.5和所述O3分别对应的潜在源贡献因子PSCFij以及所述PM2.5和所述O3分别对应的浓度权重轨迹CWTij分别确定满足预设条件的多个区域；
确定所述多个区域中的公共区域；
将所述公共区域确定为空气污染源区。
根据本公开的实施例，所述满足预设条件的多个区域包括：
所述PM2.5对应的潜在源贡献因子PSCFij大于第一预设阈值的第一区域；
所述O3对应的潜在源贡献因子PSCFij大于第二预设阈值的第二区域；
所述PM2.5对应的浓度权重轨迹CWTij大于第三预设阈值的第三区域；
所述O3对应的浓度权重轨迹CWTij大于第四预设阈值的第四区域；
其中，所述确定所述多个区域中的公共区域包括：
确定所述第一区域、所述第二区域、所述第三区域和所述第四区域的第一公共区域，其中，所述第一公共区域作为协同控制污染外来源区；
确定所述第一区域和所述第三区域的第二公共区域，其中，所述第二公共区域作为PM2.5污染外来源区；
确定所述第二区域和所述第四区域的第三公共区域，其中，所述第三公共区域作为O3污染外来源区。
根据本公开的实施例，所述第一预设阈值和所述第二预设阈值均大于等于0.5。
根据本公开的实施例，所述第三预设阈值大于等于35μg/m3；所述第四预设阈值大于等于160μg/m3。
根据本公开的实施例，上述方法还包括：
根据所述协同控制污染外来源区包含的城市的FNR值，确定所述协同控制污染外来源区的PM2、VOCs协同控制区，PM2.5、NOx协同控制区或PM2.5、NOx、VOCs协同控制区；
根据所述O3污染外来源区包含的城市的FNR值，确定所述O3污染外来源区的VOCs主控区、NOx主控区或NOx、VOCs协同控制区；
其中，所述FNR值表示HCHO的浓度与NO2/NOy等污染物浓度的比值。
根据本公开的实施例，所述根据所述协同控制污染外来源区包含的城市的FNR值，确定所述协同控制污染外来源区的PM2.5、VOCs协同控制区，PM2.5、NOx协同控制区或PM2.5、NOx、VOCs协同控制区包括：
所述协同控制污染外来源区包含的城市的FNR值≤2.3的情况下，确定为PM2.5、VOCs协同控制区；FNR值≥4.2的情况下，确定为PM2.5、NOx协同控制区；2.3<FNR＜4.2的情况下，确定为PM2.5、NOx、VOCs协同控制区；
所述根据所述O3污染外来源区包含的城市的FNR值，确定所述O3污染外来源区的VOCs主控区、NOx主控区或NOx、VOCs协同控制区包括：
所述O3污染外来源区包含的城市的FNR值≤2.3的情况下，确定为VOCs主控区；FNR值≥4.2的情况下，确定为NOx主控区；2.3<FNR＜4.2的情况下，确定为NOx、VOCs协同控制区。
根据本公开的实施例，在所述确定满足预设条件的多个区域之前还包括：
引入权重因子W(nij)，将权重因子W(nij)分别与所述潜在源贡献因子PSCFij和所述浓度权重轨迹CWTij相乘，得到修正潜在源贡献因子WPSCFij和修正浓度权重轨迹WCWTij；其中，nij表示落在网格(i，j)中的端点数量；
根据所述PM2.5和所述O3分别对应的潜在源贡献因子PSCFij、所述PM2.5和所述O3分别对应的浓度权重轨迹CWTij分别确定满足预设条件的多个区域包括：
根据所述PM2.5和所述O3分别对应的修正潜在源贡献因子WPSCFij、所述PM2.5和所述O3分别对应的修正浓度权重轨迹WCWTij分别确定满足预设条件的多个区域。
根据本公开的实施例，所述权重因子W(nij)包括：
根据本公开的实施例，所述潜在源贡献因子PSCFij的计算方法包括：
其中，nij表示落在网格(i，j)中的端点数量；
在计算PM2.5对应的潜在源贡献因子PSCFij时，mij表示为网格(i，j)中，超过所述第一预设阈值的端点数量；
在计算O3对应的潜在源贡献因子PSCFij时，mij表示为网格(i，j)中，超过所述第二预设阈值的端点数量；
网格(i，j)表示经度i和纬度j围成的网格；
所述浓度权重轨迹CWTij的计算方法包括：
其中，CWTij为网格(i，j)的平均污染权重浓度；k为后向轨迹；N为经过网格(i，j)的轨迹总数；Ck为轨迹k经过网格(i，j)时对应的污染物浓度，dijk为轨迹k在网格(i，j)停留的时间。
根据本公开的实施例，所述将获取的所述后向轨迹数据网格化包括：将所述后向轨迹数据网格化为分辨率为1°×1°的网格。
根据本公开的实施例，通过将后向轨迹数据网格化，并导入研究区PM2.5和O3的逐时观测值，然后根据PM2.5和O3对应的逐时观测值分别确定PM2.5和O3分别对应的潜在源贡献因子PSCFij和浓度权重轨迹CWTij；基于PM2.5和O3分别对应的潜在源贡献因子PSCFij以及PM2.5和O3分别对应的浓度权重轨迹CWTij分别确定满足预设条件的多个区域，从而确定多个区域的公共区域，作为空气污染源区。因此，根据PM2.5和O3的污染传输关系，将城市按照污染的复合程度进行分类，可以为地方在选择符合各地污染特点的大气污染防治措施时提供判断依据，同时有助于研究人员在进行复合污染的研究时，在目标城市的选择上可以贴近实际需求。
另外，采用本公开提供的空气污染源区的确定方法，操作简便、准确率较高，能够实现对区域的大气污染来源解析、对识别污染贡献重点区的论证，进而实现对污染贡献重点区的识别，为研究大气污染治理分区管控提供有力支撑。
附图说明
图1示意性示出了本公开实施例中基于PM2.5与O3的空气污染源区确定方法的流程图；
图2示意性示出了本公开另一实施例中基于细颗粒物与臭氧的空气污染源区确定方法的流程图；
图3示意性示出了基于FNR值确定协同控制污染外来源区类型的方法的流程图；
图4示意性示出了基于FNR值确定O3污染外来源区类型的方法的流程图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开作进一步的详细说明。
PM2.5和O3相互作用机制存在较多争议，对流层O3和二次PM2.5的产生均来自NOx和VOCs的光化学氧化过程，但转化机制的相关研究还较为薄弱。目前，联防联控机制在解决区域性大气污染问题中，发挥重要作用。尤其在急需解决PM2.5与O3污染，而化学机制又不明的情况下，可以充分发挥联防联控机制的作用，梳理城市间污染物传输关系，厘清城市的污染类型，按照污染的复合程度进行分类，有利于联防联控政策的制定，以及指导地方进行符合各地污染特点的大气污染防治措施，同时有助于研究人员选择性的进行研究。
拉格朗日混合单粒子轨道模型，结合潜在源贡献因子法(Potential SourceContribution Function，PSCF)，浓度权重轨迹分析法(Concentration-WeightedTrajectory，CWT)由于操作简便，可在不依赖排放清单的前提下，进行大气污染外来源区的研究。
图1示意性示出了本公开实施例中基于细颗粒物与臭氧的空气污染源区确定方法的流程图。
如图1，根据本公开的实施例，提供一种基于细颗粒物与臭氧的空气污染源区确定方法，包括操作S101～S109。
在操作S101中，获取空气污染源区确定任务。
在操作S102中，执行空气污染源区确定任务，以获取研究区域后向轨迹数据。
根据本公开的实施例，获取研究区域的后向轨迹数据例如可以包括：采用MeteoInfo软件中的Trajectory Calculation功能(用于计算轨迹)进行后向轨迹计算，其中，MeteoInfo是一个气象数据显示、分析软件。根据本公开的实施例，可以选择研究区域坐标作为后向轨迹起点，模拟研究区域的PM2.5和O3在距离地面预设高度(如500米高度)，预设时间范围(如24h)内的后向轨迹，每次模拟预设时长(如1个月)的后向轨迹，例如，可以每天逐时模拟后向轨迹，直到模拟获得预设时长的后向轨迹。根据研究所需时间段(如季节、年份)将模拟的后向轨迹合并形成后向轨迹数据。
后向轨迹是空气微团在大气中移动的实际路径，气团轨迹由其移动速度确定。气团轨迹可由风向风速资料进行计算，亦可通过随动“标记粒子”的观测而得到。气团轨迹可用于了解污染物平均搬运路径和烟团中心轴线的确定。
在操作S103中，将获取的后向轨迹数据网格化。
在操作S104中，导入研究区域的PM2.5和O3的逐时观测值。
在操作S105中，根据PM2.5对应的观测值确定PM2.5对应的潜在源贡献因子PSCFij和浓度权重轨迹CWTij。
在操作S106中，根据O3对应的观测值确定O3对应的潜在源贡献因子PSCFij和浓度权重轨迹CWTij；其中，i和j分别代表经度、纬度。
在操作S107中，根据PM2.5和O3分别对应的潜在源贡献因子PSCFij以及PM2.5和O3分别对应的浓度权重轨迹CWTij分别确定满足预设条件的多个区域。
在操作S108中，确定多个区域中的公共区域。
在操作S109中，将公共区域确定为空气污染源区。
根据本公开的实施例，通过将后向轨迹数据网格化，并导入研究区PM2.5和O3的逐时观测值，然后根据PM2.5和O3对应的逐时观测值分别确定PM2.5和O3分别对应的潜在源贡献因子PSCFij和浓度权重轨迹CWTij；基于PM2.5和O3分别对应的潜在源贡献因子PSCFij以及PM2.5和O3分别对应的浓度权重轨迹CWTij分别确定满足预设条件的多个区域，从而确定多个区域的公共区域，作为空气污染源区。因此，本公开提供的方法根据PM2.5和O3的污染传输关系，按照污染的复合程度进行分类，可以为地方在选择符合各地污染特点的大气污染防治措施时提供判断依据，同时有助于研究人员在进行复合污染的研究时，在目标城市的选择上可以贴近实际需求。
另外，采用本公开提供的空气污染源区的确定方法，操作简便、准确率较高，能够实现对区域的大气污染来源解析、对识别污染贡献重点区的论证，进而实现对污染贡献重点区的识别，为研究大气污染治理分区管控提供有力支撑。
根据本公开的实施例，逐时观测值来自空气质量实时发布平台。
根据本公开的实施例，满足预设条件的多个区域包括：
PM2.5对应的潜在源贡献因子PSCFij大于第一预设阈值的第一区域；
O3对应的潜在源贡献因子PSCFij大于第二预设阈值的第二区域；
PM2.5对应的浓度权重轨迹CWTij大于第三预设阈值的第三区域；
O3对应的浓度权重轨迹CWTij大于第四预设阈值的第四区域；
根据本公开的实施例，确定多个区域中的公共区域包括：
确定第一区域、第二区域、第三区域和第四区域的第一公共区域，其中，第一公共区域作为协同控制污染外来源区；
确定第一区域和第三区域的第二公共区域，其中，第二公共区域作为PM2.5污染外来源区；
确定第二区域和第四区域的第三公共区域，其中，第三公共区域作为O3污染外来源区。
根据本公开的实施例，第一预设阈值和第二预设阈值均大于等于0.5。
根据本公开的实施例，第一预设阈值和第二预设阈值的预设范围可以根据实际应用进行设置，本公开不对其进行限定。例如，第一预设阈值可以为0.5～1.5，具体地可以为0.5、0.6、0.7等；第二预设阈值可以为0.5～2.5，具体地可以为0.5、0.6、0.7、1.5等。
根据本公开的实施例，第一预设阈值和第二预设阈值可以相同，也可以不同。
根据本公开的实施例，第三预设阈值大于等于35μg/m3；第四预设阈值大于等于160μg/m3。
根据本公开的实施例，第三预设阈值和第四预设阈值的预设范围可以根据实际应用进行设置，本公开不对其进行限定。例如，第三预设阈值可以为25～50μg/m3，具体地可以为35μg/m3、38μg/m3、40μg/m3等；第四预设阈值可以为160～250μg/m3，具体地可以为160μg/m3、170μg/m3、180μg/m3等。
图2示意性示出了本公开另一实施例中基于细颗粒物与臭氧的空气污染源区确定方法的流程图。
如图2，根据本公开的实施例，提供一种基于细颗粒物与臭氧的空气污染源区确定方法，包括操作S201～S210。
操作S201～S206与图1中的操作S101～S106相同，在此不再赘述。
在操作S207，筛选PM2.5对应的PSCFij大于第一预设阈值的第一区域；筛选O3对应的PSCFij大于第二预设阈值的第二区域；筛选PM2.5对应的CWTij大于第三预设阈值的第三区域；筛选O3对应的CWTij大于第四预设阈值的第四区域。
在操作S208，确定第一区域、第二区域、第三区域和第四区域的第一公共区域作为协同控制污染外来源区。
在操作S209，确定第一区域和第三区域的第二公共区域作为PM2.5污染外来源区。
在操作S207，确定第二区域和第四区域的第三公共区域作为O3污染外来源区。
根据本公开的实施例，上述空气污染源区确定方法还包括：根据协同控制污染外来源区包含的城市的FNR值，确定协同控制污染外来源区的PM2、VOCs协同控制区，PM2.5、NOx协同控制区或PM2.5、NOx、VOCs协同控制区。
根据本公开的实施例，上述空气污染源区确定方法还包括：根据O3污染外来源区包含的城市的FNR值，确定O3污染外来源区的VOCs主控区、NOx主控区或NOx、VOCs协同控制区；其中，FNR值表示HCHO的浓度与NO2/NOy等污染物浓度的比值。
HCHO作为多种VOCs的短寿命氧化产物，可用于指示VOCs的反映速率，其与NO2等污染物浓度的比值FNR被广泛用于判断O3生成敏感性。FNR指示剂法基于卫星观测数据，测量并计算得到目标区域FNR值。根据区间范围判定O3生成的控制类型。
根据本公开的实施例，根据协同控制污染外来源区包含的城市的FNR值，确定协同控制污染外来源区的PM2.5、VOCs协同控制区，PM2.5、NOx协同控制区或PM2.5、NOx、VOCs协同控制区包括：协同控制污染外来源区包含的城市的FNR值≤2.3的情况下，确定为PM2.5、VOCs协同控制区；FNR值≥4.2的情况下，确定为PM2.5、NOx协同控制区；2.3<FNR＜4.2的情况下，确定为PM2.5、NOx、VOCs协同控制区。
根据本公开的实施例，根据O3污染外来源区包含的城市的FNR值，确定O3污染外来源区的VOCs主控区、NOx主控区或NOx、VOCs协同控制区包括：O3污染外来源区包含的城市的FNR值≤2.3的情况下，确定为VOCs主控区；FNR值≥4.2的情况下，确定为NOx主控区；2.3<FNR＜4.2的情况下，确定为NOx、VOCs协同控制区。
图3示意性示出了基于FNR值确定协同控制污染外来源区类型的方法的流程图。
如图3，该方法包括操作S301～S305。
在操作S301，确定协同控制污染外来源区。
在操作S302，根据协同控制污染外来源区包含的城市的FNR值，确定协同控制污染外来源区的PM2.5、VOCs协同控制区，PM2.5、NOx协同控制区或PM2.5、NOx、VOCs协同控制区。
在操作S303，协同控制污染外来源区包含的城市的FNR值≤2.3的情况下，确定为PM2.5、VOCs协同控制区。
在操作S303，协同控制污染外来源区包含的城市的FNR值≥4.2的情况下，确定为PM2.5、NOx协同控制区。
在操作S305，协同控制污染外来源区包含的城市的FNR值在2.3<FNR＜4.2的情况下，确定为PM2.5、NOx、VOCs协同控制区。
图4示意性示出了基于FNR值确定O3污染外来源区类型的方法的流程图。
如图4，该方法包括操作S401～S405。
在操作S401，确定O3污染外来源区。
在操作S402，根据O3污染外来源区包含的城市的FNR值，确定O3污染外来源区的VOCs主控区、NOx主控区或NOx、VOCs协同控制区。
在操作S403，O3污染外来源区包含的城市的FNR值≤2.3的情况下，确定为VOCs主控区。
在操作S404，O3污染外来源区包含的城市的FNR值≥4.2的情况下，确定为NOx主控区。
在操作S405，O3污染外来源区包含的城市的FNR值在2.3<FNR＜4.2的情况下，确定为NOx、VOCs协同控制区。
根据本公开的实施例，在确定满足预设条件的多个区域之前还包括：
引入权重因子W(nij)，将权重因子W(nij)分别与潜在源贡献因子PSCFij和浓度权重轨迹CWTij相乘，得到修正潜在源贡献因子WPSCFij和修正浓度权重轨迹WCWTij；其中，nij表示落在网格(i，j)中的端点数量；
根据PM2.5和O3分别对应的潜在源贡献因子PSCFij以及PM2.5和O3分别对应的浓度权重轨迹CWTij分别确定满足预设条件的多个区域包括：根据PM2.5和O3分别对应的修正潜在源贡献因子WPSCFij以及PM2.5和O3分别对应的修正浓度权重轨迹WCWTij分别确定满足预设条件的多个区域。
根据本公开的实施例，权重因子W(nij)包括：
根据本公开的实施例，潜在源贡献因子PSCFij的计算方法包括：
其中，nij表示落在网格(i，j)中的端点数量；
在计算PM2.5对应的潜在源贡献因子PSCFij时，mij表示为网格(i，j)中，超过第一预设阈值的端点数量；
在计算O3对应的潜在源贡献因子PSCFij时，mij表示为网格(i，j)中，超过第二预设阈值的端点数量；
网格(i，j)表示经度i和纬度j围成的网格；
浓度权重轨迹CWTij的计算方法包括：
其中，CWTij为网格(i，j)的平均污染权重浓度；k为后向轨迹；N为经过网格(i，j)的轨迹总数；Ck为轨迹k经过网格(i，j)时对应的污染物浓度，αijk为轨迹k在网格(i，j)停留的时间。
根据本公开的实施例，将获取的后向轨迹数据网格化包括：将后向轨迹数据网格化为分辨率为1°×1°的网格。
为了进一步理解本公开，以具体案例作进一步说明：
采用本公开提供的方法分别对城市1的PM2.5和O3污染外来源区进行分析，污染物数据来源于空气质量环境监测平台，时间范围为2017年3月-2020年2月。
其中，时间划分为春季是3～5月、夏季是6～8月、秋季是9～11月、冬季是12月～次年2月。
城市1的PM2.5与O3的污染主要外来源区类别，以及O3污染的控制类型，使用不同颜色可视化表示。
城市1的PM2.5和O3的季节性变化趋势基本相反，PM2.5的浓度ρ(PM2.5)四季变化趋势呈“U”形，夏季PM2.5污染最轻，冬季PM2.5污染最严重，平均值达64μg/m3。O3的浓度ρ(O3)四季变化趋势呈“n”型，夏季O3污染最严重，冬季O3污染最轻。因此，对于城市1，春、秋两季需同时控制PM2.5与O3、夏季重点控制O3、冬季重点控制PM2.5。
城市1西南方向部分地区在各个季节对城市1的PM2.5污染有较大贡献，在春季A省南部、B省北部、C省西部对城市1的PM2.5污染贡献较大；在秋季对城市1的PM2.5污染贡献较大的区域集中在A省南部、B省北部；冬季对城市1的PM2.5污染贡献较大的区域明显较大，连片出现A省中部与南部、B省北部、C省西部。城市2、城市3、城市4、城市5、城市6在春、秋、冬季均为PM2.5对应的WPSCF、WCWT高值区所覆盖的城市，上述城市应为城市1的PM2.5联防联控重点关注的城市。
城市1的O3污染主要集中在夏季，夏季对城市A的O3污染贡献较大的区域明显最大，连片出现在A省南部，B省北部，C省部分城市；春季O3污染相对较轻，贡献明显的区域在A省东南部分、B省中部与北部、C省西部与北部。城市2、城市4、城市5、城市7、城市8、城市9在春、夏两季均为O3对应的WPSCF、WCWT高值区所覆盖的城市，应为城市1的O3联防联控重点关注城市。引入城市2、城市4、城市5、城市7、城市8、城市9的FNR值，根据FNR值的预设阈值可分为VOCs主控城市，NOx主控城市，VOCs、NOx联防联控城市。
另外，存在部分城市对城市1的PM2.5与O3污染均产生较大影响，春季为城市2、城市4、城市5、城市6、城市7、城市10，秋季为城市7。引入城市2、城市4、城市5、城市6、城市7、城市10的FNR值，根据FNR值的预设阈值划分城市2、城市4、城市5为VOCs主控城市，城市6、城市7、城市10为VOCs、NOx联防联控城市。
以上的具体实施例，对本公开的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上仅为本公开的具体实施例而已，并不用于限制本公开，凡在本公开的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
Claims (10)
1.一种基于细颗粒物与臭氧的空气污染源区确定方法，包括：
获取空气污染源区确定任务；
执行所述空气污染源区确定任务，以获取研究区域后向轨迹数据；
将获取的所述后向轨迹数据网格化；
导入所述研究区域的PM2.5和O3的逐时观测值；
根据所述PM2.5对应的观测值确定所述PM2.5对应的潜在源贡献因子PSCFjj和浓度权重轨迹CWTij；
根据所述O3对应的观测值确定所述O3对应的潜在源贡献因子PSCFij和浓度权重轨迹CWTij；其中，i和j分别代表经度、纬度；
根据所述PM2.5和所述O3分别对应的潜在源贡献因子PSCFij以及所述PM2.5和所述O3分别对应的浓度权重轨迹CWTij分别确定满足预设条件的多个区域；
确定所述多个区域中的公共区域；
将所述公共区域确定为空气污染源区。
2.根据权利要求1所述的方法，
其中，所述满足预设条件的多个区域包括：
所述PM2.5对应的潜在源贡献因子PSCFij大于第一预设阈值的第一区域；
所述O3对应的潜在源贡献因子PSCFij大于第二预设阈值的第二区域；
所述PM2.5对应的浓度权重轨迹CWTij大于第三预设阈值的第三区域；
所述O3对应的浓度权重轨迹CWTij大于第四预设阈值的第四区域；
其中，所述确定所述多个区域中的公共区域包括：
确定所述第一区域、所述第二区域、所述第三区域和所述第四区域的第一公共区域，其中，所述第一公共区域作为协同控制污染外来源区；
确定所述第一区域和所述第三区域的第二公共区域，其中，所述第二公共区域作为PM2.5污染外来源区；
确定所述第二区域和所述第四区域的第三公共区域，其中，所述第三公共区域作为O3污染外来源区。
3.根据权利要求2所述的方法，
其中，所述第一预设阈值和所述第二预设阈值均大于等于0.5。
4.根据权利要求2或3所述的方法，
其中，所述第三预设阈值大于等于35μg/m3；所述第四预设阈值大于等于160μg/m3。
5.根据权利要求2所述的方法，还包括：
根据所述协同控制污染外来源区包含的城市的FNR值，确定所述协同控制污染外来源区的PM2、VOCs协同控制区，PM2.5、NOx协同控制区或PM2.5、NOx、VOCs协同控制区；
根据所述O3污染外来源区包含的城市的FNR值，确定所述O3污染外来源区的VOCs主控区、NOx主控区或NOx、VOCs协同控制区；
其中，所述FNR值表示HCHO的浓度与NO2/NOy等污染物浓度的比值。
6.根据权利要求5所述的方法，所述根据所述协同控制污染外来源区包含的城市的FNR值，确定所述协同控制污染外来源区的PM2.5、VOCs协同控制区，PM2.5、NOx协同控制区或PM2.5、NOx、VOCs协同控制区包括：
所述协同控制污染外来源区包含的城市的FNR值≤2.3的情况下，确定为PM2.5、VOCs协同控制区；FNR值≥4.2的情况下，确定为PM2.5、NOx协同控制区；2.3＜FNR＜4.2的情况下，确定为PM2.5、NOx、VOCs协同控制区；
所述根据所述O3污染外来源区包含的城市的FNR值，确定所述O3污染外来源区的VOCs主控区、NOx主控区或NOx、VOCs协同控制区包括：
所述O3污染外来源区包含的城市的FNR值≤2.3的情况下，确定为VOCs主控区；FNR值≥4.2的情况下，确定为NOx主控区；2.3＜FNR＜4.2的情况下，确定为NOx、VOCs协同控制区。
7.根据权利要求1所述的方法，在所述确定满足预设条件的多个区域之前还包括：
引入权重因子W(nij)，将权重因子W(nij)分别与所述潜在源贡献因子PSCFij和所述浓度权重轨迹CWTij相乘，得到修正潜在源贡献因子WPSCFij和修正浓度权重轨迹WCWTij；其中，nij表示落在网格(i，j)中的端点数量；
根据所述PM2.5和所述O3分别对应的潜在源贡献因子PSCFij以及所述PM2.5和所述O3分别对应的浓度权重轨迹CWTij分别确定满足预设条件的多个区域包括：
根据所述PM2.5和所述O3分别对应的修正潜在源贡献因子WPSCFij以及所述PM2.5和所述O3分别对应的修正浓度权重轨迹WCWTij分别确定满足预设条件的多个区域。
8.根据权利要求7所述的方法，
所述权重因子W(nij)包括：
9.根据权利要求1～8中任一所述的方法，
所述潜在源贡献因子PSCFij的计算方法包括：
其中，nij表示落在网格(i，j)中的端点数量；
在计算PM2.5对应的潜在源贡献因子PSCFij时，mij表示为网格(i，j)中，超过所述第一预设阈值的端点数量；
在计算O3对应的潜在源贡献因子PSCFij时，mij表示为网格(i，j)中，超过所述第二预设阈值的端点数量；
网格(i，j)表示经度i和纬度j围成的网格；
所述浓度权重轨迹CWTij的计算方法包括：
其中，CWTij为网格(i，j)的平均污染权重浓度；k为后向轨迹；N为经过网格(i，j)的轨迹总数；Ck为轨迹k经过网格(i，j)时对应的污染物浓度，αijk为轨迹k在网格(i，j)停留的时间。
10.根据权利要求9所述的方法，所述将获取的所述后向轨迹数据网格化包括：将所述后向轨迹数据网格化为分辨率为1°×1°的网格。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111042356.8A CN113740221B (zh) | 2021-09-07 | 2021-09-07 | 基于细颗粒物与臭氧的空气污染源区确定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111042356.8A CN113740221B (zh) | 2021-09-07 | 2021-09-07 | 基于细颗粒物与臭氧的空气污染源区确定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113740221A true CN113740221A (zh) | 2021-12-03 |
| CN113740221B CN113740221B (zh) | 2022-07-26 |
Family
ID=78736383
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111042356.8A Active CN113740221B (zh) | 2021-09-07 | 2021-09-07 | 基于细颗粒物与臭氧的空气污染源区确定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113740221B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114241157A (zh) * | 2021-12-16 | 2022-03-25 | 中科三清科技有限公司 | 一种空气质量可视化显示方法、装置和设备 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110954482A (zh) * | 2019-12-02 | 2020-04-03 | 生态环境部卫星环境应用中心 | 基于静止卫星和极轨卫星的大气污染网格化监控方法 |
| US20200110019A1 (en) * | 2017-06-09 | 2020-04-09 | Sense Square S.R.L.S. | Atmospheric pollution source mapping and tracking of pollutants by using air quality monitoring networks having high space-time resolution |
| KR102134545B1 (ko) * | 2019-12-30 | 2020-07-15 | 주식회사 에어콕 | 미세먼지 및 초미세먼지 측정 정확도 향상을 위한 센서 자동보정 방법 |
| CN111458456A (zh) * | 2020-03-04 | 2020-07-28 | 生态环境部南京环境科学研究所 | 一种基于cwt的大气一次污染物外来源定量分析方法 |
| CN111753426A (zh) * | 2020-06-24 | 2020-10-09 | 中科三清科技有限公司 | 颗粒物污染的源解析方法和装置 |
| CN112131739A (zh) * | 2020-09-22 | 2020-12-25 | 南京创蓝科技有限公司 | 一种乡镇级别大气污染溯源的预报方法 |
| CN112711893A (zh) * | 2020-12-25 | 2021-04-27 | 中科三清科技有限公司 | 污染源对pm2.5贡献计算方法、装置和电子设备 |
| CN112991132A (zh) * | 2021-04-30 | 2021-06-18 | 北京英视睿达科技有限公司 | Pm2.5和臭氧协同管控区域识别方法及装置 |
-
2021
- 2021-09-07 CN CN202111042356.8A patent/CN113740221B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200110019A1 (en) * | 2017-06-09 | 2020-04-09 | Sense Square S.R.L.S. | Atmospheric pollution source mapping and tracking of pollutants by using air quality monitoring networks having high space-time resolution |
| CN110954482A (zh) * | 2019-12-02 | 2020-04-03 | 生态环境部卫星环境应用中心 | 基于静止卫星和极轨卫星的大气污染网格化监控方法 |
| KR102134545B1 (ko) * | 2019-12-30 | 2020-07-15 | 주식회사 에어콕 | 미세먼지 및 초미세먼지 측정 정확도 향상을 위한 센서 자동보정 방법 |
| CN111458456A (zh) * | 2020-03-04 | 2020-07-28 | 生态环境部南京环境科学研究所 | 一种基于cwt的大气一次污染物外来源定量分析方法 |
| CN111753426A (zh) * | 2020-06-24 | 2020-10-09 | 中科三清科技有限公司 | 颗粒物污染的源解析方法和装置 |
| CN112131739A (zh) * | 2020-09-22 | 2020-12-25 | 南京创蓝科技有限公司 | 一种乡镇级别大气污染溯源的预报方法 |
| CN112711893A (zh) * | 2020-12-25 | 2021-04-27 | 中科三清科技有限公司 | 污染源对pm2.5贡献计算方法、装置和电子设备 |
| CN112991132A (zh) * | 2021-04-30 | 2021-06-18 | 北京英视睿达科技有限公司 | Pm2.5和臭氧协同管控区域识别方法及装置 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114241157A (zh) * | 2021-12-16 | 2022-03-25 | 中科三清科技有限公司 | 一种空气质量可视化显示方法、装置和设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113740221B (zh) | 2022-07-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Carrion-Matta et al. | Classroom indoor PM2. 5 sources and exposures in inner-city schools | |
| Zhang et al. | Chemical composition and sources of PM1 and PM2. 5 in Beijing in autumn | |
| gon Ryou et al. | Source apportionment of PM10 and PM2. 5 air pollution, and possible impacts of study characteristics in South Korea | |
| Bennett et al. | Sources of indoor air pollution at a New Zealand urban primary school; a case study | |
| Wang et al. | The contribution from distant dust sources to the atmospheric particulate matter loadings at XiAn, China during spring | |
| Begum et al. | Evaluation of the potential source contribution function using the 2002 Quebec forest fire episode | |
| Choi et al. | Source apportionment of PM2. 5 at the coastal area in Korea | |
| Lestari et al. | Source apportionment of particulate matter at urban mixed site in Indonesia using PMF | |
| CN109060617B (zh) | 不同农业氨排放情景对pm2.5浓度影响的模拟与分析方法 | |
| Sulaymon et al. | PM2. 5 in Abuja, Nigeria: Chemical characterization, source apportionment, temporal variations, transport pathways and the health risks assessment | |
| Chen et al. | Source apportionment of size-fractionated particles during the 2013 Asian Youth Games and the 2014 Youth Olympic Games in Nanjing, China | |
| Garcia et al. | An evaluation of transported pollution and respiratory–related hospital admissions in the state of New York | |
| Gratz et al. | Sources of mercury in precipitation to Underhill, VT | |
| Duvall et al. | Determining spatial variability in PM2. 5 source impacts across Detroit, MI | |
| Buzek et al. | Isotope composition of NH3, NOx and SO2 air pollution in the Moravia-Silesian region, Czech Republic | |
| Van Do et al. | Day–night variation and size distribution of water-soluble inorganic ions in particulate matter in Ulsan, South Korea | |
| Gupta et al. | Source apportionment and potential source regions of size-resolved particulate matter at a heavily polluted industrial city in the Indo-Gangetic Plain | |
| CN113740221B (zh) | 基于细颗粒物与臭氧的空气污染源区确定方法 | |
| Xing et al. | Spatial and temporal changes analysis of air quality before and after the COVID-19 in Shandong Province, China | |
| Wang et al. | Chemical characterization, source apportionment, and health risk assessment of PM2. 5 in a typical industrial region in North China | |
| Shon et al. | Impact of temporary emission reduction from a large-scale coal-fired power plant on air quality | |
| Li et al. | The Source Apportionment of Heavy Metals in Surface Dust in the Main District Bus Stops of Tianshui City Based on the Positive Matrix Factorization Model and Geo-Statistics | |
| Genç Tokgöz | Temporal variation in aerosol composition at Northwestern Turkey | |
| Bozkurt | Seasonal variation of water-soluble inorganic ions in PM10 in a city of northwestern Turkey | |
| Zhang et al. | Source apportionment of heavy metals in wet deposition in a typical industry city based on multiple models |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Wang Yuan Inventor after: Wang Yanwei Inventor after: Zhu Rongjie Inventor after: Zhang Lanxin Inventor after: Yang Chenbo Inventor after: Pan Zhou Inventor before: Wang Yanwei Inventor before: Zhu Rongjie Inventor before: Wang Yuan Inventor before: Zhang Lanxin Inventor before: Yang Chenbo Inventor before: Pan Zhou |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |