CN113780880B - 一种基于空间代表性的pm2.5观测站点布局评价方法 - Google Patents

一种基于空间代表性的pm2.5观测站点布局评价方法 Download PDF

Info

Publication number
CN113780880B
CN113780880B CN202111127776.6A CN202111127776A CN113780880B CN 113780880 B CN113780880 B CN 113780880B CN 202111127776 A CN202111127776 A CN 202111127776A CN 113780880 B CN113780880 B CN 113780880B
Authority
CN
China
Prior art keywords
site
observation
space
observing
coverage
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.)
Active
Application number
CN202111127776.6A
Other languages
English (en)
Other versions
CN113780880A (zh
Inventor
白鹤鸣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nantong University
Nantong Research Institute for Advanced Communication Technologies Co Ltd
Original Assignee
Nantong University
Nantong Research Institute for Advanced Communication Technologies Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nantong University, Nantong Research Institute for Advanced Communication Technologies Co Ltd filed Critical Nantong University
Priority to CN202111127776.6A priority Critical patent/CN113780880B/zh
Publication of CN113780880A publication Critical patent/CN113780880A/zh
Application granted granted Critical
Publication of CN113780880B publication Critical patent/CN113780880B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Abstract

本发明公开了一种基于空间代表性的PM2.5观测站点布局评价方法，包含以下步骤：步骤S0，计算目标区域整体PM2.5观测站点的空间覆盖范围，即对所有PM2.5观测站点的空间代表性取并集；步骤S1，根据目标区域整体PM2.5观测站点的空间覆盖范围计算所有PM2.5测站点的空间覆盖比例Pro_area和人口覆盖比例Pro_pop；步骤S2，计算所有PM2.5观测站点分布的冗余度R；步骤S3，构建PM2.5观测站点布局定量评价指标
Figure DDA0003279243460000011
利用本发明的布局评价方法能够指导目标区域例如城市里的PM2.5观测站点布局进行量化评估。

Description

一种基于空间代表性的PM2.5观测站点布局评价方法
技术领域
本发明属于空气质量监测技术领域，更具体地，涉及一种基于空间代表性的PM2.5观测站点布局评价方法。
背景技术
地面PM2.5浓度是空气污染监测的重要内容，现有的空气质量评价一般是基于地面观测站点数据，而观测站点数量有限，这些站点只能代表有限空间范围，此外，不同站点的空间代表范围可能存在重复交叉，即不同站点之间可能存在一定的冗余性，如何综合考虑上述因素对站点的分布进行定量评估是本发明的重要内容，在开发本方法时，具有以下几个技术难点：
(1)如果定量评估PM2.5观测站点的空间覆盖范围，即计算观测站点的空间代表性；
(2)如何量化不同站点空间代表范围的重复交叉程度；
(3)如何综合考虑站点空间代表范围、覆盖人口、以及不同站点空间代表范围的重复交叉程度，对PM2.5观测站点的布局进行定量评估。
发明内容
为了解决上述问题，本发明提供一种基于空间代表性的PM2.5观测站点布局评价方法。
为了实现以上目的，本发明采用的一种技术方案如下：
一种基于空间代表性的PM2.5观测站点布局评价方法，包含以下步骤：
步骤S0，计算目标区域整体PM2.5观测站点的空间覆盖范围，即对所有PM2.5观测站点的空间代表性取并集；
步骤S1，根据目标区域整体PM2.5观测站点的空间覆盖范围计算所有PM2.5测站点的空间覆盖比例Pro_area和人口覆盖比例Pro_pop；
步骤S2，计算所有PM2.5观测站点分布的冗余度R；
步骤S3，构建PM2.5观测站点布局定量评价指标
Figure BDA0003279243440000011
进一步地，所述PM2.5观测站点的空间代表性计算过程如下：
步骤S00，获取PM2.5观测站点i对应窗口内每点位(x，y)的PM2.5浓度，其中，(x，y)为该点位的地理位置信息；
步骤S01，计算每个点位(x，y)和PM2.5观测站点i相似度概率Fi(x，y)；
步骤S02，当相似度概率Fi(x，y)大于预设的概率阈值时，则认为该点位(x，y)在PM2.5观测站点i空间代表范围内。
进一步地，步骤S01中相似度概率Fi(x，y)的计算公式如下：
Figure BDA0003279243440000021
Figure BDA0003279243440000022
公式(1)中，Nt表示观测次数，PM2.5(Xi，Yi，tk)表示PM2.5观测站点i在tk时刻的PM2.5浓度，PM2.5(x，y，tk)表示点位(x，y)在tk时刻的PM2.5浓度，Flag表示在tk时刻的PM2.5浓度在PM2.5观测站点i和点位(x，y)是否相似。
进一步地，步骤S00中窗口大小为100公里*100公里，此时PM2.5观测站点位于窗口的中心位置；所述预设的概率阈值为0.9。
进一步地，所述步骤S2中的冗余度
Figure BDA0003279243440000023
其中，n表示目标区域内所有PM2.5观测站点的数量，S表示目标区域整体PM2.5观测站点的空间覆盖范围，Sj表示由j个PM2.5观测站点的空间代表性相互重复交叉形成的面积。
本发明的上述技术方案相比现有技术具有以下优点：
本发明提供的一种基于空间代表性的PM2.5观测站点布局评价方法，综合考虑了站点覆盖的范围和人口，以及站点之间的冗余度，利用本发明的布局评价方法能够指导目标区域例如城市里的PM2.5观测站点布局进行量化评估。
附图说明
图1为本发明一实施例中一种基于空间代表性的PM2.5观测站点布局评价方法的流程图；
图2为本发明一实施例中一种基于空间代表性的PM2.5观测站点布局评价方法的具体实例流程图。
具体实施例
下面将结合本发明实施例的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，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，都属于本发明保护的范围。
如图1所示，一种基于空间代表性的PM2.5观测站点布局评价方法，包含以下步骤：
步骤S0，计算目标区域整体PM2.5观测站点的空间覆盖范围，即对所有PM2.5观测站点的空间代表性取并集；
步骤S1，根据目标区域整体PM2.5观测站点的空间覆盖范围计算所有PM2.5测站点的空间覆盖比例Pro_area和人口覆盖比例Pro_pop；
步骤S2，计算所有PM2.5观测站点分布的冗余度R；
步骤S3，构建PM2.5观测站点布局定量评价指标
Figure BDA0003279243440000031
为实施本发明的一种基于空间代表性的PM2.5观测站点布局评价方法提前需要四种数据：1)现有PM2.5地面观测站点信息，包括所在城市及经纬度信息；2)精细化的PM2.5网格数据，该数据空间分辨率为1公里×1公里，数据为日平均。3)精细化的人口网格数据，该数据空间分辨率为1公里×1公里。
选取长三角地区26个城市为例，共计有213个观测站点，采用本发明提出的方法，对每个城市的PM2.5观测站点布局进行定量评估。
1、数据采集与预处理
a)长三角地区26个城市PM2.5地面观测站点信息，该数据来自中国环境监测总站(http：//www.cnemc.cn)，本发明具体使用了每个台站的经纬度信息，如表1所示。
表1 26个城市PM2.5地面观测信息
Figure BDA0003279243440000032
Figure BDA0003279243440000041
Figure BDA0003279243440000051
Figure BDA0003279243440000061
Figure BDA0003279243440000071
Figure BDA0003279243440000081
b)精细化PM2.5网格数据。该数据来自公开数据集ChinaHighPM2.5，数据网址为https：//zenodo.org/record/4959828#.YM09nMisEZs，数据为日平均，空间分辨率为1公里×1公里，本发明采用的数据时间跨度为2016-2020年。
c)精细化人口网格数据。数据采用全球人口格点数据集(第四版本)，数据空间分辨率为1公里×1公里，数据采用2020年，提取26个城市的人口格点数据。数据网址为：https：//sedac.ciesin.columbia.edu/data/collection/gpw-v4。
2、计算每个城市所有PM2.5观测站点的空间覆盖范围，其中，单个PM2.5观测站点的空间代表性计算过程如下：
步骤S00，获取PM2.5观测站点i对应窗口内每点位(x，y)的PM2.5浓度，其中，(x，y)为该点位的地理位置信息；
步骤S01，计算每个点位(x，y)和PM2.5观测站点i相似度概率Fi(x，y)；
依据每个城市现有PM2.5观测站点的位置信息，并利用精细化PM2.5网格数据，计算站点对应的空间代表性，具体计算公式如下：
Figure BDA0003279243440000091
Figure BDA0003279243440000092
公式(1)中，Nt表示观测次数，PM2.5(Xi，Yi，tk)表示PM2.5观测站点i在tk时刻的PM2.5浓度，PM2.5(x，y，tk)表示点位(x，y)在tk时刻的PM2.5浓度，Flag表示在tk时刻的PM2.5浓度在PM2.5观测站点i和点位(x，y)是否相似。步骤S00中窗口大小为100公里*100公里，此时PM2.5观测站点位于窗口的中心位置；所述预设的概率阈值为0.9。
步骤S02，当相似度概率Fi(x，y)大于预设的概率阈值时，则认为该点位(x，y)在PM2.5观测站点i空间代表范围内。
接着计算城市的整体PM2.5观测站点的空间覆盖范围，即对所有PM2.5观测站点的空间代表性取并集。取并集如下：
首先将每个PM2.5观测站点的空间代表性对应的范围赋值为1，然后对给定城市中所有PM2.5观测站点的空间代表性对应的范围做求和运算，随后，等于j=2的区域面积为S2，等于3的区域面积为S3，以此类推；同时将所有观测站点的空间代表性之和减去
Figure BDA0003279243440000094
即可得到城市整体PM2.5观测站点的空间覆盖范围。
3、计算每个城市PM2.5观测站点的空间覆盖比例和人口覆盖比例
a)将城市整体PM2.5观测站点的空间覆盖范围，与该城市总面积做比值，进而得到空间覆盖比例(Pro_area)。
b)结合精细化人口网格数据，计算城市整体PM2.5观测站点的空间覆盖范围所覆盖的人口总数，与该城市的总人口数量做比值，进而得到人口覆盖比例(Pro_pop)。
4、计算每个城市所有PM2.5观测站点分布的冗余度
采用本发明构建的冗余度指标R，去量化不同站点空间代表范围的重复交叉程度。具体计算公式如下：
Figure BDA0003279243440000093
公式(3)中，R表示在给定一个城市中所有PM2.5观测站点的冗余度，该值范围在0-1，0表示没有冗余，1表示所有站点的空间代表范围都相同。n表示目标区域内所有PM2.5观测站点的数量，S表示目标区域整体PM2.5观测站点的空间覆盖范围，Sj表示由j个PM2.5观测站点的空间代表性相互重复交叉形成的面积。Sj的计算过程在计算计算城市的整体PM2.5观测站点的空间覆盖范围已经求出，这边不再赘述。
5、计算每个城市的PM2.5观测站点布局评价指标
a)计算每个城市的空间覆盖比例(Pro_area)、人口覆盖比例(Pro_pop)、站点分布冗余度(R)。
b)计算本发明提出的观测站点布局评价指标：
Figure BDA0003279243440000101
按照上述步骤，现给出26个城市的PM2.5观测站点布局评价指标如表2所示，从该表可知，南京市布局评价指标最高，为0.87，布局最为合理。
表2长三角地区26个城市PM2.5观测站点布局评价指标
Figure BDA0003279243440000102
Figure BDA0003279243440000111
以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细但并不能因此而理解为对本申请专利范围的限制。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 (1)

1.一种基于空间代表性的PM2.5观测站点布局评价方法，其特征在于，包含以下步骤：
步骤S0，计算目标区域整体PM2.5观测站点的空间覆盖范围，即对所有PM2.5观测站点的空间代表性取并集；
步骤S1，根据目标区域整体PM2.5观测站点的空间覆盖范围计算所有PM2.5测站点的空间覆盖比例Pro_area和人口覆盖比例Pro_pop；
步骤S2，计算所有PM2.5观测站点分布的冗余度R；
步骤S3，构建PM2.5观测站点布局定量评价指标
Figure QLYQS_1
计算每个城市所有PM2.5观测站点的空间覆盖范围，其中，单个PM2.5观测站点的空间代表性计算过程如下：
步骤S00，获取PM2.5观测站点i对应窗口内每点位(x,y)的PM2.5浓度，其中，(x,u)为该点位的地理位置信息；
步骤S01，计算每个点位(x,y)和PM2.5观测站点i相似度概率Fi(x,y)；
依据每个城市现有PM2.5观测站点的位置信息，并利用精细化PM2.5网格数据，计算站点对应的空间代表性，具体计算公式如下：
Figure QLYQS_2
Figure QLYQS_3
公式(1)中，Nt表示观测次数，PM2.5(Xi,Yi,tk)表示PM2.5观测站点i在tk时刻的PM2.5浓度，PM2.5(x,y,tk)表示点位(x,y)在tk时刻的PM2.5浓度，Flag表示在tk时刻的PM2.5浓度在PM2.5观测站点i和点位(x,y)是否相似；步骤S00中窗口大小为100公里*100公里，此时PM2.5观测站点位于窗口的中心位置；预设的概率阈值为0.9；
步骤S02，当相似度概率Fi(x,y)大于预设的概率阈值时，则认为该点位(x,y)在PM2.5观测站点i空间代表范围内；
接着计算城市的整体PM2.5观测站点的空间覆盖范围，即对所有PM2.5观测站点的空间代表性取并集，取并集如下：
首先将每个PM2.5观测站点的空间代表性对应的范围赋值为1，然后对给定城市中所有PM2.5观测站点的空间代表性对应的范围做求和运算，随后，等于j＝2的区域面积为S2，等于3的区域面积为S3，以此类推；同时将所有观测站点的空间代表性之和减去
Figure QLYQS_4
即可得到城市整体PM2.5观测站点的空间覆盖范围；
计算每个城市PM2.5观测站点的空间覆盖比例和人口覆盖比例：
将城市整体PM2.5观测站点的空间覆盖范围，与该城市总面积做比值，进而得到空间覆盖比例Pro_area；
结合精细化人口网格数据，计算城市整体PM2.5观测站点的空间覆盖范围所覆盖的人口总数，与该城市的总人口数量做比值，进而得到人口覆盖比例Pro_pop；
所述步骤S2中的冗余度
Figure QLYQS_5
其中，n表示目标区域内所有PM2.5观测站点的数量，S表示目标区域整体PM2.5观测站点的空间覆盖范围，Sj表示由j个PM2.5观测站点的空间代表性相互重复交叉形成的面积。/>
CN202111127776.6A 2021-09-26 2021-09-26 一种基于空间代表性的pm2.5观测站点布局评价方法 Active CN113780880B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111127776.6A CN113780880B (zh) 2021-09-26 2021-09-26 一种基于空间代表性的pm2.5观测站点布局评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111127776.6A CN113780880B (zh) 2021-09-26 2021-09-26 一种基于空间代表性的pm2.5观测站点布局评价方法

Publications (2)

Publication Number Publication Date
CN113780880A CN113780880A (zh) 2021-12-10
CN113780880B true CN113780880B (zh) 2023-07-04

Family

ID=78853442

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111127776.6A Active CN113780880B (zh) 2021-09-26 2021-09-26 一种基于空间代表性的pm2.5观测站点布局评价方法

Country Status (1)

Country Link
CN (1) CN113780880B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117670134A (zh) * 2023-12-12 2024-03-08 南通大学 一种空气污染物观测站点布局评价方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107103378A (zh) * 2016-02-23 2017-08-29 中国农业大学 一种玉米种植环境测试站点布局方法及系统
CN107590514A (zh) * 2017-09-11 2018-01-16 北京农业信息技术研究中心 遥感分类精度评价的样本点优化布设方法、系统和设备
CN110222911A (zh) * 2019-06-20 2019-09-10 中国水利水电科学研究院 一种卫星遥感与地面数据协同的雨量站网优化布局方法
CN110852479A (zh) * 2019-10-12 2020-02-28 上海市政工程设计研究总院（集团）有限公司 一种基于人口覆盖率的公共服务设施服务半径评价方法
WO2020043030A1 (zh) * 2018-08-25 2020-03-05 司书春 大气污染监测设备数据可信度评价及校准方法
CN112418609A (zh) * 2020-10-30 2021-02-26 暨南大学 一种基于面-网格-点的大气二次污染精准溯源方法
CN113011029A (zh) * 2021-03-23 2021-06-22 南京信息工程大学 一种高铁沿线测风站点布局优化方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107103378A (zh) * 2016-02-23 2017-08-29 中国农业大学 一种玉米种植环境测试站点布局方法及系统
CN107590514A (zh) * 2017-09-11 2018-01-16 北京农业信息技术研究中心 遥感分类精度评价的样本点优化布设方法、系统和设备
WO2020043030A1 (zh) * 2018-08-25 2020-03-05 司书春 大气污染监测设备数据可信度评价及校准方法
CN110222911A (zh) * 2019-06-20 2019-09-10 中国水利水电科学研究院 一种卫星遥感与地面数据协同的雨量站网优化布局方法
CN110852479A (zh) * 2019-10-12 2020-02-28 上海市政工程设计研究总院（集团）有限公司 一种基于人口覆盖率的公共服务设施服务半径评价方法
CN112418609A (zh) * 2020-10-30 2021-02-26 暨南大学 一种基于面-网格-点的大气二次污染精准溯源方法
CN113011029A (zh) * 2021-03-23 2021-06-22 南京信息工程大学 一种高铁沿线测风站点布局优化方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
中国陆地生态系统通量观测站点空间代表性;王绍强;陈蝶聪;周蕾;何洪林;石浩;闫慧敏;苏文;;生态学报(第24期);全文 *
区域空气质量监测网络优化布点方法研究;刘潘炜;郑君瑜;李志成;钟流举;王雪松;;中国环境科学(第07期);全文 *
空气质量监测网资源及环境质量达标评价方法;王帅;李婧妍;丁峰;张迪;孟晓艳;唐桂刚;李健军;;环境影响评价(第03期);全文 *

Also Published As

Publication number Publication date
CN113780880A (zh) 2021-12-10

Similar Documents

Publication Publication Date Title
Ye et al. Improved population mapping for China using remotely sensed and points-of-interest data within a random forests model
Wu et al. A hybrid kriging/land-use regression model to assess PM2. 5 spatial-temporal variability
Han et al. Spatial distribution characteristics of PM2. 5 and PM10 in Xi’an City predicted by land use regression models
Huang et al. Spatial–temporal distribution characteristics of PM 2.5 in China in 2016
Meng et al. A land use regression model for estimating the NO2 concentration in Shanghai, China
Borge et al. Analysis of long-range transport influences on urban PM10 using two-stage atmospheric trajectory clusters
Marengo et al. Observed and projected changes in rainfall extremes in the Metropolitan Area of São Paulo
Cai et al. The need for urban form data in spatial modeling of urban carbon emissions in China: A critical review
Das et al. Assessment of urban sprawl using landscape metrics and Shannon’s entropy model approach in town level of Barrackpore sub-divisional region, India
Adams et al. Mobile air monitoring: measuring change in air quality in the city of Hamilton, 2005–2010
Zhang et al. Land use regression for spatial distribution of urban particulate matter (PM10) and sulfur dioxide (SO2) in a heavily polluted city in Northeast China
CN114997499A (zh) 一种半监督学习下的城市颗粒物浓度时空预测方法
Cummings et al. Mobile monitoring of air pollution reveals spatial and temporal variation in an urban landscape
CN115470269A (zh) 一种多源实况数据在新疆城市暴雨天气中的释用评估方法
CN113780880B (zh) 一种基于空间代表性的pm2.5观测站点布局评价方法
Su et al. Understanding the distribution and drivers of PM2. 5 concentrations in the Yangtze River Delta from 2015 to 2020 using Random Forest Regression
Effat et al. Modeling and mapping of urban sprawl pattern in Cairo using multi-temporal landsat images, and Shannon’s entropy
Zhou et al. A multi-perspective study of atmospheric urban heat island effect in China based on national meteorological observations: Facts and uncertainties
Xu et al. Potential for developing independent daytime/nighttime LUR models based on short-term mobile monitoring to improve model performance
Wang et al. Chinese blue days: a novel index and spatio-temporal variations
Chang et al. Spatio-temporal analysis of air pollution in North China Plain
CN113536577B (zh) 一种基于空间代表性的pm2.5观测站点优化布局方法
Masri et al. Development of spatiotemporal models to predict ambient ozone and NOx concentrations in Tianjin, China
CN116307754A (zh) 基于卫星观测和地理信息数据的夜间经济水平估算方法及系统
Ibrahim et al. Reviews on the socio-economic indicators for spatial urban scale

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