CN114565190A - 预测大气环境容量的方法、装置及电子设备 - Google Patents
预测大气环境容量的方法、装置及电子设备 Download PDFInfo
- Publication number
- CN114565190A CN114565190A CN202210356007.1A CN202210356007A CN114565190A CN 114565190 A CN114565190 A CN 114565190A CN 202210356007 A CN202210356007 A CN 202210356007A CN 114565190 A CN114565190 A CN 114565190A
- Authority
- CN
- China
- Prior art keywords
- target area
- time
- pollutant
- environmental
- atmospheric
- 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 61
- 230000000737 periodic effect Effects 0.000 claims abstract description 53
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 239000003344 environmental pollutant Substances 0.000 claims description 150
- 231100000719 pollutant Toxicity 0.000 claims description 147
- 230000007613 environmental effect Effects 0.000 claims description 121
- 239000003570 air Substances 0.000 claims description 70
- 238000004088 simulation Methods 0.000 claims description 45
- 230000009467 reduction Effects 0.000 claims description 32
- 239000000356 contaminant Substances 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 10
- 239000012080 ambient air Substances 0.000 claims description 4
- 230000001932 seasonal effect Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000007599 discharging Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 239000012855 volatile organic compound Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000000007 visual 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/148—Wavelet transforms
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Marketing (AREA)
- Pure & Applied Mathematics (AREA)
- Algebra (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Databases & Information Systems (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
Abstract
本公开提供一种预测大气环境容量的方法、装置及电子设备,其中,该方法包括:根据目标区域预设历史时期的气象数据,使用气象模式生成预设历史时期的气象背景场;根据该气象背景场和目标区域的大气污染源排放清单,使用空气质量模型模拟目标区域在第一时间尺度下的大气环境容量,得到目标区域在第一时间尺度下的大气环境容量的时间序列;对该时间序列进行小波分析,得到大气环境容量在第二时间尺度下的周期性变化规律,该第二时间尺度为第一时间尺度的整数倍;根据该周期性变化规律预测目标区域的大气环境容量。通过本公开的一个或多个实施例,可实现大气环境容量高精度、长时间预测。
Description
技术领域
本公开涉及空气质量监测技术领域,尤其涉及一种预测大气环境容量的方法、装置及电子设备。
背景技术
大气环境容量是某一环境在污染物累积浓度不超过环境标准规定的最大容许值的情况下,一定时期内所能容纳的污染物最大负荷量。核算大气环境容量的主要方法有A值法、线性优化法、模型模拟法等。
A值法基于箱式模型原理,假设环境容量与大气环境自净能力、地区面积呈正比关系,仅考虑自然因素,未反映排放源特征、化学转化过程,适用于核定理想状态下的大气环境容量,不适用于PM2.5、O3等达标约束下环境容量。
线性优化方法是基于线性优化理论计算大气环境容量,将污染源及其扩散过程与控制点联系起来,以目标控制点的浓度达标作约束,通过多源模型与数学规划法等确定源的最大允许排放量。
模型模拟法是采用空气质量模型对污染源削减方案进行模拟,满足空气质量达标对应的污染源排放量即为区域大气环境容量。
针对大气环境容量高精度、长时间预测,目前尚未提出有效的解决方案。
发明内容
根据本公开的一方面,提供了一种预测大气环境容量的方法,包括:根据目标区域预设历史时期的气象数据,使用气象模式生成预设历史时期的气象背景场;根据该气象背景场和目标区域的大气污染源排放清单,使用空气质量模型模拟目标区域在第一时间尺度下的大气环境容量,得到目标区域在第一时间尺度下的大气环境容量的时间序列;对该时间序列进行小波分析,得到大气环境容量在第二时间尺度下的周期性变化规律,该第二时间尺度为第一时间尺度的整数倍;根据该周期性变化规律预测目标区域的大气环境容量。
在一些实施例中,包括多种污染物;对上述时间序列进行小波分析,得到大气环境容量在第二时间尺度下的周期性变化规律,包括:将上述时间序列拆分为多种污染物中每种污染物对应的时间序列;对于每种污染物对应的时间序列:对该污染物对应的时间序列进行小波分析,得到该污染物对应的大气环境容量在第二时间尺度下的周期性变化规律;根据上述周期性变化规律预测目标区域的大气环境容量,包括:对于多种污染物中的每种污染物,根据该污染物的周期性变化规律,预测目标区域该污染物对应的大气环境容量。
在一些实施例中,包括多种污染物;根据上述气象背景场和目标区域的大气污染源排放清单,使用空气质量模型模拟目标区域在第一时间尺度下的大气环境容量,得到目标区域在第一时间尺度下的大气环境容量的时间序列,包括:以第一时间尺度将上述预设历史时期划分为多个时间段;对于该多个时间段中的第一时间段,根据目标区域的大气污染源排放清单和第一时间段对应的气象背景场,使用空气质量模型模拟目标区域在第一时间段的大气环境容量,以得到使目标区域在第一时间段满足环境目标的第一排放清单;对于多个时间段中除第一时间段之外的每个第二时间段:根据上述第一排放清单和该第二时间段对应的气象背景场,使用空气质量模型模拟目标区域在该第二时间段的大气环境容量,以得到使目标区域在该第二时间段满足环境目标的第二排放清单,其中,在模拟过程中对第一排放清单中的多种污染物进行同比例调整;由第一时间段对应的调整系数、和得到每个第二时间段对应的第二排放清单时相对于第一排放清单的调整系数,形成目标区域在第一时间尺度下的时间序列,其中,第一时间段对应的调整系数为1。
在一些实施例中,对于上述多个时间段中的第一时间段,根据目标区域的大气污染源排放清单和第一时间段对应的气象背景场,使用空气质量模型模拟目标区域在第一时间段的大气环境容量,以得到使目标区域在第一时间段满足环境目标的第一排放清单,包括:确定目标区域和目标区域周边的至少一个区域为模拟区域;根据第一时间段对应的气象背景场,使用空气质量模型确定使该至少一个区域中至少部分区域在第一时间段满足环境目标的第三排放清单,其中,第三排放清单包括至少一个区域中各个区域的排放清单;在该模拟区域,根据第一时间段对应的气象背景场使用空气质量模型模拟目标区域的大气环境容量,得到使目标区域在第一时间段满足环境目标的第一排放清单,其中,保持该第三排放清单不变、并以目标区域内各个污染物的最大减排量为约束削减目标区域内各个污染物的排放量。
在一些实施例中,以目标区域内各个污染物的最大减排量为约束削减目标区域内各个污染物的排放量,包括:对于目标区域内的每种污染物,在该污染物的排放量削减到该污染物的最大减排量时,削减目标区域内其他污染物的排放量。
在一些实施例中,根据第一时间段对应的气象背景场,使用空气质量模型确定使该至少一个区域中至少部分区域满足环境目标的第三排放清单,包括:将上述模拟区域的第四排放清单、和第一时间段对应的气象背景场输入空气质量模型,以输出该至少一个区域中每个区域的污染物浓度值;判断该至少一个区域中是否存在污染物浓度值不满足环境目标的区域;如果存在污染物浓度值不满足环境目标的区域,分别调整第四排放清单中污染物浓度值不满足环境目标的区域对应部分的排放量;将调整得到的第四排放清单作为新的第四排放清单,并返回上述将模拟区域的第四排放清单输入空气质量模型的步骤;如果不存在污染物浓度值不满足环境目标的区域,将第四排放清单中上述至少一个区域对应的部分作为第三排放清单。
在一些实施例中,第一时间尺度为每月,时间序列包括预设历史时期内每月的大气环境容量;第二时间尺度包括每月、每个季节、每半年、每年、或每个年代中至少之一;周期性变化规律包括月际变化、季节际变化、年际变化、或年代际变化中至少之一;或者第一时间尺度为每年,时间序列包括预设历史时期内每年的大气环境容量;第二时间尺度包括每年、或每个年代中至少之一;周期性变化规律包括年际变化、或年代际变化中至少之一。
根据本公开的另一方面,提供了一种预测大气环境容量的装置,包括:生成模块,用于根据目标区域预设历史时期的气象数据,使用气象模式生成该预设历史时期的气象背景场;模拟模块,用于根据该气象背景场和目标区域的大气污染源排放清单,使用空气质量模型模拟目标区域在第一时间尺度下的大气环境容量,得到目标区域在第一时间尺度下的大气环境容量的时间序列;分析模块,用于对该时间序列进行小波分析,得到大气环境容量在第二时间尺度下的周期性变化规律,第二时间尺度为第一时间尺度的整数倍;预测模块,用于根据该周期性变化规律预测目标区域的大气环境容量。
根据本公开的另一方面,提供了一种电子设备,包括:处理器;以及存储程序的存储器,其中,该程序包括指令,该指令在由该处理器执行时使该处理器执行本公开实施例的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使该计算机执行本公开实施例的方法。
本公开实施例中提供的一个或多个技术方案,基于历史气象数据,利用模式模拟的方法对大气环境容量进行模拟。在此基础上,对大气环境容量进行小波分析,总结周期性规律,从而可精准预测大气环境容量。而相关技术中的预测方法,由于其基于预测的气象数据等进行预测,随着预测期的加长,预测的气象数据等本身存在较大的误差,基于具有误差的数据进一步预测环境容量准确性大幅降低。
附图说明
在下面结合附图对于示例性实施例的描述中,本公开的更多细节、特征和优点被公开,在附图中:
图1示出了根据本公开示例性实施例的预测大气环境容量的方法的流程图;
图2示出了PM2.5的环境容量的周期性变化的示意图;
图3示出了根据本公开示例性实施例的测算每个时间段的大气环境容量的方法的流程图;
图4示出了根据本公开示例性实施例的确定使至少一个区域中至少部分区域满足环境目标的排放清单的方法的流程图;
图5示出了根据本公开示例性实施例的得到目标区域在第一时间尺度下的大气环境容量的时间序列的方法的流程图;
图6示出了根据本公开示例性实施例的预测大气环境容量的方法的示意性框图;
图7示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
以下参照附图描述本公开的方案。
本公开实施例提供了一种预测大气环境容量的方法。
图1示出了根据本公开示例性实施例的预测大气环境容量的方法的流程图,如图1所示,该方法包括步骤S101至步骤S104。
步骤S101,根据目标区域预设历史时期的气象数据,使用气象模式生成预设历史时期的气象背景场。
在本实施例中,预设历史时期可包括过去数年的气象数据。
在本实施例中,基于气象数据使用气象模式生成气象背景场可参见公知技术,本实施例对此不作限定。
步骤S102,根据该气象背景场和目标区域的大气污染源排放清单,使用空气质量模型模拟目标区域在第一时间尺度下的大气环境容量,得到目标区域在第一时间尺度下的大气环境容量的时间序列。
在步骤S102之前,获取目标区域的大气污染源排放清单。作为一种示例,目标区域可包括县(区)、市、省等行政划分的区域。作为一种示例,目标区域的大气污染源排放清单可由由目标区域编制,也可从公开数据源(例如中国多尺度排放清(MEIC))获取,本实施例对此不作限定。
在本实施例中,空气质量模型可包括但不限于嵌套网格空气质量预报模式系统(Nested Air Quality Prediction Modeling System,NAQPMS)、第三代空气质量预报和评估系统(third-Generation Air Quality Modeling System,CMAQ)、气象模式和化学模式耦合(Weather Research and Forecasting model coupled with Chemistry,WRF-Chem)、或扩展综合空气质量模型(Comprehensive Air quality Model with extensions,CAMx)等。
在步骤S102中,以大气污染源排放清单和气象背景场作为空气质量模型的输入,由空气质量模型进行空气质量模拟,输出排放清单对应的污染物浓度值。基于污染物浓度值与环境目标的比较,不断调整大气污染源排放清单,得到使目标区域满足环境目标的排放清单,由此得到大气环境容量。
在本实施例中,第一时间尺度可为每月、每个季节、每半年或每年,但不限于此。由于污染物之间有化学转化的过程,时间太短,可能无法将转化的作用体现出来,结果相对不可靠。因此,第一时间尺度可至少以月为单位。
作为一种示例,第一时间尺度为每月,上述步骤S102得到由预设历史时期中每月的大气环境容量构成的时间序列。该时间序列依序为每月的大气环境容量。作为一个例子,预设历史时期为过去30年,可得到过去360个月中每月的大气环境容量。
作为另一种示例,第一时间尺度为每年,上述步骤S102得到由预设历史时期中每年的大气环境容量构成的时间序列。该时间序列依序为每年的大气环境容量。作为一个例子,预设历史时期为过去30年,可得到过去30年中每年的大气环境容量。
步骤S103,对该时间序列进行小波分析,得到大气环境容量在第二时间尺度下的周期性变化规律,该第二时间尺度为第一时间尺度的整数倍。
作为一种示例,在第一时间尺度为每月的情况下,第二时间尺度包括每月、每个季节(春、夏、秋、冬)、每半年、每年、或每个年代中至少之一;周期性变化规律包括月际变化、季节际变化、年际变化、或年代际变化中至少之一。
作为另一种示例,在第一时间尺度为每年的情况下,时间序列包括预设历史时期内每年的大气环境容量;第二时间尺度可包括每年、或每个年代中至少之一;周期性变化规律包括年际变化、或年代际变化中至少之一。
应当理解,本实施例对第一时间尺度不作限定,其可为上述的每月、每年,也可以包括每个季节、每半年、每一年半等,相应的第二时间尺度为第一时间尺度的整数倍,本实施例对此不作限定。作为一个例子,第一时间尺度为每半年,上述步骤S102中可得到近30年中每半年的大气环境容量,形成包括60个数据元素的时间序列;第二时间尺度可包括每半年、每年、或每个年代中至少之一。
步骤S104,根据该周期性变化规律预测目标区域的大气环境容量。
在考虑一种污染物的大气环境容量(例如,PM2.5等)的情况下,上述的时间序列为第一时间尺度下该污染物对应的多个污染物浓度值。基于上述步骤S103,可得到该污染物的大气环境容量的周期性变化规律。在确定出周期性变化规律后,在步骤S104中,确定目标时间点所处在周期性变化规律中对应的位置,可确定目标时间点该污染物对应的环境容量。
图2示出了PM2.5的环境容量的周期性变化的示意图,如图2所示,PM2.5的环境容量呈周期性变化,周期为4年。例如,在预测2025年PM2.5的环境容量时,可基于该变化规律,确定2025年PM2.5的环境容量为2013年、2017年或2021年的环境容量,或者2013年、2017年及2021年的环境容量的平均值。又例如,在预测2027年PM2.5的环境容量时,可基于该变化规律,确定2027年PM2.5的环境容量为2011年、或2015年、或2019年的环境容量,或者2011年、2015年及2019年的环境容量的平均值。
下面对多种污染物(例如,PM2.5、PM10及NOX、SO2、NH3、VOCs等中的至少两种)的大气环境容量的示例性实施方式进行描述。
实施方式一
在多种污染物的大气环境容量的情况下,作为一种实施方式,分别对每种污染物进行小波分析以确定每种污染物的周期性变化规律。
上述步骤S103,对上述时间序列进行小波分析,得到大气环境容量在第二时间尺度下的周期性变化规律,包括:将上述时间序列拆分为多种污染物中每种污染物对应的时间序列,每种污染物对应一个时间序列;对于每种污染物对应的时间序列:对该污染物对应的时间序列进行小波分析,得到该污染物对应的大气环境容量在第二时间尺度下的周期性变化规律,由此可得到每种污染物在第二时间尺度下的周期性变化规律。
进一步的,上述步骤S104中,根据上述周期性变化规律预测目标区域的大气环境容量,包括:对于多种污染物中的每种污染物,根据该污染物的周期性变化规律,预测目标区域该污染物对应的大气环境容量。由此,基于每种污染物的周期性变化规律确定每个污染物的排放量,由此得到多种污染物的排放量,进而得到包括多种污染物的大气环境容量。
作为一种实施方式,上述步骤S102中,按照第一时间尺度将上述预设历史时期划分为多个时间段,对于每个时间段,根据目标区域的大气污染源排放清单和该时间段对应的气象背景场,使用空气质量模型模拟目标区域在该时间段的大气环境容量。作为一种示例,上述第一时间尺度为每月,上述预设历史时期为近30年,可将近30年划分为360个月,每个时间段为一个月,可基于目标区域的污染源排放清单、和每个月对应的气象背景场,使用空气质量模型模拟目标区域在每月的大气环境容量,得到360个模拟结果。
按照周边区域的实际数据,很多区域污染物浓度是超标的,如果周边区域污染物浓度过高,目标区域污染物浓度在调整过程中逐渐接近环境质量标准,那对于目标区域而言,传输占比逐渐增大,对目标区域自身环境容量的测算会有较大影响。因此,考虑到污染物的周边传输,作为一种实施方式,如图3所示,对于多个时间段中的每个时间段:根据目标区域的大气污染源排放清单和该时间段对应的气象背景场,使用空气质量模型模拟目标区域在该时间段的大气环境容量,包括步骤S301至步骤S303。
步骤S301,确定目标区域和目标区域周边的至少一个区域为模拟区域。
在本实施例中,目标区域可为任意的地理范围。通常,目标区域为行政划分的地理范围,例如,县(区)、市、或省等。
作为一种示例,目标区域为单个城市,以对单个城市的大气环境容量进行模拟。
作为另一个示例,目标区域为地理上相邻且行政上关联的多个城市,以对多个城市的大气环境容量进行模拟。
本实施例对目标区域的地理范围划分方式不作限定。
作为一个例子,目标区域可为北京市,周边的区域可包括天津市、廊坊市、张家口市、保定市和廊坊市中的至少一个城市。
步骤S302,根据该时间段对应的气象背景场,使用空气质量模型确定使至少一个区域中至少部分区域满足环境目标的第一排放清单,其中,第一排放清单包括至少一个区域中各个区域的排放清单。
在本实施例中,环境目标为各个污染物浓度值达标。
作为一种实施方式,在步骤S302中,可使用空气质量模型分别对上述至少一个区域中的每个区域进行空气质量模拟,得到污染物浓度的模拟结果,并基于模拟结果与环境目标的比较调整区域的排放清单,直到该区域的模拟结果满足环境目标,将使得模拟结果满足环境目标的排放清单作为第一排放清单中该区域对应的部分。
在本实施例中,空气质量模型可包括但不限于NAQPMS、CMAQ、WRF-Chem、或扩CAMx等。
作为另一种实施方式,在步骤S302中,在模拟区域内,使用空气质量模型对上述至少一个区域中的各个区域进行空气质量模拟。
步骤S303,在模拟区域,根据时间段对应的气象背景场使用空气质量模型模拟目标区域的大气环境容量,得到使目标区域满足环境目标的第二排放清单,其中,保持上述第一排放清单不变、并以目标区域内各个污染物的最大减排量为约束削减目标区域内各个污染物的排放量。第二排放清单对应的污染物排放量可视为大气环境容量。
在步骤S303中以目标区域内各个污染物的最大减排量为约束削减目标区域内各个污染物的排放量,此时的环境容量(各类污染物的排放量)是可以通过相应减排措施达到的。如果不以当地最大减排量为约束,各类污染任意削减,最终达标时对应的污染物减排量可能已经超过实际可减排量,则不具有实际可操作性,对实际工作的指导性较小,而以各种污染物的最大减排量为约束调整目标区域的排放清单,从而使污染物浓度达标,实际可操作性更大。
作为一种示例,以目标区域内各个污染物的最大减排量为约束削减目标区域内各个污染物的排放量,包括:对于目标区域内的每种污染物,在该污染物的排放量削减到该污染物的最大减排量时,削减目标区域内其他污染物的排放量。由此,使得大气环境容量更加符合实际。
在步骤S303中,第二排放清单为模拟区域的排放清单中目标区域对应的部分。
在步骤S303中,输入空气质量模型的排放清单包括上述第一排放清单和目标区域初始的排放清单。上述第一排放清单也就是上述至少一个区域中各个区域经前述调整所得的排放清单。通常,输入空气质量模型的数据还包括气象背景场数据,在本实施例中,基于气象数据模拟气象背景场数据,本实施例对此不做限定。
在步骤S303中,在目标区域初始的排放清单上削减目标区域内各个污染物的排放量。
在步骤S303中,以目标区域内各个污染物的最大减排量为约束削减目标区域内各个污染物的排放量,包括:对于目标区域内的每种污染物,在污染物的排放量削减到污染物的最大减排量时,削减目标区域内其他污染物的排放量。作为一种示例,如果PM2.5最大减排量为原始排放量的10%,在设置削减方案时,当PM2.5已经削减10%,则不能再继续削减,而通过削减其他污染物的排放量来使污染物浓度达标。
在步骤S303中,可预设每种污染物的削减比例。作为一种示例,可以是同比例削减,例如每次削减时,在污染物的最大减排量约束下,每种污染物均同比例削减,例如SO2、NOx、PM2.5、PM10、NH3、VOCs分别削减10%、10%、10%、10%、10%、10%。作为另一种示例,也可以是不同比例削减,在污染物的最大减排量约束下,SO2、NOx、PM2.5、PM10、NH3、VOCs分别削减5%、10%、15%、20%、5%、10%。
应当理解,本实施例对削减方案不作限定,在污染物的最大减排量约束下,其他削减方式也是可行,例如,每种污染物的削减量等。本实施例对此不作穷举。
图3所示的示例,确定使目标区域周边至少一个区域中至少部分区域满足环境目标的排放清单,基于该排放清单确定使得目标区域满足环境目标的排放清单,考虑了周边传输的影响,模拟结果更精准、更符合实际。并以目标区域内各个污染物的最大减排量为约束削减目标区域内各个污染物的排放量,考虑了目标区域的减排潜力,实际可操作性更大。
作为一种示例,如图4所示,上述步骤S302中,根据该时间段对应的气象背景场,使用空气质量确定使至少一个区域中至少部分区域满足环境目标的第一排放清单,包括步骤S401至步骤S405。由此实现对周边区域进行协同且差异化减排。
步骤S401,将模拟区域的第三排放清单和该时间段对应的气象背景场输入空气质量模型,以输出至少一个区域中每个区域的污染物浓度值。
在步骤S401中,在初始状态,模拟区域第三排放清单包括目标区域和上述至少一个区域初始的排放清单。目标区域和上述至少一个区域的排放清单可来自同一数据源,例如来自中国多尺度排放清(MEIC)。目标区域和上述至少一个区域的排放清单可来自不同的数据源,例如各个区域自行编制的排放清单。
步骤S402,判断该至少一个区域中是否存在污染物浓度值不满足环境目标的区域,如果存在污染物浓度值不满足环境目标的区域,进入步骤S403。如果不存在污染物浓度值不满足环境目标的区域,进入步骤S405。
步骤S403,分别调整第三排放清单中污染物浓度值不满足环境目标的区域对应部分的排放量。
步骤S404,将调整得到的第三排放清单作为新的第三排放清单,并返回步骤S401。
步骤S405,将第三排放清单作中上述至少一个区域对应的部分作为第一排放清单。
在步骤S403中,可保持目标区域的排放清单不变。此时,步骤S405中得到的第三排放清单包括目标区域初始的排放清单,以及上述第一排放清单(也就是调整所得的上述至少一个区域对应的部分)。可将步骤S405中得到的第三排放清单作为步骤S303中空气质量模型的输入。
在步骤S403中,可保调整目标区域的排放清单。此时,步骤S405中得到的第三排放清单包括目标区域调整后的排放清单,以及上述第一排放清单(也就是调整所得的上述至少一个区域对应的部分)。可将步骤S405中得到的第三排放清单中目标区域对应的部分替换为目标区域初始的排放清单,然后作为步骤S303中空气质量模型的输入。
实施方式二
在多种污染物的大气环境容量的情况下,作为另一种实施方式,按照第一时间尺度将上述预设历史时期划分为多个时间段,对于多个时间段中的一个时间段,根据目标区域的大气污染源排放清单和该时间段对应的气象背景场,使用空气质量模型模拟目标区域在该时间段的大气环境容量。对于多个时间段中的其他每个时间段,基于前述的时间段得到满足环境目标的排放清单,确定使得其他每个时间段满足环境目标时对前述排放清单的调整系数。将大气环境容量的周期性变化规律转换为调整系数的周期性变化规律。
上述步骤S102中,如图5所示,根据上述气象背景场和目标区域的大气污染源排放清单,使用空气质量模型模拟目标区域在第一时间尺度下的大气环境容量,得到目标区域在第一时间尺度下的大气环境容量的时间序列,包括步骤S501至步骤S504。
步骤S501:以第一时间尺度将上述预设历史时期划分为多个时间段。第一时间尺度可参见本公开前述说明。
作为一种示例,第一时间尺度为每年,将上述预设历史时期划分为以年为单位的时间段,每个时间段为1年。
步骤S502:对于该多个时间段中的第一时间段,根据目标区域的大气污染源排放清单和第一时间段对应的气象背景场,使用空气质量模型模拟目标区域在第一时间段的大气环境容量,以得到使目标区域在第一时间段满足环境目标的第一排放清单。
作为一种示例,第一时间段可为距离目标时间点最近的时间段,例如,近30年中按年划分为30个时间段,第一时间段可为距离目标时间点为最近的一年。但本实施例并不限于此。
步骤S503:对于多个时间段中除第一时间段之外的每个第二时间段:根据上述第一排放清单和该第二时间段对应的气象背景场,使用空气质量模型模拟目标区域在该第二时间段的大气环境容量,以得到使目标区域在该第二时间段满足环境目标的第二排放清单,其中,在模拟过程中对第一排放清单中的多种污染物进行同比例调整。
其中,同比例调整包括同比例削减或同比例提高。当空气质量模型模拟得到污染物浓度高于环境目标时,削减排放清单中各个污染物的排放量;当空气质量模型模拟得到污染物浓度低于环境目标时,提高排放清单中各个污染物的排放量。在模拟过程中,如果存在多次同比例调整,最终的调整系数为多次同比例调整的叠加。
步骤S504:由第一时间段对应的调整系数、和得到每个第二时间段对应的第二排放清单时相对于第一排放清单的调整系数,形成目标区域在第一时间尺度下的时间序列,其中,第一时间段对应的调整系数为1。时间序列中以时间段的先后顺序排序。
在上述步骤S103中,对该时间序列进行小波分析,得到大气环境容量在第二时间尺度下的周期性变化规律,其为调整系数对应的周期性变化规律。在步骤S104中,基于目标时间点在周期性变化规律中的位置,可确定目标时间点对应的调整系数,基于该调整系数对第一时间段对应的大气环境容量进行调整可得到目标时间点对应的大气环境容量。
作为一种实施方式,对于上述多个时间段中的第一时间段,根据目标区域的大气污染源排放清单和第一时间段对应的气象背景场,使用空气质量模型模拟目标区域在第一时间段的大气环境容量,以得到使目标区域在第一时间段满足环境目标的第一排放清单,包括:
确定目标区域和目标区域周边的至少一个区域为模拟区域;
根据第一时间段对应的气象背景场,使用空气质量模型确定使该至少一个区域中至少部分区域在第一时间段满足环境目标的第三排放清单,其中,第三排放清单包括至少一个区域中各个区域的排放清单;
在该模拟区域,根据第一时间段对应的气象背景场使用空气质量模型模拟目标区域的大气环境容量,得到使目标区域在第一时间段满足环境目标的第一排放清单,其中,保持该第三排放清单不变、并以目标区域内各个污染物的最大减排量为约束削减目标区域内各个污染物的排放量。
进一步的,作为一种示例,以目标区域内各个污染物的最大减排量为约束削减目标区域内各个污染物的排放量,包括:对于目标区域内的每种污染物,在该污染物的排放量削减到该污染物的最大减排量时,削减目标区域内其他污染物的排放量。由此,使得大气环境容量更加符合实际。
进一步的,作为一种示例,根据第一时间段对应的气象背景场,使用空气质量模型确定使该至少一个区域中至少部分区域满足环境目标的第三排放清单,包括:
将上述模拟区域的第四排放清单、和第一时间段对应的气象背景场输入空气质量模型,以输出该至少一个区域中每个区域的污染物浓度值;
判断该至少一个区域中是否存在污染物浓度值不满足环境目标的区域;
如果存在污染物浓度值不满足环境目标的区域,分别调整第四排放清单中污染物浓度值不满足环境目标的区域对应部分的排放量;将调整得到的第四排放清单作为新的第四排放清单,并返回上述将模拟区域的第四排放清单输入空气质量模型的步骤;
如果不存在污染物浓度值不满足环境目标的区域,将第四排放清单中上述至少一个区域对应的部分作为上述第三排放清单。
确定第一时间段的大气环境容量的方法可参见本公开前述图3和图4的描述。
本公开实施例还提供了一种预测大气环境容量的装置。
图6示出了根据本公开实施例的预测大气环境容量的装置的示意性框图,如图6所示,该装置包括:
生成模块610,用于根据目标区域预设历史时期的气象数据,使用气象模式生成该预设历史时期的气象背景场。
模拟模块620,与生成模块610相连,用于根据该气象背景场和目标区域的大气污染源排放清单,使用空气质量模型模拟目标区域在第一时间尺度下的大气环境容量,得到目标区域在第一时间尺度下的大气环境容量的时间序列。
分析模块630,与模拟模块620相连,用于对该时间序列进行小波分析,得到大气环境容量在第二时间尺度下的周期性变化规律,第二时间尺度为第一时间尺度的整数倍。
预测模块640,与分析模块630相连,用于根据该周期性变化规律预测目标区域的大气环境容量。
对于包括多种污染物的情况,作为一种实施方式,分析模块630,用于:将上述时间序列拆分为多种污染物中每种污染物对应的时间序列;对于每种污染物对应的时间序列:对该污染物对应的时间序列进行小波分析,得到该污染物对应的大气环境容量在第二时间尺度下的周期性变化规律。预测模块640,用于:对于多种污染物中的每种污染物,根据该污染物的周期性变化规律,预测目标区域该污染物对应的大气环境容量。
对于包括多种污染物的情况,作为一种实施方式,模拟模块620,用于:以第一时间尺度将上述预设历史时期划分为多个时间段;对于该多个时间段中的第一时间段,根据目标区域的大气污染源排放清单和第一时间段对应的气象背景场,使用空气质量模型模拟目标区域在第一时间段的大气环境容量,以得到使目标区域在第一时间段满足环境目标的第一排放清单;对于多个时间段中除第一时间段之外的每个第二时间段:根据上述第一排放清单和该第二时间段对应的气象背景场,使用空气质量模型模拟目标区域在该第二时间段的大气环境容量,以得到使目标区域在该第二时间段满足环境目标的第二排放清单,其中,在模拟过程中对第一排放清单中的多种污染物进行同比例调整;由第一时间段对应的调整系数、和得到每个第二时间段对应的第二排放清单时的调整系数,形成目标区域在第一时间尺度下的时间序列,其中,第一时间段对应的调整系数为1。
作为一种实施方式,模拟模块620,对于上述多个时间段中的第一时间段,根据目标区域的大气污染源排放清单和第一时间段对应的气象背景场,使用空气质量模型模拟目标区域在第一时间段的大气环境容量,以得到使目标区域在第一时间段满足环境目标的第一排放清单,包括:确定目标区域和目标区域周边的至少一个区域为模拟区域;根据第一时间段对应的气象背景场使用空气质量模型确定使该至少一个区域中至少部分区域在第一时间段满足环境目标的第三排放清单,其中,第三排放清单包括上述至少一个区域的排放清单;在该模拟区域,根据第一时间段对应的气象背景场使用空气质量模型模拟目标区域的大气环境容量,得到使目标区域在第一时间段满足环境目标的第一排放清单,其中,保持该第三排放清单不变、并以目标区域内各个污染物的最大减排量为约束削减目标区域内各个污染物的排放量。
进一步的,作为一种实施方式,模拟模块620,以目标区域内各个污染物的最大减排量为约束削减目标区域内各个污染物的排放量,包括:对于目标区域内的每种污染物,在该污染物的排放量削减到该污染物的最大减排量时,削减目标区域内其他污染物的排放量。
进一步的,作为一种实施方式,模拟模块620,根据第一时间段对应的气象背景场使用空气质量模型确定使该至少一个区域中至少部分区域满足环境目标的第三排放清单,包括:将上述模拟区域的第四排放清单、和第一时间段对应的气象背景场输入空气质量模型,以输出该至少一个区域中每个区域的污染物浓度值;判断该至少一个区域中是否存在污染物浓度值不满足环境目标的区域;如果存在污染物浓度值不满足环境目标的区域,分别调整第四排放清单中污染物浓度值不满足环境目标的区域对应部分的排放量;将调整得到的第四排放清单作为新的第四排放清单,并返回上述将模拟区域的第四排放清单输入空气质量模型的步骤;如果不存在污染物浓度值不满足环境目标的区域,将第四排放清单中上述至少一个区域对应的部分作为第三排放清单。
在本实施例中,第一时间尺度为每月,时间序列包括预设历史时期内每月的大气环境容量;第二时间尺度包括每月、每个季节、每半年、每年、或每个年代中至少之一;周期性变化规律包括月际变化、季节际变化、年际变化、或年代际变化中至少之一;或者第一时间尺度为每年,时间序列包括预设历史时期内每年的大气环境容量;第二时间尺度包括每年、或每个年代中至少之一;周期性变化规律包括年际变化、或年代际变化中至少之一。
本公开示例性实施例还提供一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器。所述存储器存储有能够被所述至少一个处理器执行的计算机程序,所述计算机程序在被所述至少一个处理器执行时用于使所述电子设备执行根据本公开实施例的方法。
本公开示例性实施例还提供一种存储有计算机程序的非瞬时计算机可读存储介质,其中,所述计算机程序在被计算机的处理器执行时用于使所述计算机执行根据本公开实施例的方法。
本公开示例性实施例还提供一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被计算机的处理器执行时用于使所述计算机执行根据本公开实施例的方法。
参考图7,现将描述可以作为本公开的服务器或客户端的电子设备700的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示,电子设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
电子设备700中的多个部件连接至I/O接口705,包括:输入单元706、输出单元707、存储单元708以及通信单元709。输入单元706可以是能向电子设备700输入信息的任何类型的设备,输入单元706可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入。输出单元707可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元708可以包括但不限于磁盘、光盘。通信单元709允许电子设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理。例如,在一些实施例中,预测大气环境容量的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到电子设备700上。在一些实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行预测大气环境容量的方法。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
如本公开使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
Claims (10)
1.一种预测大气环境容量的方法,其特征在于,包括:
根据目标区域预设历史时期的气象数据,使用气象模式生成所述预设历史时期的气象背景场;
根据所述气象背景场和所述目标区域的大气污染源排放清单,使用空气质量模型模拟所述目标区域在第一时间尺度下的大气环境容量,得到所述目标区域在所述第一时间尺度下的大气环境容量的时间序列;
对所述时间序列进行小波分析,得到大气环境容量在第二时间尺度下的周期性变化规律,所述第二时间尺度为所述第一时间尺度的整数倍;
根据所述周期性变化规律预测所述目标区域的大气环境容量。
2.如权利要求1所述的方法,其特征在于,包括多种污染物;
对所述时间序列进行小波分析,得到大气环境容量在第二时间尺度下的周期性变化规律,包括:将所述时间序列拆分为多种污染物中每种污染物对应的时间序列;对于每种污染物对应的时间序列:对所述污染物对应的时间序列进行小波分析,得到所述污染物对应的大气环境容量在第二时间尺度下的周期性变化规律;
根据所述周期性变化规律预测所述目标区域的大气环境容量,包括:对于所述多种污染物中的每种污染物,根据所述污染物的周期性变化规律,预测所述目标区域所述污染物对应的大气环境容量。
3.如权利要求1所述的方法,其特征在于,包括多种污染物;
根据所述气象背景场和所述目标区域的大气污染源排放清单,使用空气质量模型模拟所述目标区域在第一时间尺度下的大气环境容量,得到所述目标区域在所述第一时间尺度下的大气环境容量的时间序列,包括:
以第一时间尺度将所述预设历史时期划分为多个时间段;
对于所述多个时间段中的第一时间段,根据所述目标区域的大气污染源排放清单和所述第一时间段对应的气象背景场,使用空气质量模型模拟所述目标区域在所述第一时间段的大气环境容量,以得到使所述目标区域在所述第一时间段满足环境目标的第一排放清单;
对于所述多个时间段中除所述第一时间段之外的每个第二时间段:根据所述第一排放清单和所述第二时间段对应的气象背景场,使用所述空气质量模型模拟所述目标区域在所述第二时间段的大气环境容量,以得到使所述目标区域在所述第二时间段满足环境目标的第二排放清单,其中,在模拟过程中对所述第一排放清单中的多种污染物进行同比例调整;
由第一时间段对应的调整系数、和得到每个第二时间段对应的所述第二排放清单时相对于所述第一排放清单的调整系数,形成所述目标区域在所述第一时间尺度下的时间序列,其中,所述第一时间段对应的调整系数为1。
4.如权利要求3所述的方法,其特征在于,对于所述多个时间段中的第一时间段,根据所述目标区域的大气污染源排放清单和所述第一时间段对应的气象背景场,使用空气质量模型模拟所述目标区域在所述第一时间段的大气环境容量,以得到使所述目标区域在所述第一时间段满足环境目标的第一排放清单,包括:
确定所述目标区域和所述目标区域周边的至少一个区域为模拟区域;
根据所述第一时间段对应的气象背景场,使用空气质量模型确定使所述至少一个区域中至少部分区域在所述第一时间段满足环境目标的第三排放清单,其中,所述第三排放清单包括所述至少一个区域中各个区域的排放清单;
在所述模拟区域,根据所述第一时间段对应的气象背景场使用所述空气质量模型模拟所述目标区域的大气环境容量,得到使所述目标区域在所述第一时间段满足所述环境目标的所述第一排放清单,其中,保持所述第三排放清单不变、并以所述目标区域内各个污染物的最大减排量为约束削减所述目标区域内各个污染物的排放量。
5.如权利要求4所述的方法,其特征在于,以所述目标区域内各个污染物的最大减排量为约束削减所述目标区域内各个污染物的排放量,包括:
对于所述目标区域内的每种污染物,在所述污染物的排放量削减到所述污染物的最大减排量时,削减所述目标区域内其他污染物的排放量。
6.如权利要求4所述的方法,其特征在于,根据所述第一时间段对应的气象背景场,使用空气质量模型确定使所述至少一个区域中至少部分区域满足环境目标的第三排放清单,包括:
将所述模拟区域的第四排放清单、和所述第一时间段对应的气象背景场输入所述空气质量模型,以输出所述至少一个区域中每个区域的污染物浓度值;
判断所述至少一个区域中是否存在污染物浓度值不满足环境目标的区域;
如果存在污染物浓度值不满足环境目标的区域,分别调整所述第四排放清单中污染物浓度值不满足环境目标的区域对应部分的排放量;将调整得到的第四排放清单作为新的第四排放清单,并返回所述将所述模拟区域的第四排放清单输入所述空气质量模型的步骤;
如果不存在污染物浓度值不满足环境目标的区域,将所述第四排放清单中所述至少一个区域对应的部分作为第三排放清单。
7.如权利要求1至6中任一项所述的方法,其特征在于,
所述第一时间尺度为每月,所述时间序列包括所述预设历史时期内每月的大气环境容量;所述第二时间尺度包括每月、每个季节、每半年、每年、或每个年代中至少之一;所述周期性变化规律包括月际变化、季节际变化、年际变化、或年代际变化中至少之一;或者
所述第一时间尺度为每年,所述时间序列包括所述预设历史时期内每年的大气环境容量;所述第二时间尺度包括每年、或每个年代中至少之一;所述周期性变化规律包括年际变化、或年代际变化中至少之一。
8.一种预测大气环境容量的装置,其特征在于,包括:
生成模块,用于根据目标区域预设历史时期的气象数据,使用气象模式生成所述预设历史时期的气象背景场;
模拟模块,用于根据所述气象背景场和所述目标区域的大气污染源排放清单,使用空气质量模型模拟所述目标区域在第一时间尺度下的大气环境容量,得到所述目标区域在所述第一时间尺度下的大气环境容量的时间序列;
分析模块,用于对所述时间序列进行小波分析,得到大气环境容量在第二时间尺度下的周期性变化规律,所述第二时间尺度为所述第一时间尺度的整数倍;
预测模块,用于根据所述周期性变化规律预测所述目标区域的大气环境容量。
9.一种电子设备,其特征在于,包括:
处理器;以及
存储程序的存储器,
其中,所述程序包括指令,所述指令在由所述处理器执行时使所述处理器执行根据权利要求1-7中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210356007.1A CN114565190B (zh) | 2022-04-06 | 2022-04-06 | 预测大气环境容量的方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210356007.1A CN114565190B (zh) | 2022-04-06 | 2022-04-06 | 预测大气环境容量的方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114565190A true CN114565190A (zh) | 2022-05-31 |
CN114565190B CN114565190B (zh) | 2022-09-30 |
Family
ID=81721303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210356007.1A Active CN114565190B (zh) | 2022-04-06 | 2022-04-06 | 预测大气环境容量的方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114565190B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116739191A (zh) * | 2023-08-14 | 2023-09-12 | 中科三清科技有限公司 | 热点网格识别方法、装置、存储介质及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120185414A1 (en) * | 2010-12-15 | 2012-07-19 | Vaisala, Inc. | Systems and methods for wind forecasting and grid management |
CN106802962A (zh) * | 2017-02-17 | 2017-06-06 | 南京信息工程大学 | 一种计算及校正海洋要素均值的方法 |
CN109507724A (zh) * | 2018-11-01 | 2019-03-22 | 中国石油大学(华东) | 一种基于非震动态背景场的地震tec异常信息提取方法 |
CN112733354A (zh) * | 2020-11-06 | 2021-04-30 | 国网山东省电力公司聊城供电公司 | 一种气象要素时间序列模拟方法、系统、介质及电子设备 |
CN114092837A (zh) * | 2021-11-05 | 2022-02-25 | 中国科学院空天信息创新研究院 | 一种基于长时间尺度的遗址环境遥感监测方法及系统 |
-
2022
- 2022-04-06 CN CN202210356007.1A patent/CN114565190B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120185414A1 (en) * | 2010-12-15 | 2012-07-19 | Vaisala, Inc. | Systems and methods for wind forecasting and grid management |
CN106802962A (zh) * | 2017-02-17 | 2017-06-06 | 南京信息工程大学 | 一种计算及校正海洋要素均值的方法 |
CN109507724A (zh) * | 2018-11-01 | 2019-03-22 | 中国石油大学(华东) | 一种基于非震动态背景场的地震tec异常信息提取方法 |
CN112733354A (zh) * | 2020-11-06 | 2021-04-30 | 国网山东省电力公司聊城供电公司 | 一种气象要素时间序列模拟方法、系统、介质及电子设备 |
CN114092837A (zh) * | 2021-11-05 | 2022-02-25 | 中国科学院空天信息创新研究院 | 一种基于长时间尺度的遗址环境遥感监测方法及系统 |
Non-Patent Citations (2)
Title |
---|
李振亮等: "城市空气质量达标规划编制中的关键技术及其案例应用", 《中国环境管理》 * |
黄珊: "数据驱动模型下的郑州大气污染预测", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116739191A (zh) * | 2023-08-14 | 2023-09-12 | 中科三清科技有限公司 | 热点网格识别方法、装置、存储介质及电子设备 |
CN116739191B (zh) * | 2023-08-14 | 2023-11-07 | 中科三清科技有限公司 | 热点网格识别方法、装置、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114565190B (zh) | 2022-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20160196513A1 (en) | Computer implemented frameworks and methodologies for enabling climate change related risk analysis | |
US10387909B2 (en) | Simulation-based evaluation of a marketing channel attribution model | |
CN114742460B (zh) | 一种确定待管控企业的方法、装置、电子设备及存储介质 | |
CN116882321B (zh) | 气象影响量化评估方法、装置、存储介质及电子设备 | |
CN114565190B (zh) | 预测大气环境容量的方法、装置及电子设备 | |
KR20210017342A (ko) | 과거 데이터에 기초한 시계열 예측 방법 및 장치 | |
CN115271547B (zh) | 臭氧污染的源解析方法、装置和电子设备 | |
CN114282721B (zh) | 污染物预报模型训练方法、装置、电子设备及存储介质 | |
CN112508118A (zh) | 针对数据偏移的目标对象行为预测方法及其相关设备 | |
CN106056400A (zh) | 预测新增用户数的方法、装置及系统 | |
CN111311014B (zh) | 业务数据处理方法、装置、计算机设备和存储介质 | |
CN114841437A (zh) | 预评估排放源对空气质量贡献的方法、装置和电子设备 | |
CN115270013B (zh) | 评估活动期间减排措施的方法、装置及电子设备 | |
CN114063197A (zh) | 一种预测环境污染的方法和装置 | |
CN114841438B (zh) | 预评估排放源对空气质量影响的方法、装置和电子设备 | |
CN114647953B (zh) | 测算大气环境容量的方法、装置及电子设备 | |
CN115859808A (zh) | 一种泵组工作预测方法、装置、电子设备及存储介质 | |
CN115453661A (zh) | 气象预报方法、装置、设备以及存储介质 | |
CN114676601A (zh) | 排放成本计算方法、装置、计算机设备及存储介质 | |
CN114819781A (zh) | 环境容量计算方法、装置、计算机设备及存储介质 | |
US11687689B2 (en) | Capacity forecasting | |
CN114881472A (zh) | 机动车排放对空气质量影响的分析方法、装置及设备 | |
US20220083903A1 (en) | Load forecasting | |
CN109981327B (zh) | 一种业务量的预测方法及系统 | |
CN108599976B (zh) | 网络质量评估模型构建方法、装置及计算机设备 |
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 |