CN114819704A - 一种移动源污染物排放溯源方法及系统 - Google Patents
一种移动源污染物排放溯源方法及系统 Download PDFInfo
- Publication number
- CN114819704A CN114819704A CN202210528574.0A CN202210528574A CN114819704A CN 114819704 A CN114819704 A CN 114819704A CN 202210528574 A CN202210528574 A CN 202210528574A CN 114819704 A CN114819704 A CN 114819704A
- Authority
- CN
- China
- Prior art keywords
- source
- diffusion
- emission
- mobile
- pollutant
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 94
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000009792 diffusion process Methods 0.000 claims abstract description 114
- 238000012544 monitoring process Methods 0.000 claims abstract description 39
- 238000004364 calculation method Methods 0.000 claims abstract description 24
- 238000004088 simulation Methods 0.000 claims abstract description 17
- 238000010219 correlation analysis Methods 0.000 claims abstract description 16
- 230000008859 change Effects 0.000 claims abstract description 10
- 238000010586 diagram Methods 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 230000005855 radiation Effects 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000002474 experimental method Methods 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 claims description 2
- 238000012847 principal component analysis method Methods 0.000 claims description 2
- 230000035945 sensitivity Effects 0.000 claims description 2
- 238000011144 upstream manufacturing Methods 0.000 claims description 2
- 230000001186 cumulative effect Effects 0.000 claims 1
- 230000007613 environmental effect Effects 0.000 claims 1
- 239000003570 air Substances 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 6
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 description 4
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 4
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 description 4
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 229910002091 carbon monoxide Inorganic materials 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000031018 biological processes and functions Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 239000003546 flue gas Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Pure & Applied Mathematics (AREA)
- Operations Research (AREA)
- Mathematical Optimization (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Analysis (AREA)
- Primary Health Care (AREA)
- Algebra (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
Abstract
本发明属于染物排放溯源技术领域，提供了一种移动源污染物排放溯源方法及系统。其中，该方法包括基于污染物扩散有效范围的划定及道路线源的源强排放计算模型，计算非道路移动源和道路移动源的排放源强；结合AERMOD模型，对影响因素进行标定以及可监测性检验，获得移动源扩散模拟模型；基于移动源扩散模拟模型建立影响横向扩散系数及纵向扩散系数的相关系数表；基于相关系数表，预测移动源污染物扩散浓度，同时基于监测站点的空气质量监测大数据，绘制动态移动源污染物分担率变化图；当超过阈值时，对当前移动源的排放贡献率进行相关性分析，确定其是否为污染物超标关键因素；基于相关性分析结果对相关性超过设定阈值的区域进行移动源位置锁定。
Description
技术领域
本发明属于染物排放溯源技术领域，尤其涉及一种移动源污染物排放溯源方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
移动源污染物排放到外部环境以后往往会在物理、化学或生物作用下发生变化，或外部环境中的其他原生物质发生反应而生成二次污染物，对大气、水源等产生一定影响。在监测污染物排放技术领域，经过污染物监测平台有效降低了大气污染程度。然而，大气污染物的扩散受排放源类型、地理环境、气象条件等多种因素的影响。因此，发明人发现，面对突发性的监测浓度上升，无法搜集到超标排放污染物的溯源进行治理；此外，由于移动源具有分散性、移动性高的特点，因此，关于污染物溯源分析的研究，主要集中在固定源分析，对移动源污染物的排放缺乏一定的研究，而大气污染的主要来源就是移动源排放污染物，因此大气污染物排放的控制与管理仍然存在溯源难、监管难的困境。
发明内容
为了解决上述背景技术中存在的技术问题，本发明提供一种移动源污染物排放溯源方法及系统，其能够有效解决大气污染物排放预测和污染物溯源难的困扰，实现设定区域内环境空气质量有效监测。
为了实现上述目的，本发明采用如下技术方案：
本发明的第一个方面提供一种移动源污染物排放溯源方法，其包括：
基于污染物扩散有效范围的划定及道路线源的源强排放计算模型，计算非道路移动源和道路移动源的排放源强；
结合AERMOD模型，对影响因素进行标定以及可监测性检验，获得移动源扩散模拟模型；
基于移动源扩散模拟模型建立影响横向扩散系数及纵向扩散系数的相关系数表；
基于相关系数表，单位小时更新扩散范围内的移动源污染物排放总浓度，预测移动源污染物扩散浓度，同时基于监测站点的空气质量监测大数据，绘制动态移动源污染物分担率变化图；
综合监测站点以及当地环境需求条件，确定空气质量的污染超标阈值，当超过阈值时，对当前移动源的排放贡献率进行相关性分析，确定其是否为污染物超标关键因素；
基于相关性分析结果对相关性超过设定阈值的区域进行移动源位置锁定。
本发明的第二个方面提供一种移动源污染物排放溯源系统，其包括：
排放源强计算模块，其用于基于污染物扩散有效范围的划定及道路线源的源强排放计算模型，计算非道路移动源和道路移动源的排放源强；
移动源扩散模拟模型获取模块，其用于结合AERMOD模型，对影响因素进行标定以及可监测性检验，获得移动源扩散模拟模型；
相关系数表构建模块，其用于基于移动源扩散模拟模型建立影响横向扩散系数及纵向扩散系数的相关系数表；
分担率变化图绘制模块，其用于基于相关系数表，单位小时更新扩散范围内的移动源污染物排放总浓度，预测移动源污染物扩散浓度，同时基于监测站点的空气质量监测大数据，绘制动态移动源污染物分担率变化图；
超标关键因素确定模块，其用于综合监测站点以及当地环境需求条件，确定空气质量的污染超标阈值，当超过阈值时，对当前移动源的排放贡献率进行相关性分析，确定其是否为污染物超标关键因素；
移动源位置锁定模块，其用于基于相关性分析结果对相关性超过设定阈值的区域进行移动源位置锁定。
本发明的第三个方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的一种移动源污染物排放溯源方法中的步骤。
本发明的第四个方面提供一种电子设备，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，所述处理器执行所述程序时实现如上述所述的一种移动源污染物排放溯源方法中的步骤。
与现有技术相比，本发明的有益效果是：
1、本发明通过通过对空气质量限值阈值，对超标情况进行移动源排放贡献率相关性分析，对相关性较高的区域进行移动源位置锁定，从而进行精准有效监控。其中，移动源污染物排放溯源方法精准科学，实现了设定区域内环境空气质量有效监测，解决了全范围内大气污染物排放溯源难的问题。
2.本发明实施例的移动源污染物排放溯源方法基于利用联通国控站点，可获取空气质量大数据，包括二氧化硫(SO2)、二氧化氮(NO2)、PM10、PM2.5、一氧化碳(CO)和臭氧(O3)，从而得到以单位小时更新的各项污染物的分担率。
本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是本发明实施例一移动源污染物排放溯源方法整体流程示意图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
如图1所示，本实施例提供了一种移动源污染物排放溯源方法，其具体包括如下步骤：
S101：基于污染物扩散有效范围的划定及道路线源的源强排放计算模型，计算非道路移动源和道路移动源的排放源强。
在具体实施过程中，污染物扩散有效范围的划定步骤为：
确定监测点的监测敏感性阈值，从而建立基础扩散范围；
在大风条件下，单位浓度的污染物通过扩散方程进行计算最远扩散距离；在具体实施例中，风速取值范围为0-75m/s。
在此基础上，划定以国控监测站点为圆心，以长度为3000米为半径的圆形有效扩散范围。
所述道路线源的源强排放计算模型为：
式中，λ为机动车对路段的平均占有率，q为路段交通量(pcu/h)；
为第 i种车型的比例，
为i车型综合排放因子(g/km)，L为路段长度(km)，u 为路段平均速度(km/h)。
S102：结合AERMOD模型，对影响因素进行标定以及可监测性检验，获得移动源扩散模拟模型。
结合AERMOD模型，对影响因素进行标定以及可监测性检验筛选可获得性、影响权重较大(即相关性系数大于设定值0.3时)的气象、地理影响特征。
所述结合AERMOD模型得到可获得性，影响权重较大的气象、地理影响特征，其确定步骤为：
确定可获得性数据的联通可能性；
对模型进行参数实验，通过主成分分析法，确定载荷矩阵，确定主要影响因素。
S102中，所述AERMOD模型是以扩散统计理论为基础的大气扩散模型算法，通过结合气象数据进行大气扩散预测，模拟各地区污染物浓度分析。该模型包含三个模块，AERME(气象数据预处理模块)、AERMAP(地形数据预处理模块)以及AERMOD(模型运算模块)。
S103：基于移动源扩散模拟模型建立影响横向扩散系数及纵向扩散系数的相关系数表。
其中，所述横向、纵向扩散系数的相关系数确定方法为：
根据当前时段确定太阳高度角，并结合云量计算太阳辐射度，对太阳辐射等级数进行弱、中、强程度范围标定；
根据当前风速、云量结合大气稳定度对照表确定当前大气稳定度等级；
依据当前风向确定道路到监测站点的下风距离，即进行直线距离转化；
依据扩散系数计算模型进行计算横向、纵向扩散系数。
其中，所述根据当前时段确定太阳高度角，并结合云量计算太阳辐射度，对于弱、中、强程度进行范围标定中：
所述太阳高度角h0使用以下公式计算：
式中，h0表示太阳高度角，度(°)；
表示当地地理纬度，度(°)；λ表示当地地理经度，度(°)；t表示观测时的北京时间(h)；σ表示太阳倾角，度 (°)，σ可按以下公式计算：
式中，θ0为360dn/365，度；
dn为一年中的日期序数，0,1,2，…，364。
其中，云量来自卫星云图数据；+3为强等级；+2为中等级；+1为弱等级； 0为阴天；-1为有云的夜间，薄云遮天或低云≥5；-2为总云量≤4。
对太阳辐射等级数进行弱、中、强程度范围标定的结果如表1所示：
表1太阳辐射等级划分表
S104：基于相关系数表，单位小时更新扩散范围内的移动源污染物排放总浓度，预测移动源污染物扩散浓度，同时基于监测站点的空气质量监测大数据，绘制动态移动源污染物分担率变化图。
以淄博市张店区为例，根据时间段确定大气稳定度等级，如表2-表3所示：
表2大气稳定度等级
表3根据时间段确定的大气稳定度等级
预测移动源污染物扩散浓度的计算方法为：
气象以及地理模块的主要是对大气层的稳定度进行评估和预测，通过输入风速、太阳辐射强度、云量以及天气情况等，判定大气层稳定度，继而为后续计算垂直扩散系数以及水平扩散系数提供基础数据支撑，计算垂直以及水平扩散系数的方式如下：
σy＝γ1Xα1
σz＝γ2Xα2
式中，σy表示水平扩散系数，σz表示垂直扩散系数，γ1、α1、γ2、α2表示稳定度相关系数，通过大气稳定度查表确定，X表示下风距离(m)。
如表4水平扩散参数及表5垂直扩散参数表所示，通过大气稳定度查表确定，X表示下风距离(m)。计算结果如表6所示：
表4水平扩散参数
表5垂直扩散参数表
表6计算结果
烟气抬升高度往往对于污染物扩散具有重要影响，因此，对于有效源高的计算，需综合环境温度、车辆排放特征、风速、气压等相关信息进行计算，具体如下：
ΔT＝TS-Tα
式中，ΔH表示有效源高，即污染物的抬升高度，单位为m，TS表示汽车尾气排放温度，单位为K，Tα表示环境温度,，单位为K，Pα表示大气压强，单位为hPa，QV表示尾气排烟率，单位为m3/s，Qh表示烟气热释放率，单位为KJ/s，
表示温度梯度，U表示平均风速，单位为m/s。
当预处理模块将基础扩散数据计算完成，输入扩散计算模块，计算污染物扩散浓度的公式如下：
式中：X(x，y，z)为下风向x米、横向y米、地面上方z米处的扩散的气体浓度，单位为kg/m3；Q为源强(即源释放速率)，单位为kg/s；u为平均风速，单位为m/s；σy为水平扩散参数，单位为m；σz为垂直扩散参数，单位为 m；t为泄漏后是时间，单位为s；H为泄漏源有效高度，单位为m；y为横向距离，单位为m；z为垂直方向距离，单位为m。
其中，H＝Hs+ΔH，Hs为烟囱的几何高度。
计算单排放扩散模式后，进行有效半径内的污染物扩散累积浓度计算，即将有效线源在固定点源的上风向的有效单位时间扩散浓度进行累积。
以单位小时更新扩散范围内的移动源污染物排放总浓度，计算结果如下所示：
重卡排放NOx总量＝22.6(区域内道路总长度km)*5.554(排放因子g/km)*重卡数目；
重卡排放PM2.5总量＝22.6(区域内道路总长度km)*0.138(排放因子g/km)*重卡数目；
非道路排放NOx总量＝4.4(燃油消耗率kg/h)*32.792(排放因子g/kg)*台数；
非道路排放PM2.5总量＝4.4(燃油消耗率kg/h)*2.086(排放因子g/kg)*台数。
S105：综合监测站点以及当地环境需求条件，确定空气质量的污染超标阈值，当超过阈值时，对当前移动源的排放贡献率进行相关性分析，确定其是否为污染物超标关键因素。
分担率计算，获取环境监测站点实时空气质量信息，对重点污染物PM、氮氧化物的浓度进行实时占比求解，即：
C＝X/Q
式中，C为移动源排放扩散分担率，X表示累积扩散浓度，Q为单一污染物的实时监测点浓度。
所述排放贡献率相关性分析的方法为：
相关性分析是指对两个或多个具备相关性的变量元素进行分析，从而衡量两个变量因素的相关密切程度。
主要方法有比较分析法、比率分析法、因素分析法。污染源监测包括工业污染、工程污染以及移动源污染等，所述贡献率相关性分析的方法为比率分析法，即移动源污染物扩散浓度与污染物检测总浓度之比。
S106：基于相关性分析结果对相关性超过设定阈值的区域进行移动源位置锁定。
所述锁定排放污染物移动的区域方法为：结合监测卡口的遥感数据，对于当前移动源的经纬度进行定位。
实施例二
本实施例提供了一种移动源污染物排放溯源系统，其包括如下模块：
排放源强计算模块，其用于基于污染物扩散有效范围的划定及道路线源的源强排放计算模型，计算非道路移动源和道路移动源的排放源强；
移动源扩散模拟模型获取模块，其用于结合AERMOD模型，对影响因素进行标定以及可监测性检验，获得移动源扩散模拟模型；
相关系数表构建模块，其用于基于移动源扩散模拟模型建立影响横向扩散系数及纵向扩散系数的相关系数表；
分担率变化图绘制模块，其用于基于相关系数表，单位小时更新扩散范围内的移动源污染物排放总浓度，预测移动源污染物扩散浓度，同时基于监测站点的空气质量监测大数据，绘制动态移动源污染物分担率变化图；
超标关键因素确定模块，其用于综合监测站点以及当地环境需求条件，确定空气质量的污染超标阈值，当超过阈值时，对当前移动源的排放贡献率进行相关性分析，确定其是否为污染物超标关键因素；
移动源位置锁定模块，其用于基于相关性分析结果对相关性超过设定阈值的区域进行移动源位置锁定。
此处需要说明的是，本实施例中的各个模块与实施例一中的各个步骤一一对应，其具体实施过程相同，此处不再累述。
实施例三
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的移动源污染物排放溯源方法中的步骤。
实施例四
本实施例提供了一种电子设备，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，所述处理器执行所述程序时实现如上述所述的移动源污染物排放溯源方法中的步骤。
本发明是参照本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，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 (10)
1.一种移动源污染物排放溯源方法，其特征在于，包括：
基于污染物扩散有效范围的划定及道路线源的源强排放计算模型，计算非道路移动源和道路移动源的排放源强；
结合AERMOD模型，对影响因素进行标定以及可监测性检验，获得移动源扩散模拟模型；
基于移动源扩散模拟模型建立影响横向扩散系数及纵向扩散系数的相关系数表；
基于相关系数表，单位小时更新扩散范围内的移动源污染物排放总浓度，预测移动源污染物扩散浓度，同时基于监测站点的空气质量监测大数据，绘制动态移动源污染物分担率变化图；
综合监测站点以及当地环境需求条件，确定空气质量的污染超标阈值，当超过阈值时，对当前移动源的排放贡献率进行相关性分析，确定其是否为污染物超标关键因素；
基于相关性分析结果对相关性超过设定阈值的区域进行移动源位置锁定。
2.如权利要求1所述的一种移动源污染物排放溯源方法，其特征在于，所述污染物扩散有效范围的划定步骤为：
确定监测点的监测敏感性阈值，建立基础扩散范围；
在风速阈值范围内，单位浓度的污染物通过扩散方程得到最远扩散距离；
在基础扩散范围和最远扩散距离的基础上，划定以国控监测站点为圆心，根据预设的半径为划定圆形范围，该范围即为有效扩散范围。
3.如权利要求1所述的一种移动源污染物排放溯源方法，其特征在于，所述结合AERMOD模型，对影响因素进行标定以及可监测性检验，得到可获得性和相关性系数大于设定阈值的的气象、地理影响特征，具体的确定方法为：
确定可获得性数据的联通可能性；
对模型进行参数实验，通过主成分分析法，确定载荷矩阵，确定主要影响因素。
4.如权利要求1所述的一种移动源污染物排放溯源方法，其特征在于，所述所述横向、纵向扩散系数的系数确定方法为：
根据当前时段确定太阳高度角，并结合云量计算太阳辐射度，对太阳辐射等级数进行范围标定；
根据当前风速、云量结合大气稳定度对照表确定当前大气稳定度等级；
依据当前风向确定道路到监测站点的下风距离，即进行直线距离转化；
根据太阳辐射等级数进行范围标定、大气稳定度等级以及下风距离和罗伞系数模型得到横向、纵向扩散系数的系数。
5.如权利要求1所述的一种移动源污染物排放溯源方法，其特征在于，所述预测移动源污染物扩散浓度的计算方法为：
基于气象以及地理模块的数据计算得到大气层稳定度计算垂直扩散系数以及水平扩散系数；
综合环境温度、车辆排放特征、风速以及气压相关信息计算得到有效源高；
根据垂直扩散系数、水平扩散系数以及有效源高和扩散计算模型，得到污染物扩散浓度。
6.如权利要求1所述的一种移动源污染物排放溯源方法，其特征在于，所述移动源污染物扩散浓度的计算公式为：
式中：X(x，y，z)为下风向x米、横向y米、地面上方z米处的扩散的气体浓度，单位为kg/m3；Q为源强，单位为kg/s；u为平均风速，单位为m/s；σy,为水平扩散参数，单位为m；σz，为垂直扩散参数，单位为m；t为泄漏后是时间，单位为s；H为泄漏源有效高度，单位为m；y为横向距离，单位为m；z为垂直方向距离，单位为m。
7.如权利要求1所述的一种移动源污染物排放溯源方法，其特征在于，在得到预测移动源污染物扩散浓度后，进行有效半径内的污染物扩散累积浓度计算，即将有效线源在固定点源的上风向的有效单位时间扩散浓度进行累积。
8.一种移动源污染物排放溯源系统，其特征在于，包括：
排放源强计算模块，其用于基于污染物扩散有效范围的划定及道路线源的源强排放计算模型，计算非道路移动源和道路移动源的排放源强；
移动源扩散模拟模型获取模块，其用于结合AERMOD模型，对影响因素进行标定以及可监测性检验，获得移动源扩散模拟模型；
相关系数表构建模块，其用于基于移动源扩散模拟模型建立影响横向扩散系数及纵向扩散系数的相关系数表；
分担率变化图绘制模块，其用于基于相关系数表，单位小时更新扩散范围内的移动源污染物排放总浓度，预测移动源污染物扩散浓度，同时基于监测站点的空气质量监测大数据，绘制动态移动源污染物分担率变化图；
超标关键因素确定模块，其用于综合监测站点以及当地环境需求条件，确定空气质量的污染超标阈值，当超过阈值时，对当前移动源的排放贡献率进行相关性分析，确定其是否为污染物超标关键因素；
移动源位置锁定模块，其用于基于相关性分析结果对相关性超过设定阈值的区域进行移动源位置锁定。
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，该程序被处理器执行时实现如权利要求1-7中任一项所述的一种移动源污染物排放溯源方法中的步骤。
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程序时实现如权利要求1-7中任一项所述的一种移动源污染物排放溯源方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210528574.0A CN114819704A (zh) | 2022-05-16 | 2022-05-16 | 一种移动源污染物排放溯源方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210528574.0A CN114819704A (zh) | 2022-05-16 | 2022-05-16 | 一种移动源污染物排放溯源方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114819704A true CN114819704A (zh) | 2022-07-29 |
Family
ID=82515657
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210528574.0A Pending CN114819704A (zh) | 2022-05-16 | 2022-05-16 | 一种移动源污染物排放溯源方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114819704A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116522166A (zh) * | 2023-06-28 | 2023-08-01 | 湖南佳蓝检测技术有限公司 | 一种基于大数据的空气污染监测系统 |
| CN117454729A (zh) * | 2023-11-13 | 2024-01-26 | 交通运输部规划研究院 | 一种大气污染贡献度预测方法、装置及可读存储介质 |
| CN117871790A (zh) * | 2024-03-11 | 2024-04-12 | 四川国蓝中天环境科技集团有限公司 | 基于多种数据融合的路边监测站数据分析和交通溯源方法 |
-
2022
- 2022-05-16 CN CN202210528574.0A patent/CN114819704A/zh active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116522166A (zh) * | 2023-06-28 | 2023-08-01 | 湖南佳蓝检测技术有限公司 | 一种基于大数据的空气污染监测系统 |
| CN116522166B (zh) * | 2023-06-28 | 2023-09-15 | 湖南佳蓝检测技术有限公司 | 一种基于大数据的空气污染监测系统 |
| CN117454729A (zh) * | 2023-11-13 | 2024-01-26 | 交通运输部规划研究院 | 一种大气污染贡献度预测方法、装置及可读存储介质 |
| CN117454729B (zh) * | 2023-11-13 | 2024-04-19 | 交通运输部规划研究院 | 一种大气污染贡献度预测方法、装置及可读存储介质 |
| CN117871790A (zh) * | 2024-03-11 | 2024-04-12 | 四川国蓝中天环境科技集团有限公司 | 基于多种数据融合的路边监测站数据分析和交通溯源方法 |
| CN117871790B (zh) * | 2024-03-11 | 2024-05-17 | 四川国蓝中天环境科技集团有限公司 | 基于多种数据融合的路边监测站数据分析和交通溯源方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114819704A (zh) | 一种移动源污染物排放溯源方法及系统 | |
| Lestari et al. | Source apportionment of particulate matter at urban mixed site in Indonesia using PMF | |
| CN106651100B (zh) | 基于车联网优选车载监测点的空气质量评估系统及方法 | |
| CN113360850B (zh) | 一种大气污染物线源溯源分析方法 | |
| CN116187095B (zh) | 一种道路交通扬尘环境影响评价方法及装置 | |
| KR102100739B1 (ko) | 미세먼지 발생 예측방법 | |
| CN111125641A (zh) | 一种大气污染异常识别与成因分析方法、装置及存储介质 | |
| CN111257180A (zh) | 一种空间分布式空气质量走航监测传感器的动态校准方法 | |
| Peng et al. | The characteristics and local-regional contributions of atmospheric black carbon over urban and suburban locations in Shanghai, China | |
| CN112132450A (zh) | 一种气态污染物的定位方法 | |
| CN116048129A (zh) | 污染物排放的监测方法、装置、电子设备和存储介质 | |
| CN110907318B (zh) | 一种近地面大气总悬浮颗粒物质量浓度遥感物理估算方法 | |
| CN117291343A (zh) | 一种基于空天地监测网络的大气污染防治管控系统 | |
| Halimi et al. | Modeling spatial distribution of Tehran air pollutants using geostatistical methods incorporate uncertainty maps | |
| Brasseur et al. | Modelling Black Carbon concentrations in two busy street canyons in Brussels using CANSBC | |
| CN116611547A (zh) | 大气污染物来源预报方法、装置、设备及存储介质 | |
| Fan et al. | Impact of emissions from a single urban source on air quality estimated from mobile observation and WRF-STILT model simulations | |
| Metia et al. | Estimation of power plant emissions with unscented Kalman filter | |
| Hu et al. | Using the OSPM model on pollutant dispersion in an urban street canyon | |
| Prakash et al. | Prediction of air pollutant dispersion from point and line sources and validation of ISCST3 and Caline4 model data with observed values in the industrial area of Mysuru | |
| Sihayuardhi et al. | The Effect of the COVID-19 Pandemic on Ambient Air Quality in Yogyakarta Urban Area Parameters SO2, CO and, NO2 with Inverse Distance Weighting (IDW) | |
| Jia et al. | A dynamic dust emission allocation method and holiday profiles applied to emission processing for improving air quality model performance | |
| CN115950797B (zh) | 污染物溯源方法和系统 | |
| CN116297062B (zh) | 一种面向多维时空因子的pm2.5浓度精细化时空模拟与定量分析方法 | |
| CN117709208B (zh) | 一种人为排放污染物的大气环境容量计算方法 |
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 |