CN115130831B - 一种小尺度精细化大气污染溯源方法 - Google Patents

一种小尺度精细化大气污染溯源方法 Download PDF

Info

Publication number
CN115130831B
CN115130831B CN202210649740.2A CN202210649740A CN115130831B CN 115130831 B CN115130831 B CN 115130831B CN 202210649740 A CN202210649740 A CN 202210649740A CN 115130831 B CN115130831 B CN 115130831B
Authority
CN
China
Prior art keywords
pollution
time
potential
track
distribution
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
CN202210649740.2A
Other languages
English (en)
Other versions
CN115130831A (zh
Inventor
郎建垒
玄博元
李彦荣
周颖
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.)
Beijing University of Technology
Original Assignee
Beijing University of Technology
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 Beijing University of Technology filed Critical Beijing University of Technology
Priority to CN202210649740.2A priority Critical patent/CN115130831B/zh
Publication of CN115130831A publication Critical patent/CN115130831A/zh
Application granted granted Critical
Publication of CN115130831B publication Critical patent/CN115130831B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G01N33/0067—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 by measuring the rate of variation of the concentration
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Strategic Management (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Combustion & Propulsion (AREA)
  • Evolutionary Biology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Food Science & Technology (AREA)
  • Marketing (AREA)
  • Medicinal Chemistry (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Probability & Statistics with Applications (AREA)
  • Tourism & Hospitality (AREA)
  • Algebra (AREA)
  • Quality & Reliability (AREA)
  • Databases & Information Systems (AREA)

Abstract

一种小尺度精细化大气污染溯源方法，属于大气污染溯源技术领域。包括以下步骤：(1)基于污染物浓度监测数据，针对逐分钟的污染物浓度变化情况，识别目标站点相对于周边站点的污染物浓度异常变化时段；(2)利用分钟级精细化气象场，得到小尺度分钟级精细化轨迹分布，并获得不同轨迹点对应的时间信息；(3)得到随时间变化的潜在污染源区空间分布；(4)将潜在污染源区空间分布与目标站点周边的污染源空间分布相叠加，从而锁定潜在排放来源位置；(5)反向推导得到站点不同污染时刻污染来源的排放贡献时段。发明实现了局地尺度上分钟级时间尺度的精细化溯源，实现了对于潜在污染源的排放污染贡献时段的获取。

Description

一种小尺度精细化大气污染溯源方法
技术领域：
本发明属于大气污染溯源技术领域，涉及一种小尺度精细化大气污染溯源方法。
背景技术：
污染溯源是大气污染科学防控的重要前提。目前大气污染溯源的空间尺度普遍为几十千米～几百千米、时间尺度为小时、日、月或年，适用于较大尺度、较长时间段的污染溯源与防控。而随着我国大气污染防治进程的推进，针对监测站点的局地精细化管控，如针对几千米的污染源开展差异化控制，已成为新趋势与新需求。而在几千米范围内，污染物扩散时间约为几分钟至几十分钟，如在污染源距监测站点2km、风速为2m/s的情况下，扩散时间约为十几分钟。常规的溯源无法满足局地尺度精细化溯源(几百米～几千米、分钟级)的需求，同时，目前的溯源仅考虑与确定了潜在的污染区域与污染源，并未考虑不同污染来源的排放时间。以上不足限制了局地大气污染的精细化、科学防控，亟需提出新思路，以实现精细化时空尺度的污染源与排放时段追溯。
因此，该专利提出一种小尺度(几百米～几千米、分钟级)精细化大气污染溯源的思路与方法，实现局地尺度污染来源位置的确定及污染源排放时段的判定，为大气污染精细化防控提供新思路与科技支撑。
发明内容：
本发明的目的在于提供一种较为实用的小尺度大气污染精细化溯源思路与方法，获取局地污染排放来源及排放贡献时段，为监测站点局地大气污染的精细化防控提供科技支撑。
为实现上述目的，本发明提供如下技术方案：
一种小尺度精细化大气污染溯源方法，其特征在于包括以下步骤：
(1)基于区域多空气质量监测站点的高时间分辨率污染物浓度监测数据，针对逐分钟的污染物浓度变化情况，使用数学统计方法识别目标站点相对于周边站点的污染物浓度异常变化时段；
(2)对于污染异常时段，利用分钟级精细化气象场，对于目标站点使用拉格朗日粒子模型进行后向轨迹识别，得到小尺度分钟级精细化轨迹分布，基于输入的时段信息和后向时间步长，并获得不同轨迹点对应的时间信息；
(3)结合潜在源因子分析技术和站点污染物浓度数据，对精细化轨迹进行分析得到不同时刻的潜在污染源区的分布及区域内污染贡献潜势的分布，得到随时间变化的潜在污染源区空间分布；
(4)将潜在污染源区空间分布与目标站点周边的污染源空间分布相叠加，从而锁定潜在排放来源位置；
(5)基于目标站点污染时段信息，结合随时间变化的潜在源区的分布及对应的时间信息，反向推导得到站点不同污染时刻污染来源的排放贡献时段。
进一步，步骤(1)中针对逐分钟的污染物浓度变化情况，使用数学统计方法识别目标站点相对于周边站点的污染物浓度异常变化时段，具体方法如下：
式中：R(x,t)：目标站点x在t时刻的污染物浓度变化率；t时刻i个周边站点的污染物浓度平均变化率；/>t时刻目标站点x的污染物浓度 (μg/m3)；/>t时刻的上一时刻目标站点x的污染物浓度(μg/m3)；/>t时刻i个周边站点的污染物平均浓度(μg/m3)；/>t时刻的上一时刻i个周边站点的污染物平均浓度(μg/m3)；t：时间时刻(精确至分钟，0<t<T)；i：周边站点个数(个)；Kt；目标站点x在t时刻的污染物浓度变化率与t时刻i个周边站点的污染物浓度平均变化率的差值。
之后，对于整个时段T内多个时刻的Kt值使用离群值判断法(箱式图)识别得出多个目标站点x污染物浓度异常变化时刻，从而组合得到目标站点x污染物浓度异常变化时段。T：污染物浓度数据分析时段；
进一步，步骤(1)中目标站点及周边站点，其空间尺度在0.5km—1km之间，分布密集，空间尺度较为精细。
进一步，步骤(2)中分钟级精细化气象场具体指通过微小尺度气象模型将中尺度气象场降尺度得到的精细化气象场数据，网格空间分辨率不低于 500m*500m，时间分辨率为分钟级。
进一步，步骤(2)中对于目标站点使用拉格朗日粒子模型进行后向轨迹识别，得到小尺度分钟级精细化轨迹分布具体指将分钟级尺度的精细化气象场输入到拉格朗日粒子模型中进行后向轨迹计算，得到目标站点污染异常变化时段的潜在污染气团来向，判断大致污染来向方位，常规的模型轨迹计算积分时间步长只能基于小时级的气象场进行小时级分轨迹计算，通过修改相关参数的组合 (“TOUT”、“TRAJ”及“CONTROL”三个参数化文件中相关参数设置)，模型可以选取分钟级的时间步长，从而基于分钟级气象场进行分钟级轨迹的积分计算，得到分钟级精细化轨迹分布。
进一步，步骤(2)中获得不同轨迹及不同轨迹点的相对时间信息具体指，对目标站点进行后向轨迹计算，基于时间步长和污染时段(后向计算的起始和终止时刻)，每一次积分计算对应的轨迹起始点，不同轨迹点对应不同时刻，具体计算方法如下：
tn＝T0-Δt*(n-1)
式中：T0：污染时段起始时刻(后向积分计算的起始时刻)；Te：模型中选取的后向时长(h)；tn：第n个轨迹节点对应的时刻；Δt：后向积分时间步长(min)； n：轨迹节点个数；
进一步，步骤(3)中潜在源贡献因子分析方法具体是指，基于后向轨迹模拟的结果，创建一定分辨率的矩形网格覆盖研究区域，并对污染物浓度设定阀值。当某轨迹的污染物浓度高于阀值即标记为污染轨迹，基于网格内污染轨迹的数量计算污染贡献潜势，得到贡献潜势较大的潜在污染源区。
进一步，步骤(3)中得到随时间变化的潜在污染源区空间分布具体指，结合不同轨迹对应的时间信息，使用潜在源贡献因子分析法对轨迹进行分析得到不同时刻的潜在污染源区的分布及区域内污染贡献潜势的分布，从而得到随时间变化的潜在污染源的空间分布。
进一步，步骤(4)中目标站点周边实际污染源的空间分布具体指目标站点周边5km范围内污染源的分布情况，包括电厂、化工厂、汽修店、餐饮企业、加油站、裸露工地、燃煤锅炉、道路扬尘等污染源。
进一步，步骤(5)中结合随时间变化的潜在源区的分布及对应的时间信息，反向推导得到目标站点不同污染时刻污染来源的排放贡献时段具体指，将污染源a所在位置第m(1,2,3……)次出现贡献潜势分布的时刻看作污染源a第m次排放开始时刻ts(a,m)，将污染源所在位置第m(1,2,3……)次贡献潜势分布消失的时刻看作该污染源第m次排放减弱或停止时刻td(a,m)，从而计算推导得到污染源a第m次的排放时段T(a,m)；具体计算公式如下：
T(a,m)＝td(a,m)-ts(a,m)
式中ts(a,m)为污染源a第m次排放开始时刻，td(a,m)为污染源a第m次排放减弱或停止时刻，T(a,m)为污染源a第m次的排放时段(ts(a,m)和td(a,m)已经结合后向时间步长在模型中进行了换算，T(a,m)为时间时刻)。
与现有技术相比，本发明的有益效果是：(1)基于区域多空气质量监测站点的高时间分辨率污染物浓度监测数据，针对逐分钟的污染物浓度变化情况，使用数学统计方法识别目标站点相对于周边站点的污染物浓度异常变化时段；(2) 对于污染异常时段，利用分钟级精细化气象场，对于目标站点使用拉格朗日粒子模型进行后向轨迹识别，得到小尺度分钟级精细化轨迹分布，基于输入的时段信息和后向时间步长，并获得不同轨迹点对应的时间信息；(3)结合潜在源因子分析技术和站点污染物浓度数据，对精细化轨迹进行分析得到不同时刻的潜在污染源区的分布及区域内污染贡献潜势的分布，得到随时间变化的潜在污染源区空间分布；(4)将潜在污染源区空间分布与目标站点周边的污染源空间分布相叠加，从而锁定潜在排放来源位置；(5)基于目标站点污染时段信息，结合确定对应潜在源区分布的轨迹点及对应的时间信息，反向推导得到站点不同污染时刻污染来源的排放贡献时段。发明实现了局地尺度上分钟级时间尺度的精细化溯源，实现了对于潜在污染源的排放污染贡献时段的获取，解决了目前对于局地小尺度的污染溯源时空尺度匹配不够精细及潜在污染源排放时段不清晰的问题，为监测站点局地大气污染的精细化防控提供科技支撑，对于我国大气污染溯源技术的发展具有重要意义。
附图说明：
图1为一种小尺度精细化大气污染动态溯源方法流程图
图2高时空分辨率精细化气象风场
图3-1分钟级轨迹分布
图3-2轨迹节点时间信息计算结果(例)
图4-1污染时段潜在源因子分析结果(例)
图4-2不同时刻的潜在污染源区分布(例)
图5小屯站点周边精细化污染源空间分布(详细分布)
图6不同时间潜在污染源区分布与污染源空间分布相叠加(已去除污染贡献权重较低的区域)
图7正向模拟结果(对于丰台小屯主要污染贡献的点源)
图8正向模拟结果与后向轨迹叠加验证。
具体实施方式：
下面结合实施例对本发明提供的大气污染物溯源方法作进一步详细、完整地说明。下面描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
一种小尺度精细化大气污染溯源方法，其特征在于包括以下步骤：
(1)基于区域多空气质量监测站点的高时间分辨率污染物浓度监测数据，针对逐分钟的污染物浓度变化情况，使用数学统计方法识别目标站点相对于周边站点的污染物浓度异常变化时段；
(2)对于污染异常时段，利用分钟级精细化气象场，对于目标站点使用拉格朗日粒子模型进行后向轨迹识别，得到小尺度分钟级精细化轨迹分布，基于输入的时段信息和后向时间步长，并获得不同轨迹点对应的时间信息；
(3)结合潜在源因子分析技术和站点污染物浓度数据，对精细化轨迹进行分析得到不同时刻的潜在污染源区的分布及区域内污染贡献潜势的分布，得到随时间变化的潜在污染源区空间分布；
(4)将潜在污染源区空间分布与目标站点周边的污染源空间分布相叠加，从而锁定潜在排放来源位置；
(5)基于目标站点污染时段信息，结合随时间变化的潜在源区的分布及对应的时间信息，反向推导得到站点不同污染时刻污染来源的排放贡献时段。
实施例1：
基于该溯源方法，以北京市丰台区小屯空气质量站点为目标区域，以 PM2.5为目标污染物进行实施案例溯源如下：
步骤(1)：针对北京丰台小屯国控站点及其周边小微站点的2020年11月份的分钟级(每5min对应一个污染物浓度数据)的PM2.5浓度数据，基于以下方法进行污染过程筛选：
通过筛选，得到污染时段如下：11月11日7时05分-11月12日13时20 分(如表1)
表1异常污染时段
时段 持续时长 PM2.5平均浓度
111107-111213 21 167.81μg/m3
步骤(2)：基于步骤(1)筛选出的污染时段，使用高时空分辨率(500m*500m，5min)的气象场(如图2)场进行后向轨迹计算，将模型的后向时长设置为1h，后向时间步长设置为5min，基于污染时段进行后向轨迹计算得到分钟级轨迹结果(如图3-1)，同时，结合污染时段和时间步长计算不同轨迹节点对应的时间信息(如图3-2，以单条轨迹举例说明)。
步骤(3)：进一步对于后向轨迹轨迹(使用潜在源贡献因子分析方法(如图 4-1以11月11日14：00为例)进行分析。对精细化轨迹进行分析得到不同时刻的潜在污染源区的分布及区域内污染贡献潜势的分布，得到随时间变化的潜在污染源区空间分布(如图4-2)。
步骤(4)：基于小屯站点周边的精细化的污染源的空间分布(如图5)，叠加 (如图6)，精确锁定主要污染贡献的污染源位置
步骤(5)：基于站点污染时段信息，结合随时间变化的潜在源区的分布及对应的时间信息，反向推导得到小屯站点不同污染时刻污染来源的排放贡献时段 (如表2)，整个溯源流程完成。为了展示本技术方法的准确性和成熟性，再基于叠加结果进行源体排放时段污染物的正向空气质量模型进行空气质量模拟，根据正向模拟结果得到对于小屯站点主要污染贡献的点源(如图7)，对溯源结果进行验证，验证结果表明，溯源结果与正向模拟结果吻合(如图8)，溯源结果比较精确，本技术方法可行。
表2精细化溯源结果
本发明提供的一种小尺度精细化大气污染溯源方法，具体包括以下步骤(1) 基于区域多空气质量监测站点的高时间分辨率污染物浓度监测数据，针对逐分钟的污染物浓度变化情况，使用数学统计方法识别目标站点相对于周边站点的污染物浓度异常变化时段；(2)对于污染异常时段，利用分钟级精细化气象场，对于目标站点使用拉格朗日粒子模型进行后向轨迹识别，得到小尺度分钟级精细化轨迹分布，基于输入的时段信息和后向时间步长，并获得不同轨迹点对应的时间信息；(3)结合潜在源因子分析技术和站点污染物浓度数据，对精细化轨迹进行分析得到不同时刻的潜在污染源区的分布及区域内污染贡献潜势的分布，得到随时间变化的潜在污染源区空间分布；(4)将潜在污染源区空间分布与目标站点周边的污染源空间分布相叠加，从而锁定潜在排放来源位置；(5)基于目标站点污染时段信息，结合确定对应潜在源区分布的轨迹点及对应的时间信息，反向推导得到站点不同污染时刻污染来源的排放贡献时段。发明实现了局地尺度上分钟级时间尺度的精细化溯源，实现了对于潜在污染源的排放污染贡献时段的获取，解决了目前对于局地小尺度的污染溯源时空尺度匹配不够精细及潜在污染源排放时段不清晰的问题，为监测站点局地大气污染的精细化防控提供科技支撑，对于我国大气污染溯源技术的发展具有重要意义。
上述实施例是对本发明的说明，不是对本发明的限定，任何对本发明简单变换后的方案均属于本发明的保护范围。

Claims (2)

1.一种小尺度精细化大气污染溯源方法，其特征在于，包括以下步骤：
(1)基于区域多空气质量监测站点的高时间分辨率污染物浓度监测数据，针对逐分钟的污染物浓度变化情况，使用数学统计方法识别目标站点相对于周边站点的污染物浓度异常变化时段；
(2)对于污染异常时段，利用分钟级精细化气象场，对于目标站点使用拉格朗日粒子模型进行后向轨迹识别，得到小尺度分钟级精细化轨迹分布，基于输入的时段信息和后向时间步长，并获得不同轨迹点对应的时间信息；
(3)结合潜在源因子分析技术和站点污染物浓度数据，对精细化轨迹进行分析得到不同时刻的潜在污染源区的分布及区域内污染贡献潜势的分布，得到随时间变化的潜在污染源区空间分布；
(4)将潜在污染源区空间分布与目标站点周边的污染源空间分布相叠加，从而锁定潜在排放来源位置；
(5)基于目标站点污染时段信息，结合随时间变化的潜在源区的分布及对应的时间信息，反向推导得到站点不同污染时刻污染来源的排放贡献时段；
步骤(1)中针对逐分钟的污染物浓度变化情况，使用数学统计方法识别目标站点相对于周边站点的污染物浓度异常变化时段，具体方法如下：
式中：R(x,t)：目标站点x在t时刻的污染物浓度变化率；t时刻i个周边站点的污染物浓度平均变化率；/>t时刻目标站点x的污染物浓度μg/m3；/>t时刻的上一时刻目标站点x的污染物浓度μg/m3；/>t时刻i个周边站点的污染物平均浓度μg/m3；/>t时刻的上一时刻i个周边站点的污染物平均浓度μg/m3；t：时间时刻，精确至分钟，0<t<T；i：周边站点个数；Kt：目标站点x在t时刻的污染物浓度变化率与t时刻i个周边站点的污染物浓度平均变化率的差值；
之后，对于整个时段T内多个时刻的Kt值使用离群值判断法识别得出多个目标站点x污染物浓度异常变化时刻，从而组合得到目标站点x污染物浓度异常变化时段；T：污染物浓度数据分析时段；
步骤(1)中目标站点及周边站点，其空间尺度在0.5km-1km之间，分布密集，空间尺度较为精细；
步骤(2)中分钟级精细化气象场具体指通过微小尺度气象模型将中尺度气象场降尺度得到的精细化气象场数据，网格空间分辨率不低于500m*500m，时间分辨率为分钟级；
步骤(2)中对于目标站点使用拉格朗日粒子模型进行后向轨迹识别，得到小尺度分钟级精细化轨迹分布具体指将分钟级尺度的精细化气象场输入到拉格朗日粒子模型中进行后向轨迹计算，得到目标站点污染异常变化时段的潜在污染气团来向，判断大致污染来向方位，常规的模型轨迹计算积分时间步长只能基于小时级的气象场进行小时级分轨迹计算，通过修改相关参数的组合即“TOUT”、“TRAJ”及“CONTROL”三个参数化文件中相关参数设置，模型可以选取分钟级的时间步长，从而基于分钟级气象场进行分钟级轨迹的积分计算，得到分钟级精细化轨迹分布；
步骤(2)中获得不同轨迹及不同轨迹点的相对时间信息具体指，对目标站点进行后向轨迹计算，基于时间步长和污染时段即后向计算的起始和终止时刻，每一次积分计算对应的轨迹起始点，不同轨迹点对应不同时刻，具体计算方法如下：
tn＝T0-Δt*(n-1)
式中：T0：污染时段起始时刻即后向积分计算的起始时刻；Te：模型中选取的后向时长h；tn：第n个轨迹节点对应的时刻；Δt：后向积分时间步长min；n：轨迹节点个数；
步骤(3)中潜在源贡献因子分析方法具体是指，基于后向轨迹模拟的结果，创建一定分辨率的矩形网格覆盖研究区域，并对污染物浓度设定阀值；当某轨迹的污染物浓度高于阀值即标记为污染轨迹，基于网格内污染轨迹的数量计算污染贡献潜势，得到贡献潜势较大的潜在污染源区；
步骤(3)中得到随时间变化的潜在污染源区空间分布具体指，结合不同轨迹对应的时间信息，使用潜在源贡献因子分析法对轨迹进行分析得到不同时刻的潜在污染源区的分布及区域内污染贡献潜势的分布，从而得到随时间变化的潜在污染源的空间分布；
步骤(5)中结合随时间变化的潜在源区的分布及对应的时间信息，反向推导得到目标站点不同污染时刻污染来源的排放贡献时段具体指，将污染源a所在位置第m(1,2,3……)次出现贡献潜势分布的时刻看作污染源a第m次排放开始时刻ts(a,m)，将污染源所在位置第m(1,2,3……)次贡献潜势分布消失的时刻看作该污染源第m次排放减弱或停止时刻td(a,m)，从而计算推导得到污染源a第m次的排放时段T(a,m)；具体计算公式如下：
T(a,m)＝td(a,m)-ts(a,m)
式中ts(a,m)为污染源a第m次排放开始时刻，td(a,m)为污染源a第m次排放减弱或停止时刻；T(a,m)为污染源a第m次的排放时段，即ts(a,m)和td(a,m)已经结合后向时间步长在模型中进行了换算。
2.按照权利要求1所述的一种小尺度精细化大气污染溯源方法，其特征在于，步骤(4)中目标站点周边实际污染源的空间分布具体指目标站点周边5km范围内污染源的分布情况，包括电厂、化工厂、汽修店、餐饮企业、加油站、裸露工地、燃煤锅炉、道路扬尘污染源。
CN202210649740.2A 2022-06-08 2022-06-08 一种小尺度精细化大气污染溯源方法 Active CN115130831B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210649740.2A CN115130831B (zh) 2022-06-08 2022-06-08 一种小尺度精细化大气污染溯源方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210649740.2A CN115130831B (zh) 2022-06-08 2022-06-08 一种小尺度精细化大气污染溯源方法

Publications (2)

Publication Number Publication Date
CN115130831A CN115130831A (zh) 2022-09-30
CN115130831B true CN115130831B (zh) 2024-02-27

Family

ID=83377430

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210649740.2A Active CN115130831B (zh) 2022-06-08 2022-06-08 一种小尺度精细化大气污染溯源方法

Country Status (1)

Country Link
CN (1) CN115130831B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116011317B (zh) * 2022-11-29 2023-12-08 北京工业大学 一种基于多方法融合的小尺度近实时大气污染溯源方法
CN115902114A (zh) * 2022-12-07 2023-04-04 北京工业大学 基于半定量法的小尺度大气污染溯源方法
CN116739190B (zh) * 2023-08-14 2023-12-01 中科三清科技有限公司 优化污染控制的减排比例、减排成本与管控时间的方法
CN117708617B (zh) * 2024-02-05 2024-04-30 四川国蓝中天环境科技集团有限公司 基于多源大数据及污染特征时空匹配的大气污染溯源方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105424840A (zh) * 2015-12-28 2016-03-23 周俊杰 在线连续环境空气质量自动监测系统及异味气源溯源方法
CN109583743A (zh) * 2018-11-26 2019-04-05 南京创蓝科技有限公司 基于拉格朗日模型和移动观测平台的大气污染溯源方法
CN111814111A (zh) * 2020-05-25 2020-10-23 南京大学环境规划设计研究院股份公司 一种工业园区大气污染物溯源方法
CN112182064A (zh) * 2020-09-25 2021-01-05 中科三清科技有限公司 一种污染物来源分析方法、装置、电子设备及存储介质
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
CN113284244A (zh) * 2021-04-20 2021-08-20 四川大学 一种基于格点化扩散模拟的大气污染物溯源方法
CN113436045A (zh) * 2021-06-15 2021-09-24 深圳中兴网信科技有限公司 大气污染多尺度融合溯源方法、装置和可读存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105424840A (zh) * 2015-12-28 2016-03-23 周俊杰 在线连续环境空气质量自动监测系统及异味气源溯源方法
CN109583743A (zh) * 2018-11-26 2019-04-05 南京创蓝科技有限公司 基于拉格朗日模型和移动观测平台的大气污染溯源方法
CN111814111A (zh) * 2020-05-25 2020-10-23 南京大学环境规划设计研究院股份公司 一种工业园区大气污染物溯源方法
CN112182064A (zh) * 2020-09-25 2021-01-05 中科三清科技有限公司 一种污染物来源分析方法、装置、电子设备及存储介质
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
CN113284244A (zh) * 2021-04-20 2021-08-20 四川大学 一种基于格点化扩散模拟的大气污染物溯源方法
CN113436045A (zh) * 2021-06-15 2021-09-24 深圳中兴网信科技有限公司 大气污染多尺度融合溯源方法、装置和可读存储介质

Also Published As

Publication number Publication date
CN115130831A (zh) 2022-09-30

Similar Documents

Publication Publication Date Title
CN115130831B (zh) 一种小尺度精细化大气污染溯源方法
CN108648127B (zh) 一种城市空气污染热点区域锁定方法
CN107917987B (zh) 一种面向城市空气污染物溯源分析方法
CN107941994A (zh) 一种面向工业园区污染物溯源分析方法
CN110909483A (zh) 一种基于网格化数据的点源大气污染物排放清单校验方法
CN115420854B (zh) 一种基于正后向模型结合的大气污染物溯源方法
CN110824110A (zh) 一种基于拉格朗日轨迹模式和化学盒子模式的区域臭氧污染溯源系统
CN105512485B (zh) 一种估算细颗粒物及其前体物环境容量的新方法
CN111814111A (zh) 一种工业园区大气污染物溯源方法
CN113610243B (zh) 基于耦合机器学习和相关性分析的大气污染物溯源方法
CN110658307A (zh) 评估污染源对环境空气质量影响的方法
CN108802856B (zh) 一种基于ai的源数据动态修正预报系统及其工作方法
CN116011317B (zh) 一种基于多方法融合的小尺度近实时大气污染溯源方法
CN113436045A (zh) 大气污染多尺度融合溯源方法、装置和可读存储介质
CN113284244B (zh) 一种基于格点化扩散模拟的大气污染物溯源方法
CN116402408B (zh) 一种基于站点浓度差异的本外地排放贡献估算方法
Cheng et al. Application of trajectory clustering and source apportionment methods for investigating trans-boundary atmospheric PM10 pollution
CN117708617B (zh) 基于多源大数据及污染特征时空匹配的大气污染溯源方法
CN114519124A (zh) 一种大气环境污染联防联控治理方法
CN115902114A (zh) 基于半定量法的小尺度大气污染溯源方法
CN112581107B (zh) 污染排放控制方法、装置及可存储介质
CN115293579A (zh) 可获得恶臭污染治理目标的反演评估方法及装置
CN113420984A (zh) 空气污染源区的确定方法
CN113740221A (zh) 基于细颗粒物与臭氧的空气污染源区确定方法
Cao et al. Diffusion characteristic of air pollutant from district heating source driven by urban wind field and layout optimization

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