CN115293579A - 可获得恶臭污染治理目标的反演评估方法及装置 - Google Patents
可获得恶臭污染治理目标的反演评估方法及装置 Download PDFInfo
- Publication number
- CN115293579A CN115293579A CN202210939551.9A CN202210939551A CN115293579A CN 115293579 A CN115293579 A CN 115293579A CN 202210939551 A CN202210939551 A CN 202210939551A CN 115293579 A CN115293579 A CN 115293579A
- Authority
- CN
- China
- Prior art keywords
- odor
- malodor
- evaluation
- data
- concentration
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 76
- 238000004088 simulation Methods 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 26
- 230000001953 sensory effect Effects 0.000 claims abstract description 25
- 238000009792 diffusion process Methods 0.000 claims abstract description 14
- 238000012216 screening Methods 0.000 claims abstract description 4
- 238000005070 sampling Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000002093 peripheral effect Effects 0.000 claims description 6
- 238000005094 computer simulation Methods 0.000 claims description 4
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 4
- 239000010865 sewage Substances 0.000 description 12
- 230000007613 environmental effect Effects 0.000 description 10
- 239000003344 environmental pollutant Substances 0.000 description 9
- 231100000719 pollutant Toxicity 0.000 description 9
- 239000010802 sludge Substances 0.000 description 8
- 239000000126 substance Substances 0.000 description 8
- 241000196324 Embryophyta Species 0.000 description 6
- 238000011835 investigation Methods 0.000 description 4
- 239000000779 smoke Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 241000208125 Nicotiana Species 0.000 description 2
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 2
- 238000004332 deodorization Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 230000003245 working effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000010564 aerobic fermentation Methods 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 230000003042 antagnostic effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000003490 calendering Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 239000004519 grease Substances 0.000 description 1
- 238000007645 offset printing Methods 0.000 description 1
- 239000000049 pigment Substances 0.000 description 1
- 208000036460 primary closed-angle glaucoma Diseases 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000008786 sensory perception of smell Effects 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000004073 vulcanization Methods 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Analysis (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Mathematical Optimization (AREA)
- General Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种可获得恶臭污染治理目标的反演评估方法及装置，所述评估方法包括：S0构建可进行恶臭扩散模拟的空气质量模型；S1确定评估区域内的恶臭污染源的恶臭排放速率；S2获得其他排放参数、气象数据、地形数据、土地利用类型数据及建筑物数据；S3筛选出恶臭敏感点，根据恶臭敏感点的分布距离及分布高度对评估区域进行网格化划分；S4设置与恶臭浓度参数相关的感官评价因子；S5将所述恶臭排放速率、所述气象数据等输入所述空气质量模型中，在基于所述感官因子设定的恶臭浓度参数下，对不同网格单元的恶臭扩散进行反演模拟。本发明可根据恶臭污染对不同高度人群的感官影响得到量化的恶臭污染治理目标，显著提高了污染治理效率和效果。
Description
技术领域
本发明涉及恶臭评估方法的技术领域。
背景技术
恶臭(异味)是一种典型的扰民污染，如何评价人群受到的恶臭的影响已成为大气环境领域的重要需求。但现有技术尚未制定针对恶臭的环境影响的评价导则，也缺少针对恶臭对人群的影响进行综合准确评估的模拟方法，特别是，现有技术中的评估方法往往难以进一步给出具体的恶臭治理目标或手段，以切实避免周边的居住人群受到恶臭影响。
如现有技术文献《垃圾填埋场恶臭污染对感官影响的评价研究》中利用CALPUFF模型模拟了垃圾填埋场的臭气浓度、恶臭发生频率等评价因子，初步研究恶臭污染感官评价方法，现有技术文献《AUSTAL2000在恶臭污染环境影响评估中的应用研究》中利用AUSTAL模型模拟了恶臭发生频率，现有技术文献；该两种方法均未考虑周边不同垂直高度的敏感点受到的恶臭影响，即无法实际应用于对不同居住高度的人群受恶臭影响的评估中，其也无法进一步提出为了在不同垂直高度敏感点不受恶臭影响需要的治理目标。
另如现有技术文献《基于AERMOD模式的固定源对不同楼层大气污染预测研究》，其方法中计算了高架源、中架源、低架源对不同楼层的大气污染预测的分布，但并未结合恶臭感官评价因子对臭气浓度及恶臭发生频率进行模拟，无法实际评估恶臭污染的对不同居民楼层的感官影响，也无法进一步提出针对恶臭治理的治理目标。
发明内容
针对现有技术的缺陷，本发明的目的在于提出一种可根据恶臭污染对不同高度人群的感官影响得到恶臭污染治理目标的反演评估方法，使治理目标得到准确量化，显著提高了污染治理效率和效果。
本发明的技术方案如下：
可获得恶臭污染治理目标的反演评估方法，其包括：
S0构建可通过评估区域的气象数据、地形数据、土地利用类型数据及建筑物数据进行恶臭扩散模拟的空气质量模型；
S1确定评估区域内的恶臭污染源，及所述恶臭污染源的恶臭排放速率；
S2获得所述恶臭污染源的其他排放参数及其周边区域的气象数据、地形数据、土地利用类型数据及建筑物数据；
S3筛选出所述评估区域内的恶臭敏感点，根据所述恶臭敏感点的分布距离及分布高度对所述评估区域进行网格化划分，得到不同评估单元；
S4设置与恶臭浓度参数相关的感官评价因子；
S5将S1获得恶臭排放速率及S2获得的所述气象数据、地形数据、土地利用类型数据、及建筑物数据输入所述空气质量模型中，在设定恶臭浓度参数下，对所述不同评估单元的恶臭扩散进行反演模拟，根据反演模拟得到的不同评估单元的模拟结果，确定治理目标；
其中，所述设定恶臭浓度参数的获得包括：基于所述感官评价因子，确定所述敏感点不感受到恶臭污染时的恶臭浓度参数，即设定恶臭浓度参数。
上述方案中，所述恶臭敏感点即对恶臭的感受较为敏感的区域，包括人群较集中的、对环境保护目标及恶臭污染物排放敏感的区域，如居民区、文化区。
根据本发明的一些具体实施方式，所述空气质量模型为CALPUFF模型。
根据本发明的一些具体实施方式，所述恶臭排放速率通过以下计算模型得到：
Q1＝C·V (3)
其中，Q1为点源型恶臭污染源的恶臭排放速率，C为臭气浓度，V为臭气出口速率，Q2为面源型恶臭污染源的恶臭排放速率，L为出口风量，S1为风洞表面积，S为面源暴露面总面积；其中，风洞表面积S1根据确定面源型恶臭污染源的源强的风洞采样法确定。
根据本发明的一些具体实施方式，所述恶臭污染源的其他排放参数包括：排气筒高度、排气筒直径及臭气出口温度。
根据本发明的一些具体实施方式，所述气象数据通过WRF-CALMET模式计算得到。
根据本发明的一些具体实施方式，所述建筑物数据包括建筑物高度、建筑物类型及建筑物地理位置。
根据本发明的一些具体实施方式，所述感官评价因子包括：恶臭峰值浓度和恶臭发生频率，其中，所述恶臭峰值浓度通过以下计算模型得到：
Cp＝Cm F (1)
其中，Cp为恶臭峰值浓度，F为不同大气稳定度等级下的峰值均值因子，Cm为不同大气稳定度等级下的臭气浓度；所述不同大气稳定度等级根据所述空气质量模型得到的；所述峰值均值因子(peak-to-mean因子)为将均值浓度转换为瞬时浓度的转换因子，如将0.5h、1h的均值浓度转换为1s、5s的短时间峰值浓度的转换因子。
该实施方式中，峰值均值因子可将均值浓度转换为瞬时浓度，可以满足恶臭监管瞬时最大值的要求，提高恶臭污染模拟的准确性。
在一些具体实施方式中，不同大气稳定度等级下的峰值均值因子可利用在线电子鼻长期监测1s瞬时臭气浓度与同期气象场获得。
根据本发明的一些具体实施方式，所述恶臭发生频率为所述恶臭峰值浓度超过1OU/m3的百分比。
根据本发明的一些具体实施方式，所述空气质量模型为CALPUFF模型，输入该CALPUFF模型中的气象数据通过WRF-CALMET模式计算得到，所述大气稳定度等级通过帕斯奎尔分类法根据CALMET模型计算的每个小时的大气稳定度分类得到。
根据权本发明的一些具体实施方式，所述S5包括：
S51当所述评估区域内具有多个恶臭污染源时，通过所述空气质量模型获得在各个恶臭敏感点处的不同恶臭污染源的恶臭贡献率，选择其中贡献率大于50％的恶臭污染源作为重点评估对象；
S52对所述重点评估对象进行所述反演模拟。
根据权本发明的一些具体实施方式，所述S5包括：当所述敏感点在不同高度获得的所述设定恶臭浓度参数不同时，对不同高度的所述评估单元分别进行所述反演模拟。
根据权本发明的一些具体实施方式，所述治理目标包括臭气排放浓度和/或臭气排气量。
根据以上一种反演评估方法，可进一步得到可获得恶臭污染治理目标的反演评估装置，其包括存储介质，该存储介质存储有实现上述任一反演评估方法的程序和/或算法
本发明具备以下有益效果：
(1)本发明可准确量化恶臭污染对人群的感官影响，并根据感官影响得到量化的、可高效执行的治理。
(2)在一些具体实施方式中，本发明可将嗅觉测试与空气质量模型相结合，进行感官指标下的臭气浓度模拟，请评估质量优于常规评估方法。
(3)在一些具体实施方式中，本发明在感官因子的设置中，可将恶臭污染的峰值/均值因子与空气质量模型的大气扩散瞬时模拟进行耦合，提高恶臭污染的模拟准确性，满足恶臭管理的瞬时最大值的要求。
(3)针对现有技术中，空气质量监测采样点和采样高度均只针对地面，而恶臭源周边常常住宅小区林立，且不同居住高度受到的气味影响不同的问题，本发明设置了不同高度的敏感点，可对不同高度的恶臭污染进行精确评估。
(4)在具有多个恶臭源时，本发明可根据敏感点受到的恶臭影响程度，进一步计算出不同恶臭源对敏感点的恶臭贡献，不仅可精准判断出主要的恶臭源，同时可有针对性地进行恶臭治理
(5)本发明在以周边敏感点无异味干扰为治理效要求的前提下，可准确获得量化的治理方案，即所述治理目标，在一些具体实施例中，本发明可获得不同的排气量与臭气浓度组合的治理方案，得到显著的治理效果。
附图说明
图1为所述反演评估方法的一种具体实施流程。
图2为实施例1所述风玫瑰图。
图3为实施例1筛选出的敏感点分布图。
图4为实施例1中反演模拟获得的臭气浓度为600时的不同敏感点的臭气扩散情况。
图5为实施例2所述风玫瑰图。
图6为实施例2筛选出的敏感点分布图。
图7为实施例2中反演模拟获得的臭气浓度为1000时的不同敏感点的臭气扩散情况。
具体实施方式
以下结合实施例和附图对本发明进行详细描述，但需要理解的是，所述实施例和附图仅用于对本发明进行示例性的描述，而并不能对本发明的保护范围构成任何限制。所有包含在本发明的发明宗旨范围内的合理的变换和组合均落入本发明的保护范围。
参照附图1，根据本发明的可获得恶臭污染治理目标的反演评估方法的技术方案，其一些具体的实施方式包括以下过程：
S0构建可进行恶臭扩散模拟的空气质量模型；
其中，考虑到恶臭污染属于局部气体扩散，常常发生在较小区域范围内，相比于AERMOD、ADMS等中小尺度模型，作为《环境影响评价技术导则大气环境》(HJ 2.2-2018)推荐的中小尺度法规模型的非稳态三维拉格朗日烟团模式的CALPUFF模型对静风湍流速度做了处理，可较好地模拟长期静、小风的气象条件下空气污染扩散可能会形成相对高的地面浓度的情况，本发明优选基于CALPUFF模型构建所述空气质量模型，
该模型中，烟团污染物浓度到环境点浓度如下式(1)、(2)所示：
其中，C为地面臭气浓度，OU/m3；Q是烟团中恶臭源强，OU/s；σx是烟团中顺风方向高斯分布的标准偏差，m；σy为侧风方向高斯分布的标准偏差，m；σz为垂直方向高斯分布的标准偏差，m；da为顺风方向上烟团中心到环境点的距离，m；dc为侧风方向上烟团中心到环境点的距离，m；g是高斯方程的垂直项，m-1；H为烟团中心点到地面的有效高度，m；h为混合层高度，m。
使用该CALPUFF模型可利用三维气象场模拟排放源大气污染物的传输、扩散、干湿沉降等过程，并对臭气浓度进行评价。
S1获得恶臭污染源的恶臭排放速率
在具体实施中，其可进一步包括：
S10确定恶臭污染源类型；
在一些具体实施例中，恶臭污染源的类型主要包括点源污染如治理设施排气筒和面源污染如垃圾填埋场作业面。
在一些具体实施例中，对恶臭污染源类型的确定可通过恶臭源调查实现，且更具体的，其中，点源污染和面源污染的调查内容可参见《环境影响评价技术导则大气环境》(HJ2.2-2018)附录C进行。
S11根据确定的恶臭污染源类型，进行恶臭排放速率计算；
在一些具体的实施例中，可以污染物排放速率作为恶臭的排放速率。
进一步的，根据恶臭污染源的类型为点源污染还是面源污染分别采用计算计算模型获得其对应的恶臭排放率：
Q1＝C·V (3)
式中：Q1为点源恶臭排放速率(ou/s)，C为臭气浓度(ou/m3)；V为臭气出口速率(m/s)；Q2为面源恶臭排放速率(ou/s)，L为出口风量(m3/s)，S1为风洞表面积(m2)，S为面源暴露面总面积(m2)。
其中，风洞表面积根据风洞采样法确定。所述风洞采样法为广泛用于恶臭污染无组织面源排放速率确定的方法，根据“Olfactometry Static sampling”(VDI 3880)标准，将恶臭污染的实际情况使用缩小模型呈现出来。
在优选实施方式中，所述恶臭排放速率为基于臭气浓度的排放速率，代表的臭气的整体排放速率，而不是使用典型恶臭污染物排放速率。一般情况下，企业排放的典型异味物质不止1～2种，有些可能高达几十种，若使用单一恶臭污染物模拟，很可能会低估异味的影响程度及影响范围；若使用复合恶臭污染物模拟，物质间的协同和拮抗作用使得单个物质的浓度加和与所有物质共同作用下感官浓度差别很大，难以代表人群的感受。
S2获得其他恶臭污染源参数及其附近区域的气象数据、土地利用类型数据及地形数据；
其中，所述其他恶臭污染源参数主要包括排气筒高度、排气筒直径以及臭气出口温度。
气象数据为利用WRF-CALMET模式计算得到，其具体可包括：
采用气象数值模式WRF模型计算生成的再分析气象数据，其中，输入的初始气象数据，地形高度、土地利用、陆地-水体标志、植被组成等标准基础数据均可使用数据库数据；WRF模型计输出的气象数据一般为一整年的逐时数据。
将WRF模型计算输出的气象数据导入CALMET模型进行进一步数据分析以供CALPUFF模型使用。CALMET设置网格间距一般为1～2km。
地形数据和土地利用类型数据可通过如WebGIS网站获得，土地利用类型数据一般采用1km精度，地形数据一般采用90m精度。
S3获得评估范围内的建筑物数据并对其进行敏感点筛选和网格化处理；
其中，所述建筑物数据包括可产生建筑物下洗的建筑物以及敏感点的建筑物。
可产生建筑物下洗的建筑物的确定可参见《环境影响评价技术导则大气环境》(HJ2.2-2018)。
敏感点的建筑物除了确定其地理位置外，还需进一步对这些建筑物进行空间网格划分，包括水平方向和垂直方向。其中，水平网格划分可根据《环境影响评价技术导则大气环境》(HJ2.2-2018)进行；垂直网格划分可根据敏感点的分布高度，设置一系列的划分高度，如敏感点建筑物为30层高度时，一般设置垂直划分高度为0m、10m、20m、30m、40m、50m、60m、70m、80m，90m，以获得不同居住高度的居民受到的恶臭浓度及恶臭发生频率的影响。
S4设置与恶臭浓度参数相关的感官评价因子；
在优选实施方式中，考虑到恶臭污染属于感官污染，其从产生到扰民的过程除了受到臭气浓度的影响，还包括持续时间、发生频率等，模拟中应尽可能地考虑所有因素的影响；利用峰值均值因子将空气质量模型CALPUFF模拟的臭气浓度转化成恶臭峰值浓度，可表征恶臭污染发生的持续时间；同时，周边环境中恶臭峰值浓度超过某极限值的出现频率可表征恶臭发生频率，显示一段时间内敏感点受到的恶臭发生的次数以及发生的比例，则上述参数可综合表征恶臭对人群的感官影响。
即，本发明优选设置以下的感官评价因子：恶臭峰值浓度、恶臭发生频率。
进一步，在一些具体实施例中，所述恶臭峰值浓度可通过以下方式计算得到：
Cp＝Cm F (1)
其中，Cp为恶臭峰值浓度，F为峰值均值因子，Cm为CALPUFF模型得到臭气浓度。
基于不同的大气稳定度等级，峰值均值因子值不同。因此，基于S2，利用帕斯奎尔分类法将CALMET模型计算的每个小时的大气稳定度分类。大气稳定度从不稳定到稳定划分A、B、C、D、E、F六个稳定度级别；基于S4，CALPUFF模型可输出全年每个小时每个网格点的臭气浓度值。
在此基础上，利用python，将峰值均值因子与模型得到大气稳定度等级和臭气浓度数据一一对应，进一步将峰值均值因子与臭气浓度相乘得到恶臭峰值浓度。
在一些具体实施例中，所述恶臭发生频率可通过以下方式计算得到：
恶臭发生频率为超出人的嗅觉感知阈值的频率，人的嗅觉可感知臭气浓度阈值1OU/m3，因此恶臭发生频率为恶臭峰值浓度超过1OU/m3的百分比。
S5基于所述感官评价因子、所述恶臭排放速率、所述气象数据、土地利用类型数据、地形数据及建筑物数据，通过所述空气质量模型对恶臭扩散进行反演模拟，根据反演模拟得到的模拟结果，确定治理目标。
在具体实施中，其可进一步包括：
S51当所述恶臭污染源为多个时，将敏感点作为网格点，利用CALPUFF模型模拟单个污染源在该敏感点的臭气浓度年平均值，从而通过以下公式获得不同污染源在该敏感点的恶臭贡献率，一般情况下，选择贡献率大于50％的恶臭污染源的作为重点评估对象；
S52对重点评估对象进行反演模拟，所述反演模拟包括：
基于所述感官评价因子，确定敏感点人群不感受到恶臭污染时(恶臭发生频率在10％以内)的恶臭浓度参数，即设定恶臭浓度参数；
将所述气象数据、土地利用类型数据、地形数据及建筑物数据输入所述CALPUFF模型，反向计算出在所述设定恶臭浓度参数下的恶臭污染源的管理参数，以所得管理参数或参数组合作为所述治理目标。
优选的，所述管理参数包括恶臭污染源的臭气排放浓度和臭气排气量。
当在敏感点不同高度获得的设定恶臭浓度参数不同时，需按照高度分别进行反演计算，如敏感点建筑物为30层高度时，一般设置垂直划分高度为0m、10m、20m、30m、40m、50m、60m、70m、80m，90m，其后基于最严限值综合确定治理目标。
实施例1
某污水处理厂周边常发生恶臭污染投诉，经调查，该污水处理厂污泥好氧发酵车间恶臭较为严重，拟在原有生物除臭系统基础上，增加两级化学洗涤塔进行深度除臭处理，处理后通过四个15m高排气筒排放，为评估改造后是否可达到周边居民不再受恶臭影响的目标，通过本发明的反演评估方法进行评估。反演评估过程包括：
(1)输入数据至CALPUFF评估模型内，所述输入数据包括：
A.源排放数据：
该污水处理厂共有4个位于污泥处理车间内的恶臭排放点源，将其排气筒高度、出口温度和直径作为源排放数据，具体如表1所示。
表1 实施例1源排放数据
| 数据项目 | 排气筒1# | 排气筒2# | 排气筒3# | 排气筒4# |
| 排气筒高度(m) | 15 | 15 | 15 | 15 |
| 直径(m) | 1.8 | 1.8 | 1.6 | 1.6 |
| 温度(℃) | 30 | 30 | 30 | 30 |
B.气象数据：
气象数据采用气象数值WRF-CALMET模式计算生成；其中的数据地形高度、土地利用、陆地-水体标志、植被组成等标准基础数据均来自USGS数据库；初始气象数据采用NCEP/NCAR的再分析FNL数据库，并对其进行如下的网格化处理：
网格数15(SN)*15(WE)，网格间距4km(即每4km范围内一套气象数据)，范围60km*60km，垂直层数为30层，气象数据为全年逐时数据。
可得到该污水厂周边地面(10m高度)的气象数据，其周边的静风频率(风速小于0.5m/s)为1.8％，约为158h，风玫瑰图如图2所示。
C.建筑物数据、土地利用类型数据及地形数据：
确定反演评估范围为以四个排气筒的中间为中心点，边长为24km的矩形区域，评估面积为576km2。
为准确描述各污染源及敏感点的位置，定量评估污染程度，对评估区域进行嵌套网格化处理，其中，中心点周边2km的网格大小为100m×100m。
反演评估区域包括居民区和工业区，采用1km精度的GLCC格式数据对土地利用类型进行分析；并且考虑到复杂地形对空气扩散的影响，采用90m精度的SRTM格式数据对地形进行分析。
D.敏感点数据：
确定该污水处理厂周边共有7个敏感点，为A-G居民区，均在距该污水厂1000m范围内，分别位于该厂西侧和南侧，如附图3所示。该7个居民区均为16层左右的高层，垂直高度约为50m。
(2)基于敏感点人群不感受到恶臭污染时(恶臭发生频率在10％以内)的恶臭浓度参数，进行反演评估，根据反演得到的模拟结果，确定治理目标；其中，污泥处理车间4个排气筒均需同步改造，因此无需测算恶臭贡献率。根据CALPUFF模型模拟结果，在该污水处理厂污泥处理车间4个排气筒的排放高度均为15m，排放温度均为30℃，1～4#排气筒排放直径分别为1.8m、1.8m、1.6m、1.6m，其设计排气量分别为96000m3/h、96000m3/h、64000m3/h、64000m3/h时，治理目标为各排气筒的臭气浓度分别≤500即可使其污泥处理设施对周边居民基本不产生影响；当该4个排气筒的设计排气量分别为72000m3/h、72000m3/h、48000m3/h、48000m3/h时，治理目标为各排气筒臭气浓度≤600即可使其污泥处理设施对周边居民基本不产生影响。其中，反演模拟获得的排气筒臭气浓度为600、排气量共32万m3/h时对周边敏感点的影响如附图4所示。
根据所得治理目标进行改造后，可使敏感区的恶臭投诉率同比降低90％，工作成效得到了当地居民和环境管理部门的高度认可。
实施例2
紧邻某工业园区的某居民区恶臭污染严重，关于恶臭的投诉量极高，经调查，该园区中距离居民1km的一个油墨厂为主要的恶臭污染来源，为有针对性的对该油墨厂进行改造，对该油墨厂进行恶臭治理的治理目标进行反演评估。包括：
(1)输入数据至CALPUFF评估模型内，所述输入数据包括：
A.源排放数据，如下表2所示：
表2 实施例2源排放数据
B.气象数据：
气象数据采用气象数值WRF-CALMET模式计算生成；其中的数据地形高度、土地利用、陆地-水体标志、植被组成等标准基础数据均来自USGS数据库；初始气象数据采用NCEP/NCAR的再分析FNL数据库；气象计算网格间距1km(每1km范围内一套气象数据)，范围12km*12km，垂直层数为30层，气象数据为全年逐时数据。其中，该厂周边地面气象数据(10m高度)的风玫瑰图如图5所示。
C.建筑物数据、土地利用类型数据及地形数据：
确定预测范围为以该厂为中心点，边长为30km的矩形区域，评价面积为900km2。
为了准确描述各污染源及敏感点的位置，定量污染程度，对评价区域进行网格化处理，其中项目中心点周边5km的网格大小为100m×100m，5km-10km的网格大小为500m×500m，10km-15km的网格大小为1000m×1000m。
模拟计算区域采用1km精度的土地利用类型数据以及90m精度的地形数据。
D.敏感点数据：
确定该厂周边有2个敏感点，分别位于该厂西北侧距周界1000m的A小区、B小区，如附图6所示。这两个居民区均为18层左右的高层，因此垂直高度约为50m。
(2)基于敏感点人群不感受到恶臭污染时(恶臭发生频率在10％以内)的恶臭浓度参数，进行反演评估，根据反演得到的模拟结果，确定治理目标；模拟中可获得该厂密炼、硫化、压延、压出不同排气筒对A、B敏感点恶臭影响贡献率，如表3所示。
表3 实施例2所得不同工序对不同敏感点的恶臭贡献率
| 不同工序 | 敏感点A | 敏感点B |
| 胶印车间 | 16.13％ | 22.44％ |
| 油脂车间 | 2.33％ | 2.01％ |
| 颜料车间 | 6.95％ | 7.12％ |
| 污水处理站 | 74.59％ | 68.43％ |
可以看出，该厂污水处理站排气筒对周边2个小区的异味影响贡献最大，平均贡献率约为71％，因此针对污水处理站排气筒进行治理目标反演。结果显示，在排放筒高度、排放筒直径、气体出口速度、出口温度等不变的情况下，当治理目标为臭气浓度≤1000时，基本可对周边0～60m高度敏感点无影响。其中，反演模拟对周边敏感点的影响如附图7所示。
按此治理目标进行改造后，全年敏感区恶臭投诉率同比降低了90％，工作成效得到了当地居民和环境管理部门的高度认可。
以上实施例仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例。凡属于本发明思路下的技术方案均属于本发明的保护范围。应该指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下的改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.可获得恶臭污染治理目标的反演评估方法，其特征在于，其包括：
S0构建可通过评估区域的气象数据、地形数据、土地利用类型数据及建筑物数据进行恶臭扩散模拟的空气质量模型；
S1确定评估区域内的恶臭污染源，及所述恶臭污染源的恶臭排放速率；
S2获得所述恶臭污染源的其他排放参数及其周边区域的气象数据、地形数据、土地利用类型数据及建筑物数据；
S3筛选出所述评估区域内的恶臭敏感点，根据所述恶臭敏感点的分布距离及分布高度对所述评估区域进行网格化划分，得到不同评估单元；
S4设置与恶臭浓度参数相关的感官评价因子；
S5将S1获得恶臭排放速率及S2获得的所述气象数据、地形数据、土地利用类型数据、及建筑物数据输入所述空气质量模型中，在设定恶臭浓度参数下，对所述不同评估单元的恶臭扩散进行反演模拟，根据反演模拟得到的不同评估单元的模拟结果，确定治理目标；
其中，所述设定恶臭浓度参数的获得包括：基于所述感官评价因子，确定所述敏感点不感受到恶臭污染时的恶臭浓度参数，即设定恶臭浓度参数。
2.根据权利要求1所述的反演评估方法，其特征在于，所述空气质量模型为CALPUFF模型。
3.根据权利要求1所述的反演评估方法，其特征在于，所述恶臭排放速率通过以下计算模型得到：
Q1＝C·V (3)
其中，Q1为点源型恶臭污染源的恶臭排放速率，C为臭气浓度，V为臭气出口速率，Q2为面源型恶臭污染源的恶臭排放速率，L为出口风量，S1为风洞表面积，S为面源暴露面总面积；其中，风洞表面积S1根据确定面源型恶臭污染源的源强的风洞采样法确定。
4.根据权利要求1所述的反演评估方法，其特征在于，其中，所述恶臭污染源的其他排放参数包括：排气筒高度、排气筒直径及臭气出口温度；和/或，所述气象数据通过WRF-CALMET模式计算得到；和/或，所述建筑物数据包括建筑物高度、建筑物类型及建筑物地理位置。
5.根据权利要求1所述的反演评估方法，其特征在于，所述感官评价因子包括：恶臭峰值浓度和恶臭发生频率，其中，所述恶臭峰值浓度通过以下计算模型得到：
Cp＝CmF (1)
其中，Cp为恶臭峰值浓度，F为不同大气稳定度等级下的峰值均值因子，Cm为不同大气稳定度等级下的臭气浓度；所述峰值均值因子为将均值浓度转换为瞬时浓度的转换因子；所述不同大气稳定度等级根据所述空气质量模型得到的；
所述恶臭发生频率为所述恶臭峰值浓度超过1OU/m3的百分比。
6.根据权利要求5所述的反演评估方法，其特征在于，所述空气质量模型为CALPUFF模型，输入该CALPUFF模型中的气象数据通过WRF-CALMET模式计算得到，所述大气稳定度等级通过帕斯奎尔分类法根据CALMET模型计算的每个小时的大气稳定度分类得到。
7.根据权利要求1所述的反演评估方法，其特征在于，所述S5包括：
S51当所述评估区域内具有多个恶臭污染源时，通过所述空气质量模型获得在各个恶臭敏感点处的不同恶臭污染源的恶臭贡献率，选择其中贡献率大于50％的恶臭污染源作为重点评估对象；
S52对所述重点评估对象进行所述反演模拟。
8.根据权利要求1所述的反演评估方法，其特征在于，所述S5包括：当所述敏感点在不同高度获得的所述设定恶臭浓度参数不同时，对不同高度的所述评估单元分别进行所述反演模拟。
9.根据权利要求1所述的反演评估方法，其特征在于，所述治理目标包括臭气排放浓度和/或臭气排气量。
10.一种可获得恶臭污染治理目标的反演评估装置，其包括存储介质，该存储介质存储有实现权利要求1-9中任一项所述的反演评估方法的程序和/或算法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210939551.9A CN115293579A (zh) | 2022-08-05 | 2022-08-05 | 可获得恶臭污染治理目标的反演评估方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210939551.9A CN115293579A (zh) | 2022-08-05 | 2022-08-05 | 可获得恶臭污染治理目标的反演评估方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115293579A true CN115293579A (zh) | 2022-11-04 |
Family
ID=83828444
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210939551.9A Pending CN115293579A (zh) | 2022-08-05 | 2022-08-05 | 可获得恶臭污染治理目标的反演评估方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115293579A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116228502A (zh) * | 2023-05-08 | 2023-06-06 | 中科三清科技有限公司 | 重点污染源排放量订正方法、装置、存储介质及电子设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110457829A (zh) * | 2019-08-15 | 2019-11-15 | 王博 | 一种基于集成大气扩散模型的源项释放反演和扩散预测方法 |
| US20200393434A1 (en) * | 2019-06-13 | 2020-12-17 | Southern University Of Science And Technology | Evaluation method for impact of emission control on air quality, device and storage medium thereof |
| CN113420443A (zh) * | 2021-06-23 | 2021-09-21 | 天津市生态环境科学研究院(天津市环境规划院、天津市低碳发展研究中心) | 一种耦合峰值均值因子的恶臭精准模拟方法 |
| CN114818391A (zh) * | 2022-06-28 | 2022-07-29 | 北京化工大学 | 一种基于多溯源模型的污染源浓度智能分析方法 |
-
2022
- 2022-08-05 CN CN202210939551.9A patent/CN115293579A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200393434A1 (en) * | 2019-06-13 | 2020-12-17 | Southern University Of Science And Technology | Evaluation method for impact of emission control on air quality, device and storage medium thereof |
| CN110457829A (zh) * | 2019-08-15 | 2019-11-15 | 王博 | 一种基于集成大气扩散模型的源项释放反演和扩散预测方法 |
| CN113420443A (zh) * | 2021-06-23 | 2021-09-21 | 天津市生态环境科学研究院(天津市环境规划院、天津市低碳发展研究中心) | 一种耦合峰值均值因子的恶臭精准模拟方法 |
| CN114818391A (zh) * | 2022-06-28 | 2022-07-29 | 北京化工大学 | 一种基于多溯源模型的污染源浓度智能分析方法 |
Non-Patent Citations (3)
| Title |
|---|
| 刘枫，程言君，刘春红等: "垃圾转运站恶臭对高层住宅影响的数值模拟", 《环境影响评价》, pages 1 - 4 * |
| 张燕华，石磊，徐金凤等: "恶臭污染物排放标准的制定方法", 《全国首届恶臭污染测试与控制技术研讨会论文集》 * |
| 王文美，张妍，荆博宇等: "污水处理厂恶臭烦恼模拟评价及验证", 《中国环境科学》, pages 1 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116228502A (zh) * | 2023-05-08 | 2023-06-06 | 中科三清科技有限公司 | 重点污染源排放量订正方法、装置、存储介质及电子设备 |
| CN116228502B (zh) * | 2023-05-08 | 2023-08-04 | 中科三清科技有限公司 | 重点污染源排放量订正方法、装置、存储介质及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | Understanding meteorological influences on PM 2.5 concentrations across China: a temporal and spatial perspective | |
| 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 | |
| Kordowski et al. | Carbon dioxide fluxes over an urban park area | |
| Feng et al. | Analysis and accurate prediction of ambient PM2. 5 in China using Multi-layer Perceptron | |
| Zou et al. | Spatially differentiated and source-specific population exposure to ambient urban air pollution | |
| CN109615239B (zh) | 基于社会化网络媒体数据的城市空气质量的评估方法 | |
| Tian et al. | Integrating meteorological factors for better understanding of the urban form-air quality relationship | |
| CN107563646A (zh) | 一种城市生活垃圾焚烧处理设施对人群健康风险的管理系统 | |
| CN114118613A (zh) | 一种焦化土壤污染空间分布预测优化方法及系统 | |
| Wu et al. | Application of an integrated Weather Research and Forecasting (WRF)/CALPUFF modeling tool for source apportionment of atmospheric pollutants for air quality management: A case study in the urban area of Benxi, China | |
| CN115293579A (zh) | 可获得恶臭污染治理目标的反演评估方法及装置 | |
| Wen et al. | Source apportionment of PM 2.5 in Tangshan, China—Hybrid approaches for primary and secondary species apportionment | |
| CN117871790B (zh) | 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 | |
| CN116611547A (zh) | 大气污染物来源预报方法、装置、设备及存储介质 | |
| Brancher et al. | Temporal variability in odour emissions: to what extent this matters for the assessment of annoyance using dispersion modelling | |
| Krupnova et al. | Effect of urban greening and land use on air pollution in Chelyabinsk, Russia | |
| Kumar et al. | Application of AERMOD for short-term air quality prediction with forecasted meteorology using WRF model | |
| CN115545565A (zh) | 基于大气环境质量的园区排污总量管控方法和系统 | |
| De Lange et al. | Estimating particulate matter (PM) concentrations from a meteorological index for data-scarce regions: A pilot study | |
| CN113469537A (zh) | 基于气象和人口密度的城市绿地孢粉致敏风险值计算方法 | |
| Chang et al. | Optimal evaluation of expansion alternatives for existing air quality monitoring network by grey compromise programing | |
| Halimi et al. | Modeling spatial distribution of Tehran air pollutants using geostatistical methods incorporate uncertainty maps | |
| Ni et al. | Spatiotemporal characteristics and driving mechanisms of PM10 in arid and semi-arid cities of northwest China | |
| CN113420443B (zh) | 一种耦合峰值均值因子的恶臭精准模拟方法 | |
| Patiño et al. | Determination of separation distances integrating complaints records analysis and odour dispersion modelling in the Czech Republic |
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 |